一种应用于多场景下的企业服务器数据优化平台的制作方法

本发明涉及服务器数据优化领域，更具体的，涉及一种应用于多场景下的企业服务器数据优化平台。

背景技术：

1、随着数字经济的快速发展，企业级服务器承载的数据规模呈指数级增长，尤其在电商行业中，企业服务器需要同时处理核心交易订单、用户行为交互、系统运维监控、网络安全防护等多维度数据，数据交互频次高、数据类型复杂、访问峰值波动大，对服务器性能与数据存储效率提出了极高要求。

2、现有技术中，企业服务器与云端数据存储大多采用统一上传下载的同步模式，所有交互数据无差别地进行云端同步与本地缓存，缺乏针对数据特性的差异化处理机制。一方面，高频访问、高压力波动的数据被直接上传云端，导致网络带宽占用率高、数据访问延迟增大，在高并发场景下极易出现服务器响应超时、订单数据处理卡顿等问题；另一方面，低频次、低压力的数据长期占用本地缓存资源，造成缓存命中率下降、存储空间浪费，难以实现存储资源的优化配置。

3、因此，目前亟需研发一种能够结合长短时压力评估、实现数据智能分级与多级缓存协同、适配多场景应用的企业服务器数据优化平台，以解决现有技术中存储效率低、压力预判不足、场景适配性差的技术问题。

技术实现思路

1、本发明克服了现有技术的缺陷，提出了一种应用于多场景下的企业服务器数据优化平台。

2、本发明第一方面提供了一种应用于多场景下的企业服务器数据优化方法，包括：

3、s1、在企业服务器的一个数据交互周期中，对用户数据端与云数据端进行数据交互监测，并对实时交互数据进行分类与标签设置，得到多组交互数据；

4、s2、在交互监测过程，分析单时间节点中用户数据端对每组交互数据的网络压力监测压力与数据交互压力监测，得到短时压力参数，基于lstm预测，对多时间节点对应的短时压力参数进行序列化与长时特征预测，并得到长时压力参数；

5、s3、通过短时压力参数与长时压力参数构建实时压力特征向量，引入标准压力特征值与实时压力特征进行偏差对比，评估实时交互数据对企业服务器的综合压力情况，并对实时交互数据进行分级；

6、s4、根据分级情况映射于数据标签，在下一个数据交互周期中，设置多级缓存机制对实时交互数据进行分类缓存，并将最高级数据上传至云数据端。

7、本方案中，所述s1中，实时交互数据包括核心交易与订单全链路数据、用户实时行为与交互数据、服务器与应用性能运维数据、网络流量与安全实时数据。

8、本方案中，所述s1，还包括：

9、对实时交互数据进行分类的维度包括用户地域维度、商品品类偏好维度、访问时段维度、单次访问数据量维度；

10、在一个数据交互周期中，基于不同用户的实时交互数据进行分类，得到多组交互数据，同一组交互数据具有相似的访问频次、数据量与数据压力特性。

11、本方案中，所述s2，具体为：

12、短时压力参数包括短时网络压力值与短时服务器压力值；

13、所述短时网络压力值由单时间节点的一组交互数据的平均响应时间、请求成功率、数据流量消耗三项指标经归一化处理后加权计算得到；

14、所述短时服务器压力值由企业服务器的cpu占用率、内存占用率、磁盘io占用率三项指标经归一化处理后加权计算得到；

15、以一组交互数据作为压力监测目标数据，分析n个时间节点中对应的短时压力参数，将连续n个时间节点的短时压力参数按时间顺序排列，构造成多维时序序列作为lstm模型的输入。

16、本方案中，所述s2，还包括：

17、构建lstm预测模型，该模型包含输入层、两层lstm隐藏层、全连接层与输出层；

18、输入层接收维度为n×2的时序序列，对应n个时间节点的网络压力与服务器压力两项指标；

19、lstm隐藏层用于提取时序数据中的长短期依赖特征；

20、输出层输出未来m个时间节点的压力预测值；取m个预测值的算术平均值作为某一组交互数据的长时压力参数，包括长时网络压力值与长时服务器压力值。

21、本方案中，所述s3，具体为：

22、根据短时压力参数与长时压力参数进行数值向量化，生成实时压力特征向量；

23、引入标准压力特征值与实时压力特征向量基于曼哈顿距离进行偏差分析，并根据偏差情况，表征实时交互数据对企业服务器的综合压力情况；

24、根据偏差程度，对实时交互数据进行数据分级设置。

25、本方案中，所述s4，具体为：

26、根据多组交互数据的分级情况，将分组标签与优先级进行关联，并在下一个数据交互周期中，将不同组的实时交互数据基于多级缓存机制进行分类缓存，并将最高级数据上传至云数据端。

27、本方案中，所述s4中多级缓存机制具体为：

28、多级缓存机制采用三级缓存架构，一级缓存为内存级缓存，部署于服务器内存中，用于存储高优先级数据；

29、二级缓存为本地磁盘缓存，部署于服务器本地磁盘阵列中，访问延迟为亚秒级；

30、三级存储为云数据端存储，部署于云端对象存储服务中，实现数据多副本备份与跨节点共享。

31、本发明第二方面还提供了一种应用于多场景下的企业服务器数据优化平台，该平台包括：存储器、处理器、用户数据端与云数据端，所述存储器中包括应用于多场景下的企业服务器数据优化程序，所述应用于多场景下的企业服务器数据优化程序被所述处理器执行时实现如下步骤：

32、s1、在企业服务器的一个数据交互周期中，对用户数据端与云数据端进行数据交互监测，并对实时交互数据进行分类与标签设置，得到多组交互数据；

33、s2、在交互监测过程，分析单时间节点中用户数据端对每组交互数据的网络压力监测压力与数据交互压力监测，得到短时压力参数，基于lstm预测，对多时间节点对应的短时压力参数进行序列化与长时特征预测，并得到长时压力参数；

34、s3、通过短时压力参数与长时压力参数构建实时压力特征向量，引入标准压力特征值与实时压力特征进行偏差对比，评估实时交互数据对企业服务器的综合压力情况，并对实时交互数据进行分级；

35、s4、根据分级情况映射于数据标签，在下一个数据交互周期中，设置多级缓存机制对实时交互数据进行分类缓存，并将最高级数据上传至云数据端。

36、本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括应用于多场景下的企业服务器数据优化程序，所述应用于多场景下的企业服务器数据优化程序被处理器执行时，实现如上述任一项所述的应用于多场景下的企业服务器数据优化方法的步骤。

37、本发明公开了一种应用于多场景下的企业服务器数据优化平台，包括：在数据交互周期内监测双向交互数据，通过多维度分类完成数据标签设置；计算单时间节点服务器短时压力参数，基于lstm神经网络预测长时压力趋势，然后融合长短时压力特征，通过与标准压力值的偏差度计算实现数据优先级分级；最终在下一周期通过多级缓存架构执行差异化存储策略，高优先级数据同步云端，低优先级数据仅本地缓存。本发明结合长短时双维度压力评估与分级缓存机制，有效提升服务器数据访问效率、降低带宽消耗，适配电商、金融、制造等多场景数据存储优化需求。