CN114637584A - 数据处理任务的并行度调整方法、装置、设备及介质 - Google Patents

Abstract

本发明公开了一种数据处理任务的并行度调整方法、装置、设备及介质，该方法通过确定数据处理系统的当前执行作业的预计处理时间、当前执行作业对应的下游作业的预计处理时间，根据该预计处理时间判断系统针对下游作业的执行时间是否超时，如果是，则根据系统的当前吞吐量、当前执行作业的预计处理时间、下游作业的预计处理时间以及作业依赖关系，调整下游作业对应的执行并行度，以实现下游作业的执行并行度的动态调整，通过动态扩容保证下游作业按时完成，解决由于上游作业延迟所导致的下游作业超时的技术问题。

Description

数据处理任务的并行度调整方法、装置、设备及介质

技术领域

本发明涉及大数据处理技术领域，尤其涉及一种数据处理任务的并行度调整方法、装置、设备及介质。

背景技术

通常，数据处理是“收集和处理数据项以产生有意义的信息。”从这个意义上讲，它可以被视为信息处理的子集，信息的变化(处理)可以通过任何方式检测到。数据处理任务，在大数据系统中通常指提交数据处理的大数据作业。在大数据处理系统中，作业是一系列并行任务的总集。通常说一个处理作业，会分成若干个处理阶段(例如map阶段和reduce阶段)，对于每个阶段，包括若干个相同的处理任务并行地执行。

以Hadoop为例，简单介绍数据处理任务调度的过程。Hadoop早期的主要目的是运行大型批处理作业，例如Web索引和日志挖掘。用户将作业提交到队列，然后集群按顺序运行它们。当作业提交到Hadoop的管理节点的时候，会被分割为若干个阶段(例如map阶段和reduce阶段)，各个阶段又分为若干个任务。任务的调度根据优先级和集群中各个处理节点可用的资源进行，包括先入先出、公平调度和容量相关的调度策略。

然而，在现有技术方案中，通常为各个作业设置了固定的并行度，若上游作业超时，下游作业固定并行度配额，不作额外处理，导致下游作业一并超时。

发明内容

本发明提供了一种数据处理任务的并行度调整方法、装置、设备及介质，实现下游作业的执行并行度的动态调整，解决由于上游作业延迟导致的下游作业超时的技术问题。

根据本发明的一方面，提供了一种数据处理任务的并行度调整方法，该方法包括：

确定数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间；

基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否超时；

若是，则基于所述数据处理系统的当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及作业依赖关系，调整所述下游作业对应的执行并行度。

可选的，所述确定数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间，包括：

获取数据处理系统的历史作业统计信息；

基于所述历史作业统计信息确定所述数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间。

可选的，所述基于所述历史作业统计信息确定所述数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间，包括：

基于所述历史作业统计信息确定历史作业对应的历史任务的吞吐量；

基于所述历史任务的吞吐量，确定所述当前执行作业以及所述当前执行作业对应的下游作业的吞吐量；

根据所述当前执行作业以及所述下游作业的吞吐量，确定所述当前执行作业以及所述下游作业的预计处理时间。

可选的，所述基于所述预计处理时间判断所述数据处理系统针对所述当前执行作业对应的下游作业的执行时间是否超时，包括：

获取所述的当前执行作业的预设处理时间；

若所述当前执行作业的预计处理时间与所述预设处理时间的差值大于预设阈值，且所述预计处理时间大于所述预设处理时间，则确定所述数据处理系统针对所述当前执行作业对应的下游作业的执行时间超时。

可选的，所述方法还包括：

基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否提前；

若是，则基于所述当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及所述作业依赖关系，调整所述下游作业对应的执行并行度。

