CN104267965B - 一种数据处理方法、装置及服务器 - Google Patents
一种数据处理方法、装置及服务器 Download PDFInfo
- Publication number
- CN104267965B CN104267965B CN201410542270.5A CN201410542270A CN104267965B CN 104267965 B CN104267965 B CN 104267965B CN 201410542270 A CN201410542270 A CN 201410542270A CN 104267965 B CN104267965 B CN 104267965B
- Authority
- CN
- China
- Prior art keywords
- data
- task
- execution task
- speed
- execution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明实施例提供了一种数据处理方法、装置及服务器，其中方法包括：根据数据生成任务的运行速度和数据执行任务的运行速度，确定数据执行任务延迟启动时长T；先启动并运行数据生成任务，并在T时间后，启动并运行数据执行任务。本发明整体实现了数据生成任务和数据执行任务的并行处理，提高了数据处理的速度，提升了数据处理的效率。
Description
技术领域
本发明涉及信息处理技术领域，尤其涉及一种数据处理方法、装置及服务器。
背景技术
现有的数据处理过程通常包括数据生成过程和数据执行过程，不论是在测试过程中还是在实际数据处理过程中，数据生成和数据执行常采用串行的方式，即数据执行过程必须等到数据生成过程完成之后再进行，这种串行的方式，拉长了整个数据处理过程，增加了时间成本，效率较低。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种数据处理方法、装置及服务器。
基于上述问题，本发明实施例提供的一种数据处理方法，包括：
根据数据生成任务的运行速度和数据执行任务的运行速度，确定数据执行任务延迟启动时长T；
先启动并运行数据生成任务，并在T时间后，启动并运行数据执行任务。
本发明实施例提供的一种数据处理装置，包括：
确定模块，用于根据数据生成任务的运行速度和数据执行任务的运行速度，确定数据执行任务延迟启动时长T；
生成任务运行模块，用于先启动并运行数据生成任务；
执行任务运行模块，用于在启动并运行数据生成任务T时间后，启动并运行数据执行任务。
本发明实施例提供的服务器，包括本发明实施例提供的上述数据处理的装置。
本发明实施例的有益效果包括：
本发明实施例提供的数据处理方法、装置及服务器，首先根据数据生成任务的运行速度和数据执行任务的运行速度，确定数据执行任务延迟启动时长T，然后先启动并运行数据生成任务，并在T时间后，启动并运行数据执行任务。这样，从整体上实现了数据生成任务和数据执行任务的并行处理，提高了数据处理的速度，提升了数据处理的效率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例提供的数据处理方法的流程图；
图2为本发明实施例提供的计算功率时延谱的流程图；
图3为本发明实施例提供的随机接入信号的检测装置的结构图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
下面结合说明书附图，对本发明实施例提供的一种数据处理方法、装置及服务器的具体实施方式进行说明。
本发明实施例提供的一种数据处理方法，如图1所示，具体包括以下步骤：
S11、根据数据生成任务的运行速度和数据执行任务的运行速度，确定数据执行任务延迟启动时长T；
S12、先启动并运行数据生成任务；
S13、在启动并运行数据任务T时间后，启动并运行数据执行任务。
上述S13可以根据预先设置的数据执行任务的结束条件而结束，例如达到预先设置的执行任务迭代总次数或达到执行的总时长就可以结束。
在本发明实施例中，数据生成任务和数据执行任务，在正常运行状态都是采用循环迭代执行多次的方式。
在上述S11之前，还需要一个预处理过程来确定数据生成任务的运行速度和数据执行任务的运行速度，在这个预处理过程中，需要预先设定一个生成任务和一个数据执行任务以及一个数据池；其中：生成任务用于生成数据并放入设定的数据池，执行任务用于从数据池中取出数据并执行；
先运行一次数据生成任务，根据运行一次数据生成任务生成的数据量和耗时，计算出每秒生成的数据量，作为数据生成任务的运行速度；
循环运行数据生成任务，当数据池中的数据量达到运行一次执行任务配置的数据量时，运行一次数据执行任务，根据运行一次数据执行任务执行的数据量和耗时，计算出每秒执行的数据量，作为数据执行任务的运行速度。
上述运行一次执行任务配置的数据量是预先设置的固定值。
总体来说，数据生成任务的速度(所有数据生成任务的速度的总和)要大于数据执行任务的速度，以保证数据池中总有数据可以执行。这样，根据数据生成任务的运行速度和数据执行任务的运行速度，确定数据执行任务延迟启动时长T，具体包括如下两种情况：
第一种情况：数据生成任务的运行速度大于所述数据执行任务的运行速度；
这种情况下，T＝运行一次执行任务配置的数据量/数据生成任务的运行速度；
举例来说，假设运行一次执行任务配置的数据量为M条，数据生成任务的运行速度为S条/秒，则T＝M/S。
第二种情况，数据生成任务的运行速度小于等于数据执行任务的运行速度；
这种情况下，T＝数据生成任务总耗时-数据执行任务总耗时+运行一次数据执行任务的耗时；其中：
数据生成任务总耗时＝需消耗的数据总量/数据生成任务的运行速度；
数据执行任务总耗时＝需消耗的数据总量/数据执行任务的运行速度，或单次运行数据执行任务的时间*预设的执行任务迭代总次数；
需消耗的数据总量＝数据执行任务的运行速度*预设的执行任务运行总时长，或运行一次数据执行任务执行的数据量*预设的执行任务迭代总次数。
在第二种情况下，因为数据生成任务的运行速度小于数据执行任务的运行速度，因此，数据生成任务提前的时间量相对于第一种情况要大一些，预设的执行任务迭代总次数和预设的执行任务运行总时长根据前述数据执行任务的结束条件来确定。
上述运行一次数据执行任务执行的数据量等于前述运行一次执行任务配置的数据量。
在S12中启动数据生成任务之后，开始计时，同时数据生成任务会不断循环执行，直至T时间之后，执行S13，即启动并运行数据执行任务的步骤，这样，本发明实施例提供的数据处理方法，整体实现了数据生成任务和数据执行任务的并行处理，提高了数据处理的速度，提升了数据处理的效率。
进一步地，预处理过程只是根据运行一次数据生成任务和一次数据执行任务得到的数据生成任务的运行速度和数据执行任务的运行速度，来确定出数据执行任务延迟启动时长T，在真正开始运行数据生成任务时，数据生成任务采用循环迭代方式多次运行，由于各种因素，此时数据生成任务实际运行速度(或者说数据生成任务单次运行耗费的时间)并不一定与预处理的过程相等，较佳地，可以根据实际运行过程中的情况，对时间T进行动态的调整。
具体来说，在上述S12即启动并运行数据生成任务之后，在S13启动并运行数据执行任务之前，本发明实施例提供的上述数据处理方法，还可以执行下述步骤：
对数据生成任务进行监测；
根据监测过程中数据生成任务的平均运行时间，对数据执行任务延迟启动时长T进行调整。
进一步地，上述根据监测过程中数据生成任务的平均运行时间，对数据执行任务延迟启动时长T进行调整，在具体实施时，如图2所示，通过下述流程实现：
S21、统计数据生成任务多次迭代运行时每次运行的时间；
S22、计算数据生成任务多次迭代运行时每次运行的时间的均值；
S23、根据计算出的均值，计算出数据生成任务的平均运行速度；
计算方法与前述类似，即使用运行一次数据生成任务生成的数据量除以前述S22中计算得到的每次运行的时间的均值，即得到监测过程中数据生成任务的平均运行速度；
S24、根据平均运行速度，重新计算数据执行任务延迟启动时长，假设为T’；
S25、将重新计算出的数据执行任务延迟启动时长T’与之前确定的数据执行任务延迟启动时长T的大小进行比较；若均值大于之前确定的数据执行任务延迟启动时长T的大小，则执行下述S26，否则转向执行S21；
S26、调整数据执行任务延迟启动时长T等于前述重新计算出的数据执行任务延迟启动时长T’。
基于同一发明构思，本发明实施例还提供了一种数据处理装置及服务器，由于这些装置和服务器所解决问题的原理与前述数据处理方法相似，因此该装置和服务器的实施可以参见前述方法的实施，重复之处不再赘述。
本发明实施例提供的数据处理装置，如图3所示，包括：
确定模块301，用于根据数据生成任务的运行速度和数据执行任务的运行速度，确定数据执行任务延迟启动时长T；
生成任务运行模块302，用于先启动并运行数据生成任务；
执行任务运行模块303，用于在启动并运行数据生成任务T时间后，启动并运行数据执行任务。
进一步地，本发明实施例提供的数据处理装置，如图3所示，还包括：预处理模块304，用于设定一个数据生成任务和一个数据执行任务，所述生成任务用于生成数据并放入设定的数据池，所述执行任务用于从数据池中取出数据并执行；先运行一次数据生成任务，根据运行一次数据生成任务生成的数据量和耗时，计算出每秒生成的数据量，作为数据生成任务的运行速度；循环运行数据生成任务，当数据池中的数据量达到运行一次执行任务配置的数据量时，运行一次数据执行任务，根据运行一次数据执行任务执行的数据量和耗时，计算出每秒执行的数据量，作为数据执行任务的运行速度。
进一步地，上述确定模块301，具体用于当数据生成任务的运行速度大于所述数据执行任务的运行速度时，T＝运行一次执行任务配置的数据量/数据生成任务的运行速度；当所述数据生成任务的运行速度小于等于所述数据执行任务的运行速度时，T＝数据生成任务总耗时-数据执行任务总耗时+运行一次数据执行任务的耗时；其中，数据生成任务总耗时＝需消耗的数据总量/数据生成任务的运行速度；数据执行任务总耗时＝需消耗的数据总量/数据执行任务的运行速度，或单次运行数据执行任务的时间*预设的执行任务迭代总次数；需消耗的数据总量＝数据执行任务的运行速度*预设的执行任务运行总时长，或运行一次数据执行任务执行的数据量*预设的执行任务迭代总次数。
进一步地，本发明实施例提供的数据处理装置，如图3所示，还包括：动态调整模块305，用于启动并运行数据执行任务之前，对所述数据生成任务进行监测；根据监测过程中所述数据生成任务的平均运行时间，对数据执行任务延迟启动时长T进行调整。
进一步地，上述动态调整模块305，具体用于统计数据生成任务多次迭代运行时每次运行的时间并计算其均值；根据所述均值，计算出所述数据生成任务的平均运行速度；根据所述平均运行速度，重新计算数据执行任务延迟启动时长T；将重新计算出的数据执行任务延迟启动时长T与之前确定的数据执行任务延迟启动时长T的大小进行比较；若所述重新计算出的数据执行任务延迟启动时长T大于之前确定的数据执行任务延迟启动时长T的大小，则调整数据执行任务延迟启动时长T等于所述重新计算出的数据执行任务延迟启动时长T。
本发明实施例还提供了一种服务器，该服务器包括本发明实施例提供的上述数据处理装置。
本发明实施例提供的数据处理方法、装置及服务器，首先根据数据生成任务的运行速度和数据执行任务的运行速度，确定数据执行任务延迟启动时长T，然后先启动并运行数据生成任务，并在T时间后，启动并运行数据执行任务。这样，从整体上实现了数据生成任务和数据执行任务的并行处理，提高了数据处理的速度，提升了数据处理的效率。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的数据处理装置及服务器中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种数据处理方法，其特征在于，包括：
循环运行数据生成任务，当所述数据生成任务生成的数据量达到运行一次执行任务配置的数据量时，运行一次数据执行任务；
根据数据生成任务的运行速度和数据执行任务的运行速度，确定数据执行任务延迟启动时长T；
具体为：当所述数据生成任务的运行速度大于所述数据执行任务的运行速度时，T＝运行一次执行任务配置的数据量/数据生成任务的运行速度；当所述数据生成任务的运行速度小于等于所述数据执行任务的运行速度时，T＝数据生成任务总耗时-数据执行任务总耗时+运行一次数据执行任务的耗时；其中，数据生成任务总耗时＝需消耗的数据总量/数据生成任务的运行速度；数据执行任务总耗时＝需消耗的数据总量/数据执行任务的运行速度，或单次运行数据执行任务的时间*预设的执行任务迭代总次数；需消耗的数据总量＝数据执行任务的运行速度*预设的执行任务运行总时长，或运行一次数据执行任务执行的数据量*预设的执行任务迭代总次数，预设的执行任务迭代总次数和预设的执行任务运行总时长根据前述数据执行任务的结束条件来确定；
先启动并运行数据生成任务，并在T时间后，启动并运行数据执行任务。
2.如权利要求1所述的方法，其特征在于，所述根据数据生成任务的运行速度和数据执行任务的运行速度，确定数据执行任务延迟启动时长T之前,还包括:
设定一个数据生成任务和一个数据执行任务，所述生成任务用于生成数据并放入设定的数据池，所述执行任务用于从数据池中取出数据并执行；
先运行一次数据生成任务，根据运行一次数据生成任务生成的数据量和耗时，计算出每秒生成的数据量，作为数据生成任务的运行速度；
循环运行数据生成任务，当数据池中的数据量达到运行一次执行任务配置的数据量时，运行一次数据执行任务，根据运行一次数据执行任务执行的数据量和耗时，计算出每秒执行的数据量，作为数据执行任务的运行速度。
3.如权利要求1或2所述的方法，其特征在于，启动并运行数据执行任务之前，还包括：
对所述数据生成任务进行监测；
根据监测过程中所述数据生成任务的平均运行时间，对数据执行任务延迟启动时长T进行调整。
4.如权利要求3所述的方法，其特征在于，根据监测过程中所述数据生成任务的平均运行时间，对数据执行任务延迟启动时长T进行调整，具体包括：
统计数据生成任务多次迭代运行时每次运行的时间并计算其均值；
根据所述均值，计算出所述数据生成任务的平均运行速度；
根据所述平均运行速度，重新计算数据执行任务延迟启动时长；
将重新计算出的数据执行任务延迟启动时长与之前确定的数据执行任务延迟启动时长T的大小进行比较；
若所述重新计算出的数据执行任务延迟启动时长大于之前确定的数据执行任务延迟启动时长T的大小，则调整数据执行任务延迟启动时长T等于所述重新计算出的数据执行任务延迟启动时长。
5.一种数据处理装置，其特征在于，包括：
循环模块，循环运行数据生成任务，当所述数据生成任务生成的数据量达到运行一次执行任务配置的数据量时，运行一次数据执行任务；
确定模块，用于根据数据生成任务的运行速度和数据执行任务的运行速度，确定数据执行任务延迟启动时长T；具体用于当所述数据生成任务的运行速度大于所述数据执行任务的运行速度时，T＝运行一次执行任务配置的数据量/数据生成任务的运行速度；当所述数据生成任务的运行速度小于等于所述数据执行任务的运行速度时，T＝数据生成任务总耗时-数据执行任务总耗时+运行一次数据执行任务的耗时；其中，数据生成任务总耗时＝需消耗的数据总量/数据生成任务的运行速度；数据执行任务总耗时＝需消耗的数据总量/数据执行任务的运行速度，或单次运行数据执行任务的时间*预设的执行任务迭代总次数；需消耗的数据总量＝数据执行任务的运行速度*预设的执行任务运行总时长，或运行一次数据执行任务执行的数据量*预设的执行任务迭代总次数，预设的执行任务迭代总次数和预设的执行任务运行总时长根据前述数据执行任务的结束条件来确定；
生成任务运行模块，用于先启动并运行数据生成任务；
执行任务运行模块，用于在启动并运行数据生成任务T时间后，启动并运行数据执行任务。
6.如权利要求5所述的装置，其特征在于，还包括：预处理模块，用于设定一个数据生成任务和一个数据执行任务，所述生成任务用于生成数据并放入设定的数据池，所述执行任务用于从数据池中取出数据并执行；先运行一次数据生成任务，根据运行一次数据生成任务生成的数据量和耗时，计算出每秒生成的数据量，作为数据生成任务的运行速度；循环运行数据生成任务，当数据池中的数据量达到运行一次执行任务配置的数据量时，运行一次数据执行任务，根据运行一次数据执行任务执行的数据量和耗时，计算出每秒执行的数据量，作为数据执行任务的运行速度。
7.如权利要求5或6所述的装置，其特征在于，还包括：
