CN111858027A - 一种软件机器人协同处理方法及系统 - Google Patents
一种软件机器人协同处理方法及系统 Download PDFInfo
- Publication number
- CN111858027A CN111858027A CN202010536581.6A CN202010536581A CN111858027A CN 111858027 A CN111858027 A CN 111858027A CN 202010536581 A CN202010536581 A CN 202010536581A CN 111858027 A CN111858027 A CN 111858027A
- Authority
- CN
- China
- Prior art keywords
- software
- robot
- robots
- running state
- task
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 230000006870 function Effects 0.000 claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims abstract description 3
- 230000003068 static effect Effects 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013468 resource allocation Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000004064 recycling Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 9
- 239000000306 component Substances 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5022—Mechanisms to release resources
Abstract
本发明涉及一种软件机器人协同处理方法及系统。该方案主要包括:1)任务理解与拆分组件,实现针对用户特定请求的子任务拆分与依赖关系信息库构建;2)软件机器人仓库,统一存放不同功能的软件机器人,实现机器人的用时下发、按需部署与用后回收;3)机器人调度中心,完成子任务拆分与机器人队伍组建之间的映射、实现机器人下发至软件执行节点并部署启动。此外,可以采用实时软件机器人监控中心完成机器人的动态扩展与适时缩编功能。本发明能够根据不同的用户任务请求建立不同的软件机器人队伍,配置机器人队伍执行顺序,协同完成特定的用户请求与业务任务,有效提升了应用软件的可扩展性、模块可复用性,最终实现软硬件资源的合理调度。
Description
技术领域
本发明属于应用软件设计领域,涉及应用软件模块协同处理技术,特别涉及基于任务理解与任务拆分的应用软件分布式协同处理方法及系统。
背景技术
随着大数据时代的来临与人工智能AI技术的高速发展,从多渠道的海量异构数据源中获取、提纯、计算、推理出高价值的信息,为用户提供针对性更强、个性化体验更好的服务,为企事业单位挖掘出更大的存量数据潜在价值成为大数据时代最引人关注的核心技术。
传统的大数据应用软件主要采用一体化的模块设计、开发与部署方案,即针对特定的业务需求、业务数据,定制开发专用应用软件,应用软件的多个功能模块采用统一开发、统一部署的传统研发流程,最终形成独立完整的工程项目开发包,整体进行部署发布,为用户提供所需的应用服务。这种应用软件设计方案主要带来了以下几个方面的问题:
(1)应用软件中功能模块的划分、开发仅针对当前业务应用需求单独进行,面对后续新应用需求需要重新设计整个应用软件功能模块,软件模块难以得到有效复用。
(2)软件模块间依赖性强,应用软件升级改造需要深入了解应用软件系统整体架构与模块间依赖关系,升级改造工程量大,随着升级改造的次数增多,应用软件模块的维护日驱复杂化,可扩展性差。
(3)应用软件必须整体统一部署发布,无法针对实际用户访问量情况,不同功能模块的实际运行资源需求进行按需部署,无法在用户应用需求得到有效响应之后实现应用软件的动态回收以释放占用的资源,整体系统资源分配存在资源浪费现象。
发明内容
针对传统应用软件一体化开发部署过程中导致的软件可扩展性差,软件模块难复用等问题,本发明提出了一种软件机器人协同处理方法及系统。在对用户任务请求进行任务理解与拆分之后,可以得到子任务划分集合以及子任务依赖关系信息库。本发明主要利用提取出的上述划分集合以及依赖关系信息库进行软件机器人队伍的选择、下发、执行。
