一种银行柜面系统业务批量运行状态检测方法及装置与流程

1.本发明涉及银行批量业务数据处理技术领域，具体涉及一种银行柜面系统业务批量运行状态检测方法及装置。


背景技术：

2.银行柜面系统是银行最基础的重点业务系统，主要功能是调度执行网点交易。银行柜面系统的稳定运行不仅直接关系到对客提供业务服务，同时也直接影响银行对外的服务形象和服务质量。
3.银行柜面系统为了保证在白天营业时间内系统相关业务数据指标的准确性及业务逻辑的准确性。银行柜面系统于每日日终非营业时间会对银行柜面系统的业务参数及客户交易数据进行自动核对更新，并且会对当日业务数据进行计算处理，提供给其他相关业务系统同步加载。银行柜面系统业务批量运行情况直接影响到银行次日是否可以正常对客提供业务办理服务。一旦批量系统运行异常，系统管理员需要立即对其进行处理和修复，时效性要求极高。
4.现有技术方案是给各分行设定一个统一的时间进行监控，一旦批量未在早上8点前执行完成，则报警通知到各个管理员，此时时间可能很少，影响了网点柜面的业务办理。由于各家分行的体量不同，批量业务实际的耗时也相差很大，不能用统一的指标进行监控，也无法分散到各作业进行监控，需要耗费大量的人力成本去维护。
5.如何对银行柜面系统业务批量运行状态进行准确检测，成为亟需解决的技术问题。


技术实现要素：

6.针对现有技术中的问题，本发明实施例提供一种银行柜面系统业务批量运行状态检测方法及装置，能够至少部分地解决现有技术中存在的问题。
7.一方面，本发明提出一种银行柜面系统业务批量运行状态检测方法，包括：
8.周期性获取银行柜面系统的批处理业务量和批量耗时，并输入所述批处理业务量和所述批量耗时至预设业务批量运行状态检测模型；其中，所述预设业务批量运行状态检测模型是根据批处理业务样本数据训练lof算法模型得到的；
9.根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果。
10.其中，所述根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果，包括：
11.若所述输出结果为存在异常点，且输出次数达到预设次数阈值，则确定银行柜面系统业务批量运行状态检测结果为异常检测结果。
12.其中，所述根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果，包括：
13.若所述输出结果为不存在异常点，则等待执行所述周期性获取银行柜面系统的批处理业务量和批量耗时的步骤，直到遍历完成当前批量，且每次预设业务批量运行状态检测模型的输出结果都为不存在异常点，则确定银行柜面系统业务批量运行状态检测结果为正常检测结果。
14.其中，所述银行柜面系统业务批量运行状态检测方法还包括：
15.若所述输出次数未达到预设次数阈值，则等待执行所述周期性获取银行柜面系统的批处理业务量和批量耗时的步骤。
16.其中，还获取银行柜面系统的银行柜面系统标识和批量作业号；相应的，所述银行柜面系统业务批量运行状态检测方法还包括：
17.确定输出次数达到预设次数阈值的目标异常点，并确定与所述目标异常点对应的目标银行柜面系统标识和目标批量作业号；
18.根据所述目标银行柜面系统标识发送中断指令至目标银行柜面系统；所述中断指令携带与所述目标异常点对应的目标批量作业号。
19.其中，还获取银行柜面系统的银行柜面系统标识和批量作业号；相应的，所述银行柜面系统业务批量运行状态检测方法还包括：
20.确定输出次数达到预设次数阈值的目标异常点，并确定与所述目标异常点对应的目标银行柜面系统标识和目标批量作业号；
21.向根据所述目标银行柜面系统标识确定的目标银行柜面系统的下游系统发送跳过指令；所述跳过指令携带有与所述异常检测结果对应的目标批量作业号。
22.其中，在所述确定银行柜面系统业务批量运行状态检测结果为异常检测结果的步骤之后，所述银行柜面系统业务批量运行状态检测方法还包括：
23.确定与异常检测结果对应的目标异常点，并输入所述目标异常点至所述批处理业务样本数据中的历史异常检测点数据集合。
24.其中，在所述确定银行柜面系统业务批量运行状态检测结果为异常检测结果的步骤之后，所述银行柜面系统业务批量运行状态检测方法还包括：
25.确定与正常检测结果对应的正常点，并输入所述正常点至所述批处理业务样本数据中的历史正常检测点数据集合。
26.一方面，本发明提出一种银行柜面系统业务批量运行状态检测装置，包括：
27.输入单元，用于周期性获取银行柜面系统的批处理业务量和批量耗时，并输入所述批处理业务量和所述批量耗时至预设业务批量运行状态检测模型；其中，所述预设业务批量运行状态检测模型是根据批处理业务样本数据训练lof算法模型得到的；
28.检测单元，用于根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果。
29.再一方面，本发明实施例提供一种电子设备，包括：处理器、存储器和总线，其中，
30.所述处理器和所述存储器通过所述总线完成相互间的通信；
