CN113568658A - 多语言地学在线服务方法、装置、存储介质及电子设备 - Google Patents

Abstract

本发明提供了一种多语言地学在线服务方法、装置、存储介质及电子设备，实现了基于Docker封装的地学在线服务方法。通过在线资源调度，实现在线算法输入数据的准备、算法运行、结束和输出数据的后处理等任务调度。用户在网页端操作，向在线算法发出计算指令，在线算法根据计算指令进行在线计算，最后将计算结果文件在网页中展示出来。同时本发明实现了多语言地学在线服务，可适用于多种编程语言，可对C语言编译器、Fortran编译器、Python编译器、其他依赖的软件程序等运行环境进行便捷配置，对算法运算结果进行可视化处理，矢量、栅格空间数据采用地图可视化方式展示，长时间序列数据采用图表可视化方式展示。

Description

多语言地学在线服务方法、装置、存储介质及电子设备

技术领域

本发明涉及地学计算领域，具体而言，涉及一种多语言地学在线服务方法、装置、存储介质及电子设备。

背景技术

算法是科学研究中的一种重要方法。随着信息技术的迅猛发展，算法越来越广泛地被应用并产生了巨大的经济、社会和生态效益。算法是一种把认识对象作为一个比较完整的形象进行表示，从而使问题简明扼要，以便窥见其本质的方法。

地学算法是地学原型的一种表现形式，是人们构建的主观思想框架对客观实际的反映，是对客观的地学世界的一种理解，是研究和解释地学问题的一种重要的科学手段和方法。

随着互联网技术的广泛应用，地学在线服务越来越受到人们的重视。但是，国内目前还没有比较实用的多语言地学在线服务方法与平台。传统的地学算法存在无法在线运行，运行环境配置复杂，环境配置不成功就无法使用，运行结果可视化方式比较单一等问题。因此，算法可在线运行、适用于多种语言、运行环境配置简便、运行结果可视化效果可配置是地学在线服务亟需解决的问题。

发明内容

本发明的目的包括，例如，提供了一种多语言地学在线服务方法、装置、存储介质及电子设备，其能够利用多种语言实现不同的算法，对算法运算结果进行可视化处理，提高地学在线服务的实用性。

本发明的实施例可以这样实现：

第一方面，本发明提供一种多语言地学在线服务方法，所述多语言地学在线服务方法包括：

获取预配置数据，所述预配置数据包括目标算法信息、算法配置参数以及待处理数据；

依据所述目标算法信息调用目标算法Docker对所述待处理数据进行处理；

将处理的结果发送至前端，进行可视化处理。

在可选的实施方式中，所述依据所述目标算法信息调用目标算法Docker对所述待处理数据进行处理包括：

依据所述目标算法信息，匹配与所述目标算法信息对应的目标算法Docker；

调用所述目标算法Docker，按照所述算法配置参数执行所述目标算法对所述待处理数据进行处理。

在可选的实施方式中，所述获取预配置数据包括：

获取用户在前端选择的目标算法；

获取用户设置的算法配置参数；

获取用户上传的待处理数据，所述待处理数据包括时序数据、矢量数据或栅格空间数据。

在可选的实施方式中，所述将处理的结果发送至前端，进行可视化处理包括：

对矢量数据或栅格空间数据进行地图可视化处理；

对长时间序列数据进行图表可视化处理。

在可选的实施方式中，所述方法还包括：

获取所述目标算法Docker的运行状态信息，将所述目标算法Docker的运行状态信息输出至前端。

在可选的实施方式中，在所述依据所述目标算法信息调用目标算法Docker对所述待处理数据进行处理之前，所述方法还包括：

获取算法Docker镜像，所述算法Docker镜像包括算法运行环境、算法代码以及算法输入输出目录。

第二方面，本发明提供一种多语言地学在线服务装置，所述装置用于执行如前述实施方式任意一项所述的多语言地学在线服务方法，所述装置包括：

获取模块，用以获取预配置数据，所述预配置数据包括目标算法、算法配置参数以及待处理数据；

处理模块，用以依据所述目标算法信息调用目标算法Docker对所述待处理数据进行处理；

输出模块，用于将处理的结果发送至前端，进行可视化处理。

在可选的实施方式中，所述处理模块用于依据所述目标算法信息，匹配与所述目标算法信息对应的目标算法Docker；调用所述目标算法Docker，按照所述算法配置参数执行所述目标算法对所述待处理数据进行处理。