本发明采用的技术方案如下:
一种软件机器人协同处理方法,该方法包括以下步骤:
针对不同用户发起的特定任务请求,执行任务理解与任务流程拆分,构建完成当前特定任务所必须的子任务划分集合以及子任务依赖关系信息库;
通过软件机器人仓库集中存放不同类型的软件机器人,每种软件机器人具备不同的特定子任务执行能力;
根据提取出的子任务划分集合以及子任务依赖关系信息库,从机器人仓库中选取具备完成特定子任务功能的软件机器人,并依据具体任务动态配置选取出的软件机器人,形成完成整体任务所需的软件机器人队伍。
一种软件机器人协同处理系统,该系统包括如下核心组件:
1)任务理解与拆分组件:用以针对不同用户发起的特定任务请求,执行任务理解与任务流程拆分,构建完成当前特定任务所必须的子任务划分集合以及子任务依赖关系信息库;
2)软件机器人仓库:用以集中存放不同类型的软件机器人,每种软件机器人具备不同的特定子任务执行能力,提供给机器人调度中心调度;
3)机器人调度中心:用以根据提取出的子任务划分集合以及子任务依赖关系信息库,从机器人仓库中选取具备完成特定子任务功能的软件机器人,并依据具体任务动态配置选取出的软件机器人,形成完成整体任务所需的软件机器人队伍。
可选地,所述任务理解与拆分组件使用深度学习、机器学习、推荐算法或者规则匹配等算法来进行任务划分以及子任务依赖关系信息库的构建。
可选地,所述软件机器人仓库集中存放分层次多类型的静态软件机器人,所述静态软件机器人能够在不同的任务中实现复用。所述静态软件机器人包括以下几类:数据采集机器人,图谱构建机器人,算法推理机器人,业务应用机器人。
可选地,所述机器人调度中心利用预先建模、配置的子任务与特定功能软件机器人的一对一或一对多映射关系表,完成针对当前任务的软件机器人队伍选取工作;所述机器人调度中心根据具体任务下发静态软件机器人至软件执行节点,将所述静态软件机器人转化为运行态,动态分配运行态软件机器人的运行环境、运行资源以及每种运行态软件机器人的启动数量。
可选地,所述静态软件机器人不占用实际计算或内存资源,仅占用外存储器空间,单个静态软件机器人能够配置启动多个功能相同的运行态软件机器人。
可选地,所述运行态软件机器人需要部署到软件执行节点运行,需要依赖软件执行节点的计算、存储资源来执行相应的功能,完成对应任务。
可选地,所述软件机器人协同处理系统还包括实时软件机器人监控中心,实时软件机器人监控中心的功能包括:
(1)监控所有运行态软件机器人的计算、存储资源占用情况。当运行态软件机器人的资源占用指标超过阈值上限时,增加对应软件机器人的计算、存储资源分配。当运行态软件机器人的资源占用指标低于阈值下限时,减少对应软件机器人的计算存储资源分配。
(2)监控所有运行态软件机器人的请求负载情况,当运行态软件机器人的请求负载超过阈值上限时,增加同种运行态软件机器人的数量。当运行态软件机器人的请求负载低于阈值下限时,减少同种运行态软件机器人的数量。以保持整体运行态软件机器人的负载均衡。
可选地,所述机器人调度中心在任务完成后自动回收所有的动态软件机器人队伍,实现软件执行节点的资源释放,为后续用户请求,后续业务应用预留系统资源。
本发明的有益效果:
1.本发明基于任务理解与拆分组件自动组建软件机器人队伍完成特定任务,具有很好的普适性。
2.本发明基于软件机器人仓库与机器人调度中心进行软件机器人的统一存储、管理、调度,提高了软件模块的可扩展性、可复用性。
3.本发明任务完成之后可以自动回收软件机器人队伍,实现资源的释放和合理再分配。
综上,本发明提出的软件机器人协同处理框架,能够基于任务理解自动组建软件机器人队伍,协同完成特定的用户请求与业务任务,有效提升了应用软件的可扩展性、模块可复用性实现资源的合理调度。
附图说明
图1为软件机器人协同处理系统的总体架构示意图。
图2为实时软件机器人监控中心协调调度软件机器人资源的示意图。
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,可以理解的是,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明的软件机器人协同处理系统的总体架构示意图。实现本发明阐述的软件机器人协同处理方法的一种方式如下,其主要部署流程包括:
1)构建软件机器人仓库。基于潜在目标业务需求集合,拆分业务工作流程,形成独立应用软件功能模块,封装编写完毕的软件功能模块形成静态软件机器人,并上传至机器人仓库。
2)部署任务理解与拆分组件,机器人调度中心。实现从用户自然语言输入或用户前端页面请求到提供具体业务服务的软件机器人队伍的选择全过程。
3)部署分布式软件执行节点,能够从机器人仓库中下载静态软件机器人,并转化为相应的运行态软件机器人执行完成相应子任务,实现机器人队伍间的协作与通信。
4)部署实时软件机器人监控中心,能够实时监控运行态软件机器人在执行节点上的运行状态,实时调整整体运行框架给运行态软件机器人分配的运行资源份额。
在本发明的一实施例中,为了能够独立封装、独立编码各静态软件机器人并部署到分布式软件执行节点中运行,可以为每个软件功能模块单独构建项目工程,并将开发完毕的应用软件模块通过相互隔离的虚拟化环境进行封装后上传至机器人仓库。
在本发明的一实施例中,机器人仓库指的是能够持久化存储多层次多类型静态软件机器人的存储资源服务器,需要具备足够大的外置存储空间以便能够满足日益增长的静态软件机器人新增需要。机器人仓库根据实际业务应用需求可以采用单节点部署也可以采用分布式节点部署方式。
在本发明的一实施例中,任务理解与拆分组件可以利用机器学习算法、推荐算法,如协同过滤、关联规则、相似性推荐等进行子任务拆分,并推荐指定的软件机器人队伍完成拆分好的子任务。
在本发明的一实施例中,任务理解与拆分组件可以采用自然语言处理中的命名实体识别技术、语法分析、句法分析等技术抽取用户任务请求中的子任务执行逻辑顺序,语义依赖关系,条件约束,进而汇总得到子任务依赖关系信息库。
在本发明的一实施例中,任务理解与拆分组件的算法推荐结果设置人机交互接口,提供依据用户业务经验可选地修改自动生成的软件机器人队伍的交互界面。
在本发明的一实施例中,机器人调度中心模块一方面根据生成的软件机器人队伍信息,下发机器人队伍配置命令至软件机器人仓库,另一方面协调分布式软件执行节点资源为软件机器人的下发部署预留资源。最终机器人仓库根据接收到的配置信息中选定的静态软件机器人下发到分布式软件执行节点中。
在本发明的一实施例中,分布式软件执行节点启动接收到的静态软件机器人,将其激活设置为运行态启动,并自动开始执行相应子任务。
在本发明的一实施例中,分布式软件执行节点能够执行一个或者多个运行态软件机器人。当前软件执行节点的剩余计算、存储资源大于为新下发的软件机器人配置的系统资源时,该软件机器人就能够被部署在该软件执行节点中。当前软件执行节点的剩余计算、存储资源小于为新下发的软件机器人配置的系统资源时,该软件机器人就无法被继续部署在该软件执行节点中,将由机器人调度中心协调整体系统资源,并将其部署到其他拥有足够系统资源的软件执行节点中。
在本发明的一实施例中,运行在分布式软件节点中的执行同一任务的运行态软件机器人队伍之间,机器人调度中心与软件机器人之间,实时软件机器人监控中心与软件机器人之间可以采用包括Restful风格API、Kafka消息通信等在内的消息通信机制实现消息的同步通信或异步通信。通信消息包括软件机器人队伍之间为完成总体业务任务所进行的数据消息通信,同步消息通信,配置消息通信等内容,同时也包括机器人调度中心、机器人监控中心与软件机器人之间传输的控制命令消息。
在本发明的一实施例中,实时软件机器人监控中心负责实时监控每个分布式软件执行节点上运行的所有软件机器人的资源占用情况,并动态调整资源分配。图2为实时软件机器人监控中心协调调度软件机器人资源的示意图,具体的调整方案分为以下四个方面:
1)当监控中心检测到软件机器人的资源使用(包括计算资源、存储资源等)超过配置的上限阈值参数时,监控中心动态增加软件机器人的资源配额,使得软件机器人的资源使用情况重新保持在上限阈值与下限阈值的合理范围之中。
2)当监控中心检测到软件机器人的网络连接请求量超过设置的上限阈值时,监控调度中心动态增加软件机器人的配置数量,使得后续网络请求能够负载均衡的分摊到具有相同功能的软件机器人上执行。
3)当监控中心检测到软件机器人的资源使用(包括计算资源、存储资源等)低于配置的下限阈值参数时,监控调度中心动态减少软件机器人的资源配额,使得软件机器的资源占用情况重新保持在上限阈值与下限阈值的合理范围之中。
4)当监控中心检测到软件机器人的平均网络连接请求量低于设置的下限阈值时,监控中心动态减少软件机器人的配置数量,合理回收多余的同种软件机器人所占用的系统资源,以便实现后续整体系统资源的优化再分配。
本发明未详细阐述的部分,如数据采集机器人、图谱构建机器人等静态软件机器人的具体实现,可以采用本领域技术人员公知的现有技术实现。
Claims (10)
1.一种软件机器人协同处理方法,其特征在于,包括以下步骤:
针对不同用户发起的特定任务请求,执行任务理解与任务流程拆分,构建完成当前特定任务所必须的子任务划分集合以及子任务依赖关系信息库;
通过软件机器人仓库集中存放不同类型的软件机器人,每种软件机器人具备不同的特定子任务执行能力;
根据提取出的子任务划分集合以及子任务依赖关系信息库,从机器人仓库中选取具备完成特定子任务功能的软件机器人,并依据具体任务动态配置选取出的软件机器人,形成完成整体任务所需的软件机器人队伍。
2.如权利要求1所述的方法,其特征在于,所述任务理解与任务流程拆分,使用深度学习、机器学习、推荐算法或者规则匹配算法来进行任务划分以及子任务依赖关系信息库的构建。
3.如权利要求1所述的方法,其特征在于,所述软件机器人仓库集中存放分层次多类型的静态软件机器人,所述静态软件机器人能够在不同的任务间实现复用;所述静态软件机器人包括:数据采集机器人,图谱构建机器人,算法推理机器人,业务应用机器人。
4.如权利要求1所述的方法,其特征在于,所述从机器人仓库中选取具备完成特定子任务功能的软件机器人,包括:
利用预先建模、学习、配置的子任务与特定功能软件机器人的一对一或一对多映射关系表,完成针对当前任务的软件机器人队伍选取工作;
根据具体任务下发静态软件机器人至软件执行节点,将所述静态软件机器人转化为运行态,动态分配运行态软件机器人的运行环境、运行资源以及每种运行态软件机器人的启动数量。
5.如权利要求3或4所述的方法,其特征在于,所述静态软件机器人不占用实际计算或内存资源,仅占用外存储器空间,单个静态软件机器人能够配置启动多个功能相同的运行态软件机器人。
6.如权利要求3或4所述的方法,其特征在于,所述运行态软件机器人部署到软件执行节点运行,依赖软件执行节点的计算、存储资源来执行相应的功能,完成对应任务。
7.如权利要求1所述的方法,其特征在于,通过实时软件机器人监控中心实时监控运行态软件机器人在执行节点上的运行状态,实时调整给运行态软件机器人分配的运行资源份额,所述实时软件机器人监控中心的功能包括:
监控所有运行态软件机器人的计算、存储资源占用情况,当运行态软件机器人的资源占用指标超过阈值上限时,增加对应软件机器人的计算、存储资源分配,当运行态软件机器人的资源占用指标低于阈值下限时,减少对应软件机器人的计算存储资源分配;
监控所有运行态软件机器人的请求负载情况,当运行态软件机器人的请求负载超过阈值上限时,增加同种运行态软件机器人的数量,当运行态软件机器人的请求负载低于阈值下限时,减少同种运行态软件机器人的数量,以保持整体运行态软件机器人的负载均衡。
8.如权利要求1~4中任一权利要求所述的方法,其特征在于,所述机器人调度中心在任务完成后自动回收所有的软件机器人队伍,实现软件执行节点的资源释放,为后续用户请求、业务应用预留系统资源。
9.一种软件机器人协同处理系统,其特征在于,包括:
任务理解与拆分组件,用以针对不同用户发起的特定任务请求,执行任务理解与任务流程拆分,构建完成当前特定任务所必须的子任务划分集合以及子任务依赖关系信息库;软件机器人仓库,用以集中存放不同类型的软件机器人,每种软件机器人具备不同的特定子任务执行能力,提供给机器人调度中心调度;
机器人调度中心,用以根据任务理解与拆分组件提取出的子任务划分集合以及子任务依赖关系信息库,从软件机器人仓库中选取具备完成特定子任务功能的软件机器人,并依据具体任务动态配置选取出的软件机器人,形成完成整体任务所需的软件机器人队伍。
10.如权利要求9所述的系统,其特征在于,还包括实时软件机器人监控中心,所述实时软件机器人监控中心的功能包括:
监控所有运行态软件机器人的计算、存储资源占用情况,当运行态软件机器人的资源占用指标超过阈值上限时,增加对应软件机器人的计算、存储资源分配,当运行态软件机器人的资源占用指标低于阈值下限时,减少对应软件机器人的计算存储资源分配;
监控所有运行态软件机器人的请求负载情况,当运行态软件机器人的请求负载超过阈值上限时,增加同种运行态软件机器人的数量,当运行态软件机器人的请求负载低于阈值下限时,减少同种运行态软件机器人的数量,以保持整体运行态软件机器人的负载均衡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010536581.6A CN111858027B (zh) | 2020-06-12 | 2020-06-12 | 一种软件机器人协同处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010536581.6A CN111858027B (zh) | 2020-06-12 | 2020-06-12 | 一种软件机器人协同处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111858027A true CN111858027A (zh) | 2020-10-30 |
CN111858027B CN111858027B (zh) | 2024-03-19 |
Family
ID=72987727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010536581.6A Active CN111858027B (zh) | 2020-06-12 | 2020-06-12 | 一种软件机器人协同处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111858027B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112559156A (zh) * | 2020-12-23 | 2021-03-26 | 百果园技术(新加坡)有限公司 | 一种多依赖任务分组管理方法、装置、设备及存储介质 |
CN113312086A (zh) * | 2021-06-10 | 2021-08-27 | 重庆小易智联智能技术有限公司 | 基于指令集的软件机器人系统及机器人运行方法 |
WO2023071291A1 (zh) * | 2021-10-30 | 2023-05-04 | 华为技术有限公司 | 一种任务处理方法及电子装置 |
CN117273398A (zh) * | 2023-11-20 | 2023-12-22 | 中国人民解放军军事科学院国防科技创新研究院 | 面向业务流程智能自动化的分布式软件机器人集群架构 |
CN117494953A (zh) * | 2023-12-29 | 2024-02-02 | 深圳市控汇智能股份有限公司 | 一种新能源视觉检测机器人管理系统及方法 |
CN117591565A (zh) * | 2024-01-19 | 2024-02-23 | 深圳市极限网络科技有限公司 | 虚拟机器人的实例处理方法、实例处理装置及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107020635A (zh) * | 2017-05-04 | 2017-08-08 | 中国电子科技集团公司第三十二研究所 | 在多机器人上运行多主节点机器人操作系统的方法 |
US20180165122A1 (en) * | 2016-12-09 | 2018-06-14 | Vmware, Inc. | Methods and apparatus to automate deployments of software defined data centers |
CN110648054A (zh) * | 2019-09-04 | 2020-01-03 | 中国建设银行股份有限公司 | 机器人流程自动化的任务并行处理方法及装置 |
-
2020
- 2020-06-12 CN CN202010536581.6A patent/CN111858027B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180165122A1 (en) * | 2016-12-09 | 2018-06-14 | Vmware, Inc. | Methods and apparatus to automate deployments of software defined data centers |
CN107020635A (zh) * | 2017-05-04 | 2017-08-08 | 中国电子科技集团公司第三十二研究所 | 在多机器人上运行多主节点机器人操作系统的方法 |
CN110648054A (zh) * | 2019-09-04 | 2020-01-03 | 中国建设银行股份有限公司 | 机器人流程自动化的任务并行处理方法及装置 |
Non-Patent Citations (1)
Title |
---|
米晨;: "分布式计算机软件架构现状及未来发展趋势研究", 电脑编程技巧与维护, no. 04, 18 April 2018 (2018-04-18) * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112559156A (zh) * | 2020-12-23 | 2021-03-26 | 百果园技术(新加坡)有限公司 | 一种多依赖任务分组管理方法、装置、设备及存储介质 |
CN113312086A (zh) * | 2021-06-10 | 2021-08-27 | 重庆小易智联智能技术有限公司 | 基于指令集的软件机器人系统及机器人运行方法 |
WO2023071291A1 (zh) * | 2021-10-30 | 2023-05-04 | 华为技术有限公司 | 一种任务处理方法及电子装置 |
CN117273398A (zh) * | 2023-11-20 | 2023-12-22 | 中国人民解放军军事科学院国防科技创新研究院 | 面向业务流程智能自动化的分布式软件机器人集群架构 |
CN117273398B (zh) * | 2023-11-20 | 2024-02-09 | 中国人民解放军军事科学院国防科技创新研究院 | 面向业务流程智能自动化的分布式软件机器人集群架构 |
CN117494953A (zh) * | 2023-12-29 | 2024-02-02 | 深圳市控汇智能股份有限公司 | 一种新能源视觉检测机器人管理系统及方法 |
CN117494953B (zh) * | 2023-12-29 | 2024-04-05 | 深圳市控汇智能股份有限公司 | 一种新能源视觉检测机器人管理系统及方法 |
CN117591565A (zh) * | 2024-01-19 | 2024-02-23 | 深圳市极限网络科技有限公司 | 虚拟机器人的实例处理方法、实例处理装置及存储介质 |
CN117591565B (zh) * | 2024-01-19 | 2024-04-30 | 深圳市极限网络科技有限公司 | 虚拟机器人的实例处理方法、实例处理装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111858027B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111858027A (zh) | 一种软件机器人协同处理方法及系统 | |
CN102508639B (zh) | 一种基于卫星遥感数据特征的分布式并行处理方法 | |
CN111897654B (zh) | 将应用迁移到云平台的方法、装置、电子设备和存储介质 | |
CN103279390B (zh) | 一种面向小作业优化的并行处理系统 | |
CN102541640A (zh) | 一种集群gpu资源调度系统和方法 | |
CN112181382A (zh) | 一种基于软件定义的工业智能控制系统 | |
Tao et al. | Dynamic resource allocation algorithm for container-based service computing | |
CN111818128B (zh) | 基于容器云的组件化仿真模型运行控制系统、方法及介质 | |
JP2002189841A (ja) | ワークフロー管理方法およびシステム並びにその処理プログラムを格納した記録媒体 | |
CN111861412B (zh) | 面向完成时间优化的科学工作流调度方法及系统 | |
CN104639594A (zh) | 分配物理资源和虚拟资源的系统和方法 | |
CN103023805A (zh) | 一种MapReduce系统 | |
CN104123182A (zh) | 基于主从架构的MapReduce任务跨数据中心调度系统及方法 | |
CN114996018A (zh) | 面向异构计算的资源调度方法、节点、系统、设备及介质 | |
CN102662725A (zh) | 一种事件驱动的高并发流程虚拟机实现方法 | |
CN110134533B (zh) | 一种可批量调度数据的系统及方法 | |
CN105100180A (zh) | 集群节点动态加载的方法、装置及系统 | |
CN117435324A (zh) | 基于容器化的任务调度方法 | |
CN109032674A (zh) | 一种多进程管理方法、系统及网络设备 | |
CN109976894A (zh) | 一种平台无关的可扩展的分布式系统任务调度支撑框架 | |
CN115686830A (zh) | 边缘计算资源弹性调度方法及系统 | |
CN102929605A (zh) | 一种基于云计算的数据挖掘系统开放接口 | |
Mao et al. | Design and Optimization of Cloud-Oriented Workflow System. | |
Attiya et al. | Optimal allocation of tasks onto networked heterogeneous computers using minimax criterion | |
Shan et al. | Adaptive resource allocation for workflow containerization on Kubernetes |
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 |