一种流量控制方法、装置、设备及存储介质与流程

1.本技术涉及信息处理技术领域，尤其涉及一种流量控制方法、装置、设备及存储介质。


背景技术：

2.随着互联网的日新月异，一些互联网平台的功能也越来越多样化，例如一些即时通信平台，除了提供通信功能，还可以实现理财产品、广告信息等多种对象的流量控制。
3.现有技术中，在进行对象的流量控制时，常常会结合这些对象的相关参数高低来进行流量的控制，例如以昨天的参数数值高低，来作为今天的流量控制的比例划分。但现有技术中，仅仅以某一天的参数数值高低作为流量控制的依据，存在一定的局限性，在流量控制时，无法准确掌握对象当前一段时间内的实际参数的情况，造成用户损失。例如存在一些临时人为做高相关参数情况，来获取比较大的流量，但往往后期相关参数又回归低位，造成流量控制的不合理。因此，需要提供更可靠或更有效的方案。


技术实现要素：

4.本技术提供了一种流量控制方法、装置、设备及存储介质，可以实现自动化的流量控制，避免人为因素的影响，进而提高对目标对象的流量控制的有效性和合理性。
5.一方面，本技术提供了一种流量控制方法，所述方法包括：
6.获取第一数量个目标对象在预设单位时间段内的目标参数和预设时间段内的目标参数波动数据；
7.基于所述第一数量个目标对象在预设单位时间段内的目标参数确定每一目标对象的第一流量控制比例；
8.基于所述第一数量个目标对象在预设时间段内的目标参数波动数据确定每一目标对象的第二流量控制比例；
9.在目标时间段内，基于每一目标对象的第一流量控制比例和第二流量控制比例控制每一目标对象的流量。
10.另一方面提供了一种流量控制装置，所述装置包括：
11.目标参数获取模块，用于获取第一数量个目标对象在预设单位时间段内的目标参数；
12.目标参数波动数据获取模块，用于获取第一数量个目标对象在预设时间段内的目标参数波动数据；
13.第一流量控制比例确定模块，用于基于所述第一数量个目标对象在预设单位时间段内的目标参数确定每一目标对象的第一流量控制比例；
14.第二流量控制比例确定模块，用于基于所述第一数量个目标对象在预设时间段内的目标参数波动数据确定每一目标对象的第二流量控制比例；
15.流量控制模块，用于在目标时间段内，基于每一目标对象的第一流量控制比例和
第二流量控制比例控制每一目标对象的流量。
16.另一方面提供了一种流量控制设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的流量控制方法。
17.另一方面提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述的流量控制方法。
18.本技术提供的流量控制方法、装置、设备及存储介质，具有如下技术效果：
19.本技术结合目标对象在所述预设单位时间段内的目标参数和预设时间段内的目标参数波动数据分别确定第一流量控制比例和第二流量控制比例，实现兼顾目标参数高低和目标参数波动情况的综合流量控制比例的计算，大大提高了对目标对象的流量控制相关参数(目标参数)的预测准确率，基于该第一流量控制比例和第二流量控制比例进行流量控制，可以实现自动化的流量控制，且大大提高对目标对象的实际流量控制相关参数的掌握，对目标对象的流量控制的有效性和合理性。
附图说明
20.为了更清楚地说明本技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
21.图1是本技术实施例提供的一种应用环境的示意图；
22.图2是本技术实施例提供的一种流量控制方法的流程示意图；
23.图3是本技术实施例提供的一种获取第一数量个目标对象在所述预设时间段内的目标参数波动数据的流程示意图；
24.图4是本技术实施例提供的一种参数波动识别模型的训练方法流程示意图；
25.图5是本技术实施例提供的一种基于所述第一数量个目标对象在预设单位时间段内的目标参数确定每一目标对象的第一流量控制比例的流程示意图；
26.图6是本技术实施例提供的一种基于所述第一数量个目标对象在预设时间段内的目标参数波动数据确定每一目标对象的第二流量控制比例的流程示意图；
27.图7是本技术实施例提供的一种在目标时间段内，基于每一目标对象的第一流量控制比例和第二流量控制比例控制每一目标对象的流量的流程示意图；
28.图8是本技术实施例提供的一种在目标时间段内，根据所述映射关系控制每一目标对象的流量的流程示意图；
29.图9是本技术实施例提供的一种流量控制装置的流程示意图；
30.图10是本技术实施例提供的实现一种流量控制方法的服务器的硬件结构框图。
具体实施方式
31.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于