31.所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：
32.周期性获取银行柜面系统的批处理业务量和批量耗时，并输入所述批处理业务量和所述批量耗时至预设业务批量运行状态检测模型；其中，所述预设业务批量运行状态检
测模型是根据批处理业务样本数据训练lof算法模型得到的；
33.根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果。
34.本发明实施例提供一种非暂态计算机可读存储介质，包括：
35.所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如下方法：
36.周期性获取银行柜面系统的批处理业务量和批量耗时，并输入所述批处理业务量和所述批量耗时至预设业务批量运行状态检测模型；其中，所述预设业务批量运行状态检测模型是根据批处理业务样本数据训练lof算法模型得到的；
37.根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果。
38.本发明实施例提供的银行柜面系统业务批量运行状态检测方法及装置，周期性获取银行柜面系统的批处理业务量和批量耗时，并输入批处理业务量和批量耗时至预设业务批量运行状态检测模型；根据预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果，由于输入模型的批处理业务量和批量耗时是动态变化的批量指标，因此能够实现对银行柜面系统业务批量运行状态进行准确检测。
附图说明
39.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。在附图中：
40.图1是本发明一实施例提供的银行柜面系统业务批量运行状态检测方法的流程示意图。
41.图2是本发明一实施例lof算法模型的说明示意图。
42.图3是本发明一实施例提供的银行柜面系统业务批量运行状态检测方法的流程示意图。
43.图4是本发明一实施例提供的银行柜面系统业务批量运行状态检测装置的结构示意图。
44.图5为本发明实施例提供的电子设备实体结构示意图。
具体实施方式
45.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互任意组合。
46.图1是本发明一实施例提供的银行柜面系统业务批量运行状态检测方法的流程示意图，如图1所示，本发明实施例提供的银行柜面系统业务批量运行状态检测方法，包括：
47.步骤s1：周期性获取银行柜面系统的批处理业务量和批量耗时，并输入所述批处
理业务量和所述批量耗时至预设业务批量运行状态检测模型；其中，所述预设业务批量运行状态检测模型是根据批处理业务样本数据训练lof算法模型得到的。
48.步骤s2：根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果。
49.在上述步骤s1中，装置周期性获取银行柜面系统的批处理业务量和批量耗时，并输入所述批处理业务量和所述批量耗时至预设业务批量运行状态检测模型；其中，所述预设业务批量运行状态检测模型是根据批处理业务样本数据训练lof算法模型得到的。装置可以是执行该方法的计算机设备，包括银行管理服务器。
50.周期性获取银行柜面系统的批处理业务量和批量耗时的步骤的执行周期可以根据实际情况自主设置，可选为5分钟。批处理业务量可以理解为已完成批处理业务量，批量耗时可以理解为已完成批处理业务量的批量耗时。
51.local outlier factor(简称“lof”)，又称局部异常因子算法，如图2所示，横坐标为批处理业务量，纵坐标为批量耗时。对于lof算法模型简要说明如下：
52.对于c1集合的点，整体间距，密度，分散情况较为均匀一致，可以认为是同一簇；对于c2集合的点，同样可认为是一簇。o1、o2点相对孤立，可以认为是异常点或离散点。我们通过计算p点的局部离群因子来判断p点是否为异常点，如果这个值越接近1，说明p的其邻域点密度差不多，p可能和邻域同属一簇；如果这个比值越小于1，说明p的密度高于其邻域点密度，p为密集点；如果这个值越大于1，说明p的密度小于其邻域点密度，p越可能是异常点。
53.本发明实施例采用lof算法模型构建预设业务批量运行状态检测模型，理由如下：
54.发明人通过对银行柜面系统不同业务类型的批量耗时和批处理业务量进行分析统计后发现，批处理业务量和批量耗时正相关，即批量耗时和在该时段内处理的批处理业务量呈线性正相关。由于各分行的批处理业务量存在较大差异，对应的批量耗时也差距较大，无法利用统一的指标进行业务批量运行状态检测。
55.利用批处理业务量和批量耗时正相关特性，可以根据批量状态点确定散点图，可以在将批处理业务量作为横坐标，将批量耗时作为纵坐标的二维坐标系中得到多个位置不同的聚集集群，称之为各分行的正常批量域。
