供应商酒店价格请求调度器系统的制作方法

本发明属于酒店管理领域，具体属于互联网技术领域，其涉及一种供应商酒店价格请求调度器系统，应用于全球酒店资源线上分销。

背景技术

目前在酒店分销行业，针对酒店资源的使用问题，主要采用的是被动缓存的策略，既当有分销端请求过来后，将价格请求下发到供应商处，获取到结果后在缓存到自身平台中，而不会由自身系统主动选取酒店进行价格获取并记录到自身平台中，这就导致酒店数据具有滞后性和被动性，不能更好的为分销端提供优质可靠的酒店数据。另外一种情况是对供应商酒店进行无差别请求，循环扫描供应商酒店信息，到时酒店数据有效性差且存在资源浪费的问题。

cn107316231a公开了酒店价格信息推送方法、系统以及存储介质，其中酒店价格信息推送方法包括：筛选出具有库存客房的酒店；排序形成酒店优先级列表；按照酒店优先级列表获取各酒店各房型的外部网站价格；获取客户端查询信息，判断对应的各酒店各房型是否有匹配的外部网站价格，若有，则根据该酒店该房型的预设最低价、该酒店该房型的资源方底价及该酒店该房型的外部网站价格设定该酒店该房型的实时价格；若无，则根据该酒店该房型的资源方底价、该酒店其他房型的外部网站价格及该酒店其他房型的资源方底价设定该酒店该房型的实时价格；将实时价格推送至客户端。

cn106647458a公开了一种酒店控制系统，所述系统包括服务器、控制器、智能终端；所述控制器通过通信模组与所述服务器连接，所述服务器包括数据存储器，所述数据存储器用于存储所述服务器接收到的数据；所述控制器与所述智能终端连接；所述控制器用于接收来自所述智能终端的反馈信息，并向所述智能终端发送控制信息；所述智能终端根据所述控制信息，执行相对应的终端任务；所述智能终端包括门牌终端、路径指引终端以及开关控制终端。

cn106909611a公开了一种基于文本信息抽取的酒店自动匹配方法，该方法为：1)对目标酒店的酒店信息进行要素提取，对待匹配酒店的酒店信息进行要素提取；2)根据步骤1)提取的要素，采用决策树算法计算目标酒店与该待匹配酒店之间的匹配度。

cn101697222a公开了一种酒店分销业务转换系统，包括客户端和带有若干端口的业务转换服务器，所述客户端通过网络分别连接所述业务转换服务器，所述客户端包括买方客户端和卖方客户端；所述业务转换服务器将所述卖方客户端与买方客户端的信息按要求转换为统一的数据交换协议以及业务流程；所述业务转换服务器中设有流量计费单元，按预设的标准计算流量。

cn107507055a公开了一种b2c旅游分销网站管理方法，包括数据服务器，数据服务器的内部设置有前台展示模块、pc端模块、移动端模块、后台管理模块、分销模块、系统推送服务模块、咨询管理模块，分销模块包含有旅游景点展示单元、旅游订单接收单元、店铺订单查看单元，结算单元，前台展示模块包含有用户注册和用户登陆模块，用户登录进入之后显示有用于促销活动的专区单元，专利区单元包含有景区介绍及价格详情，选中之后的订单进入购物车，购物车通过支付模块之后进入到后台管理模块。

然而，本发明人发现，随着公司业务不断扩展，平台上售卖的全球酒店资源越来越丰富，数量也越来越多，而酒店每天的价格信息和库存等信息都属于不断变化的，但是供应商开放的每秒中请求酒店价格的次数又非常有限，所以为了提高分销端请求酒店信息时的时效性，现提出一套针对供应商酒店数据进行主动缓存价格的方案，利用供应商系统不繁忙时的请求额度，在系统中维护一批酒店的价格数据，供分销端使用。技术问题在于针对平台中海量的酒店资源，每天的价格信息都在不断变化中，如何挑选出一批有价值的酒店，并且确定出这家酒店售卖的时间窗口。根据供应有限的请求配额，合理分配每个任务的下发时间点，在根据系统的运行的反馈，调整任务下发的周期，最终，在不断追求缓存系统内酒店日期信息准确性高的前提下，不断提高系统内存有的酒店量。另外，在现有的流量控制系统中，未考虑到不同供应商所允许的请求次数和时间，并且对所获取的信息缺乏有效的信息特征提取和分析，给分销商和供应商都造成额外的压力。

