CN113902567A - 执行任务的方法、装置和电子设备 - Google Patents

Abstract

本公开提供了一种执行任务的方法、装置和电子设备，应用于人工智能或金融领域等。该方法包括：响应于任务的触发事件，确定与任务对应的N个规则以及N个规则之间的依赖关系，N是正整数；确定与N个规则各自对应的可执行代码；确定执行可执行代码所需的针对任务的实体数据；以及基于N个规则之间的依赖关系、与N个规则各自对应的可执行代码以及实体数据，得到针对任务的执行结果。

Description

执行任务的方法、装置和电子设备

技术领域

本公开涉及人工智能和金融技术领域，更具体地，涉及一种执行任务的方法、装置和电子设备。

背景技术

互联网时代，金融业务日益复杂多变，尤其是对客营销领域，获客渠道种类繁多，客户需求多种多样，营销策略千变万化，现有规则引擎无法满足上述需求。

发明内容

有鉴于此，本公开提供了一种用于满足多场景需求的执行任务的方法、装置和电子设备。

本公开的一个方面提供了一种执行任务的方法，包括：响应于任务的触发事件，确定与任务对应的N个规则以及N个规则之间的依赖关系，N是正整数；确定与N个规则各自对应的可执行代码；确定执行可执行代码所需的针对任务的实体数据；以及基于N个规则之间的依赖关系、与N个规则各自对应的可执行代码以及实体数据，得到针对任务的执行结果。

根据本公开的实施例，N个规则中的各规则包括M个模式和M个模式之间的关联关系，每个模式存在对应的代码段，M是正整数；与N个规则各自对应的可执行代码，是基于N个规则各自包括的关联模式、关联模式之间的关联关系以及与关联模式对应的代码段来确定的。

根据本公开的实施例，与N个规则各自对应的可执行代码通过如下方式来确定：对于N个规则中每个规则，将规则解析为模式树，模式树由规则包括的关联模式、关联模式之间的关联关系构成；以及基于关联模式之间的关联关系组装与关联模式对应的代码段，得到针对规则的可执行代码。

根据本公开的实施例，上述方法还包括：在响应于任务的触发事件之前，接收输入信息，输入信息包括：任务与规则之间的对应关系、任务与触发事件之间的对应关系以及规则之间的依赖关系中至少一种信息；以及响应于输入信息，将输入信息存储在指定版本的规则集合中，指定版本的规则集合具有标志位，标志位表征指定版本的有效状态。

根据本公开的实施例，上述方法还包括以下至少一种操作：响应于与规则集合相关联的初始化操作，将标志位处于有效状态的规则集合中的规则进行预加载和/或预编译，得到与标志位处于有效状态的规则集合中的规则对应的可执行代码；响应于与规则集合相关联的变更操作，将标志位处于有效状态的规则集合中的变更规则进行预加载和/或预编译，得到与标志位处于有效状态的规则集合中的变更规则对应的可执行代码。

根据本公开的实施例，确定执行可执行代码所需的针对任务的实体数据包括：从指定数据集合中确定与任务相关联的基础数据；以及基于可执行代码中的变量对基础数据进行统计处理和/或分析处理，得到执行可执行代码所需的针对任务的实体数据。

根据本公开的实施例，基于可执行代码中的变量对基础数据进行统计处理和/或分析处理，得到执行可执行代码所需的针对任务的实体数据包括：针对每个变量，基于预设的结构化查询语言和预设的向量计算规则对基础数据进行处理，得到执行可执行代码所需的针对任务的实体数据，其中，预设的向量计算规则包括：针对一行的多列进行处理、针对一列进行处理、针对分组聚合后的每一组内的列进行处理。

根据本公开的实施例，如果基础数据的批量小于预设批量阈值，则获取基础数据，以基于预设的结构化查询语言和预设的向量计算规则对基础数据进行处理；或者，如果基础数据的批量大于或等于预设批量阈值，则调用分布式计算接口，并且基于预设的结构化查询语言和预设的向量计算规则对基础数据进行处理。

根据本公开的实施例，上述方法还包括：确定能够生成可执行代码和能够执行可执行代码的候选电子设备的负载信息；基于负载信息从候选电子设备中确定用于生成可执行代码的第一电子设备，以及基于负载信息从候选电子设备中确定用于执行可执行代码的第二电子设备；以及生成以第一电子设备和第二电子设备作为执行主体的规则执行链的调度信息。

根据本公开的实施例，上述方法还包括：接收模式可视化操作，模式可视化操作包括模式信息；响应于模式可视化操作，确定与模式信息对应的图形化信息；相关联地存储模式信息和与模式信息对应的图形化信息，使得模式信息与图形化信息之间存在一一映射关系。

根据本公开的实施例，上述方法还包括：在得到针对任务的执行结果之后，对规则内部执行路径、运行时参数和执行结果的镜像数据进行分析，得到针对执行结果的评价结果。

本公开的一个方面提供了一种执行任务的装置，包括：任务触发模块、可执行代码确定模块、实体数据确定模块和执行结果获取模块。其中，任务触发模块用于响应于任务的触发事件，确定与任务对应的N个规则以及N个规则之间的依赖关系，N是正整数；可执行代码确定模块用于确定与N个规则各自对应的可执行代码；实体数据确定模块用于确定执行可执行代码所需的针对任务的实体数据；以及执行结果获取模块用于基于N个规则之间的依赖关系、与N个规则各自对应的可执行代码以及实体数据，得到针对任务的执行结果。

