CN114490780A - 一种数据流的调度方法、装置、电子设备、介质及产品 - Google Patents

一种数据流的调度方法、装置、电子设备、介质及产品 Download PDF

Info

Publication number
CN114490780A
CN114490780A CN202210327782.4A CN202210327782A CN114490780A CN 114490780 A CN114490780 A CN 114490780A CN 202210327782 A CN202210327782 A CN 202210327782A CN 114490780 A CN114490780 A CN 114490780A
Authority
CN
China
Prior art keywords
scheduling
task queue
event
query
processor
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
Application number
CN202210327782.4A
Other languages
English (en)
Other versions
CN114490780B (zh
Inventor
张健
张雁飞
王吟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Digital Transformation Technology Co ltd
Original Assignee
Beijing Digital Transformation Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Digital Transformation Technology Co ltd filed Critical Beijing Digital Transformation Technology Co ltd
Priority to CN202210327782.4A priority Critical patent/CN114490780B/zh
Publication of CN114490780A publication Critical patent/CN114490780A/zh
Application granted granted Critical
Publication of CN114490780B publication Critical patent/CN114490780B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24568—Data stream processing; Continuous queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • 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
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • 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
    • G06F9/505—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 considering the load

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种数据流的调度方法、装置、电子设备、介质及产品。所述方法包括：将用户提交的SQL进行映射得到多个执行计划，所述多个执行计划分别由与其对应的查询处理器执行；在查询处理器执行所述执行计划时，通过基于事件驱动的机制为所述查询处理器提供多种负载工作的数据流混合调度；其中，所述基于事件驱动的机制包括将在调度过程中产生影响的端口所指向的查询处理器加入任务队列作为下次调度的节点；在调度的过程中根据节点的不同，选择对应的查询处理方法完成调度。该调度方案能够充分适应和发挥云环境下的差异性以及扩展性。