本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
32.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
33.人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
34.近年来，随着人工智能技术研究和进步，人工智能技术在多个领域得到广泛应用，本技术实施例提供的方案涉及人工智能的机器学习/深度学习等技术，具体通过如下实施例进行说明：
35.请参阅图1，图1是本技术实施例提供的一种应用环境的示意图，如图1所示，该应用环境至少包括服务器01和客户端02。
36.本说明书实施例中服务器01可以用于为控制目标对象的流量，具体的，该服务器01可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn(content delivery network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
37.本说明书实施例中客户端02可以用于向访问的流量推荐对象。具体的，该客户端02可以包括智能手机、台式计算机、平板电脑、笔记本电脑、智能音箱、数字助理、增强现实(augmented reality，ar)/虚拟现实(virtual reality，vr)设备、智能可穿戴设备等类型的实体设备，也可以包括运行在实体设备上的软体，例如应用程序、网页、小程序等。本技术实施例中电子设备上运行的操作系统可以包括但不限于安卓系统、ios系统、linux、windows等。
38.本说明书实施例中，上述服务器01以及客户端02可以通过有线或无线通信方式进行直接或间接地连接，本技术在此不做限制。
39.本说明书实施例中，在控制目标对象的流量过程中，为了提高对目标对象当前时间段的目标参数的波动情况的识别准确率，可以结合深度学习算法，训练出可以结合预设时间段内的参数波动影响因素，进行该预设时间段之后一个时间段内的参数波动数据识别的参数波动识别模型。
40.具体的，用于训练参数波动识别模型的训练数据，可以从大量网络节点收集，相应的，这些网络节点和用于训练参数波动识别模型的设备所形成的系统可以是通过网络通信的形式连接形成的分布式系统。该以分布式系统可以为区块链系统。
41.此外，需要说明的是，基于本技术实施例提供的参数波动识别模型可以提供人工
智能云服务，人工智能云服务一般也被称作是aiaas(ai as a service，中文为“ai即服务”)。这是目前主流的一种人工智能平台的服务方式，具体来说aiaas平台会把几类常见的ai服务进行拆分，并在云端提供独立或者打包的服务。这种服务模式类似于开了一个ai主题商城：所有的开发者都可以通过api接口的方式来接入使用平台提供的一种或者是多种人工智能服务，部分资深的开发者还可以使用平台提供的ai框架和ai基础设施来部署和运维自已专属的云人工智能服务。
42.以下介绍本技术一种流量控制方法，图2是本技术实施例提供的一种流量控制方法的流程示意图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示，所述方法可以包括：
43.s201：获取第一数量个目标对象在预设单位时间段内的目标参数和预设时间段内的目标参数波动数据。
44.本说明书实施例中，目标对象可以为具有流量需求的对象，例如理财产品、投放信息(广告)等。
45.具体的，第一数量可以为目标对象的总数量。具体的，每一目标对象在所述预设单位时间段内的目标参数可以为该目标对象在预设单位时间段内的与流量控制相关的参数。具体的，预设单位时间段可以为结合计算目标参数的单位时间确定的当前单位时间段的上一单位时间段。例如计算目标参数的单位时间段为一天，相应的，当前单位时间段可以为当前日期，预设单位时间段可以为当前日期的前一天。在一个具体的实施例中，当目标对象为理财产品时，与流量控制相关的参数(目标参数)为理财产品的收益率，具体的，收益率可以包括但不限于7日年化收益率(最近7日的平均收益水平，进行年化以后得出的数据)等。具体的，可以结合实际应用中对收益率的定义，获取目标对象的相应收益信息，以计算得到收益率。在另一个具体的实施例中，当目标对象为广告等投放信息时，假设平台对投放信息的流量进行控制时，会结合投放信息的点击率，相应的，与流量控制相关的参数可以为投放信息的点击率。
46.在实际应用中，参数波动数据可以表征一段时间内目标参数的波动情况，本说明书实施例中，每一目标对象在所述预设时间段内的目标参数波动数据可以表征该目标对象当前一段时间内的目标参数的波动情况。在一个具体的实施例中，以上述收益率为例，参数波动数据可以为收益率的波动数据。