可选的，所述方法还包括：

获取所述数据处理系统的全部作业对应的有向无环图，其中，所述有向无环图包括连接方向信息；

基于所述连接方向信息确定所述作业依赖关系。

可选的，所述方法还包括：

判断所述当前执行作业是否为所述数据处理系统的最终执行作业；

若否，则在所述当前执行作业完成后，将所述当前执行作业对应的下一执行作业确定为当前执行作业，并返回执行判断确定所述当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间的操作。

根据本发明的另一方面，提供了一种数据处理任务的并行度调整装置，所述装置包括：

时间预测模块，用于确定数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间；

超时判断模块，用于基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否超时；

下游调整模块，用于若是，则基于所述数据处理系统的当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及作业依赖关系，调整所述下游作业对应的执行并行度。

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处理任务的并行度调整方法。

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处理任务的并行度调整方法。

本发明实施例的技术方案，通过确定数据处理系统的当前执行作业的预计处理时间、当前执行作业对应的下游作业的预计处理时间，根据该预计处理时间判断系统针对下游作业的执行时间是否超时，如果是，则根据系统的当前吞吐量、当前执行作业的预计处理时间、下游作业的预计处理时间以及作业依赖关系，调整下游作业对应的执行并行度，以实现下游作业的执行并行度的动态调整，通过动态扩容保证下游作业按时完成，解决由于上游作业延迟所导致的下游作业超时的技术问题。

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是本发明实施例一提供的一种数据处理任务的并行度调整方法的流程示意图；

图2A是本发明实施例二提供的一种数据处理任务的并行度调整方法的流程示意图；

图2B是本发明实施例二提供的一种数据处理任务的并行度调整方法的流程示意图；

图3是本发明实施例三提供的一种数据处理任务的并行度调整方法的流程示意图；

图4是本发明实施例四提供的一种数据处理任务的并行度调整装置的结构示意图；

图5是本发明实施例五提供的一种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。

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。

实施例一

图1为本发明实施例一提供的一种数据处理任务的并行度调整方法的流程示意图，本实施例可适用于在数据处理系统对各个作业进行处理的过程中，根据各作业的预计处理时间对下游作业的执行并行度进行动态调整的情况，该方法可以由数据处理任务的并行度调整装置来执行，该数据处理任务的并行度调整装置可以采用硬件和/或软件的形式实现，该数据处理任务的并行度调整装置可配置于诸如手机、电脑、平板等电子设备中。如图1所示，该方法包括：

S110、确定数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间。

具体的，数据处理系统可以是执行数据处理作业中的各个任务的系统。在数据处理系统中，各个数据处理作业可以理解为一系列并行任务的总集，通常来说，一个数据处理作业可以被划分为若干个处理阶段(如map阶段和reduce阶段)，针对每一个阶段，均包括若干个相同的处理任务并行地执行。

在本实施例中，在数据处理系统执行数据处理作业的各个任务的过程中，可以实时确定数据处理系统的当前执行作业，即确定当前正在处理的任务所属的作业；进一步的，估算数据处理系统完成当前执行作业的时间，即，预计处理时间；以及，估算数据处理系统完成当前执行作业对应的下游作业的时间。其中，当前执行作业对应的下游作业可以是依赖于当前执行作业的完成才能被执行的作业。

例如，可以通过各个作业的历史平均执行时间，确定当前执行作业以及下游作业的预计处理时间。或者，还可以通过数据处理系统的当前吞吐量、系统可使用资源以及当前执行作业对应的待处理数据量，确定当前执行作业、下游作业的预计处理时间。

S120、基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否超时。

在本实施例中，在确定出当前执行作业、下游作业的预计处理时间后，进一步的，可以根据该预计处理时间，判断下游作业是否会超时执行。例如，可以预先为各作业设置对应的处理完成时间，在确定出当前执行作业、下游作业的预计处理时间后，根据当前执行作业、下游作业的预计处理时间，计算下游作业的预计完成时间，将下游作业对应的所预先设置的处理完成时间与该预计完成时间进行比对，若预计完成时间超过处理完成时间，则可以确定下游作业会超时执行。

