一种接口限流方法、装置、存储介质及电子设备制造方法及图纸

技术编号:36536118 阅读:22 留言:0更新日期:2023-02-01 16:21
本说明书公开了一种接口限流方法、装置、存储介质及电子设备,可以根据目标接口的接口流量数据和物理资源的资源占用数据,确定出目标接口的接口流量数据和物理资源的资源占用数据之间的关联程度,进而可以针对不同关联程度的目标接口,选取合适的限流值推荐模型,来确定该目标接口的限流值,从而可以提升确定出的用于对接口的访问流量进行限流的限流值的准确性。准确性。准确性。

【技术实现步骤摘要】
一种接口限流方法、装置、存储介质及电子设备


[0001]本说明书涉及计算机
,尤其涉及一种接口限流方法、装置、存储介质及电子设备。

技术介绍

[0002]目前,在应用中通常会提供多个接口,以供用户访问,而在实际应用中,常常会出现一些特殊情况,导致个别接口的访问流量可能在短时间的大量增加(例如,出现热点新闻而导致社交平台的某个接口的用户访问流量骤增),进而导致提供应用的服务器出现运行异常,甚至会出现泄漏隐私数据的可能。
[0003]为了避免服务器因接口访问流量的异常增加而出现的运行异常,通常需要为应用的每个接口设置限流值,以使在应用的任意一个接口的访问流量超过该接口的限流值时,自动拦截该接口中超过限流值的流量,从而能够对接口进行保护,以及能够为应用的稳定运行提供保障。
[0004]现有技术中,通常会通过人工的方式为每个接口设置限流值,而这种方法为各接口设置的限流值的准确性较低。
[0005]因此,如何能够提高为各接口设置限流值的准确性,则是一个亟待解决的问题。

技术实现思路

[0006]本说明书提供一种接口限流方法、装置、存储介质及电子设备,以解决现有技术存在的为接口设置的限流值准确性低的问题。
[0007]本说明书采用下述技术方案:
[0008]本说明书提供了一种接口限流方法,包括:
[0009]获取目标接口的接口流量数据,以及所述目标接口对应的应用运行时的资源占用数据;
[0010]根据所述接口流量数据以及所述资源占用数据,确定所述接口流量数据与所述资源占用数据之间的关联程度,其中,在不同关联程度下,接口流量数据改变时对应用运行时的资源占用数据的改变的程度不同;
[0011]根据所述关联程度,确定所述目标接口对应的限流值推荐模型,并通过确定出的限流值推荐模型,确定所述目标接口的限流值;
[0012]根据所述限流值,对所述目标接口进行限流。
[0013]可选地,根据所述关联程度,确定所述目标接口对应的限流值推荐模型,具体包括:
[0014]确定所述关联程度的置信度;
[0015]判断所述置信度是否超过预设的第一置信度阈值;
[0016]若是,则根据所述关联程度,确定所述目标接口对应的限流值推荐模型。
[0017]可选地,所述方法还包括:
[0018]若确定所述置信度未超过所述第一置信度阈值,则判断所述置信度是否超过预设的第二置信度阈值,其中,所述第一置信度阈值大于所述第二置信度阈值;
[0019]若是,则从预设的各限流值推荐模型中选取至少两种限流值推荐模型,并通过选取出的至少两种限流值推荐模型,确定所述目标接口的各候选限流值,以及对各候选限流值进行融合,得到所述目标接口的限流值。
[0020]可选地,所述方法还包括:
[0021]若确定所述置信度未超过预设的第二置信度阈值,则将预设的限流值,确定为所述目标接口的限流值。
[0022]可选地,根据所述关联程度,确定所述目标接口对应的限流值推荐模型,并通过确定出的限流值推荐模型,确定所述目标接口的限流值,具体包括:
[0023]若根据所述关联程度,确定所述接口流量数据与所述资源占用数据之间存在线性相关,则将预设的回归分析模型,作为所述目标接口对应的限流值推荐模型,并通过所述回归分析模型,确定所述目标接口的接口流量数据与所述资源占用数据之间的线性关系,以根据所述线性关系,确定所述目标接口的限流值。
[0024]可选地,根据所述关联程度,确定所述目标接口对应的限流值推荐模型,并通过确定出的限流值推荐模型,确定所述目标接口的限流值,具体包括:
[0025]若根据所述关联程度,确定所述接口流量数据与所述资源占用数据之间呈非线性相关,则将预设的深度学习模型,作为所述目标接口对应的限流值推荐模型;
[0026]将所述接口流量数据、所述目标接口对应的应用中包含的其他接口的接口流量数据、以及所述资源占用数据输入到所述深度学习模型中,以确定所述目标接口的限流值。
[0027]可选地,据所述关联程度,确定所述目标接口对应的限流值推荐模型,并通过确定出的限流值推荐模型,确定所述目标接口的限流值,具体包括:
[0028]若根据所述关联程度,确定所述接口流量数据与所述资源占用数据之间的关联关系满足预设的不确定性,则确定预设的基线估计模型,作为所述目标接口对应的限流值推荐模型;
[0029]通过所述基线估计模型,根据所述目标接口对应应用的应用流量数据以及所述资源占用数据,确定所述目标接口对应应用的限流值,并根据所述接口流量数据在所述应用流量数据中的占比、以及所述应用的限流值,确定所述目标接口的限流值。
[0030]可选地,根据所述接口流量数据以及所述资源占用数据,确定所述接口流量数据与所述资源占用数据之间的关联程度,具体包括:
[0031]将所述接口流量数据以及所述资源占用数据输入到预先训练的关联模型中,以通过所述关联模型,确定所述接口流量数据与所述资源占用数据之间的关联程度。
[0032]可选地,训练所述关联模型,具体包括:
[0033]获取样本接口的接口流量数据,以及所述样本接口对应的应用运行时的资源占用数据;
[0034]将所述样本接口的接口流量数据,以及所述资源占用数据输入到所述关联模型中,得到所述关联模型输出的所述样本接口的接口流量数据与资源占用数据之间的关联程度;
[0035]以最小化所述关联模型输出所述样本接口的接口流量数据与资源占用数据之间
的关联程度,与所述样本接口的接口流量数据与资源占用数据之间的实际关联程度之间的偏差为优化目标,对所述关联模型进行训练。
[0036]本说明书提供了一种接口限流装置,包括:
[0037]获取模块,用于获取目标接口的接口流量数据,以及所述目标接口对应的应用运行时的资源占用数据;
[0038]第一确定模块,用于根据所述接口流量数据以及所述资源占用数据,确定所述接口流量数据与所述资源占用数据之间的关联程度,其中,在不同关联程度下,接口流量数据改变时对应用运行时的资源占用数据的改变的程度不同;
[0039]第二模块,用于根据所述关联程度,确定所述目标接口对应的限流值推荐模型,并通过确定出的限流值推荐模型,确定所述目标接口的限流值;
[0040]限流模块,用于根据所述限流值,对所述目标接口进行限流。
[0041]本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述接口限流方法。
[0042]本说明书提供了一种电子设备,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上述接口限流方法。
[0043]本说明书采用的上述至少一个技术方案能够达到以下有益效果:
[0044]在本说明书提供的接口限流方法,首先获取目标接口的接口流量数据,以及目标接口对应本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种接口限流方法,包括:获取目标接口的接口流量数据,以及所述目标接口对应的应用运行时的资源占用数据;根据所述接口流量数据以及所述资源占用数据,确定所述接口流量数据与所述资源占用数据之间的关联程度,其中,在不同关联程度下,接口流量数据改变时对应用运行时的资源占用数据的改变的程度不同;根据所述关联程度,确定所述目标接口对应的限流值推荐模型,并通过确定出的限流值推荐模型,确定所述目标接口的限流值;根据所述限流值,对所述目标接口进行限流。2.如权利要求1所述的方法,根据所述关联程度,确定所述目标接口对应的限流值推荐模型,具体包括:确定所述关联程度的置信度;判断所述置信度是否超过预设的第一置信度阈值;若是,则根据所述关联程度,确定所述目标接口对应的限流值推荐模型。3.如权利要求2所述的方法,所述方法还包括:若确定所述置信度未超过所述第一置信度阈值,则判断所述置信度是否超过预设的第二置信度阈值,其中,所述第一置信度阈值大于所述第二置信度阈值;若是,则从预设的各限流值推荐模型中选取至少两种限流值推荐模型,并通过选取出的至少两种限流值推荐模型,确定所述目标接口的各候选限流值,以及对各候选限流值进行融合,得到所述目标接口的限流值。4.如权利要求3所述的方法,所述方法还包括:若确定所述置信度未超过预设的第二置信度阈值,则将预设的限流值,确定为所述目标接口的限流值。5.如权利要求1所述的方法,根据所述关联程度,确定所述目标接口对应的限流值推荐模型,并通过确定出的限流值推荐模型,确定所述目标接口的限流值,具体包括:若根据所述关联程度,确定所述接口流量数据与所述资源占用数据之间存在线性相关,则将预设的回归分析模型,作为所述目标接口对应的限流值推荐模型,并通过所述回归分析模型,确定所述目标接口的接口流量数据与所述资源占用数据之间的线性关系,以根据所述线性关系,确定所述目标接口的限流值。6.如权利要求1所述的方法,根据所述关联程度,确定所述目标接口对应的限流值推荐模型,并通过确定出的限流值推荐模型,确定所述目标接口的限流值,具体包括:若根据所述关联程度,确定所述接口流量数据与所述资源占用数据之间呈非线性相关,则将预设的深度学习模型,作为所述目标接口对应的限流值推荐模型;将所述接口流量数据、所述目标接口对应的应用中包含的其他接口的接口流量数据、以及所述资源占用数据输入到所述深度学习模型中,以确定所述目标接口的限流值。7.如权利要求1所述...

【专利技术属性】
技术研发人员:彭宏恩李婷李建国曲经纬闫朝崴
申请(专利权)人:支付宝杭州信息技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1