核心银行系统的批量操作运行耗时预测方法及装置制造方法及图纸

本发明专利技术提供一种核心银行系统的批量操作运行耗时预测方法及装置，包括：获取批量操作的耗时历史数据；基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数；基于已确定模型参数的一元线性回归模型，预测预定运行日期的批量操作的运行耗时。该方案不采用人工来计算批量操作运行耗时，节省人力和时间，并且还可以对批量作业操作运行耗时进行预测，为风险防范和后期的优化提供参考依据。

【技术实现步骤摘要】
核心银行系统的批量操作运行耗时预测方法及装置
本专利技术涉及数据处理
，特别涉及一种核心银行系统的批量操作运行耗时预测方法及装置。
技术介绍
目前核心银行只能根据已有耗时记录，人工来计算已知批量操作(批量操作包括批量作业和批量模块，批量作业是批量执行的最小单位，实现整个批量运行中某一阶段功能。批量模块是若干批量作业组成批量的子模块)运行耗时，这样会耗时费力，且只能应对已发生的状况，没有针对批量作业操作运行耗时进行预测的功能。
技术实现思路
本专利技术实施例提供了一种核心银行系统的批量操作运行耗时预测方法及装置，不采用人工来计算批量操作运行耗时，节省人力和时间，并且还可以对批量作业操作运行耗时进行预测，为风险防范和后期的优化提供参考依据。该核心银行系统的批量操作运行耗时预测方法包括：获取批量操作的耗时历史数据；基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数；基于已确定模型参数的一元线性回归模型，预测预定运行日期的批量操作的运行耗时。该核心银行系统的批量操作运行耗时预测装置包括：耗时历史数据获取模块，用于获取批量操作的耗时历史数据；模型参数确定模块，用于基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数；预测模块，用于基于已确定模型参数的一元线性回归模型，预测预定运行日期的批量操作的运行耗时。本专利技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述方法。本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述所述方法的计算机程序。在本专利技术实施例中，采用如下方式预测运行耗时：获取批量操作的耗时历史数据；基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数；基于已确定模型参数的一元线性回归模型，预测预定运行日期的批量操作的运行耗时。与现有技术相比，本专利技术不采用人工来计算批量操作运行耗时，节省了人力和时间，并且还可以对批量作业操作运行耗时进行预测，为风险防范和后期的优化提供参考依据。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种核心银行系统的批量操作运行耗时预测方法流程图一；图2是本专利技术实施例提供的一种核心银行系统的批量操作运行耗时预测方法流程图二；图3是本专利技术实施例提供的一种核心银行系统的批量操作运行耗时预测方法流程图三；图4是本专利技术实施例提供的一种核心银行系统的批量操作运行耗时预测方法流程图四；图5是本专利技术实施例提供的一种预测运行耗时曲线示意图；图6是本专利技术实施例提供的一种核心银行系统的批量操作运行耗时预测装置的一种结构框图一；图7是本专利技术实施例提供的一种核心银行系统的批量操作运行耗时预测装置的一种结构框图二；图8是本专利技术实施例提供的一种核心银行系统的批量操作运行耗时预测装置的一种结构框图三；图9是本专利技术实施例提供的一种核心银行系统的批量操作运行耗时预测装置的一种结构框图四。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术实施例中，提供了一种核心银行系统的批量操作运行耗时预测方法，如图1所示，该方法包括：步骤101：获取批量操作的耗时历史数据；步骤102：基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数；步骤103：基于已确定模型参数的一元线性回归模型，预测预定运行日期的批量操作的运行耗时。具体实施时，所述耗时历史数据包括批量操作的运行起止时间(包括运行起止日期和起止时间段)、批量操作的运行耗时和批量操作的运行环境信息。批量操作运行环境(以下简称JOB_CLASS)包括第一运行环境信息(以下简称L，表示作业运行能提供的资源较少，作业排队等待时间较长，竞争激烈)和第二运行环境信息(以下简称M，表示作业运行环境资源比L多，排队等待时间相对减少)，其中，所述第一运行环境信息与实际(当前)批量操作的运行环境相匹配，所述第二运行环境信息与实际(当前)批量操作的运行环境不匹配。具体的，由于核心银行在P601批次后，下传作业(完成批量执行步骤的最后一步作业，通常为下传结果文件到各外围系统)的JOB_CLASS都变为L(在此之前是M，运行资源多、速度比L快十几到上百倍)，而当前批量环境中下传作业的JOB_CLASS为L，预测用到的数据源应该与实际生产一致，所以对于JOB_CLASS为M的下传作业的耗时，对实际预测干扰很大，视为噪声。因此应该选用L的数据，才能匹配真实环境，通过数据库的筛选去掉JOB_CLASS为M的下传作业，剔除出数据源。因此，如图2所示，在步骤101之后还可以包括步骤104：将所述耗时历史数据分成第一耗时历史数据和第二耗时历史数据，其中，第一耗时历史数据中的运行环境信息为第一运行环境信息(JOB_CLASS为L)，第二耗时历史数据中的运行环境信息为第二运行环境信息(JOB_CLASS为M)；步骤105：删除第二耗时历史数据。具体实施时，由于批量操作在工作日、周末、节假日、结息日、特殊网购日运行耗时有明显不同。因此，如图3所示，在步骤101之后还可以包括步骤106：按照预设分类规则对所述批量操作的耗时历史数据进行分类；步骤107：将分类后的耗时历史数据放入相应的批量操作池(程序中用来存储同一类型批量操作数据的变量)。步骤103具体包括：采用多线程方式(线程：运行中的程序的调度单位，拥有运行中必不可少的资源，可独立运行的基本单位。多线程：为了使多个线程并行的工作以完成多项任务，提高系统效率。多线程在同一时间需要完成多项任务的时候被实现的)，将批量操作池中的所述分类后的耗时历史数据分别代入一元线性回归模型，确定相应的一元线性回归模型的模型参数；其中，所述预设分类规则为：按照批量操作的运行起止时间的不同，将所述耗时历史数据分成不同的类别。步骤106和107的执行可以是在执行完步骤104和105之后，也可以是在执行步骤104和105之前。具体实施时，本专利技术采用一元线性回归模型来预测批量操作的运行耗时。首先介绍一下回归分析和一元线性回归。其中回归分析：研究一个变量关于另一个变量的依赖关系的计算方法和理论。其目的在于通过后者的已知或设定值，去估计和预测前者的均值。而一元线性回归：如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。本专利技术采用的一元线性回归模型的形式如下：H＝K*x+B+DT；其中，H表示批量操作的运行耗时，x表示批量操作的运行日期；K、B、DT表示模型参数。COE[B，K]表示回归系数，DT表示偏差。刚开始一元线性回归模型中的K、B、DT是未知的，需要利用耗本文档来自技高网...