第三方面，本发明提供一种存储介质，所述存储介质存储有计算机可读程序指令，该计算机可读程序指令被处理器执行时实现如前述实施方式任意一项所述的多语言地学在线服务方法的步骤。

第四方面，本发明提供一种电子设备，所述电子设备包括处理器，所述处理器用于执行计算机可读程序指令，该计算机可读程序指令被处理器执行时实现如前述实施方式任意一项所述的多语言地学在线服务方法的步骤。

相对于现有技术，本发明提供了一种多语言地学在线服务方法、装置、存储介质及电子设备，多语言地学在线服务方法包括：获取预配置数据，所述预配置数据包括目标算法信息、算法配置参数以及待处理数据；依据所述目标算法信息调用目标算法Docker对所述待处理数据进行处理；将处理的结果发送至前端，进行可视化处理。本发明实现了基于Docker封装的地学在线服务方法。通过在线资源调度，实现在线算法输入数据的准备、算法运行、结束和输出数据的后处理等任务调度。用户在网页端操作，向在线算法发出计算指令，在线算法根据计算指令进行在线计算，最后将计算结果文件在网页中展示出来。同时本发明实现了多语言地学在线服务。可适用于多种编程语言，可对C语言编译器、Fortran编译器、Python编译器、其他依赖的软件程序等运行环境进行便捷配置。对算法运算结果进行可视化处理，满足时序数据、矢量数据、栅格数据等运行结果数据多样化可视化需求，矢量、栅格空间数据采用地图可视化方式展示，长时间序列数据采用图表可视化方式展示。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明提供的一种多语言地学在线服务方法的流程示意图；

图2为本发明提供的另一种多语言地学在线服务方法的流程示意图；

图3为本发明提供的另一种多语言地学在线服务方法的流程示意图；

图4为本发明提供的另一种多语言地学在线服务方法的流程示意图；

图5为本发明提供的一种多语言地学在线服务装置的功能模块示意图；

图6为本发明提供的一种电子设备的示意图。

图标：300-多语言地学在线服务装置；310-获取模块；320-处理模块；330-输出模块；410-处理器；411-存储器；412-总线；413-通信接口。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。

地学算法是地学原型的一种表现形式，是人们构建的主观思想框架对客观实际的反映，是对客观的地学世界的一种理解，是研究和解释地学问题的一种重要的科学手段和方法。随着互联网技术的广泛应用，地学在线服务越来越受到人们的重视。但是，国内目前还没有比较实用的多语言地学在线服务方法与平台。传统的地学算法存在无法在线运行，运行环境配置复杂，环境配置不成功就无法使用，运行结果可视化方式比较单一等问题。因此，算法可在线运行、适用于多种语言、运行环境配置简便、运行结果可视化效果可配置是地学在线服务亟需解决的问题。

为了改善上述问题，本申请提供了一种多语言地学在线服务方法，请参考图1，图1示出了本实施例提供的多语言地学在线服务方法的流程示意图。本申请实施例提供的多语言地学在线服务方法包括步骤110～步骤130。

步骤110：获取预配置数据，预配置数据包括目标算法信息、算法配置参数以及待处理数据。

预配置数据包括目标算法信息、算法配置参数以及待处理数据，在可能的实施方式中，获取预配置数据包括但不限于：获取用户在前端选择的目标算法；获取用户设置的算法配置参数；获取用户上传的待处理数据，待处理数据包括时序数据、矢量数据或栅格空间数据。

时序数据：是指长时间序列的地学科学观测数据，包括Excel、CSV、DAT等格式；矢量数据：是矢量格式的空间数据，包括shp、KML、GeoJSON等格式；栅格数据：是栅格格式的空间数据，包括GPKG、TIF、IMG等格式。

预配置数据可以是用户在前端选定或者输入的，例如，用户在前端选定目标算法，服务器获取用户在前端选定的目标算法信息。

预配置数据还包括算法配置参数，算法配置参数包括输入文件配置以及算法输出参数设置。在可能的实施方式中，算法配置参数同样由用户在前端选定或者输入，本实施例对此不作限定。

步骤120：依据目标算法信息调用目标算法Docker对待处理数据进行处理。

获取目标算法信息、算法配置参数以及待处理数据后，依据目标算法信息调用与目标算法信息对应的目标算法Docker运行，对待处理数据进行处理，得到处理的结果。

步骤130：将处理的结果发送至前端，进行可视化处理。

将目标算法Docker处理的结果实时发送至前端进行显示，一方面提供算法运行的处理结果下载，另一方面还可以对处理结果进行可视化处理，便于用户了解算法运算的处理结果。

