用于大数据画像的信息云计算分析方法及信息推送服务器技术

本申请实施例提供一种用于大数据画像的信息云计算分析方法及信息推送服务器，将运行占用的软件业务服务划分为运行占用较小的软件微服务，由于一个软件微服务内的服务运行节点数量少于整个软件业务服务内的服务运行节点的数量，因此，通过画像分类网络模型确定一个软件微服务对应的第一单位服务画像的时间较短，且确定多个软件微服务对应的第一单位服务画像是通过不同的画像分类网络模型并行实现的，可以减少画像关联过程占用的时间，进而减少确定软件业务服务内的服务对象的整体服务画像的时间，提高了整体服务画像生成的效率，改善后续应用过程中的更新延迟现象。改善后续应用过程中的更新延迟现象。改善后续应用过程中的更新延迟现象。

【技术实现步骤摘要】
用于大数据画像的信息云计算分析方法及信息推送服务器


[0001]本申请涉及大数据
，具体而言，涉及一种用于大数据画像的信息云计算分析方法及信息推送服务器。

技术介绍

[0002]在服务画像生成的过程中，可以将软件业务服务中多个服务运行节点生成的大量的微服务运行数据进行关联，从而确定服务对象在软件业务服务中的整体服务画像，以用于各类与服务画像相关的应用，例如，利用服务画像进行相关的热点信息推送等。但微服务运行数据的数量通常比较多，导致进行服务画像关联计算需要耗费较长的时间，进而导致生成的服务画像的效率较低，可能造成后续的应用更新的延迟。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本申请的目的在于提供一种用于大数据画像的信息云计算分析方法及信息推送服务器，可以预先将软件业务服务划分为多个软件微服务，如此，可以分别确定每个软件微服务对应的第一单位服务画像，在确定过程中对于不同的软件微服务可以通过不同的画像分类网络模型来实现，且一个网络单元用于基于一个软件微服务内的服务运行节点发送的服务对象的微服务运行数据确定对应的第一单位服务画像，确定每个软件微服务对应的第一单位服务画像后，可以将多个软件微服务对应的第一单位服务画像进行区域间关联，得到软件业务服务内服务对象的整体服务画像。如此，将运行占用的软件业务服务划分为运行占用较小的软件微服务，由于一个软件微服务内的服务运行节点数量少于整个软件业务服务内的服务运行节点的数量，因此，通过画像分类网络模型确定一个软件微服务对应的第一单位服务画像的时间较短，且确定多个软件微服务对应的第一单位服务画像是通过不同的画像分类网络模型并行实现的，可以减少画像关联过程占用的时间，进而减少确定软件业务服务内的服务对象的整体服务画像的时间，提高了整体服务画像生成的效率，改善后续应用过程中的更新延迟现象。
[0004]第一方面，本申请提供一种用于大数据画像的信息云计算分析方法，应用于信息推送服务器，所述信息推送服务器与多个移动软件服务端通信连接，所述信息推送服务器根据云计算平台实现，所述方法包括：分别通过多个画像分类网络模型基于多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定所述多个软件微服务中每个软件微服务对应的第一单位服务画像，其中，一个画像分类网络模型用于基于一个软件微服务内的服务对象的微服务运行数据确定对应的第一单位服务画像，所述多个软件微服务是对软件业务服务进行业务区分后得到；基于所述多个软件微服务中每个软件微服务对应的第一单位服务画像，确定所述软件业务服务内的服务对象的整体服务画像。
[0005]在第一方面的一种可能的示例设计中，所述分别通过多个画像分类网络模型基于
多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定所述多个软件微服务中每个软件微服务对应的第一单位服务画像的步骤，包括：对于所述多个画像分类网络模型中的第一画像分类网络模型，通过所述第一画像分类网络模型获取在上一个画像获取节点所确定的第一软件微服务对应的第二单位服务画像，所述第一画像分类网络模型为所述多个画像分类网络模型中的任一画像分类网络模型，所述第一软件微服务为所述多个软件微服务中的一个软件微服务；通过所述第一画像分类网络模型基于所获取的第二单位服务画像与所述第一软件微服务内的服务对象的微服务运行数据，确定所述第一软件微服务对应的第一单位服务画像。
[0006]在第一方面的一种可能的示例设计中，所述通过所述第一画像分类网络模型基于所获取的第二单位服务画像与所述第一软件微服务内的服务对象的微服务运行数据，确定所述第一软件微服务对应的第一单位服务画像的步骤，包括：若通过所述第一画像分类网络模型确定所获取的第二单位服务画像中存在未处理服务运行数据，将所述第一软件微服务内的服务对象的微服务运行数据与所述未处理服务运行数据进行关联，所述未处理服务运行数据是指所包括的服务数据片段中末尾服务数据片段对应的微服务运行数据的画像分类时间大于画像分类时间阈值的第二单位服务画像；通过所述第一画像分类网络模型将关联后的服务运行数据进行画像分类以确定所述第一软件微服务对应的第一单位服务画像。
