申请/专利权人：成都乐超人科技有限公司

申请日：2023-12-08

公开（公告）日：2024-03-05

公开（公告）号：CN117369954B

主分类号：G06F9/455

分类号：G06F9/455;G06F11/30;G06F18/23;G06F18/213

优先权：

专利状态码：有效-授权

法律状态：2024.03.05#授权;2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本发明涉及性能优化技术领域，揭露了一种面向大数据构建的风险处理框架的JVM优化方法和装置，该方法包括：对风险处理框架的JVM进行性能监控，得到标准监控日志集；从标准监控日志集中提取出监控配置特征、监控性能特征和风险处理日志；从风险处理日志中提取出时域风险特征，根据所有的时域风险特征和所有的风险处理日志将预设的风险处理模型训练成时域风险模型，根据所有的监控配置特征和所有的监控性能特征将预设的性能配置模型训练成性能分析模型；利用时域风险模型和性能分析模型分析出实时监控日志对应的标准配置特征，根据标准配置特征对JVM进行性能优化。本发明可以提高JVM优化时的效率。

主权项：1.一种面向大数据构建的风险处理框架的JVM优化方法，其特征在于，所述方法包括：S1：按照时域周期对风险处理框架的JVM进行性能监控，得到性能监控日志集，对所述性能监控日志集进行数据清洗操作，得到标准监控日志集；S2：逐个选取所述标准监控日志集中的标准监控日志作为目标标准监控日志，按照数据属性分别从所述目标标准监控日志中提取出垃圾回收日志、线程分配日志、数据访问日志以及风险处理日志；S3：对所述垃圾回收日志、所述线程分配日志、所述数据访问日志以及所述风险处理日志进行配置特征提取，得到监控配置特征，从所述垃圾回收日志、所述线程分配日志、所述数据访问日志以及所述风险处理日志中提取出所述监控配置特征对应的监控性能特征，其中，所述从所述垃圾回收日志、所述线程分配日志、所述数据访问日志以及所述风险处理日志中提取出所述监控配置特征对应的监控性能特征，包括：S31：从所述垃圾回收日志中提取出垃圾回收频率，从所述线程分配日志中提取出线程创销频率以及线程切换开销；S32：从所述数据访问日志中提取出数据读写时间、数据吞吐量以及缓存命中率，从所述风险处理日志中提取出风险处理速度以及风险处理准确率；S33：利用如下的加权平台效率算法根据所述垃圾回收频率、所述线程创销频率、所述线程切换开销、所述数据读写时间、所述数据吞吐量、所述缓存命中率、所述风险处理速度以及所述风险处理准确率计算出所述监控配置特征对应的监控性能特征： 其中，是指所述监控性能特征、是预设的垃圾回收权重、是预设的线程分配权重、是预设的数据访问权重、是预设的风险处理权重、是值所述垃圾回收频率，是指所述线程创销频率，是指所述线程切换开销，是指所述数据读写时间，是指所述数据吞吐量，是指所述缓存命中率，是指所述风险处理速度，是指所述风险处理准确率；S4：从所述风险处理日志中提取出时域风险特征，根据所有的时域风险特征对预设的风险处理模型进行训练，得到时域风险模型，根据所有的监控配置特征和所有的监控性能特征对预设的性能配置模型进行训练，得到性能分析模型；S5：获取实时监控日志，从所述实时监控日志中提取出实时风险特征，利用所述时域风险模型分析出所述实时风险特征对应的预测风险特征，利用所述性能分析模型分析出所述预测风险特征对应的标准配置特征，并根据所述标准配置特征对所述JVM进行性能优化，其中，所述根据所述标准配置特征对所述JVM进行性能优化是指从所述标准配置特征中提取出对应的回收器型号、堆内存大小、线程并行策略、数据存储结构、数据优化策略以及数据索引策略作为优化方案，并根据所述优化方案进行性能优化。

全文数据：

权利要求：

百度查询： 成都乐超人科技有限公司 一种面向大数据构建的风险处理框架的JVM优化方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD