一种推荐方法及服务器与流程

技术特征：
1.一种服务器，其特征在于，包括：通信器，用于与终端设备通信连接；控制器，被配置为执行：监控到满足降级条件时，查询当前在线用户的用户等级以及为不同用户等级预设的降级模式组合，所述降级模式组合内排序有多种档位的降级模式；确定与所述服务器的当前运行状态匹配的降级策略，所述降级策略指示每个用户等级对应的降级模式的档位；在执行所述降级策略后，向每个在线用户的终端设备发送对应的推荐信息。2.根据权利要求1所述的服务器，其特征在于，所述控制器还被配置为执行：在未满足所述降级条件的情况下，执行正常推荐策略，并向每个在线用户的终端设备发送对应的推荐信息；其中，所述正常推荐策略是指每个用户等级对应的降级模式为各自组合内的最高档位。3.根据权利要求1所述的服务器，其特征在于，所述控制器被配置为按照如下方式确定所述降级策略：以i从n递减的优先级顺序，按照第i个降级模式组合内的排序，依序下调第i个用户等级对应的降级模式的档位，并更新k
i
的取值；其中，n为用户等级和降级模式组合的总数，i表示用户等级从高到低排序后的等级序号，k
i
表示第i个用户等级对应的当前降级模式的档位序号；直至当前系统负荷被降低至小于或等于系统负荷上限时，若满足1＜i＜n并且k
i
≤m
i
，则配置所述降级策略为前i-1个用户等级对应的降级模式为各自组合内的最高档位，第i个用户等级对应的降级模式为第i个降级模式组合内的第k
i
档位，第i 1～第n个用户等级对应的降级模式为各自组合内的最低档位；其中，m
i
表示第i个降级模式组合内包括的降级模式总数。4.根据权利要求3所述的服务器，其特征在于，所述控制器被配置为按照如下方式确定所述降级策略：直至当前系统负荷被降低至小于或等于系统负荷上限时，若满足i＝1并且k1＜m1，则配置所述降级策略为第1个用户等级对应的降级模式为第1个降级模式组合内的第k1档位，第2～第n个用户等级对应的降级模式为各自组合内的最低档位；或者，直至满足i等于1并且k1等于m1，则配置所述降级策略为n个用户等级对应的降级模式均为各自组合内的最低档位。5.根据权利要求3所述的服务器，其特征在于，所述控制器被配置为按照如下方式确定所述降级策略：直至当前系统负荷被降低至小于或等于系统负荷上限时，若满足i等于n并且k
n
≤m
n
，则配置所述降级策略为前n-1个用户等级对应的降级模式为各自组合内的最高档位，第n个用户等级对应的降级模式为第n个降级模式组合内的第k
n
档位。6.根据权利要求3～5任一项所述的服务器，其特征在于，所述控制器还配置为执行：监控到解除所述降级条件时，以i值递增的优先级顺序，按照第i个降级模式组合内的排序，依序上调第i个用户等级对应的降级模式的档位，直至所述当前系统负荷上升至所述系统负荷上限，或者直至n个用户等级对应的降级模式全部恢复为各自组合内的最高档位。
7.根据权利要求3～5任一项所述的服务器，其特征在于，所述控制器被配置为执行：根据每个用户等级具有的在线用户数量，以及每个用户等级当前所选的降级模式占用的档位算力，计算当前所需总算力；若所述当前所需总算力小于或等于系统算力上限，即识别当前系统负荷小于或等于系统负荷上限。8.根据权利要求1所述的服务器，其特征在于，所述降级模式定义有输出推荐信息所使用的召回策略和排序策略；其中，所述召回策略用于从候选集中筛选出符合用户偏好的推荐对象，所述召回策略包括候选集的大小、所开启的召回通道的数量和类别；所述排序策略用于对所述召回策略筛选出的推荐对象进行排序，进而输出所述推荐信息，所述排序策略包括排序策略的启闭状态以及所调用的排序模型类别。9.根据权利要求6所述的服务器，其特征在于，所述控制器还配置为执行：比较系统当前的超时请求比例与预设阈值；若所述超时请求比例大于所述预设阈值，则识别到满足所述降级条件。10.一种推荐方法，其特征在于，所述方法包括：监控到满足降级条件时，查询当前在线用户的用户等级以及为不同用户等级预设的降级模式组合，所述降级模式组合内排序有多种档位的降级模式；确定与服务器当前运行状态匹配的降级策略，所述降级策略指示每个用户等级对应的降级模式的档位；在执行所述降级策略后，向每个在线用户的终端设备发送对应的推荐信息。

技术总结
本发明公开一种推荐方法及服务器，服务器监控到满足降级条件时，查询当前在线用户的用户等级以及为不同用户等级预设的降级模式组合，所述降级模式组合内排序有多种档位的降级模式；确定与服务器当前运行状态匹配的降级策略，所述降级策略指示每个用户等级对应的降级模式的档位；在执行所述降级策略后，向每个在线用户的终端设备发送对应的推荐信息。本申请实现为不同等级用户适配降级档位，优先保留对高等级用户的无损服务能力，实现差异化弹性降级策略，降级策略可随系统运行状态动态自适应，提升了服务器内推荐系统的降级动态响应能力。力。力。


技术研发人员：黄山山 王宝云
受保护的技术使用者：青岛聚看云科技有限公司
技术研发日：2022.02.17
技术公布日：2022/5/20