动态调整模块，用于启动并运行数据执行任务之前，对所述数据生成任务进行监测；根据监测过程中所述数据生成任务的平均运行时间，对数据执行任务延迟启动时长T进行调整。
8.如权利要求7所述的装置，其特征在于，动态调整模块，具体用于统计数据生成任务多次迭代运行时每次运行的时间并计算其均值；根据所述均值，计算出所述数据生成任务的平均运行速度；根据所述平均运行速度，重新计算数据执行任务延迟启动时长T；将重新计算出的数据执行任务延迟启动时长T与之前确定的数据执行任务延迟启动时长T的大小进行比较；若所述重新计算出的数据执行任务延迟启动时长T大于之前确定的数据执行任务延迟启动时长T的大小，则调整数据执行任务延迟启动时长T等于所述重新计算出的数据执行任务延迟启动时长T。
9.一种服务器，其特征在于，所述服务器包括如权利要求5-8任一项所述的数据处理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410542270.5A CN104267965B (zh) | 2014-10-14 | 2014-10-14 | 一种数据处理方法、装置及服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410542270.5A CN104267965B (zh) | 2014-10-14 | 2014-10-14 | 一种数据处理方法、装置及服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104267965A CN104267965A (zh) | 2015-01-07 |
| CN104267965B true CN104267965B (zh) | 2018-05-04 |
Family
ID=52159489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410542270.5A Active CN104267965B (zh) | 2014-10-14 | 2014-10-14 | 一种数据处理方法、装置及服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104267965B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3617889B1 (en) * | 2017-06-27 | 2021-08-11 | Huawei Technologies Co., Ltd. | Stutter detection method and device |
| CN112395053A (zh) * | 2019-08-13 | 2021-02-23 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置 |
| CN111047032A (zh) * | 2019-10-25 | 2020-04-21 | 深圳市道通智能航空技术有限公司 | 图像检测的加速方法、装置及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914531A (zh) * | 2014-03-31 | 2014-07-09 | 百度在线网络技术（北京）有限公司 | 数据的处理方法及装置 |
-
2014
- 2014-10-14 CN CN201410542270.5A patent/CN104267965B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914531A (zh) * | 2014-03-31 | 2014-07-09 | 百度在线网络技术（北京）有限公司 | 数据的处理方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 《用激光标刻控制软件的设计与实现》;蒋雷;《中国优秀硕士学位论文全文数据库 信息科技辑》;20090615;正文第36-45页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104267965A (zh) | 2015-01-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10884795B2 (en) | Dynamic accelerator scheduling and grouping for deep learning jobs in a computing cluster | |
| CN110198244B (zh) | 面向异构云服务的资源配置方法和装置 | |
| US9477533B2 (en) | Progress meters in parallel computing | |
| US11334398B2 (en) | Learning-based thermal estimation in multicore architecture | |
| CN103500003B (zh) | 便携式终端的cpu频率调节方法及调节装置 | |
| Shoukourian et al. | Predicting the energy and power consumption of strong and weak scaling HPC applications | |