在一种可选的实施方式中，还可以预先为各个数据处理作业设置对应的预设处理时间，进而可以通过比较当前执行作业对应的预设处理时间以及预计处理时间之间的大小，判断该当前执行作业是否超时，若是，则可以确定当前执行作业对应的下游作业的执行时间超过。

示例性的，所述基于所述预计处理时间判断所述数据处理系统针对所述当前执行作业对应的下游作业的执行时间是否超时，包括：获取所述的当前执行作业的预设处理时间；若所述当前执行作业的预计处理时间与所述预设处理时间的差值大于预设阈值，且所述预计处理时间大于所述预设处理时间，则确定所述数据处理系统针对所述当前执行作业对应的下游作业的执行时间超时。

其中，预设阈值可以是预先设置的差值临界值，其可以根据实际业务需求进行调整。具体的，针对当前执行作业，若其对应的预计处理时间大于预设处理时间，且两者之间的差值大于预设阈值，则可以确定当前执行作业即将被超时完成，进而可以确定当前执行作业对应的下游作业的执行时间超时，即，数据处理系统执行下游作业的时间超过预设时间，下游作业无法在规定的时间内完成。

S130、若是，则基于所述数据处理系统的当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及作业依赖关系，调整所述下游作业对应的执行并行度。

其中，下游作业对应的执行并行度，可以是数据处理系统(如MapReduce,Spark等集群)同时并行执行下游作业的数据处理任务的数量，单个节点上并行度和节点个数确定了集群的并行度。

具体的，若确定出当前执行作业对应的下游作业的执行时间超时，则可以根据数据处理系统的当前吞吐量、当前执行作业的预计处理时间、下游作业的预计处理时间以及作业依赖关系，调整下游作业对应的执行并行度。其中，当前吞吐量包括数据处理系统的计算吞吐量、输入输出吞吐量和网络吞吐量。

在本实施例中，作业依赖关系可以是作业之间的执行依赖关系，若一个数据处理作业的执行依赖于另一个数据处理作业的完成，则两者之间具备作业依赖关系。如，作业1→作业2→作业4，作业1→作业3。

示例性的，作业依赖关系可以通过以下方法确定，即，所述方法还包括：获取所述数据处理系统的全部作业对应的有向无环图，其中，所述有向无环图包括连接方向信息；基于所述连接方向信息确定所述作业依赖关系。

其中，有向无环图可以是无回路的有向图，其包括各作业之间的连接方向信息，根据有向无环图的连接方向信息可以确定出各作业对应的执行依赖关系。例如，在有向无环图中，具备执行依赖关系的各作业之间可以被带方向的连接线连接，被指向的作业需要在指向该作业的作业被完成后再执行。

具体的，基于所述数据处理系统的当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及作业依赖关系，调整所述下游作业对应的执行并行度，可以是：根据当前执行作业的预计处理时间和下游作业的预计处理时间，确定下游作业对应的执行延迟时间，根据执行延迟时间以及数据处理系统的当前吞吐量，确定下游作业对应的目标并行度，基于该目标并行度调整下游作业对应的执行并行度，以增加下游作业对应的执行并行度，即实现数据处理系统的扩容。

其中，根据执行延迟时间以及数据处理系统的当前吞吐量，确定下游作业对应的目标并行度，具体可以是：根据执行延迟时间、当前吞吐量以及系统可使用资源确定下游作业对应的目标并行度；其中，系统可使用资源可以是系统可使用的节点(服务器)的数量，或者，系统可使用的pod数量。通过该方式，可以有效的利用系统闲散计算资源，弥补上游作业超时对下游作业的延迟的影响。

可以理解的是，若数据处理系统的可使用资源的数量不足以将执行并行度调整至下游作业按时完成，则可以为该数据处理系统引入多个空白节点，以增加数据处理系统的可使用资源，进而保证下游作业的按时完成。

需要说明的是，本实施例提供的方法可以是数据处理系统执行各个数据处理作业的过程中重复执行。即，所述方法还包括：判断所述当前执行作业是否为所述数据处理系统的最终执行作业；若否，则在所述当前执行作业完成后，将所述当前执行作业对应的下一执行作业确定为当前执行作业，并返回执行判断确定所述当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间的操作。

换言之，本实施例提供的方法，可以实现在数据处理系统执行数据处理作业的完整过程中，针对除最终执行作业之外的每一个数据处理作业，均进行一次下游作业是否超时执行的判断，如果超时，则调整当前执行作业对应的下游作业的执行并行度，直至所有数据处理作业完成。

通过该方式，可以保证数据处理系统处理的所有作业可以被按时完成，避免其中一个下游作业超时；并且，还可以根据每一次当前执行作业的预计处理时间，重新调整下游作业对应的执行并行度，实现了执行并行度的动态调整，进一步的保证了下游作业的按时完成。

本实施例的技术方案，通过确定数据处理系统的当前执行作业的预计处理时间、当前执行作业对应的下游作业的预计处理时间，根据该预计处理时间判断系统针对下游作业的执行时间是否超时，如果是，则根据系统的当前吞吐量、当前执行作业的预计处理时间、下游作业的预计处理时间以及作业依赖关系，调整下游作业对应的执行并行度，以实现下游作业的执行并行度的动态调整，通过动态扩容保证下游作业按时完成，解决由于上游作业延迟所导致的下游作业超时的技术问题。

实施例二

图2A为本发明实施例二提供的一种数据处理任务的并行度调整方法的流程示意图，本实施例在上述各实施例的基础上，可选的，所述确定数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间，包括：获取数据处理系统的历史作业统计信息；基于所述历史作业统计信息确定所述数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间。如图2A所示，该方法包括：

S210、获取数据处理系统的历史作业统计信息，基于所述历史作业统计信息确定所述数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间。

其中，历史作业统计信息可以包括数据处理系统针对各个历史作业的历史完成时间、历史计算量以及系统吞吐量(包括计算、I/O、网络等吞吐)。示例性的，可以离线抽取数据处理系统的所有历史作业的历史作业统计信息，通过抽取到的信息计算任务级别的系统吞吐量，进而根据计算出的系统吞吐量，以及当前执行作业的待处理数据量，确定当前执行作业的预计处理时间。

在一种可选的实施方式中，所述基于所述历史作业统计信息确定所述数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间，包括：基于所述历史作业统计信息确定历史作业对应的历史任务的吞吐量；基于所述历史任务的吞吐量，确定所述当前执行作业以及所述当前执行作业对应的下游作业的吞吐量；根据所述当前执行作业以及所述下游作业的吞吐量，确定所述当前执行作业以及所述下游作业的预计处理时间。

其中，历史任务的吞吐量包括计算吞吐量、I/O吞吐量(输入输出吞吐量)以及网络吞吐量。即，可以根据历史作业所包含的各个历史任务的计算吞吐量、输入输出吞吐量和网络吞吐量，确定当前执行作业的吞吐量，进而通过该吞吐量计算当前执行作业的预计处理时间。

S220、基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否超时。

S230、若是，则基于所述数据处理系统的当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及作业依赖关系，调整所述下游作业对应的执行并行度。

示例性的，如图2B所示，展示了一种数据处理任务的并行度调整方法的流程示意图，该方法通过离线抽取作业统计量，并通过统计量计算任务级别的计算、I/O、网络等吞吐信息，通过计算出的任务级别的计算、I/O等吞吐信息，估计当前执行作业、下游作业的任务级执行时间(即预计处理时间)，判断预计处理时间是否满足相应时间要求(如，当前执行作业的任务级执行时间是否不超过预设处理时间)，若是，则可以保持现有并行度配置，不对下游作业的执行并行度进行调整，若否，则可以通过计算出的任务级别的计算、I/O等吞吐信息查询历史作业执行时间比例，根据有向无环图和历史作业执行时间比例，调整下游作业的执行并行度。

