(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211050379.8 (22)申请日 2022.08.31 (65)同一申请的已公布的文献号 申请公布号 CN 115134368 A (43)申请公布日 2022.09.30 (73)专利权人 中信建投证券股份有限公司 地址 100010 北京市东城区朝内大街18 8号 (72)发明人 潘建东　徐政钧　刘逸雄　谷航宇　 (74)专利代理 机构 北京柏杉松知识产权代理事 务所(普通 合伙) 11413 专利代理师 孟维娜　项京 (51)Int.Cl. H04L 67/101(2022.01) H04L 67/1008(2022.01) H04L 67/1012(2022.01)G06F 9/50(2006.01) (56)对比文件 CN 114500405 A,2022.05.13 CN 109976917 A,2019.07.0 5 US 2020306632 A1,2020.10.01 US 2020311573 A1,2020.10.01 冯硕等.基 于深度学习的异构资源分配算法 研究. 《信息技 术》 .2020,(第01期), 审查员 黄菲 (54)发明名称 一种负载均衡方法、 装置、 设备以及存储介 质 (57)摘要 本发明实施例提供了一种负载均衡方法、 装 置、 设备以及存储介质， 涉及数据处理技术领域， 具体方案为： 响应于客户端发送的目标任务请 求， 获得响应目标任务请求所需资源的第一资源 信息； 根据各台服务器的当前负载的负载信息、 处于连接状态的长连接中对应于图文类型的任 务请求的第一连接的数量、 对应于音视频类型的 任务请求的第二连接的数量、 空闲的第三连接的 数量以及处于连接状态的长连接的平均创建耗 时， 获得各台服务器的可用资源的第二资源信 息； 根据第一资源信息和各第二资源信息， 从各 台服务器中分配目标服务器， 以使得目标服务器 与客户端针对目标任务请求建立长连接， 并响应 目标任务请求。 应用本发明实施例提供的方案能 够实现负载均衡 。 权利要求书4页 说明书18页 附图6页 CN 115134368 B 2022.11.25 CN 115134368 B 1.一种负载均衡方法， 其特 征在于， 所述方法包括： 响应于客户 端发送的目标任务请求， 若所述目标任务请求对应的数据类型为图文类 型， 根据响应图文类型对应的任务请求所需资源的历史资源信息， 获得响应所述 目标任务 请求所需资源的第一资源信息， 若所述 目标任务请求对应的数据类型为音视频类型， 根据 所述目标任务请求对应的数据特 征， 获得所述第一资源信息； 根据各台服务器的当前负载的负载信 息、 处于连接状态的长连接 中对应于图文类型的 任务请求的第一连接的数量、 对应于音视频类型 的任务请求的第二连接的数量、 空闲的第 三连接的数量以及处于连接状态的长连接的平均创建耗时， 获得各台服务器的可用资源的 第二资源信息； 根据所述第 一资源信 息和各第 二资源信 息， 从各台服务器中分配用于响应所述目标任 务请求、 且使得服务器间资源占用差异最小的目标服务器， 以使得所述 目标服务器与所述 客户端针对所述目标任务请求建立长连接， 并基于所建立的长连接响应所述目标任务请 求。 2.根据权利要求1所述的方法， 其特征在于， 所述根据各台服务器的当前负载的负载信 息、 处于连接状态的长连接中对应于图文类型 的任务请求的第一连接的数量、 对应于音视 频类型的任务请求的第二连接的数量、 空闲的第三连接的数量以及处于连接状态的长连接 的平均创建耗时， 获得 各台服务器的可用资源的第二资源信息， 包括： 按照以下 方式， 获得 各台服务器的可用资源的第二资源信息： 获得服务器的网络资源中当前被占用的带宽资源信 息， 并获得服务器的计算资源中当 前被占用的计算资源信息； 获得服务器处于连接状态的长连接中对应于图文类型的任务请求的第 一连接的数量、 对应于音视频类型的任务请求的第二连接的数量、 空闲的第三连接的数量以及处于连接状 态的长连接的平均创建耗时； 根据所述带宽资源信 息、 第一连接的数量、 第 二连接的数量、 第三连接的数量以及平均 创建耗时， 获得第一特 征； 根据所述计算资源信 息、 第一连接的数量、 第 二连接的数量、 第三连接的数量以及平均 创建耗时， 获得第二特 征； 根据所述第一特 征和所述第二特 征， 获得服 务器的可用资源的第二资源信息 。