Description

一种数据流的调度方法、装置、电子设备、介质及产品
技术领域
本发明实施例涉及数据库技术领域，尤其涉及一种数据流的调度方法、装置、电子设备、介质及产品。
背景技术
数据库系统是链接数据在硬件到软件之间的桥梁，在数据库系统中，用户根据业务需求编写SQL并将SQL提交到数据库中，数据库通过分析、理解、拆分、组装SQL产生对应的计算逻辑，并通过调度子系统使用计算逻辑进行调度，从而实现SQL的运行。
由于SQL与关系代数的高度相关性，通常可以将SQL的各个部分通过拆分、重组等方式形成与关系代数中的各类计算一一对应的关系，并通过一系列符合关系代数原则的优化对其进行各类优化，优化后形成对应的执行计划链，调度子系统通过将执行计划链进行复制后，每个线程负责调度一条执行链。
但是，上述方案采用执行计划与计算逻辑一一对应且无法变更，因此无法适用于云环境下可扩展的差异化计算和调度需求。
发明内容
本发明提供了一种数据流的调度方法、装置、电子设备、介质及产品，以解决现有技术中的数据流调度方案无法充分适应和发挥云环境下的差异性，以及扩展性的问题。
根据本发明的一方面，提供了一种数据流的调度方法，包括：
将用户提交的SQL进行映射得到多个执行计划，所述多个执行计划分别由与其对应的查询处理器执行；
在查询处理器执行所述执行计划时，通过基于事件驱动的机制为所述查询处理器提供多种负载工作的数据流混合调度；
其中，所述基于事件驱动的机制包括将在调度过程中产生影响的端口所指向的查询处理器加入任务队列作为下次调度的节点；在调度的过程中根据节点的不同，选择对应的计算逻辑完成调度。
根据本发明的另一方面，提供了一种数据流的调度装置，包括：
映射模块，用于将用户提交的SQL进行映射得到多个执行计划，所述多个执行计划分别由与其对应的查询处理器执行；
调度模块，用于在查询处理器执行所述执行计划时，通过基于事件驱动的机制为所述查询处理器提供多种负载工作的数据流混合调度；
其中，所述基于事件驱动的机制包括将在调度过程中产生影响的端口所指向的查询处理器加入任务队列作为下次调度的节点；在调度的过程中根据节点的不同，选择对应的计算逻辑完成调度。
根据本发明的另一方面，提供了一种电子设备，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计算机程序，所述计算机程序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本发明任一实施例所述的数据流的调度方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时
实现本发明任一实施例所述的数据流的调度方法。
本发明实施例的技术方案，通过选择不同的计算逻辑，解决了现有技术无法适用于云环境下可扩展的差异化计算和调度需求问题，取到了能够充分适应和发挥云环境下的差异性以及扩展性有益效果。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1为本发明实施例一所提供的一种数据流的调度方法的流程示意图；
图2为本发明实施例一所提供的一种数据流的调度方法中的数据流的调度示意图；
图3为本发明实施例二所提供的一种数据流的调度方法中的单线程调度时序图；
图4为本发明实施例二所提供的一种数据流的调度方法中的多线程调度时序图；
图5为本发明实施例三所提供的一种数据流的调度装置的结构示意图；
图6为本发明实施例的数据流的调度方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1为本发明实施例一所提供的一种数据流的调度方法的流程示意图，该方法可适用于数据流调度的情况，该方法可以由数据流的调度装置来执行，其中该装置可由软件和/或硬件实现，并一般集成在电子设备上，在本实施例中电子设备包括但不限于：计算机设备。
如图1所示，本发明实施例一提供的一种数据流的调度，包括如下步骤：
S110、将用户提交的SQL进行映射得到多个执行计划，所述多个执行计划分别由与其对应的查询处理器执行。
在本实施例中，在单线程中，一个执行计划对应一个查询处理器，查询处理器与执行计划具有一一对应的关系；在多线程中，可能存在一个执行计划对应多个查询处理器的情况。
其中，在数据库系统中，执行计划通常由用户提交的SQL映射而成。示例性的，SELECT * FROM table WHERE column_a = 1这条SQL可以被映射为ScanPlan(FROMtable), FilterPlan(WHERE column_a = 1), ProjectionPlan(SELECT *)。这通常与关系代数一一对应。
进一步的，所述查询处理器包括至少一个输入端口以及至少一个输出端口，用于通过所述输入端口拉取数据以及通过所述输出端口推送数据，所述数据为所述SQL处理的数据；所述端口与事件队列相连，用于向所述事件队列推送待调度事件；所述事件队列与任务队列相连，用于将所述待调度事件转换为任务后推送到所述任务队列中。
其中，查询处理器的接口声明对应的代码如下：