56.由于银行柜面系统的批量运行所依赖的服务器性能及分行网络带宽也存在差异，所以各分行的正常批量域的集聚程度也有所不同，但是，因为柜面批量和业务量之间特殊的正相关性，得到各分行的正常批量域都是呈聚集态，异常点呈远离集群状态。待检测的批量状态点无需判断其与全局节点的差异性，只需要在其附近的局部集群中计算差异性，完全符合局部离群因子的特性，从而实现异常判断的高准确度。正是各分行的正常批量域的局部聚集特性，可以使用lof这种局部计算算法，检测出异常点，而不受到各分行整体之间的差异性影响。本发明实施例基于lof算法，计算批量坐标点的局部离群因子，若其超过异常点阈值，则判断批量异常。
57.如图3所示，批处理业务样本数据包括历史异常点数据和历史正常点数据，根据历史异常点数据和历史正常点数据可以分别构建历史异常点数据集合和历史正常点数据集合。
58.可以通过开源的日志采集工具fluentd收集分行批量日志信息，并解析日志后写入服务器的mysql数据库。日志信息可以包括分行号、批量作业号、批处理业务量、批量耗时
以及是否异常等信息。
59.可以从日志信息采集到批处理业务样本数据，将取出的批处理业务量a、批量耗时b组成数组[a,b]，并把全量样本集合d，以及预设初始k＝5，输入计算模型。
[0060]
执行如下训练lof算法模型的步骤：
[0061]
1、计算每个对象的欧几里得距离。
[0062]
2、对欧几里得距离进行排序，计算第k距离以及第k领域。
[0063]
3、计算每个对象的可达密度。
[0064]
4、计算每个对象的局部离群因子。
[0065]
5、对每个对象的局部离群因子进行排序，输出异常节点(可以预设异常阈值为2)。
[0066]
6、通过对输出的异常对象和实际mysql库中记录的异常对象做比较，识别准入率是否高于90％。若达不到目标值，则k++(k值加一)，继续执行1～6步。直到识别准确率高于90％。最后以训练出的达标模型作为预设业务批量运行状态检测模型。
[0067]
上述1～6步骤的具体实现方式为本领域成熟技术，不再赘述。
[0068]
在上述步骤s2中，装置根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果。
[0069]
如图3所示，进一步地，所述根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果，包括：
[0070]
若所述输出结果为存在异常点，且输出次数达到预设次数阈值，则确定银行柜面系统业务批量运行状态检测结果为异常检测结果。预设次数阈值可以根据实际情况自主设置，可选为3次。
[0071]
若所述输出结果为存在异常点，且输出次数达到预设次数阈值，可以理解为，若预设业务批量运行状态检测模型第一次输出结果为存在异常点，此时还不能完全确定存在异常点，再通过预设业务批量运行状态检测模型输出第二次输出结果，如果还存在异常点，此时还不能完全确定存在异常点，再通过预设业务批量运行状态检测模型输出第三次输出结果，如果还存在异常点，则可以确定存在异常点。
[0072]
可以理解的是，由于周期性获取银行柜面系统的批处理业务量和批量耗时，每一次输入预设业务批量运行状态检测模型的动态批量指标都是动态变化的。
[0073]
本发明实施例提供的银行柜面系统业务批量运行状态检测方法，根据多次存在异常点的输出结果确定异常检测结果，避免根据单次异常点的输出结果确定异常检测结果的不准确性，进一步能够实现对银行柜面系统业务批量运行状态进行准确检测。
[0074]
如图3所示，进一步地，所述根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果，包括：
[0075]
若所述输出结果为不存在异常点，则等待执行所述周期性获取银行柜面系统的批处理业务量和批量耗时的步骤，直到遍历完成当前批量，且每次预设业务批量运行状态检测模型的输出结果都为不存在异常点，则确定银行柜面系统业务批量运行状态检测结果为正常检测结果。图3中的动态批量指标对应批处理业务量和批量耗时。
[0076]
本发明实施例提供的银行柜面系统业务批量运行状态检测方法，遍历所有当前批量，且每次预设业务批量运行状态检测模型的输出结果都为不存在异常点，则确定检测结果为正常检测结果，进一步能够实现对银行柜面系统业务批量运行状态进行准确检测。
[0077]
如果获取银行柜面系统的批处理业务量和批量耗时的步骤的执行周期为5分钟，则当确认不存在异常点时，等待下一个5分钟，输入动态批量指标，此时更新已完成批处理业务量和已完成批量耗时，然后，可以根据当前批量是否结束的状态标志位确定当前批量是否结束。
[0078]
如图3所示，进一步地，所述银行柜面系统业务批量运行状态检测方法还包括：
[0079]
若所述输出次数未达到预设次数阈值，则等待执行所述周期性获取银行柜面系统的批处理业务量和批量耗时的步骤。可参照上述说明，不再赘述。
[0080]
本发明实施例提供的银行柜面系统业务批量运行状态检测方法，有效执行周期性获取银行柜面系统的批处理业务量和批量耗时的步骤，进一步能够实现对银行柜面系统业务批量运行状态进行准确检测。
[0081]
如图3所示，该步骤对应异常处理，进一步地，还获取银行柜面系统的银行柜面系统标识和批量作业号；银行柜面系统标识可以包括分行号，批量作业号可以理解为标记每次输入预设业务批量运行状态检测模型的动态批量指标的标记号。