根据本公开的实施例，N个规则中的各规则包括M个模式和M个模式之间的关联关系，每个模式存在对应的代码段，M是正整数；与N个规则各自对应的可执行代码，是基于N个规则各自包括的关联模式、关联模式之间的关联关系以及与关联模式对应的代码段来确定的。

根据本公开的实施例，可执行代码确定模块包括：规则解析单元，用于将规则解析为模式树，模式树由规则包括的关联模式、关联模式之间的关联关系构成；以及代码段组装单元，用于基于关联模式之间的关联关系组装与关联模式对应的代码段，得到针对规则的可执行代码。

根据本公开的实施例，实体数据确定模块包括：基础数据确定单元，用于从指定数据集合中确定与任务相关联的基础数据；以及实体数据获取单元，用于基于可执行代码中的变量对基础数据进行统计处理和/或分析处理，得到执行可执行代码所需的针对任务的实体数据。

根据本公开的实施例，执行任务的装置还包括：负载信息确定模块、执行主体确定模块和执行链生成模块。其中，负载信息确定模块，用于确定能够生成可执行代码和能够执行可执行代码的候选电子设备的负载信息；执行主体确定模块，用于基于负载信息从候选电子设备中确定用于生成可执行代码的第一电子设备，以及基于负载信息从候选电子设备中确定用于执行可执行代码的第二电子设备；以及执行链生成模块，用于生成以第一电子设备和第二电子设备作为执行主体的规则执行链的调度信息。

根据本公开的实施例，执行任务的装置还包括：可视化操作接收模块、模式可视化模块和映射关系确定模块。其中，可视化操作接收模块，用于接收模式可视化操作，模式可视化操作包括模式信息；模式可视化模块，用于响应于模式可视化操作，确定与模式信息对应的图形化信息；以及映射关系确定模块，用于相关联地存储模式信息和与模式信息对应的图形化信息，使得模式信息与图形化信息之间存在一一映射关系。

根据本公开的实施例，执行任务的装置还包括：评价模块。该评价模块，用于对规则内部执行路径、运行时参数和执行结果的镜像数据进行分析，得到针对执行结果的评价结果。

本公开的一个方面提供了一种执行任务的系统，包括：规则调度器，用于存储与任务对应的N个规则以及N个规则之间的依赖关系，N是正整数；策略执行器，用于确定与N个规则各自对应的可执行代码；以及数据处理器，用于确定执行可执行代码所需的针对任务的实体数据，以便策略执行器基于N个规则之间的依赖关系、与N个规则各自对应的可执行代码以及实体数据，得到针对任务的执行结果。

根据本公开的实施例，上述系统还包括以下至少一种：资源管理器，用于存储规则包括的M个模式之间的关联关系；规则构建器，用于构建模式信息与图形化信息之间的一一映射关系；或者效果分析器，用于对规则内部执行路径、运行时参数和执行结果的镜像数据进行分析，得到针对执行结果的评价结果。

本公开的另一方面提供了一种电子设备，包括一个或多个处理器以及存储装置，其中，存储装置用于存储可执行指令，可执行指令在被处理器执行时，实现如上的方法。

本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，指令在被执行时用于实现如上的方法。

本公开的另一方面提供了一种计算机程序，计算机程序包括计算机可执行指令，指令在被执行时用于实现如上的方法。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的可以应用执行任务的方法、装置和电子设备的示例性系统架构；

图2示意性示出了根据本公开实施例的执行任务的方法的流程图；

图3示意性示出了根据本公开实施例的生成与规则对应的可执行代码的流程图；

图4示意性示出了根据本公开实施例的规则引擎的抽象模型的方框图；

图5示意性示出了根据本公开另一实施例的执行任务的方法的流程图；

图6示意性示出了根据本公开另一实施例的执行任务的方法的流程图；

图7示意性示出了根据本公开实施例的执行任务的装置的方框图；

图8示意性示出了根据本公开实施例的执行任务的系统的方框图；

图9示意性示出了根据本公开另一实施例的执行任务的系统的方框图；以及

图10示意性示出了根据本公开实施例的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。

为了便于理解本公开的实施例，首先对本公开涉及的部分概念进行说明。

规则引擎：一种将业务决策从应用程序代码中抽离出来、使用预定义的语义模块编写业务决策、以应对复杂多变的业务逻辑的装置。

相关技术中的规则引擎，可以是基于RETE(一种高效的模式匹配算法用来实现产生式规则系统)算法实现的，具备动态快速匹配的特点。例如，相关技术中Drools、ILOG等规则引擎都是基于RETE实现的。具体地，规则引擎的实现思路可以是预先定制规则，存储在规则库，在程序执行时，会将业务规则加载到内存转，并且将业务规则换成执行树，以预备规则动态匹配。每次接收到规则请求时，会依据匹配算法，快速匹配上述执行树上业务规则。然后，进行规则评估，使用冲突解决策略编排规则执行流程。接着，形成业务规则执行链路，完成业务请求的执行。

然而，相关技术中的规则引擎还存在如下所示的问题。

例如，规则引擎为了具备通用性，牺牲了性能，在大规模复杂条件下，会产生系统瓶颈。

例如，规则引擎是面向开发人员使用的，无法对业务人员开放，规则定义升级过程复杂。

例如，规则引擎规则组织方式复杂，一旦规模变大，则维护成本成几何倍数上升。

例如，规则的语法仅适合扁平的规则，对于嵌套条件语义的规则只能将条件进行笛卡尔积组合以后进行配置，不利于维护。

例如，规则引擎基于专家规则构建，无法利用机器学习训练模型，提高规则的健壮性和准确度，同时规则评价效果也不理想。

为至少部分改善以上痛点，本公开的实施例提供了一种执行任务的方法、装置和电子设备。该执行任务的方法包括资源获取过程和代码执行过程。在资源获取过程中，首先，响应于任务的触发事件，确定与任务对应的N个规则以及N个规则之间的依赖关系，N是正整数。然后，确定与N个规则各自对应的可执行代码。接着，确定执行可执行代码所需的针对任务的实体数据。在完成资源获取过程之后进入代码执行过程，基于N个规则之间的依赖关系、与N个规则各自对应的可执行代码以及实体数据，得到针对任务的执行结果。

本公开实施例提供的执行任务的方法、装置和电子设备，在获取到任务的触发事件之后，确定与任务对应的多个规则各自的可执行代码，并且确定可执行代码所需的实体数据。该多种场景的任务各自可以由多种规则依据规则依赖关系组装而成，并且，该实体数据可以从多种场景的任务中获取。因此，可以满足多种应用场景下执行任务的需求。

本公开实施例提供的执行任务的方法、装置和电子设备可用于人工智能领域在执行任务的相关方面，也可用于除人工智能领域之外的多种领域，如金融领域，本公开实施例提供的执行任务的方法、装置和电子设备的应用领域不做限定。

图1示意性示出了根据本公开实施例的可以应用执行任务的方法、装置和电子设备的示例性系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104可以包括多个网关、路由器、集线器、网线等，用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与其他终端设备和服务器105进行交互，以接收或发送信息等，如接收基础数据、依赖关系、模式、触发事件，发送执行任务指令等。终端设备101、102、103可以安装有各种通讯客户端应用。例如，网页浏览器应用、依赖管理工具类应用、软件开发类应用、银行类应用、政务类应用、监控类应用、搜索类应用、数据库类应用、即时通信工具、邮箱客户端、社交平台软件等应用(仅为示例)。例如，用户可以使用终端设备101进行代码转换或者给服务器端发送代码转换指令等。

终端设备101、102、103包括但不限于能够使用网页浏览器或者客户端的智能手机、虚拟现实设备、增强现实设备、平板电脑、膝上型便携计算机、台式电脑等等。

服务器105可以接收请求，并对请求进行处理，具体可以为存储服务器、后台管理服务器、服务器集群等。例如，服务器105可以存储有规则引擎编译的可执行代码。例如，服务器105可以存储有基础数据、实体数据等。

需要说明的是，本公开实施例所提供的生成报文的方法一般可以由服务器105执行。相应地，本公开实施例所提供的生成报文的装置一般可以设置于服务器105中。本公开实施例所提供的生成报文的方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。

应该理解，终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2示意性示出了根据本公开实施例的执行任务的方法的流程图。

如图2所示，该执行任务的方法可以包括操作S210～操作S240。

在操作S210，响应于任务的触发事件，确定与任务对应的N个规则以及N个规则之间的依赖关系，N是正整数。

在本实施例中，触发事件可以是接收到执行任务的指令、满足触发条件(如满足时间条件、某些参数的取值达到预设阈值等)等。一个任务可以对应于多个规则，该多个规则可以按照相互之间的依赖关系构成上述任务。N可以是1、2、3、4、5、6、10、20或者更多个。

在操作S220，确定与N个规则各自对应的可执行代码。

例如，规则和可执行代码之间可以具有映射关系，这样可以基于该映射关系确定与规则对应的可执行代码。

此外，为了进一步提升应对复杂场景的执行任务的能力，还可对规则进行高度抽象。

具体地，N个规则中的各规则包括M个模式和M个模式之间的关联关系，每个模式存在对应的代码段，M是正整数。需要说明的是，每个规则包括的模式的数量可以相同或不同。

相应地，确定与N个规则各自对应的可执行代码包括：基于N个规则各自包括的关联模式、关联模式之间的关联关系以及与关联模式对应的代码段，确定与N个规则各自对应的可执行代码。

在操作S230，确定执行可执行代码所需的针对任务的实体数据。

例如，可执行代码中定有多个变量，该变量的取值可以由用户输入，或者根据具体的任务而定。在生成可执行代码段之后，可以获取与这些变量对应的取值，以便执行可执行代码。

在操作S240，基于N个规则之间的依赖关系、与N个规则各自对应的可执行代码以及实体数据，得到针对任务的执行结果。

在本实施例中，依赖关系可以是只多个规则之间的依赖关系，如规则A依赖于规则B，则在规则B执行完成后，才可以执行规则A。例如，规则B执行完成后，基于上述规则A依赖于规则B的依赖关系，可以将规则B的执行结果作为规则A的可执行代码段的输入。通过以上方式就可以得到执行任务的执行结果。

图3示意性示出了根据本公开实施例的生成与规则对应的可执行代码的流程图。

如图3所示，对于N个规则中每个规则，生成与该规则对应的可执行代码的方法可以包括操作S301～操作S302。

在操作S301，将规则解析为模式树，模式树由规则包括的关联模式、关联模式之间的关联关系构成。

具体地，可以利用依赖管理工具将规则解析为模式树。

在操作S302，基于关联模式之间的关联关系组装与关联模式对应的代码段，得到针对规则的可执行代码。

以下针对规则引擎进行函数化抽象的过程进行示例性说明。

本公开实施例中，基于专家规则与算法策略，通过对规则进行抽象，有效克服了现有技术中的规则模型不准确、维护难度大等缺点，提出了一种轻量级、低耦合的规则引擎实现方法。

图4示意性示出了根据本公开实施例的规则引擎的抽象模型的方框图。

如图4所示，规则引擎的抽象模型是通过对规则引擎进行函数化抽象，将规则引擎分解为承载算式因子的模式和表现因子运算逻辑的关系两部分，形成丰富的模式集合和关系集合。所有的规则都是基于模式与关系进行构建，从而提高规则的扩展性。同时这种自定义创建组合的方式，能极大的提高系统的通用性，可快速的适应营销场景的需求变化。

其中，规则的数据模型本质是一个函数，有n个输入、函数逻辑和1个输出三部分组成，如式(1)所示。

y＝f(x1,x2,…,xn)式(1)

式(1)中x1,x2,…,xn分别是n个输入，f(*)是函数逻辑，y是输出。

基于对规则模型的抽象，为了使规则具备最大通用性和高度扩展性，在规则引擎中使用装饰器模式，实现规则的链式扩展。其中，装饰器模式是指：允许向一个现有的对象添加新的功能，同时又不改变其结构。

图4中，规则调度器：根据规则的依赖关系编排流程，驱动模式执行器执行模式。例如，规则依赖关系即是完成一种业务功能的一系列规则的逻辑排列，如a+b>c，规则>c依赖于a+b规则的完成。

模式执行器：负责直接执行模式。

策略执行器：根据关系编排模式执行逻辑。

为了最大限度地增强规则的表达能力，每一个模式都是原子的，是规则引擎的最基础的语义，如果想要配置一个完整的语义规则，必须由多个模式和关系共同构成，由模式和关系组成的规则可以作为子规则为更高复杂的规则复用，这样规则之间就会形成树形依赖关系。一个完整的高阶规则如式(2)所示。

参数1+参数2>参数3式(2)

其中“参数1+参数2”是一个子规则，该规则即复用了其他规则，实现了规则定义的简单化。

本公开实施例中，为了更好地满足银行业对诸如客营销领域快速变化的客户需求，解决目前规则引擎性能不足、配置复杂、维护困难、扩展较弱的问题，基于银行业营销领域的实践，通过对规则的高度抽象，提取出模式和模式之间关系。这样有效克服了相关技术中性能不足、配置复杂、规则扩展能力差、评价效果不理想等问题。本公开实施例中规则引擎是分层结构、模块交互、语义清晰，能够较好地解决上述问题。

在某些实施例中，上述方法在响应于任务的触发事件之前，还可以包括如下操作。

首先，接收输入信息，输入信息包括：任务与规则之间的对应关系、任务与触发事件之间的对应关系以及规则之间的依赖关系中至少一种信息。其中，输入信息可以是图像信息、文本信息等，这些信息可以用于标识模式或者表征模式之间的关联关系、规则之间的关联关系等。例如，业务人员可以在个人终端上通过浏览器等登陆服务器端，然后进行信息录入。

然后，响应于输入信息，将输入信息存储在指定版本的规则集合中，指定版本的规则集合具有标志位，标志位表征指定版本的有效状态。有效状态可以是指当前版本的规则集合是否是最新版本或者用户所需使用的规则集合。

在某些实施例中，为了提升规则引擎的性能，可以通过预加载和预编译等手段来缩短执行任务的用时。

具体地，上述方法还可以包括以下至少一种操作。

例如，响应于与规则集合相关联的初始化操作，将标志位处于有效状态的规则集合中的规则进行预加载和/或预编译，得到与标志位处于有效状态的规则集合中的规则对应的可执行代码。

例如，响应于与规则集合相关联的变更操作，将标志位处于有效状态的规则集合中的变更规则进行预加载和/或预编译，得到与标志位处于有效状态的规则集合中的变更规则对应的可执行代码。

例如，可以使用逻辑规则的预加载预编译、实时解析，并通过并行计算，最终完成规则的执行。为了解决性能问题，该执行器使用了两种策略：一是预加载规则，即为了避免访问规则时需要实时执行远程调用而造成较大延时，采用预加载规则的机制，在引擎初始化阶段，将有效版本的规则缓存在本地，同时对规则进行变更事件监听，一旦发现规则变动，重新拉取有效版本。二是预编译规则，即在引擎初始化和规则变更两个时机，将增量版本的规则预编译为可执行代码，这样能大大提高系统的执行效率。

其中，规则是按版本进行管理的，每个规则版本通过状态位来标识是否为有效版本，一旦版本变更，且状态置为有效版本，则该版本就作为可执行的规则版本供引擎使用。所有非有效版本规则，都不会被引擎使用。

上述将增量版本规则进行预编译为可执行代码可以如下所示。

原规则：a+b＝c

增量规则：c+d

将如下规则定义进行预编译：

rule_id:xxx

rule_class:cal_rule

rule_method:rule1

start:

c＝a+b

end

enhance_rule:rule1

rule_class:logic_rule

extend:cal_rule

rule_method:rule1

start:

result＝super(rule1)

result+d

End

编译为执行性代码(伪代码)：

Class logic_rule extend cal_rule

cal_rule cal

rule1(d){

result＝cal.rule1()

Result+d

}

以下对获取实体数据的过程进行示例性说明。

在某些实施例中，确定执行可执行代码所需的针对任务的实体数据可以包括如下操作。

首先，从指定数据集合中确定与任务相关联的基础数据。其中，指定数据集合可以通过指定访问路径进行访问。

然后，基于可执行代码中的变量对基础数据进行统计处理和/或分析处理，得到执行可执行代码所需的针对任务的实体数据。基础数据可以是数据库中录入的原始数据，可以通过对原始数据的统计分析等，来得到执行可执行代码所需的实体数据。例如，可以统计一列或一行的数据个数、可以计算一列或一行的数据之和。

在某些实施例中，基于可执行代码中的变量对基础数据进行统计处理和/或分析处理，得到执行可执行代码所需的针对任务的实体数据可以包括如下操作。针对每个变量可以重复如下操作。基于预设的结构化查询语言和预设的向量计算规则对基础数据进行处理，得到执行可执行代码所需的针对任务的实体数据。

其中，预设的向量计算规则包括：针对一行的多列进行处理、针对一列进行处理、针对分组聚合后的每一组内的列进行处理。

具体地，通过实现数据与规则的双向处理，完成与数据逻辑相关的规则计算。为了提升性能，在进行数据逻辑处理的过程中，同样可以采取规则预加载机制和预编译机制，以提高系统的总体性能。

在解析到结构化数据处理模式时，会通过统计分析等操作来确定所学的数据。例如，数据分析器在解析到策略计算模式时会调用策略执行器进行向量计算，二者共同配合最终完成复杂规则的计算。

其中，结构化数据处理模式可以包括结构化数据库的操作——增、删、改、查。例如可以如下代码段所示。

Select*from tablex；

Insert tablex(xx)values(xxx)

向量计算即针对矩阵的行列进行计算。例如，可以存在三种计算方式：

1.针对一行的多列进行计算；

2.针对一列进行计算；

3.针对分组聚合(GroupBy)后的每一组内的列进行运算。

即对查询到数据，按照规则的一个要求，对行列进行计算。

例如，查询班级为1的所有人的分数，这是一列。

Select score from student where class＝1；

使用向量计算，对查询结果进行求和：

Sum(result)。

在某些实施例中，为了进一步提升执行任务的效率和降低资源消耗，上述方法还可以包括如下操作。

一方面，如果基础数据的批量小于预设批量阈值，则获取基础数据，以基于预设的结构化查询语言和预设的向量计算规则对基础数据进行处理。如

一方面，如果基础数据的批量大于或等于预设批量阈值，则调用分布式计算接口，并且基于预设的结构化查询语言和预设的向量计算规则对基础数据进行处理。

例如，使用QL驱动器驱动具体的计算引擎(QL执行器)，实现对数据的查询分析功能，QL驱动器实现与具体的计算引擎解耦，可以支撑多种异构的计算引擎接入。QL执行器负责执行结构化查询分析，分为两种运行模式，即小批量数据使用基于mysql的嵌入式方式，在QL执行器内部进行数据的查询分析。大批量数据则调用Spark大数据平台进行查询分析。

本公开的另一方面还提供了一种执行任务的方法。

图5示意性示出了根据本公开另一实施例的执行任务的方法的流程图。

如图5所示，上述方法还可以包括操作S510～操作S530。

在操作S510，确定能够生成可执行代码和能够执行可执行代码的候选电子设备的负载信息。其中，负载信息可以是各服务器的负载情况。在考虑了负载信息之后，可以选取负载低的服务器来执行生成可执行代码的操作，或者执行可执行代码，提升资源利用率，提升响应速度。

在操作S520，基于负载信息从候选电子设备中确定用于生成可执行代码的第一电子设备，以及基于负载信息从候选电子设备中确定用于执行可执行代码的第二电子设备。

在操作S530，生成以第一电子设备和第二电子设备作为执行主体的规则执行链的调度信息。

具体地，可以根据规则的依赖关系以及资源负载，完成规则执行链条的编排调度。例如，根据规则的依赖关系以及硬件资源调用策略执行器编排流程，驱动模式执行器执行模式，目标是达到最大吞吐或最低延迟。

其中，规则依赖关系即是完成一种业务功能的一系列规则的逻辑排列，如a+b>c，规则>c依赖于a+b规则的完成。硬件资源调度策略是指规则引擎是一个分布式计算系统，负责计算的模式执行器分布在不同服务器上，规则调度器在进行调度时，会检测资源负载情况，调度策略执行器选择低负载服务器上的模式执行器完成规则的执行，从而降低延迟，提高吞吐量。

本公开的另一方面还提供了一种执行任务的方法。

图6示意性示出了根据本公开另一实施例的执行任务的方法的流程图。

如图6所示，上述方法还可以包括操作S610～操作S630。

在操作S610，接收模式可视化操作，模式可视化操作包括模式信息。例如，模式可视化操作可以是在一个与模式对应的专用页面中进行编辑操作。

在操作S620，响应于模式可视化操作，确定与模式信息对应的图形化信息。

在操作S630，相关联地存储模式信息和与模式信息对应的图形化信息，使得模式信息与图形化信息之间存在一一映射关系。

例如，可以通过视图层、模型层、转义层来实现模式可视化过程，完成对规则的构建。这样做的好处还在于可以动态的扩展模式，业务人员可以在此通过视图对模式进行配置，并将模式的运算逻辑(关系)存入到资源管理器中，视图与模式是一对一的映射关系。例如，在页面上展示一个“请输出数值参数大于请输出数值参数”的视图，则一定有一个模式“参数1>参数2”与之对应。视图的主要作用是用于非技术背景的业务人员配置规则，一方面降低操作门槛，另一方面约束用户输入的合法性。

在某些实施例中，上述方法在得到针对任务的执行结果之后，还可以包括如下操作：对规则内部执行路径、运行时参数和执行结果的镜像数据进行分析，得到针对执行结果的评价结果。

具体地，可以对规则执行情况进行评价，以动态设定的指标和结果数据分析作为依据。例如，可以在规则新增或修改后，对规则内部执行路径、运行时参数和结果的镜像数据进行分析，同时调用公司内部的人工智能评价平台，为业务人员提供精准的效果评价，评价数据可以存储在hbase上。

本公开的另一方面提供了一种执行任务的装置。

图7示意性示出了根据本公开实施例的执行任务的装置的方框图。

如图7所示，该执行任务的装置700可以包括：任务触发模块710、可执行代码确定模块720、实体数据确定模块730和执行结果获取模块740。

任务触发模块710用于响应于任务的触发事件，确定与任务对应的N个规则以及N个规则之间的依赖关系，N是正整数。

可执行代码确定模块720用于确定与N个规则各自对应的可执行代码。

实体数据确定模块730用于确定执行可执行代码所需的针对任务的实体数据。

执行结果获取模块740用于基于N个规则之间的依赖关系、与N个规则各自对应的可执行代码以及实体数据，得到针对任务的执行结果。

根据本公开的实施例，N个规则中的各规则包括M个模式和M个模式之间的关联关系，每个模式存在对应的代码段，M是正整数；与N个规则各自对应的可执行代码，是基于N个规则各自包括的关联模式、关联模式之间的关联关系以及与关联模式对应的代码段来确定的。

根据本公开的实施例，可执行代码确定模块720可以包括：规则解析单元，用于将规则解析为模式树，模式树由规则包括的关联模式、关联模式之间的关联关系构成；以及代码段组装单元，用于基于关联模式之间的关联关系组装与关联模式对应的代码段，得到针对规则的可执行代码。

根据本公开的实施例，实体数据确定模块730可以包括：基础数据确定单元，用于从指定数据集合中确定与任务相关联的基础数据；以及实体数据获取单元，用于基于可执行代码中的变量对基础数据进行统计处理和/或分析处理，得到执行可执行代码所需的针对任务的实体数据。

根据本公开的实施例，执行任务的装置700还可以包括：负载信息确定模块、执行主体确定模块和执行链生成模块。其中，负载信息确定模块，用于确定能够生成可执行代码和能够执行可执行代码的候选电子设备的负载信息；执行主体确定模块，用于基于负载信息从候选电子设备中确定用于生成可执行代码的第一电子设备，以及基于负载信息从候选电子设备中确定用于执行可执行代码的第二电子设备；以及执行链生成模块，用于生成以第一电子设备和第二电子设备作为执行主体的规则执行链的调度信息。

根据本公开的实施例，执行任务的装置700还可以包括：可视化操作接收模块、模式可视化模块和映射关系确定模块。其中，可视化操作接收模块，用于接收模式可视化操作，模式可视化操作包括模式信息；模式可视化模块，用于响应于模式可视化操作，确定与模式信息对应的图形化信息；以及映射关系确定模块，用于相关联地存储模式信息和与模式信息对应的图形化信息，使得模式信息与图形化信息之间存在一一映射关系。

根据本公开的实施例，执行任务的装置700还可以包括：评价模块。该评价模块，用于对规则内部执行路径、运行时参数和执行结果的镜像数据进行分析，得到针对执行结果的评价结果。

本公开的另一方面还提供了一种执行任务的系统。

图8示意性示出了根据本公开实施例的执行任务的系统的方框图。

如图8所示，该执行任务的系统800可以包括：规则调度器810、策略执行器820和数据处理器830。

规则调度器810用于存储与任务对应的N个规则以及N个规则之间的依赖关系，N是正整数。

策略执行器820用于确定与N个规则各自对应的可执行代码。

数据处理器830用于确定执行可执行代码所需的针对任务的实体数据，以便策略执行器基于N个规则之间的依赖关系、与N个规则各自对应的可执行代码以及实体数据，得到针对任务的执行结果。

图9示意性示出了根据本公开另一实施例的执行任务的系统的方框图。

如图9所示，上述系统还可以包括以下至少一部分。

资源管理器，用于存储规则包括的M个模式之间的关联关系。

规则构建器，用于构建模式信息与图形化信息之间的一一映射关系。

效果分析器，用于对规则内部执行路径、运行时参数和执行结果的镜像数据进行分析，得到针对执行结果的评价结果。

在一个具体实施例中，系统可以包括规则构建器、资源管理器、规则调度器、策略执行器、数据处理器以及效果分析器六个组成部分。

规则构建器分为三层，视图层、模型层、转义层，完成对规则的构建；规则构建器的一个很重要的特征是可以动态的扩展模式，业务人员可以在此通过视图对模式进行配置，并将模式的运算逻辑(关系)存入到资源管理器中，视图与模式是一对一的映射关系，例如我们在页面上展示一个“请输出数值参数大于请输出数值参数”的视图，则一定有一个模式“参数1>参数2”与之对应。视图的主要作用是用于非技术背景的业务人员配置规则，一方面降低操作门槛，另一方面约束用户输入的合法性。

资源管理器主要是负责管理规则，存储模式之间的关系以及利用依赖管理工具将规则解析为模式树，实现规则的动态存储以及快速匹配，同时使用版本管理对规则进行迭代更新、回滚和灰度；同时为了能够实现对结构化的数据进行处理，实现引擎处理数据高效和准确，在此可定义SQL规则、数据源以及定义向量计算规则。向量计算指的是针对矩阵的行列进行计算，包括三种计算方式：一是针对一行的多列进行策略计算，二是针对一列进行计算，三是针对分组聚合后的每一组内的列进行计算。

规则调度器负责对规则进行分类，根据规则的依赖关系以及资源负载，完成规则执行链条的编排调度；规则调度器最主要的功能是对任务的管理，包括定义任务、触发任务、调度任务，从而实现对引擎的任务支持。

策略执行器由规则管理模块和运行时模块两部分组成，从资源管理器和规则构建器获取模式和关系，然后使用逻辑规则的预加载预编译、实时解析，并通过并行计算，最终完成规则的执行。为了解决性能问题，该执行器使用了两种策略：一是预加载规则，即为了避免访问规则时需要实时执行远程调用而造成较大延时，采用预加载规则的机制，在引擎初始化阶段，将有效版本的规则缓存在本地，同时对规则进行变更事件监听，一旦发现规则变动，重新拉取有效版本。二是预编译规则，即在引擎初始化和规则变更两个时机，将增量版本的规则预编译为可执行代码，这样能大大提高系统的执行效率。

数据处理器用于对规则的结构化数据进行处理，通过与策略执行引擎的交互，实现数据与规则的双向处理，完成与数据逻辑相关的规则计算。该执行器同样为了性能采取规则预加载机制和预编译机制，以提高系统的总体性能。该执行器在计算模块使用QL驱动器驱动具体的计算引擎(QL执行器)，实现对数据的查询分析功能，QL驱动器实现与具体的计算引擎解耦，可以支撑多种异构的计算引擎接入。QL执行器负责执行结构化查询分析，分为两种运行模式，即小批量数据使用基于mysql的嵌入式方式，在QL执行器内部进行数据的查询分析；大批量数据则调用Spark大数据平台进行查询分析。

效果分析器则是对规则执行情况的评价，以动态设定的指标和结果数据分析作为依据。主要是在规则新增或修改后，对规则内部执行路径、运行时参数和结果的镜像数据进行分析，同时调用公司内部的人工智能评价平台，为业务人员提供精准的效果评价，评价数据主要存储在hbase上。

整个系统的核心是策略执行器和数据分析器，策略执行器在解析到结构化数据处理模式时，会调用数据分析器完成计算，数据分析器在解析到策略计算模式时会调用策略执行器进行向量计算，二者共同配合最终完成复杂规则的计算。

需要说明的是，装置部分实施例中各模块/单元等的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似，在此不再一一赘述。

根据本公开的实施例的模块、单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，任务触发模块710、可执行代码确定模块720、实体数据确定模块730和执行结果获取模块740中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，任务触发模块710、可执行代码确定模块720、实体数据确定模块730和执行结果获取模块740中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，任务触发模块710、可执行代码确定模块720、实体数据确定模块730和执行结果获取模块740中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

本公开的另一方面还提供了一种电子设备。

图10示意性示出了根据本公开实施例的电子设备的方框图。图10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10所示，根据本公开实施例的电子设备1000包括处理器1001，其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 1003中，存储有电子设备1000操作所需的各种程序和数据。处理器1001、ROM 1002以及RAM 1003通过总线1004彼此通讯连接。处理器1001通过执行ROM 1002和/或RAM 1003中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备1000还可以包括输入/输出(I/O)接口1005，输入/输出(I/O)接口1005也连接至总线1004。电子设备1000还可以包括连接至I/O接口1005的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。

根据本公开的实施例，根据本公开实施例的方法流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，其包括承载在计算机可读存储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部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储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执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：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)、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。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 1002和/或RAM 1003和/或ROM 1002和RAM 1003以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行本公开实施例所提供的方法的程序代码，当计算机程序产品在电子设备上运行时，该程序代码用于使电子设备实现本公开实施例所提供的图像模型训练方法或图像处理方法。

在该计算机程序被处理器1001执行时，执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分1009被下载和安装，和/或从可拆卸介质1011被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

根据本公开的实施例，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公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“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设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (16)

1.一种执行任务的方法，包括：

响应于任务的触发事件，确定与所述任务对应的N个规则以及所述N个规则之间的依赖关系，N是正整数；

确定与所述N个规则各自对应的可执行代码；

确定执行所述可执行代码所需的针对所述任务的实体数据；以及

基于所述N个规则之间的依赖关系、与所述N个规则各自对应的可执行代码以及所述实体数据，得到针对所述任务的执行结果。

2.根据权利要求1所述的方法，其中，所述N个规则中的各规则包括M个模式和所述M个模式之间的关联关系，每个模式存在对应的代码段，M是正整数；

所述确定与所述N个规则各自对应的可执行代码包括：基于所述N个规则各自包括的关联模式、所述关联模式之间的关联关系以及与所述关联模式对应的代码段，确定与所述N个规则各自对应的可执行代码。

3.根据权利要求2所述的方法，其中，所述确定与所述N个规则各自对应的可执行代码包括：对于所述N个规则中每个规则，

将所述规则解析为模式树，所述模式树由所述规则包括的关联模式、所述关联模式之间的关联关系构成；以及

基于所述关联模式之间的关联关系组装与所述关联模式对应的代码段，得到针对所述规则的可执行代码。

4.根据权利要求1所述的方法，还包括：在所述响应于任务的触发事件之前，

接收输入信息，所述输入信息包括：任务与规则之间的对应关系、任务与触发事件之间的对应关系以及规则之间的依赖关系中至少一种信息；以及

响应于所述输入信息，将所述输入信息存储在指定版本的规则集合中，所述指定版本的规则集合具有标志位，所述标志位表征所述指定版本的有效状态。

5.根据权利要求4所述的方法，还包括以下至少一种操作：

响应于与所述规则集合相关联的初始化操作，将所述标志位处于有效状态的规则集合中的规则进行预加载和/或预编译，得到与所述标志位处于有效状态的规则集合中的规则对应的可执行代码；

响应于与所述规则集合相关联的变更操作，将所述标志位处于有效状态的规则集合中的变更规则进行预加载和/或预编译，得到与所述标志位处于有效状态的规则集合中的变更规则对应的可执行代码。

6.根据权利要求1所述的方法，其中，所述确定执行所述可执行代码所需的针对所述任务的实体数据包括：

从指定数据集合中确定与所述任务相关联的基础数据；以及

基于所述可执行代码中的变量对所述基础数据进行统计处理和/或分析处理，得到执行所述可执行代码所需的针对所述任务的实体数据。

7.根据权利要求6所述的方法，其中，所述基于所述可执行代码中的变量对所述基础数据进行统计处理和/或分析处理，得到执行所述可执行代码所需的针对所述任务的实体数据包括：针对每个变量，

基于预设的结构化查询语言和预设的向量计算规则对所述基础数据进行处理，得到执行所述可执行代码所需的针对所述任务的实体数据，

其中，所述预设的向量计算规则包括：针对一行的多列进行处理、针对一列进行处理、针对分组聚合后的每一组内的列进行处理。

8.根据权利要求7所述的方法，其中：

如果所述基础数据的批量小于预设批量阈值，则获取所述基础数据，以基于预设的结构化查询语言和预设的向量计算规则对所述基础数据进行处理；或者

如果所述基础数据的批量大于或等于预设批量阈值，则调用分布式计算接口，并且基于预设的结构化查询语言和预设的向量计算规则对所述基础数据进行处理。

9.根据权利要求1至8任一项所述的方法，还包括：

确定能够生成所述可执行代码和能够执行所述可执行代码的候选电子设备的负载信息；

基于所述负载信息从所述候选电子设备中确定用于生成所述可执行代码的第一电子设备，以及基于所述负载信息从所述候选电子设备中确定用于执行所述可执行代码的第二电子设备；以及

生成以所述第一电子设备和所述第二电子设备作为执行主体的规则执行链的调度信息。

10.根据权利要求1至8任一项所述的方法，还包括：

接收模式可视化操作，所述模式可视化操作包括模式信息；

响应于所述模式可视化操作，确定与所述模式信息对应的图形化信息；

相关联地存储所述模式信息和与所述模式信息对应的图形化信息，使得所述模式信息与所述图形化信息之间存在一一映射关系。

11.根据权利要求1至8任一项所述的方法，还包括：在所述得到针对所述任务的执行结果之后，

对规则内部执行路径、运行时参数和执行结果的镜像数据进行分析，得到针对所述执行结果的评价结果。

12.一种执行任务的装置，包括：

任务触发模块，用于响应于任务的触发事件，确定与所述任务对应的N个规则以及所述N个规则之间的依赖关系，N是正整数；

可执行代码确定模块，用于确定与所述N个规则各自对应的可执行代码；

实体数据确定模块，用于确定执行所述可执行代码所需的针对所述任务的实体数据；以及

执行结果获取模块，用于基于所述N个规则之间的依赖关系、与所述N个规则各自对应的可执行代码以及所述实体数据，得到针对所述任务的执行结果。

13.一种执行任务的系统，包括：

规则调度器，用于存储与所述任务对应的N个规则以及所述N个规则之间的依赖关系，N是正整数；

策略执行器，用于确定与所述N个规则各自对应的可执行代码；以及

数据处理器，用于确定执行所述可执行代码所需的针对所述任务的实体数据，以便所述策略执行器基于所述N个规则之间的依赖关系、与所述N个规则各自对应的可执行代码以及所述实体数据，得到针对所述任务的执行结果。

14.根据权利要求13所述的系统，还包括以下至少一种：

资源管理器，用于存储规则包括的M个模式之间的关联关系；

规则构建器，用于构建模式信息与图形化信息之间的一一映射关系；或者

效果分析器，用于对规则内部执行路径、运行时参数和执行结果的镜像数据进行分析，得到针对所述执行结果的评价结果。

15.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现根据权利要求1～11任一项所述的方法。

16.一种计算机可读存储介质，存储有计算机可执行指令，所述可执行指令在被处理器执行时，实现根据权利要求1～11任一项所述的方法。

Images