| US9632560B2 (en) | Delaying execution in a processor to increase power savings | |
| CN104267965B (zh) | 一种数据处理方法、装置及服务器 | |
| US20160179175A1 (en) | Method and systems for energy efficiency and energy conservation including on-off keying for power control | |
| ATE554443T1 (de) | Anweisungsgesteuerte datenverarbeitungseinrichtung und -verfahren | |
| JP2011163345A5 (zh) | ||
| Chen et al. | Fast distributed deep learning via worker-adaptive batch sizing | |
| US9703344B2 (en) | Power consumption control in computer system | |
| CN105022686A (zh) | 安卓平台上进程的cpu占用率确定方法和装置 | |
| SG2013048186A (en) | System and method for designing an integrated circuit | |
| Guerrero et al. | A performance/cost model for a CUDA drug discovery application on physical and public cloud infrastructures | |
| US10984163B1 (en) | Systems and methods for parallel transient analysis and simulation | |
| Onnebrink et al. | DVFS-enabled power-performance trade-off in MPSoC SW application mapping | |
| US11193963B1 (en) | Data center energy monitoring | |
| CN104268223B (zh) | 一种数据处理方法、装置及服务器 | |
| Bosmans et al. | Cost-aware hybrid cloud scheduling of parameter sweep calculations using predictive algorithms | |
| EP2418582A3 (en) | Apparatus and method for thread progress tracking using deterministic progress index | |
| US20130158733A1 (en) | Method for optimizing power consumption in planned projects | |
| US20110074791A1 (en) | Gpgpu systems and services | |
| US20130275108A1 (en) | Performance simulation of services |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 100083 No. 401, 4th Floor, Haitai Building, 229 North Fourth Ring Road, Haidian District, Beijing Patentee after: BEIJING GRIDSUM TECHNOLOGY Co.,Ltd. Address before: 100086 Cuigong Hotel, 76 Zhichun Road, Shuangyushu District, Haidian District, Beijing Patentee before: BEIJING GRIDSUM TECHNOLOGY Co.,Ltd. |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Data-processing method and device and server equipment Effective date of registration: 20190531 Granted publication date: 20180504 Pledgee: Shenzhen Black Horse World Investment Consulting Co.,Ltd. Pledgor: BEIJING GRIDSUM TECHNOLOGY Co.,Ltd. Registration number: 2019990000503 |
|
| PP01 | Preservation of patent right | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20240604 Granted publication date: 20180504 |