流量分析及调度方法、装置、计算机设备及可读存储介质与流程

1.本发明涉及人工智能的智能决策技术领域，尤其涉及一种流量分析及调度方法、装置、计算机设备及可读存储介质。


背景技术：

2.外部线路是用于根据请求信息生成反馈信息的互联网设备，服务器通过将请求信息路由至所述外部线路，并获得所述外部线路返回的反馈信息，以实现调用外部线路完成指定任务的效果。通常，服务器与多个外部线路连接，用以处理请求信息，由于各外部线路的设备性能、总线性能以及处理算法不同，其能够处理的请求信息数量往往不同。
3.然而，当前服务器向外部线路路由请求信息通常是按照预定的顺序轮流发送，或者是向当前流量值较低的外部线路路由请求信息；发明人发现，当前的请求信息路由方式很容易造成性能较好的外部线路的处理性能无法得到充分释放，而性能较差的外部线路常因处理过多请求信息而造成线路异常过多，造成与服务器连接的所有外部线路整体性能不稳且请求信息处理效率过低的情况发生。


技术实现要素：

4.本发明的目的是提供一种流量分析及调度方法、装置、计算机设备及可读存储介质，用于解决现有技术存在的外部线路整体性能不稳且请求信息处理效率过低的问题。
5.为实现上述目的，本发明提供一种流量分析及调度方法，应用于服务器中，包括：
6.识别服务器访问外部网络所使用的外部线路，获取所述外部线路的线路状态信息；其中，所述线路状态信息包括正常状态和异常状态；
7.在预置的采集周期内采集外部线路的流量值及线路状态信息并生成线路特征信息，其中，所述流量值反映了所述外部线路接收到的请求信息的数量；
8.通过预置的机器学习模型计算至少一个采集周期的所述线路特征信息，得到所述外部线路在所述采集周期内的最优配置信息；
9.根据所述最优配置信息向所述外部线路路由请求信息。
10.上述方案中，所述在预置的采集周期内采集外部线路的流量值及线路状态信息并生成线路特征信息，包括：
11.在预置的采集周期内，采集预置的时间段内所述外部线路的流量值；
12.根据所述外部线路在所述时间段的流量值，及在所述外部线路在所述时间段内的线路状态信息，生成所述外部线路在所述时间段内的线路基本信息；其中，所述时间段是对预置的采集周期进行划分，所得到的至少一个时间区间；
13.整合所述采集周期内各所述时间段的线路基本信息，形成所述采集周期的线路特征信息。
14.上述方案中，所述通过预置的机器学习模型计算至少一个采集周期的所述线路特征信息，得到所述外部线路在所述采集周期内的最优配置信息，包括：
15.将所述线路特征信息中的线路基本信息依次录入所述机器学习模型，用于根据所述线路基本信息计算所述外部线路在各时间段的最优流量值；
16.汇总各所述时间段及其最优流量值形成流量阵列，用以表征所述外部线路在所述采集周期内的最优配置信息。
17.上述方案中，所述根据所述最优配置信息向所述外部线路路由请求信息之后，所述方法还包括：
18.当监听到某一外部线路的线路状态信息出现异常状态时，将出现异常状态的外部线路中的请求信息路由至其他的外部线路；
19.识别外部线路中处于异常状态的线路状态信息并将其设为异常信息，根据所述异常信息生成异常报告。
20.上述方案中，所述将出现异常状态的外部线路中的请求信息路由至其他的外部线路，包括：
21.将出现异常的外部线路设为异常线路，识别所述异常状态的异常情况；
22.若所述异常情况为线路异常，提取所述异常线路中的请求信息，将所述请求信息路由至其他外部线路中；
23.若所述异常情况为请求异常，则将所述异常线路中出现异常的请求信息设为异常请求，将所述异常请求路由至其他外部线路中。
24.上述方案中，所述提取所述异常线路中的请求信息，将所述请求信息路由至其他外部线路中，包括：
25.将除所述异常线路外的其他外部线路分别设为正常线路，识别所述正常线路中当前的流量值与所述正常线路的最优流量值之间的差值；
26.根据所述差值确定所述正常线路的切换流量值，将所述异常线路中的请求信息设为切换请求信息，将数量与所述切换流量值对应的切换请求信息路由至所述正常线路；其中，所述切换流量值表征了向所述正常线路路由切换请求信息的数量。
27.上述方案中，所述将所述异常线路中出现异常的请求信息设为异常请求，将所述异常请求路由至其他外部线路中，包括：
28.将除所述异常线路外的其他外部线路设为正常线路，识别所述正常线路中当前的流量值与所述正常线路的最优流量值之间的差值，并根据所述差值对所述正常线路进行排序得到正常序列；
29.将所述正常序列中位于首位的正常线路设为目标线路，将所述异常线路中出现异常的请求信息设为异常请求路由至所述目标线路；
30.若监听到所述目标线路无法处理所述异常请求，则从所述目标线路中提取所述异常请求，并生成内容为所述异常请求的异常报告。
31.为实现上述目的，本发明还提供一种流量分析及调度装置，安装在服务器中，包括：
32.状态获取模块，用于识别服务器访问外部网络所使用的外部线路，获取所述外部线路的线路状态信息；其中，所述线路状态信息包括正常状态和异常状态；
33.特征生成模块，用于在预置的采集周期内采集外部线路的流量值及线路状态信息并生成线路特征信息，其中，所述流量值反映了所述外部线路接收到的请求信息的数量；
34.最优配置模块，用于通过预置的机器学习模型计算至少一个采集周期的所述线路特征信息，得到所述外部线路在所述采集周期内的最优配置信息；
35.请求路由模块，用于根据所述最优配置信息向所述外部线路路由请求信息。
36.为实现上述目的，本发明还提供一种计算机设备，其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机设备的处理器执行所述计算机程序时实现上述流量分析及调度方法的步骤。
37.为实现上述目的，本发明还提供一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，所述可读存储介质存储的所述计算机程序被处理器执行时实现上述流量分析及调度方法的步骤。
38.本发明提供的流量分析及调度方法、装置、计算机设备及可读存储介质，通过在预置的采集周期内，采集预置的时间段内外部线路的流量值，根据外部线路在时间段的流量值，及在外部线路在时间段内的线路状态信息生成线路基本信息；实现从时间维度上获取外部线路在各时间段内的流量及状态，以便于后续的机器学习模型基于时间维度分析外部线路在各时间段内的流量及状态。采用机器学习模型对各外部线路的流量值和线路状态信息进行分析，得到在保证外部线路的线路状态信息在符合线路状态阈值的前提下，最大化所述外部线路流量值的最优配置信息。通过根据所述最优配置信息向所述外部线路路由请求信息的方式，保证外部线路处理请求信息的流量值，不会超过最优配置信息中的最优流量值，充分释放了性能较好的外部线路的处理性能，并且，保证性能较差的外部线路在其线路状态信息满足线路状态预置的前提下，最大程度的处理请求信息数量，保证了所有外部线路的整体稳定性和数据处理效率。
附图说明
39.图1为本发明流量分析及调度方法实施例一的流程图；
40.图2为本发明流量分析及调度方法实施例二中流量分析及调度方法的环境应用示意图；
41.图3是本发明流量分析及调度方法实施例二中流量分析及调度方法的具体方法流程图；
42.图4为本发明流量分析及调度装置实施例三的程序模块示意图；
43.图5为本发明计算机设备实施例四中计算机设备的硬件结构示意图。
具体实施方式
44.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
45.本发明提供的流量分析及调度方法、装置、计算机设备及可读存储介质，适用于人工智能的智能决策技术领域，为提供一种基于状态获取模块、特征生成模块、最优配置模块、请求路由模块的流量分析及调度方法。本发明通过识别服务器访问外部网络所使用的外部线路，获取所述外部线路的线路状态信息；采集外部线路的流量值及线路状态信息并
生成线路特征信息，通过机器学习模型计算线路特征信息得到最优配置信息，根据所述最优配置信息向所述外部线路路由请求信息。
46.实施例一：
47.请参阅图1，本实施例的一种流量分析及调度方法，应用于服务器中，包括：
48.s101：识别服务器访问外部网络所使用的外部线路，获取所述外部线路的线路状态信息；其中，所述线路状态信息包括正常状态和异常状态；
49.s102：在预置的采集周期内采集外部线路的流量值及线路状态信息并生成线路特征信息，其中，所述流量值反映了所述外部线路接收到的请求信息的数量；
50.s103：通过预置的机器学习模型计算至少一个采集周期的所述线路特征信息，得到所述外部线路在所述采集周期内的最优配置信息；
51.s104：根据所述最优配置信息向所述外部线路路由请求信息。
52.在示例性的实施例中，所述正常状态包括线路正常和请求正常；所述异常状态包括：反映所述外部线路连通性异常的连通异常，反映所述外部线路将请求信息发送至外部网络所消耗的时延超过预置延迟阈值的时延异常，延迟时间超过预置延迟阈值的时延异常，表征所述外部线路中的请求信息出现丢包情况的丢包异常；其中，所述连通异常为线路异常，所述时延异常和所述丢包异常为请求异常。通过在预置的采集周期内，采集预置的时间段内外部线路的流量值，根据外部线路在时间段的流量值，及在外部线路在时间段内的线路状态信息生成线路基本信息；实现从时间维度上获取外部线路在各时间段内的流量及状态，以便于后续的机器学习模型基于时间维度分析外部线路在各时间段内的流量及状态。采用机器学习模型对各外部线路的流量值和线路状态信息进行分析，得到在保证外部线路的线路状态信息在符合线路状态阈值的前提下，最大化所述外部线路流量值的最优配置信息。通过根据所述最优配置信息向所述外部线路路由请求信息的方式，保证外部线路处理请求信息的流量值，不会超过最优配置信息中的最优流量值，充分释放了性能较好的外部线路的处理性能，并且，保证性能较差的外部线路在其线路状态信息满足线路状态预置的前提下，最大程度的处理请求信息数量，保证了所有外部线路的整体稳定性和数据处理效率。
53.实施例二：
54.本实施例为上述实施例一的一种具体应用场景，通过本实施例，能够更加清楚、具体地阐述本发明所提供的方法。
55.下面，以在运行有流量分析及调度方法的服务器中，采集外部线路的流量值及线路状态信息并计算以得到最优配置信息为例，来对本实施例提供的方法进行具体说明。需要说明的是，本实施例只是示例性的，并不限制本发明实施例所保护的范围。
56.图2示意性示出了根据本技术实施例二的流量分析及调度方法的环境应用示意图。
57.在示例性的实施例中，流量分析及调度方法所在的服务器2通过外部线路3分别连接外部网络4；所述服务器2可以通过一个或多个外部线路3提供服务，外部线路3可以包括各种网络设备，例如路由器，交换机，多路复用器，集线器，调制解调器，网桥，中继器，防火墙，代理设备和/或等等。外部线路3可以包括物理链路，例如同轴电缆链路，双绞线电缆链路，光纤链路，它们的组合和/或类似物。外部线路3可以包括无线链路，例如蜂窝链路，卫星
链路，wi-fi链路和/或类似物；所述外部网络4为用于管理广域网和/或局域网的网络服务器，其包括万维网网络服务器，也包括用于企业或组织内部的局域网网络服务器。
58.图3是本发明一个实施例提供的一种流量分析及调度方法的具体方法流程图，该方法具体包括步骤s201至s206。
59.s201：识别服务器访问外部网络所使用的外部线路，获取所述外部线路的线路状态信息；其中，所述线路状态信息包括正常状态和异常状态。
60.本步骤中，所述正常状态包括线路正常和请求正常；所述异常状态包括：反映所述外部线路连通性异常的连通异常，反映所述外部线路将请求信息发送至外部网络所消耗的时延超过预置延迟阈值的时延异常，延迟时间超过预置延迟阈值的时延异常，表征所述外部线路中的请求信息出现丢包情况的丢包异常；其中，所述连通异常为线路异常，所述时延异常和所述丢包异常为请求异常。需要说明的是，时延是指一个报文或分组从一个网络的一端传送到另一个端所需要的时间。它包括了发送时延，传播时延，处理时延，排队时延。(时延＝发送时延 传播时延 处理时延 排队时延)。
61.s202：在预置的采集周期内采集外部线路的流量值及线路状态信息并生成线路特征信息，其中，所述流量值反映了所述外部线路接收到的请求信息的数量。
