CN114116238A - 数据处理优化方法、装置、电子设备及可读存储介质 - Google Patents
数据处理优化方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN114116238A CN114116238A CN202210103828.4A CN202210103828A CN114116238A CN 114116238 A CN114116238 A CN 114116238A CN 202210103828 A CN202210103828 A CN 202210103828A CN 114116238 A CN114116238 A CN 114116238A
- Authority
- CN
- China
- Prior art keywords
- data
- gpu
- label
- data processing
- tag
- 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
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
- G06F9/5016—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 the resource being the memory
Abstract
本申请公开了数据处理优化方法、装置、电子设备及可读存储介质,应用于计算机技术领域,所述数据处理优化方法包括:检测CPU的共享缓冲区中存储的待处理数据是否满足预设启动GPU处理条件;若满足,则将所述待处理数据从所述共享缓冲区同步拷贝至共享显存,其中,所述共享显存为所有GPU共享的显存;通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理。本申请解决了现有技术中CPU进行数据处理时效率低的技术问题。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种数据处理优化方法、装置、电子设备及可读存储介质。
背景技术
随着科技的高速发展,数据处理技术也发展地越来越成熟,目前,现有技术采用CPU线程技术处理数据安全标签,而CPU性能的提升所需成本过高,当处理数据较多较复杂时,会出现由于CPU性能低导致数据处理速率高但是延迟高的情况,影响CPU进行数据处理时的效率。
发明内容
本申请的主要目的在于提供一种数据处理优化方法、装置、电子设备及可读存储介质,旨在解决现有技术中CPU进行数据处理时效率低的技术问题。
为实现上述目的,本申请提供一种数据处理优化方法,应用于数据处理优化设备,所述数据处理优化方法包括:
检测CPU的共享缓冲区中存储的待处理数据是否满足预设启动GPU处理条件;
若满足,则将所述待处理数据从所述共享缓冲区同步拷贝至共享显存,其中,所述共享显存为所有GPU共享的显存;
通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理。
可选地,当所述待处理数据为待生成标签数据时,所述数据处理GPU包括用于参数校验的第一GPU、用于获取杂凑值的第二GPU和用于标签生成的第一GPU组中任意一种,
所述通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理的步骤包括:
通过所述CPU调度所述第一GPU对所述待生成标签数据进行校验,得到参数校验结果;
当检测到所述参数校验结果为校验通过时,则通过调度所述第二GPU获取杂凑值;
当检测到获取所述杂凑值成功时,则通过调度所述第一GPU组生成所述待生成标签数据的标签。
可选地,所述第一GPU组包括用于标签格式获取的第三GPU以及用于标签生成的第四GPU,
所述当检测到获取所述杂凑值成功时,则通过调度所述第一GPU组生成所述待生成标签数据的标签的步骤包括:
通过调度所述第三GPU获取所述待生成标签数据的标签格式;
当检测到获取所述标签格式成功时,则通过调度所述第四GPU生成所述待生成标签数据的标签信息;
依据所述标签信息进行标签签名,得到签名信息。
可选地,在所述依据所述标签信息进行签名,得到签名信息的步骤之后,所述数据处理优化方法还包括:
依据所述标签信息,判断所述标签是否为一体式标签;
若是,则将所述标签作为所述待生成标签数据的属性,与所述待生成标签数据共同进行存储。
可选地,当所述待处理数据为待检验标签数据时,所述数据处理GPU为用于参数校验的第一GPU、用于获取杂凑值的第二GPU和用于比对标签的第二GPU组中任意一种,
所述通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理的步骤包括:
当检测到用户在线登录时,则通过所述CPU调度所述第一GPU对所述待检验标签数据进行校验,得到参数校验结果;
当检测到所述参数校验结果为校验通过时,则通过调度所述第二GPU获取所述待检验标签数据的杂凑值与原杂凑值;
若所述杂凑值与所述原杂凑值一致,则通过调度所述第二GPU组比对所述待检验标签数据的标签与原标签,若所述待检验标签数据的标签与原标签一致,则判定标签检验成功。
可选地,所述第二GPU组包括用于标签获取比对的第五GPU和用于签名获取比对的第六GPU,
所述通过调度所述第二GPU组比对所述待检验标签数据的标签与原标签,若所述待检验标签数据的标签与原标签一致,则判定标签检验成功的步骤包括:
通过调度所述第五GPU获取并比对所述待检验标签数据的标签信息与原标签信息;
若所述标签信息与所述原标签信息一致,则调度所述第六GPU获取并比对所述待检验标签数据的签名信息和原签名信息;
若所述签名信息与原签名信息一致,则判定标签检验成功。
可选地,当所述待处理数据为待移除标签数据时,所述数据处理GPU包括用于参数校验的第一GPU和用于标签移除的第七GPU,
所述通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理的步骤包括:
通过所述CPU调度所述第一GPU对所述待移除标签数据进行校验,得到参数校验结果;
当检测到所述参数校验结果为校验通过时,则通过调度所述第七GPU移除所述待移除标签数据中的标签属性。
为实现上述目的,本申请还提供一种数据处理优化装置,所述数据处理优化装置应用于数据处理优化设备,所述数据处理优化装置包括:
数据检测模块,用于检测CPU的共享缓冲区中存储的待处理数据是否满足预设启动GPU处理条件;
数据拷贝模块,用于若满足,则将所述待处理数据从所述共享缓冲区同步拷贝至共享显存,其中,所述共享显存为所有GPU共享的显存;
数据处理模块,用于通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理。
可选地,当所述待处理数据为待生成标签数据时,所述数据处理GPU为用于参数校验的第一GPU、用于获取杂凑值的第二GPU和用于标签生成的第一GPU组中任意一种,所述数据处理模块还用于:
通过所述CPU调度所述第一GPU对所述待生成标签数据进行校验,得到参数校验结果;
当检测到所述参数校验结果为校验通过时,则通过调度所述第二GPU获取杂凑值;
当检测到获取所述杂凑值成功时,则通过调度所述第一GPU组生成所述待生成标签数据的标签。
可选地,所述第一GPU组包括用于标签格式获取的第三GPU以及用于标签生成的第四GPU,所述数据处理模块还用于:
通过调度所述第三GPU获取所述待生成标签数据的标签格式;
当检测到所述标签格式获取成功时,则通过调度所述第四GPU生成所述待生成标签数据的标签信息;
依据所述标签信息进行标签签名,得到签名信息。
可选地,所述数据处理模块还用于:
依据所述标签信息,判断所述标签是否为一体式标签;
若是,则将所述标签作为所述待生成标签数据的属性,与所述待生成标签数据共同进行存储。
可选地,当所述待处理数据为待检验标签数据时,所述数据处理GPU为用于参数校验的第一GPU、用于获取杂凑值的第二GPU和用于比对标签的第二GPU组中任意一种,所述数据处理模块还用于:
当检测到用户在线登录时,则通过所述CPU调度所述第一GPU对所述待检验标签数据进行校验,得到参数校验结果;
当检测到所述参数校验结果为校验通过时,则通过调度所述第二GPU获取所述待检验标签数据的杂凑值与原杂凑值;
若所述杂凑值与所述原杂凑值一致,则通过调度所述标签比对GPU比对所述待检验标签数据的标签与原标签,若所述待检验标签数据的标签与原标签一致,则判定标签检验成功。
可选地,所述第二GPU组包括用于标签获取比对的第五GPU和用于签名获取比对的第六GPU,所述数据处理模块还用于:
通过调度所述第五GPU获取并比对所述待检验标签数据的标签信息与原标签信息;
若所述标签信息与所述原标签信息一致,则调度所述第六GPU获取并比对所述待检验标签数据的签名信息和原签名信息;
若所述签名信息与原签名信息一致,则判定标签检验成功。
可选地,当所述待处理数据为待移除标签数据时,所述数据处理GPU包括用于参数校验的第一GPU和用于标签移除的第七GPU,所述数据处理模块还用于:
通过所述CPU调度所述第一GPU对所述待移除标签数据进行校验,得到参数校验结果;
当检测到所述参数校验结果为校验通过时,则通过调度所述第七GPU移除所述待移除标签数据中的标签属性。
本申请还提供一种电子设备,所述电子设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述数据处理优化方法的程序,所述数据处理优化方法的程序被处理器执行时可实现如上述的数据处理优化方法的步骤。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有实现数据处理优化方法的程序,所述数据处理优化方法的程序被处理器执行时实现如上述的数据处理优化方法的步骤。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的数据处理优化方法的步骤。
本申请提供了一种数据处理优化方法,相比于现有技术采用的仅以CPU线程技术处理数据安全标签的方法,本申请通过检测CPU的共享缓冲区中存储的待处理数据是否满足预设启动GPU处理条件;若满足,则将所述待处理数据从所述共享缓冲区同步拷贝至共享显存,其中,所述共享显存为所有GPU共享的显存;通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理。通过将所有GPU的显存虚拟化为共享显存,并将CPU中共享缓冲区的数据同步至共享显存,使得多CPU间可直接进行通信,减少了内存与显存间的数据传输开销,实现了根据处理数据的数量灵活选择处理方式,使得系统在面临复杂异构应用环境下仍然可以在保证低延迟的情况下高速处理数据,避免了仅采用CPU线程技术处理复杂数据时,容易出现处理速率高但延迟高情况的技术缺陷,从而提升了CPU进行数据处理时的效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请数据处理优化方法第一实施例的流程示意图;
图2本申请实施例中数据处理优化方法涉及的硬件运行环境的设备结构示意图。
本申请目的实现、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
为使本发明的上述目的、特征和优点能够更加明显易懂,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。显然,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,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例,均属于本发明保护的范围。
实施例一
本申请实施例提供一种数据处理优化方法,在本申请数据处理优化方法的第一实施例中,参照图1,所述数据处理优化方法包括:
步骤S10,检测CPU的共享缓冲区中存储的待处理数据是否满足预设启动GPU处理条件;
在本实施例中,需要说明的是,所述预设启动GPU处理条件为预先设置的判断数据是否启动GPU进行数据处理的条件,所述预设启动GPU处理条件可以为待处理数据的数量是否满足预设数据数量阈值,还可以为待处理数据的数量是否达到预设CPU数据容量负荷阈值。其中,所述预设数据数量阈值为预先设置的由CPU进行处理的待处理数据的数量的阈值;所述预设CPU数据容量负荷阈值为预先设置的CPU可以处理数据的负荷阈值。
示例性地,步骤S10包括:检测CPU的共享缓冲区中待处理数据的数量是否满足预设数据数量阈值,进一步地,检测所述共享缓冲区中待处理数据的大小是否满足预设数据字节阈值,其中,所述预设数据字节阈值为预先设置的由CPU进行处理的待处理数据的总字节大小的阈值,所述预设数据字节阈值由CPU的性能确定,所述预设数据字节阈值可以为100kb,还可以为200kb。
步骤S20,若满足,则将所述待处理数据从所述共享缓冲区同步拷贝至共享显存,其中,所述共享显存为所有GPU共享的显存;
在本实施例中,需要说明的是,所述共享缓冲区为预先设置的CPU端和GPU端共同通信的缓冲区。所述共享显存为所有GPU的显存虚拟化构建的,多个GPU组采用共享的全局地址。
示例性地,步骤S20包括:若所述待处理数据的数量满足预设数据数量阈值,进一步地,若所述共享缓冲区中待处理数据的大小满足预设数据字节阈值,则将所有GPU端的显存虚拟化成共享显存,且将所述共享缓冲区中的所述待处理数据的存储格式,转化为GPU端所需要的格式,并将转换格式后的待处理数据同步拷贝至所述共享显存;若所述待处理数据的数量不满足预设数据数量阈值,进一步地,若所述共享缓冲区中待处理数据的大小不满足预设数据字节阈值,则由CPU端调度数据处理CPU对所述待处理数据进行处理。
步骤S30,通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理。
在本实施例中,需要说明的是,所述数据处理GPU为根据各GPU组的功能及计算能力,将各GPU分类为不同的功能GPU。所述待处理数据可以为待生成标签数据,也可以为待检验标签数据,还可以为待移除标签数据。
示例性地,步骤S30包括:依据所述待处理数据的数据类型,通过所述CPU分别调度所述待处理数据对应的至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理。例如,当所述待处理数据为待生成标签数据时,通过所述CPU调度所述待生成标签数据对应的数据处理GPU,生成所述待生成标签数据的标签;当所述待处理数据为待检验标签数据时,通过所述CPU调度所述待检验标签数据对应的数据处理GPU,对所述待检验标签数据的标签进行检验;当所述待处理数据为待移除标签数据时,通过所述CPU调度所述待移除标签数据对应的数据处理GPU,移除所述待移除标签数据的标签。
其中,在步骤S30中,当所述待处理数据为待生成标签数据时,所述数据处理GPU为用于参数校验的第一GPU、用于获取杂凑值的第二GPU和用于标签生成的第一GPU组中任意一种,所述通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理的步骤包括:
步骤A10,通过所述CPU调度所述第一GPU对所述待生成标签数据进行校验,得到参数校验结果;
示例性地,步骤A10包括:当所述待处理数据为待生成标签数据时,从所述共享显存中获取所述待生成标签数据,依据所述待生成标签数据的参数,通过所述CPU调度所述第一GPU按照预设参数校验规则,对所述待生成标签数据进行校验,得到参数校验结果,其中,所述预设参数校验规则为存储于第一GPU中,用于对参数进行校验的规则文件数据。
步骤A20,当检测到所述参数校验结果为校验通过时,则通过调度所述第二GPU获取杂凑值;
示例性地,步骤A20包括:当检测到所述参数校验结果为校验通过时,则依据所述待生成标签数据的数据类型,通过所述CPU调度所述第二GPU获取杂凑值,并将所述杂凑值与所述待生成标签数据共同进行存储至所述共享显存中;当检测到所述参数校验结果为校验不通过时,则输出返回参数错误信息。
步骤A30,当检测到获取所述杂凑值成功时,则通过调度所述第四GPU生成所述待生成标签数据的标签。
示例性地,步骤A30包括:当检测到获取所述杂凑值成功时,则通过所述CPU调度所述第四GPU生成所述待生成标签数据的标签,并将所述标签与所述待生成标签数据共同进行存储至所述共享显存中;当检测到所述杂凑值获取不成功时,则输出返回杂凑值错误信息。
其中,在步骤A30中,所述当检测到获取所述杂凑值成功时,则通过调度所述第四GPU生成所述待生成标签数据的标签的步骤包括:
步骤A31,通过调度所述第三GPU获取所述待生成标签数据的标签格式;
示例性地,步骤A31包括:当检测到获取所述杂凑值成功时,则依据所述待生成标签数据的数据类型,通过所述CPU调度所述第三GPU获取所述待生成标签数据的标签格式;当检测到所述杂凑值获取不成功时,则输出返回杂凑值错误信息。
步骤A32,当检测到所述标签格式获取成功时,则通过调度所述第四GPU生成所述待生成标签数据的标签信息;
示例性地,步骤A32包括:当检测到所述标签格式获取成功时,则依据所述标签格式,通过所述CPU调度所述第四GPU生成所述待生成标签数据的标签信息,并将所述标签信息与所述待生成标签数据共同进行存储至所述共享显存中;当检测到所述标签格式获取不成功时,则输出返回获取标签格式错误信息。其中,所述标签信息包括标签ID、标签头和标签体。
步骤A33,依据所述标签信息,进行标签签名,得到签名信息。
示例性地,步骤A33包括:依据所述标签头和所述标签体,进行签名;若签名成功,则得到签名信息;若签名不成功,则返回获取签名错误信息。
其中,在步骤A30中,在所述依据所述标签信息,进行签名,得到签名信息的步骤之后,还包括:
步骤C10,依据所述标签信息,判断所述标签是否为一体式标签;
步骤C20,若是,则将所述标签作为所述待生成标签数据的属性,与所述待生成标签数据共同进行存储。
示例性地,步骤C10包括:依据所述标签信息,得到所述标签的标签属性,判断所述标签是否为一体式标签;若所述标签为一体式标签,则将所述标签作为所述待生成标签数据的属性,并与所述待生成标签数据共同进行存储至所述共享显存;若所述标签不是一体式标签,则输出返回标签信息。
本申请实施例提供了一种数据处理优化方法,相比于现有技术采用的以CPU线程技术生成数据安全标签的方法,本申请通过检测共享缓冲区中待生成标签数据是否满足预设启动GPU处理条件;若满足,则将所述待生成数据从所述共享缓冲区同步拷贝至共享显存,其中,所述共享显存为所有GPU共享的显存;通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理。通过将所有GPU的显存虚拟化为共享显存,并将CPU中共享缓冲区的数据同步至共享显存,使得多CPU间可直接进行通信,减少了内存与显存间的数据传输开销,实现了根据待生成标签数据的数量灵活选择处理方式,使得系统在面临复杂异构应用环境下仍然可以在保证低延迟的情况下高速地生成数据的标签,避免了仅采用CPU线程技术生成复杂数据的标签时,容易出现处理速率高但延迟高情况的技术缺陷,从而提升了CPU生成数据标签的效率。
实施例二
进一步地,基于本申请第一实施例,在本申请另一实施例中,与上述实施例一相同或相似的内容,可以参考上文介绍,后续不再赘述。在此基础上,所述数据处理优化方法包括:
在步骤S30中,当所述待处理数据为待检验标签数据时,所述数据处理GPU为用于参数校验的第一GPU、用于获取杂凑值的第二GPU和用于比对标签的第二GPU组中任意一种,所述通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理的步骤包括:
步骤D10,当检测到用户在线登录时,则通过所述CPU调度所述第一GPU对所述待检验标签数据进行校验,得到参数校验结果;
示例性地,步骤D10包括:当检测到用户处于在线登录状态时,则从所述共享显存中获取所述待检验数据,依据所述参数待检验标签数据的参数,通过所述CPU调度所述第一GPU按照所述预设参数校验规则,对所述待检验标签数据进行校验,得到参数校验结果;当检测到用户处于离线状态时,则输出返回登出状态信息。
步骤D20,当检测到所述参数校验结果为校验通过时,则通过调度所述第二GPU获取所述待检验标签数据的杂凑值与原杂凑值;
示例性地,步骤D20包括:当检测到所述参数校验结果为校验通过时,则依据所述待检验标签数据的数据类型,通过所述CPU调度所述第二GPU获取杂凑值,通过调度所述第二GPU查询共享显存,获取所述待检验标签数据的原杂凑值;当检测到所述参数校验结果为校验不通过时,则输出返回参数错误信息。其中,所述原杂凑值为生成待处理数据标签时,对所述待处理数据计算得到的所述待处理数据的杂凑值。
步骤D30,若所述杂凑值与所述原杂凑值一致,则通过调度所述第二GPU组比对所述待检验标签数据的标签与原标签,若所述待检验标签数据的标签与原标签一致,则判定标签检验成功。
示例性地,步骤D30包括:若所述杂凑值与所述原杂凑值一致,则通过查询所述共享显存获取所述待检验标签数据以及所述待检验标签数据的原标签,通过所述第二GPU组比对所述待检验标签数据的标签与原标签,若所述待检验标签数据的标签与原标签一致,则判定标签检验成功;若所述待检验标签数据的标签与原标签不一致,则输出返回检验标签失败信息。
其中,在步骤D30中,所述第二GPU组包括用于标签获取比对的第五GPU和用于签名获取比对的第六GPU,所述通过调度所述标签比对GPU比对所述待检验标签数据的标签与原标签,若所述待检验标签数据的标签与原标签一致,则判定标签检验成功的步骤包括:
步骤E10,通过调度所述第五GPU获取并比对所述待检验标签数据的标签信息与原标签信息;
示例性地,步骤E10包括:通过所述CPU调度所述第五GPU查询所述共享显存,获取所述待检验标签数据以及所述待检验标签数据的原标签信息;依据所述待检验标签数据,通过所述CPU调度所述第五GPU获取所述待检验标签数据的标签数据;通过调度所述第五GPU比对所述待检验标签数据的标签信息与原标签信息。
步骤E20,若所述标签信息与所述原标签信息一致,则调度所述第六GPU获取并比对所述待检验标签数据的签名信息和原签名信息;
示例性地,步骤E20包括:若所述标签信息与所述原标签信息一致,则通过所述CPU调度所述第六GPU查询所述共享显存,获取所述待检验标签数据以及所述待检验标签数据的原签名信息,依据所述待检验标签数据,通过所述CPU调度所述第六GPU获取所述待检验标签数据的签名信息,通过调度所述第六GPU比对所述待检验标签数据的签名信息与原签名信息;若所述标签信息与所述原标签信息不一致,则输出返回不存在该标签数据,检验标签失败信息。
步骤E30,若所述签名信息与原签名信息一致,则判定标签检验成功。
示例性地,步骤E30包括:若所述签名信息与原签名信息一致,则判定标签检验成功;若所述签名信息与原签名信息不一致,则返回获取签名错误,检验标签失败信息。
本申请实施例提供了一种数据处理优化方法,相比于现有技术采用的以CPU线程技术检验数据安全标签的方法,本申请通过检测共享缓冲区中待检验标签数据是否满足预设启动GPU处理条件;若满足,则将所述待检验数据从所述共享缓冲区同步拷贝至共享显存,其中,所述共享显存为所有GPU共享的显存;通过所述CPU调度至少一个数据处理GPU,对所述待检验数据进行多GPU加速数据处理。通过将所有GPU的显存虚拟化为共享显存,并将CPU中共享缓冲区的数据同步至共享显存,使得多CPU间可直接进行通信,减少了内存与显存间的数据传输开销,实现了根据待检验标签数据的数量灵活选择处理方式,使得系统在面临复杂异构应用环境下仍然可以在保证低延迟的情况下高速地检验数据的标签,避免了仅采用CPU线程技术检验复杂数据标签时,容易出现处理速率高但延迟高情况的技术缺陷,从而提升了CPU检验数据标签的效率。
实施例三
进一步地,基于本申请第一实施例,在本申请另一实施例中,与上述实施例一相同或相似的内容,可以参考上文介绍,后续不再赘述。在此基础上,所述数据处理优化方法包括:
在步骤S30中,所述数据处理GPU包括用于参数校验的第一GPU和用于标签移除的第七GPU,所述通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理的步骤包括:
步骤F10,通过所述CPU调度所述第一GPU对所述待检验标签数据进行校验,得到参数校验结果;
示例性地,步骤F10包括:当检测到应用系统处于启用状态时,则从所述共享显存中获取所述待移除标签数据,依据所述参数待移除标签数据的参数,通过所述CPU调度所述第一GPU按照所述预设参数校验规则,对所述待移除标签数据进行校验,得到参数校验结果;当检测到应用系统处于未启用状态时,则输出返回应用未启用信息。
步骤F20,当检测到所述参数校验结果为校验通过时,通过调度所述第七GPU移除所述待移除标签数据中的标签属性。
示例性地,步骤F20包括:当检测到所述参数校验结果为校验通过时,通过所述CPU调度所述第七GPU移除所述待移除标签数据中的标签属性,以移除所述待移除标签数据中的标签;当检测到所述参数校验结果为校验不通过时,则输出返回参数错误信息。若所述标签移除成功,则输出返回标签信息;若所述标签移除不成功,则输出返回移除标签错误信息。
本申请实施例提供了一种数据处理优化方法,相比于现有技术采用的以CPU线程技术移除数据安全标签的方法,本申请通过检测共享缓冲区中待移除标签数据是否满足预设启动GPU处理条件;若满足,则将所述待移除数据从所述共享缓冲区同步拷贝至共享显存,其中,所述共享显存为所有GPU共享的显存;通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理。通过将所有GPU的显存虚拟化为共享显存,并将CPU中共享缓冲区的数据同步至共享显存,使得多CPU间可直接进行通信,减少了内存与显存间的数据传输开销,实现了根据待移除标签数据的数量灵活选择处理方式,使得系统在面临复杂异构应用环境下仍然可以在保证低延迟的情况下高速地移除数据的标签,避免了仅采用CPU线程技术移除复杂数据标签时,容易出现处理速率高但延迟高情况的技术缺陷,从而提升了CPU移除数据标签的效率。
实施例四
本申请实施例还提供一种数据处理优化装置,所述数据处理优化装置应用于数据处理优化设备,所述数据处理优化装置包括:
数据检测模块,用于检测CPU的共享缓冲区中存储的待处理数据是否满足预设启动GPU处理条件;
数据拷贝模块,用于若满足,则将所述待处理数据从所述共享缓冲区同步拷贝至共享显存,其中,所述共享显存为所有GPU共享的显存;
数据处理模块,用于通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理。
可选地,当所述待处理数据为待生成标签数据时,所述数据处理GPU为用于参数校验的第一GPU、用于获取杂凑值的第二GPU和用于标签生成的第一GPU组中任意一种,所述数据处理模块还用于:
通过所述CPU调度所述第一GPU对所述待生成标签数据进行校验,得到参数校验结果;
当检测到所述参数校验结果为校验通过时,则通过调度所述第二GPU获取杂凑值;
当检测到获取所述杂凑值成功时,则通过调度所述第一GPU组生成所述待生成标签数据的标签。
可选地,所述第一GPU组包括用于标签格式获取的第三GPU以及用于标签生成的第四GPU,所述数据处理模块还用于:
通过调度所述第三GPU获取所述待生成标签数据的标签格式;
当检测到所述标签格式获取成功时,则通过调度所述第四GPU生成所述待生成标签数据的标签信息;
依据所述标签信息进行标签签名,得到签名信息。
可选地,所述数据处理模块还用于:
依据所述标签信息,判断所述标签是否为一体式标签;
若是,则将所述标签作为所述待生成标签数据的属性,与所述待生成标签数据共同进行存储。
可选地,当所述待处理数据为待检验标签数据时,所述数据处理GPU为用于参数校验的第一GPU、用于获取杂凑值的第二GPU和用于比对标签的第二GPU组中任意一种,所述数据处理模块还用于:
当检测到用户在线登录时,则通过所述CPU调度所述第一GPU对所述待检验标签数据进行校验,得到参数校验结果;
当检测到所述参数校验结果为校验通过时,则通过调度所述第二GPU获取所述待检验标签数据的杂凑值与原杂凑值;
若所述杂凑值与所述原杂凑值一致,则通过调度所述标签比对GPU比对所述待检验标签数据的标签与原标签,若所述待检验标签数据的标签与原标签一致,则判定标签检验成功。
可选地,所述第二GPU组包括用于标签获取比对的第五GPU和用于签名获取比对的第六GPU,所述数据处理模块还用于:
通过调度所述第五GPU获取并比对所述待检验标签数据的标签信息与原标签信息;
若所述标签信息与所述原标签信息一致,则调度所述第六GPU获取并比对所述待检验标签数据的签名信息和原签名信息;
若所述签名信息与原签名信息一致,则判定标签检验成功。
可选地,当所述待处理数据为待移除标签数据时,所述数据处理GPU包括用于参数校验的第一GPU和用于标签移除的第七GPU,所述数据处理模块还用于:
通过所述CPU调度所述第一GPU对所述待移除标签数据进行校验,得到参数校验结果;
当检测到所述参数校验结果为校验通过时,则通过调度所述第七GPU移除所述待移除标签数据中的标签属性。
本发明提供的数据处理优化装置,采用上述实施例中的数据处理优化方法,解决了CPU进行数据处理时效率低的技术问题。与现有技术相比,本发明实施例提供的数据处理优化装置的有益效果与上述实施例提供的数据处理优化方法的有益效果相同,且该数据处理优化装置中的其他技术特征与上述实施例方法公开的特征相同,在此不做赘述。
实施例五
本发明实施例提供一种电子设备,所述电子设备可以为无人机或者充电舱,电子设备包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述实施例中的数据处理优化方法。
下面参考图2,其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子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2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2所示,电子设备可以包括处理装置(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)中的程序或者从存储装置加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
通常,以下系统可以连接至I/O接口:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、并行度计、陀螺仪等的输入装置;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置;包括例如磁带、硬盘等的存储装置;以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备,但是应理解的是,并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
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从网络上被下载和安装,或者从存储装置被安装,或者从ROM被安装。在该计算机程序被处理装置执行时,执行本公开实施例的方法中限定的上述功能。
本发明提供的电子设备,采用上述实施例中的数据处理优化方法,解决了CPU进行数据处理时效率低的技术问题。与现有技术相比,本发明实施例提供的电子设备的有益效果与上述实施例提供的数据处理优化方法的有益效果相同,且该电子设备中的其他技术特征与上述实施例方法公开的特征相同,在此不做赘述。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
实施例六
本实施例提供一种计算机可读存储介质,具有存储在其上的计算机可读程序指令,计算机可读程序指令用于执行上述实施例一中的数据处理优化的方法。
本发明实施例提供的计算机可读存储介质例如可以是U盘,但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件,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。在本实施例中,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、系统或者器件使用或者与其结合使用。计算机可读存储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。
上述计算机可读存储介质可以是电子设备中所包含的;也可以是单独存在,而未装配入电子设备中。
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电子设备执行时,使得电子设备:检测CPU的共享缓冲区中存储的待处理数据是否满足预设启动GPU处理条件;若满足,则将所述待处理数据从所述共享缓冲区同步拷贝至共享显存,其中,所述共享显存为所有GPU共享的显存;通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理。
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器上执行。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,图示了按照本发明各种实施例的系统、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模块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,模块的名称在某种情况下并不构成对该单元本身的限定。
本发明提供的计算机可读存储介质,存储有用于执行上述数据处理优化方法的计算机可读程序指令,解决了CPU进行数据处理时效率低的技术问题。与现有技术相比,本发明实施例提供的计算机可读存储介质的有益效果与上述实施提供的数据处理优化方法的有益效果相同,在此不做赘述。
实施例七
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的数据处理优化方法的步骤。
本申请提供的计算机程序产品解决了CPU进行数据处理时效率低的技术问题。与现有技术相比,本发明实施例提供的计算机程序产品的有益效果与上述实施例提供的数据处理优化方法的有益效果相同,在此不做赘述。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请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,均同理包括在本申请的专利处理范围内。
Claims (10)
1.一种数据处理优化方法,其特征在于,所述数据处理优化方法包括:
检测CPU的共享缓冲区中存储的待处理数据是否满足预设启动GPU处理条件;
若满足,则将所述待处理数据从所述共享缓冲区同步拷贝至共享显存,其中,所述共享显存为所有GPU共享的显存;
通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理。
2.如权利要求1所述数据处理优化方法,其特征在于,当所述待处理数据为待生成标签数据时,所述数据处理GPU为用于参数校验的第一GPU、用于获取杂凑值的第二GPU和用于标签生成的第一GPU组中任意一种,
所述通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理的步骤包括:
通过所述CPU调度所述第一GPU对所述待生成标签数据进行校验,得到参数校验结果;
当检测到所述参数校验结果为校验通过时,则通过调度所述第二GPU获取杂凑值;
当检测到获取所述杂凑值成功时,则通过调度所述第一GPU组生成所述待生成标签数据的标签。
3.如权利要求2所述数据处理优化方法,其特征在于,所述第一GPU组包括用于标签格式获取的第三GPU以及用于标签生成的第四GPU,
所述当检测到获取所述杂凑值成功时,则通过调度所述第一GPU组生成所述待生成标签数据的标签的步骤包括:
通过调度所述第三GPU获取所述待生成标签数据的标签格式;
当检测到获取所述标签格式成功时,则通过调度所述第四GPU生成所述待生成标签数据的标签信息;
依据所述标签信息进行标签签名,得到签名信息。
4.如权利要求3所述数据处理优化方法,其特征在于,在所述依据所述标签信息进行签名,得到签名信息的步骤之后,所述数据处理优化方法还包括:
依据所述标签信息,判断所述标签是否为一体式标签;
若是,则将所述标签作为所述待生成标签数据的属性,与所述待生成标签数据共同进行存储。
5.如权利要求1所述数据处理优化方法,其特征在于,当所述待处理数据为待检验标签数据时,所述数据处理GPU为用于参数校验的第一GPU、用于获取杂凑值的第二GPU和用于比对标签的第二GPU组中任意一种,
所述通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理的步骤包括:
当检测到用户在线登录时,则通过所述CPU调度所述第一GPU对所述待检验标签数据进行校验,得到参数校验结果;
当检测到所述参数校验结果为校验通过时,则通过调度所述第二GPU获取所述待检验标签数据的杂凑值与原杂凑值;
若所述杂凑值与所述原杂凑值一致,则通过调度所述第二GPU组比对所述待检验标签数据的标签与原标签,若所述待检验标签数据的标签与原标签一致,则判定标签检验成功。
6.如权利要求5所述数据处理优化方法,其特征在于,所述第二GPU组包括用于标签获取比对的第五GPU和用于签名获取比对的第六GPU,
所述通过调度所述第二GPU组比对所述待检验标签数据的标签与原标签,若所述待检验标签数据的标签与原标签一致,则判定标签检验成功的步骤包括:
通过调度所述第五GPU获取并比对所述待检验标签数据的标签信息与原标签信息;
若所述标签信息与所述原标签信息一致,则调度所述第六GPU获取并比对所述待检验标签数据的签名信息和原签名信息;
若所述签名信息与原签名信息一致,则判定标签检验成功。
7.如权利要求1所述数据处理优化方法,其特征在于,当所述待处理数据为待移除标签数据时,所述数据处理GPU包括用于参数校验的第一GPU和用于标签移除的第七GPU,
所述通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理的步骤包括:
通过所述CPU调度所述第一GPU对所述待移除标签数据进行校验,得到参数校验结果;
当检测到所述参数校验结果为校验通过时,则通过调度所述第七GPU移除所述待移除标签数据中的标签属性。
8.一种数据处理优化装置,其特征在于,所述数据处理优化装置应用于数据处理优化设备,所述数据处理优化装置包括:
数据检测模块,用于检测CPU的共享缓冲区中存储的待处理数据是否满足预设启动GPU处理条件;
数据拷贝模块,用于若满足,则将所述待处理数据从所述共享缓冲区同步拷贝至共享显存,其中,所述共享显存为所有GPU共享的显存;
数据处理模块,用于通过所述CPU调度至少一个数据处理GPU,对所述待处理数据进行多GPU加速数据处理。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至7中任一项所述的数据处理优化方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有实现数据处理优化方法的程序,所述实现数据处理优化方法的程序被处理器执行以实现如权利要求1至7中任一项所述数据处理优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210103828.4A CN114116238B (zh) | 2022-01-28 | 2022-01-28 | 数据处理优化方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210103828.4A CN114116238B (zh) | 2022-01-28 | 2022-01-28 | 数据处理优化方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114116238A true CN114116238A (zh) | 2022-03-01 |
CN114116238B CN114116238B (zh) | 2022-05-03 |
Family
ID=80361771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210103828.4A Active CN114116238B (zh) | 2022-01-28 | 2022-01-28 | 数据处理优化方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114116238B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965689A (zh) * | 2015-05-22 | 2015-10-07 | 浪潮电子信息产业股份有限公司 | 一种cpu/gpu的混合并行计算方法及装置 |
CN107102897A (zh) * | 2016-02-23 | 2017-08-29 | 深圳市知穹科技有限公司 | 一种多gpu并行处理的数据库主动防御方法 |
CN109819057A (zh) * | 2019-04-08 | 2019-05-28 | 科大讯飞股份有限公司 | 一种负载均衡方法及系统 |
US20190213776A1 (en) * | 2018-01-08 | 2019-07-11 | Apple Inc. | Low Latency Firmware Command Selection Using A Directed Acyclic Graph |
CN110308982A (zh) * | 2018-03-20 | 2019-10-08 | 华为技术有限公司 | 一种共享内存复用方法及装置 |
CN110764901A (zh) * | 2019-09-17 | 2020-02-07 | 阿里巴巴集团控股有限公司 | 基于gpu资源的数据处理方法、电子设备及系统 |
CN111552556A (zh) * | 2020-03-24 | 2020-08-18 | 合肥中科类脑智能技术有限公司 | 一种gpu集群服务管理系统及方法 |
CN113918356A (zh) * | 2021-12-13 | 2022-01-11 | 广东睿江云计算股份有限公司 | 基于cuda数据快速同步方法、装置、计算机设备及存储介质 |
-
2022
- 2022-01-28 CN CN202210103828.4A patent/CN114116238B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965689A (zh) * | 2015-05-22 | 2015-10-07 | 浪潮电子信息产业股份有限公司 | 一种cpu/gpu的混合并行计算方法及装置 |
CN107102897A (zh) * | 2016-02-23 | 2017-08-29 | 深圳市知穹科技有限公司 | 一种多gpu并行处理的数据库主动防御方法 |
US20190213776A1 (en) * | 2018-01-08 | 2019-07-11 | Apple Inc. | Low Latency Firmware Command Selection Using A Directed Acyclic Graph |
CN110308982A (zh) * | 2018-03-20 | 2019-10-08 | 华为技术有限公司 | 一种共享内存复用方法及装置 |
CN109819057A (zh) * | 2019-04-08 | 2019-05-28 | 科大讯飞股份有限公司 | 一种负载均衡方法及系统 |
CN110764901A (zh) * | 2019-09-17 | 2020-02-07 | 阿里巴巴集团控股有限公司 | 基于gpu资源的数据处理方法、电子设备及系统 |
CN111552556A (zh) * | 2020-03-24 | 2020-08-18 | 合肥中科类脑智能技术有限公司 | 一种gpu集群服务管理系统及方法 |
CN113918356A (zh) * | 2021-12-13 | 2022-01-11 | 广东睿江云计算股份有限公司 | 基于cuda数据快速同步方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
CHU-HSING LIN: ""On the Performance of Cracking Hash Function SHA-1 Using Cloud and GPU Computing"", 《WIRELESS PERSONAL COMMUNICATIONS》 * |
魏海州: ""一种洋葱地址快速生成算法Shallot++"", 《小型微型计算机系统》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114116238B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110321958B (zh) | 神经网络模型的训练方法、视频相似度确定方法 | |
CN110865898B (zh) | 崩溃调用栈聚合的方法、装置、介质和设备 | |
CN110413812B (zh) | 神经网络模型的训练方法、装置、电子设备及存储介质 | |
CN113835992B (zh) | 内存泄露的处理方法、装置、电子设备及计算机存储介质 | |
WO2022105622A1 (zh) | 图像分割方法、装置、可读介质及电子设备 | |
CN111738316B (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
CN111324258B (zh) | 多级下拉菜单配置项内容生成方法、装置、设备和介质 | |
CN114116238B (zh) | 数据处理优化方法、装置、电子设备及可读存储介质 | |
CN111367783B (zh) | 应用程序的测试方法、装置及电子设备 | |
CN111198853B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN112379967B (zh) | 模拟器检测方法、装置、设备及介质 | |
CN112286808B (zh) | 应用程序的测试方法、装置、电子设备及介质 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN111538717B (zh) | 数据处理的方法、装置、电子设备及计算机可读介质 | |
CN113656286A (zh) | 软件测试方法、装置、电子设备及可读存储介质 | |
CN114781567B (zh) | 检测设备安装方法、装置、电子设备及可读存储介质 | |
CN111738311A (zh) | 面向多任务的特征提取方法、装置及电子设备 | |
CN111092758A (zh) | 降低告警及恢复误报的方法、装置及电子设备 | |
CN115470292B (zh) | 区块链共识方法、装置、电子设备及可读存储介质 | |
CN111813641B (zh) | 崩溃信息收集的方法、装置、介质和设备 | |
CN116820539B (zh) | 一种基于互联网的系统软件运行维护系统及方法 | |
CN116561015B (zh) | 地图应用测试方法、电子设备与计算机可读介质 | |
CN110955549B (zh) | 故障内存判定方法、装置及电子设备 | |
CN111813663B (zh) | 一种指针类型识别方法、装置、介质和设备 | |
CN112948127A (zh) | 云平台容器平均负载监视方法、终端设备及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |