CN112685154A - 任务流引擎的数据处理方法、任务流引擎、设备和介质 - Google Patents
任务流引擎的数据处理方法、任务流引擎、设备和介质 Download PDFInfo
- Publication number
- CN112685154A CN112685154A CN202011564198.8A CN202011564198A CN112685154A CN 112685154 A CN112685154 A CN 112685154A CN 202011564198 A CN202011564198 A CN 202011564198A CN 112685154 A CN112685154 A CN 112685154A
- Authority
- CN
- China
- Prior art keywords
- node
- execution
- task flow
- current node
- layer
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 64
- 230000008569 process Effects 0.000 claims abstract description 21
- 239000002243 precursor Substances 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000033772 system development Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000011161 development Methods 0.000 description 7
- 230000018109 developmental process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000013434 data augmentation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012800 visualization Methods 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
本公开实施例提供一种任务流引擎的数据处理方法、任务流引擎、设备和介质，包括：将DSL描述的任务流转换为图形化的各个节点依赖关系；基于节点依赖关系执行各个节点中的算子逻辑，以对任务流引擎中的数据进行处理。本公开实施例通过使用DSL描述数据任务流，并转换为图形化可执行的调度逻辑，降低了任务流编排、调试与运行的复杂性，提高了任务流系统开发的效率。
Description
技术领域
本公开实施例涉及计算机数据处理技术，尤其涉及一种任务流引擎的数据处理方法、任务流引擎、设备和介质。
背景技术
现如今复杂的机器学习系统的任务流，通常可以抽象为有向无环图(DirectedAcyclic Graph，DAG)，通过专门的调度引擎及异构的执行引擎来完成任务节点的执行。
但是专门的调度引擎及异构的执行引擎在执行任务节点的过程中，存在效率低下的问题。
发明内容
本公开实施例提供一种任务流引擎的数据处理方法、任务流引擎、设备和介质，以提高任务流系统开发的效率。
第一方面，本公开实施例提供了一种任务流引擎的数据处理方法，所述方法包括：
将领域特定语言DSL描述的任务流引擎中的任务流转换为图形化的各个节点依赖关系；
基于所述节点依赖关系执行各个节点中的算子逻辑，以对所述任务流引擎中的数据进行处理。
第二方面，本公开实施例还提供了一种任务流引擎，所述任务流引擎包括：
转换模块，用于将领域特定语言DSL描述的任务流引擎中的任务流转换为图形化的各个节点依赖关系；
数据处理模块，用于基于所述节点依赖关系执行各个节点中的算子逻辑，以对所述任务流引擎中的数据进行处理。
第三方面，本公开实施例还提供了一种任务流引擎设备，包括：
一个或多个处理器；
存储器，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，使得所述一个或多个处理器实现如本公开实施例中任一项所述的任务流引擎的数据处理方法。
第四方面，本公开实施例还提供了一种介质，所述介质存储有计算机程序，所述计算机程序被处理器执行时实现如本公开实施例中任一项所述任务流引擎的的数据处理方法。
本公开实施例提供的任务流引擎的数据处理方法、任务流引擎、设备和介质，包括：将DSL描述的任务流转换为图形化的各个节点依赖关系；基于节点依赖关系执行各个节点中的算子逻辑，以对任务流引擎中的数据进行处理。本公开实施例通过使用DSL描述数据任务流，并转换为图形化可执行的调度逻辑，降低了任务流编排、调试与运行的复杂性，提高了任务流系统开发的效率。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开实施例提供的一种任务流引擎的数据处理方法的流程图；
图2是本公开实施例提供的一种图形化的节点依赖关系的示意图；
图3是本公开实施例提供的另一种任务流引擎的数据处理方法的流程图；
图4是本公开实施例提供的一种的图形化状态监控界面的示意图；
图5是本公开实施例提供的另一种的图形化的节点依赖关系的示意图；
图6是本公开实施例提供的一种任务流引擎的结构图；
图7是本公开实施例提供的一种电子设备的结构图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1是本公开实施例提供的一种任务流引擎的数据处理方法的流程图，本实施例可适用于对数据任务流进行编排、处理的情况，该方法可以由任务流引擎来执行，所述任务流引擎可以通过软件和/或硬件的方式来实现。所述任务流引擎例如可以集成在终端设备中。
如图1所示，本实施例提供的任务流引擎的数据处理方法主要包括步骤S11、S12。
S11、将领域特定语言(domain-specific language，DSL)描述任务流引擎的任务流转换为图形化的各个节点依赖关系。
DSL又称为领域专用语言，DSL只用在某些特定的领域。比如用来显示网页的HTML，以及Emacs所使用的Emac LISP语言。
任务流(workflow)是任务流程的计算模型，即将任务流程中的工作如何前后组织在一起的逻辑和规则在计算机中以恰当的模型进行表示并对其实施计算。任务流要解决的主要问题是：为实现某个业务目标，在多个参与者之间，利用计算机，按某种预定规则自动传递。
任务流的实施过程中可以包括映射和建模。映射是第一个步骤，其首要任务是确定并且文档化组织内全部现有的手工和自动化的业务流程；建模则是开发一个有助于建成流线型业务过程的模型。
任务流引擎也称为工作流引擎，是指任务流作为应用系统的一部分，并为之提供对各应用系统有决定作用的根据角色、分工和条件的不同决定信息传递路由、内容等级等核心解决方案。任务流引擎一般包括流程的节点管理、流向管理、流程样例管理等重要功能。
本公开实施例中的任务流主要是指用于数据处理的任务流，任务流中包含了按照一定次序执行的节点以及各个节点之间的依赖关系。
各个节点之间的依赖关系可以理解为任务流中的节点设置执行顺序关系。例如：可以设置顺序任务流，顺序任务流的执行过程是一个连续的步骤序列，它在完成一个节点的逻辑运算之后会去执行到下一个节点的算子逻辑。
进一步的，DSL描述的任务流使用DSL语言描述的任务流或者定义任务流。即使用DSL语言编程的方式来描述任务流中的各个节点中的算子逻辑和节点之间的依赖关系。
图形化的各个节点依赖关系可以理解为以图形化的方式来表达节点之间的依赖关系，从而实现建立任务之间依赖关系的可视化。
图2是本公开实施例提供的一种图形化的节点依赖关系的示意图；如图2所示，各个节点之间的依赖关系是：节点A中的算子逻辑执行完毕之后，才能执行节点B中的算子逻辑，节点C中的算子逻辑执行完毕之后，才能执行节点D中的算子逻辑；节点D和节点B中的算子逻辑都执行完毕之后，才能执行节点E中的算子逻辑。
需要说明的是，图2仅仅是对节点依赖关系进行示例性说明，而非限定。在实际应用中，节点依赖关系通常要复杂很多。如：第一节点要执行网络爬虫，从网络中获取海量数据，第二节点基于获取的海量数据进行模型训练等。
S12、基于节点依赖关系执行各个节点中的算子逻辑，以对任务流引擎中的数据进行处理。
其中，每个节点中包含需要执行的算子逻辑，算子逻辑是指该节点中数据处理的逻辑。例如：算子逻辑可以是将两个输入数据执行和的操作；再如：算子逻辑可以是将两个输入数据执行异或的逻辑操作。本实施例中，仅对算子逻辑进行说明，而非限定。
在本实施例中，任务流引擎的调度层基于节点依赖关系确定当前节点，并发送节点执行命令至任务流引擎的执行层，执行层基于节点执行命令执行该节点的算子逻辑。
需要说明的是，任务流引擎的执行层首先执行任务流的首层节点，即没有其它前驱依赖的节点。产生新的事件消息，驱动下层节点的运行。
任务流引擎的调度层通过远程过程调用(Remote Procedure Call，RPC)协议向执行层发送节点执行命令。
进一步的，所述任务流引擎的调度层基于所述节点依赖关系确定当前节点，包括：接收到执行层发送的前驱节点执行成功的信息后，调度层基于所述节点依赖关系确定当前节点。
进一步的，调度层接收到执行层发送的前驱节点执行成功的信息后，调度层基于节点依赖关系确定当前节点，然后调度层基于前驱节点判断是否满足当前节点执行条件；若满足所述当前节点执行条件，则执行向执行层发送节点执行命令的操作。
具体的，基于节点依赖关系确定当前节点的前驱节点的数量，如果前驱节点的数量是一个，则接收到1个前驱节点执行成功信息，则向执行层发送节点执行命令的操作。如果前驱节点的数量是多个，则接收到前驱节点执行成功信息数量与前驱节点的数量相等后，则向执行层发送节点执行命令的操作。
在本实施例中，执行层中的节点对接收到输入参数，执行节点中的算子逻辑，得到输出参数。
本实施例提供的数据处理方法，包括：将DSL描述的任务流转换为图形化的各个节点依赖关系；基于节点依赖关系执行各个节点中的算子逻辑，以对任务流引擎中的数据进行处理。本公开实施例通过使用DSL描述数据任务流，并转换为图形化可执行的调度逻辑，降低了任务流编排、调试与运行的复杂性，提高了任务流系统开发的效率。
在上述实施例的基础上，将DSL描述的任务流转换为图形化的各个节点依赖关系之前，还包括：使用DSL描述用于在任务流引擎中处理数据的任务流。
在本实施例中，使用DSL描述任务流，相比于现有技术中，使用流程图编辑工具编辑任务流，降低了任务编排、调试与运行的复杂性，提高了任务流系统开发的效率。
具体的，在任务流引擎开发系统中，任务流引擎开发系统的定义层使用领域特定语言DSL描述用于在任务流引擎中处理数据的任务流。
进一步的，可以使用DSL语言编辑器描述任务流，将描述好的任务流直接导入引擎开发系统的定义层。也可以在引擎开发系统的定义层直接使用DSL语言编辑任务流。本实施例中，仅对编辑位置进行说明，而非限定。
具体的，使用DSL描述用于处理数据的任务流，包括：使用DSL描述每个节点的输入参数，输出参数和节点之间的依赖关系。
上述输入参数是指该节点中执行算子逻辑所需要的参数，一个节点的算子输入参数可以是一个，也可以是多个。输入参数由节点中的算子逻辑来确定。上述输出参数是指该节点执行算子逻辑之后要输出的参数，一个节点的算子输入参数可以是一个，也可以是多个。输出参数由节点中的算子逻辑来确定。
图3是本公开实施例提供的另一种的任务流引擎的数据处理方法的流程图。如图3所示，本实施例提供的数据处理方法主要包括步骤S21、S22、S23、S24和S25。
S21、将DSL描述的任务流引擎中的任务流转换为图形化的各个节点依赖关系。
S22、针对每个节点，所述任务流引擎中的调度层基于所述节点依赖关系确定当前节点，并向所述任务流引擎中的执行层发送节点执行命令。
其中，节点执行命令包括当前节点标识。当前节点是指即将要执行算子逻辑的节点，节点标识是指唯一标识节点的特征值，可以是节点名称、节点编码等。当前节点标识是指唯一标识当前节点的特征值。节点执行命令是指指示执行层执行该节点中算子逻辑的命令或者指令。
其中，调度层可以理解为任务流引擎开发系统进行计算机资源分配或者进行任务分配的层。执行层可以理解为任务流引擎开发系统中执行具体逻辑运算的层。
如图2所示，调度层基于节点依赖关系确定当前节点，可以理解为调度层确定节点A中的算子逻辑执行完毕之后，确定当前节点是节点B；或者调度层确定节点C中的算子逻辑执行完毕之后，确定当前节点是节点D。
需要说明的是，执行层首先执行任务流的首层节点，即没有其它前驱依赖的节点。产生新的事件消息，驱动下层节点的运行。
具体的，调度层向执行层发送节点执行命令，包括：调度层通过远程过程调用RPC协议向执行层发送节点执行命令。
RPC协议是指一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议。即调度层在不知道调用细节的情况下，调用存在于执行层上的某个对象，就像调用本地应用程序中的对象一样。
目前典型的RPC实现包括：Dubbo、Thrift、GRPC、Hetty等。在本实施例中，可以选择RPC协议中任意一种，本实施例中不进行限定。
本实施例中，调度层基于RPC协议与执行层完全解耦，不在相互依赖，提高任务流系统的安全性。
进一步的，所述调度层基于所述节点依赖关系确定当前节点，包括：接收到执行层发送的前驱节点执行成功的信息后，调度层基于所述节点依赖关系确定当前节点。
在本实施例中，前驱节点是指当前节点之前执行的算子逻辑的节点，如图2所示，节点A是节点B的前驱节点，节点C是节点D的前驱节点，节点D和节点B是节点E的前驱节点。
前驱节点执行成功的消息是指前驱节点执行算子逻辑，成功输出参数。具体的，执行层当前节点中的算子逻辑，执行成功之后，向调度层返回执行成功的消息。本实施例中，调度层基于消息驱动机制处理任务节点依赖关系。
例如：调度层接收到执行层发送的前驱节点A执行成功的信息后，调度层基于节点依赖关系确定当前节点是节点B；调度层接收到执行层发送的前驱节点C执行成功的信息后，调度层基于节点依赖关系确定当前节点是节点D。
进一步的，调度层基于所述节点依赖关系确定当前节点之后，还包括：调度层基于前驱节点判断是否满足当前节点执行条件；若满足所述当前节点执行条件，则执行向执行层发送节点执行命令的操作。
其中，当前节点的执行条件是指想要执行当前节点中的算子逻辑，系统需要满足的条件。具体的，所述当前节点执行条件，包括：所述当前节点的前驱节点数量与接收到的前驱节点执行成功信息数量相等。
在本实施例中，当某个节点的前驱依赖节点大于1个时，由于无法确定前驱节点完成时间的先后顺序，需要进行消息同步，以保证当前节点收集到与前驱节点数量相同的消息数。
进一步的，基于节点依赖关系确定当前节点的前驱节点的数量，如果前驱节点的数量是一个，则接收到1个前驱节点执行成功信息，则向执行层发送节点执行命令的操作。如果前驱节点的数量是多个，则接收到前驱节点执行成功信息数量与前驱节点的数量相等后，则向执行层发送节点执行命令的操作。
S23、执行层执行当前节点中的算子逻辑。
本实施例中，节点中的逻辑算子是指预先定义的数据之间的逻辑关系。
在一个实施方式中，所述执行层执行当前节点中的算子逻辑，包括：所述执行层中的当前节点基于接收到输入参数和当前节点中的算子逻辑得到输出参数。
在本实施例中，对接收到输入参数，执行节点中的算子逻辑，得到输出参数。例如：接收到两个输入参数，分别是1和2；算子逻辑是求和，则对1和2进行求和，得到当前节点的输出参数是3。
需要说明的是，算子可以是任何一种计算平台上的计算过程抽象，因此和引擎是无关的。
进一步的，所述当前节点基于接收到输入参数和当前节点中的算子逻辑得到输出参数之后，还包括：通过所述输入参数的哈希签名保存输出参数，作为所述输入参数对应的缓存结果。
哈希(Hash)签名是最主要的一种数字签名方法，也称之为数字摘要法(DigitalDigest)或数字指纹法(Digital Finger Print)。数字摘要就是采用单项Hash函数将需要加密的明文“摘要”成一串固定长度(127位)的密文，这一串密文又称为数字指纹，它有固定的长度，而且不同的明文摘要成密文，其结果总是不同的，而同样的明文其摘要必定一致。常见的哈希算法包括：第二版消息摘要算法(Message Digest Algorithm 2，MD2)，第四版消息摘要算法(Message Digest Algorithm 4，MD4)，第五版消息摘要算法(MessageDigest Algorithm 5，MD5)，HAVAL，安全散列算法(Secure Hash Algorithm，SHA)等。
在本实施例中，采用计算输入参数的哈希签名保存执行结果即输出参数做为节点的缓存结果。对于相同参数的输入，任务节点直接输出缓存结果。
在本实施中，还可以设置缓存开关，若缓存开关打开，则对于相同参数的输入，任务节点直接缓存结果作为输出参数输出。若缓存开关关闭，则基于输入参数和算子逻辑进行计算，确定输出参数
在另一个实施例方式中，所述执行层执行当前节点中的算子逻辑，包括：所述执行层的当前节点接收输入参数；检测是否存在与输入参数相同的缓存参数；若存在，则直接将所述缓存参数对应的缓存结果确定为输出参数。
在本实施例中，接收到输入参数之后，可以先查询是否存在与输入参数相同的缓存参数，如果存在，则表示节点曾经执行基于该输入参数执行过算子逻辑，并得到输出参数，作为缓存结果进行了缓存。此时，可以直接读取缓存参数对应的缓存结果，作为该输入参数对应的输出参数，进行输出。这样，可以避免节点频繁执行算子逻辑，导致执行层数据量过大，减低执行效率的问题，提高系统的运行效率。
S24、所述执行层判断当前节点中的算子逻辑执行是否结束。
所述当前节点中的算子逻辑执行结束包括如下一个或多个：所述当前节点的算子逻辑执行成功；所述当前节点的算子逻辑执行时长超过预设时长；所述当前节点的算子逻辑重复执行次数超过预设次数。
S25、所述执行层若所述当前节点中的算子逻辑执行结束，则向调度层发送当前节点执行结束的消息。
当前节点执行结束的消息包括：算子逻辑执行成功的消息和算子逻辑执行失败的消息。
其中，执行成功可以理解为节点执行算子逻辑，并能输出正确结果。如果确定当前节点的算子逻辑执行成功，则确定当前节点中的算子逻辑执行结束，向调度层发送当前节点执行成功的消息。
其中，执行失败可以理解为节点执行算子逻辑，未能输出正确结果。如果当前节点的算子逻辑执行时长超过预设时长，或者当前节点的算子逻辑重复执行次数超过预设次数，则确定当前节点中的算子逻辑执行结束，向调度层发送当前节点执行失败的消息。其中，预设时长和预设次数均可以根据实际情况进行设置。
如果是向调度层发送当前节点执行成功的消息，则调度层接收到执行层发送的前驱节点执行成功的信息后，调度层基于所述节点依赖关系确定当前节点。如果是向调度层发送当前节点执行失败的消息，则调度层基于执行失败的消息，检测失败的原因，并尝试进行修复。
在本实施例中，通过用户配置预设时长和预设次数自动执行节点中的算子逻辑，这样，可以避免节点中出现错误，无数次的执行算子逻辑的问题，提高系统的鲁棒性。
在上述实施例的基础上，基于节点依赖关系，执行各个节点中的算子逻辑之后，还包括：获取各个节点的执行状态，并将所述节点的执行状态显示在对应的节点上。
如图4所示，在图形化状态监控界面中显示各个节点的执行状态，例如：服务(server)节点的执行状态是监听(listening)，数据输出(Data Export)节点的执行状态是结束(finished)，数据增强(Data Augumentation)节点的执行状态是finished，预处理(Preprocess)节点的执行状态是运行中(running)。这样可以使得工作人员方便的了解各个节点的执行状态。
在一个应用性示例中，为了实现e＝(a+b)×(c-d)这样的一个任务流，需要使用DSL语言定义三个算子：即和(add)、差(subtract)、乘(multiply)。具体的，定义每个算子的输入、输出参数。算子的依赖关系：multiply需要依赖add和subtract两个算子；以及各个算子入参与其依赖算子执行结果之间的映射关系。
通过将DSL语言定义的任务流描述，解析成一个图形化的表示，如图5所示。在初始配置消息的驱动下，引擎首先执行任务流的首层节点，即没有其它前驱依赖的节点，如图5中的add节点和subtract节点。首层节点执行完毕后，产生新的事件消息，驱动下层节点(如multiply)的运行。
进一步的，当某个节点的前驱依赖节点大于1个时，由于无法确定前驱节点完成时间的先后顺序，需要进行消息同步，以保证当前节点收集到与前驱节点数量相同的消息数。
执行层中的任务节点通常包含某个算子，通过远程过程调用(RPC)传入的参数进行算子逻辑的运行，并返回约定的参数结果至调度层。
图6是本公开实施例提供的一种任务流引擎的结构图，本实施例可适用于对数据任务流进行编排、处理的情况，所述任务流引擎可以通过软件和/或硬件的方式来实现。所述任务流引擎例如可以集成在终端设备中。
如图6所示，本实施例提供的任务流引擎主要包括转换模块61、数据处理模块62。
转换模块61，用于将领域特定语言DSL描述的任务流引擎中的任务流转换为图形化的各个节点依赖关系；
数据处理模块62，用于基于所述节点依赖关系执行各个节点中的算子逻辑，以对任务流引擎中的数据进行处理。
本公开实施例提供任务流引擎，执行如下操作：将DSL描述的任务流转换为图形化的各个节点依赖关系；基于节点依赖关系执行各个节点中的算子逻辑，以对任务流引擎中的数据进行处理。本公开实施例通过使用DSL描述数据任务流，并转换为图形化可执行的调度逻辑，降低了任务流编排、调试与运行的复杂性，提高了任务流系统开发的效率。
进一步的，将DSL描述的任务流转换为图形化的各个节点依赖关系之前，还包括：使用DSL描述用于处理数据的任务流。
进一步的，所述使用DSL描述用于处理数据的任务流，包括：使用DSL描述所述任务流引擎中每个节点的输入参数，输出参数和节点之间的依赖关系。
进一步的，基于所述节点依赖关系，执行各个节点中的算子逻辑，包括：针对每个节点，所述任务流引擎中的调度层基于所述节点依赖关系确定当前节点，并向所述任务流引擎中的执行层发送节点执行命令，其中，节点执行命令包括当前节点标识；执行层执行当前节点中的算子逻辑。
进一步的，调度层向执行层发送节点执行命令，包括：所述调度层通过远程过程调用RPC协议向执行层发送节点执行命令。
进一步的，所述调度层基于所述节点依赖关系确定当前节点，包括：接收到执行层发送的前驱节点执行成功的信息后，调度层基于所述节点依赖关系确定当前节点。
进一步的，调度层所述节点依赖关系确定当前节点之后，还包括：所述调度层基于前驱节点判断是否满足当前节点执行条件；若满足所述当前节点执行条件，则执行所述调度层向执行层发送节点执行命令的操作。
进一步的，所述当前节点执行条件，包括：所述当前节点的前驱节点数量与接收到的前驱节点执行成功信息数量相等。
进一步的，所述执行层执行当前节点中的算子逻辑，包括：所述执行层中的当前节点基于接收到输入参数和当前节点中的算子逻辑得到输出参数。
进一步的，所述当前节点基于接收到输入参数和当前节点中的算子逻辑得到输出参数之后，还包括：所述执行层中的当前节点通过所述输入参数的哈希签名保存输出参数，作为所述输入参数对应的缓存结果。
进一步的，所述执行层执行当前节点中的算子逻辑，包括：所述执行层的当前节点接收输入参数；检测是否存在与输入参数相同的缓存参数；若存在，则直接将所述缓存参数对应的缓存结果确定为输出参数。
进一步的，所述执行层执行当前节点中的算子逻辑之后，还包括：所述执行层判断当前节点中的算子逻辑执行是否结束；所述执行层若所述当前节点中的算子逻辑执行结束，则向调度层发送当前节点执行结束的消息。
进一步的，所述当前节点中的算子逻辑执行结束包括如下一个或多个：
所述当前节点的算子逻辑执行成功；
所述当前节点的算子逻辑执行时长超过预设时长；
所述当前节点的算子逻辑重复执行次数超过预设次数。
进一步的，基于所述节点依赖关系，执行各个节点中的算子逻辑之后，还包括：获取各个节点的执行状态，并将所述节点的执行状态显示在对应的节点上。
本实施例所提供的任务流引擎可执行本公开任意实施例所提供任务流引擎的数据处理方法，具备执行任务流引擎的数据处理方法相应的功能模块和有益效果。
下面参考图7，其示出了适于用来实现本公开实施例的电子设备(例如图7中的终端设备或服务端)700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，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7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置707加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置708；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机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。而在本公开中，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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务端可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
将DSL描述的任务流转换为图形化的各个节点依赖关系；
基于所述节点依赖关系执行各个节点中的算子逻辑，以对任务流引擎中的数据进行处理。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，接收模块还可以被描述为“接收待发送邮件的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，提供了一种任务流引擎的数据处理方法/任务流引擎/设备/介质，包括：
将领域特定语言DSL描述的任务流引擎中的任务流转换为图形化的各个节点依赖关系；
基于所述节点依赖关系执行各个节点中的算子逻辑，以对任务流引擎中的数据进行处理。
根据本公开的一个或多个实施例，提供了一种任务流引擎的数据处理方法/任务流引擎/设备/介质，将DSL描述的在任务流引擎中任务流转换为图形化的各个节点依赖关系之前，还包括：
使用领域特定语言DSL描述用于处理数据的任务流。
根据本公开的一个或多个实施例，提供了一种任务流引擎的数据处理方法/任务流引擎/设备/介质，所述使用DSL描述用于在任务流引擎中处理数据的任务流，包括：
使用DSL描述所述任务流引擎中每个节点的输入参数，输出参数和节点之间的依赖关系。
根据本公开的一个或多个实施例，提供了一种任务流引擎的数据处理方法/任务流引擎/设备/介质，基于所述节点依赖关系，执行各个节点中的算子逻辑，包括：
针对每个节点，任务流引擎中的调度层基于所述节点依赖关系确定当前节点，并向所述任务流引擎中的执行层发送节点执行命令，其中，节点执行命令包括当前节点标识；
执行层执行当前节点中的算子逻辑。
根据本公开的一个或多个实施例，提供了一种任务流引擎的数据处理方法/任务流引擎/设备/介质，调度层向执行层发送节点执行命令，包括：
所述调度层通过远程过程调用RPC协议向执行层发送节点执行命令。
根据本公开的一个或多个实施例，提供了一种任务流引擎的数据处理方法/任务流引擎/设备/介质，所述调度层基于所述节点依赖关系确定当前节点，包括：
接收到执行层发送的前驱节点执行成功的信息后，调度层基于所述节点依赖关系确定当前节点。
根据本公开的一个或多个实施例，提供了一种任务流引擎的数据处理方法/任务流引擎/设备/介质，调度层基于所述节点依赖关系确定当前节点之后，还包括：
所述调度层基于前驱节点判断是否满足当前节点执行条件；
若满足所述当前节点执行条件，则执行所述调度层向执行层发送节点执行命令的操作。
根据本公开的一个或多个实施例，提供了一种邮件处理方法/装置/系统，所述当前节点执行条件，包括：
所述当前节点的前驱节点数量与接收到的前驱节点执行成功信息数量相等。
根据本公开的一个或多个实施例，提供了一种任务流引擎的数据处理方法/任务流引擎/设备/介质，所述执行层执行当前节点中的算子逻辑，包括：
所述执行层中的当前节点基于接收到输入参数和当前节点中的算子逻辑得到输出参数。
根据本公开的一个或多个实施例，提供了一种邮件处理方法/装置/系统，所述当前节点基于接收到输入参数和当前节点中的算子逻辑得到输出参数之后，还包括：
所述执行层中的当前节点通过所述输入参数的哈希签名保存输出参数，作为所述输入参数对应的缓存结果。
根据本公开的一个或多个实施例，提供了一种任务流引擎的数据处理方法/任务流引擎/设备/介质，所述执行层执行当前节点中的算子逻辑，包括：
所述执行层的当前节点接收输入参数；
检测是否存在与输入参数相同的缓存参数；
若存在，则直接将所述缓存参数对应的缓存结果确定为输出参数。
根据本公开的一个或多个实施例，提供了一种任务流引擎的数据处理方法/任务流引擎/设备/介质，所述执行层执行当前节点中的算子逻辑之后，还包括：
所述执行层判断当前节点中的算子逻辑执行是否结束；
所述执行层若所述当前节点中的算子逻辑执行结束，则向调度层发送当前节点执行结束的消息。
根据本公开的一个或多个实施例，提供了一种任务流引擎的数据处理方法/任务流引擎/设备/介质，所述当前节点中的算子逻辑执行结束包括如下一个或多个：
所述当前节点的算子逻辑执行成功；
所述当前节点的算子逻辑执行时长超过预设时长；
所述当前节点的算子逻辑重复执行次数超过预设次数。
根据本公开的一个或多个实施例，提供了一种任务流引擎的数据处理方法/任务流引擎/设备/介质，基于所述节点依赖关系，执行各个节点中的算子逻辑之后，还包括：
获取各个节点的执行状态，并将所述节点的执行状态显示在对应的节点上。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (17)
1.一种任务流引擎的数据处理方法，其特征在于，所述方法包括：
将领域特定语言DSL描述的任务流引擎中的任务流转换为图形化的各个节点依赖关系；
基于所述节点依赖关系执行各个节点中的算子逻辑，以对所述任务流引擎中的数据进行处理。
2.根据权利要求1所述的方法，其特征在于，将DSL描述的任务流引擎中的任务流转换为图形化的各个节点依赖关系之前，还包括：
使用DSL描述用于在任务流引擎中处理数据的任务流。
3.根据权利要求2所述的方法，其特征在于，所述使用DSL描述用于在任务流引擎中处理数据的任务流，包括：
使用DSL描述所述任务流引擎中每个节点的输入参数，输出参数和节点之间的依赖关系。
4.根据权利要求1所述的方法，其特征在于，基于所述节点依赖关系，执行各个节点中的算子逻辑，包括：
针对每个节点，所述任务流引擎中的调度层基于所述节点依赖关系确定当前节点，并向所述任务流引擎中的执行层发送节点执行命令，其中，节点执行命令包括当前节点标识；
所述执行层执行当前节点中的算子逻辑。
5.根据权利要求4所述的方法，其特征在于，所述调度层向执行层发送节点执行命令，包括：
所述调度层通过远程过程调用RPC协议向所述执行层发送节点执行命令。
6.根据权利要求4所述的方法，其特征在于，所述调度层基于所述节点依赖关系确定当前节点，包括：
接收到所述执行层发送的前驱节点执行成功的信息后，所述调度层基于所述节点依赖关系确定当前节点。
7.根据权利要求4所述的方法，其特征在于，所述调度层基于所述节点依赖关系确定当前节点之后，还包括：
所述调度层基于前驱节点判断是否满足当前节点执行条件；
若满足所述当前节点执行条件，则执行所述调度层向执行层发送节点执行命令的操作。
8.根据权利要求7所述的方法，其特征在于，所述当前节点执行条件，包括：
所述当前节点的前驱节点数量与接收到的前驱节点执行成功信息数量相等。
9.根据权利要求4所述的方法，其特征在于，所述执行层执行当前节点中的算子逻辑，包括：
所述执行层中的当前节点基于接收到输入参数和当前节点中的算子逻辑得到输出参数。
10.根据权利要求9所述的方法，其特征在于，所述执行层中的当前节点基于接收到输入参数和当前节点中的算子逻辑得到输出参数之后，还包括：
所述执行层中的当前节点通过所述输入参数的哈希签名保存输出参数，作为所述输入参数对应的缓存结果。
11.根据权利要求4所述的方法，其特征在于，所述执行层执行当前节点中的算子逻辑，包括：
所述执行层的当前节点接收输入参数；
检测是否存在与输入参数相同的缓存参数；
若存在，则直接将所述缓存参数对应的缓存结果确定为输出参数。
12.根据权利要求4所述的方法，其特征在于，所述执行层执行当前节点中的算子逻辑之后，还包括：
所述执行层判断当前节点中的算子逻辑执行是否结束；
所述执行层若所述当前节点中的算子逻辑执行结束，则向调度层发送当前节点执行结束的消息。
13.根据权利要求12所述的方法，其特征在于，所述当前节点中的算子逻辑执行结束包括如下一个或多个：
所述当前节点的算子逻辑执行成功；
所述当前节点的算子逻辑执行时长超过预设时长；
所述当前节点的算子逻辑重复执行次数超过预设次数。
14.根据权利要求1所述的方法，其特征在于，基于所述节点依赖关系，执行各个节点中的算子逻辑之后，还包括：
获取各个节点的执行状态，并将所述节点的执行状态显示在对应的节点上。
15.一种任务流引擎，其特征在于，所述任务流引擎包括：
转换模块，用于将领域特定语言DSL描述的任务流引擎中的任务流转换为图形化的各个节点依赖关系；
数据处理模块，用于基于所述节点依赖关系执行各个节点中的算子逻辑，以对所述任务流引擎中的数据进行处理。
16.一种任务流引擎的数据处理设备，其特征在于，包括：
一个或多个处理器；
存储器，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，使得所述一个或多个处理器实现如权利要求1-14任一项所述的任务流引擎的数据处理方法。
17.一种计算机存储介质，其特征在于，所述介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-14任一项所述的任务流引擎的数据处理方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011564198.8A CN112685154A (zh) | 2020-12-25 | 2020-12-25 | 任务流引擎的数据处理方法、任务流引擎、设备和介质 |
| PCT/CN2021/134268 WO2022135079A1 (zh) | 2020-12-25 | 2021-11-30 | 任务流引擎的数据处理方法、任务流引擎、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011564198.8A CN112685154A (zh) | 2020-12-25 | 2020-12-25 | 任务流引擎的数据处理方法、任务流引擎、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112685154A true CN112685154A (zh) | 2021-04-20 |
Family
ID=75453256
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011564198.8A Pending CN112685154A (zh) | 2020-12-25 | 2020-12-25 | 任务流引擎的数据处理方法、任务流引擎、设备和介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112685154A (zh) |
| WO (1) | WO2022135079A1 (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113377348A (zh) * | 2021-06-10 | 2021-09-10 | 平安科技（深圳）有限公司 | 应用于任务引擎的任务调整方法、相关装置和存储介质 |
| CN113407321A (zh) * | 2021-06-18 | 2021-09-17 | 斑马网络技术有限公司 | 基于计算图的任务型会话管理框架、设备及存储介质 |
| CN113918298A (zh) * | 2021-10-12 | 2022-01-11 | 北京字节跳动网络技术有限公司 | 多媒体数据的处理方法、系统及设备 |
| CN114625757A (zh) * | 2022-03-29 | 2022-06-14 | 医渡云（北京）技术有限公司 | 基于领域特定语言的任务执行方法及装置、介质、设备 |
| WO2022135079A1 (zh) * | 2020-12-25 | 2022-06-30 | 北京有竹居网络技术有限公司 | 任务流引擎的数据处理方法、任务流引擎、设备和介质 |
| WO2023174119A1 (zh) * | 2022-03-15 | 2023-09-21 | 上海爱数信息技术股份有限公司 | 数字内容处理方法、装置、电子设备、存储介质及产品 |
| CN117033027A (zh) * | 2023-08-18 | 2023-11-10 | 百度(中国)有限公司 | 数据处理方法、装置、电子设备、介质 |
| CN117472553A (zh) * | 2023-12-28 | 2024-01-30 | 中移(苏州)软件技术有限公司 | 一种工作流处理方法、装置、处理设备及可读存储介质 |
| WO2024067491A1 (zh) * | 2022-09-26 | 2024-04-04 | 华为技术有限公司 | 电子装置、分布式系统以及任务调度方法 |
| CN113918298B (zh) * | 2021-10-12 | 2024-05-14 | 北京字节跳动网络技术有限公司 | 多媒体数据的处理方法、系统及设备 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116302396B (zh) * | 2023-02-13 | 2023-09-01 | 上海浦东发展银行股份有限公司 | 一种基于有向无环的分布式任务调度方法 |
| CN117610320B (zh) * | 2024-01-23 | 2024-04-02 | 中国人民解放军国防科技大学 | 有向无环图工作流引擎循环调度方法、装置和设备 |
| CN117634866B (zh) * | 2024-01-25 | 2024-04-19 | 中国人民解放军国防科技大学 | 工作流调度引擎节点间数据处理方法、装置、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110297632A (zh) * | 2019-06-12 | 2019-10-01 | 百度在线网络技术（北京）有限公司 | 代码生成方法和装置 |
| CN110427252A (zh) * | 2019-06-18 | 2019-11-08 | 平安银行股份有限公司 | 基于任务依赖关系的任务调度方法、装置及存储介质 |
| CN110609675A (zh) * | 2018-06-14 | 2019-12-24 | 中兴通讯股份有限公司 | 一种工作流建模方法、装置和计算机可读存储介质 |
| US20200379998A1 (en) * | 2019-05-31 | 2020-12-03 | Ankit Dixit | Systems and Methods for Determining Peak Memory Requirements in SQL Processing Engines with Concurrent Subtasks |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112685154A (zh) * | 2020-12-25 | 2021-04-20 | 北京有竹居网络技术有限公司 | 任务流引擎的数据处理方法、任务流引擎、设备和介质 |
-
2020
- 2020-12-25 CN CN202011564198.8A patent/CN112685154A/zh active Pending
-
2021
- 2021-11-30 WO PCT/CN2021/134268 patent/WO2022135079A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110609675A (zh) * | 2018-06-14 | 2019-12-24 | 中兴通讯股份有限公司 | 一种工作流建模方法、装置和计算机可读存储介质 |
| US20200379998A1 (en) * | 2019-05-31 | 2020-12-03 | Ankit Dixit | Systems and Methods for Determining Peak Memory Requirements in SQL Processing Engines with Concurrent Subtasks |
| CN110297632A (zh) * | 2019-06-12 | 2019-10-01 | 百度在线网络技术（北京）有限公司 | 代码生成方法和装置 |
| CN110427252A (zh) * | 2019-06-18 | 2019-11-08 | 平安银行股份有限公司 | 基于任务依赖关系的任务调度方法、装置及存储介质 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022135079A1 (zh) * | 2020-12-25 | 2022-06-30 | 北京有竹居网络技术有限公司 | 任务流引擎的数据处理方法、任务流引擎、设备和介质 |
| CN113377348A (zh) * | 2021-06-10 | 2021-09-10 | 平安科技（深圳）有限公司 | 应用于任务引擎的任务调整方法、相关装置和存储介质 |
| CN113407321A (zh) * | 2021-06-18 | 2021-09-17 | 斑马网络技术有限公司 | 基于计算图的任务型会话管理框架、设备及存储介质 |
| CN113918298A (zh) * | 2021-10-12 | 2022-01-11 | 北京字节跳动网络技术有限公司 | 多媒体数据的处理方法、系统及设备 |
| CN113918298B (zh) * | 2021-10-12 | 2024-05-14 | 北京字节跳动网络技术有限公司 | 多媒体数据的处理方法、系统及设备 |
| WO2023174119A1 (zh) * | 2022-03-15 | 2023-09-21 | 上海爱数信息技术股份有限公司 | 数字内容处理方法、装置、电子设备、存储介质及产品 |
| CN114625757A (zh) * | 2022-03-29 | 2022-06-14 | 医渡云（北京）技术有限公司 | 基于领域特定语言的任务执行方法及装置、介质、设备 |
| WO2024067491A1 (zh) * | 2022-09-26 | 2024-04-04 | 华为技术有限公司 | 电子装置、分布式系统以及任务调度方法 |
| CN117033027A (zh) * | 2023-08-18 | 2023-11-10 | 百度(中国)有限公司 | 数据处理方法、装置、电子设备、介质 |
| CN117472553A (zh) * | 2023-12-28 | 2024-01-30 | 中移(苏州)软件技术有限公司 | 一种工作流处理方法、装置、处理设备及可读存储介质 |
| CN117472553B (zh) * | 2023-12-28 | 2024-05-03 | 中移(苏州)软件技术有限公司 | 一种工作流处理方法、装置、处理设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022135079A1 (zh) | 2022-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112685154A (zh) | 任务流引擎的数据处理方法、任务流引擎、设备和介质 | |
| CN107330522B (zh) | 用于更新深度学习模型的方法、装置及系统 | |
| CN111581291A (zh) | 数据处理方法、装置、电子设备及可读介质 | |
| CN111427701A (zh) | 一种工作流引擎系统和业务处理方法 | |
| CN112418446B (zh) | 模型处理方法、系统、装置、介质及电子设备 | |
| WO2019075845A1 (zh) | 链路调用关系的构建方法、装置、计算机设备及存储介质 | |
| CN111209306A (zh) | 业务逻辑判断方法、装置、电子设备和存储介质 | |
| CN113760536A (zh) | 数据缓存方法、装置、电子设备和计算机可读介质 | |
| CN111338813B (zh) | 一种动态生成中间件的方法、装置、介质和电子设备 | |
| WO2022257604A1 (zh) | 一种用户标签的确定方法和装置 | |
| CN114489622A (zh) | 静态资源管理方法、Node.js应用、电子设备和存储介质 | |
| CN114330689A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN111414343B (zh) | 日志写入方法、装置、电子设备和介质 | |
| WO2024001240A1 (zh) | 多种技术栈的任务集成方法及装置 | |
| CN112256372A (zh) | 信息处理方法、装置和电子设备 | |
| CN112015746B (zh) | 数据实时处理方法、装置、介质和电子设备 | |
| CN115016794A (zh) | 代码生成方法、装置、设备及介质 | |
| CN114579054A (zh) | 一种数据处理方法、装置、电子设备及计算机可读介质 | |
| CN110955583A (zh) | 一种通知方法、装置、电子设备及存储介质 | |
| CN111209042B (zh) | 一种建立函数栈的方法、装置、介质和电子设备 | |
| CN110262756B (zh) | 用于缓存数据的方法和装置 | |
| CN102799530A (zh) | 一种基于uml架构的软件系统的性能预测方法 | |
| CN110750242B (zh) | 一种部署文件的方法、系统、介质和电子设备 | |
| CN112506497B (zh) | 一种数据处理方法和数据处理系统 | |
| CN111562913B (zh) | 视图组件的预创建方法、装置、设备及计算机可读介质 |
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 |