本发明涉及数据处理
技术领域：
，特别涉及一种核心银行系统的批量操作运行耗时预测方法及装置。
背景技术：
目前核心银行只能根据已有耗时记录，人工来计算已知批量操作(批量操作包括批量作业和批量模块，批量作业是批量执行的最小单位，实现整个批量运行中某一阶段功能。批量模块是若干批量作业组成批量的子模块)运行耗时，这样会耗时费力，且只能应对已发生的状况，没有针对批量作业操作运行耗时进行预测的功能。技术实现要素：本发明实施例提供了一种核心银行系统的批量操作运行耗时预测方法及装置，不采用人工来计算批量操作运行耗时，节省人力和时间，并且还可以对批量作业操作运行耗时进行预测，为风险防范和后期的优化提供参考依据。该核心银行系统的批量操作运行耗时预测方法包括：获取批量操作的耗时历史数据；基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数；基于已确定模型参数的一元线性回归模型，预测预定运行日期的批量操作的运行耗时。该核心银行系统的批量操作运行耗时预测装置包括：耗时历史数据获取模块，用于获取批量操作的耗时历史数据；模型参数确定模块，用于基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数；预测模块，用于基于已确定模型参数的一元线性回归模型，预测预定运行日期的批量操作的运行耗时。本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述方法。本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述所述方法的计算机程序。在本发明实施例中，采用如下方式预测运行耗时：获取批量操作的耗时历史数据；基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数；基于已确定模型参数的一元线性回归模型，预测预定运行日期的批量操作的运行耗时。与现有技术相比，本发明不采用人工来计算批量操作运行耗时，节省了人力和时间，并且还可以对批量作业操作运行耗时进行预测，为风险防范和后期的优化提供参考依据。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本发明实施例提供的一种核心银行系统的批量操作运行耗时预测方法流程图一；图2是本发明实施例提供的一种核心银行系统的批量操作运行耗时预测方法流程图二；图3是本发明实施例提供的一种核心银行系统的批量操作运行耗时预测方法流程图三；图4是本发明实施例提供的一种核心银行系统的批量操作运行耗时预测方法流程图四；图5是本发明实施例提供的一种预测运行耗时曲线示意图；图6是本发明实施例提供的一种核心银行系统的批量操作运行耗时预测装置的一种结构框图一；图7是本发明实施例提供的一种核心银行系统的批量操作运行耗时预测装置的一种结构框图二；图8是本发明实施例提供的一种核心银行系统的批量操作运行耗时预测装置的一种结构框图三；图9是本发明实施例提供的一种核心银行系统的批量操作运行耗时预测装置的一种结构框图四。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。在本发明实施例中，提供了一种核心银行系统的批量操作运行耗时预测方法，如图1所示，该方法包括：步骤101：获取批量操作的耗时历史数据；步骤102：基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数；步骤103：基于已确定模型参数的一元线性回归模型，预测预定运行日期的批量操作的运行耗时。具体实施时，所述耗时历史数据包括批量操作的运行起止时间(包括运行起止日期和起止时间段)、批量操作的运行耗时和批量操作的运行环境信息。批量操作运行环境(以下简称job_class)包括第一运行环境信息(以下简称l，表示作业运行能提供的资源较少，作业排队等待时间较长，竞争激烈)和第二运行环境信息(以下简称m，表示作业运行环境资源比l多，排队等待时间相对减少)，其中，所述第一运行环境信息与实际(当前)批量操作的运行环境相匹配，所述第二运行环境信息与实际(当前)批量操作的运行环境不匹配。