62.为细化外部线路的流量及状态的分析维度，以便于后续基于时间维度获取各外部线路的最佳流量配置，本步骤通过在预置的采集周期内，采集预置的时间段内外部线路的流量值，根据外部线路在时间段的流量值，及在外部线路在时间段内的线路状态信息生成线路基本信息；实现从时间维度上获取外部线路在各时间段内的流量及状态，以便于后续的机器学习模型基于时间维度分析外部线路在各时间段内的流量及状态。
63.在一个优选的实施例中，所述在预置的采集周期内采集外部线路的流量值及线路状态信息并生成线路特征信息，包括：
64.s21：在预置的采集周期内，采集预置的时间段内所述外部线路的流量值；
65.s22：根据所述外部线路在所述时间段的流量值，及在所述外部线路在所述时间段内的线路状态信息，生成所述外部线路在所述时间段内的线路基本信息；其中，所述时间段是对预置的采集周期进行划分，所得到的至少一个时间区间；
66.s23：整合所述采集周期内各所述时间段的线路基本信息，形成所述采集周期的线路特征信息。
67.于本实施例中，以年为所述采集周期，以每月或每n月为所述时间段；或以月为所述采集周期，以每天或每n天为所述时间段；或以天为采集周期，以每小时或每n小时为所述时间段；或以小时为采集周期，以每分钟或每n分钟为所述时间段。
68.示例性地，假设采集周期为2019年10月23日，在0点到6点时间段内，所述线路基本信息包括：11点到12点30分的时间区间的线路状态信息为正常状态-线路正常，4点30分到4点32分的时间区间的线路状态信息为异常状态-线路异常-连通异常，共接收到100个请求信息，其中，90个请求信息的线路状态信息为正常状态-请求正常，3个请求信息的线路状态信息为异常状态-请求异常-延时异常，7个请求信息的线路状态信息为异常状态-请求异常-反馈异常。按照上述举例，整合6点到12点时间段，12点到18点时间段，18点到24点时间段的线路基本信息形成2019年10月23日的线路特征信息。
69.s203：通过预置的机器学习模型计算至少一个采集周期的所述线路特征信息，得
到所述外部线路在所述采集周期内的最优配置信息。
70.本步骤中，采用机器学习模型对各外部线路的流量值和线路状态信息进行分析，得到在保证外部线路的线路状态信息在符合线路状态阈值的前提下，最大化所述外部线路流量值的最优配置信息。
71.于本实施例中，采用具有最小二乘法计算机模型作为所述机器学习模型，所述最小二乘法是最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小；因此，通过所述最小二乘法可对所述至少一个采集周期中目标时间段的线路基本信息进行曲线拟合，得到表征若干个线路基本信息中的流量值，和异常状态的时间在目标时间段中的占比之间的函数关系。
72.在一个优选的实施例中，所述通过预置的机器学习模型计算至少一个采集周期的所述线路特征信息，得到所述外部线路在所述采集周期内的最优配置信息，包括：
73.s31：将所述线路特征信息中的线路基本信息依次录入所述机器学习模型，用于根据所述线路基本信息计算所述外部线路在各时间段的最优流量值；
74.s32：汇总各所述时间段及其最优流量值形成流量阵列，用以表征所述外部线路在所述采集周期内的最优配置信息。
75.具体地，以预置的异常状态的时间在时间段中的占比设为线路状态阈值；
76.获取所述线外特征信息中任一时间段，并将其设为目标时间段；提取至少一个所述线外特征信息中与所述目标时间段对应的线外基本信息，并将其设为目标基本信息；
77.提取所述目标基本信息中的流量值并将其设为目标流量值，及计算所述目标基本信息中异常状态的时间在所述目标时间段中的占比，并将其设为目标异常占比；通过所述机器学习模型根据所述目标流量值和所述目标异常占比构建拟合曲线，其中，所述拟合曲线表征了各所述线外基本信息中在所述目标时间段内的流量值，与各所述线外基本信息中异常状态的时间在所述目标时间段中占比之间的函数关系；
78.通过所述拟合曲线计算所述线外状态阈值得到所述最优流量值。
79.通过上述方法得到外部线路的至少一个线外特征信息中各时间段的最优流量值，并汇总各所述时间段及其最优流量值形成流量阵列，用以表征所述外部线路在所述采集周期内的最优配置信息。