在一些可能的实施方式中，在图1的基础上，请参阅图2，步骤120包括以下子步骤：步骤120-1～步骤120-2。

步骤120-1：依据目标算法信息，匹配与目标算法信息对应的目标算法Docker。

服务器存储有多个不同算法Docker，依据目标算法信息匹配与目标算法信息对应的目标算法Docker；例如用户选定的目标算法代码或程序为python、shaw.py或exe；服务器根据目标算法信息匹配相应的目标算法Docker。

步骤120-2：调用目标算法Docker，按照算法配置参数执行目标算法对待处理数据进行处理。

启动对应的Docker镜像，在镜像中准备运行的输入文件和相应参数文件，执行算法，对待处理数据进行处理，得到算法运行的处理结果，同时监听执行中的日志信息即运行状态信息。

在可能的实施方式中，处理后的结果包括不同类型的数据，如矢量数据或者栅格空间数据、长时间序列数据等。得到上述处理结果后，在可选的实施方式中，对处理的结果进行可视化处理，如图3所示，步骤130包括以下子步骤：步骤130-1～步骤130-2。

步骤130-1：对矢量数据或栅格空间数据进行地图可视化处理。

例如，矢量数据可视化支持点线面不同要素配置(如可配置颜色、大小、粗细、边框等)；栅格数据可视化支持色表配置。

步骤130-2：对长时间序列数据进行图表可视化处理。

图表可视化处理支持折线图、柱状图、条形图、饼图、散点图、面积图、箱型图、烛形图、热力图、仪表盘、漏斗图、雷达图、分面和关系图等常见的图表等，并支持配置X/Y轴。

需要说明的是，步骤130-1与步骤130-2并无逻辑上的先后关系，二者可以同时执行，或者任一在先执行，本实施例对此不作限定。

在可选的实施方式中，请参阅图4，上述方法还包括：

步骤140：获取目标算法Docker的运行状态信息，将目标算法Docker的运行状态信息输出至前端。

在目标算法Docker运行过程中，实时获取目标算法Docker运行日志，并将运行状态信息实时输出至前端进行显示。

需要说明的是，步骤140与步骤130并无逻辑上的先后关系，二者可以同时进行。

前述实施方式中提及服务器中存储有多个不同的算法Docker，在可选的实施方式中，在步骤120：依据目标算法信息调用目标算法Docker对待处理数据进行处理之前，方法还包括：

步骤:111：获取算法Docker镜像，算法Docker镜像包括算法运行环境、算法代码以及算法输入输出目录。

在可能的实施方式中，获取用户编辑的算法Docker镜像，算法Docker镜像包括算法运行环境、算法代码以及算法输入输出目录。

在可能的实施方式中，编辑算法Docker镜像，可以Ubuntu为基础，包括运行环境(C语言编译器、Fortran编译器、Python编译器、其他依赖的软件程序)、算法代码、算法输入输出目录等。Docker是一种操作系统层面的虚拟化技术，利用Linux内核提供的cgroup、namespace技术，对进程进行封装隔离，由于隔离的进程独立于宿主和其它的隔离进程，因此其也被称为容器。传统的单机版算法使用了Fortran或者C/C++等计算机编程语言编写，使用之前，需要安装依赖的软件包，配置所需的软件环境，再经过编译生成可执行文件，以进程的方法运行。算法的运行环境复杂，计算步骤繁多，难于在代码层面进行改造。因此，本实施例提供的方案对于算法采用Docker容器化的方式进行改造：1)编写Dockerfile文件，在该文件中配置好算法的运行环境；2)将算法源码编译为可执行文件，打包至容器环境中，存储形式即为上述算法Docker镜像。在需要执行不同的算法时，调用相应的Docker镜像执行即可。

在一些其他可能的实施方式中，提供两种在线服务方式：一是用户经算法库的元信息页面，跳转至参数配置页面，通过点击运行按钮，调用计算方法，并将计算结果在Web界面呈现，计算结果可下载；二是用户经算法库的元信息页面，跳转至在线代码编辑器页面，通过点击运行按钮，调用计算方法，并将计算过程、结果在代码编辑器呈现，计算结果可下载。

综上所述，本申请实施方式提供了一种多语言地学在线服务方法，使用Docker对算法进行封装，包括算法运行所需环境(编译器、解释器、环境变量等)、算法的完整代码等；建立了一个用于接收算法参数和显示算法运行结果等的前端，以及一个用于Docker调度运行以及指令传输等的后端，前后端之间采用Kafka消息队列技术，实现后台程序与Docker内算法的通信，最终实现了基于Docker封装的多语言地学在线服务应用。

为了执行上述实施例及各个可能的实施方式中的相应步骤，下面给出一种多语言地学在线服务装置的实施方式，请参阅图5，图5为本发明较佳实施例提供的一种多语言地学在线服务装置300。需要说明的是，本实施例所提供的多语言地学在线服务装置300，其基本原理及产生的技术效果和上述实施例提供的多语言地学在线服务方法基本相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。本实施例提供的多语言地学在线服务装置300包括获取模块310、处理模块320及输出模块330。

获取模块310，用以获取预配置数据，预配置数据包括目标算法、算法配置参数以及待处理数据。

可以理解地，在一种可能的实施方式中，获取模块310可以用于执行上述各个图中的步骤110，以实现相应的技术效果。

处理模块320，用以依据目标算法信息调用目标算法Docker对待处理数据进行处理。

可以理解地，在一种可能的实施方式中，处理模块320可以用于执行上述各个图中的步骤120，以实现相应的技术效果。

输出模块330，用于将处理的结果发送至前端，进行可视化处理。

可以理解地，在一种可能的实施方式中，该输出模块330可以用于执行上述各个图中的步骤130，以实现相应的技术效果。

在可选的实施方式中，处理模块320用于依据目标算法信息，匹配与目标算法信息对应的目标算法Docker；调用目标算法Docker，按照算法配置参数执行目标算法对待处理数据进行处理。

可以理解地，在一种可能的实施方式中，该处理模块320可以用于执行上述各个图中的步骤120-1～步骤120-2，以实现相应的技术效果。

在可选的实施方式中，输出模块330还用于对矢量数据或栅格空间数据进行地图可视化处理。例如，矢量数据可视化支持点线面不同要素配置(如可配置颜色、大小、粗细、边框等)；栅格数据可视化支持色表配置。输出模块330还用于对长时间序列数据进行图表可视化处理。图表可视化处理支持折线图、柱状图、条形图、饼图、散点图、面积图、箱型图、烛形图、热力图、仪表盘、漏斗图、雷达图、分面和关系图等常见的图表等，并支持配置X/Y轴。

可以理解地，在一种可能的实施方式中，该输出模块330可以用于执行上述各个图中的步骤130-1～步骤130-2，以实现相应的技术效果。

在可选的实施方式中，获取模块还用于获取目标算法Docker的运行状态信息，将目标算法Docker的运行状态信息输出至前端。

可以理解地，在一种可能的实施方式中，该获取模块310还可以用于执行上述各个图中的步骤140，以实现相应的技术效果。

本发明实施例还提供一种电子设备，该电子设备可以是地学终端，但不限于此。请参照图6，图6示出了本实施例提供的电子设备的结构示意图。电子设备包括处理器410、存储器411、总线412。处理器410、存储器411通过总线412连接，处理器410用于执行存储器411中存储的可执行模块，例如计算机可读程序指令，当该计算机可读程序指令被处理器410执行时实现上述实施例提供的多语言地学在线服务方法的步骤。

处理器410可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，本实施例提供的多语言地学在线服务方法的各步骤可以通过处理器410中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器410可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(ApplicationSpecific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field－ProgrammableGate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

存储器411可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。

总线412可以是ISA(Industry Standard Architecture)总线、PCI(PeripheralComponent Interconnect)总线或EISA(Extended Industry Standard Architecture)总线等。图6中仅用一个双向箭头表示，但并不表示仅有一根总线412或一种类型的总线412。

存储器411用于存储程序，例如多语言地学在线服务装置300对应的程序指令。多语言地学在线服务装置包括至少一个可以软件或固件(firmware)的形式存储于存储器411中或固化在电子设备的操作系统(operating system，OS)中的软件功能模块。处理器410在接收到执行指令后，执行所述程序以实现多语言地学在线服务方法的步骤。

可能地，本申请实施例提供的电子设备还包括通信接口413。通信接口413通过总线与处理器410连接。该通信接口413可以用于实现地学终端与网络的通信。

应当理解的是，图6所示的结构仅为电子设备的部分的结构示意图，电子设备还可包括比图6中所示更多或者更少的组件，或者具有与图6所示不同的配置，图6中所示的各组件可以采用硬件、软件或其组合实现。

本发明还提供一种存储介质，存储介质存储有计算机可读程序指令，该计算机可读程序指令被处理器执行时实现如前述实施方式任意一项的多语言地学在线服务方法的步骤。

综上所述，本发明提供了一种多语言地学在线服务方法、装置、存储介质及电子设备，多语言地学在线服务方法包括：获取预配置数据，预配置数据包括目标算法信息、算法配置参数以及待处理数据；依据目标算法信息调用目标算法Docker对待处理数据进行处理；将处理的结果发送至前端，进行可视化处理。本发明实现了基于Docker封装的地学在线服务方法。通过在线资源调度，实现在线算法输入数据的准备、算法运行、结束和输出数据的后处理等任务调度。用户在网页端操作，向在线算法发出计算指令，在线算法根据计算指令进行在线计算，最后将计算结果文件在网页中展示出来。同时本发明实现了多语言地学算法在线服务运行。可适用于多种编程语言，可对C语言编译器、Fortran编译器、Python编译器、其他依赖的软件程序等运行环境进行便捷配置。对算法运算结果进行可视化处理，满足时序数据、矢量数据、栅格数据等运行结果数据多样化可视化需求，矢量、栅格空间数据采用地图可视化方式展示，长时间序列数据采用图表可视化方式展示。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、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，所述模块、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施方式中，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，两个连续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动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。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (10)

1.一种多语言地学在线服务方法，其特征在于，所述多语言地学在线服务方法包括：

获取预配置数据，所述预配置数据包括目标算法信息、算法配置参数以及待处理数据；

依据所述目标算法信息调用目标算法Docker对所述待处理数据进行处理；

将处理的结果发送至前端，进行可视化处理。

2.根据权利要求1所述的多语言地学在线服务方法，其特征在于，所述依据所述目标算法信息调用目标算法Docker对所述待处理数据进行处理包括：

依据所述目标算法信息，匹配与所述目标算法信息对应的目标算法Docker；

调用所述目标算法Docker，按照所述算法配置参数执行所述目标算法对所述待处理数据进行处理。

3.根据权利要求1所述的多语言地学在线服务方法，其特征在于，所述获取预配置数据包括：

获取用户在前端选择的目标算法；

获取用户设置的算法配置参数；

获取用户上传的待处理数据，所述待处理数据包括时序数据、矢量数据或栅格空间数据。

4.根据权利要求3所述的多语言地学在线服务方法，其特征在于，所述将处理的结果发送至前端，进行可视化处理包括：

对矢量数据或栅格空间数据进行地图可视化处理；

对长时间序列数据进行图表可视化处理。

5.根据权利要求1所述的多语言地学在线服务方法，其特征在于，所述方法还包括：

获取所述目标算法Docker的运行状态信息，将所述目标算法Docker的运行状态信息输出至前端。

6.根据权利要求1所述的多语言地学在线服务方法，其特征在于，在所述依据所述目标算法信息调用目标算法Docker对所述待处理数据进行处理之前，所述方法还包括：

获取算法Docker镜像，所述算法Docker镜像包括算法运行环境、算法代码以及算法输入输出目录。

7.一种多语言地学在线服务装置，其特征在于，所述装置用于执行如权利要求1～6任意一项所述的多语言地学在线服务方法，所述装置包括：

获取模块，用以获取预配置数据，所述预配置数据包括目标算法、算法配置参数以及待处理数据；

处理模块，用以依据所述目标算法信息调用目标算法Docker对所述待处理数据进行处理；

输出模块，用于将处理的结果发送至前端，进行可视化处理。

8.根据权利要求7所述的多语言地学在线服务装置，其特征在于，所述处理模块用于依据所述目标算法信息，匹配与所述目标算法信息对应的目标算法Docker；调用所述目标算法Docker，按照所述算法配置参数执行所述目标算法对所述待处理数据进行处理。

9.一种存储介质，其特征在于，所述存储介质存储有计算机可读程序指令，该计算机可读程序指令被处理器执行时实现如权利要求1～6任意一项所述的多语言地学在线服务方法的步骤。

10.一种电子设备，其特征在于，所述电子设备包括处理器，所述处理器用于执行计算机可读程序指令，该计算机可读程序指令被处理器执行时实现如权利要求1～6任意一项所述的多语言地学在线服务方法的步骤。

Images