资源分发方法、装置、电子设备以及存储介质制造方法及图纸

本公开关于一种资源分发方法、装置、电子设备以及存储介质，属于互联网领域，所述资源分发的方法，应用于网络侧，包括：响应于来自终端的资源分发请求，对网络当前状态数据进行统计，得到统计数据；根据所述统计数据，生成用于资源分发的当前仿真网络环境参数，基于所述当前仿真网络环境参数，确定用于资源分发的分发策略，其中，所述分发策略为所述仿真网络环境参数与用于资源分发的第一参数的映射；根据所述分发策略，确定当前资源分发的分发概率，并按照所述概率分发资源。本公开实现了资源分发概率的实时的动态调整，并可自适应于网络当前的处理能力，提高了资源的利用率，改善了使用体验。体验。体验。

【技术实现步骤摘要】
资源分发方法、装置、电子设备以及存储介质


[0001]本申请涉及互联网
，尤其涉及一种资源分发方法、装置、电子设备以及存储介质。

技术介绍

[0002]随着互联网的高速发展，多数互联网平台一般都有用于对资源进行分发的资源分发平台。
[0003]现有的资源分发平台在分发过程中，资源被分发的分发概率通常是固定的基准概率。即使对资源的请求量超出系统可承受范围，由于基准概率固定，资源分发平台仍然会请求资源，这导致系统整体可用性将下降。

技术实现思路

[0004]本申请提供一种资源分发方法，以至少解决相关技术中资源被分发的分发概率是固定的问题。
[0005]根据本申请公开实施例的第一方面，提供一种资源分发的方法，应用于网络侧，包括：
[0006]响应于来自终端的资源分发请求，对网络当前状态数据进行统计，得到统计数据；
[0007]根据所述统计数据，生成用于资源分发的当前网络环境参数，基于所述当前网络环境参数，确定用于资源分发的分发策略，其中，所述分发策略为所述当前网络环境参数与用于资源分发的第一参数的映射；
[0008]根据所述分发策略，确定当前资源分发的分发概率，并按照所述分发概率分发资源。
[0009]作为一种可能的实施方式，所述基于所述当前网络环境参数，确定用于资源分发的分发策略，包括：
[0010]利用机器学习模型，对所述当前网络环境参数进行学习，得到所述第一参数；将所述第一参数确定为所述分发策略；
[0011]其中，
[0012]机器学习模型预先被训练，以建立仿真网络环境参数与第一参数的映射关系。
[0013]作为一种可能的实施方式，所述基于所述当前仿真网络环境参数，确定用于资源分发的分发策略，包括：
[0014]构建马尔可夫决策过程模型，该模型包括：用于表示仿真网络环境参数的状态信息，用于表示采取动作的概率系数调整，用于表示概率系数调整之后在当前仿真网络环境状态中所能获得的函数，以及用于表示不同概率系数所对应的不同仿真网络环境状态之间状态转移概率的状态转移函数；
[0015]反复调整概率系数，以获得每次所调整概率系数的状态转移函数，根据所述状态转移函数，转移至概率系数调整后所对应的仿真网络环境状态，得到概率系数与仿真网络
环境状态的映射集合，
[0016]将所述当前网络环境参数作为给定仿真网络环境状态信息，遵循所述概率系数与仿真网络环境状态的映射集合，反复调整概率系数，以获得最大累积函数值为目标而调整概率系数，其中，累积函数值为每个概率系数所获得的函数值的累计，函数值根据网络总流量、以及网络返回结果数据中错误结果的数量确定，
[0017]将使得最大累积函数值被获取情况下的概率系数与该概率系数所对应仿真网络环境状态的映射，确定为所述分发策略。
[0018]作为一种可能的实施方式，所述第一参数为所述分发策略中的概率系数，
[0019]所述根据所述分发策略，确定当前资源分发的分发概率，包括：
[0020]根据所述分发策略中的概率系数，计算当前资源分发的分发概率，
[0021]其中，当前资源分发的分发概率为预设的基准概率与所述概率系数之乘积。
[0022]作为一种可能的实施方式，所述响应于来自终端的资源分发请求，进一步包括：
[0023]响应于来自终端的资源分发请求，获取所述资源分发请求的权限控制数据、以及网络当前状态数据，
[0024]根据所获取的权限控制数据，过滤掉网络当前状态数据中不具有权限的数据，保留具有权限的网络当前状态数据，
[0025]其中，
[0026]所述权限控制数据与所述资源分发请求所涉及的账户关联，
[0027]所述网络当前状态数据包括流量数据和服务器当前状态数据，所述流量数据来自于网关上报。
[0028]作为一种可能的实施方式，所述对网络当前状态数据进行统计，包括：
[0029]统计所保留的具有权限的网络当前状态数据，
[0030]按照所保留的具有权限的网络当前状态数据，统计网络当前状态数据。
[0031]作为一种可能的实施方式，该方法进一步包括：
[0032]根据所获取的权限控制数据，过滤掉与所获取的权限控制数据关联的账户，以禁止为所过滤掉的账户确定当前资源分发的分发概率或者分发资源。
[0033]本申请的第二方面，提供一种资源分发的装置，所述装置包括：
[0034]统计模块，被配置为响应于来自终端的资源分发请求，对网络当前状态数据进行统计，得到统计数据；
[0035]决策模块，被配置为根据所述统计数据，生成用于资源分发的当前网络环境参数，基于所述当前网络环境参数，确定用于资源分发的分发策略，其中，所述分发策略为所述当前网络环境参数与用于资源分发的第一参数的映射；
[0036]资源分发模块，被配置为根据所述分发策略，确定当前资源分发的分发概率，并按照所述分发概率分发资源。
[0037]作为一种可能的实施方式，所述决策模块被配置为利用机器学习模型，对所述当前网络环境参数进行学习，得到所述第一参数，将所述第一参数确定为所述分发策略；
[0038]其中，
[0039]机器学习模型预先被训练，以建立仿真网络环境参数与第一参数的映射关系。
[0040]作为一种可能的实施方式，所述决策模块，被配置为：
[0041]构建马尔可夫决策过程模型，该模型包括：用于表示仿真网络环境参数的状态信息，用于表示采取动作的概率系数调整，用于表示概率系数调整之后在当前仿真网络环境状态中所能获得的函数，以及用于表示不同概率系数所对应的不同仿真网络环境状态之间状态转移概率的状态转移函数；
[0042]反复调整概率系数，以获得每次所调整概率系数的状态转移函数，根据所述状态转移函数，转移至概率系数调整后所对应的仿真网络环境状态，得到概率系数与仿真网络环境状态的映射集合，
[0043]将所述当前网络环境参数作为给定仿真网络环境状态信息，遵循所述概率系数与仿真网络环境状态的映射集合，反复调整概率系数，以获得最大累积函数值为目标而调整概率系数，其中，累积函数值为每个概率系数所获得的函数值的累计，函数值根据网络总流量、以及网络返回结果数据中错误结果的数量确定，
[0044]将使得最大累积函数值被获取情况下的概率系数与该概率系数所对应仿真网络环境状态的映射，确定为所述分发策略。
[0045]作为一种可能的实施方式，所述第一参数为所述分发策略中的概率系数，
[0046]所述资源分发模块被配置为根据所述分发策略中的概率系数，计算当前资源分发的分发概率，
[0047]其中，当前资源分发的分发概率为预设的基准概率与所述概率系数之乘积。
[0048]作为一种可能的实施方式，该装置进一步包括：
[0049]权限控制模块，被配置为响应于来自终端的资源分发请求，获取所述资源分发请求的权限控制数据；...

