异常带宽确定方法、系统及电子设备与流程

本发明实施例涉及互联网技术领域，尤其涉及一种异常带宽确定方法、系统及电子设备。

背景技术：

带宽是一个非常有用的概念，在网络通信中的地位十分重要。而网络带宽，是指在单位时间(一般指的是1秒钟)内能传输的数据量。随着互联网的迅猛发展，越来越多的CDN服务提供商来为用户提供带宽服务。随着竞争的激烈，CDN服务提供商越来越关心用户所得到的带宽服务的服务质量，以更好的满足用户的需求。

但是，发明人在实现本发明实施例的过程中发现，由于CDN服务提供商针对于不同的业务所提供的带宽服务总是存在波动性的，从而对用户的服务质量造成的时好时坏的波动性。因此，如何能够及时的确定引起带宽服务的波动性的异常带宽点，以供参考来消除波动成为了亟待解决的技术问题。

技术实现要素：

本发明实施例提供一种异常带宽确定方法、系统及电子设备，用于解决现有技术中无法确定带宽服务中的异常带宽点的技术问题。

第一方面，本发明实施例提供一种异常带宽确定方法，包括：

获取预设时间内用户在不同时间点所使用的历史带宽数据；

根据所述历史带宽数据确定用于预测所述用户在不同时间点所使用带宽范围的带宽预测模型；

根据所述带宽预测模型预测所述用户在某一时间点所使用的带宽范围；

比较所述用户在所述某一时间点所使用的实际带宽与所述带宽范围；

当所述实际带宽超出所述带宽范围时确定所述实际带宽为异常带宽。

第二方面，本发明实施例还提供一种异常带宽确定系统，包括：

历史数据获取模块，用于获取预设时间内用户在不同时间点所使用的历史带宽数据；

模型确定模块，用于根据所述历史带宽数据确定用于预测所述用户在不同时间点所使用带宽范围的带宽预测模型；

带宽范围确定模块，用于根据所述带宽预测模型预测所述用户在某一时间点所使用的带宽范围；

比较模块，用于比较所述用户在所述某一时间点所使用的实际带宽与所述带宽范围；

异常判定模块，用于当所述实际带宽超出所述带宽范围时确定所述实际带宽为异常带宽。

第三方面，本发明实施例提供一种非易失性计算机可读存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明实施例上述任一项异常带宽确定方法。

第四方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明实施例上述任一项异常带宽确定方法。

第五方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算程序，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，使所述计算机执行上述任一项异常带宽确定方法。

本发明实施例根据用户的历史带宽数据确定出了用于预测该用户未来使用带宽的带宽预测模型，并利用确定的带宽预测模型确定用户在某一时间点所使用的带宽范围，之后通过比较用户在所述某一时间点实际使用的实际带宽与确定的所述带宽范围的方式实现了判定用户在所述某一时间点所使用的实际带宽是否为异常带宽。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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为本发明的异常带宽确定方法的一实施例的流程图；

图2为图1中步骤S12的一实施方式的流程图；

图3为本发明的异常带宽确定方法的另一实施例的流程图；

图4为本发明的异常带宽确定方法的又一实施例的流程图；

图5为本发明的异常带宽确定系统一实施例的结构框图；

图6为本发明的异常带宽确定系统中的模型确定模块一实施例的结构框图；

图7为本发明的异常带宽确定系统的另一实施例的结构框图；

图8为本发明的异常带宽确定系统中的模型确定模块另一实施例的结构框图；

图9为本发明的电子设备的一实施例的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明实施例保护的范围。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本发明实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

在本发明实施例中，“模块”、“装置”、“系统”等等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

如图1所示，本发明的一实施例的异常带宽确定方法，包括：

S11、获取预设时间内用户在不同时间点所使用的历史带宽数据；

S12、根据所述历史带宽数据确定用于预测所述用户在不同时间点所使用带宽范围的带宽预测模型；

S13、根据所述带宽预测模型预测所述用户在某一时间点所使用的带宽范围；

S14、比较所述用户在所述某一时间点所使用的实际带宽与所述带宽范围；

S15、当所述实际带宽超出所述带宽范围时确定所述实际带宽为异常带宽。

本实施例的异常带宽确定方法根据用户的历史带宽数据确定出了用于预测该用户未来使用带宽的带宽预测模型，并利用确定的带宽预测模型确定用户在某一时间点所使用的带宽范围，之后通过比较用户在所述某一时间点实际使用的实际带宽与确定的所述带宽范围的方式实现了判定用户在所述某一时间点所使用的实际带宽是否为异常带宽。

