本發明涉及金融平臺優化，具體涉及一種金融平臺優化方法及系統。

背景技術：

1、隨著數據技術的進步，金融平臺開始廣泛利用大數據和人工智能技術優化業務流程，金融平臺是為用戶和企業提供多種金融服務的數字化平臺，涵蓋支付、借貸、投資、保險、資產管理等領域。

2、現有技術存在以下缺陷：

3、1、傳統的流量管理技術通常基于預設的靜態規則或指標進行流量分配，各子平臺的資源配置在部署時即已確定，無法靈活調整，這樣的分配方式在流量需求波動時難以有效適應，導致資源配置僵化，對于流量需求增加的子平臺，資源可能不足，而對于需求減少的子平臺，資源可能過剩，資源利用率因此降低；

4、2、許多金融平臺的流量管理系統缺少前瞻性的預測功能，通常依賴于當前的流量狀態或歷史數據進行被動調控，這樣的平臺僅在資源緊張或流量出現異常變化后才采取措施，無法提前感知即將發生的流量變化趨勢，這種缺乏預判的管理方式，容易導致系統未雨綢繆能力不足。

5、基于此，本發明提出一種金融平臺優化方法及系統，通過流量預測后動態調整流量配置，有助于平臺在流量波動較大時快速響應，從而提高資源利用率并降低不必要的資源浪費。

技術實現思路

1、本發明的目的是提供一種金融平臺優化方法及系統，以解決背景技術中不足。

2、為了實現上述目的，本發明提供如下技術方案：一種金融平臺優化方法，所述優化方法包括以下步驟：

3、優化系統獲取金融平臺信息后，將金融平臺依據各個板塊劃分為若干子平臺，在金融平臺運行過程中，優化系統實時監測各個子平臺的運行數據，并基于運行數據對各個子平臺的流量消耗進行預測，基于流量消耗預測結果將子平臺劃入流量增加集合或流量減少集合；

4、對流量增加集合以及流量減少集合中的子平臺進行流量優化，對流量增加集合與流量減少集合進行分析，判斷金融平臺是否需要額外買入流量，基于判斷結果生成相應的管理策略；

5、定期獲取所有子平臺在金融平臺中的相對重要性后，將子平臺的相對重要性與流量消耗預測結果綜合分析，為每個子平臺輸出排序系數，所有子平臺依據排序系數進行排序后生成平臺列表，后一天依據平臺列表生成每個子平臺流量輸入的優先級。

6、在一個優選的實施方式中，在金融平臺運行過程中，優化系統實時監測各個子平臺的運行數據，并基于運行數據對各個子平臺的流量消耗進行預測，包括以下步驟：

7、優化系統實時監測各個子平臺的運行數據，運行數據包括子平臺的用戶增長指數、數據傳輸指數以及緩存命中指數；

8、將用戶增長指數、數據傳輸指數以及緩存命中指數綜合計算獲取子平臺的運行系數；

9、將獲取的運行系數與預設的運行閾值進行比較，運行閾值用于預測子平臺未來的流量消耗狀況；

10、若運行系數小于等于運行閾值，預測子平臺未來的流量消耗減少，若運行系數大于運行閾值，預測子平臺未來的流量消耗增加。

11、在一個優選的實施方式中，將用戶增長指數、數據傳輸指數以及緩存命中指數綜合計算獲取子平臺的運行系數，表達式為：式中，yxz為運行系數，ugi為用戶增長指數，dti為數據傳輸指數，chi為緩存命中指數，α、β、γ分別為用戶增長指數、數據傳輸指數以及緩存命中指數的比例系數，且α、β、γ均大于0。

12、在一個優選的實施方式中，基于流量消耗預測結果將子平臺劃入流量增加集合或流量減少集合，對流量增加集合以及流量減少集合中的子平臺進行流量優化，包括以下步驟：

13、獲取所有子平臺的流量預測結果后，若預測子平臺未來的流量消耗減少，將該子平臺劃入流量減少集合，若預測子平臺未來的流量消耗增加，將該子平臺劃入流量增加集合；

14、對流量增加集合以及流量減少集合中的子平臺進行流量優化，優化算法為：式中，lgnew為優化后的流量，lgold為優化前的流量，yxz為運行系數，yz為運行閾值，yxz>yz表示子平臺劃入流量增加集合，yxz≤yz表示子平臺劃入流量減少集合。

15、在一個優選的實施方式中，對流量增加集合與流量減少集合進行分析，判斷金融平臺是否需要額外買入流量，包括以下步驟：

16、計算流量減少集合的流量溢出量，表達式為：lgc＝lgold-lgnew，式中，lgnew為優化后的流量，lgold為優化前的流量，lgc為流量余出量；

17、計算流量增加集合的流量需求量，表達式為：lgx＝lgnew-lgold，式中，lgnew為優化后的流量，lgold為優化前的流量，lgx為流量需求量；

18、若流量需求量大于流量余出量，判斷金融平臺需要額外買入流量，若流量需求量小于等于流量余出量，判斷金融平臺不需要額外買入流量。

19、在一個優選的實施方式中，定期獲取所有子平臺在金融平臺中的相對重要性后，將子平臺的相對重要性與流量消耗預測結果綜合分析，為每個子平臺輸出排序系數，所有子平臺依據排序系數進行排序后生成平臺列表，包括以下步驟：

20、獲取子平臺的歷史交易量以及交易金額，對交易量以及交易金額進行歸一化處理，使交易量以及交易金額的取值范圍映射到[0,1]之間，獲取交易量歸一化值以及交易金額歸一化值，將交易量歸一化值以及交易金額歸一化值求和獲取子平臺的影響值，將所有子平臺的影響值求和獲取影響總值，通過影響值比上影響總值獲取子平臺的影響占比；

21、將子平臺的影響占比乘上運行系數輸出排序系數，將所有子平臺依據排序系數由大到小進行排序，生成平臺列表，后一天依據平臺列表正序為每個子平臺分配初始流量。

22、在一個優選的實施方式中，所述用戶增長指數的計算表達式為：式中，ugi為用戶增長指數，nt、nt-1分別表示當前時間t和上一時間t-1的活躍用戶數，rt表示當前新用戶注冊數，ct表示用戶在子平臺上的活躍行為數量，rmax、cmax表示基準最大值，w1、w2、w3為權重因子，且w1+w2+w3＝1，∈為修正因子；

23、所述數據傳輸指數的計算表達式為：式中，dti為數據傳輸指數，si為第i類請求的數據包大小，ci為第i類請求的數據壓縮率，li為第i類請求的傳輸鏈路效率，ttotal為總的傳輸時間，fretrans、ftotal分別表示重傳數據量和總數據量；

24、所述緩存命中指數的計算表達式為：式中，chi為緩存命中指數，hdirect為直接命中緩存的請求數，hlazy表示通過懶加載命中的請求數，trequests表示總請求數，mevicted表示緩存中被清除的數據量，mtotal表示緩存總容量，dreuse表示被重復使用的數據量，dtotal表示所有緩存的數據量。

25、一種金融平臺優化系統，包括流量消耗預測模塊、優化模塊、優先級生成模塊；

26、流量消耗預測模塊：獲取金融平臺信息后，將金融平臺依據各個板塊劃分為若干子平臺，在金融平臺運行過程中，優化系統實時監測各個子平臺的運行數據，并基于運行數據對各個子平臺的流量消耗進行預測；

27、優化模塊：基于流量消耗預測結果將子平臺劃入流量增加集合或流量減少集合，并對流量增加集合以及流量減少集合中的子平臺進行流量優化，對流量增加集合與流量減少集合進行分析，判斷金融平臺是否需要額外買入流量，基于判斷結果生成相應的管理策略；

28、優先級生成模塊：定期獲取所有子平臺在金融平臺中的相對重要性后，將子平臺的相對重要性與流量消耗預測結果綜合分析，為每個子平臺輸出排序系數，所有子平臺依據排序系數進行排序后生成平臺列表，后一天依據平臺列表生成每個子平臺流量輸入的優先級。

29、在上述技術方案中，本發明提供的技術效果和優點：

30、本發明將金融平臺依據各個板塊劃分為若干子平臺，在金融平臺運行過程中，優化系統實時監測各個子平臺的運行數據，并基于運行數據對各個子平臺的流量消耗進行預測，基于流量消耗預測結果將子平臺劃入流量增加集合或流量減少集合，并對流量增加集合以及流量減少集合中的子平臺進行流量優化，對流量增加集合與流量減少集合進行分析，判斷金融平臺是否需要額外買入流量，基于判斷結果生成相應的管理策略。通過流量預測后動態調整流量配置，有助于平臺在流量波動較大時快速響應，從而提高資源利用率并降低不必要的資源浪費。