本发明涉及信息处理领域，尤其涉及一种多媒体业务管理方法、装置及服务器。
背景技术：
视频云已经接入了秀场、电商、金融、教育等各种行业的上百款业务。每个行业都有各自的用户模型特点。通常，普通用户自发视频为主的业务高峰期在晚上20点至22点，证券股票类业务高峰期在工作日股市开盘的时间段，海外为主的业务高峰期会有时差。每个业务遇到明星主播的直播、明星教师的课堂或其他推广活动的时候可能带来短期爆发式的增长，一分钟增长几个数量级。这些业务的突增，大多不能提前知会，或者只能提前较短的时间知会。一个突然爆发增长的业务可能挤占整体的业务容量空间，影响其他业务的正常使用，这些都给我们的容量管理带来很大的挑战。
目前，大多采用如下几种方式来解决上述问题：1)恒定阈值：工程师手动配置整体业务或单个业务的正常波动最大阈值；2)固定波动幅度：以分钟级为窗口，工程师手动配置整体业务或单个业务的天同比、周同比或环比的固定波动幅度。可见，现有技术中存在以下问题：1、管理配置复杂，每个业务都是复杂变化的，难以统一配置管理；2、缺乏理论依据，凭工程师经验配置管理，精确度难以保障；3、误报漏报严重，引发告警风暴；4、工程师手工配置处理，工作量大。
技术实现要素：
有鉴于此，本发明实施例期望提供一种多媒体业务管理方法、装置及服务器，以实现对突发业务的自动化检测，提高多媒体业务管理的效率，同时方便用户操作。
为达到上述目的，本发明的技术方案是这样实现的：
第一方面，本发明实施例提供一种多媒体业务管理方法，包括：接收业务加入请求，所述业务加入请求用于表征用户请求加入第一多媒体业务；根据所述第一多媒体业务的业务标识信息，判断所述第一多媒体业务的实时在线数是否处于所述第一多媒体业务对应的预测置信区间内，所述预测置信区间是根据所述第一多媒体业务的历史同周期数据的确定的，且符合正态分布；如果所述实时在线数在所述预测置信区间内，则响应所述业务加入请求，控制所述用户的客户端接入所述第一多媒体业务；如果所述实时在线数超出所述预测置信区间，则确定所述第一多媒体业务为突发业务。
第二方面，本发明实施例提供一种多媒体业务管理装置，包括：接收单元，用于接收业务加入请求，所述业务加入请求用于表征用户请求加入第一多媒体业务；判断单元，用于根据所述第一多媒体业务的业务标识信息，判断所述第一多媒体业务的实时在线数是否处于所述第一多媒体业务对应的预测置信区间内，所述预测置信区间是根据所述第一多媒体业务的历史同周期数据的确定的，且符合正态分布；控制单元，用于如果所述实时在线数在所述预测置信区间内，则响应所述业务加入请求，控制所述用户的客户端接入所述第一多媒体业务；如果所述实时在线数超出所述预测置信区间，则确定所述第一多媒体业务为突发业务。
第三方面，本发明实施例提供一种服务器，包括：外部通信接口，用于接收业务加入请求，所述业务加入请求用于表征用户请求加入第一多媒体业务；处理器，用于根据所述第一多媒体业务的业务标识信息，判断所述第一多媒体业务的实时在线数是否处于所述第一多媒体业务对应的预测置信区间内，所述预测置信区间是根据所述第一多媒体业务的历史同周期数据的确定的，且符合正态分布；如果所述实时在线数在所述预测置信区间内，则响应所述业务加入请求，控制所述用户的客户端接入所述第一多媒体业务；如果所述实时在线数超出所述预测置信区间，则确定所述第一多媒体业务为突发业务。
本发明实施例提供了一种多媒体业务管理方法、装置及服务器，其中，服务器接收用户的客户端发来的业务加入请求，以请求加入第一多媒体业务，然后，根据第一多媒体业务的业务标识信息，判断第一多媒体业务的实时在线数是否处于第一多媒体业务对应的预测置信区间内，这里，预测置信区间是根据第一多媒体业务的历史同周期数据的生成的，且符合正态分布，如果实时在线数在预测置信区间内，则响应业务加入请求，控制用户接入第一多媒体业务，而如果实时在线数超出预测置信区间，则确定第一多媒体业务为突发业务。可见，服务器在用户请求加入第一多媒体业务时，能够根据预测的置信区间，确定第一多媒体业务当前是正常业务还是突发业务，如此，实现自动化识别突发业务，提高多媒体业务管理的效率，同时方便用户操作。
