CN110083455B - 图计算处理方法、装置、介质及电子设备 - Google Patents
图计算处理方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN110083455B CN110083455B CN201910376824.1A CN201910376824A CN110083455B CN 110083455 B CN110083455 B CN 110083455B CN 201910376824 A CN201910376824 A CN 201910376824A CN 110083455 B CN110083455 B CN 110083455B
- Authority
- CN
- China
- Prior art keywords
- graph
- computation
- task
- computing
- request
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
Abstract
本发明实施例提供了一种图计算处理方法、图计算处理装置、计算机可读介质及电子设备,涉及数据处理技术领域。该图计算处理方法包括:根据图计算请求确定图计算实例,所述图计算实例包括多个部署于容器的微服务,其中,所述微服务包含执行图计算所需的计算资源;基于所述图计算实例对应的计算资源,执行所述图计算请求对应的图计算任务,确定执行结果。本发明实施例的技术方案能够提高图计算系统的稳定性。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种图计算处理方法、图计算处理装置、计算机可读介质及电子设备。
背景技术
随着大数据和人工智能技术的发展,数据变得尤为重要。不同个体之间彼此交互而产生的数据以图的形式表现,在通信、互联网、电子商务、社交网络和物联网等领域都积累有大规模的图数据。
图由节点与边构成,具有图结构的数据为图数据。图计算是对图数据的处理技术,按照数据处理方式来分,可分为基于联机事务处理(OLTP,online transactionprocessing)的图数据库技术和基于联机分析处理的(OLAP,online analyticalprocessing)的图分析技术。近年来,又出现了基于深度学习的图深度学习框架,比如亚马逊发布的DGL和阿里巴巴发布的Euler,均是在传统的基于OLAP的图分析技术上的延伸和发展。
图计算技术,例如图数据库和图计算框架,无论是分布式还是单节点的方案,都是构建于物理机上,通过部署在物理机上的服务来满足用户需求,多个用户共享使用同一个服务。物理机节点的健康状态会直接影响计算资源的可用性和服务的可用性。虽然通过分布式存储系统可以一定程度上缓解上述问题,但仍然会出现单节点故障拖累整个计算任务的请况。因此,如何保障服务的稳定性成为亟待解决的问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种图计算处理方法、图计算处理装置、计算机可读介质及电子设备,进而至少在一定程度上克服图计算服务不稳定的问题。
本发明的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
根据本发明实施例的第一方面,提供了一种图计算处理方法,可以包括:根据图计算请求确定图计算实例,所述图计算实例包括多个部署于容器的微服务,其中,所述微服务包含执行图计算所需的计算资源;基于所述图计算实例对应的计算资源,执行所述图计算请求对应的图计算任务,确定执行结果。
示例性实施例中,所述根据图计算请求确定图计算实例可以包括:通过图计算请求确定第一计算资源;基于所述第一计算资源确定所述图计算请求对应的图计算实例。
示例性实施例中,基于所述图计算实例对应的计算资源,执行所述图计算请求对应的图计算任务之前,所述方法还可以包括:若检测到所述第一计算资源与所述图计算任务所需的第二计算资源不匹配,则增加所述第一计算资源。
示例性实施例中,基于所述图计算实例对应的计算资源,执行所述图计算请求对应的图计算任务,确定执行结果之后,所述方法还可以包括:若检测到所述图计算任务执行结束,则释放所述第一计算资源。
示例性实施例中,所述根据图计算请求确定图计算实例可以包括:通过消息转发器接收用户的图计算请求,以确定所述用户的图计算实例。
示例性实施例中,基于所述图计算实例对应的计算资源,执行所述图计算实请求对应的图计算任务之前,所述方法还可以包括:接收到所述消息转发器转发的任务创建请求时,根据所述任务创建请求的类型确定图计算任务;基于所述图计算实例生成所述图计算任务。
示例性实施例中,所述基于所述图计算实例生成所述图计算任务可以包括:根据所述任务创建请求的类型确定对应的云端界面;通过所述云端界面确定所述图计算任务。
示例性实施例中,所述通过所述云端界面确定所述图计算任务,可以包括:若所述任务创建请求的类型为数据导入,则通过第一界面确定数据导入任务对应的数据模型,以便根据所述数据模型得到所述图计算实例的图数据;若所述任务创建请求的类型为图查询,则通过第二界面确定图查询任务对应的图数据,以便基于所述图数据确定所述图查询任务的执行结果;若所述任务创建请求的类型为图分析,则通过第三界面确定图分析任务的执行代码。
示例性实施例中,基于所述图计算实例对应的计算资源,执行所述图计算实例对应的图计算任务,确定执行结果之后,所述方法还可以包括:通过可视化界面展示所述执行结果,以供用户查看。
示例性实施例中,基于所述图计算实例对应的计算资源,执行所述图计算实例对应的图计算任务,确定执行结果之后,所述方法还可以包括:通过所述消息转发器将所述执行结果返回给所述用户对应的客户端。
根据本发明实施例的第二方面,提供了一种图计算处理装置,包括:实例确定单元,用于根据图计算请求确定图计算实例,所述图计算实例包括多个部署于容器的微服务,其中,所述微服务包含执行图计算所需的计算资源;任务执行单元,用于基于所述图计算实例对应的计算资源,执行所述图计算请求对应的图计算任务,确定执行结果。
根据本发明实施例的第三方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述实施例中第一方面所述的图计算处理方法。
根据本发明实施例的第四方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中第一方面所述的图计算处理方法。
本发明实施例提供的技术方案可以包括以下有益效果:
在本发明的一些实施例所提供的技术方案中,一方面,基于容器构建的针对图计算的微服务,可以保证服务的高可用性,避免因单节点故障而导致服务不可用,从而提高服务的容灾能力。另一方面,根据图计算请求确定图计算实例,可以为每个图计算请求分配对应的图计算实例,因而使得每个用户都可以有一个单独的图计算实例,用户与用户之间的实例不会互相影响,从而可以避免因资源争抢而导致的资源不足的问题,提高服务的稳定性。再一方面,无需用户手动部署服务搭建集群以及配置相应的实例,能够简化操作,降低对人力资源的专业性要求,有利于图计算技术的推广和研发。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。显而易见地,下面描述中的附图仅仅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。在附图中:
图1示意性示出了根据本发明的实施例的图计算处理方法的第一个流程图;
图2示意性示出了根据本发明的实施例的图计算处理方法的第二个流程图;
图3示意性示出了根据本发明的实施例的图计算处理方法的交互示意图;
图4示意性示出了根据本发明的实施例的图计算处理方法的第三个流程图;
图5示意性示出了根据本发明的实施例的图计算处理方法的第四个流程图;
图6示意性示出了根据本发明的实施例的图计算处理方法的第五个流程图;
图7示意性示出了根据本发明的实施例的图计算处理装置的框图;
图8示意性示出一种用于实现本发明的实施例的图计算处理方法的计算机可读存储介质;
图9示出了适于用来实现本发明实施例的图计算处理方法的电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
近年来,人们越来越致力于研究如何从海量的数据中挖掘出关联性的信息,并且从这些关联数据中得到新的信息,因此图计算技术越来越受到重视。图计算技术可以用于社交、欺诈/异常分析、运维和推荐等领域,比如游戏场景中,可以利用图计算技术发现游戏中的玩家社群,也可以通过图计算技术检测游戏中的异常交易行为(比如薅羊毛行为),提高玩家的游戏体验。
图计算技术的应用可以包括图数据库和图计算框架。其中图数据库(例如Neo4J图形数据库)主要用来满足OLTP查询服务,图计算框架(例如GraphX)主要是满足OLAP计算服务。图数据库可以通过部署在单点物理机上的实例(常常是Java进程),来满足不同用户的数据导入、查询和计算服务。图计算框架可以通过从分布式存储系统(比如HDFS,HBase等)读取数据到内存,然后将计算任务发布到不同的计算节点(常常是不同的物理机)去进行分布式计算,最后将结果又输出到分布式存储系统。
不同于一般的web服务,web服务更多是基于数据库的增、删、改和查,所需要的计算资源小,一般的web后端都能同时满足多个用户同时访问的情况。但是,不论是部署单节点物理机上还是分布式系统中的图计算服务,都是多个用户共享同一个服务。图计算服务是计算密集型服务。多个用户共用同一个计算资源,常常导致资源争抢造成资源不足、甚至因并发过高造成服务不可用的情况。
基于此,本实施例中首先提出一种图计算处理方法。如图1所示,该图计算处理方法可以包括步骤S110、步骤S120。
其中,本实施例提出的图计算处理方法的执行主体可以是具有计算处理功能的设备,例如服务器、云服务器、虚拟主机等。具体的:
步骤S110,根据图计算请求确定图计算实例,所述图计算实例包括多个部署于容器的微服务,其中,所述微服务包含执行图计算所需的计算资源;
步骤S120,基于所述图计算实例对应的计算资源,执行所述图计算请求对应的图计算任务,确定执行结果。
根据本示例实施例提供的图计算处理方法,一方面,基于容器构建的针对图计算的微服务,可以保证服务的高可用性,避免因单节点故障而导致服务不可用,从而提高服务的容灾能力。另一方面,根据图计算请求确定图计算实例,可以保证为每个图计算请求分配一个图计算实例,从而使得每个用户都可以有一个单独的图计算实例,用户与用户之间的实例不会互相影响,从而可以避免因资源争抢而导致的资源不足的问题,提高服务的稳定性。再一方面,无需用户手动部署服务搭建集群以及配置相应的实例,能够简化操作,降低对人力资源的专业性要求,有利于图计算技术的推广和研发。
下面,将结合图1至图6对本实施例提出的图计算处理方法的各个步骤的具体实施方式进行更加详细的阐述。
如图1所示,在步骤S110中,根据图计算请求可以确定图计算实例,其中,图计算实例可以包括多个部署于容器的微服务,该微服务可以包含执行图计算所需的计算资源。
示例性实施例中,图计算可以是对针对图数据的数据处理技术,例如图数据存储、数据分析等;其可以用于挖掘数据之间潜在的行为和联系。图计算的应用领域非常广泛,例如,社交网络分析、生物信息网络分析、语义分析、自然语言处理、异常交易检测等等。
图数据可以指具有图结构的数据。由于图能够体现不同个体之间的交互关系,因此在通信、互联网、电子商务、社交网络等各个领域都积累了大规模的图数据。图是一种高度异质的数据,是一种非常重要的数据结构,由顶点的集合和边的集合组成,顶点之间的边也可以叫做关系。图按照边是否有向可以分为有向图和无向图;按是否带权重可以分为带权图和非带权图;此外,还可以具有其他分类,例如有环图、无环图等,本示例实施例对图数据不做特殊限定。
微服务是一种将单个应用程序作为一套小型服务进行开发的系统架构。每种应用程序都可以在自己的进程中运行,互不影响,并且可以使用轻量级机制(比如基于HTTP的API)进行通信。这些服务可以用不同的编程语言编写,并采用不同的数据存储技术。
图计算服务可以被拆分为多个小型的服务,即微服务,可以通过容器部署图计算的微服务,从而得到图计算的微服务集群。例如,图计算服务可以包括图存储服务、图查询服务等多个微服务。示例的,将图计算分为多个功能模块,每个功能模块作为一个独立的应用程序,然后可以将各个应用程序打包成Docker镜像,从而得到图计算的容器集群,启动对应的容器就可以运行各个应用程序。计算资源可以包括应用程序运行所依赖的资源或环境,例如操作系统、数据库系统、内存、CPU等。每一个图计算的微服务可以部署在一个容器,或者多个容器上。并且,可以通过容器编排技术(例如Kubernetes)来管理容器,当一个容器出现故障不可用时,Kubernetes可以自动重启另一个相同的容器,对于用户而言,感知不到容器出现故障,从而可以增强服务的容灾能力。示例实施例中,用户可以通过客户端界面发起图计算请求,服务器在接收到图计算请求后,可以根据图计算请求初始化一图计算实例。该图计算请求中可以包括用户对计算资源的需求,例如用户可以在界面中选择不同图数据规模,在用户选择之后,根据用户选择的图数据的规模确定用户的图计算实例。或者,图计算请求中可以包括将要执行的图计算任务,例如用户可以在界面中选择不同的图计算任务(例如图数据导入、数据查询等),在用户选择之后,根据相应的图计算任务所需的计算资源创建图计算实例。此外,还可以将执行图计算所需的基础服务打包到一个或多个容器中,在接收到用户请求后,基于该容器建立图计算实例,即将该容器中包含的计算资源分配给该图计算请求。
图计算实例可以包括多个微服务,每个微服务可以包括图计算所需的计算资源,因此图计算实例可以对应图计算所需的计算资源。在接收到图计算请求时,确定的图计算实例可以是为执行图计算任务分配计算资源。将计算资源打包到容器作为一个图计算实例分配给一图计算请求,用户或者客户端在发起图计算请求后,每个用户或客户端可以单独对应一个图计算实例,即每个用户拥有自己的计算资源,各个用户之间的计算资源不会发生争抢,从而实现计算资源的调度平衡,提高服务的稳定性。
图3示意性示出了图计算实例的组成架构,即图计算实例包含的服务或者资源。可选地,如图3所示,图计算实例可以包括代理程序、图数据库、图计算框架、监控程序、存储空间。
代理程序可以是负责与消息转发器交互的程序,例如agent程序等。代理服务可以接收消息转发器发送的获取执行结果的请求,并将图计算任务的执行结果返回给消息转发器。
图数据库模块可以负责图数据的导入、数据查询和一些数据分析任务。根据不同的数据库系统可以完成不同的任务,如Neo4J,主要是针对联机事务处理(OLTP)的场景,可以满足用户的图查询服务,部分图数据库也可以进行一定的连接分析处理(OLAP)任务,例如PageRank,Louvain社区发现算法等。
图计算框架是图计算实例中主要提供图计算的服务,可以包括多种数据处理框架,例如基于BSP模型,以及基于BSP演化的Google Pregel模型的PowerGraph、ApacheSpark GraphX、Apache Giraph系统等;也可以包括基于图嵌入和图神经网络的框架;还可以包括上述框架运行所依赖的环境例如,当用户需要使用Spark GraphX进行离线图计算和图分析任务的时候,用户可以通过代码编辑软件(如Jupyter Notebook)编写业务代码,然后通过配置选项配置、提交图计算任务。需要说明的是,由于图计算实例运行于大规模容器集群中,Spark GraphX执行图计算任务时,用户对应的图计算实例可以充当Spark程序的主驱动程序(driver),主驱动程序能够自动在集群中建立临时执行器(executor),临时执行器以分布式的方式运行代码,执行结果可以输出到用户图计算实例的存储资源上。Spark图计算任务完成以后,临时执行器就可以被销毁,用户图计算实例(driver)则可以将执行结果状态和相关日志信息通过代理服务发送给消息转发器,从而使得客户端获取执行结果和日志信息。
每一类图计算框架都是运行在图计算实例中的一个独立的微服务中,作为独立的docker容器,或者是多个docker容器组合在一起,这些docker编排在一起构成了这个微服务,提供对应的计算服务。
监控程序可以用于监控用户的图计算实例的实时状态,例如资源使用率等。由于图计算实例运行在单独的、隔离的容器环境中,部署监控程序可以及时将图计算实例的状态通过代理服务发送给消息转发器。
存储空间可以保存代码文件、图数据库的存储数据,也可以保存图计算框架的输入输出数据。存储空间可以包括物理服务器上的存储资源,例如磁盘等。当用户图计算实例闲置的时候,可以暂时释放用户的图计算实例,由于对应的数据文件已经存储在存储资源上,容器的启停不会造成数据的丢失,这可以保证了用户数据的安全性。
因此,通过图计算实例可以将不同的图计算资源进行统一,无论是图数据库,传统的图计算框架,还是基于深度学习的图计算的框架,对于后端来讲,都是一视同仁的图计算资源。针对不同类型的图计算任务可以分配不同的资源,从而能够最大程度地减轻用户去适应不同图计算框架的负担,提高用户的工作效率和体验。
可选地,根据图计算请求确定图计算实例还可以包括步骤S201和步骤S202,如图2所示。
在步骤S201中,通过图计算请求确定第一计算资源。图计算请求中可以包括将要执行的图计算任务所需的资源,例如图数据的规模等。示例性的,在前端界面上可以设置多个代表不同规模等级的按钮,用户通过点击某一个按钮选择一个图数据的规模等级,然后通过点击确定按钮发出图计算请求。
在步骤S202中,基于第一计算资源确定图计算请求对应的图计算实例。确定所需的第一资源之后,将包含第一资源的微服务打包到容器中,分配给该图计算请求,作为该图计算请求对应的图计算实例。第一资源可以包括实现图计算功能的应用程序,也可以包括存储空间,例如100MB、500MB等。此外,第一资源还可以包括其他资源,例如数据库管理系统等。
由于多个客户端可以发起多个图计算实例,因此本示例性实施例中还可以包括消息转发器,用于将服务器与客户端解耦,做服务器与客户端之间消息的传递。服务器可以通过消息转发器接收客户端的图计算请求,客户端可以通过消息转发器确定其对应的图计算实例,如图3所示。
消息转发器可以包括能够实现消息转发功能的应用程序。详细的,可以通过一Broker组件来接收用户的图计算请求,接收到图计算请求后,Broker可以将该请求转发至某一服务器,进而在该服务器上为用户分配计算资源,得到用户的图计算实例。不同的用户可以申请不同的图计算实例,因此在消息转发器上可以将客户端与其对应的图计算实例进行映射,例如利用IP地址和端口号与对应客户端进行映射等,以便在消息转发器再次接收某一客户端的请求之后,可以将该请求转发到正确的图计算实例上。
此外,消息转发器也可以通过其他方式实现,例如通过一虚拟服务器作,在该虚拟服务器上部署代理软件(如Apache ActiveMQ、Apache Kafka等)来实现。
可选地,用户可以通过客户端界面发起图计算请求,消息转发器接收到请求后,可以对该请求进行审核,确定该请求是否合法,若该请求合法则消息转发器可以向服务端发送该图计算请求,进而在服务端申请该用户的图计算实例,并将该图计算实例发送给客户端,以提示用户实例创建成功。
在步骤S120中,可以利用图计算实例对应的计算资源,执行图计算请求对应的图计算任务,确定执行结果。
图计算任务可以指对图数据进行处理的任务,例如数据导入任务、数据查询任务、数据修改任务等。用户对应的计算资源可以执行图计算任务。详细地,用户需要执行图计算任务时,可以向服务端发起请求,该请求也可以由消息转发器接收,进而在对应的图计算实例中创建用户的图计算任务。因此,本示例实施例还可以包括步骤S401和步骤S402,如图4所示。
在步骤S401中,服务器在接收到消息转发器转发的任务创建请求时,根据任务创建请求的类型确定图计算任务。在根据步骤S110中的图计算请求确定了图计算实例后,用户也可以发起任务创建请求来确定图计算任务。任务创建请求可以包括用户对应的客户端的标识信息,或用户的标识信息,例如标识码ID等;也可以包括用户对应的图计算实例的标识信息,例如IP地址、端口号等。根据任务创建请求的类型可以确定图计算任务的类型,以便创建对应的图计算任务。示例性的,任务创建请求可以包括一标签,该标签可以标识出对应的类型;或者,用户可以在前端页面中通过点击按钮选择创建的任务的类型,在用户点击之后可以向服务端发送该类型的任务创建请求。任务创建请求的类型可以包括数据导入、数据查询、数据修改等,还可以包括其他类型,例如数据存储任务、数据分析任务等。在步骤S402中,基于图计算实例生成图计算任务。在确定了图计算任务的类型后,在用户对应的图计算实例中生成对应类型的图计算任务。详细的,消息转发器在接收到客户端发送的任务创建请求之后,可以连接客户端对应的图计算实例,在连接上图计算实例后,消息转发器将该任务创建请求发送给该图计算实例所在的服务端,从而在该图计算实例中生成相应类型的图计算任务。
通常只有具有专业知识的用户才能配置和使用图计算系统,用户需要在配置所需的计算资源,例如内存、存储、CPU等多种参数,配置了计算资源后,还需要在该计算资源上部署图计算所依赖的操作系统、图计算相关的服务等操作,对于用户来说在使用图计算系统前就需要大量的时间学习。为了降低图计算系统对人力资源专业性的要求,本示例实施例还可以包括云端平台,用户可以通过云端平台去获取自己的图计算实例,即获取计算资源,无需手动配置,降低了操作的难度,更利于推广和研发。可选的,基于图计算实例生成图计算任务还可以包括步骤S501和步骤S502,如图5所示。
在步骤S501中,根据任务创建请求的类型确定对应的云端界面。用户可以登录到云端平台,通过平台界面发起任务创建请求,然后根据不同类型的任务创建请求可以跳转到不同的云端界面。举例而言,用户通过登录可以进入云端平台的首页,然后在首页上点击“创建图计算实例”按钮来发起图计算请求,在服务端成功创建了该用户的图计算实例后,在该首页上将会提示用户“实例创建成功”,还可以在首页上添加用户的图计算实例。用户点击进入图计算实例页面后,若点击了“数据导入”控件时,跳转到数据导入类型对应的云端页面,在该页面上配置需要导入的图数据,例如数据schema的定义、数据文件上传等。
在步骤S502中,通过云端界面确定图计算任务。通过云端界面可以获取用户对图计算任务的配置,例如任务的名称、任务的代码文件等。举例来说,通过数据查询任务对应的云端界面可以确定用户需要查询的目标图,然后图计算实例连接到该目标图后,用户可以通过云端界面唤起代码编辑器,编辑查询代码。
可选地,若任务创建请求的类型为数据导入,则通过第一界面确定数据导入任务对应的数据模型,以便根据数据模型得到图计算实例的图数据。其中,数据模型可以指图数据中对图的定义。数据模型可以包括用户对图的点的定义、边的定义等,还可以包括其他定义,例如点属性的定义、点索引的定义、边属性的定义、边索引的定义等。此外,数据模型还可以通过数据导入确定,例如将符合格式要求的存储在本地磁盘或者分布式系统中的数据文件进行导入,从而根据导入的数据文件确定数据模型。若任务创建请求的类型为图查询,则通过第二界面确定图查询任务对应的图数据,以便基于图数据确定图查询任务的执行结果。其中,图查询任务对应的图数据可以指用户需要查询的目标图。若任务创建请求的类型为图分析,则通过第三界面确定图分析任务的执行代码。
也就是说,对图计算任务可以进行分类,每一类任务可以对应一个界面,进而通过不同的界面可以配置不同的图计算任务。在可选的实施例中,图计算任务还可以分为图存储任务和图分析任务。图存储任务对应的界面中可以对数据模型进行定义,或者将已有的数据导入到用户的图计算实例。图分析任务对应的界面可以编写自定义的代码(python,java等)进行离线图分析;或者,也可以利用针对图的查询语言(如Gremlin,OpenCypher,SPARQL等)编写查询语句进行查询。
确定了图计算任务之后可以通过任务启动命令启动执行图计算任务,从而获得执行结果。执行结果可以通过消息转发器发送给对应的客户端。在客户端可以通过可视化界面展示执行结果,供用户查看。详细的,若用户执行了数据导入任务,即用户可以将本地数据或者其他分布式存储系统中的数据导入到图计算实例中,作为该图计算实例的图数据,进而可以在可视化界面上查看导入的图数据,例如文件目录等、图的点边拓扑结构关系。可视化界面还可以包括其他交互效果,例如用户还可以通过拖拽移动、放大缩小等方式改变图的显示效果等。
示例性实施例中,由于根据图计算请求可以确定该请求所需的第一计算资源,而对应的图计算实例需要依赖于该第一计算资源运行,因此在图计算任务执行过程中,若检测到第一资源与图计算任务所需的第二计算资源不匹配,则可以增加第一计算资源。通过容器编排工具可以动态的增加资源到用户的图计算实例中。此外,在用户的图计算实例中所有的图计算任务都执行结束后,还可以将图计算实例的数据进行存储,进而将为用户的图计算实例分配的第一计算资源进行释放,供其他用户使用。通过这样的方式可以实现计算资源的弹性伸缩,从而有效缓解因资源争抢、调度失衡的问题造成的服务不可用的情况,能够提高服务的稳定性。
可选地,在通过消息转发器将执行结果返回给用户对应的客户端时,可以根据任务是同步任务还是异步任务对执行结果进行不同的处理。具体地,如果计算任务是同步任务,用户希望即时得到返回的执行结果,消息转发器可以等待图计算任务完成以后及时将执行结果返回给客户端;如果图计算任务是异步的任务,任务通常需要经过一段时间才能得到执行结果,这种情况下消息转发器可以将任务的唯一标识符(id)返回给客户端,用户可以通过刷新客户端来获取异步任务的执行结果。当用户刷新客户端时,客户端向消息转发器发送获取执行结果的请求,该请求中可以包括一任务id,消息转发器接收到该请求后,根据任务id去查询对应的图计算实例,若该任务已执行结束则获取该任务的执行结果,将执行结果返回给客户端。
图6示意性示出了用户利用云端图计算平台处理图计算任务的流程。如图6所示,在示例性实施例中还可以包括步骤S601至步骤S607。在步骤S601中,用户可以通过身份信息登录到云端图计算平台,在身份信息验证通过后,用户登录成功。在步骤S602中,可以判断用户是否是第一次登录。通过判断存储空间中是否有该用户的图计算实例可以确定用户是否第一次登录,若存储空间中没有该用户的图计算实例,则可以确定该用户是第一次登录。在步骤S602中,若用户是第一登录云端图计算平台,则执行步骤S603;若用户不是第一次登录该云端图计算平台,则执行步骤S604。在步骤S603中确定用户的图计算实例,即进行图计算实例初始化。在步骤S604中根据用户的身份信息确定用户的标识信息,从而根据用户的标识信息获取用户的图计算实例。接下来,在步骤S605中,用户发起任务创建请求,根据用户的请求确定不同类型的图计算任务。在步骤S606中,启动图计算任务,获取执行结果。在步骤S607中,判断是否需要释放用户的图计算实例所占用的计算资源,若用户的图计算实例中所有的图计算任务均执行完成,则可以确定释放计算资源,若用户的图计算实例中还包含没有执行完成的图计算任务,则不释放计算资源,执行下一个图计算任务。
以下介绍本发明的装置实施例,可以用于执行本发明上述的图计算处理方法。如图7所示,图数据处理装置700可以包括实例确定单元710和任务执行单元720。具体的:
实例确定单元710,用于根据图计算请求确定图计算实例,所述图计算实例包括多个部署于容器的微服务,其中,所述微服务包含执行图计算所需的计算资源;任务执行单元720,用于基于所述图计算实例对应的计算资源,执行所述图计算请求对应的图计算任务,确定执行结果。
可选地,实例确定单元710可以包括计算资源确定单元,用于通过图计算请求确定第一计算资源;以及实例确定子单元,用于基于所述第一计算资源确定图计算实例。
可选地,上述图数据处理装置700还可以包括资源增加单元,用于若检测到所述第一计算资源与所述图计算任务所需的第二计算资源不匹配,则增加所述第一计算资源。
可选地,上述图数据处理装置700还可以包括资源释放单元,用于若检测到所述图计算任务执行结束,则释放所述第一计算资源。
可选地,该实例确定单元710还可以用于:通过消息转发器接收用户的图计算请求,以确定所述用户的图计算实例。
可选地,上述图数据处理装置700还可以包括类型确定单元,用于接收到所述消息转发器转发的任务创建请求时,根据所述任务创建请求的类型确定图计算任务;以及任务生成单元,可以用于基于所述图计算实例生成所述图计算任务。
可选地,该实例确定单元710还可以包括界面确定单元,用于根据所述任务创建请求的类型确定对应的云端界面;以及任务确定单元,可以用于通过所述云端界面确定所述图计算任务。
可选地,该任务确定单元可以用于:若所述任务创建请求的类型为数据导入,则通过第一界面确定数据导入任务对应的数据模型,以便根据所述数据模型得到所述图计算实例的图数据;若所述任务创建请求的类型为图查询,则通过第二界面确定图查询任务对应的图数据,以便基于所述图数据确定所述图查询任务的执行结果;若所述任务创建请求的类型为图分析,则通过第三界面确定图分析任务的执行代码。
可选地,上述图数据处理装置700还可以包括可视化处理单元,用于通过可视化界面展示所述执行结果,以供用户查看。
可选地,上述图数据处理装置700还可以包括消息转发单元,用于通过所述消息转发器将所述执行结果返回给所述用户对应的客户端。
由于本发明的示例实施例的图计算处理装置的各个功能模块与上述图计算处理方法的示例实施例的步骤对应,因此对于本发明装置实施例中未披露的细节,请参照本发明上述的图计算处理方法的实施例。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的图计算处理方法。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
参考图8所示,描述了根据本公开的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
下面参照图9来描述根据本公开的这种实施方式的电子设备900。图9显示的电子设备900仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示,电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于:上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元910执行,使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元910可以执行如图1中所示的:步骤S110,根据图计算请求确定图计算实例,所述图计算实例包括多个部署于容器的微服务,其中,所述微服务包含执行图计算所需的计算资源;步骤S120,基于所述图计算实例对应的计算资源,执行所述图计算请求对应的图计算任务,确定执行结果。
存储单元920可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)9201和/或高速缓存存储单元9202,还可以进一步包括只读存储单元(ROM)9203。
存储单元920还可以包括具有一组(至少一个)程序模块9205的程序/实用工具9204,这样的程序模块9205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线930可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备900也可以与一个或多个外部设备1000(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备900交互的设备通信,和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口950进行。并且,电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器960通过总线930与电子设备900的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备900使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (11)
1.一种图计算处理方法,其特征在于,包括:
通过图计算请求确定第一计算资源,并基于所述第一计算资源确定所述图计算请求对应的图计算实例,所述图计算实例包括多个部署于容器的微服务,其中,所述微服务包含执行图计算所需的第一计算资源;
接收任务创建请求,根据所述任务创建请求的类型在所述图计算实例中生成对应类型的图计算任务;
在检测到所述第一计算资源与所述图计算任务所需的第二计算资源不匹配时,增加所述第一计算资源;
基于所述图计算实例对应的第一计算资源,执行所述图计算任务,确定执行结果;
在所述图计算实例中的所有图计算任务均执行结束后,存储所述图计算实例的数据并释放所述第一计算资源。
2.根据权利要求1所述的图计算处理方法,其特征在于,基于所述图计算实例对应的第一计算资源,执行所述图计算请求对应的图计算任务,确定执行结果之后,还包括:
若检测到所述图计算任务执行结束,则释放所述第一计算资源。
3.根据权利要求1所述的图计算处理方法,其特征在于,所述通过图计算请求确定第一计算资源,并基于所述第一计算资源确定所述图计算请求对应的图计算实例,包括:
通过消息转发器接收用户的图计算请求,以确定所述用户的图计算实例。
4.根据权利要求3所述的图计算处理方法,其特征在于,所述接收任务创建请求,根据所述任务创建请求的类型在所述图计算实例中生成对应类型的图计算任务,包括:
接收到所述消息转发器转发的任务创建请求时,根据所述任务创建请求的类型确定图计算任务类型;
在所述图计算实例中生成具有所述图计算任务类型的图计算任务。
5.根据权利要求4所述的图计算处理方法,其特征在于,所述在所述图计算实例中生成具有所述图计算任务类型的图计算任务,包括:
根据所述任务创建请求的类型确定对应的云端界面;
通过所述云端界面确定所述具有所述图计算任务类型的图计算任务。
6.根据权利要求5所述的图计算处理方法,其特征在于,所述通过所述云端界面确定所述图计算任务,包括:
若所述任务创建请求的类型为数据导入,则通过第一界面确定数据导入任务对应的数据模型,以便根据所述数据模型得到所述图计算实例的图数据;
若所述任务创建请求的类型为图查询,则通过第二界面确定图查询任务对应的图数据,以便基于所述图数据确定所述图查询任务的执行结果;
若所述任务创建请求的类型为图分析,则通过第三界面确定图分析任务的执行代码。
7.根据权利要求1所述的图计算处理方法,其特征在于,基于所述图计算实例对应的第一计算资源,执行所述图计算实例对应的图计算任务,确定执行结果之后,还包括:
通过可视化界面展示所述执行结果,以供用户查看。
8.根据权利要求3所述的图计算处理方法,其特征在于,所述基于所述图计算实例对应的第一计算资源,执行所述图计算实例对应的图计算任务,确定执行结果之后,还包括:
通过所述消息转发器将所述执行结果返回给所述用户对应的客户端。
9.一种图计算处理装置,其特征在于,包括:
实例确定单元,用于通过图计算请求确定第一计算资源,并基于所述第一计算资源确定所述图计算请求对应的图计算实例,所述图计算实例包括多个部署于容器的微服务,其中,所述微服务包含执行图计算所需的计算资源;
资源增加单元,用于接收任务创建请求,根据所述任务创建请求的类型在所述图计算实例中生成对应类型的图计算任务,并在检测到所述第一计算资源与所述图计算任务所需的第二计算资源不匹配时,增加所述第一计算资源;
任务执行单元,用于基于所述图计算实例对应的第一计算资源,执行所述图计算请求对应的图计算任务,确定执行结果;在所述图计算实例中的所有图计算任务均执行结束后,存储所述图计算实例的数据并释放所述第一计算资源。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至8中任一项所述的图计算处理方法。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至8中任一项所述的图计算处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910376824.1A CN110083455B (zh) | 2019-05-07 | 2019-05-07 | 图计算处理方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910376824.1A CN110083455B (zh) | 2019-05-07 | 2019-05-07 | 图计算处理方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110083455A CN110083455A (zh) | 2019-08-02 |
CN110083455B true CN110083455B (zh) | 2022-07-12 |
Family