pub trait Processor: Send { fn name(&self) -> &'static str; fn event(&mut self) -> Result<Event>; fn process(&mut self) -> Result<()>; async fnasync_process(&mut self) -> Result<()>;
}
示例性的，图2为本发明实施例一所提供的一种数据流的调度方法中的数据流的调度示意图。图2展示的是一个SQL查询中单线程的数据在多个执行计划之间进行流转的过程，如图2所示，通过计划层10对SQL进行解析生产执行计划1、执行计划2以及执行计划3。其中，执行计划1可以为Projection Plan，Projection Plan是执行计划的一个种类，用于SQL的SELECT子句；执行计划2可以为Where Plan，Where Plan是执行计划的一个种类，用于SQL的WHERE子句；执行计划3可以为From Plan，From Plan是执行计划的一个种类，用于SQL的FROM子句。其中，Query AST为查询经过解析后的抽象语法树。
在图2中，执行计划1与查询处理器1对应，即执行计划1可以由查询处理器1执行；执行计划2与查询处理器2对应，即执行计划2可以由查询处理器2执行；执行计划3与查询处理器3对应，即执行计划3可以由查询处理器3执行。端口1可以分别与查询处理器1以及查询处理器2相连，端口1可以作为查询处理器1的输入端口，查询处理器1可以从端口1中拉取数据；端口1还可以作为查询处理器2的输出端口，查询处理器2可以向端口1推送数据；端口2可以分别与查询处理器2以及查询处理器3相连，端口2可以作为查询处理器2的输入端口，查询处理器2可以从端口2拉取数据，端口2可以作为查询处理器3的输出端口，查询处理器3可以向端口2推送数据。端口1和端口2分别与事件队列相连，并向其中推送待调度事件，事件队列与任务队列相连并将待调度事件转换为任务推送到任务队列中。其中，任务队列可以包括全局任务队列以及线程任务队列。
其中，查询处理器每次推送或拉取数据时都会触发对应的事件，将触发的事件放入事件队列中等待调度。示例性的，当查询处理器2推送数据到端口1后即会产生需要消费数据事件，从而可以通过执行器唤醒查询处理器1从端口1拉取消费数据。执行器可以为调度子系统。
在图2中，DAG为查询处理器的有向无环图，在有向无环图中，节点表示查询处理器，边表示端口。
S120、在查询处理器执行所述执行计划时，通过基于事件驱动的机制为所述查询处理器提供多种负载工作的数据流混合调度。
其中，所述基于事件驱动的机制包括将在调度过程中产生影响的端口所指向的查询处理器加入任务队列作为下次调度的节点；在调度的过程中根据节点的不同选择对应的计算逻辑完成调度。
本方案基于查询处理器的有向无环图实现，有向无环图中的节点表示实际的执行计划对应的查询处理器，边表示本方案引入的特定概念端口，每个查询处理器拥有任意数量的入度和出度，入度对应的边表示输入端口，出度表示的边为输出端口。
在本实施例中，每个查询处理器存在多个输入或输出的边，一次调度后可能会对一条或多条边产生影响，可以通过将产生影响的边所指向的节点加入到任务队列中形成事件驱动。
其中，在一次调度完成后，调度器将再次调用事件函数以便将数据推送到输出端口中，同时调度器将唤醒输出端口在有向无环图中对应的边所指向的节点，将该节点加入任务队列中，形成基于事件的驱动机制。
进一步的，所述数据流混合调度包括单线程调度和多线程调度。
其中，所述单线程调度包括：通过所述查询处理器的有向无环图查找本次调度的目标节点，所述目标节点为输入端口拉取的数据为预设数值或所述查询处理器的输出端口推送的数据为所述预设数值的查询处理器；将所述目标节点作为初始调度节点；通过调用所述初始调度节点的事件方法得到本次调度的事件；将所述事件转化为任务，并将所述任务放入任务队列中的线程任务队列，所述任务队列包括全局任务队列和线程任务队列，每个线程独享一个线程任务队列；通过所述任务队列，根据所述事件的类型选择对应的查询处理方法完成计算。
在单线程调度过程中，可以将任务放入线程任务队列中，线程队列可以根据不同的事件类型选择调用目标节点的不同查询方法完成计算。
示例性的，通过所述查询处理器的有向无环图查找入度或出度为0的有向无环图节点作为初始调度节点，当执行器调用查询处理器的事件方法时，查询处理器可以从输入端口中拉取数据，根据拉取到的数据返回相应类型的事件，调度器可以根据返回的事件类型决定再次调用查询处理的不同方法完成计算。其中，Sync调用process查询处理方法，Async调用async_process查询处理方法，ChangeDAG调用change_dag查询处理方法。
在本实施例中，通过不同类型的事件可以区分是否需要io操作，这非常有助于针对不同类型的负载进行不同的调度。例如：当需要访问io资源时，返回Async类型的事件，同时在async_process方法中针对io操作进行非阻塞式处理。
