CN112685160A - 定时任务的调度方法、装置,终端设备及计算机存储介质 - Google Patents
定时任务的调度方法、装置,终端设备及计算机存储介质 Download PDFInfo
- Publication number
- CN112685160A CN112685160A CN202011620107.8A CN202011620107A CN112685160A CN 112685160 A CN112685160 A CN 112685160A CN 202011620107 A CN202011620107 A CN 202011620107A CN 112685160 A CN112685160 A CN 112685160A
- Authority
- CN
- China
- Prior art keywords
- task
- real
- time
- processing
- time 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.)
- Pending
Links
Images
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明涉及金融科技技术领域,公开了一种定时任务的调度方法、装置、终端设备及计算机存储介质。该定时任务的调度方法从预设的任务调度列表中调度各实时任务,并监测各所述实时任务在处理时的系统资源消耗情况;根据所述系统资源消耗情况动态调整各所述实时任务中目标实时任务的处理优先级;按照调整所述处理优先级后得到的新的处理优先级处理所述目标实时任务。相比于传统定时任务调度的方式,本发明能在智能终端当前调度的某一个定时任务消耗系统资源过多时,及时调配出被占用的系统资源给当前同时调度的其它定时任务,从而有效的避免了其它定时任务因为系统资源占用的影响而无法被处理完成的情况,保证了其它定时任务的处理时效。
Description
技术领域
本发明涉及金融科技(Fintech)技术领域,尤其涉及一种定时任务的调度方法、装置、终端设备及计算机存储介质。
背景技术
随着计算机技术的发展,越来越多的技术应用在金融领域,传统金融业正在逐步向金融科技(Fintech)转变,但由于金融行业的安全性、实时性要求,也对技术提出了更高的要求。
时下智能终端上运维的定时任务都是通过操作系统设置周期性执行的指令来进行调度和执行处理。然而,由于定时任务通常是在同一时刻被调度和执行的,如此,在当前调度的某一个定时任务执行所消耗的系统资源过多时,就势必会对同时被调度的其它定时任务的执行处理造成影响,致使其它定时任务无法及时被执行处理完成,进而导致定时任务的整体处理效率低下。
发明内容
本发明的主要目的在于提供一种定时任务的调度方法、装置、终端设备及计算机存储介质,旨在解决现有定时任务的调度方式,在调度的某一个定时任务消耗系统资源过多时,同时调度的其它定时任务会受到影响,从而导致定时任务的整体处理效率低的技术问题。
为实现上述目的,本发明提供一种定时任务的调度方法,所述定时任务的调度方法包括:
从预设的任务调度列表中调度各实时任务,并监测各所述实时任务在处理时的系统资源消耗情况;
根据所述系统资源消耗情况动态调整各所述实时任务中目标实时任务的处理优先级;
按照调整所述处理优先级后得到的新的处理优先级处理所述目标实时任务。
可选地,所述根据所述系统资源消耗情况动态调整各所述实时任务中目标实时任务的处理优先级的步骤,包括:
检测各所述实时任务各自的所述系统资源消耗情况是否大于预设的资源消耗阈值;
确定各所述实时任务中所述系统资源消耗情况大于所述资源消耗阈值的目标实时任务;
按照预设的优先级调整策略降低所述目标实时任务的处理优先级以得到所述目标实时任务的新的处理优先级。
可选地,所述定时任务的调度方法还包括:
调用预设的预测模型预测各所述实时任务中是否存在处理异常的异常实时任务;
若预测到存在所述异常实时任务,则输出所述异常实时任务的处理异常提示。
可选地,所述预测模型包括自回归模型,所述调用预设的预测模型预测各所述实时任务中是否存在处理异常的异常实时任务的步骤,包括:
根据各所述实时任务各自的历史执行数据生成各所述实时任务各自的平稳时间序列数据;
分别计算模型参数得到各所述实时任务各自的自回归模型;
调用所述自回归模型针对所述平稳时间序列数据进行预测以确定各所述实时任务中是否存在处理异常的异常实时任务。
可选地,所述分别计算模型参数得到各所述实时任务各自的自回归模型的步骤,包括:
确定各所述实时任务中的待预测实时任务,并随机生成所述待预测实时任务的多组模型参数;
将多组模型参数分别输入预设的自回归算法以得到所述预测实时任务的多个自回归模型;
所述调用所述自回归模型针对所述平稳时间序列数据进行预测以确定各所述实时任务中是否存在处理异常的异常实时任务的步骤,包括:
调用所述待预测实时任务的多个自回归模型对所述待预测实时任务的平稳时间序列数据进行预测得到多个预测结果;
针对多个预测结果进行加权平均处理得到目标预测结果,并根据所述目标预测结果确定所述待预测实时任务是否为各所述实时任务中的异常实时任务。
可选地,在所述从预设的任务调度列表中调度各实时任务的步骤之前,所述方法还包括:
接收各实时任务的配置参数,其中,所述配置参数包括任务执行时间;
根据所述任务执行时间生成各所述实时任务的任务调度列表。
可选地,所述配置参数还包括任务执行优先级,在所述监测各所述实时任务在处理时的系统资源消耗情况的步骤之前,所述方法还包括:
根据所述任务执行优先级设定各所述实时任务的处理优先级,并按照所述处理优先级处理当前调度的各实时任务。
此外,为实现上述目的,本发明还提供一种定时任务的调度装置,所述定时任务的调度装置包括:
处理监控模块,用于从预设的任务调度列表中调度各实时任务,并监测各所述实时任务在处理时的系统资源消耗情况;
动态调整模块,用于根据所述系统资源消耗情况动态调整各所述实时任务中目标实时任务的处理优先级;
任务执行模块,用于按照调整所述处理优先级后得到的新的处理优先级处理所述目标实时任务。
此外,为实现上述目的,本发明还提供一种终端设备,所述终端设备包括: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定时任务的调度程序,所述定时任务的调度程序被所述处理器执行时实现如上所述的定时任务的调度方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机存储介质,所述计算机存储介质上存储有定时任务的调度程序,所述定时任务的调度程序被处理器执行时实现如上所述的定时任务的调度方法的步骤。
本发明提供一种定时任务的调度方法、装置,终端设备及计算机存储介质,通过从预设的任务调度列表中调度各实时任务,并监测各所述实时任务在处理时的系统资源消耗情况;根据所述系统资源消耗情况动态调整各所述实时任务中目标实时任务的处理优先级;按照调整所述处理优先级后得到的新的处理优先级处理所述目标实时任务。
