一种请求响应状态确定方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种请求响应状态确定方法、装置、设备和存储介质，该方法包括：获取请求信息；对请求信息进行向量化处理，确定目标特征向量序列；将目标特征向量序列输入到预确定的目标状态预测模型中，根据目标状态预测模型的输出确定请求信息的响应状态；解决了故障分析和定位困难的问题，预先训练目标状态预测模型，通过对请求信息进行向量化处理，得到目标特征向量序列，将目标特征向量序列输入至目标状态预测模型进行响应状态预测，实现对请求信息的响应状态的提前预测。避免故障发生后由于交易数据数量较大导致的无法准确定位故障的情况发生，自动预测每个请求信息的响应状态，降低工作人员的工作量，提高工作效率和系统可靠性。系统可靠性。系统可靠性。

【技术实现步骤摘要】
一种请求响应状态确定方法、装置、设备和存储介质


[0001]本专利技术实施例涉及计算机
，尤其涉及一种请求响应状态确定方法、装置、设备和存储介质。

技术介绍

[0002]越来越多核心系统使用分布式架构下移至开放平台，分布式架构有许多优点，但是也有许多不能忽视的难点。分布式系统在运行过程中，由于分布式系统种存在复杂的调用关系，当某个节点发生故障，导致系统中的交易发生失败，如果在性能测试的情况下发生故障，未及时发现故障会错误信息很快就会写满日志，影响整个系统的功能，甚至会导致系统瘫痪。
[0003]目前，对于分布式系统的故障分析及失败交易分析通常是通过全链路监控、Dynatrace或者人工方式来定位故障，分析日志查找失败原因。全链路监控工具，排除故障较为困难，需要翻看多台机器并分析其日志，查找报错信息，分析故障原因。如果交易量大，并且没有及时发现故障，可能出现日志被覆盖等问题。Dynatrace可以监控性能，但是当微服务性能不佳，还是需要人工方式定位问题发生节点，分析每个节点的日志，增加了工作人员的工作量，降低工作效率和系统可靠性。

