CN114398183A - 基于区块链的任务分配方法、装置、设备以及存储介质 - Google Patents
基于区块链的任务分配方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN114398183A CN114398183A CN202210073518.2A CN202210073518A CN114398183A CN 114398183 A CN114398183 A CN 114398183A CN 202210073518 A CN202210073518 A CN 202210073518A CN 114398183 A CN114398183 A CN 114398183A
- Authority
- CN
- China
- Prior art keywords
- task
- information
- server node
- node
- score
- 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
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明属于区块链领域,提供了一种基于区块链的任务分配方法、装置、设备以及存储介质,其中方法包括:通过分配节点接收待分配任务的数据信息,以及终端节点的第一位置信息,获取各服务器节点的第二位置信息和实时状态信息,计算各所述服务器节点的空闲分值,以及位置分值;选取目标服务器节点接收所述终端节点上传的所述待分配任务。本发明的有益效果:实现了对各个服务器节点资源的综合利用,有效的避免了服务器资源浪费的情况。
Description
技术领域
本发明涉及区块链技术领域,特别涉及一种基于区块链的任务分配方法、装置、设备以及存储介质。
背景技术
消息队列已经逐渐成为企业系统内部通信的核心手段。它具有低耦合、可靠投递、广播、流量控制、最终一致性等一系列功能,成为异步RPC(Remote Procedure CallProtocol,远程过程调用协议)的主要手段之一。目前,通用的模型是基于partition的存储模型,但是当服务器的数量多于消息队列时,多余的服务器不会参与对任务的处理,因此会造成服务器资源的浪费。
发明内容
本发明的主要目的为提供一种基于区块链的任务分配方法、装置、设备以及存储介质,旨在解决服务器资源的浪费的问题。
本发明提供了一种基于区块链的任务分配方法,包括:
分配节点接收待分配任务的数据信息,以及上传所述待分配任务的终端节点所在的第一位置信息;其中,所述分配节点和所述终端节点为所述区块链中的节点;
从所述区块链中获取各服务器节点的第二位置信息和实时状态信息;
根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值;
基于所述空闲分值和所述位置分值从所述服务器节点中选取目标服务器节点;
通知所述目标服务器节点接收所述终端节点上传的所述待分配任务。
进一步地,所述从所述区块链中获取各服务器节点的第二位置信息和实时状态信息的步骤,包括:
从所述区块链中获取各所述服务器节点的第二位置信息,以及所述服务器节点的任务处理进度和单位时间内的任务处理效率;
根据所述任务处理进度和所述任务处理效率得到所述实时状态信息。
进一步地,所述通知所述目标服务器节点接收所述终端节点上传的所述待分配任务的步骤之前,还包括:
获取所述目标服务器节点处理任务的任务信息;
将所述任务信息和所述数据信息分别进行向量化,得到任务向量和数据向量;
判断所述相似度是否大于相似度阈值;
若是,则执行所述通知所述目标服务器节点接收所述终端节点上传的所述待分配任务的步骤。
进一步地,所述基于所述空闲分值和所述位置分值从所述服务器节点中选取目标服务器节点的步骤,包括:
根据所述空闲分值和所述位置分值按照第一优先级规则选取第一服务器节点;
判断选取的所述第一服务器节点的数量是否大于预设值;
若是,则基于第二优先级规则从所述第一服务器节点中选取目标服务器节点。
进一步地,所述获取所述目标服务器节点处理任务的任务信息的步骤,包括:
获取所述目标服务器节点中存储的任务记录文本;
对所述任务记录文本进行预处理;所述预处理包括剔除所述任务记录文本中的标点符号、统一语种、删除不相关词句,所述不相关词句包括问候语和形容词;
通过BERT中文训练模型识别所述任务记录文本,并通过特征提取的方式对所述任务记录文本进行分词;
通过语义识别技术对分词后的所述任务记录文本进行识别,并提取其中的任务关键词,将所述任务关键词作为所述任务信息进行获取。
进一步地,所述根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值的步骤之前,还包括:
建立TOKEN列表,并为每个所述服务器节点赋予一个TOKEN标签;
将所述第二位置信息和所述实时状态信息附着于对应的所述TOKEN标签上,形成服务器标签。
进一步地,所述根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值的步骤之前,还包括:
获取所述待分配任务对应的第一属性指标,其中所述第一属性指标与所述数据信息中的至少一项相对应;
将所述第一属性指标输入到基于支持向量机的聚类算法中;
获取所述聚类算法输出的所述第一属性指标对应的第一聚类簇;
提取所述第一聚类簇对应的服务器节点,作为所述待分配任务对应的候选分配对象。
本发明还提供了一种基于区块链的任务分配装置,包括:
接收模块,用于接收待分配任务的数据信息,以及上传所述待分配任务的终端节点所在的第一位置信息;其中,所述分配节点和所述终端节点为所述区块链中的节点;
获取模块,用于从所述区块链中获取各服务器节点的第二位置信息和实时状态信息;
计算模块,用于根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值;
选取模块,用于基于所述空闲分值和所述位置分值从所述服务器节点中选取目标服务器节点;
通知模块,用于通知所述目标服务器节点接收所述终端节点上传的所述待分配任务。
本发明还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本发明的有益效果:通过分配节点接收待分配任务的数据信息,以及终端节点的第一位置信息,获取各服务器节点的第二位置信息和实时状态信息,计算各所述服务器节点的空闲分值,以及位置分值;选取目标服务器节点接收所述终端节点上传的所述待分配任务。实现了对各个服务器节点资源的综合利用,有效的避免了服务器资源浪费的情况。
附图说明
图1是本发明一实施例的一种基于区块链的任务分配方法的流程示意图;
图2是本发明一实施例的一种基于区块链的任务分配装置的结构示意框图;
图3为本申请一实施例的计算机设备的结构示意框图。
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
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的一部分实施例,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。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变,所述的连接可以是直接连接,也可以是间接连接。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其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至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参照图1,本发明提出一种基于区块链的任务分配方法,包括:
S1:分配节点接收待分配任务的数据信息,以及上传所述待分配任务的终端节点所在的第一位置信息;其中,所述分配节点和所述终端节点为所述区块链中的节点;
S2:从所述区块链中获取各服务器节点的第二位置信息和实时状态信息;
S3:根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值;
S4:基于所述空闲分值和所述位置分值从所述服务器节点中选取目标服务器节点;
S5:通知所述目标服务器节点接收所述终端节点上传的所述待分配任务。
如上述步骤S1所述,分配节点接收待分配任务的数据信息,以及上传所述待分配任务的终端节点所在的第一位置信息。其中,数据信息包括任务的种类信息以及任务的数据大小信息,终端节点可以是用户终端,例如手机、电脑等通信设备。区块链中包括有终端节点,分配节点以及服务器节点,分配节点可以是任意的实体节点,也可以是一个虚拟节点。
如上述步骤S2所述,从所述区块链中获取各服务器节点的第二位置信息和实时状态信息。其中,服务器节点所在的位置为第二位置信息,实时状态信息可以根据服务器的运行量得到,即各个服务器节点实时上传自身的运行量,或者将运行量转化为对应的实时状态信息进行上传。
如上述步骤S3所述,根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值。其中,空闲分值是各个服务器相对于待分配任务的分值,其与服务器节点的状态以及待分配任务都相关,具体可以为各个服务器节点处理该待分配任务的预计时长,得到空闲分值。位置分值根据终端节点以及服务器节点的位置所确定,一般而言,为了更快的响应终端节点的数据信息,一般都会将其发送给最近的服务器节点进行处理,因此,可以将位置分值作为后续选择服务器节点的一个因素。
如上述步骤S4所述,基于所述空闲分值和所述位置分值从所述服务器节点中选取目标服务器节点。依据空闲分值和位置分值选取的方式可以是分别赋予空闲位置和位置分值一个权重值,然后进行加权平均计算得到总分值,依据该总分值进行选取,另外,若目标服务器都处于较为空闲的状态,也可以只选取位置分值最高的服务器节点,选取的方式不做限定,基于空闲分值和位置分值综合考虑的选取方式均在本申请的保护范围之内。
如上述步骤S5所述,通知所述目标服务器节点接收所述终端节点上传的所述待分配任务,在选取了对应的目标服务器节点后,即可以通知目标服务器节点接收该待分配任务,由于终端节点已经将该待分配任务上传,此处只需要通知对应的目标服务器节点进行接收即可。另外,若接收待分配任务的是消息队列,则可以建立映射日志来代替待分配任务,然后将该映射日志发送给目标节点即可。从而实现了对各个服务器节点资源的综合利用,有效的避免了服务器资源浪费的情况。
在一个实施例中,所述从所述区块链中获取各服务器节点的第二位置信息和实时状态信息的步骤S2,包括:
S201:从所述区块链中获取各所述服务器节点的第二位置信息,以及所述服务器节点的任务处理进度和单位时间内的任务处理效率;
S202:根据所述任务处理进度和所述任务处理效率得到所述实时状态信息。
如上述步骤S201-S202所述,获取实时状态信息,即服务器节点可以将第二位置信息和处理任务的数据(即任务处理进度和单位时间内的任务处理效率)上传至区块链中,然后从区块链中获取到各个服务器节点的第二位置信息,以及根据任务处理进度和所述任务处理效率得到所述实时状态信息,该实时状态信息可以理解为基于该任务处理进度和任务处理效率对待分配任务的预计完成时间。
在一个实施例中,所述通知所述目标服务器节点接收所述终端节点上传的所述待分配任务的步骤S5之前,还包括:
S401:获取所述目标服务器节点处理任务的任务信息;
S402:将所述任务信息和所述数据信息分别进行向量化,得到任务向量和数据向量;
S404:判断所述相似度是否大于相似度阈值;
S405:若是,则执行所述通知所述目标服务器节点接收所述终端节点上传的所述待分配任务的步骤。
如上述步骤S401-S405所述,实现了对目标服务器节点处理该待分配任务能力的检测,即获取到目标服务器节点处理任务的任务信息,该任务信息为目标服务器节点处理过任务的任务信息,即历史任务的信息,然后进行向量化,向量化的方式可以是通过预设的支持向量机进行向量化,从而得到对应的任务向量和数据向量,基于公式计算相似度,当相似度越高,说明目标服务器节点处理过待分配任务这类类别的任务越多,因此处理待分配任务的能力就越强,可以执行通知所述目标服务器节点接收所述终端节点上传的所述待分配任务的步骤,当相似度越低,说明目标服务器节点处理过待分配任务这类类别的任务越少,因此处理待分配任务的能力就越弱,则可以另外选取服务器节点分配该待分配任务,相似度阈值为预先设定的值,当大于该相似度阈值时,即可任务目标服务器节点具备处理待分配任务的能力。
在一个实施例中,所述基于所述空闲分值和所述位置分值从所述服务器节点中选取目标服务器节点的步骤S4,包括:
S411:根据所述空闲分值和所述位置分值按照第一优先级规则选取第一服务器节点;
S412:判断选取的所述第一服务器节点的数量是否大于预设值;
S413:若是,则基于第二优先级规则从所述第一服务器节点中选取目标服务器节点。
如上述步骤S411-S413所述,实现了对目标服务器节点的预选。即先根据空闲分值和位置分值按照第一优先级规则选取,第一优先级规则可以是先筛选空闲分值和位置分值都大于各自预设的分值的第一服务器节点,然后在基于第二优先级规则从第一服务器中选取,第二优先级规则可以是对空闲分值和位置分值都赋予一个权重,然后对空闲分值和位置分值进行加权计算,得到总分值,根据总分值选取目标服务器节点,从而实现对服务器节点的选取。
在一个实施例中,所述获取所述目标服务器节点处理任务的任务信息的步骤S401,包括:
S4011:获取所述目标服务器节点中存储的任务记录文本;
S4012:对所述任务记录文本进行预处理;所述预处理包括剔除所述任务记录文本中的标点符号、统一语种、删除不相关词句,所述不相关词句包括问候语和形容词;
S4013:通过BERT中文训练模型识别所述任务记录文本,并通过特征提取的方式对所述任务记录文本进行分词;
S4014:通过语义识别技术对分词后的所述任务记录文本进行识别,并提取其中的任务关键词,将所述任务关键词作为所述任务信息进行获取。
如上述步骤S4011-S4014所述,先对任务信息进行预处理,减少后续通过生成的向量进行计算的误差,然后通过BERT中文训练模型读取任务记录文本,并通过特征提取的方式对所述任务记录文本进行分词,其中BERT中文训练模型基于所述专业词库训练而成,该所述专业词库可以是各个服务器节点中的任务记录文本。然后通过语义识别技术识别所述任务记录文本,提取其中的任务关键词,将任务关键词作为任务信息进行获取,基于任务关键词可以获取到目标服务器节点的处理任务类别,以便于后续分配各个待分配任务。特征提取的方式具体可为Fine-tuning的方式,其将训练好的参数(可以从已训练好的模型中获得)初始化自己的网络,然后用预设的训练数据进行训练,参数的调整方法与from scratch训练过程相同(梯度下降)。其可以解决训练数据集不够大、模型调参能力有限的问题。
在一个实施例中,所述根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值的步骤S3之前,还包括:
S211:建立TOKEN列表,并为每个所述服务器节点赋予一个TOKEN标签;
S212:将所述第二位置信息和所述实时状态信息附着于对应的所述TOKEN标签上,形成服务器标签。
如上述步骤S211-S212所述,为了更方便后续对各个服务器节点进行分配处理任务,可以建立TOKEN列表,然后基于该TOKEN列表为每个服务器节点都赋予一个TOKEN标签,由于TOKEN标签具有唯一性,且难以被仿制,所以用TOKEN标签来对每个服务器节点进行标记,然后将获取到的第二位置信息和实时状态信息附着在TOKEN标签上,以建立服务器节点-TOKEN标签-服务器节点信息三者的对应关系,后续可以直接根据服务器节点的TOKEN标签进行分类,需要说明的是,第二位置信息和实时状态虽然附着在TOKEN标签上,但是进行验证时只通过TOKEN标签的原有部分进行验证。
在一个实施例中间管,所述根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值的步骤S3之前,还包括:
S221:获取所述待分配任务对应的第一属性指标,其中所述第一属性指标与所述数据信息中的至少一项相对应;
S222:将所述第一属性指标输入到基于支持向量机的聚类算法中;
S223:获取所述聚类算法输出的所述第一属性指标对应的第一聚类簇;
S224:提取所述第一聚类簇对应的服务器节点,作为所述待分配任务对应的候选分配对象。
本实施例的聚类算法基于支持向量机,支持向量机(Support Vector Machine,SVM)在解决小样本、非线性及高维模式识别中表现出特有优势,可以高效进行分析数据、识别模式、分类和回归分析。由于支持向量机可根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折中,即得到具有一定学习能力的复杂度较低的模型,以求获得最好的推广能力,使得本实施例基于支持向量机的聚类算法相比于传统的聚类算法具有处理的效率更高,使得输出的分类数据得到最大化的最小间隔,更有利于建立第一任务分配模式对应的分配对象的精准画像,提高第一任务分配模式与分配对象的匹配精准度。本实施例通过将已标注能力标签的所有分配对象,作为基于支持向量机的聚类算法的输入,以便通过聚类算法输出第一任务分配模式对应的第一聚类簇,以便通过对各待分配任务确定对应的聚类簇,达到对待分配任务更精准的匹配服务器节点。
参照图2,本发明还提供了一种基于区块链的任务分配装置,包括:
接收模块10,用于接收待分配任务的数据信息,以及上传所述待分配任务的终端节点所在的第一位置信息;其中,所述分配节点和所述终端节点为所述区块链中的节点;
获取模块20,用于从所述区块链中获取各服务器节点的第二位置信息和实时状态信息;
计算模块30,用于根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值;
选取模块40,用于基于所述空闲分值和所述位置分值从所述服务器节点中选取目标服务器节点;
通知模块50,用于通知所述目标服务器节点接收所述终端节点上传的所述待分配任务。
在一个实施例中,获取模块20,包括:
效率获取子模块,用于从所述区块链中获取各所述服务器节点的第二位置信息,以及所述服务器节点的任务处理进度和单位时间内的任务处理效率;
实时状态信息获取子模块,用于根据所述任务处理进度和所述任务处理效率得到所述实时状态信息。
在一个实施例中,基于区块链的任务分配装置,还包括:
任务信息获取模块,用于获取所述目标服务器节点处理任务的任务信息;
向量化模块,用于将所述任务信息和所述数据信息分别进行向量化,得到任务向量和数据向量;
判断模块,用于判断所述相似度是否大于相似度阈值;
执行模块,用于若是,则执行所述通知所述目标服务器节点接收所述终端节点上传的所述待分配任务的步骤。
在一个实施例中,选取模块40,包括:
第一选取子模块,用于根据所述空闲分值和所述位置分值按照第一优先级规则选取第一服务器节点;
判断子模块,用于判断选取的所述第一服务器节点的数量是否大于预设值;
第二选取子模块,用于若是,则基于第二优先级规则从所述第一服务器节点中选取目标服务器节点。
在一个实施例中,任务信息获取模块,包括:
记录文本获取子模块,用于获取所述目标服务器节点中存储的任务记录文本;
预处理子模块,用于对所述任务记录文本进行预处理;所述预处理包括剔除所述任务记录文本中的标点符号、统一语种、删除不相关词句,所述不相关词句包括问候语和形容词;
分词子模块,用于通过BERT中文训练模型识别所述任务记录文本,并通过特征提取的方式对所述任务记录文本进行分词;
识别子模块,用于通过语义识别技术对分词后的所述任务记录文本进行识别,并提取其中的任务关键词,将所述任务关键词作为所述任务信息进行获取。
在一个实施例中,基于区块链的任务分配装置,还包括:
标签赋予模块,用于建立TOKEN列表,并为每个所述服务器节点赋予一个TOKEN标签;
附着模块,用于将所述第二位置信息和所述实时状态信息附着于对应的所述TOKEN标签上,形成服务器标签。
在一个实施例中,基于区块链的任务分配装置,还包括:
属性指标获取模块,用于获取所述待分配任务对应的第一属性指标,其中所述第一属性指标与所述数据信息中的至少一项相对应;
输入模块,用于将所述第一属性指标输入到基于支持向量机的聚类算法中;
第一聚类簇获取模块,用于获取所述聚类算法输出的所述第一属性指标对应的第一聚类簇;
服务器节点提取模块,用于提取所述第一聚类簇对应的服务器节点,作为所述待分配任务对应的候选分配对象。
本发明的有益效果:通过分配节点接收待分配任务的数据信息,以及终端节点的第一位置信息,获取各服务器节点的第二位置信息和实时状态信息,计算各所述服务器节点的空闲分值,以及位置分值;选取目标服务器节点接收所述终端节点上传的所述待分配任务。实现了对各个服务器节点资源的综合利用,有效的避免了服务器资源浪费的情况。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各种数据信息等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时可以实现上述任一实施例所述的基于区块链的任务分配方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时可以实现上述任一实施例所述的基于区块链的任务分配方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储与一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM一多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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、装置、物品或者方法不仅包括那些要素,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、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中,用户管理模块负责所有区块链参与者的身份信息管理,包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等,并且在授权的情况下,监管和审计某些真实身份的交易情况,提供风险控制的规则配置(风控审计);基础服务模块部署在所有区块链节点设备上,用来验证业务请求的有效性,并对有效请求完成共识后记录到存储上,对于一个新的业务请求,基础服务先对接口适配解析和鉴权处理(接口适配),然后通过共识算法将业务信息加密(共识管理),在加密之后完整一致的传输至共享账本上(网络通信),并进行记录存储;智能合约模块负责合约的注册发行以及合约触发和合约执行,开发人员可以通过某种编程语言定义合约逻辑,发布到区块链上(合约注册),根据合约条款的逻辑,调用密钥或者其它的事件触发执行,完成合约逻辑,同时还提供对合约升级注销的功能;运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出,例如:告警、监控网络情况、监控节点设备健康状态等。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种基于区块链的任务分配方法,其特征在于,包括:
分配节点接收待分配任务的数据信息,以及上传所述待分配任务的终端节点所在的第一位置信息;其中,所述分配节点和所述终端节点为所述区块链中的节点;
从所述区块链中获取各服务器节点的第二位置信息和实时状态信息;
根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值;
基于所述空闲分值和所述位置分值从所述服务器节点中选取目标服务器节点;
通知所述目标服务器节点接收所述终端节点上传的所述待分配任务。
2.如权利要求1所述的基于区块链的任务分配方法,其特征在于,所述从所述区块链中获取各服务器节点的第二位置信息和实时状态信息的步骤,包括:
从所述区块链中获取各所述服务器节点的第二位置信息,以及所述服务器节点的任务处理进度和单位时间内的任务处理效率;
根据所述任务处理进度和所述任务处理效率得到所述实时状态信息。
4.如权利要求1所述的基于区块链的任务分配方法,其特征在于,所述基于所述空闲分值和所述位置分值从所述服务器节点中选取目标服务器节点的步骤,包括:
根据所述空闲分值和所述位置分值按照第一优先级规则选取第一服务器节点;
判断选取的所述第一服务器节点的数量是否大于预设值;
若是,则基于第二优先级规则从所述第一服务器节点中选取目标服务器节点。
5.如权利要求3所述的基于区块链的任务分配方法,其特征在于,所述获取所述目标服务器节点处理任务的任务信息的步骤,包括:
获取所述目标服务器节点中存储的任务记录文本;
对所述任务记录文本进行预处理;所述预处理包括剔除所述任务记录文本中的标点符号、统一语种、删除不相关词句,所述不相关词句包括问候语和形容词;
通过BERT中文训练模型识别所述任务记录文本,并通过特征提取的方式对所述任务记录文本进行分词;
通过语义识别技术对分词后的所述任务记录文本进行识别,并提取其中的任务关键词,将所述任务关键词作为所述任务信息进行获取。
6.如权利要求1所述的基于区块链的任务分配方法,其特征在于,所述根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值的步骤之前,还包括:
建立TOKEN列表,并为每个所述服务器节点赋予一个TOKEN标签;
将所述第二位置信息和所述实时状态信息附着于对应的所述TOKEN标签上,形成服务器标签。
7.如权利要求1所述的基于区块链的任务分配方法,其特征在于,所述根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值的步骤之前,还包括:
获取所述待分配任务对应的第一属性指标,其中所述第一属性指标与所述数据信息中的至少一项相对应;
将所述第一属性指标输入到基于支持向量机的聚类算法中;
获取所述聚类算法输出的所述第一属性指标对应的第一聚类簇;
提取所述第一聚类簇对应的服务器节点,作为所述待分配任务对应的候选分配对象。
8.一种基于区块链的任务分配装置,其特征在于,包括:
接收模块,用于接收待分配任务的数据信息,以及上传所述待分配任务的终端节点所在的第一位置信息;其中,所述分配节点和所述终端节点为所述区块链中的节点;
获取模块,用于从所述区块链中获取各服务器节点的第二位置信息和实时状态信息;
计算模块,用于根据所述实时状态信息和所述数据信息计算各所述服务器节点的空闲分值,以及基于所述第一位置信息和所述第二位置信息计算各个所述服务器节点的位置分值;
选取模块,用于基于所述空闲分值和所述位置分值从所述服务器节点中选取目标服务器节点;
通知模块,用于通知所述目标服务器节点接收所述终端节点上传的所述待分配任务。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210073518.2A CN114398183A (zh) | 2022-01-21 | 2022-01-21 | 基于区块链的任务分配方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210073518.2A CN114398183A (zh) | 2022-01-21 | 2022-01-21 | 基于区块链的任务分配方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114398183A true CN114398183A (zh) | 2022-04-26 |
Family
ID=81232342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210073518.2A Pending CN114398183A (zh) | 2022-01-21 | 2022-01-21 | 基于区块链的任务分配方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114398183A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036016A (zh) * | 2023-07-28 | 2023-11-10 | 广东股权交易中心股份有限公司 | 基于区块链的股权交易系统及方法 |
CN117971421A (zh) * | 2024-01-02 | 2024-05-03 | 国网河北省电力有限公司信息通信分公司 | 通感算存一体的系统的任务分配方法及装置 |
-
2022
- 2022-01-21 CN CN202210073518.2A patent/CN114398183A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036016A (zh) * | 2023-07-28 | 2023-11-10 | 广东股权交易中心股份有限公司 | 基于区块链的股权交易系统及方法 |
CN117036016B (zh) * | 2023-07-28 | 2024-06-18 | 广东股权交易中心股份有限公司 | 基于区块链的股权交易系统及方法 |
CN117971421A (zh) * | 2024-01-02 | 2024-05-03 | 国网河北省电力有限公司信息通信分公司 | 通感算存一体的系统的任务分配方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112612894B (zh) | 意图识别模型的训练方法、装置、计算机设备和存储介质 | |
CN114398183A (zh) | 基于区块链的任务分配方法、装置、设备以及存储介质 | |
CN113723288B (zh) | 基于多模态混合模型的业务数据处理方法及装置 | |
CN112464117A (zh) | 请求处理方法、装置、计算机设备和存储介质 | |
CN111027600B (zh) | 图像类别预测方法和装置 | |
CN113177109B (zh) | 文本的弱标注方法、装置、设备以及存储介质 | |
CN113570286B (zh) | 基于人工智能的资源分配方法、装置、电子设备及介质 | |
CN111831908A (zh) | 医疗领域知识图谱构建方法、装置、设备及存储介质 | |
CN112347254B (zh) | 新闻文本的分类方法、装置、计算机设备和存储介质 | |
CN113706151A (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
CN111506710A (zh) | 基于谣言预测模型的信息发送方法、装置和计算机设备 | |
CN113434310A (zh) | 多线程任务分配方法、装置、设备及存储介质 | |
CN111368926A (zh) | 图像筛选方法、装置和计算机可读存储介质 | |
CN111901554A (zh) | 基于语义聚类的通话通道构建方法、装置和计算机设备 | |
CN114840387A (zh) | 微服务监控方法、装置、计算机设备和存储介质 | |
CN113986581A (zh) | 数据聚合处理方法、装置、计算机设备和存储介质 | |
CN113204968A (zh) | 医学实体的概念识别方法、装置、设备及存储介质 | |
CN113327037A (zh) | 基于模型的风险识别方法、装置、计算机设备和存储介质 | |
CN113672654B (zh) | 数据查询方法、装置、计算机设备和存储介质 | |
CN113360644B (zh) | 文本模型再训练的方法、装置、设备及存储介质 | |
CN112364136B (zh) | 关键词生成方法、装置、设备及存储介质 | |
CN113641808A (zh) | 基于槽位信息的解答方法、装置、设备及存储介质 | |
CN113312481A (zh) | 基于区块链的文本分类方法、装置、设备以及存储介质 | |
CN113064997B (zh) | 基于bert模型的意图分析方法、装置、设备及介质 | |
CN113627551A (zh) | 基于多模型的证件分类方法、装置、设备和存储介质 |
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 |