数据自适应调整方法及装置制造方法及图纸

本发明专利技术提供一种数据自适应调整方法及装置，涉及人工智能技术领域。调整方法包括：获取业务系统的历史资源利用率数据和当前资源利用率数据；基于所述历史资源利用率数据和人工智能算法建立资源利用率的预测模型；根据所述资源利用率的预测模型确定所述当前资源利用率数据对应的资源利用率的预测值集合；基于所述预测值集合中的各个预测值和预设的清理阈值确定业务系统的数据的调整时间集合；在所述调整时间集合内的各个时间段对业务系统的数据进行调整。本发明专利技术能够降低人力监控成本，提高业务系统的处理效率与节约系统资源。

【技术实现步骤摘要】
数据自适应调整方法及装置
本专利技术涉及人工智能
，具体涉及一种数据自适应调整方法及装置。
技术介绍
银行业务处理需要登记各类数据，存储到数据表中，保证业务信息的完整性、有效性、不可否性等目的。随着线上业务的爆发性增长，数据库存储越来越庞大，而目前数据库的常规处理是日终批量定时的清理，且必须编写清理程序，预先设定固定的生命周期等。清理时段较为集中，集中处理时需要大量的业务系统资源，容易产生效率问题和占用大量的硬件资源，影响业务系统的正常资源分配，从而浪费业务系统资源。近年来机器学习在各个领域的应用以及十分广泛，通过对大量的历史数据进行建模和算法训练处理，得出相应的规律和预算结果。为了解决资源浪费以及提高业务系统资源效率的问题，如何通过人工学习算法，对业务系统资源使用率进行预测，并根据预测值自动调节业务系统的清理时间和数据，是急需解决的技术问题。
技术实现思路
针对现有技术中的问题，本专利技术提供一种数据自适应调整方法及装置，能够有效提高业务系统的性能和资源利用率。为解决上述技术问题，本专利技术提供以下技术方案：第一方面，本专利技术提供一种数据自适应调整方法，包括：获取业务系统的历史资源利用率数据和当前资源利用率数据；基于所述历史资源利用率数据和人工智能算法建立资源利用率的预测模型；根据所述资源利用率的预测模型确定所述当前资源利用率数据对应的资源利用率的预测值集合；基于所述预测值集合中的各个预测值和预设的清理阈值确定业务系统的数据的调整时间集合；在所述调整时间集合内的各个时间段对业务系统的数据进行调整。进一步地，还包括：获取业务系统的数据对应的数据生命周期；根据所述数据生命周期确定业务系统中需要处理的数据集；相对应的，在所述调整时间集合内的各个时间段对业务系统的数据进行调整，包括：在所述调整时间集合内的各个时间段对需要处理的数据集进行调整。进一步地，在所述获取业务系统的数据对应的数据生命周期之后，还包括：接收配置指令，根据所述配置指令调整所述业务系统的数据对应的数据生命周期。进一步地，所述根据所述数据生命周期确定业务系统中需要处理的数据集，包括：确定所述数据生命周期大于预设的周期阈值且该数据的数据访问频率小于预设的访问阈值的数据为需要处理的数据；其中，所有需要处理的数据构成需要处理的数据集。其中，所述基于所述历史资源利用率数据和人工智能算法建立资源利用率的预测模型，包括：根据所述历史资源利用率数据中的资源利用率确定任务系统的资源利用指数；基于所述资源利用指数和所述历史资源利用率数据中数据采集的时间段，采用人工智能算法建立资源利用率的预测模型；其中，历史资源利用率数据，包括：数据采集的时间段和该时间段对应的业务系统的资源利用率；所述资源利用率的预测模型为空闲时间段与任务系统的资源利用指数之间的基线。第二方面，本专利技术提供一种数据自适应调整装置，包括：采集模块，用于获取业务系统的历史资源利用率数据和当前资源利用率数据；建模模块，用于基于所述历史资源利用率数据和人工智能算法建立资源利用率的预测模型；预测模块，用于根据所述资源利用率的预测模型确定所述当前资源利用率数据对应的资源利用率的预测值集合；调整模块，用于基于所述预测值集合中的各个预测值和预设的清理阈值确定业务系统的数据的调整时间集合；清理模块，用于在所述调整时间集合内的各个时间段对业务系统的数据进行调整。进一步地，还包括：周期模块，用于获取业务系统的数据对应的数据生命周期；数据模块，用于根据所述数据生命周期确定业务系统中需要处理的数据集；相对应的，在所述调整时间集合内的各个时间段对业务系统的数据进行调整，包括：在所述调整时间集合内的各个时间段对需要处理的数据集进行调整。进一步地，在所述获取业务系统的数据对应的数据生命周期之后，还包括：指令模块，用于接收配置指令，根据所述配置指令调整所述业务系统的数据对应的数据生命周期。进一步地，所述数据模块包括：判断单元，用于确定所述数据生命周期大于预设的周期阈值且该数据的数据访问频率小于预设的访问阈值的数据为需要处理的数据；其中，所有需要处理的数据构成需要处理的数据集。其中，所述建模模块包括：利用指数单元，用于根据所述历史资源利用率数据中的资源利用率确定任务系统的资源利用指数；建模单元，用于基于所述资源利用指数和所述历史资源利用率数据中数据采集的时间段，采用人工智能算法建立资源利用率的预测模型；其中，历史资源利用率数据，包括：数据采集的时间段和该时间段对应的业务系统的资源利用率；所述资源利用率的预测模型为空闲时间段与任务系统的资源利用指数之间的基线。第三方面，本专利技术提供一种电子设备，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程序时实现所述的数据自适应调整方法的步骤。第四方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的数据自适应调整方法的步骤。由上述技术方案可知，本专利技术提供一种数据自适应调整方法及装置，通过获取业务系统的历史资源利用率数据和当前资源利用率数据；基于所述历史资源利用率数据和人工智能算法建立资源利用率的预测模型；根据所述资源利用率的预测模型确定所述当前资源利用率数据对应的资源利用率的预测值集合；基于所述预测值集合中的各个预测值和预设的清理阈值确定业务系统的数据的调整时间集合；在所述调整时间集合内的各个时间段对业务系统的数据进行调整，能够降低人力监控成本，提高业务系统的处理效率与节约系统资源。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为本专利技术实施例中的数据自适应调整方法的第一流程示意图。图2为本专利技术实施例中的数据自适应调整方法的第二流程示意图。图3为本专利技术实施例中的数据自适应调整方法的第三流程示意图。图4为本专利技术实施例中的数据自适应调整装置的结构示意图。图5为本专利技术实施例中的电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例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。本专利技术提供一种数据自适应调整方法的实施例，参见图1，所述数据自适应调整方法具体包含有如下内本文档来自技高网...