附图说明
图1为本发明实施例中的多人音视频系统的结构示意图；
图2-1为本发明实施例中的多媒体业务管理方法的实现流程图；
图2-2为本发明实施例中的正态分布曲线的示意图；
图2-3为本发明实施例中的告警方法的实现流程图；
图2-4为本发明实施例中的秒级多维度对比监控界面的一种示意图；
图2-5为本发明实施例中的秒级多维度对比监控界面的另一种示意图；
图2-6为本发明实施例中的a业务实时最大在线的监控界面示意图；
图2-7为本发明实施例中的a业务天同比的突发百分比的监控界面示意图；
图2-8为本发明实施例中的a业务空余容量不足的监控界面示意图；
图2-9为本发明实施例中的a业务容量过载的监控界面示意图；
图2-10为本发明实施例中的a业务总容量过载的监控界面示意图；
图3-1为本发明实施例中的确定预测置信区间的实现流程示意图；
图3-2为本发明实施例中的训练业务预测模型的实现流程示意图；
图4为本发明实施例中的多媒体业务管理方法的逻辑关系示意图；
图5为本发明实施例中的多媒体业务管理装置的结构示意图；
图6为本发明实施例中的服务器的组成结构示意图。
具体实施方式
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。
本发明实施例提供一种多媒体业务管理方法，该方法应用于服务器，该多媒体业务管理方法所实现的功能可以通过服务器中的处理器调用程序代码来实现，当然程序代码可以保存在计算机存储介质中，可见，该服务器至少包括处理器和存储介质。
在实际应用中，上述服务器可以为多人音视频系统中的策略服务器，当然，也可以为任意实时音视频通话系统中的服务器，本发明实施例不做具体限定。
例如，图1为本发明实施例中的多人音视频系统的结构示意图，参见图1所示，该系统100包括：客户端11、登陆服务器12、至少一个接口机13、至少一个流控机14、配置中心15、信息中心16以及策略服务器17。
其中，登陆服务器，用于透传用户通过客户端创建的多人视频和加入多人视频请求的信令至策略服务器；
至少一个接口机，用于中转音视频数据及视频过程中的信令；
至少一个流控机，用于管理视频房间及实时调节视频过程中的各项音视频参数和音频选路；
配置中心，用于包含所有机器的位置分布以及实时负载情况，并同步到信息中心；
信息中心，用于对所有房间信息进行管理。
在具体实施过程中，根据用户位置信息以及机器的位置、负载信息就近分配接口机、流控机。同房间同运营商用户尽量聚集到相同的接口机。
策略服务器，用于负责加入多人视频请求的鉴权、签名加密、安全确认等业务。
结合上述系统，对用户发起音视频的流程进行说明。
step1：客户端发起请求创建房间，登录服务器透传请求到策略服务器进行鉴权，如果用户有创建房间的权限，则通过信息中心进行分配接口机与流控机，将分配结果返回给客户端。
step2：客户端拿到分配的接口机、流控机之后，发送加入房间请求同时带上客户端能力到接口机、再转发到流控加入房间，加入成功之后，可以上传视频，也可以观看其他用户的视频。
step3：在整个视频房间过程中，客户端每隔2秒会发送一个心跳包到流控机，同时上报该用户的音视频质量数据，如丢包率、码率、帧率、抖动、时延等等数据，此时，流控机会根据客户端的音视频质量，下发调控指令，如控制客户端的采集帧率码率、编解码方式。
图2-1为本发明实施例中的多媒体业务管理方法的实现流程图，参见图2-1所示，该方法包括：