[0007]在第一方面的一种可能的示例设计中，所述基于所述多个软件微服务中每个软件微服务对应的第一单位服务画像，确定所述软件业务服务内的服务对象的整体服务画像的步骤，包括：对于所述多个软件微服务中的每个软件微服务，若所述软件业务服务内存在与每个软件微服务有关联业务程序接口的其它软件微服务，获取在上一个画像获取节点确定的所述软件业务服务内的服务对象的整体服务画像，得到过往整体服务画像；若所述过往整体服务画像中包括与每个软件微服务有关联业务程序接口的其它软件微服务对应的服务画像，且所述过往整体服务画像中包括与每个软件微服务对应的第一单位服务画像属于同一服务对象的服务画像，将每个软件微服务对应的第一单位服务画像与所述过往整体服务画像中属于同一服务对象的服务画像进行关联；将每个软件微服务关联后的服务画像进行关联，得到所述软件业务服务内的服务对象的整体服务画像。
[0008]在第一方面的一种可能的示例设计中，所述方法还包括：基于所述软件业务服务的微服务架构信息，确定第一微服务特征信息，所述第一微服务特征信息包括所述软件业务服务内的多个服务运行节点的微服务程序之间的关联业务程序接口信息，其中，所述关联业务程序接口信息的数量为至少一个，且一个关联业务程序接口信息包括一组服务运行节点标签，一组服务运行节点标签包括至少两个服务运行节点标签；若至少一组服务运行节点标签中包括所述第一软件微服务内的服务运行节点的服务运行节点标签，且包括所述第一软件微服务内的服务运行节点的服务运行节点标签的
组中存在存在逻辑业务关联的软件微服务内的服务运行节点的服务运行节点标签，确定存在与所述第一软件微服务存在关联业务程序接口的其它软件微服务，所述存在逻辑业务关联的软件微服务为所述多个软件微服务中与所述第一软件微服务相邻的软件微服务。
[0009]在第一方面的一种可能的示例设计中，所述方法还包括：获取所述软件业务服务内的多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及所述软件业务服务的服务配置信息，所述服务配置信息为与所述软件业务服务内的服务运行节点及服务对象关联配置的信息；基于所述多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及所述服务配置信息，确定画像分类网络模型数量，所述画像分类网络模型数量是指生成所述软件业务服务内的服务对象的整体服务画像所需的画像分类网络模型的数量；基于所述画像分类网络模型数量和所述软件业务服务的微服务架构信息，将所述软件业务服务划分成所述多个软件微服务；其中，所述服务运行节点的服务运行范围信息包括对应的服务运行节点的服务运行业务区域信息，本节点的服务运行范围信息包括本节点的业务边界区域信息，所述服务配置信息包括所述软件业务服务内的服务运行节点的分布情况、服务对象的服务数据量分布及服务对象的综合画像分类需求量；其中，所述服务运行业务区域信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于大数据画像的信息云计算分析方法，其特征在于，应用于信息推送服务器，所述信息推送服务器与多个移动软件服务端通信连接，所述信息推送服务器根据云计算平台实现，所述方法包括：分别通过多个画像分类网络模型基于多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定所述多个软件微服务中每个软件微服务对应的第一单位服务画像，其中，一个画像分类网络模型用于基于一个软件微服务内的服务对象的微服务运行数据确定对应的第一单位服务画像，所述多个软件微服务是对软件业务服务进行业务区分后得到；基于所述多个软件微服务中每个软件微服务对应的第一单位服务画像，确定所述软件业务服务内的服务对象的整体服务画像。2.根据权利要求1所述的用于大数据画像的信息云计算分析方法，其特征在于，所述分别通过多个画像分类网络模型基于多个软件微服务内的服务运行节点发送的服务对象的微服务运行数据，确定所述多个软件微服务中每个软件微服务对应的第一单位服务画像的步骤，包括：对于所述多个画像分类网络模型中的第一画像分类网络模型，通过所述第一画像分类网络模型获取在上一个画像获取节点所确定的第一软件微服务对应的第二单位服务画像，所述第一画像分类网络模型为所述多个画像分类网络模型中的任一画像分类网络模型，所述第一软件微服务为所述多个软件微服务中的一个软件微服务；通过所述第一画像分类网络模型基于所获取的第二单位服务画像与所述第一软件微服务内的服务对象的微服务运行数据，确定所述第一软件微服务对应的第一单位服务画像。3.