[0082]
相应的，所述银行柜面系统业务批量运行状态检测方法还包括：
[0083]
确定输出次数达到预设次数阈值的目标异常点，并确定与所述目标异常点对应的目标银行柜面系统标识和目标批量作业号；举例说明如下：
[0084]
首次输入预设业务批量运行状态检测模型的动态批量指标记为a1，批量作业号记为001号，输出结果为异常点10和异常点15和异常点17。
[0085]
5分钟后更新动态批量指标记为a2，并将a2输入预设业务批量运行状态检测模型，批量作业号记为002号，输出结果为异常点15和异常点17和异常点21。
[0086]
5分钟后更新动态批量指标记为a3，并将a3输入预设业务批量运行状态检测模型，批量作业号记为003号，输出结果为和异常点15和异常点21和异常点26。
[0087]
如果预设次数阈值为3次，则确定异常点15为目标异常点，如果异常点15属于1号分行，则确定1号分行为目标银行柜面系统标识，确定003号批量作业号为目标批量作业号。
[0088]
再过5分钟，更新动态批量指标记为a4，并将a4输入预设业务批量运行状态检测模型，批量作业号记为004号，输出结果为异常点21和异常点26和异常点33。确定异常点21为目标异常点，如果异常点21属于2号分行，确定2号分行为目标银行柜面系统标识，确定004号批量作业号为目标批量作业号。
[0089]
根据所述目标银行柜面系统标识发送中断指令至目标银行柜面系统；所述中断指令携带与所述目标异常点对应的目标批量作业号。参照上述举例，发送中断指令至1号分行，中断指令携带与异常点15对应的003号批量作业号。(与异常点21对应的中断指令暂时不发送)。以使得1号分行中的批量执行器，在接收到中断指令后中断003号批量作业号，继续执行004号批量作业号。
[0090]
需要说明的是，为了更准确地确定需进行中断处理的批量作业号，还可以将与目标批量作业号前后相邻的批量作业号也携带在中断指令中，例如，将002号批量作业号～004号批量作业号发送至1号分行，以使得1号分行根据002号批量作业号和004号批量作业号准确确定003号批量作业号为目标批量作业号。
[0091]
本发明实施例提供的银行柜面系统业务批量运行状态检测方法，通过发送中断指令至目标银行柜面系统；该中断指令携带与目标异常点对应的目标批量作业号，能够避免
业务中断，使得目标银行柜面系统能够跳过目标批量作业号，继续进行后续作业。
[0092]
如图3所示，该步骤对应异常处理，进一步地，还获取银行柜面系统的银行柜面系统标识和批量作业号；相应的，所述银行柜面系统业务批量运行状态检测方法还包括：
[0093]
确定输出次数达到预设次数阈值的目标异常点，并确定与所述目标异常点对应的目标银行柜面系统标识和目标批量作业号；可参照上述说明，不再赘述。
[0094]
向根据所述目标银行柜面系统标识确定的目标银行柜面系统的下游系统发送跳过指令；所述跳过指令携带有与异常检测结果对应的目标批量作业号。参照上述举例，向1号分行的下游系统，例如手机银行系统发送跳过指令，跳过指令携带与异常点15对应的003号批量作业号。(与异常点21对应的跳过指令暂时不发送)。以使得1号分行中的手机银行系统，在接收到跳过指令后跳过003号批量作业号，继续执行004号批量作业号。
[0095]
本发明实施例提供的银行柜面系统业务批量运行状态检测方法，通过向目标银行柜面系统的下游系统发送跳过指令，该跳过指令携带有目标批量作业号，能够避免业务中断，使得下游系统能够跳过目标批量作业号，继续进行后续作业。
[0096]
如图3所示，进一步地，在所述确定银行柜面系统业务批量运行状态检测结果为异常检测结果的步骤之后，所述银行柜面系统业务批量运行状态检测方法还包括：
[0097]
确定与异常检测结果对应的目标异常点，并输入所述目标异常点至所述批处理业务样本数据中的历史异常检测点数据集合。参照上述举例，可以先将异常点15输入历史异常检测点数据集合中，也可以在批量处理完成后，一次性将所有异常点输入历史异常检测点数据集合中，例如一次性将异常点15、异常点21等其他后续异常点输入历史异常检测点数据集合中。
[0098]
本发明实施例提供的银行柜面系统业务批量运行状态检测方法，能够保证数据库中批处理业务样本数据的新鲜度，有助于提高预设业务批量运行状态检测模型的检测准确性。
[0099]
如图3所示，进一步地，在所述确定银行柜面系统业务批量运行状态检测结果为异常检测结果的步骤之后，所述银行柜面系统业务批量运行状态检测方法还包括：
[0100]
确定与正常检测结果对应的正常点，并输入所述正常点至所述批处理业务样本数据中的历史正常检测点数据集合。可以一次性将所正常点输入历史正常检测点数据集合中。
[0101]
本发明实施例提供的银行柜面系统业务批量运行状态检测方法，能够保证数据库中批处理业务样本数据的新鲜度，有助于提高预设业务批量运行状态检测模型的检测准确性。
[0102]