步骤S11中的历史带宽数据可以是距离当前日期之前一段时间内的用户使用的带宽数据，并且带宽数据为以一天为周期，并且为一天中的固定时间点(将一天按照预定的时间粒度进行划分。例如，以5分钟为带宽数据的采集粒度，即，每隔5分钟取一个带宽数值。根据业务的不同可以选择不同的时间粒度，本发明实施例不对时间粒度的选择进行限制)时的带宽值。例如，距离当前日期之前60天的带宽数据及对应时间点。带宽数据的获取方式可以通过分布在通信网络或信道中的各带宽数据侦测设备获取，也可以通过其他方式获取。本实施例中的历史带宽数据可以包括多个数据样本子集，该多个数据样本子集可以按照用户进行划分，即每个用户的各个时间点的带宽可以构成数据样本子集，这样针对性的对所需要分析的用户带宽使用情况进行分析和预测。在其他的实施例中也可以根据用户和时间进行画法数据样本子集，即可以利用某一用户在预设时间段内的带宽构成数据样本子集，该预设时间段可以是以年为单位，如一年，也可以是月为单位，如一个月，也可以是其他任意的时间区间，但是在优选的实施方案中，一般不小于一个月。

在一些实施例中，所述历史带宽数据包括在各时间点获取的带宽A_ij，其中，A_i,j表示日期为i，时间为j时的带宽。如A_{20160101，1200}可以表示该用户2016年1月1日12点整的带宽量，本实施例中的数据样本集包括大量的关于A_ij的数据集合。

如图2所示，在一些实施例中步骤S12、根据所述历史带宽数据确定用于预测所述用户在不同时间点所使用带宽范围的带宽预测模型包括：

S21、分别计算预设时间内，每天同一时间点的带宽和与所述同一时间点相隔第一时间的时间点处的带宽之间的一阶差分构成第一一阶差分集，获取所述第一一阶差分集中的众数为第一众数；

S22、分别计算预设时间内，所述每天同一时间点的带宽和与所述同一时间点相隔第二时间的时间点处带宽之间的一阶差分构成第二一阶差分集，获取所述第二一阶差分集中的众数为第二众数；

S23、根据所述第一众数和第二众数，确定所述带宽预测模型；所述带宽预测模型如下：

F_i,j＝a*(A_i,j-t1+mean₁)+b*(A_i,j-t2+mean₂)；

其中，a表示第一权重，b表示第二权重，并且a+b＝1，mean₁表示第一众数，mean₂表示第二众数，F_i,j表示时间为j时的预测带宽，A_i,j-t1表示与时间j以第一时间t1为间隔时的带宽，A_i,j-t2表示与时间j以第二时间t2为间隔时的带宽。

本实施例中，为了计算出每个用户每天的每个时间点的带宽，需要对每天的同一时间点的带宽值进行分析计算，以预测出后一天的该时间点的带宽。

本实施例中，可以随机的计算预设时间(如半年)内，每天同一时间点的带宽与相隔第一时间的带宽之间的一阶差分构成第一一阶差分集，以及每天同一时间点的带宽与相隔第二时间的带宽之间的一阶差分构成第二一阶差分集；该第一时间和第二时间可以是任意的时间间隔，一般以分钟为单位(一般小于30分钟)，如本实施例中的第一时间可以是5分钟，第二时间可以是10分钟。

也就是说，本实施例中获得的第一一阶差分集可以表示为Bn＝A_i,j-A_i,j-nt1，其中Bn表示以第一时间为间隔的一阶差分值，t1表示第一时间。

本实施例获得的第二一阶差分集可以表示为Cn＝A_i,j-A_i,j-nt2，其中Cn表示以第二时间为间隔的一阶差分值，t2表示第二时间。

在本实施例中确定第一一阶差分集和第二一阶差分集之后分别采取直方图原理确定对应于第一一阶差分集的第一众数和对应于第二一阶差分集的第二众数。所述“众数”，为集中出现的区间中的数据。本发明实施例中第一一阶差分集和第二一阶差分集中的序列的最大值和最小值作为整个区间的两端点，设置分区参数n＝3。统计序列落入相应区间内的数目，选取数目最多区间中的数据，计算其均值确定为众数。