本实施例的技术方案，通过获取数据处理系统的历史作业统计信息，并根据获取到的历史作业统计信息，确定数据处理系统的当前执行作业的预计处理时间，实现了当前执行作业的预计处理时间的准确估算，进一步的保证了下游作业的准时完成。

实施例三

图3为本发明实施例三提供的一种数据处理任务的并行度调整方法的流程示意图，本实施例在上述各实施例的基础上，可选的，所述方法还包括：基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否提前；若是，则基于所述当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及所述作业依赖关系，调整所述下游作业对应的执行并行度。如图3所示，该方法包括：

S310、确定数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间。

S320、基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否超时，若是，则基于所述数据处理系统的当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及作业依赖关系，调整所述下游作业对应的执行并行度。

S330、基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否提前，若是，则基于所述当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及所述作业依赖关系，调整所述下游作业对应的执行并行度。

具体的，可以是将当前执行作业的预计处理时间与当前执行作业的预设处理时间进行比对，若预计处理时间与预设处理时间之间的差值小于设定阈值，且预计处理时间小于预设处理时间，则可以确定当前执行作业可以被提前完成，进而可以确定当前执行作业对应的下游作业的执行时间提前。

进一步的，在确定出下游作业的执行时间提前后，可以根据数据处理系统的当前吞吐量、当前执行作业的预计处理时间以及作业依赖关系，调整下游作业的执行并行度，以降低下游作业的执行并行度，释放数据处理系统的资源，即实现数据处理系统的缩容。

本实施例的技术方案，通过预计处理时间判断数据处理系统针对下游作业的执行时间是否提前，如果是，则根据当前吞吐量、当前执行作业的预计处理时间、下游作业的预计处理时间以及作业依赖关系，调整下游作业对应的执行并行度，实现了数据处理系统的动态扩缩容，在保证下游作业可以被按时完成的同时，释放了系统的资源，使得被释放的资源可以被系统中的其它任务使用。

实施例四

图4为本发明实施例四提供的一种数据处理任务的并行度调整装置的结构示意图。如图4所示，该装置包括：时间预测模块410、超时判断模块420以及下游调整模块430。

时间预测模块410，用于确定数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间；

超时判断模块420，用于基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否超时；

下游调整模块430，用于若是，则基于所述数据处理系统的当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及作业依赖关系，调整所述下游作业对应的执行并行度。

在本实施例中，通过确定数据处理系统的当前执行作业的预计处理时间、当前执行作业对应的下游作业的预计处理时间，根据该预计处理时间判断系统针对下游作业的执行时间是否超时，如果是，则根据系统的当前吞吐量、当前执行作业的预计处理时间、下游作业的预计处理时间以及作业依赖关系，调整下游作业对应的执行并行度，以实现下游作业的执行并行度的动态调整，通过动态扩容保证下游作业按时完成，解决由于上游作业延迟所导致的下游作业超时的技术问题。

可选的，所述时间预测模块410包括历史信息抽取单元和当前时间预估单元，所述历史信息抽取单元，用于获取数据处理系统的历史作业统计信息；所述当前时间预估单元，用于基于所述历史作业统计信息确定所述数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间。

可选的，所述当前时间预估单元，具体用于：

基于所述历史作业统计信息确定历史作业对应的历史任务的吞吐量；基于所述历史任务的吞吐量，确定所述当前执行作业以及所述当前执行作业对应的下游作业的吞吐量；根据所述当前执行作业以及所述下游作业的吞吐量，确定所述当前执行作业的预计处理时间。