47.本说明书实施例中，预设时间段的时长大于预设单位时间段的时长，具体的，当预设单位时间段为一天时，预设时间段内的目标参数波动数据可以为多天的目标参数的波动情况；相应的，当预设单位时间段为一个月时，预设时间段内的目标参数波动数据可以为多个月的目标参数的波动情况。
48.在一个具体的实施例中，可以将当前时间点之前的最近一段预设时间段内的参数波动数据作为目标参数波动数据。相应的，获取第一数量个目标对象在所述预设时间段内的目标参数波动数据可以包括：
49.1)获取第一数量个目标对象在所述预设时间段内的目标参数；
50.2)基于每一目标对象在所述预设时间段内的目标参数确定所述目标对象在预设时间段内的目标参数波动数据。
51.具体的，预设时间段可以为当前时间点之前的最近预设时间段。例如当前时间点之前的一个月等。每一目标对象在预设时间段内的目标参数可以包括预设时间段内的多个预设单位时间段对应的目标参数；相应的，可以计算每一目标对象在预设时间段内的多个预设单位时间段的目标参数的方差，将该方差作为该目标对象在所述预设时间段内的目标参数波动数据；
52.在另一些实施例中，目标对象在所述预设时间段内的目标参数波动数据并不仅限于上述在预设时间段内的多个单位时间段的目标参数的方差，也可以包括在预设时间段内的多个预设单位时间段的目标参数的标准差等。
53.在实际应用中，考虑到直接以目标对象在预设时间段内的目标参数计算得到的目标参数波动数据作为控制该目标对象流量的依据存在片面性，不能准确反映目标对象接下来的目标参数的波动情况。相应的，在另一些实施例中，如图3所示，获取第一数量个目标对象在所述预设时间段内的目标参数波动数据可以包括：
54.s301：获取第一数量个目标对象在所述目标时间段之前的预设时间段内的目标参数。
55.s303：基于每一目标对象在所述预设时间段内的目标参数确定所述目标对象在所述预设时间段内的初始参数波动数据。
56.s305：获取每一目标对象在所述预设时间段内的参数波动影响因素。
57.s307：将所述参数波动影响因素作为参数波动识别模型的输入，在所述参数波动识别模型中进行参数波动识别学习，得到每一目标对象对应的参数波动识别结果。
58.s309：基于每一目标对象在预设时间段内初始参数波动数据和对应的参数波动识别结果，确定每一目标对象在所述预设时间段内的目标参数波动数据。
59.本说明书实施例中，初始参数波动数据可以包括在预设时间段内的多个单位时间段的目标参数的方差或标准差等。
60.本说明书实施例中，参数波动影响因素可以包括对目标参数产生影响的数据。具体的，以目标对象为基金为例，参数波动影响因素可以包括投资基金经理人的业务水平，基金公司持有基金的总保有量(总保有量和收益通常是成反比的，总保有量越高，该基金收益会越低)，是否存在人为做高某段时间收益的行为(具体的，可以通过某段时间收益率是否比历史平均收益率高较大的数值来进行是否存在人为做高某段时间收益的行为的判断)等。
61.本说明书实施例中，参数波动识别模型可以包括基于标注有参数波动数据的参数波动影响因素，对预设神经网络进行参数波动识别训练得到的模型。具体的，如图4所示，参数波动识别模型可以包括采用下述方式训练得到：
62.s401：获取多个单位历史时间段内的参数波动影响因素；
63.s403：获取每一单位历史时间段之后一个单位历史时间段内的参数波动数据；
64.s405：将所述之后一个单位历史时间段内的参数波动数据作为所述每一单位历史时间段内的参数波动影响因素的标注信息；
65.s407：以具有标注信息的多个单位历史时间段内的参数波动影响因素为训练数
据，对预设神经网络进行收益波动率预测训练，得到参数波动识别模型。
66.本说明书实施例中，单位历史时间段可以为具有固定时长的历史时间段。多个单位历史时间段为具有相同时长的不同时间段，具体的，多个单位历史时间段之间可以重叠，也可以不重叠。例如固定时长为20天，某一单位历史时间段为2020年3月1日至2020年3月20日，另一单位历史时间段为2020年3月5日至2020年3月24日，相应的，这两个单位历史时间段之间存在重叠的时间段。
67.在一个具体的实施例中，固定时长为20天，某一单位历史时间段为2020年3月1日至2020年3月20日，相应的2020年3月1日至2020年3月20日的参数波动影响因素所对应的标注信息可以为：2020年2月10日至2020年2月29日期间实际计算得到的参数波动数据。即每一单位历史时间段内的参数波动影响因素对应的标注信息为该单位历史时间段之后一个单位历史时间段内的参数波动数据。
68.本说明书实施例中，预设神经网络可以包括但不限于卷积神经网络、循环神经网络或递归神经网络等深度学习模型。以卷积神经网络为例，基于具有标注信息的多个单位历史时间段内的参数波动影响因素，对该预设神经网络进行参数波动识别训练，在参数波动识别训练中调整预设神经网络中的参数至该预设神经网络输出的参数波动识别结果与输入的参数波动影响因素的标注信息中的参数波动数据相匹配，将参数波动数据相匹配时的预设神经网络作为参数波动识别模型。
69.具体的，在模型训练阶段的参数波动数据相匹配，可以为模型训练阶段输出的参数波动识别结果与标注信息中的参数波动数据一样，也可以为模型训练阶段输出的参数波动识别结果与标注信息中的参数波动数据间的差值小于一定阈值等。
70.本说明书实施例中，以标注有参数波动数据的参数波动影响因素作为训练数据，通过机器学习，训练出的参数波动识别模型可以结合某一单位历史时间段内的参数波动影响因素对该单位历史时间段之后的单位时间段内的参数波动数据进行识别，实现了对单位历史时间段之后的单位时间段内的目标参数的波动情况的识别。
71.本说明书实施例中，将每一目标对象在预设时间段内的参数波动影响因素作为参数波动识别模型的输入，在该参数波动识别模型中进行参数波动识别学习，得到的每一目标对象对应的参数波动识别结果可以表征该预设时间段之后的一个时间段内(该时间段的时长与预设时间段时长一致)的参数波动数据，即实现对该预设时间段之后一个时间段内的参数波动数据的预测。
72.进一步的，结合预设时间段内实际计算得到初始参数波动数据和对应的参数波动识别结果，确定目标参数波动数据，使得该目标参数波动数据既可以反映当前时间点之前的目标参数的波动情况，也能反映包括当前时间点和当前时间点之后一段时间内的目标参数的波动情况，大大提高了确定出在所述预设时间段内的目标参数波动数据的准确率。
73.具体的，可以对初始参数波动数据和对应的参数波动识别结果进行加权平均等方式，得到目标参数波动数据。具体的，初始参数波动数据和参数波动识别结果的权重可以各自表征其对当前时间的目标参数的波动的影响程度，具体的，可以结合实际应用进行设置。在一些实施例中，参数波动识别结果的权重可以大于初始参数波动数据的权重。
74.本说明书实施例中，通过结合能够反映当前时间点之前一段预设时间段的目标参数的波动情况的初始参数波动数据，以及包括当前时间点和当前时间点之后一段时间内的
目标参数的波动情况的参数波动识别结果，来确定目标参数波动数据，能够更准确的反映目标对象当前时间段的目标参数的波动情况。
75.s203：基于所述第一数量个目标对象在预设单位时间段内的目标参数确定每一目标对象的第一流量控制比例。
76.在实际应用中，在基于目标参数为第一数量个目标对象确定第一流量控制比例时，可以结合每一目标对象在所述预设单位时间段内的目标参数的大小，目标参数越大，相应的第一流量控制比例越高，反之，目标参数越小，相应的第一流量控制比例越低。
77.在一些具体的实施例中，如图5所示，基于所述第一数量个目标对象在预设单位时间段内的目标参数确定每一目标对象的第一流量控制比例可以包括：
78.s2031：利用所述第一数量个目标对象在所述预设单位时间段内的目标参数，计算目标参数均值；
79.s2033：根据所述目标参数均值和每一目标对象在所述预设单位时间段内的目标参数，确定每一目标对象的参数偏移数据；
80.s2035：根据每一目标对象的参数偏移数据确定每一目标对象的第一流量控制比例。
81.本说明书实施例中，每一目标对象的参数偏移数据可以为该目标对象在所述预设单位时间段内的目标参数减去目标参数均值后的差值。在一个具体的实施例中，根据每一目标对象的参数偏移数据确定每一目标对象的第一流量控制比例具体可以结合如下公式：
[0082][0083]
其中，φ
ai
表示第i个目标对象的第一流量控制比例；n表示目标对象的总数量(第一数量)；k
ai
表示第i个目标对象的参数偏移数据；α表示第一控制系数，具体的，α可以为固定值，也可以变化值。本说明书实施例中，为了保证每一目标对象的第一流量控制比例大于零，α的取值满足如下条件：具体的，当α为固定值时，可以结合实际情况设置一个满足上述条件的固定值。当α为变化值时，为了避免目标参数低的目标对象分不到流量；同时也避免目标参数高的目标对象，流量过多，α的大小可以与目标参数成反比。
[0084]
s205：基于所述第一数量个目标对象在预设时间段内的目标参数波动数据确定每一目标对象的第二流量控制比例。
[0085]
在实际应用中，在基于目标参数波动数据为第一数量个目标对象确定第二流量控制比例时，可以结合每一目标对象在所述预设时间段内的目标参数波动数据的大小，目标参数波动数据率越大，相应的第二流量控制比例越低，反之，目标参数波动数据的越小，相应的第二流量控制比例越高。
[0086]
在一些具体的实施例中，如图6所示，基于所述第一数量个目标对象在预设时间段内的目标参数波动数据确定每一目标对象的第二流量控制比例包括：
[0087]
s2051：利用所述第一数量个目标对象在所述预设时间段内的目标参数波动数据，计算目标参数波动均值；
[0088]
s2053：根据所述目标参数波动均值和每一目标对象在所述预设时间段内的目标参数波动数据确定每一目标对象的参数离散数据；
[0089]
s2055：根据所述每一目标对象的参数离散数据确定每一目标对象的第二流量控制比例。
[0090]
本说明书实施例中，每一目标对象的参数离散数据可以为该目标对象在所述预设时间段内的目标参数波动数据减去目标参数波动均值后的差值。在一个具体的实施例中，根据所述每一目标对象的参数离散数据确定每一目标对象的第二流量控制比例具体可以结合如下公式：
[0091][0092]
其中，φ
vi
表示第i个目标对象的第二流量控制比例；n表示目标对象的总数量(第一数量)；k
vi
表示第i个目标对象的参数离散数据；β表示第二控制系数，具体的，β可以为固定值，也可以变化值。本说明书实施例中，为了保证每一目标对象的第二流量控制比例大于零，β的取值满足如下条件：具体的，当β为固定值时，可以结合实际情况设置一个满足上述条件的固定值。当β为变化值时，为了避免收益波动率低的目标对象分不到流量；同时也避免收益波动率高的目标对象，流量过多，β的大小可以与收益波动率成反比。
[0093]
s207：在目标时间段内，基于每一目标对象的第一流量控制比例和第二流量控制比例控制每一目标对象的流量。
[0094]
本说明书实施例中，目标时间段可以为计算目标参数的当前单位时间段。例如计算目标参数的单位时间段为一天，相应的，目标时间段可以为当前日期。
[0095]
在一个具体的实施例中，如图7所示，在目标时间段内，基于每一目标对象的第一流量控制比例和第二流量控制比例控制每一目标对象的流量可以包括：
[0096]
s2071：对每一目标对象的第一流量控制比例和第二流量控制比例进行加权平均，得到每一目标对象的目标请求流量控制比例。
[0097]
本说明书实施例中，所述第一流量控制比例对应的权重与所述第二流量控制比例对应的权重之和等于一；具体的，第一流量控制比例和第二流量控制比例的权重可以结合目标参数和目标参数波动数据对目标对象在目标时间段内的实际的目标参数的影响程度进行预先设置。
[0098]
在一些实施例中，为了更好的避免某一天(单位时间段)人为做高目标带来的收益不准确性，在对每一目标对象的第一流量控制比例和第二流量控制比例进行加权平均，得到每一目标对象的目标请求流量控制比例之前，所述方法还包括：
[0099]
1)获取每一目标对象在历史时间段内的历史参数均值；
[0100]
2)计算每一目标对象在所述预设单位时间段内的目标参数和在历史时间段内的历史参数均值间的差值；
[0101]
3)当所述差值大于等于预设阈值时，将所述第二流量控制比例对应的权重调大，将所述第一流量控制比例对应的权重调小；
[0102]
本说明书实施例中，每一目标对象在所述预设单位时间段内的目标参数和在历史时间段内的历史参数均值间的差值为目标参数减去历史参数均值。具体的，历史参数均值可以包括目标对象从始至今的目标参数的平均值，也可以为最近一段时间内的目标参数的
平均值(例如一年内的目标参数的平均值)。所述预设阈值可以结合实际应用中目标对象的历史时间段内目标参数的情况设定的大于0的数值，例如可以为历史参数均值的30％等。
[0103]
s2073：获取目标流量的第二数量。
[0104]
具体的，第二数量可以为目标流量的总数量，本说明书实施例中目标流量可以包括但不限于可向其进行对象推荐的用户流(访问账号)或者资源(应用程序)等。
[0105]
s2075：根据所述第二数量和每一目标对象的目标请求流量控制比例，确定每一目标对象的目标流量数。
[0106]
s2077：基于预设算法和每一目标对象的目标流量数从所述目标流量，确定每一目标对象对应的流量。
[0107]
本说明书实施例中，预设算法可以包括但不限于尾号控制法，随机控制法等，其中，尾号控制法即根据尾号选取相应数量的流量作为某一目标对象对应的流量；随机控制法，即从可控制的流量中随机选取相应数量的流量作为某一目标对象对应的流量。
[0108]
s2079：建立每一目标对象的对象标识和所述目标对象对应的流量的流量标识间的映射关系。
[0109]
本说明书实施例中，对象标识可以为区分不同目标对象的信息，映射关系中的对象标识可以包括一个或多个可以作为目标对象标识的信息。流量的流量标识可以为区分不同流量的信息。
[0110]
在另一些实施例中，该映射关系中还可以包括映射关系的更新时间。具体的，如表1所示，以目标对象为基金为例。表1是本说明书实施例提供的一种映射关系的示例。
[0111]
表1