【技术保护点】

【技术特征摘要】
1.一种资源分发的方法，其特征在于，应用于网络侧，包括：响应于资源分发请求，对资源当前状态数据进行统计，得到统计数据；根据所述统计数据，生成用于资源分发的当前网络环境参数；基于所述当前网络环境参数，确定用于资源分发的分发策略，其中，所述分发策略为所述当前网络环境参数与用于资源分发的第一参数的映射；根据所述分发策略，确定当前资源分发的分发概率，并按照所述分发概率分发资源。2.根据权利要求1所述的方法，其特征在于，所述基于所述当前网络环境参数，确定用于资源分发的分发策略，包括：利用机器学习模型，对所述当前网络环境参数进行学习，得到所述第一参数；将所述第一参数确定为所述分发策略；其中，机器学习模型预先被训练，以建立仿真网络环境参数与第一参数的映射关系；所述根据所述分发策略，确定当前资源分发的分发概率，包括：根据所述第一参数，计算当前资源分发的分发概率，其中，当前资源分发的分发概率为预设的基准概率与所述第一参数之乘积。3.根据权利要求1所述的方法，其特征在于，所述基于所述当前仿真网络环境参数，确定用于资源分发的分发策略，包括：构建马尔可夫决策过程模型，该模型包括：用于表示仿真网络环境状态的仿真网络环境状态信息，用于进行调整的概率系数，用于表示概率系数调整之后在当前仿真网络环境状态中所能获得反馈的函数，以及用于表示不同概率系数所对应的不同仿真网络环境状态之间状态转移概率的状态转移函数；反复调整概率系数，以获得每次所调整概率系数的状态转移函数，根据所述状态转移函数，转移至概率系数调整后所对应的仿真网络环境状态，得到概率系数与仿真网络环境状态的映射集合，将所述当前网络环境参数作为给定仿真网络环境状态信息，遵循所述概率系数与仿真网络环境状态的映射集合，以获得最大累积函数值为目标而调整概率系数，其中，累积函数值为每个概率系数所获得的函数值的累计，函数值根据网络总流量、以及网络返回结果数据中错误结果的数量确定；将使得最大累积函数值被获取情况下的概率系数与该概率系数所对应仿真网络环境状态的映射，确定为所述分发策略；其中，概率系数属于第一参...

【专利技术属性】
技术研发人员：李齐山，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：