[发明专利]基于深度学习的线程池自适应容量调整方法和装置

说明书

本申请提供了一种基于深度学习的线程池自适应容量调整方法和装置，涉及计算机技术领域。该方法获取线程池的当前运行数据；将线程池的当前运行数据输入预先训练的线程池容量配置模型，利用线程池容量配置模型对线程池的当前运行数据对应的线程配置量进行预测，得到线程池的当前线程配置量；根据线程池的当前线程配置量调整线程池的当前线程数量。可以看到，本申请实施例通过深度学习的方法，设置一随机或经验估算的线程池大小初始值后，将一段历史时间内的线程池设置情况与实际使用状况作为输入，可以构建模型实时预测未来的使用情况，从而动态调整线程池大小，能够实现一种无需人工监控与经验、自适应的线程池容量调整方法，节省了资源。

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于深度学习的线程池自适应容量调整方法和装置。

背景技术

线程池是一种多线程处理形式，处理过程中将任务添加到队列，然后在创建线程后自动启动这些任务。线程池线程可以是后台线程，每个线程都使用默认的堆栈大小，以默认的优先级运行，并处于多线程单元中。如果某个线程在托管代码中空闲，如正在等待某个事件，则线程池将插入另一个辅助线程来使所有处理器保持繁忙。如果所有线程池线程都始终保持繁忙，但队列中包含挂起的工作，则线程池将在一段时间后创建另一个辅助线程但线程的数目永远不会超过最大值。超过最大值的线程可以排队，但它们要等到其他线程完成后才启动。

线程池技术可以用于提升计算机系统的响应速度、稳健性和整体性能，通过提供若干个固定线程，轮流为大量的任务服务，当一个线程完成任务时，并不马上销毁，而是接手另一个任务，从而减少创建和销毁线程的资源消耗，可以最大程度的利用系统资源。目前对于线程池容量的处理方式通常是设置一最小值和最大值，线程池实际保有的线程数在此区间内自动扩充。然而，实际程序的执行情况和线程需求可能非常复杂，一次性设定的线程池最小值和最大值可能并不合适。若线程池的容量太小，导致所有的任务都在排队等待进入线程池，造成堵塞；而线程池的容量太大，则会造成系统资源的浪费，因此需要不断根据实际情况观测调整，对于缺乏经验的编码者来说此过程可能更加困难。

综上所述，如何有效地对线程池进行容量调整成为当前亟需解决的技术问题。

发明内容

鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的基于深度学习的线程池自适应容量调整方法和装置。所述技术方案如下：

第一方面，提供了一种基于深度学习的线程池自适应容量调整方法，包括以下步骤：

获取线程池的当前运行数据；

将所述线程池的当前运行数据输入预先训练的线程池容量配置模型，利用所述线程池容量配置模型对所述线程池的当前运行数据对应的线程配置量进行预测，得到线程池的当前线程配置量；

根据所述线程池的当前线程配置量调整所述线程池的当前线程数量。

在一种可能的实现方式中，通过以下步骤训练线程池容量配置模型：

构建初始的线程池容量配置模型；

收集指定历史时间内的线程池容量设置情况和线程池实际运行数据；

将指定历史时间内的线程池容量设置情况和线程池实际运行数据输入所述初始的线程池容量配置模型，对所述初始的线程池容量配置模型进行训练，得到训练的线程池容量配置模型。

在一种可能的实现方式中，所述线程池的当前运行数据包括线程池能够处理的业务量、线程池的业务访问量以及线程池的业务处理时长中的一种或多种。

在一种可能的实现方式中，根据所述线程池的当前线程配置量调整所述线程池的当前线程数量，包括：

计算所述线程池的当前线程配置量与当前时刻的线程池最大值的差值；