可选的，所述超时判断模块420，具体用于：

获取所述的当前执行作业的预设处理时间；若所述当前执行作业的预计处理时间与所述预设处理时间的差值大于预设阈值，且所述预计处理时间大于所述预设处理时间，则确定所述数据处理系统针对所述当前执行作业对应的下游作业的执行时间超时。

可选的，所述装置还包括提前判断模块，所述提前判断模块，用于基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否提前；若是，则基于所述当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及所述作业依赖关系，调整所述下游作业对应的执行并行度。

可选的，所述装置还包括依赖关系确定模块，所述依赖关系确定模块，用于获取所述数据处理系统的全部作业对应的有向无环图，其中，所述有向无环图包括连接方向信息；基于所述连接方向信息确定所述作业依赖关系。

可选的，所述装置还包括返回执行模块，所述返回执行模块，用于判断所述当前执行作业是否为所述数据处理系统的最终执行作业；若否，则在所述当前执行作业完成后，将所述当前执行作业对应的下一执行作业确定为当前执行作业，并返回执行判断确定所述当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间的操作。

本发明实施例所提供的数据处理任务的并行度调整装置可执行本发明任意实施例所提供的数据处理任务的并行度调整方法，具备执行方法相应的功能模块和有益效果。

实施例五

图5为本发明实施例五提供的一种电子设备的结构示意图，图5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5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，例如数据处理任务的并行度调整方法。

在一些实施例中，数据处理任务的并行度调整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处理任务的并行度调整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处理任务的并行度调整方法。

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 (10)

1.一种数据处理任务的并行度调整方法，其特征在于，包括：

确定数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间；

基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否超时；

若是，则基于所述数据处理系统的当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及作业依赖关系，调整所述下游作业对应的执行并行度。

2.根据权利要求1所述的方法，其特征在于，所述确定数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间，包括：

获取数据处理系统的历史作业统计信息；

基于所述历史作业统计信息确定所述数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间。

3.根据权利要求2所述的方法，其特征在于，所述基于所述历史作业统计信息确定所述数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间，包括：

基于所述历史作业统计信息确定历史作业对应的历史任务的吞吐量；

基于所述历史任务的吞吐量，确定所述当前执行作业以及所述当前执行作业对应的下游作业的吞吐量；

根据所述当前执行作业以及所述下游作业的吞吐量，确定所述当前执行作业以及所述下游作业的预计处理时间。

4.根据权利要求1所述的方法，其特征在于，所述基于所述预计处理时间判断所述数据处理系统针对所述当前执行作业对应的下游作业的执行时间是否超时，包括：

获取所述的当前执行作业的预设处理时间；

若所述当前执行作业的预计处理时间与所述预设处理时间的差值大于预设阈值，且所述预计处理时间大于所述预设处理时间，则确定所述数据处理系统针对所述当前执行作业对应的下游作业的执行时间超时。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否提前；

若是，则基于所述当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及所述作业依赖关系，调整所述下游作业对应的执行并行度。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述数据处理系统的全部作业对应的有向无环图，其中，所述有向无环图包括连接方向信息；

基于所述连接方向信息确定所述作业依赖关系。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

判断所述当前执行作业是否为所述数据处理系统的最终执行作业；

若否，则在所述当前执行作业完成后，将所述当前执行作业对应的下一执行作业确定为当前执行作业，并返回执行判断确定所述当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间的操作。

8.一种数据处理任务的并行度调整装置，其特征在于，所述装置包括：

时间预测模块，用于确定数据处理系统的当前执行作业以及所述当前执行作业对应的下游作业的预计处理时间；

超时判断模块，用于基于所述预计处理时间判断所述数据处理系统针对所述下游作业的执行时间是否超时；

下游调整模块，用于若是，则基于所述数据处理系统的当前吞吐量、所述当前执行作业的预计处理时间、所述下游作业的预计处理时间以及作业依赖关系，调整所述下游作业对应的执行并行度。

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处理任务的并行度调整方法。

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处理任务的并行度调整方法。

Images