例如，第一一阶差分集的表达式可以表示为B_i,j-nt1＝A_i,j-A_i,j-nt1，其中，n为整数，t1表示第一时间。例如：

B_{20160530，1155}＝A_{20160530，1200}-A_{20160530，1155}；

B_{20160529，1155}＝A_{20160529，1200}-A_{20160529，1155}；

B_{20160528，1155}＝A_{20160528，1200}-A_{20160528，1155}；……。

其中，B_{20160530，115}、B_{20160529，1155}、B_{20160528，1155}……等为第一一阶差分集中的序列值。

例如，第二一阶差分集的表达式可以表示为C_i,j-nt1＝A_i,j-A_i,j-nt1，其中，n为整数，t2表示第二时间。例如：

C_{20160530，1155}＝A_{20160530，1200}-A_{20160530，1155}；

C_{20160529，1155}＝A_{20160529，1200}-A_{20160529，1155}；

C_{20160528，1155}＝A_{20160528，1200}-A_{20160528，1155}；……。

其中，C_{20160530，115}、C_{20160529，1155}、C_{20160528，1155}……等为第二一阶差分集中的序列值。

本实施例采用众数的方法确定第一众数和第二众数以用于确定带宽预测模型，能够得到更加准确的带宽预测模型。以“众数”的概念，确定序列中出现最多的数值作为用于确定带宽预测模型，避免了偶尔出现的小概率序列值影响最终确定的带宽预测模型的准确性。

如图3所示，在一些实施例中异常带宽确定方法还包括：

S31、分别计算预设时间内，每天同一时间点的实际带宽与预测带宽之间的一阶差分构成第三一阶差分集；

S32、确定所述带宽范围的上边界和下边界；其中

所述上边界的表达式为：

L₁＝a*(A_i,j-t1+mean₁+3*σ₁)+b*(A_i,j-t2+mean₂+3*σ₂)+3*σ₃；

所述下边界的表达式为：

L₂＝a*(A_i,j-t1+mean₁-3*σ₁)+b*(A_i,j-t2+mean₂-3*σ₂)-3*σ₃；

其中，L₁表示所述带宽范围的上边界，L₂表示所述带宽范围的下边界，σ₁为所述第一一阶差分集的标准差，σ₂为所述第二一阶差分集的标准差，σ₃为所述第三一阶差分集的标准差。

本实施例步骤S31中计算得到了实际带宽值和预测带宽值之间的额白噪声。白噪声定义为实际带宽值与预测带宽值之间的偏差，是无法避免的变量之一。通过考虑真实值与预测值之间的偏差引起的白噪声，使得本实施例确定的带宽范围的上下边界更加符合实际情况，从而能够更加准确的确定异常带宽。

本实施例中的第三一阶差分集的表达式可以表示为D_i,j＝A_i,j-F_i,j，其中，A_i,j为日期为i时间为j时的实际带宽值，F_i,j为日期为i时间为j时的预测带宽值。例如：

D_{20160530，1155}＝A_{20160530，1155}-F_{20160530，1155}；

D_{20160529，1155}＝A_{20160529，1155}-F_{20160529，1155}；

D_{20160528，1155}＝A_{20160528，1155}-F_{20160528，1155}；……。

其中，D_{20160530，1155}、D_{20160529，1155}、D_{20160528，1155}……等为第三一阶差分集中的序列值。

本实施例中需要分别计算第一一阶差分集的标准差σ₁，第二一阶差分集的标准差σ₂，第三一阶差分集的标准差σ₃，以用于确定带宽范围的上下界限。

如图4所示，在一些实施例中所述第一权重和第二权重由以下步骤确定：

S41、计算所述第三一阶差分集中的实际带宽与预测带宽之间的一阶差分值的平方和Q：

其中，A’_i,j＝A_i,j-t1+mean₁；A”_i,j＝A_i,j-t2+mean₂，日期i的区间为(i0，iend)，时间j的区间为(j0，jend)；

S42、根据和计算得到所述第一权重a和第二权重b。

本实施例中通过最小二乘法，最小化实际带宽与预测带宽之间差值的平方作为限制条件确定第一权重a和第二权重b。因此，本实施例确定的第一权重和第二权重作为带宽预测模型的参数，可以最小化预测带宽值和真实带宽值之间的差值，提升了带宽预测模型的准确性。

上述实施例中的历史带宽数据分为两部分使用，第一部分数据用作基准数据(1/3的历史带宽数据)，第二部分数据作为测试数据(2/3的历史带宽数据)。其中，第一部分数据用于确定第一众数和第二众数以确定上述实施例中的带宽预测模型；第二部分数据用于带入所述带宽预测模型中得到预测带宽值，并与实际带宽值最差后确定第三一阶差分集。再根据所述第三一阶差分集基于最小二乘法来确定最优的带宽预测模型的权重。