本领域需要一种能够筛选出有价值的酒店并且能够确定出这家酒店售卖的时间窗口的供应商酒店价格请求调度器系统。

技术实现要素：

为解决上述技术问题，本发明人经过深入研究和大量测试，以及与科研机构联合研发，提供了以下技术方案，有效地解决了上述技术问题。

在本发明的一方面，提供了一种供应商酒店价格请求调度器系统，该系统包括任务控制和分析模块、，所述任务控制和分析模块对酒店维度进行选取，将酒店分为三类：人工指定酒店，热门酒店，和感兴趣酒店。

优选地，所述调度器系统还包含存储模块和存储管理模块。

所述存储模块和存储管理模块能够实现对供应商酒店数据（例如价格、订单、日期）进行主动缓存，利用供应商系统不繁忙时的请求额度，在系统中维护一批酒店的信息数据例如价格数据，供分销端使用。

优选地，所述酒店维度包括价格、时间、订单量、订单日期中的至少一种。

优选地，所述人工指定酒店是由人为在所述系统中控制酒店的上下线。

优选地，热门酒店由所述系统根据平台中已经产生订单的酒店进行筛选，筛选的维度包括订单量及订单日期等维度。

优选地，感兴趣酒店是所述系统根据对平台一段时间内访问量较高的酒店信息进行评估，筛选出潜在的可能产生请求及订单的酒店。

优选地，所述任务控制和分析模块包括任务获取子模块、酒店信息特征提取和分析子模块、任务下发子模块，所述酒店信息特征提取和分析子模块对获取的任务进行信息特征提取和分析。

优选地，所述酒店信息特征提取和分析子模块在感兴趣酒店和热门酒店的筛选中，依据价格、时间、订单量、订单日期中的至少1种维度来进行。

优选地，所述酒店信息特征提取和分析子模块在感兴趣酒店和热门酒店的筛选中，依据价格、时间、订单量、订单日期中的至少2种维度来进行。

优选地，所述酒店信息特征提取和分析子模块在感兴趣酒店和热门酒店的筛选中，依据价格、时间、订单量、订单日期中的至少3种维度来进行。

优选地，所述存储模块为flash存储器。

本领域知晓，酒店数量非常大，并且酒店信息的数据信息非常丰富并且实时更新非常快，因此本发明采取了flash存储器以满足上述要求。

优选地，所述flash存储器选用1个或多个256m字节的k9f5608u存储器，其为8位数据总线，该存储器由控制引脚直接控制，所述任务控制和分析模块的cpu分配给它的地址空间为0x00000000-0x01ffffffa，启动代码部分放在从0x00000000开始的地址空间内，任务控制和分析模块的cpu的引脚om[1:0]设置成00b，当cpu板上电复位时，系统首先将flash开始的0-4k的程序映射到steppingstone区，然后于此开始执行。

优选地，所述flash存储器可以存放数据和程序，并且能够在特定的指令下进行读写。

此外，本发明还设置了存储管理模块对所述flash存储器进行管理。所述存储管理模块能够将虚拟地址变换成物理地址以及控制存储器访问权限。

在所述任务控制和分析模块进行酒店数据加载时，存储管理模块则被驱动，使得访问设备地址需要使用虚拟地址。如果此时对实际物理地址进行访问，系统会出现访存错误，导致立刻崩溃。因此，本发明的存储管理模块能够首先将物理地址与虚拟地址的对应关系设置到转换旁路缓冲器，然后通过访问虚拟地址对设备i/o端口和设备缓冲区进行访问。