本发明在智能终端设备调度执行定时任务的过程当中,先从预先配置生成的任务调度列表中调度需要在当前时刻处理的各个实时任务,并持续监测该各个实时任务在处理过程当中对于智能终端设备系统资源的系统资源消耗情况,然后,根据监测到的该系统资源消耗情况动态的对各个实时任务当中目标实时任务的处理优先级进行调整,最后,再按照将该处理优先级调整之后形成的新的处理优先级,处理该目标实时任务。
本发明相比于传统定时任务调度的方式,能够根据监测定时任务在被处理时消耗的终端系统资源情况,并针对消耗系统资源过多的实时任务进行处理优先级的动态调整,如此,能够在智能终端当前调度的某一个定时任务消耗系统资源过多时,及时调配出被占用的系统资源给当前同时调度的其它定时任务,从而有效的避免了其它定时任务因为系统资源占用的影响而无法被处理完成的情况,保证了其它定时任务的处理时效。此外,本发明通过在调整占用系统资源过多的定时任务的处理优先级后,按照调整后得到的新的处理优先级重新来处理该实时任务,能够使得该实时任务获得其它实时任务处理完成后腾出的更多的系统资源以确保该实时任务能够被处理完成,从而确保了定时任务的整体处理效率。
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设备结构示意图;
图2为本发明定时任务的调度方法第一实施例的流程示意图;
图3为本发明定时任务的调度方法一实施例所涉及的应用流程示意图;
图4为本发明定时任务的调度装置一实施例的功能模块示意图。
本发明目的的实现、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。
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设备结构示意图。
本发明实施例终端设备可以是在生产消费模型当中充当消息中间件系统的设备,该设备可以是PC(Personal Computer,个人计算机)、平板电脑、便携计算机等等。
如图1所示,该终端设备可以包括:处理器1001,例如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可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还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Wi-Fi接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),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中示出的终端设备结构并不构成对终端设备的限定,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,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及定时任务的调度程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端,与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的定时任务的调度程序,并执行以下操作:
从预设的任务调度列表中调度各实时任务,并监测各所述实时任务在处理时的系统资源消耗情况;
根据所述系统资源消耗情况动态调整各所述实时任务中目标实时任务的处理优先级;
按照调整所述处理优先级后得到的新的处理优先级处理所述目标实时任务。
进一步地,处理器1001可以调用存储器1005中存储的定时任务的调度程序,还执行以下操作:
检测各所述实时任务各自的所述系统资源消耗情况是否大于预设的资源消耗阈值;
确定各所述实时任务中所述系统资源消耗情况大于所述资源消耗阈值的目标实时任务;
按照预设的优先级调整策略降低所述目标实时任务的处理优先级以得到所述目标实时任务的新的处理优先级。
进一步地,处理器1001可以调用存储器1005中存储的定时任务的调度程序,还执行以下操作:
调用预设的预测模型预测各所述实时任务中是否存在处理异常的异常实时任务;
若预测到存在所述异常实时任务,则输出所述异常实时任务的处理异常提示。
进一步地,所述预测模型包括自回归模型,处理器1001可以调用存储器1005中存储的定时任务的调度程序,还执行以下操作:
根据各所述实时任务各自的历史执行数据生成各所述实时任务各自的平稳时间序列数据;
分别计算模型参数得到各所述实时任务各自的自回归模型;
调用所述自回归模型针对所述平稳时间序列数据进行预测以确定各所述实时任务中是否存在处理异常的异常实时任务。
进一步地,处理器1001可以调用存储器1005中存储的定时任务的调度程序,还执行以下操作:
确定各所述实时任务中的待预测实时任务,并随机生成所述待预测实时任务的多组模型参数;
将多组模型参数分别输入预设的自回归算法以得到所述预测实时任务的多个自回归模型;
处理器1001可以调用存储器1005中存储的定时任务的调度程序,还执行以下操作:
调用所述待预测实时任务的多个自回归模型对所述待预测实时任务的平稳时间序列数据进行预测得到多个预测结果;
针对多个预测结果进行加权平均处理得到目标预测结果,并根据所述目标预测结果确定所述待预测实时任务是否为各所述实时任务中的异常实时任务。
进一步地,处理器1001可以调用存储器1005中存储的定时任务的调度程序,在执行从预设的任务调度列表中调度各实时任务之前,还执行以下操作:
接收各实时任务的配置参数,其中,所述配置参数包括任务执行时间;
根据所述任务执行时间生成各所述实时任务的任务调度列表。
进一步地,处理器1001可以调用存储器1005中存储的定时任务的调度程序,在执行配置参数还包括任务执行优先级,在所述监测各所述实时任务在处理时的系统资源消耗情况之前,还执行以下操作:
根据所述任务执行优先级设定各所述实时任务的处理优先级,并按照所述处理优先级处理当前调度的各实时任务。
基于上述硬件结构,提出本发明定时任务的调度方法的各实施例。
需要说明的是,时下智能终端上运维的定时任务都是通过操作系统设置周期性执行的指令来进行调度和执行处理,然而,由于定时任务通常是在同一时刻被调度和执行的,如此,在当前调度的某一个定时任务执行所消耗的系统资源过多时,就势必会对同时被调度的其它定时任务的执行处理造成影响,致使其它定时任务无法及时被执行处理完成,进而导致定时任务的整体处理效率低下。
综上,现有定时任务的调度方式,在调度的某一个定时任务消耗系统资源过多时,同时调度的其它定时任务会受到影响,从而导致定时任务的整体处理效率低。
针对上述现象,本发明提供一种定时任务的调度方法。请参照图2,图2为本发明定时任务的调度方法第一实施例的流程示意图。