80.s204：根据所述最优配置信息向所述外部线路路由请求信息。
81.为确保各外部线路得到的请求信息数量，在保证外部线路不会出现异常或出现异常的时间在可控范围的前提下，处理更多的请求信息，本步骤通过根据所述最优配置信息向所述外部线路路由请求信息的方式，保证外部线路处理请求信息的流量值，不会超过最优配置信息中的最优流量值，充分释放了性能较好的外部线路的处理性能，并且，保证性能较差的外部线路在其线路状态信息满足线路状态预置的前提下，最大程度的处理请求信息数量，保证了所有外部线路的整体稳定性和数据处理效率。
82.s205：当监听到某一外部线路的线路状态信息出现异常状态时，将出现异常状态的外部线路中的请求信息路由至其他的外部线路。
83.为实时监听出现异常的线路，并避免因该外部线路出现异常导致其中的请求信息无法生成反馈信息，造成所述外部线路路由可靠性低下的情况发生，本步骤当监听到某一
外部线路的线路状态信息出现异常状态时，将出现异常状态的外部线路中的请求信息路由至其他的外部线路，以实现外部线路的流量切换，通过实现所述流量切换，用以将出现异常的外部线路中的请求信息路由至状态为正常的外部线路，以保证接收到的请求信息能够及时生成相应的反馈信息。于本实施例中，采用具有listen()函数的外部监听组件监听外部线路是否出现线路异常，例如：阻塞异常或连通异常；以及用于监听所述外部线路是否生成具有请求错误代号的反馈异常信息，例如：具有400-错误的请求、401-访问被拒绝、504-网关超时等请求错误代号的反馈异常信息，其表征外部线路中的请求信息为延时异常或反馈异常。
84.在一个优选的实施例中，所述将出现异常状态的外部线路中的请求信息路由至其他的外部线路，包括：
85.s51：将出现异常的外部线路设为异常线路，识别所述异常状态的异常情况；
86.本步骤中，识别所述异常线路的异常情况；若所述异常情况为，则判定所述异常情况为线路异常；若所述异常情况为接收到所述异常线路反馈的具有请求错误代号的反馈异常信息，则判定所述异常情况为请求异常。
87.s52：若所述异常情况为线路异常，提取所述异常线路中的请求信息，将所述请求信息路由至其他外部线路中。
88.本步骤中，通过提取所述异常线路中的请求信息，将所述请求信息路由至其他外部线路中，实现将异常线路的流量切换至其他正常的外部线路的技术效果；进一步地，将所述异常线路的线路编号发送至控制端，以便于维护人员根据所述编号对所述异常线路进行修复。
89.在一个优选的实施例中，所述提取所述异常线路中的请求信息，将所述请求信息路由至其他外部线路中，包括：
90.s521：将除所述异常线路外的其他外部线路分别设为正常线路，识别所述正常线路中当前的流量值与所述正常线路的最优流量值之间的差值；
91.s522：根据所述差值确定所述正常线路的切换流量值，将所述异常线路中的请求信息设为切换请求信息，将数量与所述切换流量值对应的切换请求信息路由至所述正常线路；其中，所述切换流量值表征了向所述正常线路路由切换请求信息的数量。
92.具体地，将所有所述正常线路的差值相加得到总差值，并计算所述正常线路的差值在所述总差值中的占比；将所述异常线路中的请求信息设为切换请求信息，并计算反映所述切换请求信息数量的切换流量值，将所述占比与所述切换流量值相乘得到线路切换值；将数量与所述线路切换值一致的切换请求信息路由至所述正常线路。
93.s53：若所述异常情况为请求异常，则将所述异常线路中出现异常的请求信息设为异常请求，将所述异常请求路由至其他外部线路中。
94.本步骤中，通过将异常线路中的异常请求路由至其他外部线路中，实现将异常线路的流量切换至其他正常的外部线路的技术效果，同时，将所述异常线路恢复为外部线路。
95.在一个优选的实施例中，所述将所述异常线路中出现异常的请求信息设为异常请求，将所述异常请求路由至其他外部线路中，包括：
96.s531：将除所述异常线路外的其他外部线路设为正常线路，识别所述正常线路中当前的流量值与所述正常线路的最优流量值之间的差值，并根据所述差值对所述正常线路
进行排序得到正常序列；