本发明实施例提供的银行柜面系统业务批量运行状态检测方法，周期性获取银行柜面系统的批处理业务量和批量耗时，并输入批处理业务量和批量耗时至预设业务批量运行状态检测模型；根据预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果，能够实现对银行柜面系统业务批量运行状态进行准确检测。
[0103]
需要说明的是，本发明实施例提供的银行柜面系统业务批量运行状态检测方法可用于金融领域，也可用于除金融领域之外的任意技术领域，本发明实施例对银行柜面系统业务批量运行状态检测方法的应用领域不做限定。
[0104]
图4是本发明一实施例提供的银行柜面系统业务批量运行状态检测装置的结构示
意图，如图4所示，本发明实施例提供的银行柜面系统业务批量运行状态检测装置，包括输入单元401和检测单元402，其中：
[0105]
输入单元401用于周期性获取银行柜面系统的批处理业务量和批量耗时，并输入所述批处理业务量和所述批量耗时至预设业务批量运行状态检测模型；其中，所述预设业务批量运行状态检测模型是根据批处理业务样本数据训练lof算法模型得到的；检测单元402用于根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果。
[0106]
具体的，银行柜面系统业务批量运行状态检测装置中的输入单元401用于周期性获取银行柜面系统的批处理业务量和批量耗时，并输入所述批处理业务量和所述批量耗时至预设业务批量运行状态检测模型；其中，所述预设业务批量运行状态检测模型是根据批处理业务样本数据训练lof算法模型得到的；检测单元402用于根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果。
[0107]
本发明实施例提供的银行柜面系统业务批量运行状态检测装置，周期性获取银行柜面系统的批处理业务量和批量耗时，并输入批处理业务量和批量耗时至预设业务批量运行状态检测模型；根据预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果，能够实现对银行柜面系统业务批量运行状态进行准确检测。
[0108]
本发明实施例提供的银行柜面系统业务批量运行状态检测装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
[0109]
图5为本发明实施例提供的电子设备实体结构示意图，如图5所示，所述电子设备包括：处理器(processor)501、存储器(memory)502和总线503；
[0110]
其中，所述处理器501、存储器502通过总线503完成相互间的通信；
[0111]
所述处理器501用于调用所述存储器502中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：
[0112]
周期性获取银行柜面系统的批处理业务量和批量耗时，并输入所述批处理业务量和所述批量耗时至预设业务批量运行状态检测模型；其中，所述预设业务批量运行状态检测模型是根据批处理业务样本数据训练lof算法模型得到的；根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果。
[0113]
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：周期性获取银行柜面系统的批处理业务量和批量耗时，并输入所述批处理业务量和所述批量耗时至预设业务批量运行状态检测模型；其中，所述预设业务批量运行状态检测模型是根据批处理业务样本数据训练lof算法模型得到的；根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果。
[0114]
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述各方法实施例所提供的方法，例如包括：周期性获取银行柜面系统的批处理业务量和批量耗时，并输入所述批处理业务量和所述批量耗时至预设业务批量运行状态检测模型；其中，所述预设业务批量运行状态检测模型是根据批
处理业务样本数据训练lof算法模型得到的；根据所述预设业务批量运行状态检测模型的输出结果确定银行柜面系统业务批量运行状态检测结果。
[0115]
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。
[0116]
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。
[0117]
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。
[0118]
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。
[0119]
在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0120]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。