s211：服务器接收业务加入请求；
其中，业务加入请求用于表征用户请求加入第一多媒体业务；
这里，例如，在多人音视频系统中，用户通过客户端请求加入第一多媒体业务，客户端将业务请求通过登录服务器透传给策略服务器。
s212：服务器根据第一多媒体业务的业务标识信息，判断第一多媒体业务的实时在线数是否处于第一多媒体业务对应的预测置信区间内；
在本发明实施例中，上述预测置信区间是根据第一多媒体业务的历史同周期数据的确定的，且符合正态分布。
这里，服务器可以根据历史同周期数据，如天同比、天环比、周同比、周环比等的预测数据，按照正态分布原则确定第一多媒体业务对应的预测置信区间。此处，第一多媒体业务的实时在线数在预测置信区间内的波动可以认为是业务正常的波动，超出预测置信区间则可以认为是运营活动推广、明星主播、明星教师、故障等的异常突发业务。那么，当服务器通过s212接收业务加入请求后，判断当前第一多媒体业务的实时在线数是否处于第一多媒体业务对应的预测置信区间内。
需要说明的是，在本发明实施例中，服务器可以参照正态分布的3σ原则生成上述预测置信区间，当然，也可以参照正态分布的nσ原则，n为正整数，本发明实施例不做具体限定。
具体来说，正态分布概念是由德国的数学家和天文学家moivre于1733年首次提出的。若随机变量服从一个位置参数、尺度参数的概率分布，且其概率密度函数可以如公式(1)所示。
其中，f(x)则这个随机变量就称为正态随机变量，正态随机变量服从的分布就称为正态分布，记作x～n(μ,σ2)，读作x服从x～n(μ,σ2)，或x服从正态分布。当μ＝0，σ＝1时，正态分布就成为标准正态分布。
μ是正态分布的位置参数，描述正态分布的集中趋势位置。概率规律为取与μ邻近的值的概率大，而取离μ越远的值的概率越小。正态分布以x＝μ为对称轴，左右完全对称。正态分布的期望、均数、中位数、众数相同，均等于μ。
σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。
在实际应用中，图2-2为本发明实施例中的正态分布曲线的示意图，参见图2-2所示，正态分布曲线221下横轴上一定区间的面积反映该区间的例数占总例数的百分比，或变量值落在该区间的概率(概率分布)。不同范围内正态曲线下的面积可用公式计算。正态曲线下，横轴区间(μ-σ，μ+σ)内的面积为68.26％，p{|x-μ|<σ}＝2φ(1)-1＝0.6826；横轴区间(μ-3σ，μ+3σ)内的面积为99.73％，p{|x-μ|<3σ}＝2φ(3)-1＝0.6826。
进一步地，由于“小概率事件”和假设检验的基本思想“小概率事件”通常指发生的概率小于5％的事件，认为在一次试验中该事件是几乎不可能发生的。由此可见，x落在(μ-3σ，μ+3σ)以外的概率小于千分之三，在实际应用中常认为相应的事件是不会发生的，也就是说，基本上可以把区间(μ-3σ，μ+3σ)看作是随机变量x实际可能的取值区间，这称之为正态分布的3σ原则。
那么，在本发明实时例中，μ是视频云中各个业务用户在线数样本的均值，σ为用户在线数样本的标准方差，反映了业务在线数的波动程度。此时，(μ-3σ，μ+3σ)即为上述预测置信区间。
s213a：如果实时在线数在预测置信区间内，则响应业务加入请求，控制用户的客户端接入第一多媒体业务；
这里，当第一多媒体业务的实时在线数处于预测置信区间内时，响应s211中接收到的业务加入请求，控制用户的客户端加入第一多媒体业务，比如，将用户加入在线视频课程的房间或者为用户创建新房间，当然，还存在其它情况，本发明实施例不做具体限定。
s213b：如果实时在线数超出预测置信区间，则确定第一多媒体业务为突发业务。