技术实现思路

[0004]本专利技术提供一种请求响应状态确定方法、装置、设备和存储介质，以实现对用户操作请求的响应状态的准确预测。
[0005]第一方面，本专利技术实施例提供了一种请求响应状态确定方法，所述请求响应状态确定方法包括：
[0006]获取请求信息；
[0007]对所述请求信息进行向量化处理，确定目标特征向量序列；
[0008]将所述目标特征向量序列输入到预确定的目标状态预测模型中，根据所述目标状态预测模型的输出确定所述请求信息的响应状态。
[0009]第二方面，本专利技术实施例还提供了一种请求响应状态确定装置，该请求响应状态确定装置包括：
[0010]请求获取模块，用于获取请求信息；
[0011]信息处理模块，用于对所述请求信息进行向量化处理，确定目标特征向量序列；
[0012]状态确定模块，用于将所述目标特征向量序列输入到预确定的目标状态预测模型中，根据所述目标状态预测模型的输出确定所述请求信息的响应状态。
[0013]第三方面，本专利技术实施例还提供了一种计算机设备，该设备包括：
[0014]一个或多个处理器；
[0015]存储器，用于存储一个或多个程序，
[0016]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理
器实现如本专利技术实施例中任一所述的一种请求响应状态确定方法。
[0017]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例中任一所述的一种请求响应状态确定方法。
[0018]本专利技术实施例提供了一种请求响应状态确定方法、装置、设备和存储介质，通过获取请求信息；对所述请求信息进行向量化处理，确定目标特征向量序列；将所述目标特征向量序列输入到预确定的目标状态预测模型中，根据所述目标状态预测模型的输出确定所述请求信息的响应状态；解决了故障分析和定位困难的问题，预先训练目标状态预测模型，通过对请求信息进行向量化处理，得到目标特征向量序列，将目标特征向量序列输入至目标状态预测模型进行响应状态预测，得到响应状态，实现对请求信息的响应状态的提前预测。通过及时预测故障，避免故障发生后由于交易数据数量较大导致的无法准确定位故障的情况发生，自动预测每个请求信息的响应状态，降低工作人员的工作量，提高工作效率和系统可靠性。
附图说明
[0019]图1是本专利技术实施例一中的一种请求响应状态确定方法的流程图；
[0020]图2是本专利技术实施例二中的一种请求响应状态确定方法的流程图；
[0021]图3是本专利技术实施例三中的一种请求响应状态确定装置的结构示意图；
[0022]图4是本专利技术实施例四中的一种计算机设备的结构示意图。
具体实施方式
[0023]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。应当明确，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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它实施例，都属于本申请保护的范围。
[0024]下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0025]在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0026]实施例一
[0027]图1给出了本申请实施例一提供的一种请求响应状态确定方法的流程示意图，该方法适用于在用户发起操作请求时预测请求的响应状态的情况。该方法可以由计算机设备执行，该计算机设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。一般而
言，计算机设备可以是笔记本、台式计算机以及智能平板等。
[0028]如图1所示，本实施例一提供的一种游戏画面的拍摄方法，具体包括如下步骤：
[0029]S101、获取请求信息。
[0030]在本实施例中，请求信息具体可以理解为用户发起操作请求的信息，例如，时间戳、操作内容等，请求信息中也可以包括请求发起时的系统运行数据，例如，内存。
[0031]具体的，用户发起操作请求，操作请求由系统中的相应节点执行。以银行系统为例，用户发起转账的操作请求，此操作请求由节点A执行，完成相关的转账操作。确定操作请求的请求信息，例如，操作请求的发起时间，操作内容等。
[0032]S102、对请求信息进行向量化处理，确定目标特征向量序列。
[0033]在本实施例中，目标特征向量序列具体可以理解为由特征向量构成的序列，用于表示请求信息，向量化处理的目的是为了将请求信息转换为神经网络模型可以识别的信息，使其适用于模型，便于模型训练和应用。
[0034]具体的，对请求信息进行解析，并按照一定的规则进行处理，得到符合要求和规范的信息，对处理后所得到的信息进行向量化处理，例如，对信息进行数字化编码处理，得到数字特征向量。根据向量化处理后的信息形成目标特征向量序列，例如，将时间戳、操作内容分别作为key，将时间戳和操作内容对应的具体内容分别作为value，形成键值对，根据键值对形成目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种请求响应状态确定方法，其特征在于，包括：获取请求信息；对所述请求信息进行向量化处理，确定目标特征向量序列；将所述目标特征向量序列输入到预确定的目标状态预测模型中，根据所述目标状态预测模型的输出确定所述请求信息的响应状态。2.根据权利要求1所述的方法，其特征在于，所述对所述请求信息进行向量化处理，确定目标特征向量序列，包括：根据所述请求信息生成目标模板；基于所述目标模板中的各模板信息，结合预设编码算法进行编码，确定目标特征向量序列。3.根据权利要求2所述的方法，其特征在于，所述根据所述请求信息生成目标模板，包括：对所述请求信息进行解析，得到解析数据；根据预设模板对各所述解析数据进行筛选，确定模板信息；根据所述预设模板和各所述模板信息生成目标模板。4.根据权利要求1所述的方法，其特征在于，所述目标状态预测模型的训练步骤包括：获取包含至少一个训练样本的训练样本集，所述训练样本为数字特征向量序列；根据各所述训练样本对待训练状态预测模型进行训练，得到目标状态预测模型；其中，所述待训练状态预测模型包括：信息预测模型和状态预测模型。5.根据权利要求4所述的方法，其特征在于，所述根据各所述训练样本对待训练状态预测模型进行训练，得到目标状态预测模型，包括：将当前迭代下的训练样本输入信息预测模型，获得相应的预测信息；将所述预测信息和对应的标准状态输入状态预测模型，获得相应的预测状态；采用给定的第一损失函数表达式，结合所述预测信息以及对应的标准信息，确定第一损失函数；采用给定的第二损失函数表达式，结合所...

【专利技术属性】
技术研发人员：孙晓璇，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：