97.s532：将所述正常序列中位于首位的正常线路设为目标线路，将所述异常线路中出现异常的请求信息设为异常请求路由至所述目标线路；
98.s533：若监听到所述目标线路无法处理所述异常请求，则从所述目标线路中提取所述异常请求，并生成内容为所述异常请求的异常报告。
99.本步骤中，通过构建具有listen()函数的目标监听组件监听所述目标线路是否能够正常处理所述异常请求，若所述目标监听组件未接收到任何反馈异常信息，则判定所述目标线路已成功处理所述异常请求；若所述目标监听组件监听到目标线路发送的反馈异常信息，则判定所述目标线路无法处理所述异常请求；其中，所述反馈异常信息具有请求错误代号的信息，例如：具有400-错误的请求、401-访问被拒绝、504-网关超时等请求错误代号的反馈异常信息，其表征目标线路中的请求信息为延时异常或反馈异常。
100.s206：识别外部线路中处于异常状态的线路状态信息并将其设为异常信息，根据所述异常信息生成异常报告。
101.为确保控制端能够及时获知各外部线路的异常状态，以便于后续维护及修复外部线路，本步骤通过识别外部线路中处于异常状态的线路状态信息并将其设为异常信息，根据所述异常信息生成异常报告；其中，所述异常报告中包括有处于异常状态的外部线路的线路编号及其异常状态信息。
102.实施例三：
103.请参阅图4，本实施例的一种流量分析及调度装置1，安装在服务器2中，包括：
104.状态获取模块11，用于识别服务器访问外部网络所使用的外部线路，获取所述外部线路的线路状态信息；其中，所述线路状态信息包括正常状态和异常状态；
105.特征生成模块12，用于在预置的采集周期内采集外部线路的流量值及线路状态信息并生成线路特征信息，其中，所述流量值反映了所述外部线路接收到的请求信息的数量；
106.最优配置模块13，用于通过预置的机器学习模型计算至少一个采集周期的所述线路特征信息，得到所述外部线路在所述采集周期内的最优配置信息；
107.请求路由模块14，用于根据所述最优配置信息向所述外部线路路由请求信息。
108.可选的，所述流量分析及调度装置1还包括：
109.异常路由模块15，用于在监听到某一外部线路的线路状态信息出现异常状态时，将出现异常状态的外部线路中的请求信息路由至其他的外部线路。
110.可选的，所述流量分析及调度装置1还包括：
111.异常处理模块16，用于识别外部线路中处于异常状态的线路状态信息并将其设为异常信息，根据所述异常信息生成异常报告。
112.可选的，所述特征生成模块12还包括：
113.流量采集单元121，用于在预置的采集周期内，采集预置的时间段内所述外部线路的流量值；
114.信息生成单元122，用于根据所述外部线路在所述时间段的流量值，及在所述外部线路在所述时间段内的线路状态信息，生成所述外部线路在所述时间段内的线路基本信息；其中，所述时间段是对预置的采集周期进行划分，所得到的至少一个时间区间；
115.信息整合单元123，用于整合所述采集周期内各所述时间段的线路基本信息，形成
所述采集周期的线路特征信息。
116.可选的，所述最优配置模块13还包括：
117.模型输入单元131，用于将所述线路特征信息中的线路基本信息依次录入所述机器学习模型，用于根据所述线路基本信息计算所述外部线路在各时间段的最优流量值；
118.阵列生成单元132，用于汇总各所述时间段及其最优流量值形成流量阵列，用以表征所述外部线路在所述采集周期内的最优配置信息。
119.可选的，所述异常路由模块15还包括：
120.异常识别单元151，用于将出现异常的外部线路设为异常线路，识别所述异常状态的异常情况；
121.线路异常单元152，用于在所述异常情况为线路异常时，提取所述异常线路中的请求信息，将所述请求信息路由至其他外部线路中。
122.请求异常单元153，用于在所述异常情况为请求异常时，将所述异常线路中出现异常的请求信息设为异常请求，将所述异常请求路由至其他外部线路中。
123.可选的，所述线路异常单元152还包括：
124.线路差值子单元1521，用于将除所述异常线路外的其他外部线路分别设为正常线路，识别所述正常线路中当前的流量值与所述正常线路的最优流量值之间的差值；