在本发明其它实施例中，图2-3为本发明实施例中的告警方法的实现流程图，参见图2-3所示，上述方法还可以包括：
s2301：获取服务器的整体容量以及第一多媒体业务的预设波动空间；
这里，服务器获取自身的整体容量，也就是服务器为各个多媒体业务所能提供的容量总和，以及第一多媒体业务的预设波动空间，也就是第一多媒体业务的正常波动空间，即正常波动空间为预测置信区间的上限值与下限值之差；假设，采用正态分布的3σ原则确定上述预测置信区间，那么这里的正常波动空间可以为6σ。
s2302：根据整体容量与预设波动空间确定对应的告警等级；
这里，服务器根据整体容量以及预设波动空间之间的关系，确定对应的告警等级，比如，当整体容量在扣除第一多媒体业务的预设波动空间外剩余的空间小于预设门限值时，确定告警等级为第一告警等级；当整体容量在扣除正常波动空间以及实时在线数外剩余的突发空间已满时，确定告警等级为第一告警等级；当实时在线数达到整体容量时，确定告警等级为第三告警等级。
需要说明的时，上述三个告警等级为递进关系，第一告警等级之后为第二告警等级，第二告警等级之后为第三告警等级。
s2303a：当告警等级为第一告警等级时，发送告警消息，告警消息用于提示容量情况；
s2303b：当告警等级为第二告警等级时，拒绝业务加入请求，并发送告警消息；
s2303c：当告警等级为第三告警等级时，拒绝所有用户的业务加入请求，并发送告警消息。
这里，上述服务器发送告警信息的步骤，可以为服务器向后台技术人员发送告警信息，如在服务器的显示屏上显示告警信息，提示当前系统容量，或者向关联的后台技术人员的手机、邮箱发送短消息、即时消息或者邮件等，以实现告警，当然，还可以存在其他的告警方式，本发明实施例不作具体限定。进一步地，服务器在发送告警消息的同时，还可以向用户的客户端发送提示信息，以提示用户当前系统过载或者超量。
那么，当服务器确定告警等级后，可以执行上述s2303a至s2303c中的至少一个步骤，以进行告警。
进一步地，服务器还可以实现可视化监控，如进行秒级多维度对比监控，以及对业务容量的监控。
举例来说，图2-4为本发明实施例中的秒级多维度对比监控的一种示意图，参见图2-4所示，online为当天实时在线数，day_up_limit_online为按天环比预测的预设波动空间的上限值，可以直观看到实际值是否突发超过预测上限值，以及超过的比例。业务标识(id，identify)框241可以选择需要查看的业务，或者总体的情况，时间框242可以选择过去的时间，查看过去的情况。
当然，图2-5为本发明实施例中的秒级多维度对比监控的另一种示意图，参见图2-5所示，除了图1-3所示的online在线数和day_up_limit_online按天环比预测的预设波动空间的上限值的对比，还可以从纬度对比框251中选择当前在线值“onlie”按天环比预测上限值“day_up_limit_online”,超过按天环比预测上限值的百分比“day_up_limit_percent”、按天均值“day_erage”、按天σ值“day_sigema”、按周环比预测上限值“week_up_limit_online”、超过按周环比预测上限值的百分比“week_up_limit_percent”、按周均值“week_erage”、按周σ值“week_sigema”中的任意两个纬度的对比。
另外，假设，以2016年9月25日a业务全天的推广活动为例。为验证系统，当时总量设置为25万。图2-6为本发明实施例中的a业务实时最大在线的示意图，参见图2-6所示，高峰期超过27万在线。进一步地，当日为a业务的全天推广活动，图2-7为本发明实施例中的a业务天同比的突发百分比的示意图，参见图2-7所示，a业务基本整天都处在天同比的突发状态，属于突发业务。
