[发明专利]一种缓存用户的方法和装置

说明书

本发明实施例提供一种缓存用户的方法和装置，通过主成分分析，找出影响用户接口耗时的主要特征；使用用户接口访问数据，实时训练回归模型，预测用户请求接口的耗时，并结合用户活跃度特征，使用变异系数法计算出用户缓存指数，根据缓存指数自动化圈定长尾用户群。达到了提高了用户接口的缓存命中率，降低了接口慢速比，实现了缓存收益最大化的效果。

技术领域

本发明涉及数据挖掘领域，尤其涉及一种缓存用户的方法和装置。

背景技术

提升用户接口性能，降低用户请求接口耗时常用方法是提前缓存用户数据。有着亿级用户量微博视频，提前缓存所有用户的数据，成本太高。缓存用户挖掘是通过数据挖掘的手段，从海量用户中挖掘出最需要缓存的那部分用户，实现缓存收益最大化。

业界常用缓存用户挖掘方法主要有规则法、随机抽取法等，这些方法易于实现，可操作性强，但是存在以下缺点：

缺点一：缓存命中率低，造成缓存资源浪费。基于规则或随机抽取的方式圈定用户，存在很大的概率将不活跃用户缓存。

缺点二：不能解决用户接口性能的长尾问题，例如系统中始终有1％的用户存在接口请求满的问题，但难以解决。一个成熟互联网产品优化到后期，会面临一个抉择，要花多少成本来解决长尾问题是最合理的。

发明内容

本发明实施例提供一种缓存用户的方法和装置通过合理缓存用户解决了用户请求接口缓存命中率低以及缓存性能长尾的问题。

一方面，本发明实施例提供一种缓存用户的方法，包括：

统计分析所述指定用户范围内每个用户的第一指定时间范围内的历史日志数据，根据相应用户在所述第一指定时间范围内的接口请求次数得到相应用户的活跃评价指标，并使用活跃标签或不活跃标签标记相应用户；其中，所述历史日志数据包括所述接口请求次数；

针对所述活跃标签对应的每个用户，使用预先训练的回归模型根据该用户的第二指定时间范围内的历史日志数据中记录的特征日志数据，预测得到该用户在第二指定时间范围内的接口请求耗时作为该用户的预测接口请求耗时；并且，

使用该用户的所述预测接口请求耗时和所述活跃评价指标确定用户缓存指数；

将所述用户缓存指数满足指定缓存规则的未缓存用户进行缓存；

其中，所述特征日志数据是在历史日志数据中，预先指定的敏感特征集中的特征对应的日志数据；

所述第一指定时间范围包括所述第二指定时间范围。

进一步地，所述活跃评价指标还包括：活跃时长和活跃请求次数；

所述使用该用户的所述预测接口请求耗时和所述活跃评价指标确定用户缓存指数，具体为：

按以下指定算法对应的公式计算用户缓存指数：

用户缓存指数＝a*T+b*D+c*F；

其中，T是当前用户对应的预测接口请求耗时；D是当前用户对应的活跃时长；F是当前用户对应的活跃请求次数；a是当前用户对应的预测接口请求耗时的耗时权重；b是当前用户对应的活跃时长的时长权重；c当前用户对应的活跃请求次数的次数权重。

进一步地，还包括：

根据变异系数法计算所述活跃标签对应的每个用户的预测接口请求耗时的耗时权重、活跃时长的时长权重和活跃请求次数的次数权重。

进一步地，预先根据所有用户的历史日志数据通过特征工程得到影响接口请求耗时的特征构成所述预先指定的敏感特征集，具体包括：

使用主成分分析法分析预先指定的待选特征集中的每个特征在所有用户的历史日志数据中对应的日志数据得到影响接口请求耗时的特征构成所述预先指定的敏感特征集；