在本实施例中,该定时任务的调度方法包括:
步骤S10,从预设的任务调度列表中调度各实时任务,并监测各所述实时任务在处理时的系统资源消耗情况;
终端设备在调度预先配置实时任务进行处理的过程中,在预先生成的任务调度列表当中调度当前时刻需要执行处理的各个实时任务,并在针对该各个实时任务进行执行处理的过程当中,持续的监测该各个实时任务在处理过程当中针对终端系统资源的系统资源消耗情况。
需要说明的是,在本实施例中,定时任务包括三个类型,即,一次性执行的任务、按时间间隔执行的任务以及按年月日循环执行的任务。终端设备通过在前端屏幕输出的输出不同类型的交互式输入表单,来接收该不同类型定时任务的配置参数进行定时任务的配置。此外,在本实施例中,系统资源消耗情况包括但不限于:服务器的CPU(CentralProcessing Unit、中央处理器)使用率、服务器的内存使用率、服务器的I/O(计算机用语,Input/Output:输入/输出)使用率以及网络带宽使用占比等等。应当理解的是,基于实际应用的不同设计需要,在其它可行的实施方式当中,终端设备当然还可以将因某一个实时任务占用从而可能影响到其它实时任务处理的参数类型也作为系统资源,并实时监控各个实时任务对于该系统资源的消耗情况,本发明定时任务的调度方法并不针对终端设备的系统资源所包括的具体类型进行限定。
具体地,例如,请参照如图3所示的应用流程,终端设备通过实时监测系统时间,并以监测到的当前时刻信息—20xx年xx月xx日xx时xx分xx秒为索引,直接从已经配置生成的各个定时任务的任务调度列表当中,调度被配置在“20xx年xx月xx日xx时xx分xx秒”需要被调度处理的一个或者多个定时任务进行处理。然后,终端设备在执行处理该一个或者多个实时任务的过程中,通过使用vmstat命令(一种Linux操作系统中的监控工具,用于报告关于内核线程、虚拟内存、磁盘、陷阱和CPU活动的统计信息)来获取每一个定时任务执行过程中服务器的cpu使用率;或者,终端设备还可以在执行处理该一个或者多个实时任务的过程中,通过使用/proc/meminfo(/proc/meminfo是了解Linux操作系统内存使用状况的主要接口)来获取每一个定时任务执行过程中服务器的内存使用率;再或者,终端设备还可以在执行处理该一个或者多个实时任务的过程中,通过使用iostat(用于报告中央处理器统计信息和整个系统、适配器、tty设备、磁盘和CD-ROM的输入/输出统计信息)来获取每一个定时任务执行过程中服务器的I/O使用率。如此,实现在处理实时任务的过程中,持续不断的监测该实时任务的系统资源消耗情况。
进一步地,在一种可行的实施例中,在上述步骤S10之前,本发明定时任务的调度方法,还可以包括:
步骤S40,接收各实时任务的配置参数,其中,所述配置参数包括任务执行时间;
终端设备通过输出不同类型实时任务的交互式输入表单,来接收该不同类型定时任务的配置参数进行不同类型实时任务的配置。
需要说明的是,在本实施例中,配置参数为工作人员基于实际应用的设计需要而配置输入以用于生成定时任务的各项参数,该配置参数当中至少包括有用于指示基于该配置参数所生成定时任务在何时被调度处理的任务执行时间,以及指示该定时任务和其它定时任务相比哪一个任务将被优先处理的任务执行优先级,其中,任务执行时间的不同类型即可表示所配置的定时任务的类型。
具体地,例如,终端设备通过前端屏幕向工作人员输出一个用于收集配置一次性执行的任务的交互式输入表单,从而供工作人员在该输入表单上输入脚本名称、脚本路径、脚本类型(shell、perl、python以及java等可以在linux机器上面运行的命令类型)、任务执行时间:xxxx年xx月xx日xx时xx分xx秒、脚本运行参数以及任务执行优先级(1-16级,1级代表最高优先级,而16级代表最低级),然后,终端设备即基于接收到的该各项参数配置生成一个在xxxx年xx月xx日xx时xx分xx秒会被调度处理的一次性执行的任务。
或者,终端设备还可以单独或者同时通过前端屏幕向工作人员输出一个用于收集配置按时间间隔执行的任务的交互式输入表单,从而供工作人员在该输入表单上输入脚本名称、脚本路径、脚本类型、任务执行时间:执行间隔a(单位秒)、脚本运行参数以及任务执行优先级,然后,终端设备即基于接收到的该各项参数配置生成一个在每间隔a秒就会被调度处理的按时间间隔执行的任务。
再或者,终端设备还可以单独或者同时通过前端屏幕向工作人员输出一个用于收集配置按年月日循环执行的任务的交互式输入表单,从而供工作人员在该输入表单上输入脚本名称、脚本路径、脚本类型、任务执行时间:以crontab(crontab命令常见于Unix和类Unix的操作系统之中,是用于设置周期性被执行的指令)格式编写的循环参数、脚本运行参数以及任务执行优先级,然后,终端设备即基于接收到的该各项参数配置生成一个在每年、月或者日就会循环被调度处理的按年月日循环执行的任务。
步骤S50,根据所述任务执行时间生成各所述实时任务的任务调度列表。
终端设备在通过接收定时任务的配置参数而配置生成各个不同或者相同类型的实时任务之后,随即以各个定时任务各自配置参数中的任务执行时间为索引,自动生成该各个定时任务的任务调度列表,从而供终端设备在调度执行定时任务的过程当中,基于当前时刻直接从该任务调度列表调度出需要处理的定时任务。
具体地,例如,请参照如图3所示的应用流程,终端设备在通过接收到的任意类型定时任务的配置参数并配置生成该定时任务之后,先基于该配置参数当中的任务执行时间:xxxx年xx月xx日xx时xx分xx秒、执行间隔a(单位秒)以及以crontab格式编写的循环参数,确定当前配置生成的该定时任务被配置设计要调度处理的处理时间(假定为20xx年12月xx日xx时xx分xx秒),然后,终端设备直接将该定时任务归属在以该处理时间—“20xx年12月xx日xx时xx分xx秒”为索引进行调度的一个或者多个定时任务当中,并且,在后续接收配置参数配置生成新的定时任务之后,若再次基于配置参数中的任务执行时间确定该新的定时任务的处理时间也为20xx年12月xx日xx时xx分xx秒,则终端设备直接将该新的定时任务也归属在以处理时间—“20xx年12月xx日xx时xx分xx秒”为索引进行调度的一个或者多个定时任务当中,如此,生成配置生成的各个定时任务的任务调度列表。
从而,终端设备在检测到当前时刻到达该处理时间—“20xx年12月xx日xx时xx分xx秒”时,便可直接以当前时刻为索引,从任务调度列表直接调度出全部被配置设计在“20xx年12月xx日xx时xx分xx秒”时要调度处理的一个或者多个定时任务进行处理,并在该一个或者多个定时任务被处理的过程中,持续不断的监测该一个或者多个定时任务各自对于终端服务器的CPU、内存以及I/O等系统资源的系统资源消耗情况。
进一步地,在上述步骤S10中,“在所述监测各所述实时任务在处理时的系统资源消耗情况”的步骤之前,本发明实时任务的调度方法,还可以包括:
步骤S60,根据所述任务执行优先级设定各所述实时任务的处理优先级,并按照所述处理优先级处理当前调度的各实时任务。
终端设备在基于接收到的配置参数配置生成不同或者相同类型的实时任务,并基于该配置参数当中实时任务的任务执行时间生成任务调度列表之后,终端设备在以所处的当前时刻作为索引从该任务调度列表当中调度提取需要处理的实时任务时,同步的基于配置参数中实时任务的任务执行优先级,自动设定调度的每一个定时任务各自的处理优先级,然后,按照该处理优先级分配系统资源来处理调度出的该定时任务。
具体地,例如,假定定时任务的处理优先级由高至低依次为:最优、优和较优,且假定配置参数中执行优先级1-5级对应实时任务的处理优先级为“最优”、配置参数中执行优先级6-11级对应实时任务的处理优先级为“优”,以及,配置参数中执行优先级12-16级对应实时任务的处理优先级为“较优”。终端设备在基于当前时刻:“20xx年12月xx日xx时xx分xx秒”为索引,从任务调度列表直接调度出全部被配置设计在“20xx年12月xx日xx时xx分xx秒”时要调度处理的3个定时任务:一次性执行的任务1、一次性执行的任务2以及按年月日循环执行的任务3,然后,终端设备通过该任务1、任务2和任务3各自的配置参数,从而分别提取得到由工作人员输入配置在该配置参数中该任务1的任务执行优先级—12级、任务2的任务执行优先级12级以及任务3的任务执行优先级8级,再然后,终端设备安装该三个任务执行优先级:10级、10级和8级自动设定该任务1、任务2和任务3各自的处理优先级分别为较优、较优和优,最后,终端设备将服务器在当前用于执行实时任务的CPU、内存、I/O或者网络带宽等系统资源,按照1:1:2的比例对应分配给处理该任务1、任务2和任务3的服务进程,即,分配可用系统资源的25%给处理任务1的服务进程、分配可用系统资源的25%给处理任务2的服务进程,以及,分配可用系统资源的50%给处理任务3的服务进程。
步骤S20,根据所述系统资源消耗情况动态调整各所述实时任务中目标实时任务的处理优先级;
终端设备在调度当前时刻需要处理的各个实时任务,并持续监测该各个实时任务在处理过程当中针对终端系统资源的系统资源消耗情况后,实时的检测该各个实时任务的系统资源消耗情况是否超过阈值,并在确定超过阈值时,将系统资源消耗情况超过阈值的目标实时任务的处理优先级动态调低。
进一步地,在一种可行的实施例中,上述步骤S20,可以包括:
步骤S201,检测各所述实时任务各自的所述系统资源消耗情况是否大于预设的资源消耗阈值;
需要说明的是,在本实施例中,预设的资源消耗阈值为与终端设备所持续监测的实时任务处理时消耗的系统资源相对应的阈值,具体地,例如,终端设备当前监测的实时任务处理时的系统资源消耗情况为终端设备服务器的CPU使用率,则该资源消耗阈值即可以为该CPU使用率的80%。此外,应当理解的是,基于实际应用的不同设计需要,在不同可行的实施方式当中,该资源消耗阈值当然可以被设定为不同的大小,以供终端设备判断到实时任务的系统资源消耗情况超过该资源消耗阈值之后即降低处理优先级,本发明实时任务的调度方法,并不针对该资源消耗阈值的具体大小进行限定。
终端设备在持续监测各个实时任务被处理时的系统资源消耗情况的过程中,按照既定的频率来检测该系统资源消耗情况是否已经超过了资源消耗阈值。
具体地,例如,终端设备以当前时刻为索引从任务调度列表中调度提取3个定时任务:一次性执行的任务1、一次性执行的任务2以及按年月日循环执行的任务3,并针对该任务1、任务2和任务3的设定处理优先级进行处理过程中,任务1、任务2和任务3各自的系统资源消耗情况—对服务器的CPU使用率进行监控,从而,终端设备按照既定的频率在每一秒即检测一次该任务1、任务2和任务3各自的CPU使用率是否大于资源消耗阈值—CPU使用率的80%。
在其它实施例中,终端设备当然也可以持续监控任务1、任务2和任务3各自的对服务器的内存、I/O或者网络带宽等使用率作为任务1、任务2和任务3各自的系统资源消耗情况,如此,终端设备即按照既定的频率在每一秒检测该内存、I/O或者网络带宽等使用率是否大于对于对应的资源消耗阈值—内存、I/O或者网络带宽等使用率的80%。
步骤S202,确定各所述实时任务中所述系统资源消耗情况大于所述资源消耗阈值的目标实时任务;
终端设备在检测到各个实时任务当中,任意一个实时任务的系统资源消耗情况超过了资源消耗阈值时,便立即确认该实时任务为系统资源消耗情况大于资源消耗阈值从而需要降低处理优先级的目标实时任务。
具体地,例如,终端设备在按照既定的频率在每一秒即检测一次任务1、任务2和任务3各自的CPU使用率是否大于资源消耗阈值—CPU使用率的80%时,若终端设备在当前时刻检测到任务3的CPU使用率超过了资源消耗阈值—CPU使用率的80%,则终端设备即可直接确定该任务3为系统资源消耗过多从而需要立即调整处理优先级的目标实时任务。
步骤S203,按照预设的优先级调整策略降低所述目标实时任务的处理优先级以得到所述目标实时任务的新的处理优先级。
需要说明的是,在本实施例中,预设的优先级调整策略为用于针对目标实时任务的处理优先级进行具体降低操作的配置,例如,该优先级调整策略可以为将目标实时任务的处理优先级直接降低到全部处理优先级的最低一级;或者,该优先级调整策略可以为将目标实时任务的处理优先级降低到当前级别的下一级;再或者,该优先级调整策略还可以为先降低目标实时任务的配置参数当中的任务执行优先级,然后按照降低后的任务执行优先级重新设定该目标实时任务的处理优先级,例如,先将目标实时任务配置参数中的任务执行优先级由1级降低为16级,然后重新按照“执行优先级1-5级对应实时任务的处理优先级为‘最优’、执行优先级6-11级对应实时任务的处理优先级为‘优’,以及,执行优先级12-16级对应实时任务的处理优先级为‘较优’”的对应关系,重新设定处理优先级以将该目标实时任务的处理优先级由原来的“最优”降低为“较优”。
本实施例中,通过配置不同的优先级调整策略,供终端设备在监控到目标实时任务的系统资源消耗情况超过资源阈值,从而需要针对该目标实时任务的处理优先级进行降低时进行调用,不仅确保了在降低目标实时任务的处理优先级时的可操作性,更提升了终端设备选用不同调整策略进行降低处理优先级操作的灵活性。
此外,该优先级调整策略还可以与不同实时任务绑定从而建立实时任务与优先级调整策略之间一一对应的关联关系,如此,便于终端设备在确定出目标实时任务之后提取对应优先级调整策略来执行对处理优先级的调整操作。应当理解的是,基于实际应用的不同设计需要,在不同可行的实施方式当中,该优先级调整策略当然也可以被配置成为其他不同于本实施例所列举的具体调整方式,本发明实时任务的调度方法并不针对该优先级调整策略的具体内容以及提取方式等进行限定。
终端设备确定出需要降低处理优先级的目标实时任务之后,提取出该目标实时任务对关联对应的优先级调整策略,然后按照该优先级调整策略针对该目标实时任务的处理优先级进行降低,并将降低后得到的处理优先级作为该目标实时任务的新的处理优先级。
具体地,例如,终端设备确定任务3为系统资源消耗过多从而需要立即调整处理优先级的目标实时任务之后,提取出与该任务3相一一对应的优先级调整策略,并按照该优先级调整策略记载的“将处理优先级直接降低到全部处理优先级的最低一级”的方式,将调度该任务3时基于配置参数中任务执行优先级—8级设定的“优”,直接降低处理优先级“最优、优和较优”三个等级中的最低一级—“较优”,从而,终端设备再将调整后的处理优先级“较优”作为该任务3的新的处理优先级。
步骤S30,按照调整所述处理优先级后得到的新的处理优先级处理所述目标实时任务。
终端设备在基于当前调度执行的各个实时任务各自的系统资源消耗情况,动态的调低系统资源消耗情况超过阈值的目标实时任务处理优先级之后,终端设备再次按照调低处理优先级后目标实时任务新的处理优先级,为该目标实时任务的处理服务进程重新分配系统资源,以重新针对该目标实时处理任务进行处理。
具体地,例如,终端设备在将任务3的处理优先级由“优”调低成为“较低”之后,重新为当前正在处理执行的任务1、任务2和任务3调配终端设备的服务器在当前用于执行实时任务的CPU、内存、I/O或者网络带宽等系统资源,即,将处理任务3的服务进程原本所占用的系统资源的50%分出25%均分给分别处理任务1和任务2的服务进程,从而令处理任务1的服务进程以当前可用全部系统资源的37.5%处理任务1、令处理任务2的服务进程以当前可用全部系统资源的37.5%处理任务2,并令处理任务3的服务进程仅以当前可用全部系统资源的25%处理任务3。
本发明实施例提供一种定时任务的调度方法,通过终端设备在调度预先配置实时任务进行处理的过程中,在预先生成的任务调度列表当中调度当前时刻需要执行处理的各个实时任务,并在针对该各个实时任务进行执行处理的过程当中,持续的监测该各个实时任务在处理过程当中针对终端系统资源的系统资源消耗情况;终端设备在调度当前时刻需要处理的各个实时任务,并持续监测该各个实时任务在处理过程当中针对终端系统资源的系统资源消耗情况后,实时的检测该各个实时任务的系统资源消耗情况是否超过阈值,并在确定超过阈值时,将系统资源消耗情况超过阈值的目标实时任务的处理优先级动态调低;终端设备在基于当前调度执行的各个实时任务各自的系统资源消耗情况,动态的调低系统资源消耗情况超过阈值的目标实时任务处理优先级之后,终端设备再次按照调低处理优先级后目标实时任务新的处理优先级,为该目标实时任务的处理服务进程重新分配系统资源,以重新针对该目标实时处理任务进行处理。
本发明相比于传统定时任务调度的方式,能够根据监测定时任务在被处理时消耗的终端系统资源情况,并针对消耗系统资源过多的实时任务进行处理优先级的动态调整,如此,能够在智能终端当前调度的某一个定时任务消耗系统资源过多时,及时调配出被占用的系统资源给当前同时调度的其它定时任务,从而有效的避免了其它定时任务因为系统资源占用的影响而无法被处理完成的情况,保证了其它定时任务的处理时效。此外,本发明通过在调整占用系统资源过多的定时任务的处理优先级后,按照调整后得到的新的处理优先级重新来处理该实时任务,能够使得该实时任务获得其它实时任务处理完成后腾出的更多的系统资源以确保该实时任务能够被处理完成,从而确保了定时任务的整体处理效率。
进一步地,基于上述第一实施例,提出本发明定时任务的调度方法的第二实施例,在本实施例中,本发明定时任务的调度方法,还可以包括:
步骤S70,调用预设的预测模型预测各所述实时任务中是否存在处理异常的异常实时任务;
步骤S80,若预测到存在所述异常实时任务,则输出所述异常实时任务的处理异常提示。
需要说明的是,在本实施例中,预设的预测模型为基于实时任务的历史执行数据进行处理异常预测的模型,具体地,该预测模型具体可以为自回归模型、神经网络模型或者其它时序预测模型等等。应当理解的是,基于实际应用的不同设计需要,在不同可行的实施方式当中,终端设备可以基于需要选择运用不同类型的模型来进行实时任务处理异常的预测操作,本发明实时任务的调度方法,并不针对该预测模型的具体种类进行限定。
终端设备在调度出当前时刻需要处理的多个实时任务,并按照处理优先级调配系统资源针对该多个实时任务进行处理的过程中,终端设备进一步调用预测模型来预测该多个实时任务各自的处理是否存在处理异常,并在预测到该多个实时任务当中存在处理异常的一个或者多个异常实时任务之后,随即向负责任务管理的工作人员输出该一个或者多个异常实时任务的处理异常提示,以供该工作人员基于该提示针对该一个或者多个异常实时任务进行运维管理操作。
具体地,例如,请参照如图3所示的应用流程,终端设备在按照最开始设定的任务1、任务2以及任务3各自的处理优先级分配系统资源进行处理,并监测处理时该任务1、任务2以及任务3各自的系统资源消耗情况,从而在未检测到该任务1、任务2以及任务3各自的系统资源消耗情况超过资源消耗阈值,即系统资源充足时正常执行该任务1、任务2以及任务3的过程中,或者,在任务3的系统资源消耗情况超过资源消耗阈值致使系统资源紧张,从而针对任务3的处理优先级进行调低后重新处理该任务1、任务2以及任务3的过程中,终端设备通过获取的该任务1、任务2以及任务3各自的历史执行数据,分别调用自回归模型、神经网络模型或者其它时序预测模型,来预测当前对于该任务1、任务2以及任务3的处理是否存在处理异常。从而,终端设备在预测到针对任务3的处理存在耗时异常(长时间占用系统资源却任务并未执行完成)时,立即通过预先配置的消息输出接口(如前端屏幕的交互式对话框、邮件、微信和/或者短信等)向运维人员输出该任务3的的处理异常提示,从而,供运维人员基于该提示针对该任务3进行运维管理操作。
进一步地,在一种可行的实施例中,上述步骤S70,可以包括:
步骤S701,根据各所述实时任务各自的历史执行数据生成各所述实时任务各自的平稳时间序列数据;
终端设备在通过调用自回归模型预测调度的各个实时任务的处理是否存在处理异常的过程中,先获取该各个实时任务各自的历史执行数据,并基于该历史执行数据生成该各个实时任务各自的平稳时间序列数据。
需要说明的是,在本实施例中,历史执行数据为对于实时任务类型为按时间间隔执行的任务和按年月日循环执行的任务,在终端设备每一次调度处理该类型实时任务时监控记录的该实时任务的执行时间(从开始处理到处理完成所花费的时长)以及对于系统资源的系统资源消耗情况。
具体地,例如,终端设备在调用自回归模型预测按年月日循环执行的任务3是否存在处理异常时,先获取该任务3在之前循环执行过程中终端设备所持续监控到的该任务3每一次被调度处理的执行时间以及系统资源消耗情况,然后,终端设备将该每一次被调度处理的执行时间以及系统资源消耗情况作为一个离散的数组,并将每一个数组组合起来形成一个序列集合(即时间序列),从而将该序列集合作为该任务3的时间序列数据,最后,终端设备针对该时间序列数据进行绘图处理来确认该时间序列数据为平稳时间序列数据。
在另一种可行的实施例中,若终端基于针对该任务3的时间序列数据进行绘图从而确认该时间序列数据为非平稳时间序列数据时,终端设备可通过针对该非平稳时间序列数据进行d阶差分运算,已将该非平稳时间序列数据转化成为平稳时间序列数据。
步骤S702,分别计算模型参数得到各所述实时任务各自的自回归模型;
终端设备在基于各个实时任务各自的历史执行数据生成该各个实时任务各自的平稳时间序列数据之后,计算得到各个实时任务各自的模型参数从而得到该各个实时任务各自的自回归模型。
需要说明的是,在本实施例中,模型参数为代入自回归算法以对应生成实时任务的自回归模型的参数,该模型参数具体为实时任务的平稳时间序列数据的差分阶数d,或者针对非平稳时间序列数据进行d阶差分运算的阶数d’,以及,针对该平稳时间序列数据先调用自相关函数(ACF)计算得到自相关系数,并调用偏自相关函数(PACF)计算得到偏自相关系数后,利用该自相关系数和偏自相关系数进行自相关图和偏自相关图分析得到的最佳阶层p和最佳阶数q。
进一步地,在一种可行的实施例中,上述步骤S702,可以包括:
步骤S7021,确定各所述实时任务中的待预测实时任务,并随机生成所述待预测实时任务的多组模型参数;
终端设备将需要进行预测的实时任务分别作为待预测实时任务,然后通过赋值的方式随机的生成该待预测实时任务的多组模型参数。
需要说明的是,在本实施例中,由于不同的模型参数d、p和q不同,其代入自回归算法形成自回归模型后进行预测得到结果也将不同,且模型参数d、p和q具体取决于实时任务的历史使用数据的时间序列特征,时间序列不同时该模型参数d、p和q也存在区别,如此,通过机生成多组不同的模型参数来生成自回归模型进行实时任务处理异常的预测以得到多个预测结果,最后针对该多个预测结果进行加权平均处理后得到最后的预测结果,从而有效的保证预测结果的准确性。
具体地,例如,终端设备先将当前时刻调度处理的3个定时任务:任务1、任务2以及任务3中,任务3作为该3个定时任务中进行是否存在处理异常的待预测实时任务,从而,终端设备进一步基于该任务3的平稳时间序列数据的差分阶数d或者d’=1或者2、p=0至9任意一个值,以及q=0至9任意一个值,来依次在d、p和q各自可选的数值范围内,随机提取d、p和q各自的数值,从而生成200组不同的模型参数d、p和q。
步骤S7022,将多组模型参数分别输入预设的自回归算法以得到所述预测实时任务的多个自回归模型;
需要说明的是,在本实施例中,预设的自回归算法具体可以为ARI MA算法(一种机器学习算法)。
终端设备在随机生成待预测实时任务的多组模型参数之后,分别将该每一组模型参数代入自回归算法从而得到该待预测实时任务的多组自回归模型以供后续预测该待预测实时任务是否存在处理异常。
具体地,例如,终端设备在基于待预测任务—任务3的平稳时间序列数据的差分阶数d=1或者2、p=0至9任意一个值,以及q=0至9任意一个值,来随机生成200组模型参数d、p和q之后,分别将该200组模型参数d、p和q的每一组代入ARIMA算法中,从而形成该任务3的200个用于预测任务3是否存在处理异常的自回归模型—ARIMA模型。
步骤S703,调用所述自回归模型针对所述平稳时间序列数据进行预测以确定各所述实时任务中是否存在处理异常的异常实时任务。
终端设备在利用各个实时任务各自的平稳时间序列数据计算得到模型参数从而得到该各个实时任务各自的自回归模型之后,直接调用该自回归模型针对该平稳时间序列数据进行预测以输出实时任务是否存在处理异常的预测结果,从而在该自回归模型输出存在处理异常的预测结果时,终端设备即将该预测结果对应的实时任务确定为各个实时任务当中的异常实时任务。
进一步地,在一种可行的实施例中,上述步骤S703,可以包括:
步骤S7031,调用所述待预测实时任务的多个自回归模型对所述待预测实时任务的平稳时间序列数据进行预测得到多个预测结果;
步骤S7032,针对多个预测结果进行加权平均处理得到目标预测结果,并根据所述目标预测结果确定所述待预测实时任务是否为各所述实时任务中的异常实时任务。
终端设备在得到当前调度处理的多个实时任务中,待预测实时任务的多个自回归模型之后,分别调用该多个自回归模型针对该待预测实时任务的平稳时间序列数据进行预测,从而得到多个标识该待预测实时任务是否存在处理异常的预测结果,然后,终端设备通过加权平均算法针对该多个预测结果进行加权平均处理,从而得到针对该待预测实时任务进行处理异常预测最终的目标预测结果,最后,若该目标预测结果标识该待预测实时任务存在处理异常是,即确定该待预测实时任务为终端设备当前调度处理的各个实时任务当中的异常实时任务。
具体地,例如,终端设备将待预测任务—任务3的平稳时间序列数据初始化得到一组基于时间序列的CPU使用率的数组(假定为data=[20,25,21,24,26,24,19,32,30,28,24,26,24,......]),然后,依次调用该任务3的200个自回归模型—ARIMA模型,分别针对该数组进行计算:arma_mod20=sm.tsa.ARMA(d1data,(p,q)).fit().predict(btime,etime,dynamic=True)以得到200个预测结果,最后,终端设备再利用加权平均算法:avg=np.average(a,weights=[3,3,4])),来针对该200个预测结果进行加权平均处理得到一个最终的目标预测结果,如此,若该目标预测结果仍然标识该任务3存在处理异常(例如长时间占用系统资源造成耗时异常等),则终端设备即将该任务3确定为当前调度处理的3个实时任务:任务1、任务2和任务3中,预测存在处理异常的异常实时任务。
在本实施例中,通过终端设备在调度出当前时刻需要处理的多个实时任务,并按照处理优先级调配系统资源针对该多个实时任务进行处理的过程中,终端设备进一步调用预测模型来预测该多个实时任务各自的处理是否存在处理异常,并在预测到该多个实时任务当中存在处理异常的一个或者多个异常实时任务之后,随即向负责任务管理的工作人员输出该一个或者多个异常实时任务的处理异常提示,以供该工作人员基于该提示针对该一个或者多个异常实时任务进行运维管理操作。
本发明相比于传统定时任务调度的方式,有效的避免了定时任务在消耗资源异常不能及时通知工作人员,造成任务执行异常不能得到及时修改的情况。此外,通过预测模型来预测实时任务是否存在执行异常,不仅能够今早发现任务异常进行修改,确保了异常修复时效,还通过对模型算法的优化进一步提升了预测结果的准确性,以避免误报异常的现象。
进一步地,本发明还提供一种定时任务的调度装置。请参照图4,图4为本发明定时任务的调度装置一实施例的功能模块示意图。如图4所示,本发明定时任务的调度装置包括:
处理监控模块10,用于从预设的任务调度列表中调度各实时任务,并监测各所述实时任务在处理时的系统资源消耗情况;
动态调整模块20,用于根据所述系统资源消耗情况动态调整各所述实时任务中目标实时任务的处理优先级;
任务执行模块30,用于按照调整所述处理优先级后得到的新的处理优先级处理所述目标实时任务。
进一步地,动态调整模块20,包括:
检测单元,用于检测各所述实时任务各自的所述系统资源消耗情况是否大于预设的资源消耗阈值;
确定单元,用于确定各所述实时任务中所述系统资源消耗情况大于所述资源消耗阈值的目标实时任务;
调整单元,用于按照预设的优先级调整策略降低所述目标实时任务的处理优先级以得到所述目标实时任务的新的处理优先级。
进一步地,本发明定时任务的调度装置包括,还包括:
预测模块,用于调用预设的预测模型预测各所述实时任务中是否存在处理异常的异常实时任务;
输出模块,用于若预测到存在所述异常实时任务,则输出所述异常实时任务的处理异常提示。
进一步地,所述预测模型包括自回归模型,预测模块,包括:
生成单元,用于根据各所述实时任务各自的历史执行数据生成各所述实时任务各自的平稳时间序列数据;
计算单元,用于分别计算模型参数得到各所述实时任务各自的自回归模型;
预测单元,用于调用所述自回归模型针对所述平稳时间序列数据进行预测以确定各所述实时任务中是否存在处理异常的异常实时任务。
进一步地,计算单元,包括:
随机生成子单元,用于确定各所述实时任务中的待预测实时任务,并随机生成所述待预测实时任务的多组模型参数;
代入计算子单元,用于将多组模型参数分别输入预设的自回归算法以得到所述预测实时任务的多个自回归模型。
进一步地,预测单元,包括:
预测子单元,用于调用所述待预测实时任务的多个自回归模型对所述待预测实时任务的平稳时间序列数据进行预测得到多个预测结果;
加权平均单元,用于针对多个预测结果进行加权平均处理得到目标预测结果,并根据所述目标预测结果确定所述待预测实时任务是否为各所述实时任务中的异常实时任务。
进一步地,本发明定时任务的调度装置,还包括:
接收模块,用于接收各实时任务的配置参数,其中,所述配置参数包括任务执行时间;
生成模块,用于根据所述任务执行时间生成各所述实时任务的任务调度列表。
进一步地,所述配置参数还包括任务执行优先级,本发明定时任务的调度装置的处理监控模块10,还用于根据所述任务执行优先级设定各所述实时任务的处理优先级,并按照所述处理优先级处理当前调度的各实时任务。
其中,上述定时任务的调度装置中各个模块的功能实现与上述定时任务的调度方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
本发明还提供一种计算机存储介质,该计算机存储介质上存储有定时任务的调度程序,所述定时任务的调度程序被处理器执行时实现如以上任一项实施例所述的定时任务的调度方法的步骤。
本发明计算机存储介质的具体实施例与上述定时任务的调度方法各实施例基本相同,在此不作赘述。
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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。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、物品或者系统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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
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)
1.一种定时任务的调度方法,其特征在于,所述定时任务的调度方法包括:
从预设的任务调度列表中调度各实时任务,并监测各所述实时任务在处理时的系统资源消耗情况;
根据所述系统资源消耗情况动态调整各所述实时任务中目标实时任务的处理优先级;
按照调整所述处理优先级后得到的新的处理优先级处理所述目标实时任务。
2.如权利要求1所述的定时任务的调度方法,其特征在于,所述根据所述系统资源消耗情况动态调整各所述实时任务中目标实时任务的处理优先级的步骤,包括:
检测各所述实时任务各自的所述系统资源消耗情况是否大于预设的资源消耗阈值;
确定各所述实时任务中所述系统资源消耗情况大于所述资源消耗阈值的目标实时任务;
按照预设的优先级调整策略降低所述目标实时任务的处理优先级以得到所述目标实时任务的新的处理优先级。
3.如权利要求1所述的定时任务的调度方法,其特征在于,所述定时任务的调度方法还包括:
调用预设的预测模型预测各所述实时任务中是否存在处理异常的异常实时任务;
若预测到存在所述异常实时任务,则输出所述异常实时任务的处理异常提示。
4.如权利要求3所述的定时任务的调度方法,其特征在于,所述预测模型包括自回归模型,所述调用预设的预测模型预测各所述实时任务中是否存在处理异常的异常实时任务的步骤,包括:
根据各所述实时任务各自的历史执行数据生成各所述实时任务各自的平稳时间序列数据;
分别计算模型参数得到各所述实时任务各自的自回归模型;
调用所述自回归模型针对所述平稳时间序列数据进行预测以确定各所述实时任务中是否存在处理异常的异常实时任务。
5.如权利要求4所述的定时任务的调度方法,其特征在于,所述分别计算模型参数得到各所述实时任务各自的自回归模型的步骤,包括:
确定各所述实时任务中的待预测实时任务,并随机生成所述待预测实时任务的多组模型参数;
将多组模型参数分别输入预设的自回归算法以得到所述预测实时任务的多个自回归模型;
所述调用所述自回归模型针对所述平稳时间序列数据进行预测以确定各所述实时任务中是否存在处理异常的异常实时任务的步骤,包括:
调用所述待预测实时任务的多个自回归模型对所述待预测实时任务的平稳时间序列数据进行预测得到多个预测结果;
针对多个预测结果进行加权平均处理得到目标预测结果,并根据所述目标预测结果确定所述待预测实时任务是否为各所述实时任务中的异常实时任务。
6.如权利要求1-5任一项所述的定时任务的调度方法,其特征在于,在所述从预设的任务调度列表中调度各实时任务的步骤之前,所述方法还包括:
接收各实时任务的配置参数,其中,所述配置参数包括任务执行时间;
根据所述任务执行时间生成各所述实时任务的任务调度列表。
7.如权利要求6所述的定时任务的调度方法,其特征在于,所述配置参数还包括任务执行优先级,在所述监测各所述实时任务在处理时的系统资源消耗情况的步骤之前,所述方法还包括:
根据所述任务执行优先级设定各所述实时任务的处理优先级,并按照所述处理优先级处理当前调度的各实时任务。
8.一种定时任务的调度装置,其特征在于,所述定时任务的调度装置包括:
处理监控模块,用于从预设的任务调度列表中调度各实时任务,并监测各所述实时任务在处理时的系统资源消耗情况;
动态调整模块,用于根据所述系统资源消耗情况动态调整各所述实时任务中目标实时任务的处理优先级;
任务执行模块,用于按照调整所述处理优先级后得到的新的处理优先级处理所述目标实时任务。
9.一种终端设备,其特征在于,所述终端设备包括: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定时任务的调度程序,所述定时任务的调度程序被所述处理器执行时实现如权利要求1至7中任一项所述的定时任务的调度方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有定时任务的调度程序,所述定时任务的调度程序被处理器执行时实现如权利要求1至7中任一项所述的定时任务的调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011620107.8A CN112685160A (zh) | 2020-12-30 | 2020-12-30 | 定时任务的调度方法、装置,终端设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011620107.8A CN112685160A (zh) | 2020-12-30 | 2020-12-30 | 定时任务的调度方法、装置,终端设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112685160A true CN112685160A (zh) | 2021-04-20 |
Family
ID=75453865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011620107.8A Pending CN112685160A (zh) | 2020-12-30 | 2020-12-30 | 定时任务的调度方法、装置,终端设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112685160A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113239243A (zh) * | 2021-07-08 | 2021-08-10 | 湖南星汉数智科技有限公司 | 基于多计算平台的图数据分析方法、装置和计算机设备 |
CN114386655A (zh) * | 2021-12-02 | 2022-04-22 | 国网辽宁省电力有限公司电力科学研究院 | 变压器质量检测任务调度方法及系统 |
CN116431318A (zh) * | 2023-06-13 | 2023-07-14 | 云账户技术(天津)有限公司 | 定时任务处理方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-30 CN CN202011620107.8A patent/CN112685160A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113239243A (zh) * | 2021-07-08 | 2021-08-10 | 湖南星汉数智科技有限公司 | 基于多计算平台的图数据分析方法、装置和计算机设备 |
CN114386655A (zh) * | 2021-12-02 | 2022-04-22 | 国网辽宁省电力有限公司电力科学研究院 | 变压器质量检测任务调度方法及系统 |
CN116431318A (zh) * | 2023-06-13 | 2023-07-14 | 云账户技术(天津)有限公司 | 定时任务处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112685160A (zh) | 定时任务的调度方法、装置,终端设备及计算机存储介质 | |
US10783002B1 (en) | Cost determination of a service call | |
CN111625331B (zh) | 任务调度方法、装置、平台、服务器及存储介质 | |
CN112162865A (zh) | 服务器的调度方法、装置和服务器 | |
WO2021159638A1 (zh) | 集群队列资源的调度方法、装置、设备及存储介质 | |
CN110474852B (zh) | 一种带宽调度方法及装置 | |
Gedawy et al. | Cumulus: A distributed and flexible computing testbed for edge cloud computational offloading | |
CN106557369A (zh) | 一种多线程的管理方法及系统 | |
US8312466B2 (en) | Restricting resources consumed by ghost agents | |
CN111459754B (zh) | 异常任务的处理方法、装置、介质及电子设备 | |
CN112860403A (zh) | 集群负载资源调度方法、装置、设备、介质及产品 | |
CN109117244B (zh) | 一种虚拟机资源申请排队机制的实现方法 | |
CN110245009B (zh) | 周期任务分配方法、装置、计算机设备和存储介质 | |
CN112463361A (zh) | 一种分布式计算的弹性资源分配的方法和设备 | |
CN111737086B (zh) | 一种监控方式的调整方法、装置和计算机可读存储介质 | |
CN114253686A (zh) | 一种任务调度方法、装置、电子设备及存储介质 | |
CN113419863A (zh) | 一种基于节点能力的数据分配处理方法及装置 | |
CN114942844A (zh) | 一种基于云平台的MySQL数据库弹性伸缩方法及系统 | |
CN112948092A (zh) | 批量作业的调度方法、装置、电子设备及存储介质 | |
WO2022171262A1 (en) | Scheduling tasks for execution by a computer based on a reinforcement learning model | |
CN111444001A (zh) | 一种云平台任务调度方法及系统 | |
CN115239216B (zh) | 生产资源的预防性计划保养方法、装置、设备及存储介质 | |
CN113986519B (zh) | 数据调度处理方法、装置、设备及存储介质 | |
CN110113434B (zh) | 作业自动调度均衡方法、装置、设备及存储介质 | |
CN113672673B (zh) | 数据采集方法及装置、存储介质及电子设备 |
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 |