[发明专利]银行后台任务跑批时间的相关性分析方法及装置

说明书

本发明公开了一种银行后台任务跑批时间的相关性分析方法及装置，其中，方法包括：采集银行系统的交易系统信息，其中，交易系统信息包括系统状态量信息和银行周期性任务跑批时间；根据交易系统信息和当前交易情况得到跑批时间相关性分析模型的数据集；根据跑批时间相关性分析模型的数据集建立跑批时间相关性分析模型，以得到相关性分析结果。该方法可以建立跑批时间相关性分析模型，从而推测出银行后台任务跑批时间与众多系统状态量之间的相关性，提高分析的准确度和效率，简单易实现。

技术领域

本发明涉及计算机应用与银行技术领域，特别涉及一种银行后台任务跑批时间的相关性分析方法及装置。

背景技术

目前，银行系统的安全性和高效性就尤为重要，其中安全性更是银行系统的命脉，但是即使如此，银行方面大规模的故障仍时有发生。并且大规模的故障往往不是由前台的工作失误造成的，因为银行前台周全的交易步骤几乎可以杜绝人为失误的发生，而即使失误发生也是一两笔交易的小规模的错误。大规模的故障往往都是由后台的系统的故障造成的。因此，想要更加有效的避免银行故障的发生，我们应该着重从后台系统下手。但是银行后台系统往往十分复杂，造成故障的原因更是多种多样，可能由：银行之间的链接网络，系统状态量与系统状态的不匹配，用于运行交易程序的服务器等等产生故障。而其中的一个故障往往会造成一系列的连锁反应，比如，当数据库发生瘫痪时，所有的交易请求就会开始堆积，从而导致服务器的资源不足；相反，如果服务器的内存产生泄漏，那么渐渐的系统资源会越来越少，从而导致数据库的运行所需资源不足，最终瘫痪。由此可见，后端的系统相关性相当复杂，想要通过规则方法直接分析出故障产生的原因几乎不可能。故障产生的次数虽然稀少，但是并不是无规律可循，根据银行方面的经验，在故障发生之前往往系统会产生一些异常的状态，而系统的状态往往比故障更加容易监测，我们可以通过实时的监测分析系统的参数，从而预测故障将会何时发生，这也是人工智能中的一个重要的研究领域。

一个准确的故障预测可以在故障发生之前提前给人们做出警告，从而可以使用例如故障排查、数据备份以及软件硬件设备重启等恰当的方式进行应对。评价一个系统的稳定性可以从可靠性和可用性两个指标来评价。这里可靠性是指系统发生故障的几率，对于银行系统来说可靠性往往是很高的，即极少的情况会发生故障，因此从可靠性的角度很难对系统的性能做出一个提升；而可用性是指故障后，系统恢复所需要的时间的长短，这个性能指标在实际使用的过程中也是十分重要的。通过故障预测方法可以提前预测采取对应措施，从而在一定的可靠性的条件下，加速系统恢复速度，提升系统的可用性，改善系统性能。另一方面，既然我们知道了和故障相关的一些系统参数，那么我们就可以通过对这些参数进行人为限制和调整从而在预先的避免故障的发生，在一定的程度上提高系统额可靠性。

由于银行系统的私密性，因此很难找到针对于银行交易系统的故障预测相关文献。但是故障预测这个问题一直是人工智能领域的一个大方向。人们对于系统故障的预测方法研究历史已经超过了30年，随着系统不断的变得复杂，故障预测的方法也在与时俱进的发展。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种银行后台任务跑批时间的相关性分析方法，该方法可以提高分析的准确度和效率，简单易实现。

本发明的另一个目的在于提出一种银行后台任务跑批时间的相关性分析装置。

为达到上述目的，本发明一方面实施例提出了一种银行后台任务跑批时间的相关性分析方法，包括以下步骤：采集银行系统的交易系统信息，其中，所述交易系统信息包括系统状态量信息和银行周期性任务跑批时间；根据所述交易系统信息和当前交易情况得到跑批时间相关性分析模型的数据集；根据所述跑批时间相关性分析模型的数据集建立跑批时间相关性分析模型，以得到相关性分析结果。