更进一步地，在本发明的一个优选方面，在所述任务控制和分析模块中，所述任务获取子模块每秒钟发送请求，从酒店供应商任务池中获取任务；所述任务信息特征提取和分析子模块对获取的任务进行信息特征提取和分析；所述任务下发子模块根据任务信息特征提取和分析模块的结果，确定任务的下发。

所述任务获取子模块通过远程有线或无线通信从供应商任务池获取任务。

优选地，所述供应商包括酒店供应商。所述供应商任务池可以为供应商的服务器的实时数据库。

优选地，所述任务信息特征提取包括对任务参数进行提取，所述任务参数包括请求的来源、酒店名称、城市、日期等维度的信息。

优选地，所述任务信息分析包括对提取的信息进行分析，其中：当任务池积压数达到一定阈值的时候触发筛选丢弃策略。

优选地，所述任务信息分析包括对提取的信息进行分析，其中：计算和评估请求或下发的必要性。

优选地，所述任务下发子模块根据任务信息特征提取和分析模块的结果，将任务进行即刻下发或延迟下发。

优选地，所述任务获取子模块根据任务信息特征提取和分析模块的结果，选择性地舍弃某个或某些请求。

优选地，所述任务获取子模块包括ddr存储器。

在本发明的一个优选实施方案方式中，所述任务获取模块还包括ddr控制器。

在现有技术中，ddr控制器对数据的封装处理和读写控制方法难以很好地兼顾数据访问的可靠性和有效性，且容错纠错能力较低、内存管理复杂。

本发明提供了一种改进的ddr控制器，即本发明的ddr控制器为改进的ddr控制器。该ddr控制器主要包括：多净荷包组装模块、写转义模块、读反向转义模块、多净荷包解封装模块、读写控制逻辑和存储器接口逻辑。

在该ddr控制器中，多净荷包组装模块负责将从前一级处理模块送入的多个净荷数据包拼接为一个较大的数据包；写转义模块完成对预写入ddr存储器数据的转义处理；读反向转义模块则实现对从ddr存储器读出的数据流进行反向转义，解析出正确的原始组装净荷包；多净荷包解封装模块将提取出原始单个净荷包；读写控制逻辑模块负责对ddr存储器的读写访问进行控制；存储器接口逻辑模块主要实现前端主控功能，完成对外部ddr存储器的读写访问，并为应用提供命令、读、写接口。

参考图2，该图显示了本发明的控制器存储和读取数据的基本流程，其中，首先，对多个净荷包进行组装并进行写转义处理；然后，在处于写操作时钟周期时，将写转义处理后的数据写入到ddr存储器中；当到达读操作时钟周期时，从ddr存储器中读取数据，并对读出的数据流进行读反向转义和解封装，恢复出原始单个净荷包。

本发明的ddr控制器设计是基于fpga进行的改进，采用了多净荷包组装，转义与反向转义方法以及读写控制的流量均衡算法设计，改进了数据封装与解析方式以及读写控制方法。该ddr控制器统筹兼顾了数据读写的可靠性和有效性，这对于数据安全性和可靠性要求极高的酒店信息分发系统特别重要，另外，所述控制器有效提高了ddr存储器的管理效率和内存利用率，从而有效降低了分销商和供应商的数据压力。通常而言，分销商和供应商并非专业的数据公司，数据处理能力有限，所述管理效率和内存利用率所带来的数据压力具有特别重要的实际意义。经实际应用测试，该ddr控制器在好巧网和携程网的千兆线速数据采集卡中已得到有效运用，保证了高速大容量的数据缓冲功能，具有较高的数据稳健性和应用价值。