125.线路路由子单元1522，用于根据所述差值确定所述正常线路的切换流量值，将所述异常线路中的请求信息设为切换请求信息，将数量与所述切换流量值对应的切换请求信息路由至所述正常线路；其中，所述切换流量值表征了向所述正常线路路由切换请求信息的数量。
126.可选的，所述请求异常单元153还包括：
127.请求差值子单元1531，用于将除所述异常线路外的其他外部线路设为正常线路，识别所述正常线路中当前的流量值与所述正常线路的最优流量值之间的差值，并根据所述差值对所述正常线路进行排序得到正常序列；
128.请求目标子单元1532，用于将所述正常序列中位于首位的正常线路设为目标线路，将所述异常线路中出现异常的请求信息设为异常请求路由至所述目标线路；
129.请求异常子单元1533，用于在监听到所述目标线路无法处理所述异常请求，从所述目标线路中提取所述异常请求，并生成内容为所述异常请求的异常报告。
130.本技术方案涉及到人工智能的智能决策技术领域，通过识别服务器访问外部网络所使用的外部线路，获取所述外部线路的线路状态信息；采集外部线路的流量值及线路状态信息并生成线路特征信息，通过机器学习模型计算线路特征信息得到最优配置信息，以作为对各外部线路路由的请求流量进行预测的预测模型，根据所述最优配置信息向所述外部线路路由请求信息。
131.实施例四：
132.为实现上述目的，本发明还提供一种计算机设备5，实施例三的流量分析及调度装置的组成部分可分散于不同的计算机设备中，计算机设备5可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个应用服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于：可通过系统总线相互通信连接的存储器51、处理器52，如图5所示。
需要指出的是，图5仅示出了具有组件-的计算机设备，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
133.本实施例中，存储器51(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器51可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，存储器51也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，存储器51还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，存储器51通常用于存储安装于计算机设备的操作系统和各类应用软件，例如实施例三的流量分析及调度装置的程序代码等。此外，存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。
134.处理器52在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制计算机设备的总体操作。本实施例中，处理器52用于运行存储器51中存储的程序代码或者处理数据，例如运行流量分析及调度装置，以实现实施例一和实施例二的流量分析及调度方法。
135.实施例五：
136.为实现上述目的，本发明还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘、服务器、app应用商城等等，其上存储有计算机程序，程序被处理器52执行时实现相应功能。本实施例的计算机可读存储介质用于存储实现所述流量分析及调度方法的计算机程序，被处理器52执行时实现实施例一和实施例二的流量分析及调度方法。
137.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
138.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
139.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。