ID=67418991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910376824.1A Active CN110083455B (zh) | 2019-05-07 | 2019-05-07 | 图计算处理方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110083455B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110489986B (zh) * | 2019-08-22 | 2021-03-23 | 网易(杭州)网络有限公司 | 图数据功能的响应方法、系统及电子设备 |
CN110677461A (zh) * | 2019-09-06 | 2020-01-10 | 上海交通大学 | 一种基于键值对存储的图计算方法 |
CN111124607A (zh) * | 2019-12-16 | 2020-05-08 | 上海大学 | Fpga虚拟化部署实现高速安全的服务器集群管理方法 |
CN111159270A (zh) * | 2019-12-31 | 2020-05-15 | 杭州依图医疗技术有限公司 | 一种调度Zeppelin任务的方法、系统、计算设备及存储介质 |
CN111367643A (zh) * | 2020-03-09 | 2020-07-03 | 北京易华录信息技术股份有限公司 | 一种算法调度系统、方法及装置 |
CN112256695B (zh) * | 2020-09-18 | 2023-07-28 | 银联商务股份有限公司 | 可视化的图计算方法及其系统、存储介质以及电子设备 |
CN114722073B (zh) * | 2022-04-06 | 2023-03-14 | 杭州悦数科技有限公司 | 有环图转换为图数据库查询语言的方法和装置 |
CN116304218B (zh) * | 2023-05-24 | 2023-08-11 | 杭州悦数科技有限公司 | 一种基于图数据库集成多领域平台的实现方法及系统 |
CN116560877B (zh) * | 2023-07-05 | 2023-09-22 | 北京枫清科技有限公司 | 一种实时图计算方法、装置、电子设备、存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106227611A (zh) * | 2016-07-26 | 2016-12-14 | 北京北森云计算股份有限公司 | 一种多语言云编译的动态微服务调用方法及装置 |
CN107273867A (zh) * | 2017-06-27 | 2017-10-20 | 航天星图科技(北京)有限公司 | 空天遥感数据处理一体机 |
CN107463434A (zh) * | 2017-08-11 | 2017-12-12 | 恒丰银行股份有限公司 | 一种分布式任务处理方法与设备 |
CN107589992A (zh) * | 2017-08-02 | 2018-01-16 | 北京大学(天津滨海)新代信息技术研究院 | 一种基于群体智能的容器化应用负载调度方法 |
CN108647083A (zh) * | 2018-04-28 | 2018-10-12 | 北京京东金融科技控股有限公司 | 任务执行方法、装置、系统、电子设备及计算机可读介质 |
US10198250B1 (en) * | 2018-01-04 | 2019-02-05 | Accenture Global Solutions Limited | Partitioning based migration of systems to container and microservice based platforms |
CN109376009A (zh) * | 2018-09-26 | 2019-02-22 | 郑州云海信息技术有限公司 | 一种共享资源的方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9317410B2 (en) * | 2013-03-15 | 2016-04-19 | International Business Machines Corporation | Testing functional correctness and idempotence of software automation scripts |
CN105959138B (zh) * | 2016-04-29 | 2019-05-17 | 深圳大数点科技有限公司 | 基于云计算的微服务动态部署的系统及方法 |
CN106789339B (zh) * | 2017-01-19 | 2020-08-25 | 北京仿真中心 | 一种基于轻量级虚拟化架构的分布式云仿真方法与系统 |
US10540191B2 (en) * | 2017-03-21 | 2020-01-21 | Veritas Technologies Llc | Systems and methods for using dynamic templates to create application containers |
CN108737168B (zh) * | 2018-05-08 | 2021-03-16 | 深圳大学 | 一种基于容器的微服务架构应用自动构建方法 |
CN109634657A (zh) * | 2018-12-14 | 2019-04-16 | 武汉烽火信息集成技术有限公司 | 一种微服务打包部署方法及系统 |
-
2019
- 2019-05-07 CN CN201910376824.1A patent/CN110083455B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106227611A (zh) * | 2016-07-26 | 2016-12-14 | 北京北森云计算股份有限公司 | 一种多语言云编译的动态微服务调用方法及装置 |
CN107273867A (zh) * | 2017-06-27 | 2017-10-20 | 航天星图科技(北京)有限公司 | 空天遥感数据处理一体机 |
CN107589992A (zh) * | 2017-08-02 | 2018-01-16 | 北京大学(天津滨海)新代信息技术研究院 | 一种基于群体智能的容器化应用负载调度方法 |
CN107463434A (zh) * | 2017-08-11 | 2017-12-12 | 恒丰银行股份有限公司 | 一种分布式任务处理方法与设备 |
US10198250B1 (en) * | 2018-01-04 | 2019-02-05 | Accenture Global Solutions Limited | Partitioning based migration of systems to container and microservice based platforms |
CN108647083A (zh) * | 2018-04-28 | 2018-10-12 | 北京京东金融科技控股有限公司 | 任务执行方法、装置、系统、电子设备及计算机可读介质 |
CN109376009A (zh) * | 2018-09-26 | 2019-02-22 | 郑州云海信息技术有限公司 | 一种共享资源的方法及装置 |
Non-Patent Citations (3)
Title |
---|
"Application deployment using Microservice and Docker containers: Framework and optimization";Xili Wan;《Journal of Network and Computer Applications》;20181001;第119卷;第97-109页 * |
"云环境下支持弹性伸缩的容器化工作流框架";刘彪;《计算机工程》;20190331;第45卷(第3期);第7-13页 * |
"关于微服务和容器";启迪云;《https://zhuanlan.zhihu.com/p/43357441》;20180830;第1-9页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110083455A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110083455B (zh) | 图计算处理方法、装置、介质及电子设备 | |
CN105357038B (zh) | 监控虚拟机集群的方法和系统 | |
US20190129773A1 (en) | Web api recommendations based on usage in cloud-provided runtimes | |
JP6871943B2 (ja) | モバイルクラウドサービスのための予め形成された命令 | |
US20160085738A1 (en) | Cloud-Based Parallel Computation Using Actor Modules | |
US10574724B2 (en) | Automatic discovery of management nodes and generation of CLI using HA module | |
US10019293B2 (en) | Enhanced command selection in a networked computing environment | |
US20120078809A1 (en) | Integrating sub-processes in business process modeling notation processes | |
US10223218B2 (en) | Disaster recovery of managed systems | |
US11321090B2 (en) | Serializing and/or deserializing programs with serializable state | |
CN112313627B (zh) | 事件到无服务器函数工作流实例的映射机制 | |
US20220182294A1 (en) | Dynamic graphing for managing an it operation system | |
US20220050728A1 (en) | Dynamic data driven orchestration of workloads | |
CN112256406A (zh) | 作业流程平台化调度方法 | |
US20170031740A1 (en) | Naming of nodes in net framework | |
US20180107723A1 (en) | Content oriented analysis of dumps | |
CN112491940A (zh) | 代理服务器的请求转发方法及装置、存储介质及电子设备 | |
US11704119B2 (en) | Migrating infrastructure as code between different cloud providers | |
CN113742104A (zh) | 基于ai的rpa分身功能的生成方法及装置 | |
CN113791819A (zh) | 接口文档生成方法和装置、存储介质、电子设备 | |
US20240103903A1 (en) | Dynamic pod priority inference utilizing service mesh telemetry data | |
US11949761B2 (en) | Techniques for distributed interface component generation | |
US20230376363A1 (en) | Framework for digital workers | |
US10387554B1 (en) | Applying matching data transformation information based on a user's editing of data within a document | |
US20230251984A1 (en) | Configuring polling times for software applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |