CN111695846A - 产品的存货布局的确定方法、系统、设备和存储介质 - Google Patents

Abstract

本发明公开了一种生成产品的存货布局信息的方法、系统、设备和存储介质，确定方法包括：获取在互联网平台中创建的产品的源任务，并获取初始处理数据；获取产品在设定时间段内对应的产品参数数据；获取源任务对应的第一数据量；预测初始处理数据在当前时间段内单次计算的目标最佳数据量；根据第一数据量和目标最佳数据量，获取源任务在当前时间段内的目标计算任务；采用目标处理数据对目标计算任务进行计算，生成产品的存货布局信息。本发明能够快速且有效地确定每个源任务的每个产品对应的存货布局信息，提升了计算查询速度，有效地解决了跨夜任务易失败和任务进度不可控的问题，提升了用户体验。

Description

产品的存货布局的确定方法、系统、设备和存储介质

技术领域

本发明涉及是数据处理技术领域，特别涉及一种产品的存货布局的确定方法、系统、设备和存储介质。

背景技术

目前，通过入驻互联网平台的用户的产品、产品入仓地和产品销售覆盖地构建产品的存货布局网络路线(如中小件网络，7*31条产品入仓地至产品销售覆盖地网络路线，其中7表示7个产品入仓地，31表示覆盖全国31个省市的31个产品销售覆盖地)，以保证高效且快速的物流运输。

现有技术的产品的存货布局的确定方法主要包括：获取入驻互联网平台的用户在互联网平台中创建每个产品的源任务(如包括该产品在三个月内的产品参数数据)，然后多个源任务均依次进入任务分发环节、数据算法处理环节，进而得到任务处理结果，确定每个产品对应的产品覆盖地，并根据产品覆盖地确定该产品对应的存货布局信息。

但是，上述的产品的存货布局的确定方法存在如下问题：

1)基于产品、销量和布局网络等，使得参与产品的存货布局计算的数据量急剧上升，当用户的产品数量很大且销量数据也很大时，容易造成OOM(内存溢出)的情况；

2)存货布局的源任务分发不均匀，容易出现集市白天资源不稳定、用户的产品数量、设置的产品数据量级不均匀等情况，导致每个用户创建的产品源任务的执行时间不可控问题，降低用户体验；

3)数据按天独立存储，即当产品存货的源任务需要跨夜执行时，会出现不能完整地获取任务计算需要的数据的情况，极易造成任务执行失败的情况。

发明内容

本发明要解决的技术问题是现有技术中产品的存货布局的确定方法存在容易造成内存溢出、每个用户创建的产品源任务的执行时间不可控问题，降低用户体验、当产品存货的源任务需要跨夜执行时极易发生执行失败的情况等缺陷，目的在于提供一种生成产品的存货布局信息的方法、系统、设备和存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种生成产品的存货布局信息的方法，所述方法包括：

获取在互联网平台中创建的产品的源任务，并获取用于计算所述源任务的初始处理数据；

根据所述源任务获取所述产品在设定时间段内对应的产品参数数据；

根据所述产品参数数据获取所述源任务对应的第一数据量；

获取所述初始处理数据在历史时间段内计算所述源任务的各个处理环节对应的历史日志数据，并根据所述历史日志数据预测所述初始处理数据在当前时间段内单次计算的目标最佳数据量；

根据所述第一数据量和所述目标最佳数据量，获取所述源任务在所述当前时间段内的目标计算任务；

从所述初始处理数据中获取与所述当前时间段对应的目标处理数据；采用所述目标处理数据对所述目标计算任务进行计算，生成所述产品的存货布局信息。

较佳地，所述采用所述目标处理数据对所述目标计算任务进行计算，生成所述产品的存货布局信息的步骤包括：

采用目标处理数据对所述目标计算任务进行计算，确定用于存放所述产品的目标销售覆盖地；

根据所述目标销售覆盖地生成所述产品的存货布局信息。

较佳地，所述产品参数数据包括参数设置信息、任务设置信息、产品的运输价格信息、配送价格信息、销量信息和数量信息中的至少一种。

较佳地，当所述产品参数数据包括所述产品的数量信息，则所述根据所述产品参数数据获取所述源任务对应的第一数据量的步骤包括：

根据所述产品的数量信息、所述设定时间段、所述互联网平台的产品入仓地总数量和产品销售覆盖地总数量，计算得到所述源任务对应的所述第一数据量。

较佳地，所述历史日志数据包括单次计算的数据量、单次计算的数据量对应的计算时长、CPU(中央处理器)占用情况和内存剩余资源大小中的至少一种；

当所述历史日志数据包括所述单次计算的数据量和所述单次计算的数据量对应的计算时长时，所述根据所述历史日志数据预测所述初始处理数据在当前时间段内单次计算的目标最佳数据量的步骤包括：

确定所述历史时间段内的所述单次计算的数据量对应的计算时长取值最小时的所述单次计算的数据量为所述初始处理数据在所述历史时间段内单次计算的第一最佳数据量；

根据所述第一最佳数据量预测所述初始处理数据在所述当前时间段内单次计算的目标最佳数据量；

其中，所述当前时间段与所述历史时间段相对应。

较佳地，所述根据所述第一数据量和所述目标最佳数据量，获取所述源任务在所述当前时间段内的目标计算任务的步骤包括：

当所述第一数据量大于所述目标最佳数据量时，则计算所述第一数据量和所述目标最佳数据量的比值；

根据所述比值确定所述目标计算任务的数量，并根据所述目标计算任务的数量拆分所述源任务，得到多个所述目标计算任务；

当所述第一数据量小于所述目标最佳数据量，则将所述源任务与源任务队列中的其他源任务进行合并，得到所述目标计算任务；

其中，合并后的所述目标计算任务对应的数据量小于所述目标最佳数据量。

较佳地，所述采用所述目标处理数据对所述目标计算任务进行计算，生成所述产品的存货布局信息的步骤包括：

在所述目标处理数据对所述目标计算任务时，获取所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据，并存储至计算存储区；

根据所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据，预估所述目标处理数据计算所述目标计算任务的剩余计算时长；

获取当前时间点，并根据所述剩余计算时长和所述当前时间点计算所述目标处理数据将所述目标计算任务计算完成时的第一时间点；

判断所述第一时间点是否超过设定时间点，若不超过，则在所述目标处理数据将所述目标计算任务全部计算完成时，根据全部已经计算完成的所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据生成所述产品的存货布局信息，并将全部已经计算完成的所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据从所述计算存储区转存至永久存储区；

否则，在所述目标处理数据计算所述目标计算任务的时间点到达所述设定时间点时，停止计算所述目标计算任务，并将部分已经计算完成的所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据从所述计算存储区转存至永久存储区。

较佳地，所述源任务的管理数据包括所述源任务的编号、数据量、状态、运行开始时间、运行结束时间、所述目标计算任务的数量和列表中的至少一种；

所述目标计算任务的数据包括所述目标计算任务的状态、与所述源任务的关系、所述目标处理数据的种类和信息中的至少一种；

所述目标计算任务的进度数据包括已经计算完成的所述目标计算任务的失败状态、成功状态和完成状态中的至少一种；

较佳地，同一所述源任务对应一个所述初始处理数据；

同一所述目标计算任务对应一个所述目标处理数据。

本发明还提供一种生成产品的存货布局信息的系统，所述确定系统包括源任务获取模块、初始处理数据获取模块、产品参数数据获取模块、第一数据量获取模块、历史日志数据获取模块、目标最佳数据量获取模块、目标计算任务获取模块、目标处理数据获取模块和存货布局确定模块；

所述源任务获取模块用于获取在互联网平台中创建的产品的源任务；

所述初始处理数据获取模块用于获取用于计算所述源任务的初始处理数据；

所述产品参数数据获取模块用于根据所述源任务获取所述产品在设定时间段内对应的产品参数数据；

所述第一数据量获取模块用于根据所述产品参数数据获取所述源任务对应的第一数据量；

所述历史日志数据获取模块用于获取所述初始处理数据在历史时间段内计算所述源任务的各个处理环节对应的历史日志数据；

所述目标最佳数据量获取模块用于根据所述历史日志数据预测所述初始处理数据在当前时间段内单次计算的目标最佳数据量；

所述目标计算任务获取模块用于根据所述第一数据量和所述目标最佳数据量，获取所述源任务在所述当前时间段内的目标计算任务；

所述目标处理数据获取模块用于从所述初始处理数据中获取与所述当前时间段对应的目标处理数据；

所述存货布局确定模块用于采用所述目标处理数据对所述目标计算任务进行计算，生成所述产品的存货布局信息。

较佳地，所述存货布局确定模块包括覆盖地确定单元和存货布局信息生成单元；

所述覆盖地确定单元用于采用目标处理数据对所述目标计算任务进行计算，确定用于存放所述产品的目标销售覆盖地；

所述存货布局信息生成单元用于根据所述目标销售覆盖地生成所述产品的存货布局信息。

较佳地，所述产品参数数据包括参数设置信息、任务设置信息、产品的运输价格信息、配送价格信息、销量信息和数量信息中的至少一种。

较佳地，当所述产品参数数据包括所述产品的数量信息，所述第一数据量获取模块用于根据所述产品的数量信息、所述设定时间段、所述互联网平台的产品入仓地总数量和产品销售覆盖地总数量，计算得到所述源任务对应的所述第一数据量。

较佳地，所述历史日志数据包括单次计算的数据量、单次计算的数据量对应的计算时长、CPU占用情况和内存剩余资源大小中的至少一种；

当所述历史日志数据包括所述单次计算的数据量和所述单次计算的数据量对应的计算时长时，所述目标最佳数据量获取模块包括第一最佳数据量获取单元和目标最佳数据量获取单元；

所述第一最佳数据量获取单元用于确定所述历史时间段内的所述单次计算的数据量对应的计算时长取值最小时的所述单次计算的数据量为所述初始处理数据在所述历史时间段内单次计算的第一最佳数据量；

所述目标最佳数据量获取单元用于根据所述第一最佳数据量预测所述初始处理数据在所述当前时间段内单次计算的目标最佳数据量；

其中，所述当前时间段与所述历史时间段相对应。

较佳地，所述目标计算任务获取模块包括比值计算单元和执行单元；

所述比值计算单元用于当所述第一数据量大于所述目标最佳数据量时，则计算所述第一数据量和所述目标最佳数据量的比值；

所述执行单元用于根据所述比值确定所述目标计算任务的数量，并根据所述目标计算任务的数量拆分所述源任务，得到多个所述目标计算任务；

所述执行单元还用于当所述第一数据量小于所述目标最佳数据量，则将所述源任务与源任务队列中的其他源任务进行合并，得到所述目标计算任务；

其中，合并后的所述目标计算任务对应的数据量小于所述目标最佳数据量。

较佳地，所述存货布局确定模块包括数据获取单元、预估单元、时间点获取单元、判断单元和转存单元；

所述数据获取单元用于在所述目标处理数据对所述目标计算任务时，获取所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据，并存储至计算存储区；

所述预估单元用于根据所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据，预估所述目标处理数据计算所述目标计算任务的剩余计算时长；

所述时间点获取单元用于获取当前时间点，并根据所述剩余计算时长和所述当前时间点计算所述目标处理数据将所述目标计算任务计算完成时的第一时间点；

所述判断单元用于判断所述第一时间点是否超过设定时间点，若不超过，则调用所述存货布局信息生成单元；

所述存货布局信息生成单元用于在所述目标处理数据将所述目标计算任务全部计算完成时，根据全部已经计算完成的所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据生成所述产品的存货布局信息，并调用所述转存单元将全部已经计算完成的所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据从所述计算存储区转存至永久存储区；

在所述判断单元判断所述第一时间点超过所述设定时间点时，停止计算所述目标计算任务，并调用所述转存单元将部分已经计算完成的所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据从所述计算存储区转存至永久存储区。

较佳地，所述源任务的管理数据包括所述源任务的编号、数据量、状态、运行开始时间、运行结束时间、所述目标计算任务的数量和列表中的至少一种；

所述目标计算任务的数据包括所述目标计算任务的状态、与所述源任务的关系、所述目标处理数据的种类和信息中的至少一种；

所述目标计算任务的进度数据包括已经计算完成的所述目标计算任务的失败状态、成功状态和完成状态中的至少一种；

较佳地，同一所述源任务对应一个所述初始处理数据；

同一所述目标计算任务对应一个所述目标处理数据。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现上述的生成产品的存货布局信息的方法。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的生成产品的存货布局信息的方法的步骤。

本发明的积极进步效果在于：

本发明中，通过计算初始处理数据在当前时间段内单次计算的目标最佳数据量，对源任务进行拆分或者合并处理，从而有效地避免发生OOM的情况，且提高了源任务的计算速度，从而快速且有效地确定每个源任务的每个产品对应的存货布局信息；另外，将计算中的数据存储至计算存储区，已经完成的数存储至永久存储区，提升了计算查询速度，有效地解决了跨夜任务易失败和任务进度不可控的问题，提升了用户体验。

附图说明

图1为本发明实施例1的生成产品的存货布局信息的方法的流程图。

图2为本发明实施例2的生成产品的存货布局信息的方法的流程图。

图3为本发明实施例2的生成产品的存货布局信息的方法的存货布局网络的示意图。

图4为本发明实施例3的生成产品的存货布局信息的方法的流程图。

图5为本发明实施例4的生成产品的存货布局信息的系统的模块示意图。

图6为本发明实施例5的生成产品的存货布局信息的系统的模块示意图。

图7为本发明实施例6的生成产品的存货布局信息的系统的模块示意图。

图8为本发明实施例7中的实现生成产品的存货布局信息的方法的电子设备的结构示意图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

实施例1

如图1所示，本实施例的生成产品的存货布局信息的方法包括：

S101、获取在互联网平台中创建的产品的源任务，并获取用于计算源任务的初始处理数据；

其中，同一源任务对应一个初始处理数据；

S102、根据源任务获取产品在设定时间段内对应的产品参数数据；

其中，产品参数数据包括参数设置信息、任务设置信息、产品的运输价格信息、配送价格信息、销量信息和数量信息中的至少一种。

具体地，入驻互联网平台的每个用户在应用端手动创建每个产品的源任务，该源任务包括的数据维度有参数设置信息、任务设置信息、产品的运输价格信息、配送价格信息、销量信息和数量信息等。

本实施例中，不同的用户创建的每个源任务分别按照创建时间先后顺序依次存储。在任务处理过程中，按照FIFO(First Input First Output，先进先出)原则依次遍历处理源任务队列中的每个源任务。

S103、根据产品参数数据获取源任务对应的第一数据量；

S104、获取初始处理数据在历史时间段内计算源任务的各个处理环节对应的历史日志数据；

S105、根据历史日志数据预测初始处理数据在当前时间段内单次计算的目标最佳数据量；

S106、根据第一数据量和目标最佳数据量，获取源任务在当前时间段内的目标计算任务；

S107、从初始处理数据中获取与当前时间段对应的目标处理数据；S108、采用目标处理数据对目标计算任务进行计算，生成产品的存货布局信息。其中，同一目标计算任务对应一个目标处理数据。

本实施例中，通过计算初始处理数据在当前时间段内单次计算的目标最佳数据量，对源任务进行拆分或者合并处理，从而有效地避免发生OOM的情况，且提高了源任务的计算速度，从而快速且有效地确定每个源任务的每个产品对应的存货布局信息。

实施例2

如图2所示，本实施例的生成产品的存货布局信息的方法是对实施例1的进一步改进，具体地：

当产品参数数据包括产品的数量信息，步骤S103包括：

S1031、根据产品的数量信息、设定时间段、互联网平台的产品入仓地总数量和产品销售覆盖地总数量，计算得到源任务对应的第一数据量。

如图3所示，为互联网平台对应的存货布局网络。

a表示产品的始发地；

b表示产品入仓地；

c表示产品销售覆盖地；

d表示购买产品的客户。

对于中小件网络，计算得到源任务对应的第一数据量公式如下：

S＝M*7*31*N

其中，S表示第一数据量；

M表示产品的数量信息；

7表示互联网平台的产品入仓地总数量；

31表示产品销售覆盖地总数量；

N表示产品的销售天数(如90天、120天等)。

历史日志数据包括单次计算的数据量、单次计算的数据量对应的计算时长、CPU占用情况和内存剩余资源大小中的至少一种；

当历史日志数据包括单次计算的数据量和单次计算的数据量对应的计算时长时，步骤S105包括：

S1051、确定历史时间段内的单次计算的数据量对应的计算时长取值最小时的单次计算的数据量为初始处理数据在历史时间段内单次计算的第一最佳数据量；

S1052、根据第一最佳数据量预测初始处理数据在当前时间段内单次计算的目标最佳数据量。

其中，当前时间段与历史时间段相对应。

具体地，根据历史日志数据，确定初始处理数据在以往每天的各个时间段内的单次计算的第一最佳数据量，若要获取当天某一时间段(如06:00-06:30)内初始处理数据的单次计算的目标最佳数据量，则通过获取以往每天的该时间段内(06:00-06:30)初始处理数据的单次计算的第一最佳数据量，并将其作为初始处理数据在当天该时间段内的单次计算的目标最佳数据量，然后根据该目标最佳数据量动态修改默认值。

步骤S106包括：

S1061、当第一数据量大于目标最佳数据量时，则计算第一数据量和目标最佳数据量的比值；根据比值确定目标计算任务的数量，并根据目标计算任务的数量拆分源任务，得到多个目标计算任务；

当第一数据量小于目标最佳数据量，则将源任务与源任务队列中的其他源任务进行合并，得到目标计算任务；

其中，合并后的目标计算任务对应的数据量小于目标最佳数据量。

每个源任务拆分出的目标计算任务的数量为0≤x≤S/best，即源任务队列中增加的任务数量为0≤y≤n*S/best。

其中，best表示目标最佳数据量；

n表示源任务队列中源任务的数量。

下面结合下表具体说明：

由上表可知，通过将源任务的数据量、产品的数量信息、中小件网络、销售天数的各个数值进行相乘，获取源任务对应的总数据量。当总数据量大于目标最佳数据量时，则总数据量除以目标最佳数据量，结果取整即为拆分后目标计算任务的数量。

如1*4000**7*31*90＝78120000，78120000/10000000＝7.812，因此将该源任务拆分为8个目标计算任务。

如1*400**7*31*120＝10416000，/10000000＝1.0416，因此将该源任务拆分为2个目标计算任务。

当源任务队列中的数据量较小时，可以将多个源任务合并计算处理。如3个源任务对应的产品的数量信息分别为10、100、30，则将其相加后再计算合计后的总数据量：3*140*7*31*90＝2734200，2734200/10000000＝0.27342，因此将3个源任务合并为1个目标计算任务。

步骤S108包括：

S1081、采用目标处理数据对目标计算任务进行计算，确定用于存放产品的目标销售覆盖地；

S1082、根据目标销售覆盖地生成产品的存货布局信息。

本实施例中，通过计算初始处理数据在当前时间段内单次计算的目标最佳数据量，对源任务进行拆分或者合并处理，从而有效地避免发生OOM的情况，且提高了源任务的计算速度，从而快速且有效地确定每个源任务的每个产品对应的存货布局信息。

实施例3

如图4所示，本实施例的生成产品的存货布局信息的方法是对实施例1的进一步改进，具体地：

步骤S108包括：

S1083、在目标处理数据对目标计算任务时，获取计算管理区中源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据，并存储至计算存储区；

其中，源任务的管理数据包括源任务的编号、数据量、状态、运行开始时间、运行结束时间、目标计算任务的数量和列表中的至少一种；

目标计算任务的数据包括目标计算任务的状态、与源任务的关系、目标处理数据的种类和信息中的至少一种；

目标计算任务的进度数据包括已经计算完成的目标计算任务的失败状态、成功状态和完成状态中的至少一种；

S1084、根据源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据，预估目标处理数据计算目标计算任务的剩余计算时长；

S1085、获取当前时间点，并根据剩余计算时长和当前时间点计算目标处理数据将目标计算任务计算完成时的第一时间点；

S1086、判断第一时间点是否超过设定时间点，若不超过，则在目标处理数据将目标计算任务全部计算完成时，根据全部已经计算完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据确定产品的存货布局信息，并将全部已经计算完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据从计算存储区转存至永久存储区；

否则，在目标处理数据计算目标计算任务的时间点到达设定时间点时，停止计算目标计算任务，并将部分已经计算完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据从计算存储区转存至永久存储区；未完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据存储在计算存储区中。

具体地，如设定时间点为00：00，当前时间点23:30，若预估出目标处理数据计算目标计算任务的剩余计算时长为25分钟，所以不会超过00：00，则在目标处理数据将目标计算任务全部计算完成时，根据全部已经计算完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据确定产品的存货布局信息，并将全部已经计算完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据从计算存储区转存至永久存储区；

若预估出目标处理数据计算目标计算任务的剩余计算时长为50分钟，则会超过00：00，则在该目标处理数据计算至00：00时，停止计算目标计算任务，并将部分已经计算完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据从计算存储区转存至永久存储区，从而解决了这种跨夜任务执行失败的问题。

根据计算管理区和计算存储区的数据的源任务的管理数据、目标计算任务的数据和目标计算任务，将各个目标处理数据计算完成的多种异构数据聚合成源任务维度。

另外，处理池中有很多中处理数据，如商品存货布局处理数据、补货建议计算处理数据、滞销建议计算处理数据等。

同一种处理数据也可以有多个处理数据，如多个商品存货布局处理数据可用于并行计算商品存货布局信息，多个处理数据的调度由计算管理区统一管理。

本实施例中，通过计算初始处理数据在当前时间段内单次计算的目标最佳数据量，对源任务进行拆分或者合并处理，从而有效地避免发生OOM的情况，且提高了源任务的计算速度，从而快速且有效地确定每个源任务的每个产品对应的存货布局信息；

另外，将计算中的数据存储至计算存储区，已经完成的数存储至永久存储区，即实现将计算的数据和历史数据分离开，从而提升了计算查询速度，有效地解决了跨夜任务易失败和任务进度不可控的问题，提升了用户体验。

实施例4

如图5所示，本实施例的生成产品的存货布局信息的系统包括源任务获取模块1、初始处理数据获取模块2、产品参数数据获取模块3、第一数据量获取模块4、历史日志数据获取模块5、目标最佳数据量获取模块6、目标计算任务获取模块7、目标处理数据获取模块8和存货布局确定模块9。

源任务获取模块1用于获取在互联网平台中创建的产品的源任务；

其中，同一源任务对应一个初始处理数据；

初始处理数据获取模块2用于获取用于计算源任务的初始处理数据；

产品参数数据获取模块3用于根据源任务获取产品在设定时间段内对应的产品参数数据；

其中，产品参数数据包括参数设置信息、任务设置信息、产品的运输价格信息、配送价格信息、销量信息和数量信息中的至少一种。

具体地，入驻互联网平台的每个用户在应用端手动创建每个产品的源任务，该源任务包括的数据维度有参数设置信息、任务设置信息、产品的运输价格信息、配送价格信息、销量信息和数量信息等。

本实施例中，不同的用户创建的每个源任务分别按照创建时间先后顺序依次存储。

在任务处理过程中，按照FIFO(First Input First Output，先进先出)原则依次遍历处理源任务队列中的每个源任务。

第一数据量获取模块4用于根据产品参数数据获取源任务对应的第一数据量；

历史日志数据获取模块5用于获取初始处理数据在历史时间段内计算的各个处理环节的历史日志数据；

目标最佳数据量获取模块6用于根据历史日志数据预测初始处理数据在当前时间段内单次计算的目标最佳数据量；

目标计算任务获取模块7用于根据第一数据量和目标最佳数据量，获取源任务在当前时间段内的目标计算任务；

存货布局确定模块9用于采用目标处理数据对目标计算任务进行计算，确定产品的存货布局信息。

其中，同一目标计算任务对应一个目标处理数据。

本实施例中，通过计算初始处理数据在当前时间段内单次计算的目标最佳数据量，对源任务进行拆分或者合并处理，从而有效地避免发生OOM的情况，且提高了源任务的计算速度，从而快速且有效地确定每个源任务的每个产品对应的存货布局信息。

