【技術實現步驟摘要】
本申請涉及網絡通訊方法，尤其是涉及一種基于ue引擎的http請求任務隊列并發處理方法。
技術介紹
1、unreal?engine（ue）是一個高度優化的游戲引擎，廣泛應用于游戲開發、虛擬現實、增強現實等領域。ue引擎的特點是對實時性和高并發具有極高要求。在ue引擎中，http請求通常用于客戶端與服務器的通信，處理游戲內數據、用戶請求、實時更新等。ue引擎中的請求任務隊列并發處理機制，尤其在多人在線游戲等實時應用中，面臨大量并發請求的挑戰。
2、申請公布日為2020年10月12日，公布號為cn112346834a的中國專利技術專利，提供了數據庫的請求處理方法和裝置、電子設備和介質，該專利接收客戶端的操作請求，按照預設的規則，根據所述操作請求和所述操作請求所屬事務的提交模式確定所述操作請求的優先級；根據所述操作請求的優先級，將所述操作請求加入至線程池的對應優先級的任務隊列中；根據所述任務隊列的優先級，從所述任務隊列中獲取任務進行處理。
3、針對上述的技術方案，提出了根據預設的規則設置請求優先級以應對高并發場景下可能出現的線程的情況。但是，ue引擎中的高并發請求具有動態性和復雜性，不同于數據庫請求的固定模式，在多人在線游戲、實時應用等場景下，http請求具有非常強的實時性需求，且請求的頻率和分布非常不均，隨著請求量的急劇增長，可能會導致系統瞬間過載，影響系統的性能和響應時間。
技術實現思路
1、為了應對ue引擎中高并發請求的動態性和復雜性，提高系統的性能與響應時間
2、第一方面，本申請提供了一種基于ue引擎的http請求任務隊列并發處理方法，采用如下的技術方案：
3、一種基于ue引擎的http請求任務隊列并發處理方法，包括以下步驟：
4、請求接收：接收ue引擎的用戶請求方發送的請求，根據請求時間設置請求優先級；所述請求包括請求內容、請求負載、請求來源和請求時間；
5、數據采集：包括采集實時運行數據和采集歷史運行數據；
6、采集實時運行數據：采集實時運行數據，實時運行數據包括請求所對應的用戶行為數據和游戲事件數據；
7、采集歷史運行數據：采集歷史運行數據，歷史運行數據包括歷史請求、歷史系統資源數據、歷史用戶行為數據以及歷史游戲事件數據；
8、構建模型：基于深度學習算法，構建負載預測模型；
9、負載預測：將實時運行數據與用戶請求方發送的請求作為負載預測模型的輸入，輸出負載預測數據；
10、請求入隊：按照接收的請求的優先級進行分類，將分類后的請求發送給對應的請求優先級任務隊列；
11、任務調度：基于負載預測數據，對各個任務隊列中的請求進行排序；
12、任務分發：根據排序結果，順序分發任務，并根據每個請求負載和處理節點的負載，為請求分配對應的處理節點進行處理；
13、請求響應：請求處理完成后，向用戶請求方發送請求響應。
14、通過采用上述技術方案，利用深度學習算法構建負載預測模型，能夠精確預測不同時段和請求類型的負載變化，使得請求的處理能夠根據系統資源的實際狀態進行動態調整，從而減少了傳統方法中靜態調度帶來的不穩定性。此外，通過對請求的優先級進行分類處理，能夠根據請求的緊急性和重要性進行合理調度，使得高優先級請求得到及時處理，提升了系統的服務質量和用戶體驗。同時，任務分發和調度環節根據負載預測結果及請求的優先級，能夠智能地分配請求到合適的處理節點和線程池，減少了系統中部分資源過載的情況，同時保證了負載均衡，提升了系統的穩定性和資源利用率。而且，通過動態調整任務隊列和處理節點的分配，系統能夠更好地適應用戶請求量和負載波動，減少了系統崩潰和過載的風險，增強了系統的容錯性和穩定性。
15、可選地，在執行構建模型的步驟之后，執行負載預測的步驟之前，還包括：
16、第一數據處理：將歷史用戶行為數據、歷史請求、歷史系統資源數據與歷史游戲事件數據進行時間對齊，獲取每個歷史游戲事件數據產生時間，將每個歷史游戲事件數據產生時間之前的歷史用戶行為數據和歷史請求，記作第一數據，將每個歷史游戲事件數據產生時間之后的歷史用戶行為數據和歷史請求，記作第二數據；
17、第二數據處理：將第一數據按照時間順序與各個時段的第二數據進行對比，記作第一差值，獲取第一差值小于預設差值閾值的第二數據所對應的時間，記作該歷史游戲事件數據的結束時間，計算每個歷史游戲事件數據的產生時間到結束時間的時長，記作該歷史游戲事件數據的活動時長；