[0112][0113]
结合表1可见，假设目标对象一共4个，目标流量一共10000，基金商户号、基金代号以及商户简称均可以作为目标对象的标识信息，分配流量的尾号为分配给目标对象的流量的流量标识的末尾5位信息。分配流量的尾号均为左闭右开，如分配给商户简称为aaa的目标对象的流量为尾号00000至尾号02000的流量，其中包括尾号00000的流量，但不包括尾号为02000的流量。
[0114]
s20711：在目标时间段内，根据所述映射关系控制每一目标对象的流量。
[0115]
在实际应用中，在建立每一目标对象的对象标识和所述目标对象对应的流量的流
量标识间的映射关系之后，所述方法还包括：
[0116]
将所述映射关系存储到缓存。
[0117]
在另一些实施例中，为了节约内存空间，在得到映射关系之后，可以使用pb(protocol buff是谷歌推出的一种序列化协议)序列化的形式将映射关系存储在缓存中。
[0118]
相应的，如图8所示，所述在目标时间段内，根据所述映射关系控制每一目标对象的流量包括：
[0119]
s801：响应于目标时间段内目标请求流量的对象推荐请求，获取所述目标请求流量的流量标识；
[0120]
s805：基于所述流量标识从所述缓存中查询所述映射关系，确定目标推荐对象；
[0121]
s805：将所述目标推荐对象推荐给所述目标请求流量。
[0122]
在实际应用中，在目标时间段内，根据所述映射关系控制每一目标对象的流量的操作，可以由是否接收到对象推荐请求触发，一旦接收到对象推荐请求，可以响应于该对象推荐请求，执行相应的操作，实现对象推荐。
[0123]
在实际应用中，当缓存中无法查询到映射关系时，可以从内存中查询映射关系。相应的，当映射关系是以pb序列化的形式存储时，可以先对查询到的映射关系进行反序列化处理，再确定目标推荐对象。
[0124]
由以上本说明书实施例提供的技术方案可见，本说明书实施例中，结合目标对象在所述预设单位时间段内的目标参数和预设时间段内的目标参数波动数据分别确定第一流量控制比例和第二流量控制比例，实现兼顾目标参数高低和目标参数波动情况的综合流量控制比例的计算，大大提高了对目标对象的流量控制相关参数(目标参数)的预测准确率，基于该第一流量控制比例和第二流量控制比例进行流量控制，可以实现自动化的流量控制，且大大提高对目标对象的实际流量控制相关参数的掌握，对目标对象的流量控制的有效性和合理性，改善用户体验，实现平台的可持续发展。
[0125]
在实际应用中，目标对象的数量较多，现有的人工更新流量控制比例往往存在效率低，易出错的问题，本说明书实施例中，可以通过设置定时任务的方式，自动触发流量控制比例的计算，建立目标对象的对象标识和分配给该目标对象的流量的流量标识间的映射关系，并更新到缓存中，以便在接收到对象推荐请求时，可以基于缓存中映射关系进行对象推荐。在实际应用中，在用户触发对象推荐请求之后，可以通过fcgi(一种中间层，为客户端提供的接口，可以与后端服务器通信，采用fcgi可以将cgi(common gateway interface，公共网关接口)解释器保持在内存中，提高性能)根据流量标识后四位批跑对应的目标对象，如果缓存失效，还可以降级查db。相应的，步骤s201获取第一数量个目标对象在预设单位时间段内的目标参数和预设时间段内的目标参数波动数据可以包括当到达预设时间时，获取第一数量个目标对象在预设单位时间段内的目标参数和预设时间段内的目标参数波动数据。
[0126]
在另一些实施例中，互联网平台的用户数目往往较大，相应的，会部署多个服务器来响应对象推荐请求；现有技术中常常会采用灰度发布配置，相应的，在将映射关系全量发布至所有服务器之前，由于基于新的目标请求流量控制比例确定的映射关系只发布到部分服务器，用户的两次访问，可能存在第一次访问的是基于未更新的映射关系分配流量的服务器，第二次访问的是基于更新的映射关系分配流量的服务器，造成同一用户的两次推荐
对象不一致，幂等性差，用户体验不好，也不利于平台发展。本说明书实施例中，通过定时任务的方式，可以及时的更新包括目标对象的对象标识和分配给该目标对象的流量的流量标识间的映射关系，实现流量的及时分配，也保证了对象的合理推荐。
[0127]
本技术实施例还提供了一种流量控制装置，如图9所示，所述装置包括：
[0128]
目标参数获取模块910，可以用于获取第一数量个目标对象在预设单位时间段内的目标参数；
[0129]
目标参数波动数据获取模块920，可以用于获取第一数量个目标对象在预设时间段内的目标参数波动数据；
[0130]
第一流量控制比例确定模块930，可以用于基于所述第一数量个目标对象在预设单位时间段内的目标参数确定每一目标对象的第一流量控制比例；
[0131]