实施例5

如图6所示，本实施例的生成产品的存货布局信息的系统是对实施例4的进一步改进，具体地：

当产品参数数据包括产品的数量信息，第一数据量获取模块4用于根据产品的数量信息、设定时间段、互联网平台的产品入仓地总数量和产品销售覆盖地总数量，计算得到源任务对应的第一数据量。

如图3所示，为互联网平台对应的存货布局网络。

a表示产品的始发地；

b表示产品入仓地；

c表示产品销售覆盖地；

d表示购买产品的客户。

对于中小件网络，计算得到源任务对应的第一数据量公式如下：

S＝M*7*31*N

其中，S表示第一数据量；

M表示产品的数量信息；

7表示互联网平台的产品入仓地总数量；

31表示产品销售覆盖地总数量；

N表示产品的销售天数(如90天、120天等)。

历史日志数据包括单次计算的数据量、单次计算的数据量对应的计算时长、CPU占用情况和内存剩余资源大小中的至少一种；

当历史日志数据包括单次计算的数据量和单次计算的数据量对应的计算时长时，目标最佳数据量获取模块6包括第一最佳数据量获取单元61和目标最佳数据量获取单元62；

第一最佳数据量获取单元61用于确定历史时间段内的单次计算的数据量对应的计算时长取值最小时的单次计算的数据量为初始处理数据在历史时间段内单次计算的第一最佳数据量；

目标最佳数据量获取单元62用于根据第一最佳数据量预测初始处理数据在当前时间段内单次计算的目标最佳数据量；

其中，当前时间段与历史时间段相对应。

具体地，根据历史日志数据，确定初始处理数据在以往每天的各个时间段内的单次计算的第一最佳数据量，若要获取当天某一时间段(如06:00-06:30)内初始处理数据的单次计算的目标最佳数据量，则通过获取以往每天的该时间段内(06:00-06:30)初始处理数据的单次计算的第一最佳数据量，并将其作为初始处理数据在当天该时间段内的单次计算的目标最佳数据量，然后根据该目标最佳数据量动态修改默认值。

目标计算任务获取模块7包括比值计算单元71和执行单元72。

比值计算单元71用于当第一数据量大于目标最佳数据量时，则计算第一数据量和目标最佳数据量的比值；

执行单元72用于根据比值确定目标计算任务的数量，并根据目标计算任务的数量拆分源任务，得到多个目标计算任务；

具体地，每个源任务拆分出的目标计算任务的数量为0≤x≤S/best，即源任务队列中增加的任务数量为0≤y≤n*S/best。

其中，best表示目标最佳数据量；

n表示源任务队列中源任务的数量。

执行单元72还用于当第一数据量小于目标最佳数据量，则将源任务与源任务队列中的其他源任务进行合并，得到目标计算任务；

其中，合并后的目标计算任务对应的数据量小于目标最佳数据量。

下面结合下表具体说明：

由上表可知，通过将源任务的数据量、产品的数量信息、中小件网络、销售天数的各个数值进行相乘，获取源任务对应的总数据量。

当总数据量大于目标最佳数据量时，则总数据量除以目标最佳数据量，结果取整即为拆分后目标计算任务的数量。

如1*4000**7*31*90＝78120000，78120000/10000000＝7.812，因此将该源任务拆分为8个目标计算任务；

如1*400**7*31*120＝10416000，/10000000＝1.0416，因此将该源任务拆分为2个目标计算任务。

当源任务队列中的数据量较小时，可以将多个源任务合并计算处理。如3个源任务对应的产品的数量信息分别为10、100、30，则将其相加后再计算合计后的总数据量：3*140*7*31*90＝2734200，2734200/10000000＝0.27342，因此将3个源任务合并为1个目标计算任务。

存货布局确定模块9包括覆盖地确定单元91和存货布局信息生成单元92；

覆盖地确定单元91用于采用目标处理数据对目标计算任务进行计算，确定用于存放产品的目标销售覆盖地；

存货布局信息生成单元92用于根据目标销售覆盖地生成产品的存货布局信息。

本实施例中，通过计算初始处理数据在当前时间段内单次计算的目标最佳数据量，对源任务进行拆分或者合并处理，从而有效地避免发生OOM的情况，且提高了源任务的计算速度，从而快速且有效地确定每个源任务的每个产品对应的存货布局信息。

实施例6

如图7所示，本实施例的生成产品的存货布局信息的系统是对实施例4的进一步改进，具体地：

存货布局确定模块9包括数据获取单元93、预估单元94、时间点获取单元95、判断单元96和转存单元97；

数据获取单元93用于在目标处理数据对目标计算任务时，获取计算管理区中源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据，并存储至计算存储区；

其中，源任务的管理数据包括源任务的编号、数据量、状态、运行开始时间、运行结束时间、目标计算任务的数量和列表中的至少一种；

目标计算任务的数据包括目标计算任务的状态、与源任务的关系、目标处理数据的种类和信息中的至少一种；

目标计算任务的进度数据包括已经计算完成的目标计算任务的失败状态、成功状态和完成状态中的至少一种。

预估单元94用于根据源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据，预估目标处理数据计算目标计算任务的剩余计算时长；

时间点获取单元95用于获取当前时间点，并根据剩余计算时长和当前时间点计算目标处理数据将目标计算任务计算完成时的第一时间点；

判断单元96用于判断第一时间点是否超过设定时间点，若不超过，则调用存货布局信息生成单元92；

存货布局信息生成单元92用于在目标处理数据将目标计算任务全部计算完成时，根据全部已经计算完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据确定产品的存货布局信息，并调用转存单元97将全部已经计算完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据从计算存储区转存至永久存储区；

在判断单元96判断第一时间点超过设定时间点时，停止计算目标计算任务，并调用转存单元97将部分已经计算完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据从计算存储区转存至永久存储区；

未完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据存储在计算存储区中。

具体地，如设定时间点为00：00，当前时间点23:30，若预估出目标处理数据计算目标计算任务的剩余计算时长为25分钟，所以不会超过00：00，则在目标处理数据将目标计算任务全部计算完成时，根据全部已经计算完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据确定产品的存货布局信息，并将全部已经计算完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据从计算存储区转存至永久存储区；

若预估出目标处理数据计算目标计算任务的剩余计算时长为50分钟，则会超过00：00，则在该目标处理数据计算至00：00时，停止计算目标计算任务，并将部分已经计算完成的源任务的管理数据、目标计算任务的数据和目标计算任务的进度数据从计算存储区转存至永久存储区，从而解决了这种跨夜任务执行失败的问题。

根据计算管理区和计算存储区的数据的源任务的管理数据、目标计算任务的数据和目标计算任务，将各个目标处理数据计算完成的多种异构数据聚合成源任务维度。

另外，处理池中有很多中处理数据，如商品存货布局处理数据、补货建议计算处理数据、滞销建议计算处理数据等。

同一种处理数据也可以有多个处理数据，如多个商品存货布局处理数据可用于并行计算商品存货布局信息，多个处理数据的调度由计算管理区统一管理。

本实施例中，通过计算初始处理数据在当前时间段内单次计算的目标最佳数据量，对源任务进行拆分或者合并处理，从而有效地避免发生OOM的情况，且提高了源任务的计算速度，从而快速且有效地确定每个源任务的每个产品对应的存货布局信息；

另外，将计算中的数据存储至计算存储区，已经完成的数存储至永久存储区，即实现将计算的数据和历史数据分离开，从而提升了计算查询速度，有效地解决了跨夜任务易失败和任务进度不可控的问题，提升了用户体验。

实施例7

图8为本发明实施例7提供的一种电子设备的结构示意图。

电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现实施例1至3中任意一实施例中的生成产品的存货布局信息的方法。

图8显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图8所示，电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。

电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。

总线33包括数据总线、地址总线和控制总线。

存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。

存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324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。

处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1至3中任意一实施例中的生成产品的存货布局信息的方法。

电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。

这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的设备30还可以通过网络适配器36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8所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。

应当明白，尽管图中未示出，可以结合模型生成的设备30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、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。

实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。

反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

实施例8

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现实施例1至3中任意一实施例中的生成产品的存货布局信息的方法中的步骤。

其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行实现实施例1至3中任意一实施例中的生成产品的存货布局信息的方法中的步骤。

其中，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发明的程序代码，程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式作出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (12)

1.一种生成产品的存货布局信息的方法，其特征在于，所述方法包括：

获取在互联网平台中创建的产品的源任务，并获取用于计算所述源任务的初始处理数据；

根据所述源任务获取所述产品在设定时间段内对应的产品参数数据；

根据所述产品参数数据获取所述源任务对应的第一数据量；

获取所述初始处理数据在历史时间段内计算所述源任务的各个处理环节对应的历史日志数据，并根据所述历史日志数据预测所述初始处理数据在当前时间段内单次计算的目标最佳数据量；

根据所述第一数据量和所述目标最佳数据量，获取所述源任务在所述当前时间段内的目标计算任务；

从所述初始处理数据中获取与所述当前时间段对应的目标处理数据；

采用所述目标处理数据对所述目标计算任务进行计算，生成所述产品的存货布局信息。

2.如权利要求1所述的生成产品的存货布局信息的方法，其特征在于，所述采用所述目标处理数据对所述目标计算任务进行计算，生成所述产品的存货布局信息的步骤包括：

采用目标处理数据对所述目标计算任务进行计算，确定用于存放所述产品的目标销售覆盖地；

根据所述目标销售覆盖地生成所述产品的存货布局信息。

3.如权利要求1所述的生成产品的存货布局信息的方法，其特征在于，所述产品参数数据包括参数设置信息、任务设置信息、产品的运输价格信息、配送价格信息、销量信息和数量信息中的至少一种。

4.如权利要求1所述的生成产品的存货布局信息的方法，其特征在于，当所述产品参数数据包括所述产品的数量信息，则所述根据所述产品参数数据获取所述源任务对应的第一数据量的步骤包括：