18、第三數據處理：采用聚類算法對歷史游戲事件數據的活動時長進行聚類，將聚類結果作為歷史游戲事件數據的分類結果，將每一類歷史游戲事件數據的活動時長作為該類歷史游戲事件數據的滯后時間窗口；
19、第四數據處理：根據每個歷史游戲事件數據的滯后時間窗口，將該歷史游戲事件數據的滯后時間窗口所對應的歷史用戶行為數據、歷史請求和歷史系統資源數據標記該歷史游戲事件的滯后時間標記，將標記后的歷史用戶行為數據、歷史請求和歷史系統資源數據作為新的歷史用戶行為數據、新的歷史請求和新的歷史系統資源數據；
20、構建樣本訓練集：基于歷史用戶行為數據、歷史請求、歷史系統資源數據和歷史游戲事件構建負載樣本訓練集；
21、迭代優化：定義均方誤差損失函數，將負載樣本訓練集作為負載預測模型的輸入，進行模型推理，通過最小化均方誤差損失函數迭代優化負載預測模型，將優化后的負載預測模型作為新的負載預測模型。
22、通過采用上述技術方案，計算歷史游戲事件的活動時長，并通過聚類算法分析歷史游戲事件的滯后時間窗口，能夠更好地識別游戲事件的動態變化特征，利用滯后時間窗口能夠捕捉到請求數量的動態變化，幫助負載預測模型理解每個游戲事件對系統負載的滯后效應，從而在預測負載時考慮到系統負載的實時性和動態波動，提高了負載預測模型在動態高并發環境下的預測準確性。
23、可選地，在執行迭代優化的步驟之后，執行負載預測的步驟之前，還包括：
24、第五數據處理：判斷實時運行數據中游戲事件數據是否存在：
25、若是，則根據歷史游戲事件數據的分類結果對該游戲事件數據進行分類，根據該游戲事件數據的分類結果得到該游戲事件數據的滯后時間窗口，根據該游戲事件數據的滯后時間窗口對實時運行數據中的用戶行為數據和用戶請求方發送的請求標注該游戲事件數據的滯后時間標記，將標記后的用戶行為數據和請求作為新的用戶行為數據和新的請求，執行負載預測的步驟；
26、若否，則不做處理，執行負載預測的步驟。
27、通過采用上述技術方案，判斷實時運行數據中是否存在游戲事件數據，根據歷史游戲事件數據的分類結果對當前的實時數據進行分類處理，根據分類結果對實時數據標注滯后時間標記，有助于負載預測模型根據當前游戲事件的歷史特征動態調整對實時請求的響應時間和負載本文檔來自技高網...
【技術保護點】
1.一種基于UE引擎的http請求任務隊列并發處理方法，其特征在于，包括：
2.根據權利要求1所述的基于UE引擎的http請求任務隊列并發處理方法，其特征在于，在執行構建模型的步驟之后，執行負載預測的步驟之前，還包括：
3.根據權利要求2所述的基于UE引擎的http請求任務隊列并發處理方法，其特征在于，在執行迭代優化的步驟之后，執行負載預測的步驟之前，還包括：
4.根據權利要求1所述的基于UE引擎的http請求任務隊列并發處理方法，其特征在于，在執行負載預測的步驟之后，執行請求入隊的步驟之前，還包括：
5.根據權利要求1所述的基于UE引擎的http請求任務隊列并發處理方法，其特征在于，在執行負載預測的步驟之后，在執行請求入隊的步驟之前，還包括：
6.根據權利要求5所述的基于UE引擎的http請求任務隊列并發處理方法，其特征在于，在執行請求相似判斷的步驟之后，執行任務調度的步驟之前，還包括：
7.根據權利要求1所述的基于UE引擎的http請求任務隊列并發處理方法，其特征在于，在執行負載預測的步驟之后，執行請求入
...【技術特征摘要】
1.一種基于ue引擎的http請求任務隊列并發處理方法，其特征在于，包括：
2.根據權利要求1所述的基于ue引擎的http請求任務隊列并發處理方法，其特征在于，在執行構建模型的步驟之后，執行負載預測的步驟之前，還包括：
3.根據權利要求2所述的基于ue引擎的http請求任務隊列并發處理方法，其特征在于，在執行迭代優化的步驟之后，執行負載預測的步驟之前，還包括：
4.根據權利要求1所述的基于ue引擎的http請求任務隊列并發處理方法，其特征在于，在執行負載預測的步驟之后...
【專利技術屬性】
技術研發人員：王芬芬，陳守偉，譚衛星，孔令全，趙婷，楊明，王學芝，
申請(專利權)人：山東智和創信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。