但在实际容量监控中，在容量相对比较充足的时候没有触发容量不足的预警，图2-8为本发明实施例中的a业务空余容量不足的监控界面示意图，参见图2-8所示，约19点以前的数据，对比图2-6来说，这个阶段总在线数约在18万以下，有足够的空间保证业务的正常波动。但是在约19点以后，随着总在线数的增加，进入第一级告警。
进一步地，图2-9为本发明实施例中的a业务容量过载的监控界面示意图，参见图2-9所示，大约在20点40分后，随着总在线数增长到了24万左右，离总容量只剩余少量预留给业务的正常波动空间，开始触发第二级告警，并禁止突发业务的加入，也就是禁止a业务的加入，而其他正常业务仍然可以继续加入。
进一步地，图2-10为本发明实施例中的a业务总容量过载的监控界面示意图，参见图2-10所示，在21点后随着总在线数的继续增加超过25万在线，超过了整个服务器的容量空间，这时会触发第三级告警，并禁止所有业务的加入，以保证系统不会雪崩等过载问题。
至此，通过第一多媒体业务对应的预测置信区间，服务器自动识别突发业务，进而，对进行容量管理，并向用户告警。
在本发明实施例中，服务器接收用户的客户端发来的业务加入请求，以请求加入第一多媒体业务，然后，根据第一多媒体业务的业务标识信息，判断第一多媒体业务的实时在线数是否处于第一多媒体业务对应的预测置信区间内，这里，预测置信区间是根据第一多媒体业务的历史同周期数据的生成的，且符合正态分布，如果实时在线数在预测置信区间内，则响应业务加入请求，控制用户接入第一多媒体业务，而如果实时在线数超出预测置信区间，则确定第一多媒体业务为突发业务。可见，服务器在用户请求加入第一多媒体业务时，能够根据预测的置信区间，确定第一多媒体业务当前是正常业务还是突发业务，如此，实现自动化识别突发业务，提高多媒体业务管理的效率，同时方便用户操作。
基于前述实施例，为了得到上述预测置信区间，服务器通过第一多媒体业务的历史同周期数据训练得到业务预测模型，然后利用这个业务预测模型，获得第一多媒体业务所对应的预测置信区间。
那么，图3-1为本发明实施例中的确定预测置信区间的实现流程示意图，参见图3-1所示，在上述s211之前，上述方法还可以包括：
s311：获取第一多媒体业务的实时在线数据，并按秒级收集存储为历史同周期的离线数据；
这里，服务器实时获取第一多媒体业务的实时在线数据，然后，对这些实时在线数据进行汇总，并按当前的时间戳以秒级进行存储，如此便形成了第一多媒体业务的历史同周期的离线数据。
s312：当离线数据累计达到预设数据量时，基于离线数据和预设的业务预测模型确定第一多媒体业务的容量管理配置参数；
在具体实施过程中，上述预设的业务预测模型可以由服务器根据第一多媒体业务的历史同周期的离线数据训练而成。
具体来说，服务器持续在接收离线数据，直至离线数据累计达到预设数据量，如离线数据累计达到第一滑动窗口的大小，此时，服务器采用这些离线数据训练业务预测模型，获得业务预测模型的模型参数，然后，将模型参数确定为容量管理配置参数。
在本发明其它实施例中，服务器对第一滑动窗口内的离线数据进行分析，获得样本参数，如样本个数、样本最大值、样本最小值、样本均值以及σ，并存储这些样本参数，并存储。然后，服务器可以周期性地获取存储的至少一个样本参数，如果服务器要训练天同比业务预测模型，则按天获取上述样本参数，如果服务器要训练周同比业务预测模型，则按周获取上述样本参数，以此类推，服务器可以得到月同比业务预测模型、环比业务预测模型等，本发明实施例不做具体限定。那么，服务器在获得至少一个样本参数后，根据至少一个样本参数和预设的第一置信系数，生成第一多媒体业务在目标时间段的预测数据，接下来，服务器将目标时间段的预测数据与目标时间段的实际数据进行比对，得到对比结果，进而根据比对结果调整第一滑动窗口的大小，得到第二滑动窗口的大小，并根据比对结果调整第一置信系数，得到第二置信系数，最终，将第二滑动窗口的大小和第二置信系数确定为业务预测模型的模型参数。