进一步的，上述方法还包括：将在所述单线程调度过程中产生影响的边以及所述产生影响的边指向的节点加入到所述有向无环图中，以完成对所述有向无环图的动态更新。
对比于现有技术，本方法支持在运行时基于当前的工作负载对有向无环图进行动态优化的功能。在本实施例中，可以通过对有向无环图增加节点和边的方式进行更新。
进一步的，在单线程调度过程中，通过线程任务队列将所述目标节点的相邻节点作为增量加入到所述任务队列中，将所述任务队列的增量中的第一个元素放入所述线程任务队列中，将所述任务队列的增量中的除所述第一个元素以外的其他元素放入所述全局任务队列中。
其中，有向无环图中的目标节点的调度可能导致与其相邻的多个节点受到影响，因此可以将相邻的至少一个节点加入到任务队列中，于此任务队列中会产生一个增量。
其中，将任务队列中的增量中的第一个元素放入线程队列中，线程队列为有锁任务队列，有锁任务队列只能供一个单线程独享；将任务队列中的增量中的其他元素放入全局任务队列中，全局任务队列为无锁任务队列，无锁任务队列可以供多个线程共享。
以下为调度子系统即执行器的入口函数；
Figure 612922DEST_PATH_IMAGE001
当进行多线程调度时，只需启动多个线程并在线程中调用上述函数即可。该函数首先尝试从全局任务队列中获取一个任务，然后对该任务进行无锁调度，调度完成后再从全局任务队列中获取下一个任务。
以下代码为有向无环图的调度逻辑，每次调度会尝试调度获取的目标节点，以及目标节点的相邻节点。对应的代码如下：
pub unsafe fn schedule_queue(locker: &StateLockGuard, index:NodeIndex, schedule_queue: &mut ScheduleQueue) -> Result<()> { let mut need_schedule_nodes = VecDeque::new(); let mut need_schedule_edges = VecDeque::new(); need_schedule_nodes.push_back(index); while !need_schedule_nodes.is_empty() || !need_schedule_edges.is_empty() { let mut state_guard_cache =None; if need_schedule_nodes.is_empty() { let edge = need_schedule_edges.pop_front().unwrap(); let target_index = DirectedEdge::get_target(&edge, &locker.graph); let node = &locker.graph[target_index]; let node_state= node.state.lock().unwrap(); if matches!(*node_state, State::Idle) { state_guard_cache = Some(node_state); need_schedule_nodes.push_back(target_index);} }
if let Some(schedule_index) = need_schedule_nodes.pop_front() {
let node = &locker.graph[schedule_index];
if state_guard_cache.is_none() {
state_guard_cache = Some(node.state.lock().unwrap());
}
Figure 140462DEST_PATH_IMAGE002
本发明实施例一提供的一种数据流的调度，首先将用户提交的SQL进行映射得到多个执行计划，所述多个执行计划分别由与其对应的查询处理器执行；然后在查询处理器执行所述执行计划时，通过基于事件驱动的机制为所述查询处理器提供多种负载工作的数据流混合调度；其中，所述基于事件驱动的机制包括将在调度过程中产生影响的端口所指向的查询处理器加入任务队列作为下次调度的节点；在调度的过程中根据节点的不同，选择对应的查询处理方法完成调度。上述方法抽象查询处理器概念，通过基于事件驱动的机制为查询处理器提供多种负载工作的混合调度，有效消除计算过程中的无用阻塞，该方法通过使用端口将多个查询处理器相连，能够解除执行计划之间的耦合。
实施例二
本发明实施例在上述各实施例的技术方案的基础上，提供了一种数据流的调度方法中的单线程调度的具体实施方式以及多线程调度的具体实施方式。
图3为本发明实施例二所提供的一种数据流的调度方法中的单线程调度时序图，如图3所示，通过查询处理器的有向无环图随机查找入度或出度为0的有节点作为初始调度节点，通过调用节点的event方法即事件方法得到本次调度的事件, 事件队列将事件转化为任务并放入全局任务队列或线程任务队列中。线程队列根据不同的事件类型选择调用节点的不同方法即查询方法完成计算, 节点的执行调度过程如果对有向无环图产生影响，则实时对有向无环图进行更新。线程队列通过有向无环图查找本次调度的相邻节点作为下次调度节点，通过重复上述过程重复调度。