此外，因为历史带宽数据中存在异常点的原因，为了避免异常点对建立带宽预测模型的准确性的影响，本发明实施例中，对第三一阶差分集中的差值按照大小进行排序。按照百分比删除序列中前面的较大值(例如序列的5％)和后面较小值(例如序列的5％)，保留剩下的差值(序列的90％)进行后续的计算。

在一些实施例中，在当所述实际带宽超出所述带宽范围时确定所述实际带宽为异常带宽之后生成报警信息。

本实施例的异常带宽确定方法可以在确定存在异常带宽的第一时间通过报警信息通知工作人员进行紧急处理，解决引起异常带宽发生的问题。

实践发现，可能会同时出现多处异常带宽。但由于工作人员有限，只能对出现的多处异常带宽进行逐个分析并解决导致的异常带宽出现的问题。但是多处异常带宽又可能是有着不同的严重程度的，工作人员进行机械的逐个分析解决显然是不合理的，而是应该将严重程度高的放在高优先级进行分析处理。因此，在本发明的实施例中生成的报警信息明确地按照带宽异常的严重性进行分级报警。

本发明实施例中，设计了逻辑表结构，命名为报警等级规则表。引入两个指标参数来进行报警等级的划分。所述两个指标参数分别为：带宽相对变化率d和同业务线异常用户数m。其中，带宽相对变化率d定义为：当前时间点的带宽值与前一时间点的带宽值之差与当前时间点的带宽值的比值，例如，当前5分钟点的带宽值减去前一个5分钟点的带宽值之后除以当前5分钟点的带宽值。

所述对异常带宽分级报警的步骤包括：

确定当前业务下异常带宽点的带宽相对于前一时间点的带宽相对变化率d是否大于预设值(例如，预设值为60％)；

当确定当前业务下带宽相对变化率d大于或者等于预设值的用于数大于或者等于3时生成四级报警信息；

当确定当前业务下带宽相对变化率d大于或者等于预设值的用于数大于或者等于2时生成三级报警信息；

当确定当前业务下带宽相对变化率d大于或者等于预设值的用户数大于或者等于1时生成二级报警信息；

当确定当前业务下带宽相对变化率d小于预设值的用户数大于或者等于3时生成三级报警信息；

当确定当前业务下带宽相对变化率d小于预设值的用户数大于或者等于2时生成二级报警信息；

当确定当前业务下带宽相对变化率d小于预设值的用户数大于或者等于1时生成一级报警信息。本实施例中一级报警信息至四级报警信息所代表的异常带宽情况逐级严重。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作合并，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明实施例所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

如图5所示为本申请一实施例提供的一种异常带宽确定系统500，包括：

历史数据获取模块510，用于获取预设时间内用户在不同时间点所使用的历史带宽数据；

模型确定模块520，用于根据所述历史带宽数据确定用于预测所述用户在不同时间点所使用带宽范围的带宽预测模型；

带宽范围确定模块530，用于根据所述带宽预测模型预测所述用户在某一时间点所使用的带宽范围；

比较模块540，用于比较所述用户在所述某一时间点所使用的实际带宽与所述带宽范围；

异常判定模块550，用于当所述实际带宽超出所述带宽范围时确定所述实际带宽为异常带宽。

如图6所示，在一些实施例中，所述历史带宽数据包括在各时间点获取的带宽A_i,j，其中，A_i,j表示日期为i，时间为j时的带宽；

所述模型确定模块520包括：

第一众数确定单元521，用于分别计算预设时间内，每天同一时间点的带宽和与所述同一时间点相隔第一时间的时间点处的带宽之间的一阶差分构成第一一阶差分集，获取所述第一一阶差分集中的众数为第一众数；

第二众数确定单元522，用于分别计算预设时间内，所述每天同一时间点的带宽和与所述同一时间点相隔第二时间的时间点处带宽之间的一阶差分构成第二一阶差分集，获取所述第二一阶差分集中的众数为第二众数；

模型确定单元523，用于根据所述第一众数和第二众数，确定所述带宽预测模型；其中

所述带宽预测模型为：F_i,j＝a*(A_i,j-t1+mean₁)+b*(A_i,j-t2+mean₂)；

其中，a表示第一权重，b表示第二权重，并且a+b＝1，mean₁表示第一众数，mean₂表示第二众数，F_i,j表示时间为j时的预测带宽，A_i,j-t1表示与时间j以第一时间t1为间隔时的带宽，A_i,j-t2表示与时间j以第二时间t2为间隔时的带宽。