根据所述产品的数量信息、所述设定时间段、所述互联网平台的产品入仓地总数量和产品销售覆盖地总数量，计算得到所述源任务对应的所述第一数据量。

5.如权利要求1所述的生成产品的存货布局信息的方法，其特征在于，所述历史日志数据包括单次计算的数据量、单次计算的数据量对应的计算时长、CPU占用情况和内存剩余资源大小中的至少一种；

当所述历史日志数据包括所述单次计算的数据量和所述单次计算的数据量对应的计算时长时，所述根据所述历史日志数据预测所述初始处理数据在当前时间段内单次计算的目标最佳数据量的步骤包括：

确定所述历史时间段内的所述单次计算的数据量对应的计算时长取值最小时的所述单次计算的数据量为所述初始处理数据在所述历史时间段内单次计算的第一最佳数据量；

根据所述第一最佳数据量预测所述初始处理数据在所述当前时间段内单次计算的目标最佳数据量；

其中，所述当前时间段与所述历史时间段相对应。

6.如权利要求1所述的生成产品的存货布局信息的方法，其特征在于，所述根据所述第一数据量和所述目标最佳数据量，获取所述源任务在所述当前时间段内的目标计算任务的步骤包括：

当所述第一数据量大于所述目标最佳数据量时，则计算所述第一数据量和所述目标最佳数据量的比值；

根据所述比值确定所述目标计算任务的数量，并根据所述目标计算任务的数量拆分所述源任务，得到多个所述目标计算任务；

当所述第一数据量小于所述目标最佳数据量，则将所述源任务与源任务队列中的其他源任务进行合并，得到所述目标计算任务；

其中，合并后的所述目标计算任务对应的数据量小于所述目标最佳数据量。

7.如权利要求1所述的生成产品的存货布局信息的方法，其特征在于，所述采用所述目标处理数据对所述目标计算任务进行计算，生成所述产品的存货布局信息的步骤包括：

在所述目标处理数据对所述目标计算任务时，获取所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据，并存储至计算存储区；

根据所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据，预估所述目标处理数据计算所述目标计算任务的剩余计算时长；

获取当前时间点，并根据所述剩余计算时长和所述当前时间点计算所述目标处理数据将所述目标计算任务计算完成时的第一时间点；

判断所述第一时间点是否超过设定时间点，若不超过，则在所述目标处理数据将所述目标计算任务全部计算完成时，根据全部已经计算完成的所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据生成所述产品的存货布局信息，并将全部已经计算完成的所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据从所述计算存储区转存至永久存储区；

否则，在所述目标处理数据计算所述目标计算任务的时间点到达所述设定时间点时，停止计算所述目标计算任务，并将部分已经计算完成的所述源任务的管理数据、所述目标计算任务的数据和所述目标计算任务的进度数据从所述计算存储区转存至永久存储区。

8.如权利要求7所述的生成产品的存货布局信息的方法，其特征在于，所述源任务的管理数据包括所述源任务的编号、数据量、状态、运行开始时间、运行结束时间、所述目标计算任务的数量和列表中的至少一种；

所述目标计算任务的数据包括所述目标计算任务的状态、与所述源任务的关系、所述目标处理数据的种类和信息中的至少一种；

所述目标计算任务的进度数据包括已经计算完成的所述目标计算任务的失败状态、成功状态和完成状态中的至少一种。

9.如权利要求1所述的生成产品的存货布局信息的方法，其特征在于，同一所述源任务对应一个所述初始处理数据；

同一所述目标计算任务对应一个所述目标处理数据。

10.一种生成产品的存货布局信息的系统，其特征在于，所述确定系统包括源任务获取模块、初始处理数据获取模块、产品参数数据获取模块、第一数据量获取模块、历史日志数据获取模块、目标最佳数据量获取模块、目标计算任务获取模块、目标处理数据获取模块和存货布局确定模块；

所述源任务获取模块用于获取在互联网平台中创建的产品的源任务；

所述初始处理数据获取模块用于获取用于计算所述源任务的初始处理数据；

所述产品参数数据获取模块用于根据所述源任务获取所述产品在设定时间段内对应的产品参数数据；

所述第一数据量获取模块用于根据所述产品参数数据获取所述源任务对应的第一数据量；

所述历史日志数据获取模块用于获取所述初始处理数据在历史时间段内计算所述源任务的各个处理环节对应的历史日志数据；

所述目标最佳数据量获取模块用于根据所述历史日志数据预测所述初始处理数据在当前时间段内单次计算的目标最佳数据量；

所述目标计算任务获取模块用于根据所述第一数据量和所述目标最佳数据量，获取所述源任务在所述当前时间段内的目标计算任务；

所述目标处理数据获取模块用于从所述初始处理数据中获取与所述当前时间段对应的目标处理数据；

所述存货布局确定模块用于采用所述目标处理数据对所述目标计算任务进行计算，生成所述产品的存货布局信息。

11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行计算机程序时实现权利要求1-9中任一项所述的生成产品的存货布局信息的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-9中任一项所述的生成产品的存货布局信息的方法的步骤。

Images