CN110096345A - 智能任务调度方法、装置、设备及存储介质 - Google Patents
智能任务调度方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110096345A CN110096345A CN201910206130.3A CN201910206130A CN110096345A CN 110096345 A CN110096345 A CN 110096345A CN 201910206130 A CN201910206130 A CN 201910206130A CN 110096345 A CN110096345 A CN 110096345A
- Authority
- CN
- China
- Prior art keywords
- task
- degree
- scheduler
- dependence
- previous
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000001419 dependent effect Effects 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 31
- 238000003780 insertion Methods 0.000 claims description 17
- 230000037431 insertion Effects 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 8
- 238000011161 development Methods 0.000 abstract description 9
- 230000002860 competitive effect Effects 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
Abstract
本发明涉及人工智能领域，本发明公开了一种智能任务调度方法、装置、设备及存储介质，通过获取需要进行调度的多个待调度任务及各待调度任务之间的关联度；根据关联度确定各待调度任务中具有前置依赖的多个前置任务；获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据依赖程度和优先级别构建预设任务执行顺序；根据预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务，可以避免其他非重要的任务与重要任务竞争资源，使重要任务获得最优执行权，保证了重要任务的优先执行，有利于后续任务的开展，提高了工作速度和效率，提升了用户体验。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种智能任务调度方法、装置、设备及存储介质。
背景技术
在日常办公过程中，现有调度系统会有大量任务进行执行，其中有不少任务都是数据产出和相关重要信息告警输出的，现有的调度方式是对指定最优先任务设置级别后，递归找到上游任务并对其进行相应任务优先级设置，并进行任务数据集排序，但是在递归过程中会存在未控制低递归层级导致数据异常从而影响算法的性能和用户使用体验；现有的调度方式每次调度都需要重新进行算法计算任务优先级排序，会产生多余的计算量，造成办公效率较低。
发明内容
本发明的主要目的在于提供一种智能任务调度方法、装置、设备及存储介质，旨在解决现有技术中由于重复计算和递归层级未控制导致办公效率低下，用户使用体验差的技术问题。
为实现上述目的，本发明提供一种智能任务调度方法，所述智能任务调度方法包括以下步骤：
获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度；
根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务；
获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；
获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序；
根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务。
优选地，所述获取需要进行调度的多个待调度任务，并获得多个待调度任务之间的关联度的步骤，包括：
获取需要进行调度的多个待调度任务，对各待调度任务进行分析，并获得分析结果；
根据所述分析结果确定各待调度任务在执行时依赖于其他待调度任务的依赖数量；
根据预设关联度数据表查找到与各依赖数量对应的关联度，所述预设关联度数据表反映依赖数量与关联度的映射关系。
优选地，所述根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务的步骤，包括：
对各待调度任务进行筛选，筛除各待调度任务中关联度小于预设关联度阈值的待调度任务；
将各待调度任务中剩下的待调度任务作为具有前置依赖的多个前置任务。
优选地，所述获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务的步骤，包括：
获取各前置任务的历史执行数据，对所述历史执行数据进行分析，获得各前置任务的历史依赖频率，所述历史依赖频率为各前置任务被依赖的频率；
根据各前置任务的历史依赖频率与关联度确定各前置任务的依赖程度；
根据预设排序顺序对各依赖程度进行排序，获得依赖程度最高级别的前置任务。
优选地，所述获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序的步骤，包括：
根据预设插入排序算法将各待调度任务中除了前置任务之外的目标任务进行排序，获得所述目标任务的排序顺序；
根据所述排序顺序对确定所述目标任务的优先级别；
根据所述依赖程度和所述优先级别构建预设任务执行顺序，所述预设任务执行顺序为依赖程度最高级别的前置任务的执行顺序优先于最高级别的目标任务，所述最高级别的目标任务的执行顺序优先于其他级别的前置任务，所述其他级别的前置任务的执行顺序优先于其他级别的目标任务。
优选地，所述根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务的步骤，包括：
获取各待调度任务的任务数量，根据所述任务数量确定目标线程池；
根据所述预设任务执行顺序在所述目标线程池中选取对应的线程执行各待调度任务，直至调度完成所有待调度任务。
优选地，所述获取各待调度任务的任务数量，根据所述任务数量确定目标线程池的步骤，包括：
获取各待调度任务的任务数量；
获取预设线程池中各线程池的空闲程度和任务处理速度；
将所述空闲程度大于预设空闲程度并且所述任务处理速度大于预设处理速度的线程池作为空闲线程池；
从各空闲线程池中选取与所述任务数量匹配的线程池作为目标线程池。
此外，为实现上述目的，本发明还提出一种智能任务调度设备，所述智能任务调度设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能任务调度程序，所述智能任务调度程序配置为实现如上文所述的智能任务调度方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有智能任务调度程序，所述智能任务调度程序被处理器执行时实现如上文所述的智能任务调度方法的步骤。
此外，为实现上述目的，本发明还提供一种智能任务调度装置，所述智能任务调度装置包括：关联度获取、前置任务确定模块、依赖程度获取模块、顺序确定模块和调度模块；