第二流量控制比例确定模块940，可以用于基于所述第一数量个目标对象在预设时间段内的目标参数波动数据确定每一目标对象的第二流量控制比例；
[0132]
流量控制模块950，可以用于在目标时间段内，基于每一目标对象的第一流量控制比例和第二流量控制比例控制每一目标对象的流量。
[0133]
在一些实施例中，所述流量控制模块950可以包括：
[0134]
加权平均计算单元，用于对每一目标对象的第一流量控制比例和第二流量控制比例进行加权平均，得到每一目标对象的目标请求流量控制比例；
[0135]
流量数量获取单元，用于获取目标流量的第二数量；
[0136]
目标流量数确定单元，根据所述第二数量和每一目标对象的目标请求流量控制比例，确定每一目标对象的目标流量数；
[0137]
流量确定单元，用于基于预设算法和每一目标对象的目标流量数从所述目标流量，确定每一目标对象对应的流量；
[0138]
映射关系建立单元，用于建立每一目标对象的对象标识和所述目标对象对应的流量的流量标识间的映射关系；
[0139]
流量控制单元，用于在目标时间段内，根据所述映射关系控制每一目标对象的流量。
[0140]
在一些实施例中，所述装置还包括：
[0141]
存储模块，用于将所述映射关系存储到缓存；
[0142]
相应的，所述流量控制单元包括：
[0143]
流量标识获取单元，用于响应于目标时间段内目标请求流量的对象推荐请求，获取所述目标请求流量的流量标识；
[0144]
目标推荐对象确定单元，用于基于所述流量标识从所述缓存中查询所述映射关系，确定目标推荐对象；
[0145]
对象推荐单元，用于将所述目标推荐对象推荐给所述目标请求流量。
[0146]
在一些实施例中，所述流量控制模块950还可以包括：
[0147]
历史参数均值获取单元，用于在对每一目标对象的第一流量控制比例和第二流量控制比例进行加权平均，得到每一目标对象的目标请求流量控制比例之前，获取每一目标对象在历史时间段内的历史参数均值；
[0148]
参数差值计算单元，用于计算每一目标对象在所述预设单位时间段内的目标参数
和在历史时间段内的历史参数均值间的差值；
[0149]
权重调整单元，用于当所述差值大于等于预设阈值时，将所述第二流量控制比例对应的权重调大，将所述第一流量控制比例对应的权重调小；
[0150]
其中，所述第一流量控制比例对应的权重与所述第二流量控制比例对应的权重之和等于一；
[0151]
在一些实施例中，所述目标参数波动数据获取模块920可以包括：
[0152]
目标参数获取单元，用于获取第一数量个目标对象在所述目标时间段之前的预设时间段内的目标参数；
[0153]
初始参数波动数据确定单元，用于基于每一目标对象在所述预设时间段内的目标参数确定所述目标对象在所述预设时间段内的初始参数波动数据；
[0154]
参数波动影响因素获取单元，用于获取每一目标对象在所述预设时间段内的参数波动影响因素；
[0155]
参数波动识别学习单元，用于将所述参数波动影响因素作为参数波动识别模型的输入，在所述参数波动识别模型中进行参数波动识别学习，得到每一目标对象对应的参数波动识别结果；
[0156]
目标参数波动数据确定单元，用于基于每一目标对象在预设时间段内初始参数波动数据和对应的参数波动识别结果，确定每一目标对象在所述预设时间段内的目标参数波动数据；
[0157]
其中，上述参数波动识别模型包括基于标注有参数波动数据的参数波动影响因素，对预设神经网络进行参数波动识别训练得到的模型。
[0158]
在一些实施例中，所述第一流量控制比例确定模块930可以包括：
[0159]
目标参数均值计算单元，用于利用所述第一数量个目标对象在所述预设单位时间段内的目标参数，计算目标参数均值；
[0160]
参数偏移数据确定单元，用于根据所述目标参数均值和每一目标对象在所述预设单位时间段内的目标参数，确定每一目标对象的参数偏移数据；
[0161]
第一流量控制比例确定单元，用于根据每一目标对象的参数偏移数据确定每一目标对象的第一流量控制比例。
[0162]
在一些实施例中，所述第二流量控制比例确定模块940可以包括：
[0163]
目标参数波动均值计算单元，用于利用所述第一数量个目标对象在所述预设时间段内的目标参数波动数据，计算目标参数波动均值；
[0164]
参数离散数据确定单元，用于根据所述目标参数波动均值和每一目标对象在所述预设时间段内的目标参数波动数据确定每一目标对象的参数离散数据；
[0165]
第二流量控制比例确定单元，用于根据所述每一目标对象的参数离散数据确定每一目标对象的第二流量控制比例。
[0166]
所述的装置实施例中的装置与方法实施例基于同样的申请构思。
[0167]
本技术实施例提供了一种流量控制设备，该流量控制设备包括处理器和存储器，该存储器中存储有至少一条指令、或至少一段程序，该至少一条指令、或该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的流量控制方法。
[0168]
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序
以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
[0169]
本技术实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例，图10是本技术实施例提供的实现一种流量控制方法的服务器的硬件结构框图。如图10所示，该服务器1000可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，cpu)1010(处理器1010可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器1030，一个或一个以上存储应用程序1023或数据1022的存储介质1020(例如一个或一个以上海量存储设备)。其中，存储器1030和存储介质1020可以是短暂存储或持久存储。存储在存储介质1020的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1010可以设置为与存储介质1020通信，在服务器1000上执行存储介质1020中的一系列指令操作。服务器1000还可以包括一个或一个以上电源1060，一个或一个以上有线或无线网络接口1050，一个或一个以上输入输出接口1040，和/或，一个或一个以上操作系统1021，例如windows server
tm
，mac os x
tm
，unix
tm
,linux
tm
，freebsd
tm
等等。
[0170]
输入输出接口1040可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器1000的通信供应商提供的无线网络。在一个实例中，输入输出接口1040包括一个网络适配器(network interface controller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，输入输出接口1040可以为射频(radio frequency，rf)模块，其用于通过无线方式与互联网进行通讯。
[0171]
本领域普通技术人员可以理解，图10所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器1000还可包括比图10中所示更多或者更少的组件，或者具有与图10所示不同的配置。
[0172]
本技术的实施例还提供了一种存储介质，所述存储介质可设置于设备之中以保存用于实现方法实施例中一种流量控制方法相关的至少一条指令、或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的流量控制方法。
[0173]
可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0174]
由上述本技术提供的流量控制方法、装置、设备、服务器或存储介质的实施例可见，本技术中结合目标对象在所述预设单位时间段内的目标参数和预设时间段内的目标参数波动数据分别确定第一流量控制比例和第二流量控制比例，实现兼顾目标参数高低和目标参数波动情况的综合流量控制比例的计算，大大提高了对目标对象的流量控制相关参数(目标参数)的预测准确率，基于该第一流量控制比例和第二流量控制比例进行流量控制，
可以实现自动化的流量控制，且大大提高对目标对象的实际流量控制相关参数的掌握，对目标对象的流量控制的有效性和合理性。
[0175]
需要说明的是：上述本技术实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0176]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、服务器和存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0177]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指示相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0178]
以上所述仅为本技术的较佳实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。