【技术保护点】
1.一种核心银行系统的批量操作运行耗时预测方法，其特征在于，包括：获取批量操作的耗时历史数据；基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数；基于已确定模型参数的一元线性回归模型，预测预定运行日期的批量操作的运行耗时。

【技术特征摘要】
1.一种核心银行系统的批量操作运行耗时预测方法，其特征在于，包括：获取批量操作的耗时历史数据；基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数；基于已确定模型参数的一元线性回归模型，预测预定运行日期的批量操作的运行耗时。2.如权利要求1所述的核心银行系统的批量操作运行耗时预测方法，其特征在于，所述耗时历史数据包括批量操作的运行起止时间、批量操作的运行耗时和批量操作的运行环境信息。3.如权利要求2所述的核心银行系统的批量操作运行耗时预测方法，其特征在于，所述批量操作的运行环境信息包括第一运行环境信息和第二运行环境信息，其中，所述第一运行环境信息与实际批量操作的运行环境相匹配，所述第二运行环境信息与实际批量操作的运行环境不匹配；在获取批量操作的耗时历史数据之后，还包括：将所述耗时历史数据分成第一耗时历史数据和第二耗时历史数据，其中，第一耗时历史数据中的运行环境信息为第一运行环境信息，第二耗时历史数据中的运行环境信息为第二运行环境信息；删除第二耗时历史数据。4.如权利要求2所述的核心银行系统的批量操作运行耗时预测方法，其特征在于，在获取批量操作的耗时历史数据之后，还包括：按照预设分类规则对所述批量操作的耗时历史数据进行分类；将分类后的耗时历史数据放入相应的批量操作池；基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数，包括：采用多线程方式，将批量操作池中的所述分类后的耗时历史数据分别代入一元线性回归模型，确定相应的一元线性回归模型的模型参数；其中，所述预设分类规则为：按照批量操作的运行起止时间的不同，将所述耗时历史数据分成不同的类别。5.如权利要求2所述的核心银行系统的批量操作运行耗时预测方法，其特征在于，所述一元线性回归模型的形式如下：H＝K*x+B+DT；其中，H表示批量操作的运行耗时，x表示批量操作的运行日期；K、B、DT表示模型参数。6.如权利要求1所述的核心银行系统的批量操作运行耗时预测方法，其特征在于，还包括：根据预定运行日期的批量操作的运行耗时确定预测运行耗时曲线，将所述预测运行耗时曲线进行展示。7.一种核心银行系统的批量操作运行耗时预测装置，其特征在于，包括：耗时历史数据获取模块，用于获取批量操作的耗时历史数据；模型参数确定模块，用于基于一元线性回归模型，根据所述耗时历史数据，确定一元线...

【专利技术属性】
技术研发人员：马宇卓，王建立，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京,11