其中，所述关联度获取模块，用于获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度；
所述前置任务确定模块，用于根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务；
所述依赖程度获取模块，用于获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；
所述顺序确定模块，用于获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序；
所述调度模块，用于根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务。
本发明提出的智能任务调度方法，通过获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度；根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务；获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序；根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务，可以避免其他非重要的任务与重要任务竞争资源，使重要任务获得最优执行权，保证了重要任务的优先执行，有利于后续任务的开展，提高了工作速度和效率，提升了用户体验。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的智能任务调度设备结构示意图；
图2为本发明智能任务调度方法第一实施例的流程示意图；
图3为本发明智能任务调度方法第二实施例的流程示意图；
图4为本发明智能任务调度方法第三实施例的流程示意图；
图5为本发明智能任务调度装置第一实施例的功能模块图。
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的解决方案主要是：本发明通过获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度；根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务；获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序；根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务，可以避免其他非重要的任务与重要任务竞争资源，使重要任务获得最优执行权，保证了重要任务的优先执行，有利于后续任务的开展，提高了工作速度和效率，提升了用户体验，解决了现有技术中由于重复计算和递归层级未控制导致办公效率低下，用户使用体验差的技术问题。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的智能任务调度设备结构示意图。
如图1所示，该智能任务调度设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(Non-volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的智能任务调度设备结构并不构成对该智能任务调度设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作装置、网络通信模块、用户端接口模块以及智能任务调度程序。
获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度；
根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务；
获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；
获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序；
根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务。
进一步地，处理器1001可以调用存储器1005中存储的智能任务调度程序，还执行以下操作：
获取需要进行调度的多个待调度任务，对各待调度任务进行分析，并获得分析结果；
根据所述分析结果确定各待调度任务在执行时依赖于其他待调度任务的依赖数量；
根据预设关联度数据表查找到与各依赖数量对应的关联度，所述预设关联度数据表反映依赖数量与关联度的映射关系。
进一步地，处理器1001可以调用存储器1005中存储的智能任务调度程序，还执行以下操作：
对各待调度任务进行筛选，筛除各待调度任务中关联度小于预设关联度阈值的待调度任务；
将各待调度任务中剩下的待调度任务作为具有前置依赖的多个前置任务。
进一步地，处理器1001可以调用存储器1005中存储的智能任务调度程序，还执行以下操作：
获取各前置任务的历史执行数据，对所述历史执行数据进行分析，获得各前置任务的历史依赖频率，所述历史依赖频率为各前置任务被依赖的频率；
根据各前置任务的历史依赖频率与关联度确定各前置任务的依赖程度；
根据预设排序顺序对各依赖程度进行排序，获得依赖程度最高级别的前置任务。
进一步地，处理器1001可以调用存储器1005中存储的智能任务调度程序，还执行以下操作：
根据预设插入排序算法将各待调度任务中除了前置任务之外的目标任务进行排序，获得所述目标任务的排序顺序；
根据所述排序顺序对确定所述目标任务的优先级别；
根据所述依赖程度和所述优先级别构建预设任务执行顺序，所述预设任务执行顺序为依赖程度最高级别的前置任务的执行顺序优先于最高级别的目标任务，所述最高级别的目标任务的执行顺序优先于其他级别的前置任务，所述其他级别的前置任务的执行顺序优先于其他级别的目标任务。
进一步地，处理器1001可以调用存储器1005中存储的智能任务调度程序，还执行以下操作：
获取各待调度任务的任务数量，根据所述任务数量确定目标线程池；
根据所述预设任务执行顺序在所述目标线程池中选取对应的线程执行各待调度任务，直至调度完成所有待调度任务。
进一步地，处理器1001可以调用存储器1005中存储的智能任务调度程序，还执行以下操作：
获取各待调度任务的任务数量；
获取预设线程池中各线程池的空闲程度和任务处理速度；
将所述空闲程度大于预设空闲程度并且所述任务处理速度大于预设处理速度的线程池作为空闲线程池；
从各空闲线程池中选取与所述任务数量匹配的线程池作为目标线程池。
本实施例通过上述方案，通过获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度；根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务；获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序；根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务，可以避免其他非重要的任务与重要任务竞争资源，使重要任务获得最优执行权，保证了重要任务的优先执行，有利于后续任务的开展，提高了工作速度和效率，提升了用户体验。
基于上述硬件结构，提出本发明智能任务调度方法实施例。
参照图2，图2为本发明智能任务调度方法第一实施例的流程示意图。
在第一实施例中，所述智能任务调度方法包括以下步骤：
步骤S10、获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度。
需要说明的是，所述待调度任务为预先设置的需要进行执行调度的任务或者满足了调度调节需要进行执行调度的任务，所述各待调度任务之间的关联度为各待调度任务与其他任务的关联程度，即各待调度任务在执行时是否与其他任务有关联，所述关联度用来表示各待调度任务在执行时与其他待调度任务的关系。
在具体实现中，对于需要进行调度的多个待调度任务，可以对各待调度任务进行分析，可以确定任一任务是否在执行时依赖于其他任务或被其他任务执行时所依赖，根据依赖于其他任务的数量，和/或被其他任务执行所依赖的其他任务的数量确定各待调度任务与其他待调度任务的关联程度。
进一步地，所述步骤S10包括以下步骤：
获取需要进行调度的多个待调度任务，对各待调度任务进行分析，并获得分析结果；
根据所述分析结果确定各待调度任务在执行时依赖于其他待调度任务的依赖数量；
根据预设关联度数据表查找到与各依赖数量对应的关联度，所述预设关联度数据表反映依赖数量与关联度的映射关系。
可以理解的是，根据所述分析结果可以获得各待调度任务在执行时依赖于其他待调度任务的依赖数量，所述预设关联度数据表为预先设置的用于获取关联度的数据表，所述预设关联度数据表反映依赖数量与关联度的映射关系，所述预设关联度数据表可以是通过大量实验数据训练获得，也可以是通过技术人员根据日常经验确定的数据表，当然也可以是其他方式确定的数据表，本实施例对此不加以限制。
步骤S20、根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务。
可以理解的是，所述前置任务为各待调度任务中的具有前置依赖的任务，所述前置依赖为各待调度任务中待调度任务为另一个或另一些待调度任务的前置任务的依赖关系，通过所述关联度能够确定各待调度任务中多个具有前置依赖的前置任务。
进一步地，所述步骤S20包括以下步骤：
对各待调度任务进行筛选，筛除各待调度任务中关联度小于预设关联度阈值的待调度任务；
将各待调度任务中剩下的待调度任务作为具有前置依赖的多个前置任务。
应当理解的是，对于一些与其他任务有点关联，但是实际任务执行时又一般不会用到其他任务执行后所产生的数据，此时需要对这一类不太相关任务以及完全独立执行的待调度任务进行筛选，筛除各待调度任务中关联度小于预设关联度阈值的待调度任务，剩下的待调度任务即为具有前置依赖的前置任务；所述预设关联度阈值为预先设置的关联度阈值，通过将各待调度任务中关联度与所述预设关联度阈值进行比较，可以筛选出各待调度任务中关联度较小的待调度任务，将剩下的待调度任务作为具有前置依赖的多个前置任务。
步骤S30、获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务。
应当理解的是，可以通过所述依赖程度，通过对所述依赖程度按照从高到低的顺序进行排序，可以获得依赖程度最高级别的前置任务，当然也可以是仅仅根据各前置任务的关联度确定各前置任务的依赖程度，获得各前置任务的依赖程度后，可以对各前置任务的依赖程度按照从高到低进行排序，获取依赖程度最高的前置任务；当然还可以通过其他方式获取依赖程度最高级别中的前置任务，本实施例对此不加以限制。
进一步地，所述步骤S30包括以下步骤：
获取各前置任务的历史执行数据，对所述历史执行数据进行分析，获得各前置任务的历史依赖频率，所述历史依赖频率为各前置任务被依赖的频率；
根据各前置任务的历史依赖频率与关联度确定各前置任务的依赖程度；
根据预设排序顺序对各依赖程度进行排序，获得依赖程度最高级别的前置任务。
应当理解的是，所述历史执行数据为各前置任务在预设周期内的执行数据，通过对所述历史执行数据进行分析，获得各前置任务的历史依赖频率，所述历史依赖频率为各前置任务被依赖的频率，通过所述历史依赖频率和关联度可以确定各前置任务的依赖程度，通过预设排序顺序可以对各依赖程度进行排序，从而确定依赖程度最高级别的前置任务。
步骤S40、获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序。
可以理解的是，所述除了前置任务之外的目标任务为各待调度任务没有前置依赖的其他任务，通过获取目标任务的优先级别，可以确定目标任务之中各任务的调度优先级，根据所述依赖程度和所述优先级别可以确定各待调度任务，即确定所述各待调度任务中各任务的执行调度优先级别。
步骤S50、根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务。
应当理解的是，所述预设任务执行顺序为预先设置的用于执行待调度任务的执行顺序，所述预设任务执行顺序可以通过所述依赖程度和所述优先级别构建，当然也可以是通过其他方式确认，本实施例对此不加以限制；可以通过所述预设任务执行顺序对各待调度任务进行调度直到所有任务调度完毕。
本实施例通过上述方案，通过获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度；根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务；获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序；根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务，可以避免其他非重要的任务与重要任务竞争资源，使重要任务获得最优执行权，保证了重要任务的优先执行，有利于后续任务的开展，提高了工作速度和效率，提升了用户体验。
进一步地，图3为本发明智能任务调度方法第二实施例的流程示意图，如图3所示，基于第一实施例提出本发明智能任务调度方法第二实施例，在本实施例中，所述步骤S40，具体包括以下步骤：
步骤S41、根据预设插入排序算法将各待调度任务中除了前置任务之外的目标任务进行排序，获得所述目标任务的排序顺序。
需要说明的是，所述预设插入排序算法为预先设置的插入算法，一般的将一个数据插入到已经排好序的有序数据中，从而得到一个新的、个数加一的有序数据，把要排序的数组分成两部分：第一部分包含了这个数组的所有元素，但将最后一个元素除外(让数组多一个空间才有插入的位置)，而第二部分就只包含这一个元素(即待插入元素)；在第一部分排序完成后，再将这个最后元素插入到已排好序的第一部分中；通过所述预设插入排序算法将各待调度任务中除了前置任务之外的目标任务进行排序；根据所述预设插入排序算法可以将各待调度任务中除了前置任务之外的目标任务进行排序，获得所述目标任务的排序顺序。
步骤S42、根据所述排序顺序对确定所述目标任务的优先级别。
可以理解的是，根据所述目标任务的排序顺序可以获得所述目标任务的执行顺序，进而确定所述目标任务的优先级别。
步骤S43、根据所述依赖程度和所述优先级别构建预设任务执行顺序，所述预设任务执行顺序为依赖程度最高级别的前置任务的执行顺序优先于最高级别的目标任务，所述最高级别的目标任务的执行顺序优先于其他级别的前置任务，所述其他级别的前置任务的执行顺序优先于其他级别的目标任务。
应该理解的是，根据所述依赖程度和所述优先级别构建预设任务执行顺序，所述预设任务执行顺序为预先设置的顺序，所述预设任务执行顺序为依赖程度最高级别的前置任务的执行顺序优先于最高级别的目标任务，所述最高级别的目标任务的执行顺序优先于其他级别的前置任务，所述其他级别的前置任务的执行顺序优先于其他级别的目标任务，即目标最高级别前置任务的优先级别高于目标最高级别的任务，所述目标最高级别的任务高于其他级别的前置任务，所述其他级别的前置任务高于其他级别的有序任务。
可以理解的是，获取各待调度任务中除了前置任务之外的一般任务的优先级别，即目标任务的原本执行的优先级别，即除前置任务之外的其他待调度任务也具有原本的执行顺序，根据各前置任务的依赖程度和模板任务的优先级别可以构建预设任务执行顺序，即可以根据所述预设任务执行顺序确定各待调度任务的调度顺序，即执行顺序，可以设置为依赖程度最高级别的前置任务的执行顺序优先于最高级别的目标任务，所述最高级别的目标任务的执行顺序优先于其他级别的前置任务，所述其他级别的前置任务的执行顺序优先于其他级别的目标任务。
本实施例通过上述方案，通过预设插入排序算法将各待调度任务中除了前置任务之外的目标任务进行排序，获得所述目标任务的排序顺序；根据所述排序顺序对确定所述目标任务的优先级别；根据所述依赖程度和所述优先级别构建预设任务执行顺序，所述预设任务执行顺序为依赖程度最高级别的前置任务的执行顺序优先于最高级别的目标任务，所述最高级别的目标任务的执行顺序优先于其他级别的前置任务，所述其他级别的前置任务的执行顺序优先于其他级别的目标任务，能够进一步准确获取执行任务的优先级，可以避免其他非重要的任务与重要任务竞争资源，使重要任务获得最优执行权，保证了重要任务的优先执行，有利于后续任务的开展，提高了工作速度和效率，提升了用户体验。
进一步地，图4为本发明智能任务调度方法第三实施例的流程示意图，如图4所示，基于第二实施例提出本发明智能任务调度方法第三实施例，在本实施例中，所述步骤S50之前，所述智能任务调度方法还包括以下步骤：
步骤S51、获取各待调度任务的任务数量，根据所述任务数量确定目标线程池。
需要说明的是，各待调度任务对应着相应的任务数量，所述目标线程池为执行待调度任务的线程池，通过所述任务数量可以确定需要的线程池，不同的任务数量确定不同的所述线程池。
进一步地，所述步骤S51具体包括以下步骤：
获取各待调度任务的任务数量；
获取预设线程池中各线程池的空闲程度和任务处理速度；
将所述空闲程度大于预设空闲程度并且所述任务处理速度大于预设处理速度的线程池作为空闲线程池；
从各空闲线程池中选取与所述任务数量匹配的线程池作为目标线程池。
可以理解的是，获取各待调度任务的任务数量后，可以获得预设线程池中各线程池的空闲程度和任务处理速度，在根据所述空闲程度与预设空闲程度的比较结果可以确定空闲线程池，从而可以从各空闲线程池中选取与所述任务数量匹配的线程池作为目标线程池。
步骤S52、根据所述预设任务执行顺序在所述目标线程池中选取对应的线程执行各待调度任务，直至调度完成所有待调度任务。
应当理解的是，获取各待调度任务的任务数量，根据所述预设任务执行顺序在所述目标线程池中对各待调度任务进行调度，直至调度完所有待调度任务，所述目标线程池的确定是根据所述预设线程池中各线程的空闲程度和任务处理能力确定，通过线程池中各线程执行任务，实时获得各线程的空闲度和任务处理速度，动态的将空闲线程和处理速度较快线程作为处理任务的新的CPU调度单元，根据预设任务执行顺序进行任务调度直至所有任务都调度完毕。
本实施例通过上述方案，通过获取各待调度任务的任务数量，根据所述任务数量确定目标线程池；根据所述预设任务执行顺序在所述目标线程池中选取对应的线程执行各待调度任务，直至调度完成所有待调度任务，能够避免其他非重要的任务与重要任务竞争资源，使重要任务获得最优执行权，保证了重要任务的优先执行，有利于后续任务的开展，提高了工作速度和效率，提升了用户体验。
基于上述智能任务调度方法的实施例，本发明进一步提供一种智能任务调度装置。
参照图5，图5为本发明智能任务调度装置第一实施例的功能模块图。
本发明智能任务调度装置第一实施例中，该智能任务调度装置包括：关联度获取10、前置任务确定模块20、依赖程度获取模块30、顺序确定模块40和调度模块50；
其中，所述关联度获取模块10，用于获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度。
需要说明的是，所述待调度任务为预先设置的需要进行执行调度的任务或者满足了调度调节需要进行执行调度的任务，所述各待调度任务之间的关联度为各待调度任务与其他任务的关联程度，即各待调度任务在执行时是否与其他任务有关联，所述关联度用来表示各待调度任务在执行时与其他待调度任务的关系。
在具体实现中，对于需要进行调度的多个待调度任务，可以对各待调度任务进行分析，可以确定任一任务是否在执行时依赖于其他任务或被其他任务执行时所依赖，根据依赖于其他任务的数量，和/或被其他任务执行所依赖的其他任务的数量确定各待调度任务与其他待调度任务的关联程度。
进一步地，所述关联度获取模块10包括：
分析模块，用于获取需要进行调度的多个待调度任务，对各待调度任务进行分析，并获得分析结果。
依赖数量确定模块，用于根据所述分析结果确定各待调度任务在执行时依赖于其他待调度任务的依赖数量。
关联度查找模块，用于根据预设关联度数据表查找到与各依赖数量对应的关联度，所述预设关联度数据表反映依赖数量与关联度的映射关系。
可以理解的是，根据所述分析结果可以获得各待调度任务在执行时依赖于其他待调度任务的依赖数量，所述预设关联度数据表为预先设置的用于获取关联度的数据表，所述预设关联度数据表反映依赖数量与关联度的映射关系，所述预设关联度数据表可以是通过大量实验数据训练获得，也可以是通过技术人员根据日常经验确定的数据表，当然也可以是其他方式确定的数据表，本实施例对此不加以限制。
所述前置任务确定模块20，用于根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务。
可以理解的是，所述前置任务为各待调度任务中的具有前置依赖的任务，所述前置依赖为各待调度任务中待调度任务为另一个或另一些待调度任务的前置任务的依赖关系，通过所述关联度能够确定各待调度任务中多个具有前置依赖的前置任务。
进一步地，所述前置任务确定模块20包括：
筛选模块，用于对各待调度任务进行筛选，筛除各待调度任务中关联度小于预设关联度阈值的待调度任务。
前置任务筛选模块，用于将各待调度任务中剩下的待调度任务作为具有前置依赖的多个前置任务。
应当理解的是，对于一些与其他任务有点关联，但是实际任务执行时又一般不会用到其他任务执行后所产生的数据，此时需要对这一类不太相关任务以及完全独立执行的待调度任务进行筛选，筛除各待调度任务中关联度小于预设关联度阈值的待调度任务，剩下的待调度任务即为具有前置依赖的前置任务；所述预设关联度阈值为预先设置的关联度阈值，通过将各待调度任务中关联度与所述预设关联度阈值进行比较，可以筛选出各待调度任务中关联度较小的待调度任务，将剩下的待调度任务作为具有前置依赖的多个前置任务。
所述依赖程度获取模块30，用于获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务。
应当理解的是，可以通过所述依赖程度，通过对所述依赖程度按照从高到低的顺序进行排序，可以获得依赖程度最高级别的前置任务，当然也可以是仅仅根据各前置任务的关联度确定各前置任务的依赖程度，获得各前置任务的依赖程度后，可以对各前置任务的依赖程度按照从高到低进行排序，获取依赖程度最高的前置任务；当然还可以通过其他方式获取依赖程度最高级别中的前置任务，本实施例对此不加以限制。
进一步地，所述依赖程度获取模块30包括：
依赖频率获取模块，用于获取各前置任务的历史执行数据，对所述历史执行数据进行分析，获得各前置任务的历史依赖频率，所述历史依赖频率为各前置任务被依赖的频率；
依赖程度确定模块，用于根据各前置任务的历史依赖频率与关联度确定各前置任务的依赖程度；
依赖排序模块，用于根据预设排序顺序对各依赖程度进行排序，获得依赖程度最高级别的前置任务。
应当理解的是，所述历史执行数据为各前置任务在预设周期内的执行数据，通过对所述历史执行数据进行分析，获得各前置任务的历史依赖频率，所述历史依赖频率为各前置任务被依赖的频率，通过所述历史依赖频率和关联度可以确定各前置任务的依赖程度，通过预设排序顺序可以对各依赖程度进行排序，从而确定依赖程度最高级别的前置任务。
所述顺序确定模块40，用于获取多个待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序。
可以理解的是，所述除了前置任务之外的目标任务为各待调度任务没有前置依赖的其他任务，通过获取目标任务的优先级别，可以确定目标任务之中各任务的调度优先级，根据所述依赖程度和所述优先级别可以确定各待调度任务，即确定所述各待调度任务中各任务的执行调度优先级别。
进一步地，所述顺序确定模块40包括：
目标任务排序模块，用于根据预设插入排序算法将各待调度任务中除了前置任务之外的目标任务进行排序，获得所述目标任务的排序顺序。
需要说明的是，所述预设插入排序算法为预先设置的插入算法，一般的将一个数据插入到已经排好序的有序数据中，从而得到一个新的、个数加一的有序数据，把要排序的数组分成两部分：第一部分包含了这个数组的所有元素，但将最后一个元素除外(让数组多一个空间才有插入的位置)，而第二部分就只包含这一个元素(即待插入元素)；在第一部分排序完成后，再将这个最后元素插入到已排好序的第一部分中；通过所述预设插入排序算法将各待调度任务中除了前置任务之外的目标任务进行排序；根据所述预设插入排序算法可以将各待调度任务中除了前置任务之外的目标任务进行排序，获得所述目标任务的排序顺序。
目标任务优先级获取模块，用于根据所述排序顺序对确定所述目标任务的优先级别。
可以理解的是，根据所述目标任务的排序顺序可以获得所述目标任务的执行顺序，进而确定所述目标任务的优先级别。
任务执行顺序构建模块，用于根据所述依赖程度和所述优先级别构建预设任务执行顺序，所述预设任务执行顺序为依赖程度最高级别的前置任务的执行顺序优先于最高级别的目标任务，所述最高级别的目标任务的执行顺序优先于其他级别的前置任务，所述其他级别的前置任务的执行顺序优先于其他级别的目标任务。
应该理解的是，根据所述依赖程度和所述优先级别构建预设任务执行顺序，所述预设任务执行顺序为预先设置的顺序，所述预设任务执行顺序为依赖程度最高级别的前置任务的执行顺序优先于最高级别的目标任务，所述最高级别的目标任务的执行顺序优先于其他级别的前置任务，所述其他级别的前置任务的执行顺序优先于其他级别的目标任务，即目标最高级别前置任务的优先级别高于目标最高级别的任务，所述目标最高级别的任务高于其他级别的前置任务，所述其他级别的前置任务高于其他级别的有序任务。
可以理解的是，获取各待调度任务中除了前置任务之外的一般任务的优先级别，即目标任务的原本执行的优先级别，即除前置任务之外的其他待调度任务也具有原本的执行顺序，根据各前置任务的依赖程度和模板任务的优先级别可以构建预设任务执行顺序，即可以根据所述预设任务执行顺序确定各待调度任务的调度顺序，即执行顺序，可以设置为依赖程度最高级别的前置任务的执行顺序优先于最高级别的目标任务，所述最高级别的目标任务的执行顺序优先于其他级别的前置任务，所述其他级别的前置任务的执行顺序优先于其他级别的目标任务。
所述调度模块50，用于根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务。
应当理解的是，所述预设任务执行顺序为预先设置的用于执行待调度任务的执行顺序，所述预设任务执行顺序可以通过所述依赖程度和所述优先级别构建，当然也可以是通过其他方式确认，本实施例对此不加以限制；可以通过所述预设任务执行顺序对各待调度任务进行调度直到所有任务调度完毕。
进一步地，所述调度模块50包括：
线程池确定模块，用于获取各待调度任务的任务数量，根据所述任务数量确定目标线程池。
需要说明的是，各待调度任务对应着相应的任务数量，所述目标线程池为执行待调度任务的线程池，通过所述任务数量可以确定需要的线程池，不同的任务数量确定不同的所述线程池。
进一步地，所述线程池确定模块包括：
任务数量获取模块，用于获取各待调度任务的任务数量。
处理速度获取模块，用于获取预设线程池中各线程池的空闲程度和任务处理速度。
空闲线程池确定模块，用于将所述空闲程度大于预设空闲程度并且所述任务处理速度大于预设处理速度的线程池作为空闲线程池。
目标线程池匹配模块，用于从各空闲线程池中选取与所述任务数量匹配的线程池作为目标线程池。
可以理解的是，获取各待调度任务的任务数量后，可以获得预设线程池中各线程池的空闲程度和任务处理速度，在根据所述空闲程度与预设空闲程度的比较结果可以确定空闲线程池，从而可以从各空闲线程池中选取与所述任务数量匹配的线程池作为目标线程池。
进一步地，所述调度模块50还包括：
调度执行模块，用于根据所述预设任务执行顺序在所述目标线程池中选取对应的线程执行各待调度任务，直至调度完成所有待调度任务。
应当理解的是，获取各待调度任务的任务数量，根据所述预设任务执行顺序在所述目标线程池中对各待调度任务进行调度，直至调度完所有待调度任务，所述目标线程池的确定是根据所述预设线程池中各线程的空闲程度和任务处理能力确定，通过线程池中各线程执行任务，实时获得各线程的空闲度和任务处理速度，动态的将空闲线程和处理速度较快线程作为处理任务的新的CPU调度单元，根据预设任务执行顺序进行任务调度直至所有任务都调度完毕。
本实施例通过上述方案，通过获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度；根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务；获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序；根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务，可以避免其他非重要的任务与重要任务竞争资源，使重要任务获得最优执行权，保证了重要任务的优先执行，有利于后续任务的开展，提高了工作速度和效率，提升了用户体验。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有智能任务调度程序，所述智能任务调度程序被处理器执行时实现如下操作：
获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度；
根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务；
获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；
获取多个待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序；
根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务。
进一步地，所述智能任务调度程序被处理器执行时还实现如下操作：
获取需要进行调度的多个待调度任务，对各待调度任务进行分析，并获得分析结果；
根据所述分析结果确定各待调度任务在执行时依赖于其他待调度任务的依赖数量；
根据预设关联度数据表查找到与各依赖数量对应的关联度，所述预设关联度数据表反映依赖数量与关联度的映射关系。
进一步地，所述智能任务调度程序被处理器执行时还实现如下操作：
对各待调度任务进行筛选，筛除各待调度任务中关联度小于预设关联度阈值的待调度任务；
将各待调度任务中剩下的待调度任务作为具有前置依赖的多个前置任务。
进一步地，所述智能任务调度程序被处理器执行时还实现如下操作：
获取各前置任务的历史执行数据，对所述历史执行数据进行分析，获得各前置任务的历史依赖频率，所述历史依赖频率为各前置任务被依赖的频率；
根据各前置任务的历史依赖频率与关联度确定各前置任务的依赖程度；
根据预设排序顺序对各依赖程度进行排序，获得依赖程度最高级别的前置任务。
进一步地，所述智能任务调度程序被处理器执行时还实现如下操作：
根据预设插入排序算法将各待调度任务中除了前置任务之外的目标任务进行排序，获得所述目标任务的排序顺序；
根据所述排序顺序对确定所述目标任务的优先级别；
根据所述依赖程度和所述优先级别构建预设任务执行顺序，所述预设任务执行顺序为依赖程度最高级别的前置任务的执行顺序优先于最高级别的目标任务，所述最高级别的目标任务的执行顺序优先于其他级别的前置任务，所述其他级别的前置任务的执行顺序优先于其他级别的目标任务。
进一步地，所述智能任务调度程序被处理器执行时还实现如下操作：
获取各待调度任务的任务数量，根据所述任务数量确定目标线程池；
根据所述预设任务执行顺序在所述目标线程池中选取对应的线程执行各待调度任务，直至调度完成所有待调度任务。
进一步地，所述智能任务调度程序被处理器执行时还实现如下操作：
获取各待调度任务的任务数量；
获取预设线程池中各线程池的空闲程度和任务处理速度；
将所述空闲程度大于预设空闲程度并且所述任务处理速度大于预设处理速度的线程池作为空闲线程池；
从各空闲线程池中选取与所述任务数量匹配的线程池作为目标线程池。
本实施例通过上述方案，通过获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度；根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务；获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序；根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务，可以避免其他非重要的任务与重要任务竞争资源，使重要任务获得最优执行权，保证了重要任务的优先执行，有利于后续任务的开展，提高了工作速度和效率，提升了用户体验。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他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他要素，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。
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。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种智能任务调度方法，其特征在于，所述方法包括：
获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度；
根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务；
获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；
获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序；
根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务。
2.如权利要求1所述的方法，其特征在于，所述获取需要进行调度的多个待调度任务，并获得多个待调度任务之间的关联度的步骤，包括：
获取需要进行调度的多个待调度任务，对各待调度任务进行分析，并获得分析结果；
根据所述分析结果确定各待调度任务在执行时依赖于其他待调度任务的依赖数量；
根据预设关联度数据表查找到与各依赖数量对应的关联度，所述预设关联度数据表反映依赖数量与关联度的映射关系。
3.如权利要求2所述的方法，其特征在于，所述根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务的步骤，包括：
对各待调度任务进行筛选，筛除各待调度任务中关联度小于预设关联度阈值的待调度任务；
将各待调度任务中剩下的待调度任务作为具有前置依赖的多个前置任务。
4.如权利要求3所述的方法，其特征在于，所述获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务的步骤，包括：
获取各前置任务的历史执行数据，对所述历史执行数据进行分析，获得各前置任务的历史依赖频率，所述历史依赖频率为各前置任务被依赖的频率；
根据各前置任务的历史依赖频率与关联度确定各前置任务的依赖程度；
根据预设排序顺序对各依赖程度进行排序，获得依赖程度最高级别的前置任务。
5.如权利要求4所述的方法，其特征在于，所述获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序的步骤，包括：
根据预设插入排序算法将各待调度任务中除了前置任务之外的目标任务进行排序，获得所述目标任务的排序顺序；
根据所述排序顺序对确定所述目标任务的优先级别；
根据所述依赖程度和所述优先级别构建预设任务执行顺序，所述预设任务执行顺序为依赖程度最高级别的前置任务的执行顺序优先于最高级别的目标任务，所述最高级别的目标任务的执行顺序优先于其他级别的前置任务，所述其他级别的前置任务的执行顺序优先于其他级别的目标任务。
6.如权利要求1-5中任一项所述的方法，其特征在于，所述根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务的步骤，包括：
获取各待调度任务的任务数量，根据所述任务数量确定目标线程池；
根据所述预设任务执行顺序在所述目标线程池中选取对应的线程执行各待调度任务，直至调度完成所有待调度任务。
7.如权利要求6所述的方法，其特征在于，所述获取各待调度任务的任务数量，根据所述任务数量确定目标线程池的步骤，包括：
获取各待调度任务的任务数量；
获取预设线程池中各线程池的空闲程度和任务处理速度；
将所述空闲程度大于预设空闲程度并且所述任务处理速度大于预设处理速度的线程池作为空闲线程池；
从各空闲线程池中选取与所述任务数量匹配的线程池作为目标线程池。
8.一种智能任务调度装置，其特征在于，所述装置包括：关联度获取、前置任务确定模块、依赖程度获取模块、顺序确定模块和调度模块；
其中，所述关联度获取模块，用于获取需要进行调度的多个待调度任务，并获得各待调度任务之间的关联度；
所述前置任务确定模块，用于根据所述关联度确定各待调度任务中具有前置依赖的多个前置任务；
所述依赖程度获取模块，用于获取各前置任务的依赖程度，找到依赖程度最高级别的前置任务；
所述顺序确定模块，用于获取各待调度任务中除了前置任务之外的目标任务的优先级别，根据所述依赖程度和所述优先级别构建预设任务执行顺序；
所述调度模块，用于根据所述预设任务执行顺序对各待调度任务进行调度，直至调度完成所有待调度任务。
9.一种智能任务调度设备，其特征在于，所述智能任务调度设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能任务调度程序，所述智能任务调度程序配置为实现如权利要求1至7中任一项所述的智能任务调度方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有智能任务调度程序，所述智能任务调度程序被处理器执行时实现如权利要求1至7中任一项所述的智能任务调度方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910206130.3A CN110096345B (zh) | 2019-03-16 | 2019-03-16 | 智能任务调度方法、装置、设备及存储介质 |
| PCT/CN2019/118370 WO2020186787A1 (zh) | 2019-03-16 | 2019-11-14 | 智能任务调度方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910206130.3A CN110096345B (zh) | 2019-03-16 | 2019-03-16 | 智能任务调度方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110096345A true CN110096345A (zh) | 2019-08-06 |
| CN110096345B CN110096345B (zh) | 2024-04-12 |
Family
ID=67443343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910206130.3A Active CN110096345B (zh) | 2019-03-16 | 2019-03-16 | 智能任务调度方法、装置、设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110096345B (zh) |
| WO (1) | WO2020186787A1 (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110554909A (zh) * | 2019-09-06 | 2019-12-10 | 腾讯科技（深圳）有限公司 | 任务的调度处理方法、装置及计算机设备 |
| CN110852593A (zh) * | 2019-11-06 | 2020-02-28 | 重庆大学 | 任务处理方法、设备、存储介质及装置 |
| WO2020186787A1 (zh) * | 2019-03-16 | 2020-09-24 | 平安科技（深圳）有限公司 | 智能任务调度方法、装置、设备及存储介质 |
| CN111858013A (zh) * | 2020-06-19 | 2020-10-30 | 中科院计算所西部高等技术研究院 | 工作流作业调度控制方法 |
| CN112306661A (zh) * | 2020-11-06 | 2021-02-02 | 平安科技（深圳）有限公司 | 任务调度方法、装置、电子设备及可读存储介质 |
| CN112817721A (zh) * | 2021-01-29 | 2021-05-18 | 中国平安财产保险股份有限公司 | 基于人工智能的任务调度方法、装置、计算机设备和介质 |
| CN113282383A (zh) * | 2020-02-19 | 2021-08-20 | 中科寒武纪科技股份有限公司 | 任务调度方法、任务处理方法及相关产品 |
| CN113534750A (zh) * | 2020-04-15 | 2021-10-22 | 北京旷视机器人技术有限公司 | 密集存储下的作业调度方法、装置、系统、设备及介质 |
| WO2022257435A1 (zh) * | 2021-06-11 | 2022-12-15 | 深圳前海微众银行股份有限公司 | 一种批量任务处理方法、装置、计算设备及存储介质 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112363819A (zh) * | 2020-12-02 | 2021-02-12 | 深圳市房多多网络科技有限公司 | 大数据任务动态编排调度方法、装置及计算设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102981904A (zh) * | 2011-09-02 | 2013-03-20 | 阿里巴巴集团控股有限公司 | 一种任务调度方法及系统 |
| CN103885839A (zh) * | 2014-04-06 | 2014-06-25 | 孙凌宇 | 基于多水平划分法和赋权有向超图的云计算任务调度方法 |
| CN104536811A (zh) * | 2014-12-26 | 2015-04-22 | 广州华多网络科技有限公司 | 基于hive任务的任务调度方法及装置 |
| CN104915260A (zh) * | 2015-06-19 | 2015-09-16 | 北京搜狐新媒体信息技术有限公司 | 一种Hadoop集群管理任务的分发方法和系统 |
| US20160217016A1 (en) * | 2015-01-26 | 2016-07-28 | Qualcomm Incorporated | Method and System for Accelerating Task Control Flow |
| CN107688488A (zh) * | 2016-08-03 | 2018-02-13 | 中国移动通信集团湖北有限公司 | 一种基于元数据的任务调度的优化方法及装置 |
| CN108268319A (zh) * | 2016-12-31 | 2018-07-10 | 中国移动通信集团河北有限公司 | 任务调度方法、装置及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140136255A1 (en) * | 2012-11-14 | 2014-05-15 | Wal-Mart Stores, Inc. | Dynamic Task Management |
| CN109086986B (zh) * | 2018-07-20 | 2022-12-09 | 中国邮政储蓄银行股份有限公司 | 作业调度方法及装置 |
| CN110096345B (zh) * | 2019-03-16 | 2024-04-12 | 平安科技（深圳）有限公司 | 智能任务调度方法、装置、设备及存储介质 |
-
2019
- 2019-03-16 CN CN201910206130.3A patent/CN110096345B/zh active Active
- 2019-11-14 WO PCT/CN2019/118370 patent/WO2020186787A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102981904A (zh) * | 2011-09-02 | 2013-03-20 | 阿里巴巴集团控股有限公司 | 一种任务调度方法及系统 |
| CN103885839A (zh) * | 2014-04-06 | 2014-06-25 | 孙凌宇 | 基于多水平划分法和赋权有向超图的云计算任务调度方法 |
| CN104536811A (zh) * | 2014-12-26 | 2015-04-22 | 广州华多网络科技有限公司 | 基于hive任务的任务调度方法及装置 |