优选地，所述任务信息特征提取和分析子模块还包括sdn交换器。更优选地，采用所述sdn交换器对数据进行相似性分析。

随着软件定义网络（sdn）的提出，研究发现由于sdn管控分离等特性十分适应于数据中心网络。于是，数据中心流量管理策略被提出，由于sdn对全局网络拓扑的掌握，一些基于sdn的算法可以动态地根据网络拓扑状况为数据流分配路径，但是这两者都是基于流的转发，在细粒度上不适用于高冗余性结构的数据中心网络，大象流可能会占据大量交换机内存引发丢包。另外被动式的流表响应策略带来了很大的开销，在扩展性方面受到了很大的限制。

另外，在酒店分销信息管理、价格数据分析等数据流应用中，由于设备精度、噪音、干扰和隐私保护等问题，数据流中往往包含着大量不确定性数据，各家酒店的促销模式又各不相同，而这些不确定性对数据流的管理和挖掘带来了挑战。本发明的信息特征提取和分析模块通过分析数据流的不确定性，可以降低不确定性对挖掘结果的影响，进而提升数据流挖掘的质量。

在酒店信息提取和分发中，需要持续的跟踪监测，因而获取的对象信息往往数据规模巨大且持续不断更新。可以在一段时间内获得丰富的大规模对象数据。同时，由于监测设备的数量多、精度、范围和噪音等等，因而在每个时间段内，往往能获取监测对象的大量数据，而且这样数据都呈现一定数据分布。因此，可以对所述数据对象进行聚类分析，并且在不确定环境下进行对象的聚类分析时，不能只考虑对象本身数据值的几何距离，还需要考虑对象的不确定性和数据分布对聚类的影响。

在不确定环境下，对象的数据呈现出一定的分布性，对象的不确定性也是通过对象数据的概率分布来呈现。由于不确定数据流中对象的数据分布的概率性，因而，在衡量不确定对象间的相似度时需要考虑对象的概率分布。例如，在酒店信息分析中，要求每个用户对不同的酒店从各个方面进行评分，比如服务质量、餐饮质量、卫生状况和价格收费等不同角度。每个酒店可以被很多用户进行评分。用户对酒店的满意度可以被建模成一个基于用户评分的不确定对象。对于大量的酒店数据和用户评价，需要根据用户的满意度对酒店进行聚类。在对这些酒店进行聚类时，比较对象之间的相似度就不能仅仅根据分值，还需要根据分值的分布情况。得分高的酒店应该与得分低的相机区别开来，同时，如果两个酒店的得分一样，但得分的分布不同，则他们之间也应该有区别。在根据概率分布特性对不确定数据聚类的过程中，需要对对象的数据分布进行建模。由于不确定数据具有多种可能值，因此，如何建模和表示数据的不确定性和概率分布，也是提高聚类质量的关键。

如上面所分析，在酒店数据流应用中，对象数据往往具有高维特性。在高维空间里，对象的数据通常比较稀疏，并呈现出一定的数据分布。因而，在处理高维数据流时，需要统计数据实例概率值的分布情况，以对高维特性进行压缩和特征抽取。直方图作为统计和描述概率分布的常用方法，在处理高维数据时，需要优化直方图的构造。针对持续更新的海量高维数据，为了提高概率质量函数的计算效率，将多维空间划分为多个子空间，通过统计数据在不同子空间的概率分布，进而高效地提取概率分布信息。

基于上述思想，本发明的任务信息特征提取和分析子模块的sdn交换器的设计能够实现如下功能或按如下方式工作：对不确定数据对象数据集中的每个实例，通过将全空间划分为多个子空间，以统计当前滑动窗口内该对象数据实例在不同子空间的概率信息，针对d维离散域数据，构建一个d维空间r^d，r^d=r¹×r²×…×r^d，rⁱ表示r^d的第i维空间分量，假设将每一维空间rⁱ分为pj个划分，，于是将离散数据空间r分为个超立方体空间，对于所述n个子空间，从中选择出数据分布较为密集的子空间，进而来优化直方图的构造。

在构建直方图时，选择数据分布较为密集的子空间，作为直方图的兴趣子空间来优化直方图；在选择直方图的兴趣子空间时，分析每个子空间中的数据的概率分布信息，如果在该子空间内的数据分布相比于均匀分布要密集时，则该子空间为兴趣子空间，即感兴趣的酒店。

其中，兴趣子空间定义为在该子空间内点的概率密度大于各维均为分布时的点的数目，其中，为对象ok的一组数据实例un在空间中分布的数量，np表示对象数据均匀分布时各维点数目的平均值，表示大于np的概率比用户指定阈值τ大，则是对象ok的兴趣子空间，即感兴趣的酒店。

优选地，本发明的所述sdn交换器所有的出和入端口都通过同一条数据通路进行数据传输，端口外存在一个集中的仲裁器，由它来决定访问交换机某个端口的时间和方式。

这种设计对于使sdn交换器在发出数据帧之前先进行缓冲，这一缓冲机制能够使数据包在设备端口处及时被转发，而不至于产生拥塞。

优选地，为了防止数据包被丢弃，sdn交换器可以选择如下两种设置：（1）端口缓冲设计，该设计在交换机的以太网端口上分配一定的高速内存，以用来对即将进行转发的数据桢进行缓冲；（2）共享内存设计，其同时为所有端口提供共享内存空间，数据的转发和传输都需要依靠转发决策，而转发决策就是由sdn交换机做出的，交换机会通过三态内容寻址存储器技术对数据的流表信息进行查询，并决定后续是否分发。

本发明的这种系统充分利用供应商开放的请求次数并且不对供应商造成额外压力，满足并发任务的筛选，开发一套统一的针对所有供应商的流量控制器，既能解决这些问题，又能很好的管理每个供应商的上下线。

本发明的这种系统还精准地控制了针对每个供应商的压力，在保证充分利用供应商开放的请求额度的前提下，屏蔽了短时间内大量请求造成任务积压的情况以及在任务量偏大时对相对重要的请求任务的保护，保证了对于供应商压力的平稳输出以及对请求质量的把控。

附图说明

图1是显示根据本发明的酒店价格请求调度器系统的工作示意性框图；

图2是显示本发明的ddr控制器存储和读取数据的基本流程的示意性框图。

具体实施方式

以下是说明本发明的具体实施例，但本发明并不限于此。

实施例1

参考附图1，本发明的酒店价格调度器系统针对酒店维度选取，系统将酒店分为三类：人工指定酒店，热门酒店，感兴趣酒店。人工指定酒店选取了一批人为指定的酒店，由人为控制酒店的上下线,这类酒店优势在于可以人为干预某家酒店是否参与价格预打,可控度较高；热门酒店则根据平台中已经产生订单的酒店进行筛选，在考虑到订单量及订单日期等维度对酒店进行评估。感兴趣酒店是系统自身挑选的一批可能产生请求及订单的酒店，系统根据平台一段时间内访问量较高的酒店信息进行评估，挑选出真是用户感兴趣的酒店。通过上述方案挑选出的酒店，在对每个酒店下单的时间窗口进行分析，确定每个酒店日期维度的范围，并且根据订单量及访问量确定不同时间段成单的密集程度，从而确定日期维度的优先级。然后将酒店日期生成请求任务下发到供应商进行主动缓存。

本书面描述使用实例来公开本发明，包括最佳模式，且还使本领域技术人员能够制造和使用本发明。本发明的可授予专利的范围由权利要求书限定，且可以包括本领域技术人员想到的其它实例。如果这种其它实例具有不异于权利要求书的字面语言的结构元素，或者如果这种其它实例包括与权利要求书的字面语言无实质性差异的等效结构元素，则这种其它实例意图处于权利要求书的范围之内。在不会造成不一致的程度下，通过参考将本文中参考的所有引用之处并入本文中。