如图7所示，在一些实施例中，所述异常带宽确定系统500还包括：

差分计算模块560，用于分别计算预设时间内，每天同一时间点的实际带宽与预测带宽之间的一阶差分构成第三一阶差分集；

上下边界确定模块570，用于确定所述带宽范围的上边界和下边界；其中

所述上边界的表达式为：

L₁＝a*(A_i,j-t1+mean₁+3*σ₁)+b*(A_i,j-t2+mean₂+3*σ₂)+3*σ₃；

所述下边界的表达式为：

L₂＝a*(A_i,j-t1+mean₁-3*σ₁)+b*(A_i,j-t2+mean₂-3*σ₂)-3*σ₃；

其中，L₁表示所述带宽范围的上边界，L₂表示所述带宽范围的下边界，σ₁为所述第一一阶差分集的标准差，σ₂为所述第二一阶差分集的标准差，σ₃为所述第三一阶差分集的标准差。

如图8所示，所述模型确定模块520还包括权重确定单元521，所述权重确定单元521包括：

平方和计算元件5211，用于计算所述第三一阶差分集中的实际带宽与预测带宽之间的一阶差分值的平方和Q：

其中，A’_i,j＝A_i,j-t1+mean₁；A”_i,j＝A_i,j-t2+mean₂，日期i的区间为(i0，iend)，时间j的区间为(j0，jend)；

权重计算元件5212，用于根据和计算得到所述第一权重a和第二权重b。

在一些实施例中，所述异常带宽确定系统500还包括报警信息生成模块，用于在当所述实际带宽超出所述带宽范围时确定所述实际带宽为异常带宽之后生成报警信息。

上述本发明实施例的异常带宽确定系统可用于执行本发明实施例的异常带宽确定方法，并相应的达到上述本发明实施例的异常带宽确定方法所达到的技术效果，这里不再赘述。

本发明实施例中可以通过硬件处理器(hardware processor)来实现相关功能模块。

另一方面，本发明实施例提供一种非易失性计算机可读存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行上述方法实施例中的相关步骤，例如：

获取预设时间内用户在不同时间点所使用的历史带宽数据；

根据所述历史带宽数据确定用于预测所述用户在不同时间点所使用带宽范围的带宽预测模型；

根据所述带宽预测模型预测所述用户在某一时间点所使用的带宽范围；

比较所述用户在所述某一时间点所使用的实际带宽与所述带宽范围；

当所述实际带宽超出所述带宽范围时确定所述实际带宽为异常带宽。

另一方面，本发明实施例还公开一种电子设备，该电子设备包括：

至少一个存储器，用于存放计算机操作指令；

至少一个处理器，用于执行所述存储器存储的计算机操作指令，以执行：

获取预设时间内用户在不同时间点所使用的历史带宽数据；

根据所述历史带宽数据确定用于预测所述用户在不同时间点所使用带宽范围的带宽预测模型；

根据所述带宽预测模型预测所述用户在某一时间点所使用的带宽范围；

比较所述用户在所述某一时间点所使用的实际带宽与所述带宽范围；

当所述实际带宽超出所述带宽范围时确定所述实际带宽为异常带宽。

图9是本申请另一实施例提供的执行异常带宽确定方法的电子设备的硬件结构示意图，如图9所示，该设备包括：

一个或多个处理器910以及存储器920，图9中以一个处理器910为例。

执行异常带宽确定方法的设备还可以包括：输入装置930和输出装置940。

处理器910、存储器920、输入装置930和输出装置940可以通过总线或者其他方式连接，图9中以通过总线连接为例。

存储器920作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的异常带宽确定方法对应的程序指令/模块。处理器910通过运行存储在存储器920中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例异常带宽确定方法。

存储器920可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据异常带宽确定装置的使用所创建的数据等。此外，存储器920可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器920可选包括相对于处理器910远程设置的存储器，这些远程存储器可以通过网络连接至异常带宽确定装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置930可接收输入的数字或字符信息，以及产生与异常带宽确定装置的用户设置以及功能控制有关的键信号输入。输出装置940可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器920中，当被所述一个或者多个处理器910执行时，执行上述任意方法实施例中的异常带宽确定方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本申请实施例的电子设备以多种形式存在，包括但不限于:

(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等，例如iPad。

(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。