CN114860453A - 场景引擎的任务执行方法、装置、电子设备及存储介质 - Google Patents
场景引擎的任务执行方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114860453A CN114860453A CN202210591971.2A CN202210591971A CN114860453A CN 114860453 A CN114860453 A CN 114860453A CN 202210591971 A CN202210591971 A CN 202210591971A CN 114860453 A CN114860453 A CN 114860453A
- Authority
- CN
- China
- Prior art keywords
- resource
- executed
- task
- information
- scene
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000013507 mapping Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请实施例公开了一种场景引擎的任务执行方法、装置、电子设备及存储介质。该方法包括：在接收到待执行场景任务的情况下，确定各分布式控制节点当前的计算资源剩余信息以及待执行场景任务的资源需求，其中，每个车载操作系统对应的控制器为一分布式控制节点；基于资源需求和计算资源剩余信息为待执行场景任务，从各分布式控制节点中匹配出目标执行节点；将待执行场景任务分发到目标执行节点中，以使目标执行节点执行待执行场景任务。避免了仅使用核心CPU执行场景任务可能会造成的核心CPU的计算资源可能无法满足场景任务执行所需的算力问题。
Description
技术领域
本申请实施例涉及汽车控制技术领域，尤其涉及一种场景引擎的任务执行方法、装置、电子设备及存储介质。
背景技术
随着科技的发展，在汽车领域，提出了软件定义汽车的模式，该模式下，软件将深度参与到汽车的定义、开发、验证、销售、服务等过程中，并不断改变和优化各个过程，实现体验持续优化、过程持续优化、价值持续创造。
其中，对于汽车的控制，软件也会起到越来越大的作用，一般，在对汽车控制时，软件的作用通常是执行场景任务，随着软件的发展，在汽车控制中，形成了除发动机、变速箱和底盘这“汽车的三大件”之外的又一“大件”——场景引擎。
场景引擎融合了人工智能引擎，与车辆、用户、环境、生态、交通数据等深度融合，利用AI智能算法对车主在开车期间的下一步需求进行预判并提供服务，增加行车安全，优化智能体验，驱动智行生活。但是，目前场景引擎在执行场景任务时，通常会基于核心CPU执行，而核心CPU的计算资源有限，在遇到较为复杂的场景任务时，核心CPU的计算资源可能无法满足场景任务执行所需的算力，从而导致场景任务执行失败，无法满足用户需求。
发明内容
本申请实施例提供一种场景引擎的任务执行方法、装置、电子设备及存储介质，以避免核心CPU的计算资源可能无法满足场景任务执行所需的算力的问题。
第一方面，本申请实施例提供了一种场景引擎的任务执行方法，所述方法包括：
在接收到待执行场景任务的情况下，确定各分布式控制节点当前的计算资源剩余信息以及所述待执行场景任务的资源需求，其中，每个车载操作系统对应的控制器为一所述分布式控制节点；
基于所述资源需求和所述计算资源剩余信息为所述待执行场景任务，从各分布式控制节点中匹配出目标执行节点；
将所述待执行场景任务分发到所述目标执行节点中，以使所述目标执行节点执行所述待执行场景任务。
第二方面，本申请实施例还提供了一种场景引擎的任务执行装置，该场景引擎的任务执行装置包括：
确定模块，用于在接收到待执行场景任务的情况下，确定各分布式控制节点当前的计算资源剩余信息以及所述待执行场景任务的资源需求，其中，每个车载操作系统对应的控制器为一所述分布式控制节点；
匹配模块，用于基于所述资源需求和所述计算资源剩余信息为所述待执行场景任务，从各分布式控制节点中匹配出目标执行节点；
分发模块，用于将所述待执行场景任务分发到所述目标执行节点中，以使所述目标执行节点执行所述待执行场景任务。
第三方面，本申请实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本申请任一实施例提供的场景引擎的任务执行方法。
第四方面，本申请实施例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，其特征在于，该程序被处理器执行时实现如本申请任一实施例提供的场景引擎的任务执行方法。
本申请实施例的技术方案，通过将每个车载操作系统对应的控制器都设置为分布式控制节点，然后为待执行场景任务从分布式控制节点中匹配出目标执行节点，并将该待执行场景任务分发到目标执行节点中，以使该目标执行节点执行待执行场景任务。基于此，在接收到待执行场景任务的情况下，本申请不再仅限于由核心CPU执行该任务，而是根据资源需求和所述计算资源剩余信息进行节点的匹配，即进行不同控制器的匹配，从而可以对整车中各控制器进行充分的利用，避免了仅使用核心CPU执行场景任务可能会造成的核心CPU的计算资源可能无法满足场景任务执行所需的算力问题。
附图说明
图1为本申请实施例一提供的场景引擎的任务执行方法的流程示意图；
图2是本申请的实施例一提供的确定分布式控制节点当前的计算资源剩余信息的流程示意图；
图3为本申请实施例二提供的一种场景引擎的任务执行装置的结构示意图；
图4为本申请实施例三提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
实施例一
图1为本申请实施例一提供的场景引擎的任务执行方法的流程示意图，本实施例可适用于场景引擎的任务执行的场景，该方法可以由场景引擎的任务执行装置来执行，该装置可采用硬件和/或软件的方式实现,并一般可以集成在具有数据运算能力的计算机等电子设备中，具体包括如下步骤：
步骤101、在接收到待执行场景任务的情况下，确定各分布式控制节点当前的计算资源剩余信息以及待执行场景任务的资源需求，其中，每个车载操作系统对应的控制器为一分布式控制节点。
本步骤中，整车中会携带有多个车载操作系统，而每个车载操作系统中都会存在一个用于操作控制的控制器，比如中央计算平台、座舱域控制器、高等级自动驾驶系统等。本实施例中，可以将每个控制器看做是一个分布式控制节点。
另外，每接收到一个待执行场景任务的情况下，都需要进行本实施例的方案执行，确定各分布式控制节点当前的计算资源剩余信息的过程，本实施例以任一分布式控制节点为例，进行说明。
具体可以参阅图2，图2是本申请的实施例一提供的确定分布式控制节点当前的计算资源剩余信息的流程示意图。
如图2所示，本实施例确定分布式控制节点当前的计算资源剩余信息的过程可以包括：
步骤201、对于任一分布式控制节点，确定分布式控制节点的上限计算资源信息、当前已使用计算资源信息以及资源类型信息。
本步骤中，上限计算资源信息指的是分布式控制节点能使用的最大计算资源上限，由于车载操作系统一般都为功能安全系统，需要设置一个计算资源上限，一般，该计算资源上限小于分布式控制节点的总计算资源信息，以便于预留出一定量的计算资源，保障一些安全功能的运行。
具体的，可以为每个车载操作系统预先设置上限比例，那么对于任一分布式控制节点，可以先获取分布式控制节点的总计算资源信息以及上限比例；然后再根据总计算资源信息与上限比例确定分布式控制节点的上限计算资源信息。
在一个具体的例子中，每个车载系统的上限比例和总计算资源信息可以如下表1所示。
表1
| 车载操作系统中的控制器 | 上限比例 | 总计算资源信息 |
| 中央计算平台 | 0.8 | 128G |
| 座舱域控制器 | 0.7 | 32G |
| 高等级自动驾驶系统 | 0.6 | 256G |
| ...... | ...... | ...... |
基于上述表1，可以确定出，中央计算平台的上限计算资源信息为128*0.8＝102.4，座舱域控制器的上限计算资源信息为32*0.7＝22.4，高等级自动驾驶系统的上限计算资源信息为256*0.6＝153.6。
当然，由于控制器的总计算资源信息和上限比例通常是固定的，本实施例还可以直接设置上限计算资源信息的参数以及乘积函数，将上线比例和总计算资源设置为该乘积函数的输入，将上限计算资源信息的参数设置为该乘积函数的输出，本步骤在获取上限计算资源信息时，直接获取该上限计算资源信息的参数即可。
基于该乘积函数，本实施例还可以在上线比例和/或总计算资源信息发生变化(比如总计算资源信息发生扩展，上线比例发生调整)时，自动得到相应的上限计算资源信息的参数的参数值。
另外，本步骤中当前已使用计算资源信息可以直接从控制器的相关服务(比如存储管理服务)中进行获取。
在一个具体的例子中，获取到的当前已使用计算资源信息可以如表2所示。
表2
| 车载操作系统中的控制器 | 当前已使用计算资源信息 |
| 中央计算平台 | 80G |
| 座舱域控制器 | 15G |
| 高等级自动驾驶系统 | 118G |
| ...... | ...... |
步骤202、将上限计算资源信息与当前已使用计算资源信息的差确定为计算资源剩余量。
本步骤中，将上限计算资源信息减去当前已使用计算资源信息得到差作为计算资源剩余量即可。
在一个具体的例子中，中央计算平台的计算资源剩余量为102.4-80＝22.4，座舱域控制器的计算资源剩余量为22.4-15＝7.4，高等级自动驾驶系统的计算资源剩余量为153.6-118＝35.6。
步骤203、将计算资源剩余量以及资源类型信息确定为分布式控制节点当前的计算资源剩余信息。
需要说明的是，资源类型信息可以指控制器中搭载的操作系统，比如中央计算平台的操作系统为“A核，linux，M/C核，ROTS”，座舱域控制器的操作系统为“A核，QNX，android”，高等级自动驾驶系统的操作系统为“A核，linux，M/C核，ROTS”。
另外，本步骤中，确定待执行场景任务的资源需求时，可以先从待执行场景任务的任务脚本中解析出目标场景任务类型以及原子级服务；基于预设名类型与资源类型的映射关系，确定目标场景任务类型对应的资源类型需求；基于预设服务数量与资源量的映射关系，确定原子级服务的数量对应的资源量需求；将资源类型需求和资源量需求确定为待执行场景任务的资源需求。
其中，任务脚本的数据结构可以为“场景任务包头+场景任务ID+场景任务名称+场景任务类型(时间/事件)+(原子级服务集合)+场景任务包尾”，场景任务包头和场景任务包尾通常为固定内容字段或者校验内容字段，此处不再对其确定方式进行赘述，参考相关技术即可。
另外，原子级服务指的是执行该场景任务所需要依赖的各种服务。一般情况下，所需原子级服务的数量越多，执行该场景任务所需的计算资源就越多。因此，本实施例可以按照所需的原子级服务的数量来确定资源量需求。
具体的，可以预先设置服务数量与资源量的映射关系，比如0个服务对应2G资源量，1个服务对应4G资源量等等。本实施例可以从该映射关系中找到原子级服务的数量所对应的资源量，作为待执行场景任务的资源量需求。
对于资源类型的需求，主要指的是待执行场景任务执行所需的操作系统环境，一般，不同类型的场景任务需要的操作系统环境不同，因此，本实施例同样可以预先设置不同的类型(场景任务的类型)与资源类型(不同操作系统环境)之间的映射关系，从该映射关系中确定出目标场景任务类型所对应的资源类型，作为待执行场景任务的资源类型需求。
在一个具体的例子中，针对需要满足车外或者快速启动模式工况下即需要体验场景任务(例如各种迎宾场景、充电场景)，则优先分配在“中央计算平台”或者“座舱域控制器”的QNX上，对于需要依赖类似语音等交互手段的场景任务，则优先分配在“座舱域控制器”的android系统上。
步骤102、基于资源需求和计算资源剩余信息为待执行场景任务，从各分布式控制节点中匹配出目标执行节点。
本步骤中，具体匹配时，会根据资源需求以及前述计算资源剩余信息进行匹配，可以先从所有分布式控制节点中确定出满足资源类型需求的资源类型信息对应的待定控制节点；然后将计算资源剩余量满足资源量需求的待定控制节点确定为目标执行节点。
需要说明的是，满足资源类型需求指的是分布式控制节点的操作系统与资源类型需求中的资源类型匹配，以资源类型需求中的资源类型为“QNX”，由于前述例子中，仅有“中央计算平台”或者“座舱域控制器”的操作系统能提供“QNX”，那么此处满足资源类型需求的资源类型信息对应的待定控制节点即为“中央计算平台”或者“座舱域控制器”。
然后再从待定控制节点中找到计算资源剩余量满足资源量需求的节点，作为最终的目标执行节点，比如资源量需求为20G，那么从上述例子中，能够满足的就只有“中央计算平台”。
步骤103、将待执行场景任务分发到目标执行节点中，以使目标执行节点执行待执行场景任务。
本步骤中，可以先基于目标场景任务类型对待执行场景任务进行诊断，并在诊断通过的情况下，对待执行场景任务进行原子级服务的关联订阅，得到服务关联订阅信息；然后将待执行场景任务的任务脚本以及服务关联订阅信息发送给目标执行节点。
需要说明的是，诊断可以主要判断解析出的原子级服务集合是否具备原子级消息匹配性以及场景任务的完整性。另外，关联订阅指的是将原子级任务与该待执行场景任务进行关联的过程，以便于执行该待执行场景任务时，能够顺利执行关联的原子级服务。
另外，本实施例还可以从目标执行节点中获取待执行场景任务的执行信息，并以预设展示形式展示执行信息。需要说明的是，可以通过标准化接口(SOMEIP协议)来进行获取。
当然，除了获取执行信息外，还可以通过该标准化结构对待执行场景任务的执行过程进行干预和管理，比如任务的执行、暂停、停止、增加、删除、修改等操作。
本实施例中，通过将每个车载操作系统对应的控制器都设置为分布式控制节点，然后为待执行场景任务从分布式控制节点中匹配出目标执行节点，并将该待执行场景任务分发到目标执行节点中，以使该目标执行节点执行待执行场景任务。基于此，在接收到待执行场景任务的情况下，本申请不再仅限于由核心CPU执行该任务，而是根据资源需求和计算资源剩余信息进行节点的匹配，即进行不同控制器的匹配，从而可以对整车中各控制器进行充分的利用，避免了仅使用核心CPU执行场景任务可能会造成的核心CPU的计算资源可能无法满足场景任务执行所需的算力问题。
实施例二
请参阅图3，图3是本申请的实施例二提供的一种场景引擎的任务执行装置的结构示意图。本申请实施例所提供的场景引擎的任务执行装置可执行本申请任意实施例所提供的场景引擎的任务执行方法，具备执行方法相应的功能模块和有益效果。该装置可采用软件和/或硬件的方式实现，如图3所示，场景引擎的任务执行装置具体包括：确定模块301、匹配模块302、分发模块303。
其中，确定模块，用于在接收到待执行场景任务的情况下，确定各分布式控制节点当前的计算资源剩余信息以及待执行场景任务的资源需求，其中，每个车载操作系统对应的控制器为一分布式控制节点；
匹配模块，用于基于资源需求和计算资源剩余信息为待执行场景任务，从各分布式控制节点中匹配出目标执行节点；
分发模块，用于将待执行场景任务分发到目标执行节点中，以使目标执行节点执行待执行场景任务。
本实施例中，通过将每个车载操作系统对应的控制器都设置为分布式控制节点，然后为待执行场景任务从分布式控制节点中匹配出目标执行节点，并将该待执行场景任务分发到目标执行节点中，以使该目标执行节点执行待执行场景任务。基于此，在接收到待执行场景任务的情况下，本申请不再仅限于由核心CPU执行该任务，而是根据资源需求和计算资源剩余信息进行节点的匹配，即进行不同控制器的匹配，从而可以对整车中各控制器进行充分的利用，避免了仅使用核心CPU执行场景任务可能会造成的核心CPU的计算资源可能无法满足场景任务执行所需的算力问题。
进一步的，确定模块用于执行：
对于任一分布式控制节点，确定分布式控制节点的上限计算资源信息、当前已使用计算资源信息以及资源类型信息；
将上限计算资源信息与当前已使用计算资源信息的差确定为计算资源剩余量；
将计算资源剩余量以及资源类型信息确定为分布式控制节点当前的计算资源剩余信息。
进一步地，确定模块还用于执行：
对于任一分布式控制节点，获取分布式控制节点的总计算资源信息以及上限比例；
根据总计算资源信息与上限比例确定分布式控制节点的上限计算资源信息。
进一步地，确定模块还用于执行：
从待执行场景任务的任务脚本中解析出目标场景任务类型以及原子级服务；
基于预设类型与资源类型的映射关系，确定目标场景任务类型对应的资源类型需求；
基于预设服务数量与资源量的映射关系，确定原子级服务的数量对应的资源量需求；
将资源类型需求和资源量需求确定为待执行场景任务的资源需求。
进一步地，计算资源剩余信息包括计算资源剩余量和资源类型信息，资源需求包括资源量需求和资源类型需求；匹配模块具体用于执行：
从所有分布式控制节点中确定出满足资源类型需求的资源类型信息对应的待定控制节点；
将计算资源剩余量满足资源量需求的待定控制节点确定为目标执行节点。
进一步地，分发模块具体用于执行：
基于目标场景任务类型对待执行场景任务进行诊断，并在诊断通过的情况下，对待执行场景任务进行原子级服务的关联订阅，得到服务关联订阅信息；
将待执行场景任务的任务脚本以及服务关联订阅信息发送给目标执行节点。
进一步地，装置还包括：
执行信息获取及展示模块，用于从目标执行节点中获取待执行场景任务的执行信息，并以预设展示形式展示执行信息。
实施例三
图4为本申请实施例三提供的一种电子设备的结构示意图，如图4所示，该电子设备包括处理器410、存储器420、输入装置430和输出装置440；电子设备中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；电子设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的场景引擎的任务执行方法对应的程序指令/模块(例如，场景引擎的任务执行装置中的特征图提取模块301、梯度直方图特征获取模块302、分类模块303)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的场景引擎的任务执行方法。
也即，在接收到待执行场景任务的情况下，确定各分布式控制节点当前的计算资源剩余信息以及待执行场景任务的资源需求，其中，每个车载操作系统对应的控制器为一分布式控制节点；
基于资源需求和计算资源剩余信息为待执行场景任务，从各分布式控制节点中匹配出目标执行节点；
将待执行场景任务分发到目标执行节点中，以使目标执行节点执行待执行场景任务。
进一步地，确定各分布式控制节点当前的计算资源剩余信息，包括：
对于任一分布式控制节点，确定分布式控制节点的上限计算资源信息、当前已使用计算资源信息以及资源类型信息；
将上限计算资源信息与当前已使用计算资源信息的差确定为计算资源剩余量；
将计算资源剩余量以及资源类型信息确定为分布式控制节点当前的计算资源剩余信息。
进一步地，对于任一分布式控制节点，确定分布式控制节点的上限计算资源信息，包括：
对于任一分布式控制节点，获取分布式控制节点的总计算资源信息以及上限比例；
根据总计算资源信息与上限比例确定分布式控制节点的上限计算资源信息。
进一步地，确定待执行场景任务的资源需求，包括：
从待执行场景任务的任务脚本中解析出目标场景任务类型以及原子级服务；
基于预设类型与资源类型的映射关系，确定目标场景任务类型对应的资源类型需求；
基于预设服务数量与资源量的映射关系，确定原子级服务的数量对应的资源量需求；
将资源类型需求和资源量需求确定为待执行场景任务的资源需求。
进一步地，计算资源剩余信息包括计算资源剩余量和资源类型信息，资源需求包括资源量需求和资源类型需求；
基于资源需求和计算资源剩余信息为待执行场景任务，从各分布式控制节点中匹配出目标执行节点，包括：
从所有分布式控制节点中确定出满足资源类型需求的资源类型信息对应的待定控制节点；
将计算资源剩余量满足资源量需求的待定控制节点确定为目标执行节点。
进一步地，将待执行场景任务分发到目标执行节点中，包括：
基于目标场景任务类型对待执行场景任务进行诊断，并在诊断通过的情况下，对待执行场景任务进行原子级服务的关联订阅，得到服务关联订阅信息；
将待执行场景任务的任务脚本以及服务关联订阅信息发送给目标执行节点。
进一步地，在将待执行场景任务分发到目标执行节点中之后，方法还包括：
从目标执行节点中获取待执行场景任务的执行信息，并以预设展示形式展示执行信息。
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的电力施工图纸，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例四
本申请实施例四还提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种场景引擎的任务执行方法，该方法包括：
在接收到待执行场景任务的情况下，确定各分布式控制节点当前的计算资源剩余信息以及待执行场景任务的资源需求，其中，每个车载操作系统对应的控制器为一分布式控制节点；
基于资源需求和计算资源剩余信息为待执行场景任务，从各分布式控制节点中匹配出目标执行节点；
将待执行场景任务分发到目标执行节点中，以使目标执行节点执行待执行场景任务。
进一步地，确定各分布式控制节点当前的计算资源剩余信息，包括：
对于任一分布式控制节点，确定分布式控制节点的上限计算资源信息、当前已使用计算资源信息以及资源类型信息；
将上限计算资源信息与当前已使用计算资源信息的差确定为计算资源剩余量；
将计算资源剩余量以及资源类型信息确定为分布式控制节点当前的计算资源剩余信息。
进一步地，对于任一分布式控制节点，确定分布式控制节点的上限计算资源信息，包括：
对于任一分布式控制节点，获取分布式控制节点的总计算资源信息以及上限比例；
根据总计算资源信息与上限比例确定分布式控制节点的上限计算资源信息。
进一步地，确定待执行场景任务的资源需求，包括：
从待执行场景任务的任务脚本中解析出目标场景任务类型以及原子级服务；
基于预设类型与资源类型的映射关系，确定目标场景任务类型对应的资源类型需求；
基于预设服务数量与资源量的映射关系，确定原子级服务的数量对应的资源量需求；
将资源类型需求和资源量需求确定为待执行场景任务的资源需求。
进一步地，计算资源剩余信息包括计算资源剩余量和资源类型信息，资源需求包括资源量需求和资源类型需求；
基于资源需求和计算资源剩余信息为待执行场景任务，从各分布式控制节点中匹配出目标执行节点，包括：
从所有分布式控制节点中确定出满足资源类型需求的资源类型信息对应的待定控制节点；
将计算资源剩余量满足资源量需求的待定控制节点确定为目标执行节点。
进一步地，将待执行场景任务分发到目标执行节点中，包括：
基于目标场景任务类型对待执行场景任务进行诊断，并在诊断通过的情况下，对待执行场景任务进行原子级服务的关联订阅，得到服务关联订阅信息；
将待执行场景任务的任务脚本以及服务关联订阅信息发送给目标执行节点。
进一步地，在将待执行场景任务分发到目标执行节点中之后，方法还包括：
从目标执行节点中获取待执行场景任务的执行信息，并以预设展示形式展示执行信息。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本申请任意实施例所提供的场景引擎的任务执行方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本申请可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种场景引擎的任务执行方法，其特征在于，所述方法包括：
在接收到待执行场景任务的情况下，确定各分布式控制节点当前的计算资源剩余信息以及所述待执行场景任务的资源需求，其中，每个车载操作系统对应的控制器为一所述分布式控制节点；
基于所述资源需求和所述计算资源剩余信息为所述待执行场景任务，从各分布式控制节点中匹配出目标执行节点；
将所述待执行场景任务分发到所述目标执行节点中，以使所述目标执行节点执行所述待执行场景任务。
2.根据权利要求1所述的方法，其特征在于，所述确定各分布式控制节点当前的计算资源剩余信息，包括：
对于任一分布式控制节点，确定所述分布式控制节点的上限计算资源信息、当前已使用计算资源信息以及资源类型信息；
将所述上限计算资源信息与所述当前已使用计算资源信息的差确定为计算资源剩余量；
将所述计算资源剩余量以及所述资源类型信息确定为所述分布式控制节点当前的计算资源剩余信息。
3.根据权利要求2所述的方法，其特征在于，所述对于任一分布式控制节点，确定所述分布式控制节点的上限计算资源信息，包括：
对于任一分布式控制节点，获取所述分布式控制节点的总计算资源信息以及上限比例；
根据所述总计算资源信息与所述上限比例确定所述分布式控制节点的上限计算资源信息。
4.根据权利要求1所述的方法，其特征在于，确定所述待执行场景任务的资源需求，包括：
从所述待执行场景任务的任务脚本中解析出目标场景任务类型以及原子级服务；
基于预设类型与资源类型的映射关系，确定所述目标场景任务类型对应的资源类型需求；
基于预设服务数量与资源量的映射关系，确定所述原子级服务的数量对应的资源量需求；
将所述资源类型需求和所述资源量需求确定为所述待执行场景任务的资源需求。
5.根据权利要求1所述的方法，其特征在于，所述计算资源剩余信息包括计算资源剩余量和资源类型信息，所述资源需求包括资源量需求和资源类型需求；
所述基于所述资源需求和所述计算资源剩余信息为所述待执行场景任务，从各分布式控制节点中匹配出目标执行节点，包括：
从所有分布式控制节点中确定出满足所述资源类型需求的资源类型信息对应的待定控制节点；
将计算资源剩余量满足所述资源量需求的待定控制节点确定为目标执行节点。
6.根据权利要求4所述的方法，其特征在于，所述将所述待执行场景任务分发到所述目标执行节点中，包括：
基于所述目标场景任务类型对所述待执行场景任务进行诊断，并在诊断通过的情况下，对所述待执行场景任务进行原子级服务的关联订阅，得到服务关联订阅信息；
将所述待执行场景任务的任务脚本以及所述服务关联订阅信息发送给目标执行节点。
7.根据权利要求1所述的方法，其特征在于，在所述将所述待执行场景任务分发到所述目标执行节点中之后，所述方法还包括：
从所述目标执行节点中获取所述待执行场景任务的执行信息，并以预设展示形式展示所述执行信息。
8.一种场景引擎的任务执行装置，其特征在于，所述装置包括：
确定模块，用于在接收到待执行场景任务的情况下，确定各分布式控制节点当前的计算资源剩余信息以及所述待执行场景任务的资源需求，其中，每个车载操作系统对应的控制器为一所述分布式控制节点；
匹配模块，用于基于所述资源需求和所述计算资源剩余信息为所述待执行场景任务，从各分布式控制节点中匹配出目标执行节点；
分发模块，用于将所述待执行场景任务分发到所述目标执行节点中，以使所述目标执行节点执行所述待执行场景任务。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的场景引擎的任务执行方法。
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，该程序被处理器执行时实现如权利要求1-7中任一所述的场景引擎的任务执行方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210591971.2A CN114860453A (zh) | 2022-05-27 | 2022-05-27 | 场景引擎的任务执行方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210591971.2A CN114860453A (zh) | 2022-05-27 | 2022-05-27 | 场景引擎的任务执行方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114860453A true CN114860453A (zh) | 2022-08-05 |
Family
ID=82641451
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210591971.2A Pending CN114860453A (zh) | 2022-05-27 | 2022-05-27 | 场景引擎的任务执行方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114860453A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115550282A (zh) * | 2022-09-08 | 2022-12-30 | 中国联合网络通信集团有限公司 | 一种资源分配方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111694649A (zh) * | 2020-06-12 | 2020-09-22 | 北京字节跳动网络技术有限公司 | 资源调度方法、装置、计算机设备和存储介质 |
| CN113254220A (zh) * | 2021-07-01 | 2021-08-13 | 国汽智控(北京)科技有限公司 | 网联汽车负载协同控制方法、装置、设备及存储介质 |
| CN114020420A (zh) * | 2021-09-22 | 2022-02-08 | 成都鲁易科技有限公司 | 一种分布式待执行任务执行方法及系统、存储介质、终端 |
| CN114356516A (zh) * | 2021-12-23 | 2022-04-15 | 科大讯飞股份有限公司 | 资源调度方法及相关装置、设备和存储介质 |
-
2022
- 2022-05-27 CN CN202210591971.2A patent/CN114860453A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111694649A (zh) * | 2020-06-12 | 2020-09-22 | 北京字节跳动网络技术有限公司 | 资源调度方法、装置、计算机设备和存储介质 |
| CN113254220A (zh) * | 2021-07-01 | 2021-08-13 | 国汽智控(北京)科技有限公司 | 网联汽车负载协同控制方法、装置、设备及存储介质 |
| CN114020420A (zh) * | 2021-09-22 | 2022-02-08 | 成都鲁易科技有限公司 | 一种分布式待执行任务执行方法及系统、存储介质、终端 |
| CN114356516A (zh) * | 2021-12-23 | 2022-04-15 | 科大讯飞股份有限公司 | 资源调度方法及相关装置、设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115550282A (zh) * | 2022-09-08 | 2022-12-30 | 中国联合网络通信集团有限公司 | 一种资源分配方法、装置、电子设备及存储介质 |
| CN115550282B (zh) * | 2022-09-08 | 2024-05-17 | 中国联合网络通信集团有限公司 | 一种资源分配方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112802359A (zh) | 一种停车场管理方法、装置及服务器 | |
| CN114860453A (zh) | 场景引擎的任务执行方法、装置、电子设备及存储介质 | |
| CN115017050A (zh) | 自动驾驶的测试场景生成系统及方法 | |
| CN112565468B (zh) | 一种驾驶场景识别方法及其系统 | |
| JP7049288B2 (ja) | 管理サーバ及びプログラム | |
| WO2023241388A1 (zh) | 模型训练方法及装置、补能意图识别方法及装置、设备、介质 | |
| CN108770014B (zh) | 网络服务器的计算评估方法、系统、装置及可读存储介质 | |
| CN112148481A (zh) | 一种执行仿真测试任务的方法、系统、设备及介质 | |
| CN116303456A (zh) | 工业数据处理方法、系统、装置及计算机可读存储介质 | |
| CN112948054B (zh) | 一种基于虚拟化技术的公交混合云平台系统 | |
| CN114035533A (zh) | 车辆智能化测试方法及装置 | |
| CN111782483A (zh) | 一种可弹性伸缩的云计算监控平台 | |
| CN116358902B (zh) | 一种车辆功能的测试方法、装置、电子设备及存储介质 | |
| CN110782115B (zh) | 处理车联网系统风险方法、装置、电子设备及存储介质 | |
| CN117873691A (zh) | 数据处理方法、装置、设备及可读存储介质 | |
| CN113268503B (zh) | 信息聚合方法、存储介质、计算机设备 | |
| CN113968233B (zh) | 整车能量在线自学习智能管理方法和车辆数据的处理方法 | |
| CN116932340A (zh) | 场景运行方法、装置、计算机设备及存储介质 | |
| CN116594746A (zh) | 分布式场景脚本执行方法、装置、系统及存储介质 | |
| CN115796277A (zh) | 一种基于知识库的企业数据管理方法及系统 | |
| CN116521505A (zh) | 智能汽车操作系统的进程间通信评估方法、装置及设备 | |
| CN115730348A (zh) | 一种车机订阅事件的处理方法、装置、设备及介质 | |
| CN116743806A (zh) | 一种车辆数据采集系统、方法及介质 | |
| Broderick et al. | Pseudo-code and data appendices for paper: A technique to interconnect and control co-simulation systems | |
| CN116701148A (zh) | 基于场景的仿真测试方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220805 |