如图3所示，1.在有向无环图中寻找入度或出度为0的节点即查询处理器；2.调用event方法获取事件；3.将事件存入任务队列；4.将任务队列中的首个元素存入线程任务队列，将其他元素存入全局任务队列；5.根据事件类型的不同执行不同的查询方法完成调度；6.将在调度过程中受到影响的节点即相邻节点和边加入有向无环图；7.从有向无环图中获取相连节点；8.调用event方法获取事件；9.将事件存入任务队列；10.将任务队列中的首个元素存入线程任务队列，将队列中的其他元素存入全局任务队列；11.任务完成后从全局任务队列中获取任务进行调度。
图4为本发明实施例二所提供的一种数据流的调度方法中的多线程调度时序图，如图4所示，多线程包括线程1和线程2，线程任务队列1可以由线程任务队列1独享，线程任务队列2可以由线程任务队列2独享，全局任务队列为线程1和线程2共享。
本发明实施例二提供的一种数据流的调度方法，单线程独享线程任务队列，当任务与查询处理器1:1时，全程处理无锁，可以减少调度成本，降低处理任务的时延；多线程之间共享全局任务队列，可以增强处理任务的吞吐能力；查询处理器通过当前状态生成不同的事件，并根据不同的事件类型采用不同的查询处理方法，可以有效消除整个计算过程中的阻塞；通过对查询处理器的有向无环图进行修改和优化，能够提供运行时扩展资源、适应计算、存储、网络等资源的波动性的能力。
实施例三
图5为本发明实施例三所提供的一种数据流的调度装置的结构示意图，该装置可适用于数据流调度的情况，其中该装置可由软件和/或硬件实现，并一般集成在电子设备上。
如图5所示，该装置包括：映射模块110以及调度模块120。
映射模块110，用于将用户提交的SQL进行映射得到多个执行计划，所述多个执行计划分别由与其对应的查询处理器执行；
调度模块120，用于在查询处理器执行所述执行计划时，通过基于事件驱动的机制为所述查询处理器提供多种负载工作的数据流混合调度；
其中，所述基于事件驱动的机制包括将在调度过程中产生影响的端口所指向的查询处理器加入任务队列作为下次调度的节点；在调度的过程中根据节点的不同，选择对应的查询处理方法完成调度。
在本实施例中，该装置首先通过映射模块110将用户提交的SQL进行映射得到多个执行计划，所述多个执行计划分别由与其对应的查询处理器执行；然后通过调度模块120在查询处理器执行所述执行计划时，通过基于事件驱动的机制为所述查询处理器提供多种负载工作的数据流混合调度。
本实施例提供了一种数据流的调度装置，能够充分适应和发挥云环境下的差异性以及扩展性。
进一步的，所述查询处理器包括至少一个输入端口以及至少一个输出端口，用于通过所述输入端口拉取数据以及通过所述输出端口推送数据，所述数据为所述SQL处理的数据；所述端口与事件队列相连，用于向所述事件队列推送待调度事件；所述事件队列与任务队列相连，用于将所述待调度事件转换为任务后推送到所述任务队列中。
进一步的，所述数据流混合调度包括单线程调度和多线程调度，单线程包括一个执行计划对应一个查询处理器，多线程包括一个执行计划对应多个查询处理器。
进一步的，所述单线程调度包括：通过所述查询处理器的有向无环图查找本次调度的目标节点，所述目标节点为输入端口拉取的数据为预设数值或所述查询处理器的输出端口推送的数据为所述预设数值的查询处理器；将所述目标节点作为初始调度节点；通过调用所述初始调度节点的事件方法得到本次调度的事件；将所述事件转化为任务，并将所述任务放入任务队列中的线程任务队列，所述任务队列包括全局任务队列和线程任务队列，每个线程独享一个线程任务队列；通过所述任务队列，根据所述事件的类型选择对应的查询处理方法完成计算。
进一步的，该装置还包括动态更新模块，用于将在所述单线程调度过程中产生影响的边以及所述产生影响的边指向的节点加入到所述有向无环图中，以完成对所述有向无环图的动态更新。
进一步的，在单线程调度过程中，通过所述线程任务队列将所述目标节点的相邻节点作为增量加入到所述任务队列中，将所述任务队列的增量中的第一个元素放入所述线程任务队列中，将所述任务队列的增量中的除所述第一个元素以外的其他元素放入所述全局任务队列中。
进一步的，单线程独享一个所述线程任务队列，多线程共享所述全局任务队列。
上述数据流的调度装置可执行本发明任意实施例所提供的数据流的调度方法，具备执行方法相应的功能模块和有益效果。
实施例四
图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如数据流的调度方法。
在一些实施例中，数据流的调度方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的数据流的调度方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行数据流的调度方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (11)