根据权利要求2所述的用于大数据画像的信息云计算分析方法，其特征在于，所述通过所述第一画像分类网络模型基于所获取的第二单位服务画像与所述第一软件微服务内的服务对象的微服务运行数据，确定所述第一软件微服务对应的第一单位服务画像的步骤，包括：若通过所述第一画像分类网络模型确定所获取的第二单位服务画像中存在未处理服务运行数据，将所述第一软件微服务内的服务对象的微服务运行数据与所述未处理服务运行数据进行关联，所述未处理服务运行数据是指所包括的服务数据片段中末尾服务数据片段对应的微服务运行数据的画像分类时间大于画像分类时间阈值的第二单位服务画像；通过所述第一画像分类网络模型将关联后的服务运行数据进行画像分类以确定所述第一软件微服务对应的第一单位服务画像。4.根据权利要求2所述的用于大数据画像的信息云计算分析方法，其特征在于，所述基于所述多个软件微服务中每个软件微服务对应的第一单位服务画像，确定所述软件业务服务内的服务对象的整体服务画像的步骤，包括：对于所述多个软件微服务中的每个软件微服务，若所述软件业务服务内存在与每个软件微服务有关联业务程序接口的其它软件微服务，获取在上一个画像获取节点确定的所述软件业务服务内的服务对象的整体服务画像，得到过往整体服务画像；若所述过往整体服务画像中包括与每个软件微服务有关联业务程序接口的其它软件微服务对应的服务画像，且所述过往整体服务画像中包括与每个软件微服务对应的第一单
位服务画像属于同一服务对象的服务画像，将每个软件微服务对应的第一单位服务画像与所述过往整体服务画像中属于同一服务对象的服务画像进行关联；将每个软件微服务关联后的服务画像进行关联，得到所述软件业务服务内的服务对象的整体服务画像。5.根据权利要求4所述的用于大数据画像的信息云计算分析方法，其特征在于，所述方法还包括：基于所述软件业务服务的微服务架构信息，确定第一微服务特征信息，所述第一微服务特征信息包括所述软件业务服务内的多个服务运行节点的微服务程序之间的关联业务程序接口信息，其中，所述关联业务程序接口信息的数量为至少一个，且一个关联业务程序接口信息包括一组服务运行节点标签，一组服务运行节点标签包括至少两个服务运行节点标签；若至少一组服务运行节点标签中包括所述第一软件微服务内的服务运行节点的服务运行节点标签，且包括所述第一软件微服务内的服务运行节点的服务运行节点标签的组中存在存在逻辑业务关联的软件微服务内的服务运行节点的服务运行节点标签，确定存在与所述第一软件微服务存在关联业务程序接口的其它软件微服务，所述存在逻辑业务关联的软件微服务为所述多个软件微服务中与所述第一软件微服务相邻的软件微服务。6.根据权利要求1所述的用于大数据画像的信息云计算分析方法，其特征在于，所述方法还包括：获取所述软件业务服务内的多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及所述软件业务服务的服务配置信息，所述服务配置信息为与所述软件业务服务内的服务运行节点及服务对象关联配置的信息；基于所述多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及所述服务配置信息，确定画像分类网络模型数量，所述画像分类网络模型数量是指生成所述软件业务服务内的服务对象的整体服务画像所需的画像分类网络模型的数量；基于所述画像分类网络模型数量和所述软件业务服务的微服务架构信息，将所述软件业务服务划分成所述多个软件微服务；其中，所述服务运行节点的服务运行范围信息包括对应的服务运行节点的服务运行业务区域信息，本节点的服务运行范围信息包括本节点的业务边界区域信息，所述服务配置信息包括所述软件业务服务内的服务运行节点的分布情况、服务对象的服务数据量分布及服务对象的综合画像分类需求量；其中，所述服务运行业务区域信息包括对应的服务运行节点的业务项目数量，所述业务边界区域信息是指本节点包括的单个画像分类网络模型能够进行关联计算的最边缘的服务数据片段数，所述分布情况是指所述软件业务服务内的关联业务程序接口对应的服务运行节点的分布平均数量，所述服务数据量分布是指在所述软件业务服务内单位统计时段单位统计区域的服务对象的数据量，所述综合画像分类需求量是指服务对象在所述软件业务服务内单位时间内进行画像分类的平均次数；所述基于所述多个服务运行节点的服务运行范围信息、本节点的服务运行范围信息、以及所述服务配置信息，确定画像分类网络模型数量的步骤，包括：基于所述多个服务运行节点的服务运行业务区域信息、本节点的业务边界区域信息、以及所述软件业务服务内的服务运行节点的分布情况、服务对象的服务数据量分布及服务
对象的综合画像分类需求量，确定所述画像分类网络模型数量。7.根据权利要求6所述的用于大数据画像的信息云计算分析方法，其特征在于，所述基于所述画像分类网络模型数量和所述软件业务服务的微服务架构信息，将所述软件业务服务划分成所述多个软件微服务的步骤，包括：将所述软件业务服...

【专利技术属性】
技术研发人员：凌清华，
申请(专利权)人：凌清华，
类型：发明
国别省市：