(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210550751.5 (22)申请日 2022.05.20 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 龚雪　周怡　方海婷　许超　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 周春枚 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 20/38(2012.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G06F 9/50(2006.01) (54)发明名称 交易系统的性能调节方法及装置、 存储介 质、 电子设备 (57)摘要 本发明公开了一种交易系统的性能调节方 法及装置、 存储介质、 电子设备。 涉及金融科技领 域， 其中， 该方法包括： 选 取目标交易系统的系统 特征； 获取历史预设时间段内每个系统特征的历 史数据， 其中， 历史数据用于训练得到目标交易 系统的神经网络模型， 神经网络模 型用于预估目 标交易系统在下一时间段内的交易参数； 根据神 经网络模型输出的交易参数， 计算目标交易系统 的性能评价期望值； 根据目标交易系统的性能评 价期望值， 选取与性能评价期望值对应的系统交 易策略， 以调整目标交易系统在处理业务交易时 的系统性能指标。 本发明解决了相关技术中交易 系统的性能固定， 无法动态适应突发的交易量改 变的情况， 造成系统资源利用率低的技 术问题。 权利要求书2页 说明书13页 附图3页 CN 114841456 A 2022.08.02 CN 114841456 A 1.一种交易系统的性能调节方法， 其特 征在于， 包括： 选取目标交易系统的系统特 征； 获取历史预设时间段内每个所述系统特征的历史数据， 其中， 所述历史数据用于训练 得到所述目标 交易系统的神经网络模型， 所述神经网络模型用于预估所述目标交易系统在 下一时间段内的交易 参数； 根据所述神经网络模型输出的所述交易参数， 计算所述目标交易系统的性能评价期望 值； 根据所述目标交易系统 的性能评价期望值， 选取与所述性 能评价期望值对应的系统交 易策略， 以调整所述目标交易系统在处 理业务交易时的系统性能指标。 2.根据权利要求1所述的性能调节方法， 其特征在于， 在获取历史预设时间段内每个所 述系统特 征的历史数据之后， 还 包括： 对所述历史数据进行 预处理， 并将预处 理后的所述历史数据划分为训练集和验证集； 构建初始网络模型； 将所述训练集输入至所述初始网络模型， 以训练所述初始网络模型， 确定所述初始网 络模型的模型参数； 将所述验证集输入至训练后的所述初始网络模型中， 得到所述初始网络模型输出的交 易预估参数； 在所述交易预估参数达到预设参数范围的情况下， 确定所述初始网络模型为所述目标 交易系统的神经网络模型。 3.根据权利要求2所述的性能调节方法， 其特征在于， 对所述历史数据进行预处理， 并 将预处理后的所述历史数据划分为训练集和验证集的步骤， 包括： 获取所述历史数据中出现缺失部分的第一数据集 合和出现重复部分的第二数据集 合； 计算出现所述第 一数据集合所属的时间段内的平均数据值或者数据极值， 并采用所述 平均数据值或者数据极值 填充所述出现缺失部分的数据； 删除出现重复部分的所述第二数据集 合； 获取所述历史数据中的异常数据和无效数据； 删除所述异常数据和所述无效数据； 对所述历史数据进行归一 化处理， 完成对所述历史数据进行 预处理工作。 4.根据权利要求1所述的性能调节方法， 其特征在于， 根据 所述神经网络模型输出的所 述交易参数， 计算所述目标交易系统的性能评价期望值的步骤， 包括： 获取所述目标交易系统的系统负载系数； 基于所述系统负载系数和所述交易 参数， 计算所述目标交易系统的并发参数； 基于所述并发参数和预 先配置的响应时长， 计算所述目标交易系统的事务处 理参数； 基于所述并发参数和每个系统容器的交易处理参数， 计算所述目标交易系统所需的系 统容器数量； 基于所述并发参数、 所述事务处理参数和所述目标交易系统所需的系统容器数量， 计 算所述目标交易系统的性能评价期望值。 5.根据权利要求1所述的性能调节方法， 其特征在于， 在根据所述目标交易系统 的性能 评价期望值， 选取与所述 性能评价期望值对应的系统 交易策略之后， 还 包括：权　利　要　求　书 1/2 页 2 CN 114841456 A 2在运行所述目标交易系统后， 根据预设巡检策略对所述目标交易系统进行健康检测， 得到健康检测值； 在所述健康检测值 位于健康阈值范围内的情况 下， 控制所述目标交易系统继续 运行； 在所述健康检测值不在健康阈值范围内的情况下， 采用所述神经网络模型重新预估交 易参数， 并更新所述目标交易系统的性能评价期望值， 以调整系统机制。 6.根据权利要求5所述的性能调节方法， 其特征在于， 根据 预设巡检策略对所述目标交 易系统进行健康检测， 得到健康检测值的步骤， 包括： 根据预设巡检策略， 采集所述目标交易系统的交易响应时长、 内存使用率、 CPU 使用率； 基于所述目标交易系统的交易响应时长、 内存使用率、 CPU使用率， 确定所述健康检测 值。 7.根据权利要求1所述的性能调节方法， 其特征在于， 在所述神经网络模型为长短期记 忆人工神经网络LSTM模型的情况下， 所述LSTM模型包括多层记忆单元结构， 每层所述记忆 单元结构包括： 输入门、 遗 忘门、 输出门和细胞状态， 其中， 所述输入门： 用于确定需要在 细胞状态中保存的交易历史数据； 所述遗忘门： 用于选择符合预设要求的交易历史数据， 并删除不符合预设要求的交易 历史数据； 所述输出门： 用于确定神经 元的输出 数据， 确定下一个神经 元的输入数据； 所述细胞状态： 对上一个细胞的更新， 丢弃不需保留的交易历史数据。 8.一种交易系统的性能调节装置， 其特 征在于， 包括： 选取单元， 用于选取目标交易系统的系统特 征； 获取单元， 用于获取历史预设时间段内每个所述系统特征的历史数据， 其中， 所述历史 数据用于训练得到所述目标 交易系统的神经网络模型， 所述神经网络模型用于预估所述目 标交易系统在下一时间段内的交易 参数； 计算单元， 用于根据所述神经网络模型输出的所述交易参数， 计算所述目标交易系统 的性能评价期望值； 调整单元， 用于根据所述目标交易系统的性能评价期望值， 选取与所述性能评价期望 值对应的系统 交易策略， 以调整所述目标交易系统在处 理业务交易时的系统性能指标。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质用于存储的计算 机程序， 其中， 在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利 要求1至7中任意 一项所述的交易系统的性能调节方法。 10.一种电子设备， 其特征在于， 包括一个或多个处理器和存储器， 所述存储器用于存 储一个或多个程序， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所 述一个或多个处 理器实现权利要求1至7中任意 一项所述的交易系统的性能调节方法。权　利　要　求　书 2/2 页 3 CN 114841456 A 3