这里，置信系数可以为正态分布x～n(μ,nσ2)中的n，在服务器的缺省设置中n＝3，即第一置信系数，然后，根据目标时间段的预测数据与目标时间段的实际数据的对比结果的预测结果，调整滑动窗口的大小以及n的取值，进而获得最合适的业务预测模型以及该模型的模型参数，即第二滑动窗口的大小和第二置信系数。
进一步地，服务器还可以将样本参数按照时间戳进行存储，这样，在后续获取至少一个样本参数时，大大减少数据的处理量，提高样本参数的读取效率。
举例来说，图3-2为本发明实施例中的训练业务预测模型的实现流程示意图，参见图3-2所示，上述方法还包括：
s321：按秒级的上报第一多媒体业务的在线数据；
s322：将在线数据按业务进行汇总；
s323：以当前的时间戳(秒)，按整个实时数据存储空间大小取模得到索引下标，在当前时间戳对应的位置写入数据，如图3-2中所述的“113”所在的位置，如此得到第一多媒体业务的离线数据；
s324：当离线数据达到第一滑动窗口31的大小时，对该滑动窗口内的样本数据计算分析，得到样本参数集合32＝{样本个数，样本最大值，样本最小值，样本均值，σ}；
s325：将当前时间戳(天)对离线存储总天数取模，找到所对应天数的存储位置，再将当前时间戳(分钟)对一天的分钟数取模，找到当前分钟所对应的位置，如图3-2中所述的“a”所标识的位置。
进一步地，如图3-2中“b”的位置为环比预测范围，“c”的位置为天同比预测范围，“d”的位置为周或月同比预测范围。
s326：对过去7天、30天等周期数据学习处理，对第一多媒体业务在不同滑动窗口大小及置信系数时，验证在正常波动和异常波动预测的准确性、误报率、响应速度方面进行比较，得到适合第一多媒体业务的最佳滑动窗口大小、置信系数，也就是业务预测模型的模型参数；
s327：将上述业务预测模型的模型参数确定为第一多媒体业务的容量管理配置参数。
至此，便确定了第一多媒体业务的容量管理配置参数。
s313：根据容量管理配置参数，获得第一多媒体业务所对应的预测置信区间。
这里，服务器在确定第一多媒体业务的容量管理配置参数之后，可以将如(μ-3σ，μ+3σ)确认为第一多媒体业务所对应的预测置信区间。
在本发明实施例中，服务器依据第一多媒体业务的历史同周期的数据，引入通行的基于正态分布的3σ理论得到的置信区间，来学习预测整体业务及单个业务正常波动范围，自动化的识别突增的业务，及为正常业务需要预留的空间。进一步地，服务器依据各业务历史数据，长期进行训练学习，形成适合各业务特点的参数，包括滑动窗口大小、置信系数等，实现智能的调整，找到最佳的业务周期模型。
基于前述实施例，以具体事例对上述一个或者多个实施例中所述的方法进行说明。
图4为本发明实施例中的多媒体业务管理方法的逻辑关系示意图，参见图4所示，上述多媒体业务管理方法包括四个阶段，即阶段一41、阶段二42、阶段三43、阶段四44。
阶段一：实时数据的收集，包括各个业务的实时在线数据及整体业务的实时在线数据，按秒级收集存储为离线数据。
阶段二：每个业务周期模型特点有差异，波动特点也不同。有的处于高速增长期，有的处于稳定发展期，所需生成预测置信区间的滑动窗口大小、置信系数不同，按天同比预测或者按周同比预测也不同，本发明通过定期对离线数据按天、周等参照正态分布3σ原则遍历学习，获得最适合各个业务的滑动窗口大小(分钟级)、置信系数、周期等参数。依据各个业务的历史数据定期的刷新参数，实现自适应。
阶段三：依据正态分布3σ原则生成参数的再加工。如果实际过程中某些误报偏多，工程师可以配置参数干预系统；部分业务活动推广是有备案的也可以单独配置；获取当前整个系统的总容量数据，一方面可以修正预测值，防止异常，另一方面可以计算出整个系统的正常预留空间(各业务整体所需的正常波动空间)和突发业务空间(总容量数据-当前在线数-正常预留空间)。
阶段四：实时检测。每个用户在发送加入请求的时候，根据该业务在线数是否处在置信区间内波动，及整体的负载和容量情况来判定告警等级：
第一级告警：整体容量在扣除正常波动预留空间外剩余的空间不多了，发送容量预警，提示容量情况及扩容。
第二级告警：该业务处于突发状态，且突发空间已满，禁止该用户的加入请求，并告警。
第三级告警：当前实时总在线数达到总容量空间，禁止所有用户的加入请求，并告警。
基于同一发明构思，本发明实施例提供一种多媒体业务管理装置，该装置设置于上述一个或者多个实施例中所述的服务器。
图5为本发明实施例中的多媒体业务管理装置的结构示意图，参见图5所示，该装置500包括：接收单元51，用于接收业务加入请求，业务加入请求用于表征用户请求加入第一多媒体业务；判断单元52，用于根据第一多媒体业务的业务标识信息，判断第一多媒体业务的实时在线数是否处于第一多媒体业务对应的预测置信区间内，预测置信区间是根据第一多媒体业务的历史同周期数据的确定的，且符合正态分布；控制单元53，用于如果实时在线数在预测置信区间内，则响应业务加入请求，控制用户的客户端接入第一多媒体业务；如果实时在线数超出预测置信区间，则确定第一多媒体业务为突发业务。
在本发明其它实施例中，上述装置还包括：告警单元，用于获取服务器的整体容量以及第一多媒体业务的预设波动空间；根据整体容量与预设波动空间确定对应的告警等级；当告警等级为第一告警等级时，发送告警消息，告警消息用于提示容量情况；当告警等级为第二告警等级时，拒绝业务加入请求，并发送告警消息；当告警等级为第三告警等级时，拒绝所有用户的业务加入请求，并发送告警消息。
在本发明其它实施例中，上述装置还包括：存储单元及获得单元；其中，控制单元，用于在接收业务加入请求之前，获取第一多媒体业务的实时在线数据；存储单元，用于按秒级收集存储为历史同周期的离线数据；获得单元，用于当离线数据累计达到预设数据量时，基于离线数据和预设的业务预测模型确定第一多媒体业务的容量管理配置参数；根据容量管理配置参数，获得第一多媒体业务所对应的预测置信区间。
在本发明其它实施例中，获得单元，用于当离线数据累计达到第一滑动窗口的大小时，采用离线数据训练业务预测模型，获得业务预测模型的模型参数；将模型参数确定为容量管理配置参数。
在本发明其它实施例中，获得单元，用于对第一滑动窗口内的离线数据进行分析，获得样本参数，并存储样本参数；周期性地获取存储的至少一个样本参数；根据至少一个样本参数和预设的第一置信系数，生成第一多媒体业务在目标时间段的预测数据；将目标时间段的预测数据与目标时间段的实际数据进行比对，得到对比结果；根据比对结果调整第一滑动窗口的大小，得到第二滑动窗口的大小；根据比对结果调整第一置信系数，得到第二置信系数；将第二滑动窗口的大小和第二置信系数确定为业务预测模型的模型参数。
在本发明其它实施例中，获得单元，用于将样本参数按照时间戳进行存储。
这里需要指出的是：以上装置实施例项的描述，与上述方法描述是类似的，具有同方法实施例相同的有益效果，因此不做赘述。对于本发明装置实施例中未披露的技术细节，本领域的技术人员请参照本发明方法实施例的描述而理解，为节约篇幅，这里不再赘述。
基于同一发明构思，本发明实施例提供一种服务器，与上述一个或者多个实施例中所述的服务器一致。
图6为本发明实施例中的服务器的组成结构示意图，参见图6所示，该服务器600可以包括：至少一个处理器601、至少一个通信总线602、用户接口603、至少一个外部通信接口604和存储器606。其中，通信总线602用于实现这些组件之间的连接通信。其中，用户接口603可以包括显示屏(display)和键盘(keyboard)。外部通信接口604可选的可以包括标准的有线接口和无线接口。
其中，外部通信接口，用于接收业务加入请求，业务加入请求用于表征用户请求加入第一多媒体业务；处理器，用于根据第一多媒体业务的业务标识信息，判断第一多媒体业务的实时在线数是否处于第一多媒体业务对应的预测置信区间内，预测置信区间是根据第一多媒体业务的历史同周期数据的确定的，且符合正态分布；如果实时在线数在预测置信区间内，则响应业务加入请求，控制用户的客户端接入第一多媒体业务；如果实时在线数超出预测置信区间，则确定第一多媒体业务为突发业务。
在本发明其它实施例中，处理器，还用于获取服务器的整体容量以及第一多媒体业务的预设波动空间；根据整体容量与预设波动空间确定对应的告警等级；还用于当告警等级为第二告警等级时，拒绝业务加入请求；当告警等级为第三告警等级时，拒绝所有用户的业务加入请求；外部通信接口，还用于当告警等级为第一告警等级时，发送告警消息，告警消息用于提示容量情况；当告警等级为第二告警等级时，发送告警消息；当告警等级为第三告警等级时，发送告警消息。
在本发明其它实施例中，处理器，还用于在接收业务加入请求之前，获取第一多媒体业务的实时在线数据；按秒级收集存储为历史同周期的离线数据；当离线数据累计达到预设数据量时，基于离线数据和预设的业务预测模型确定第一多媒体业务的容量管理配置参数；根据容量管理配置参数，获得第一多媒体业务所对应的预测置信区间。
在本发明其它实施例中，处理器，用于当离线数据累计达到第一滑动窗口的大小时，采用离线数据训练业务预测模型，获得业务预测模型的模型参数；将模型参数确定为容量管理配置参数。
在本发明其它实施例中，处理器，用于对第一滑动窗口内的离线数据进行分析，获得样本参数，并存储样本参数；周期性地获取存储的至少一个样本参数；根据至少一个样本参数和预设的第一置信系数，生成第一多媒体业务在目标时间段的预测数据；将目标时间段的预测数据与目标时间段的实际数据进行比对，得到对比结果；根据比对结果调整第一滑动窗口的大小，得到第二滑动窗口的大小；根据比对结果调整第一置信系数，得到第二置信系数；将第二滑动窗口的大小和第二置信系数确定为业务预测模型的模型参数。
在本发明其它实施例中，处理器，用于将样本参数按照时间戳进行存储。在实际应用中，上述处理器可以为特定用途集成电路(asic，applicationspecificintegratedcircuit)、数字信号处理器(dsp，digitalsignalprocessor)、数字信号处理装置(dspd，digitalsignalprocessingdevice)、可编程逻辑装置(pld，programmablelogicdevice)、现场可编程门阵列(fpga，fieldprogrammablegatearray)、中央处理器(cpu，centralprocessingunit)、控制器、微控制器、微处理器中的至少一种。可以理解地，实现上述处理器功能的电子器件还可以为其它，本发明实施例不作具体限定。
这里需要指出的是：以上服务器实施例项的描述，与上述方法描述是类似的，具有同方法实施例相同的有益效果，因此不做赘述。对于本发明服务器实施例中未披露的技术细节，本领域的技术人员请参照本发明方法实施例的描述而理解，为节约篇幅，这里不再赘述。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(readonlymemory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。