【技术保护点】
1.一种数据自适应调整方法，其特征在于，包括：/n获取业务系统的历史资源利用率数据和当前资源利用率数据；/n基于所述历史资源利用率数据和人工智能算法建立资源利用率的预测模型；/n根据所述资源利用率的预测模型确定所述当前资源利用率数据对应的资源利用率的预测值集合；/n基于所述预测值集合中的各个预测值和预设的清理阈值确定业务系统的数据的调整时间集合；/n在所述调整时间集合内的各个时间段对业务系统的数据进行调整。/n

【技术特征摘要】
1.一种数据自适应调整方法，其特征在于，包括：
获取业务系统的历史资源利用率数据和当前资源利用率数据；
基于所述历史资源利用率数据和人工智能算法建立资源利用率的预测模型；
根据所述资源利用率的预测模型确定所述当前资源利用率数据对应的资源利用率的预测值集合；
基于所述预测值集合中的各个预测值和预设的清理阈值确定业务系统的数据的调整时间集合；
在所述调整时间集合内的各个时间段对业务系统的数据进行调整。


2.根据权利要求1所述的数据自适应调整方法，其特征在于，还包括：
获取业务系统的数据对应的数据生命周期；
根据所述数据生命周期确定业务系统中需要处理的数据集；
相对应的，在所述调整时间集合内的各个时间段对业务系统的数据进行调整，包括：
在所述调整时间集合内的各个时间段对需要处理的数据集进行调整。


3.根据权利要求2所述的数据自适应调整方法，其特征在于，在所述获取业务系统的数据对应的数据生命周期之后，还包括：
接收配置指令，根据所述配置指令调整所述业务系统的数据对应的数据生命周期。


4.根据权利要求3所述的数据自适应调整方法，其特征在于，所述根据所述数据生命周期确定业务系统中需要处理的数据集，包括：
确定所述数据生命周期大于预设的周期阈值且该数据的数据访问频率小于预设的访问阈值的数据为需要处理的数据；
其中，所有需要处理的数据构成需要处理的数据集。


5.根据权利要求1所述的数据自适应调整方法，其特征在于，所述基于所述历史资源利用率数据和人工智能算法建立资源利用率的预测模型，包括：
根据所述历史资源利用率数据中的资源利用率确定任务系统的资源利用指数；
基于所述资源利用指数和所述历史资源利用率数据中数据采集的时间段，采用人工智能算法建立资源利用率的预测模型；
其中，历史资源利用率数据，包括：数据采集的时间段和该时间段对应的业务系统的资源利用率；所述资源利用率的预测模型为空闲时间段与任务系统的资源利用指数之间的基线。


6.一种数据自适应调整装置，其特征在于，包括：
采集模块，用于获取业务系统的历史资源利用率数据和当前资源利用率数据；
建模模块，用于基于所述历史资源利用率数据和人工智能算法建立资源利用率的预...

【专利技术属性】
技术研发人员：彭旺红，李远东，郭越，韦东俊，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11