1.一种数据流的调度方法，其特征在于，所述方法包括：
将用户提交的SQL进行映射得到多个执行计划，所述多个执行计划分别由与其对应的查询处理器执行；
在查询处理器执行所述执行计划时，通过基于事件驱动的机制为所述查询处理器提供多种负载工作的数据流混合调度；
其中，所述基于事件驱动的机制包括将在调度过程中产生影响的端口所指向的查询处理器加入任务队列作为下次调度的节点；在调度的过程中根据节点的不同，选择对应的查询处理方法完成调度。
2.根据权利要求1所述的方法，其特征在于，所述查询处理器包括至少一个输入端口以及至少一个输出端口，用于通过所述输入端口拉取数据以及通过所述输出端口推送数据，所述数据为所述SQL处理的数据；所述端口与事件队列相连，用于向所述事件队列推送待调度事件；所述事件队列与任务队列相连，用于将所述待调度事件转换为任务后推送到所述任务队列中。
3.根据权利要求1所述的方法，其特征在于，所述数据流混合调度包括单线程调度和多线程调度，单线程包括一个执行计划对应一个查询处理器，多线程包括一个执行计划对应多个查询处理器。
4.根据权利要求3所述的方法，其特征在于，所述单线程调度包括：
通过所述查询处理器的有向无环图查找本次调度的目标节点，所述目标节点为输入端口拉取的数据为预设数值或所述查询处理器的输出端口推送的数据为所述预设数值的查询处理器；
将所述目标节点作为初始调度节点；
通过调用所述初始调度节点的事件方法得到本次调度的事件；
将所述事件转化为任务，并将所述任务放入任务队列中的线程任务队列，所述任务队列包括全局任务队列和线程任务队列，每个线程独享一个线程任务队列；
通过所述任务队列，根据所述事件的类型选择对应的查询处理方法完成计算。
5.根据权利要求4所述的方法，其特征在于，还包括：
将在所述单线程调度过程中产生影响的边以及所述产生影响的边指向的节点加入到所述有向无环图中，以完成对所述有向无环图的动态更新；
其中，在有向无环图中，边表示端口，节点表示查询处理器。
6.根据权利要求4所述的方法，其特征在于，在单线程调度过程中，通过所述线程任务队列将所述目标节点的相邻节点作为增量加入到所述任务队列中，将所述任务队列的增量中的第一个元素放入所述线程任务队列中，将所述任务队列的增量中的除所述第一个元素以外的其他元素放入所述全局任务队列中。
7.根据权利要求4所述的方法，其特征在于，单线程独享一个所述线程任务队列，多线程共享所述全局任务队列。
8.一种数据流的调度装置，其特征在于，所述装置包括：
映射模块，用于将用户提交的SQL进行映射得到多个执行计划，所述多个执行计划分别由与其对应的查询处理器执行；
调度模块，用于在查询处理器执行所述执行计划时，通过基于事件驱动的机制为所述查询处理器提供多种负载工作的数据流混合调度；
其中，所述基于事件驱动的机制包括将在调度过程中产生影响的端口所指向的查询处理器加入任务队列作为下次调度的节点；在调度的过程中根据节点的不同，选择对应的查询处理方法完成调度。
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计算机程序，所述计算机程序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1-7中任一项所述的数据流的调度方法。
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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的数据流的调度方法。
11.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的数据流的调度方法。
CN202210327782.4A 2022-03-31 2022-03-31 一种数据流的调度方法、装置、电子设备、介质及产品 Active CN114490780B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210327782.4A CN114490780B (zh) 2022-03-31 2022-03-31 一种数据流的调度方法、装置、电子设备、介质及产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210327782.4A CN114490780B (zh) 2022-03-31 2022-03-31 一种数据流的调度方法、装置、电子设备、介质及产品