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述第一特征和所述第二特征， 获得服务器的可用资源的第二资源信息， 包括： 将所述第一特征和所述第 二特征输入预先训练的可用资源预测模型， 得到所述可用资 源预测模型输出的服 务器的可用资源的第二资源信息； 其中， 所述可用资源预测模型为： 以第一样本特征和第 二样本特征为输入， 以样本数据 中的可用资源的样本资源信息为监督信息， 对预设的第一神经网络模型进 行训练得到的用 于预测服 务器的可用资源的资源信息的模型； 所述样本数据为： 按照预设周期对样本服务器进行数据采集得到的数据； 所述第一样 本特征为： 根据所述样本数据中包括的样本带宽资源信息、 第一样本连接的数量、 第二样本 连接的数量、 第三样本连接的数量以及样本平均创建耗时获得 的特征， 所述第二样本特征 为： 根据样本计算资源信息、 第一样本连接的数量、 第二样本连接的数量、 第三样本连接的权　利　要　求　书 1/4 页 2 CN 115134368 B 2数量以及样本平均创建耗时获得的特 征。 4.根据权利要求1 ‑3中任一项所述的方法， 其特征在于， 所述根据响应图文类型对应的 任务请求所需资源的历史资源信息， 获得响应所述目标任务请求所需资源的第一资源信 息， 包括： 获得各台服务器在预设的第一历史时长内响应图文类型对应的任务请求所需带宽资 源的历史平均带宽资源信息； 获得各台服务器在所述第一历史时长内响应图文类型对应的任务请求所需计算资源 的历史平均计算资源信息； 获得根据所述第一历史时长内响应图文类型对应的任务请求所需带宽资源的历史最 大值和预设的第二历史时长内响应图文类型对应的任务请求所需带宽资源的平均值确定 的第一浮动系数； 获得根据所述第一历史时长内响应图文类型对应的任务请求所需计算资源的历史最 大值和所述第二历史时长内响应图文类型对应的任务请求所需计算资源的平均值确定的 第二浮动系数； 根据所述历史平均 带宽信息和所述第 一浮动系数获得带宽资源预测值， 并根据 所述历 史平均计算资源信息和所述第二浮动系数获得计算资源预测值， 得到所述带宽资源预测 值、 计算资源预测值表示的响应所述目标任务请求所需资源的第一资源信息 。 5.根据权利要求1 ‑3中任一项所述的方法， 其特征在于， 所述根据 所述目标任务请求对 应的数据特 征， 获得所述第一资源信息， 包括： 若所述目标任务请求对应的数据类型为音频子类型， 获得根据音频的比特率、 采样率 以及音频道数确定的数据特 征； 若所述目标任务请求对应的数据类型为视频子类型， 获得根据视频中画面的分辨率、 帧率、 码率以及视频中声 音的比特率、 采样率、 音频道数确定的数据特 征； 根据所述数据特 征， 获得所述第一资源信息 。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述数据特征， 获得所述第一资 源信息， 包括： 将所述数据特征输入预先训练 的所需资源预测模型， 获得所述所需资源预测模型输出 的第一资源信息， 其中， 所述所需资源预测模型为： 以样本数据特征为输入， 以响应样本任 务请求消耗资源的样本资源信息为监督信息， 对预设的第二神经网络模型进行训练得到 的、 用于预测响应音视频类型 所对应任务请求需要资源的资源信息的模型； 所述样本任务请求的数据类型为音视频类型； 在所述样本任务请求对应的数据类型为音频子类型的情况下， 所述样本数据特征为： 根据音频的样本比特率、 样本采样率以及样本音频道数获得的数据特征； 在所述样本任务 请求对应的数据类型为视频子类型 的情况下， 所述样本数据特征为： 根据视频中画面的样 本分辨率、 样本帧率、 样本码率以及视频中声音的样本比特率、 样本采样率、 样本音频道数 获得的数据特 征。 7.根据权利要求1 ‑3中任一项所述的方法， 其特征在于， 所述根据 所述第一资源信 息和 各第二资源信息， 从各台服务器中分配用于响应所述 目标任务请求、 且使得服务器间资源 占用差异最小的目标服 务器， 包括：权　利　要　求　书 2/4 页 3 CN 115134368 B 3