具体的，由于核心银行在p601批次后，下传作业(完成批量执行步骤的最后一步作业，通常为下传结果文件到各外围系统)的job_class都变为l(在此之前是m，运行资源多、速度比l快十几到上百倍)，而当前批量环境中下传作业的job_class为l，预测用到的数据源应该与实际生产一致，所以对于job_class为m的下传作业的耗时，对实际预测干扰很大，视为噪声。因此应该选用l的数据，才能匹配真实环境，通过数据库的筛选去掉job_class为m的下传作业，剔除出数据源。因此，如图2所示，在步骤101之后还可以包括步骤104：将所述耗时历史数据分成第一耗时历史数据和第二耗时历史数据，其中，第一耗时历史数据中的运行环境信息为第一运行环境信息(job_class为l)，第二耗时历史数据中的运行环境信息为第二运行环境信息(job_class为m)；步骤105：删除第二耗时历史数据。具体实施时，由于批量操作在工作日、周末、节假日、结息日、特殊网购日运行耗时有明显不同。因此，如图3所示，在步骤101之后还可以包括步骤106：按照预设分类规则对所述批量操作的耗时历史数据进行分类；步骤107：将分类后的耗时历史数据放入相应的批量操作池(程序中用来存储同一类型批量操作数据的变量)。步骤103具体包括：采用多线程方式(线程：运行中的程序的调度单位，拥有运行中必不可少的资源，可独立运行的基本单位。多线程：为了使多个线程并行的工作以完成多项任务，提高系统效率。多线程在同一时间需要完成多项任务的时候被实现的)，将批量操作池中的所述分类后的耗时历史数据分别代入一元线性回归模型，确定相应的一元线性回归模型的模型参数；其中，所述预设分类规则为：按照批量操作的运行起止时间的不同，将所述耗时历史数据分成不同的类别。步骤106和107的执行可以是在执行完步骤104和105之后，也可以是在执行步骤104和105之前。具体实施时，本发明采用一元线性回归模型来预测批量操作的运行耗时。首先介绍一下回归分析和一元线性回归。其中回归分析：研究一个变量关于另一个变量的依赖关系的计算方法和理论。其目的在于通过后者的已知或设定值，去估计和预测前者的均值。而一元线性回归：如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。本发明采用的一元线性回归模型的形式如下：h＝k*x+b+dt；其中，h表示批量操作的运行耗时，x表示批量操作的运行日期；k、b、dt表示模型参数。coe[b，k]表示回归系数，dt表示偏差。刚开始一元线性回归模型中的k、b、dt是未知的，需要利用耗时历史数据来计算，用到的是耗时历史数据中的运行起止时间和运行耗时数据。首先采集若干运行起止时间和运行耗时数据的历史数据，分别求运行起止时间和运行耗时数据的平均值，将运行起止时间和运行耗时数据的平均值代入一元线性回归模型中的x和h，计算出k、b、dt。由于编程语言的日期从1970.1.1开始算起，因此，在实际计算时x需要减去1970/01/01。在算出一元线性回归模型的k、b、dt后，得到已知的一元线性回归模型，然后设定要预测的批量操作的执行日期，将要预测的批量操作的执行日期代入一元线性回归模型，算出h。具体实施时，当预测多个预定日期的批量操作的运行耗时，可以根据获得的这些运行耗时和多个预定日期计算预测运行耗时曲线(步骤108)，将所述预测运行耗时曲线进行展示(步骤109)，如图4所示。展示形式为：日期--耗时。举例说明本发明方法的过程。1、数据预处理11.获取耗时历史数据，过滤其中job_class为m的数据，保留job_class为l的数据；耗时历史数据如表1所示：表1start_datestart_timeend_dateend_timejobnameseconds2016-01-0417:39:472016-01-0417:40:02sip1resy152016-01-0418:00:002016-01-0418:00:01time180012016-01-0418:00:002016-01-0418:00:01time180012016-01-0418:00:002016-01-0418:00:02time180022016-01-0418:00:022016-01-0418:00:02djbatsta012.