一種預測網站訪問量的方法及設備的制作方法
【專利摘要】本申請公開了一種預測網站訪問量的方法及設備，利用已發(fā)生過的第一時長內實際訪問量和基準訪問量之間的實際偏移率作為預測依據，動態(tài)修正還未發(fā)生的第二時長內的基準訪問量，預測得到第二時長內的參考訪問量，使得預測的第二時長內的參考訪問量更加符合當前的實際情況，提高參考訪問量的預測準確性。
【專利說明】一種預測網站訪問量的方法及設備

【技術領域】
[0001]本申請涉及計算機【技術領域】，尤其涉及一種預測網站訪問量的方法及設備。

【背景技術】
[0002]隨著互聯(lián)網技術的不斷發(fā)展，越來越多的業(yè)務都在線上執(zhí)行，相應的，網站的訪問量也逐漸增加。如網絡購票業(yè)務、在線報名業(yè)務、在線閱讀業(yè)務、在線購物業(yè)務執(zhí)行時等，相應的網站需承擔大量的訪問量。特別是在一些特殊時期，網站的訪問量將會出現(xiàn)明顯的增長和波動。例如，在節(jié)假日前夕，網絡購票網站的訪問量會出現(xiàn)大幅增加；再例如，在購物網站的促銷活動或抽獎活動期間，購物網站的訪問量也會出現(xiàn)明顯增加；甚至于網站通過搜索競價排名或外投廣告的方式引入訪問的情況下，網站的訪問量在一定時期內會出現(xiàn)大幅增量。
[0003]終端對網站的訪問過程實際是對服務器的訪問過程，網站能夠承擔的訪問量是由網站內設置的服務器數量決定的。由于單臺服務器能夠承擔的訪問量是有限的，因此，在估計網站的訪問量將會出現(xiàn)明顯增加的情況下，網站維護人員需預先對服務器進行擴容，即增加網站內設置的服務器數量，或擴充服務器存儲空間的容量。例如，購物網站在一段時間內將進行促銷活動，需預估在這段時間內的訪問量，特別是估計出相對于平時狀態(tài)下增加的訪問量，從而確定出需要增加的服務器數量，將增加的服務器數量提前部署上線，以確保在促銷活動期間，能夠滿足終端的訪問需求。
[0004]以上通過預估訪問量來對服務器進行擴容的方式在一定程度上可以克服增加的訪問量對網站造成的訪問壓力，但是，這種方式的缺點在于預估的訪問量往往不太準確，如果訪問量的估計過高，部署過量的服務器會造成服務器資源的浪費，降低服務器的資源利用率；如果訪問量估計過低，部署的服務器數量不夠，當訪問量迅速增加時，又會造成終端無法正常訪問網站的問題，出現(xiàn)線上報警，即使臨時增加服務器，會對服務器的維護造成壓力。
[0005]綜上所述，由于目前擴容后的服務器數量不一定能夠與實際的訪問量適配的問題是因為對訪問量的預估不準確所導致的，因此，亟待找到一種能夠較為準確、實時地預估網站訪問量的方式。


【發(fā)明內容】

[0006]本申請實施例提供了一種預測網站訪問量的方法和設備，用以解決現(xiàn)有技術中存在的對網站的訪問量預估不準確的問題。
[0007]一種預測網站訪問量的方法，所述方法包括:
[0008]根據已發(fā)生的第一時長內實際訪問量與基準訪問量之間的實際偏移率，確定還未發(fā)生的第二時長的預測偏移率；
[0009]根據第二時長的預測偏移率和在第二時長內的基準訪問量，預測在第二時長內的參考訪問量。
[0010]一種預測網站訪問量的設備，所述設備包括:
[0011]偏移率確定模塊，用于確定已發(fā)生的第一時長內實際訪問量與基準訪問量之間的實際偏移率，以及根據第一時長的實際偏移率確定還未發(fā)生的第二時長的預測偏移率；
[0012]參考訪問量預測模塊，用于根據所述第二時長的預測偏移率和在第二時長內的基準訪問量，預測在第二時長內的參考訪問量。
[0013]本申請有益效果如下:
[0014]本申請實施例利用已發(fā)生過的第一時長內實際訪問量和基準訪問量之間的實際偏移率作為預測依據，不斷動態(tài)修正還未發(fā)生的第二時長內的基準訪問量，使得對基準訪問量修正后得到的第二時長內的參考訪問量更加符合實際情況，提高參考訪問量的預估準確性。

【專利附圖】

【附圖說明】
[0015]圖1為本實施例一中得到基準訪問量的方法步驟示意圖；
[0016]圖2為本申請實施例一中在24小時內的訪問量分布比例示意圖；
[0017]圖3為本申請實施例二中預測網站訪問量的方法步驟示意圖；
[0018]圖4為本申請實施例三中預測網站訪問量的設備的結構示意圖；
[0019]圖5為利用本申請實施例三的預測網站訪問量的設備來自動增、減服務器數量的系統(tǒng)架構示意圖。

【具體實施方式】
[0020]為了準確、實時地預估網站的訪問量，本申請實施例的方案利用已發(fā)生過的第一時長內實際訪問量和基準訪問量之間的實際偏移率作為預測依據，動態(tài)修正還未發(fā)生的第二時長內的基準訪問量，修正后得到第二時長內的參考訪問量，使得預估的第二時長內的參考訪問量更加符合當前的實際情況，提高參考訪問量的預估準確性。之后，可利用預估的參考訪問量對服務器的擴容數量或服務器的存儲空間擴容進行更為準確的判斷，同時，還可利用預估的參考訪問量對網站的業(yè)務功能進行實時調整。
[0021]本申請各實施例中涉及的歷史訪問量是通過對網站在正常運行的一段較長時間內的運行狀態(tài)自學習或是對網站的日志信息統(tǒng)計后得到的。
[0022]本申請各實施例中涉及的基準訪問量是指初步估計出的訪問量。
[0023]本申請各實施例中涉及的實際訪問量是實際發(fā)生過的訪問量。
[0024]本申請各實施例中涉及的參考訪問量是對基準訪問量進行修正后較為準確的預估訪問量。
[0025]下面結合具體實施例對本申請的方案進行詳細說明，但本申請并不局限于以下實施例。
[0026]由于本申請實施例的方案是對初步估計的基準訪問量的動態(tài)修正，因此，本申請實施例的方案中包括初步估計得到基準訪問量的過程和動態(tài)修正基準訪問量后預測得到參考訪問量的過程，下面分別通過實施例一和實施例二加以說明。
[0027]實施例一:
[0028]如圖1所示，為本實施例一中對訪問量進行初步估計得到基準訪問量的方法步驟示意圖，所述方法包括以下步驟:
[0029]步驟101:確定單位時長內的訪問量分布比例。
[0030]由于不同的網站具有不同的業(yè)務特點，因此，針對某一網站而言，對該網站的訪問量具有與該網站的業(yè)務特點相應的波動性，在單位時長內訪問量的分布并不是均勻的，而這種分布具有相對的趨勢穩(wěn)定性和周期性，所述單位時長可視為訪問量分布的趨勢穩(wěn)定性的周期時長。
[0031]例如，針對購物網站而目，每天上午10點左右和晚上9點左右是訪問量聞峰期，也就是說，購物網站的訪問量分布的周期是I天(可設定為所述單位時長是I天)。在每天的相同時間段內，訪問量的波動特點很相近，在一個單位時長內訪問量的波動特點可用訪問量分布比例來反映，如圖2所示，為某業(yè)務在單位時長(24小時)內訪問量分布比例的示意圖。
[0032]訪問量分布比例的具體算法為:
[0033]第一步:將所述單位時長劃分為至少一個時間段，如圖2所示，將單位時長劃分為24個時間段，每個時間段為I小時。
[0034]將單位時長劃分為多個時間段后，在每一個時間段開始時執(zhí)行實施例二中預測網站的參考訪問量的方案。當然，本實施例也不限于通過其他手段觸發(fā)實施例二中預測網站的參考訪問量的方案開始執(zhí)行，如由管理員手動觸發(fā)或是事件觸發(fā)等。
[0035]第二步:通過對網站運行狀態(tài)的自學習或是對網站日志信息的統(tǒng)計，確定在單位時長內的歷史訪問量和每個時間段的歷史訪問量。
[0036]第三步:針對每個時間段，計算該時間段的歷史訪問量與單位時長內的歷史訪問量之間的比例。
[0037]例如:單位時長為10小時，每個時間段的長度為I小時，依次計算得到的訪問量分布比例如表1所示:
[0038]

【權利要求】
1.一種預測網站訪問量的方法，其特征在于，所述方法包括: 根據已發(fā)生的第一時長內實際訪問量與基準訪問量之間的實際偏移率，確定還未發(fā)生的第二時長的預測偏移率； 根據第二時長的預測偏移率和在第二時長內的基準訪問量，預測在第二時長內的參考訪問量。
2.如權利要求1所述的預測網站訪問量的方法，其特征在于，在所述第一時長內包括至少一個時間段時，確定第一時長的實際偏移率，具體包括: 根據每個時間段內的實際訪問量與基準訪問量，分別確定每個時間段的實際偏移率。
3.如權利要求2所述的預測網站訪問量的方法，其特征在于，確定第二時長的預測偏移率，具體包括: 將第一時長內各時間段的實際偏移率進行移動加權平均計算后，得到第二時長的預測偏移率。
4.如權利要求1?3任一所述的預測網站訪問量的方法，其特征在于，在所述第二時長內包括至少一個時間段時，通過以下方式確定第二時長內時間段的預測偏移率: 將根據第一時長的實際偏移率確定得到的第二時長的預測偏移率，作為第二時長內第一個時間段的預測偏移率； 根據第二時長的預測偏移率和在第二時長內的基準訪問量，預測在第二時長內的參考訪問量，具體包括: 根據第二時長內第一個時間段的預測偏移率和該第一個時間段內的基準訪問量，預測在該第一個時間段內的參考訪問量。
5.如權利要求1?3任一所述的預測網站訪問量的方法，其特征在于，在所述第二時長內包括至少兩個時間段時，通過以下方式確定第二時長內時間段的預測偏移率: 將根據第一時長的實際偏移率確定得到的第二時長的預測偏移率，作為第二時長內前N個時間段的預測偏移率，所述N為大于I的正整數，且不大于第二時長內包括的時間段的數量； 根據第二時長的預測偏移率和在第二時長內的基準訪問量，預測在第二時長內的實際訪問量，具體包括: 分別根據第二時長的前N個時間段的預測偏移率和每個時間段的基準訪問量，預測第二時長內前N個時間段各自的參考訪問量。
6.如權利要求1所述的預測網站訪問量的方法，其特征在于，通過以下方式確定第一時長和第二時長內的基準訪問量: 確定所述第一時長在單位時長內的訪問量分布比例，以及第二時長在單位時長內的訪問量分布比例； 根據預估的單位時長內總訪問量、第一時長在單位時長內的訪問量分布比例和第二時長在單位時長內的訪問量分布比例，分別確定第一時長和第二時長內的基準訪問量。
7.一種預測網站訪問量的設備，其特征在于，所述設備包括: 偏移率確定模塊，用于確定已發(fā)生的第一時長內實際訪問量與基準訪問量之間的實際偏移率，以及根據第一時長的實際偏移率確定還未發(fā)生的第二時長的預測偏移率； 參考訪問量預測模塊，用于根據所述第二時長的預測偏移率和在第二時長內的基準訪問量，預測在第二時長內的參考訪問量。
8.如權利要求7所述的預測網站訪問量的設備，其特征在于， 偏移率確定模塊，具體用于在所述第一時長內包括至少一個時間段時，根據每個時間段內的實際訪問量與基準訪問量，分別確定每個時間段的實際偏移率。
9.如權利要求8所述的預測網站訪問量的設備，其特征在于， 偏移率確定模塊，具體用于將確定的第一時長內各時間段的實際偏移率進行移動加權平均計算后，得到第二時長的預測偏移率。
10.如權利要求7?9任一所述的預測網站訪問量的設備，其特征在于， 偏移率確定模塊，具體用于在所述第二時長內包括至少一個時間段時，將根據第一時長的實際偏移率確定得到的第二時長的預測偏移率，作為第二時長內第一個時間段的預測偏移率； 參考訪問量預測模塊，具體用于根據第二時長內第一個時間段的預測偏移率和該第一個時間段內的基準訪問量，預測在該第一個時間段內的參考訪問量。
11.如權利要求7?9任一所述的預測網站訪問量的設備，其特征在于， 偏移率確定模塊，具體用于在所述第二時長內包括多個時間段時，將根據第一時長的實際偏移率確定得到的第二時長的預測偏移率，作為第二時長內前N個時間段的預測偏移率，所述N為大于I的正整數，且不大于第二時長內包括的時間段的數量； 參考訪問量預測模塊，具體用于分別根據第二時長的前N個時間段的預測偏移率和每個時間段的基準訪問量，預測第二時長內前N個時間段各自的參考訪問量。
12.如權利要求7所述的預測網站訪問量的設備，其特征在于，所述設備還包括: 分布比例確定模塊，用于確定所述第一時長在單位時長內的訪問量分布比例，以及第二時長在單位時長內的訪問量分布比例； 基準訪問量預測模塊，用于根據預估的單位時長內總訪問量、第一時長在單位時長內的訪問量分布比例和第二時長在單位時長內的訪問量分布比例，分別確定第一時長和第二時長內的基準訪問量。
【文檔編號】G06Q10/04GK104182801SQ201310192817
【公開日】2014年12月3日 申請日期:2013年5月22日 優(yōu)先權日:2013年5月22日
【發(fā)明者】歐舟 申請人:阿里巴巴集團控股有限公司