| US20160217016A1 (en) * | 2015-01-26 | 2016-07-28 | Qualcomm Incorporated | Method and System for Accelerating Task Control Flow |
| CN104915260A (zh) * | 2015-06-19 | 2015-09-16 | 北京搜狐新媒体信息技术有限公司 | 一种Hadoop集群管理任务的分发方法和系统 |
| CN107688488A (zh) * | 2016-08-03 | 2018-02-13 | 中国移动通信集团湖北有限公司 | 一种基于元数据的任务调度的优化方法及装置 |
| CN108268319A (zh) * | 2016-12-31 | 2018-07-10 | 中国移动通信集团河北有限公司 | 任务调度方法、装置及系统 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020186787A1 (zh) * | 2019-03-16 | 2020-09-24 | 平安科技（深圳）有限公司 | 智能任务调度方法、装置、设备及存储介质 |
| CN110554909A (zh) * | 2019-09-06 | 2019-12-10 | 腾讯科技（深圳）有限公司 | 任务的调度处理方法、装置及计算机设备 |
| CN110852593A (zh) * | 2019-11-06 | 2020-02-28 | 重庆大学 | 任务处理方法、设备、存储介质及装置 |
| CN113282383A (zh) * | 2020-02-19 | 2021-08-20 | 中科寒武纪科技股份有限公司 | 任务调度方法、任务处理方法及相关产品 |
| CN113282383B (zh) * | 2020-02-19 | 2024-03-12 | 中科寒武纪科技股份有限公司 | 任务调度方法、任务处理方法及相关产品 |
| CN113534750A (zh) * | 2020-04-15 | 2021-10-22 | 北京旷视机器人技术有限公司 | 密集存储下的作业调度方法、装置、系统、设备及介质 |
| CN111858013A (zh) * | 2020-06-19 | 2020-10-30 | 中科院计算所西部高等技术研究院 | 工作流作业调度控制方法 |
| WO2022095358A1 (zh) * | 2020-11-06 | 2022-05-12 | 平安科技（深圳）有限公司 | 任务调度方法、装置、电子设备及可读存储介质 |
| CN112306661B (zh) * | 2020-11-06 | 2023-09-15 | 平安科技（深圳）有限公司 | 任务调度方法、装置、电子设备及可读存储介质 |
| CN112306661A (zh) * | 2020-11-06 | 2021-02-02 | 平安科技（深圳）有限公司 | 任务调度方法、装置、电子设备及可读存储介质 |
| CN112817721A (zh) * | 2021-01-29 | 2021-05-18 | 中国平安财产保险股份有限公司 | 基于人工智能的任务调度方法、装置、计算机设备和介质 |
| CN112817721B (zh) * | 2021-01-29 | 2022-08-09 | 中国平安财产保险股份有限公司 | 基于人工智能的任务调度方法、装置、计算机设备和介质 |
| WO2022257435A1 (zh) * | 2021-06-11 | 2022-12-15 | 深圳前海微众银行股份有限公司 | 一种批量任务处理方法、装置、计算设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020186787A1 (zh) | 2020-09-24 |
| CN110096345B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110096345A (zh) | 智能任务调度方法、装置、设备及存储介质 | |
| Ananthanarayanan et al. | {GRASS}: Trimming stragglers in approximation analytics | |
| CN105260237B (zh) | 异构多核平台的任务调度系统及其调度方法 | |
| Ansel et al. | Siblingrivalry: online autotuning through local competitions | |
| CN110389816B (zh) | 用于资源调度的方法、装置以及计算机可读介质 | |
| CN113778646B (zh) | 一种基于执行时间预测的任务层级调度方法及装置 | |
| CN109992355A (zh) | 一种基于改进非支配遗传算法的多目标云工作流调度方法 | |
| CN103294550A (zh) | 一种异构多核线程调度方法、系统及异构多核处理器 | |
| Minh et al. | Using historical data to predict application runtimes on backfilling parallel systems | |
| CN110347602B (zh) | 多任务脚本执行方法及装置、电子设备及可读存储介质 | |
| CN110717574A (zh) | 一种神经网络运行方法、装置及异构智能芯片 | |
| US20120060146A1 (en) | Automatic Application Tuning | |
| CN110058882A (zh) | 一种用于cnn加速的opu指令集定义方法 | |
| CN107885600A (zh) | 批量定时任务的调度方法、装置和计算机设备 | |
| CN113010312A (zh) | 一种超参数调优方法、装置及存储介质 | |
| CN113886034A (zh) | 任务调度方法、系统、电子设备及存储介质 | |
| CN114662932A (zh) | 一种节点分级的工作流类定时任务调度方法 | |
| US8281313B1 (en) | Scheduling computer processing jobs that have stages and precedence constraints among the stages | |
| CN112148471A (zh) | 分布式计算系统中资源调度的方法和装置 | |
| CN106874129B (zh) | 一种操作系统进程调度顺序确定方法及控制方法 | |
| Deniziak et al. | Hardware/software co-synthesis of distributed embedded systems using genetic programming | |
| Megow | Coping with incomplete information in scheduling—stochastic and online models | |
| CN115599522A (zh) | 一种云计算平台任务调度方法、装置和设备 | |
| CN109766181A (zh) | 一种基于深度学习的rms可调度性判定方法及装置 | |
| CN113064677B (zh) | 应用运行方法及装置、存储介质及电子装置 |
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 |