根据批量操作运行开始日期(start_date)、结束日期(end_date)、开始时间(start_time)、结束时间(end_time)对耗时历史数据进行数据分类。分类后，按照每个批量操作的名称(jobname)、运行时间(seconds)存储。2、模型参数计算利用分类后的数据，计算一元线性回归模型中的模型参数。计算出来的模型参数数据如表2所示。表2针对每类批量操作，根据计算出来的模型参数，确定相对应的一个一元线性回归模型。3、运行耗时计算针对每类批量操作，预设预定的运行日期，根据相应的一元线性回归模型，确定该预定运行日期内批量操作的运行耗时。根据多个预定运行日期内批量操作的运行耗时确定预测运行耗时曲线，如图5所示，然后将预测运行耗时曲线展示给用户。基于同一发明构思，本发明实施例中还提供了一种核心银行系统的批量操作运行耗时预测装置，如下面的实施例所述。由于核心银行系统的批量操作运行耗时预测装置解决问题的原理与核心银行系统的批量操作运行耗时预测方法相似，因此核心银行系统的批量操作运行耗时预测装置的实施可以参见核心银行系统的批量操作运行耗时预测方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。图6是本发明实施例的核心银行系统的批量操作运行耗时预测装置的一种结构框图，如图6所示，包括：耗时历史数据获取模块601，用于获取批量操作的耗时历史数据；模型参数确定模块602，用于基于一元线性回归模型，根据所述耗时历史数据，确定一元线性回归模型的模型参数；预测模块603，用于基于已确定模型参数的一元线性回归模型，预测预定运行日期的批量操作的运行耗时。下面对该结构进行说明。具体实施时，所述耗时历史数据包括批量操作的运行起止时间、批量操作的运行耗时和批量操作的运行环境信息。具体实施时，所述批量操作的运行环境信息包括第一运行环境信息和第二运行环境信息，其中，所述第一运行环境信息与实际批量操作的运行环境相匹配，所述第二运行环境信息与实际批量操作的运行环境不匹配；如图7所示，该核心银行系统的批量操作运行耗时预测装置还包括：第一分类模块604，用于在获取批量操作的耗时历史数据之后，将所述耗时历史数据分成第一耗时历史数据和第二耗时历史数据，其中，第一耗时历史数据中的运行环境信息为第一运行环境信息，第二耗时历史数据中的运行环境信息为第二运行环境信息；删除模块605，用于删除第二耗时历史数据。具体实施时，如图8所示，该核心银行系统的批量操作运行耗时预测装置还包括：第二分类模块606，用于在获取批量操作的耗时历史数据之后，按照预设分类规则对所述批量操作的耗时历史数据进行分类；批量操作池模块607，用于将分类后的耗时历史数据放入相应的批量操作池；所述模型参数确定模块602具体用于：采用多线程方式，将批量操作池中的所述分类后的耗时历史数据分别代入一元线性回归模型，确定相应的一元线性回归模型的模型参数；其中，所述预设分类规则为：按照批量操作的运行起止时间的不同，将所述耗时历史数据分成不同的类别。具体实施时，所述一元线性回归模型的形式如下：h＝k*x+b+dt；其中，h表示批量操作的运行耗时，x表示批量操作的运行日期；k、b、dt表示模型参数。具体实施时，如图9所示，该核心银行系统的批量操作运行耗时预测装置还包括：曲线确定模块608，用于根据预定运行日期的批量操作的运行耗时确定预测运行耗时曲线；展示模块609，用于将所述预测运行耗时曲线进行展示。本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述方法。本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述所述方法的计算机程序。综上所述，本发明提出的核心银行系统的批量操作运行耗时预测方法，结合核心银行系统批量作业/模块耗时数据的特点，增加了数据筛选、分类，减少了噪声数据的干扰，强化每个分类的耗时趋势。采用多线程方式计算模型参数，降低数据库访问次数，提高运算效率。与现有技术相比，不采用人工来计算批量操作运行耗时，节省人力和时间，并且还可以对批量作业操作运行耗时进行预测，为风险防范和后期的优化提供参考依据。本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12