Publications (2)

Publication Number Publication Date
CN114490780A true CN114490780A (zh) 2022-05-13
CN114490780B CN114490780B (zh) 2022-07-22

Family

ID=81488590

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210327782.4A Active CN114490780B (zh) 2022-03-31 2022-03-31 一种数据流的调度方法、装置、电子设备、介质及产品

Country Status (1)

Country Link
CN (1) CN114490780B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063486A (zh) * 2014-07-03 2014-09-24 四川中亚联邦科技有限公司 一种大数据分布式存储方法和系统
US20180075098A1 (en) * 2016-09-15 2018-03-15 Microsoft Technology Licensing, Llc Optimizing pipelining result sets with fault tolerance in distributed query execution
CN109086407A (zh) * 2018-08-01 2018-12-25 华东师范大学 面向分布式内存数据库的多流水线调度方法
CN109716322A (zh) * 2016-09-15 2019-05-03 甲骨文国际公司 用于微批次流传输的复杂事件处理
CN113392123A (zh) * 2021-06-10 2021-09-14 中国光大银行股份有限公司 一种sql语句处理方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063486A (zh) * 2014-07-03 2014-09-24 四川中亚联邦科技有限公司 一种大数据分布式存储方法和系统
US20180075098A1 (en) * 2016-09-15 2018-03-15 Microsoft Technology Licensing, Llc Optimizing pipelining result sets with fault tolerance in distributed query execution
CN109716322A (zh) * 2016-09-15 2019-05-03 甲骨文国际公司 用于微批次流传输的复杂事件处理
CN109086407A (zh) * 2018-08-01 2018-12-25 华东师范大学 面向分布式内存数据库的多流水线调度方法
CN113392123A (zh) * 2021-06-10 2021-09-14 中国光大银行股份有限公司 一种sql语句处理方法及装置

Also Published As

Publication number Publication date
CN114490780B (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
US9329899B2 (en) Parallel execution of parsed query based on a concurrency level corresponding to an average number of available worker threads
US9740525B2 (en) Scaling priority queue for task scheduling
US20210248469A1 (en) Method and apparatus for scheduling deep learning reasoning engines, device, and medium
US11475006B2 (en) Query and change propagation scheduling for heterogeneous database systems
US20150205633A1 (en) Task management in single-threaded environments
US10459760B2 (en) Optimizing job execution in parallel processing with improved job scheduling using job currency hints
US11269692B2 (en) Efficient sequencer for multiple concurrently-executing threads of execution
CN111488492B (zh) 用于检索图数据库的方法和装置
CN109408286A (zh) 数据处理方法、装置、系统、计算机可读存储介质
CN112363913B (zh) 一种并行测试任务调度寻优的方法、装置和计算设备
Yan et al. G-thinker: a general distributed framework for finding qualified subgraphs in a big graph with load balancing
CN113886111B (zh) 一种基于工作流的数据分析模型计算引擎系统及运行方法
EP2840513B1 (en) Dynamic task prioritization for in-memory databases
CN113051279A (zh) 数据消息的存储方法、存储装置、电子设备及存储介质
CN114490780B (zh) 一种数据流的调度方法、装置、电子设备、介质及产品
CN113722141B (zh) 数据任务的延迟原因确定方法、装置、电子设备及介质
CN115129438A (zh) 任务分布式调度的方法和装置
Maia et al. Response-time analysis of fork/join tasks in multiprocessor systems
US11947517B1 (en) Stream-based transaction processing
Cao et al. Research on Implementation Approaches for Delay Queue
CN114840585A (zh) 数据集成服务处理方法、装置及电子设备
Dashora et al. ParaRMS algorithm: A parallel implementation of rate monotonic scheduling algorithm using OpenMP
CN118260290A (zh) 一种数据仓库开发方法、装置及电子设备
CN115168760A (zh) 数据查询方法、装置及存储介质
Nash Scalable and predictable performance for irregular problems using the WPRAM computational model

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