CN114928605B - 一种芯片测试机大数据动态调度方法及系统 - Google Patents

一种芯片测试机大数据动态调度方法及系统 Download PDF

Info

Publication number
CN114928605B
CN114928605B CN202210830382.5A CN202210830382A CN114928605B CN 114928605 B CN114928605 B CN 114928605B CN 202210830382 A CN202210830382 A CN 202210830382A CN 114928605 B CN114928605 B CN 114928605B
Authority
CN
China
Prior art keywords
test
big data
file
cluster
stdf
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.)
Active
Application number
CN202210830382.5A
Other languages
English (en)
Other versions
CN114928605A (zh
Inventor
徐祖峰
丁小果
马锋
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.)
Jiangsu Taizhi Technology Co ltd
Original Assignee
Jiangsu Taizhi 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 Jiangsu Taizhi Technology Co ltd filed Critical Jiangsu Taizhi Technology Co ltd
Priority to CN202210830382.5A priority Critical patent/CN114928605B/zh
Publication of CN114928605A publication Critical patent/CN114928605A/zh
Application granted granted Critical
Publication of CN114928605B publication Critical patent/CN114928605B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/282—Testing of electronic circuits specially adapted for particular applications not provided for elsewhere
    • G01R31/2831—Testing of materials or semi-finished products, e.g. semiconductor wafers or substrates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2851—Testing of integrated circuits [IC]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3041—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is an input/output interface
    • 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]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/04—Protocols for data compression, e.g. ROHC
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/22—Parsing or analysis of headers
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明公开了一种芯片测试机大数据动态调度方法及系统，所述方法包括：当测试机上的Proxy程序侦测到测试机结束了一轮测试产生了STDF文件时，向大数据运算集群发起STDF文件处理请求；集群判断当前处理能力是否满足指定条件，并将判断结果返回给Proxy程序；Proxy程序基于返回结果将预处理后直接发送至集群进行处理，或者将STDF文件存放于其他指定位置，等待集群择机处理，集群在空闲时根据自身管理的测试机台测试周期，调度Proxy程序从测试机提前解析并传输测试中的过程文件数据。本发明通过预处理有效减少数据的处理量和传输量，通过Proxy预处理后的数据流方式减少整个过程中磁盘的IO，降低对硬件的要求。

Description

一种芯片测试机大数据动态调度方法及系统
技术领域
本发明属于半导体测试技术领域，具体涉及一种芯片测试机大数据动态调度方法及系统。
背景技术
集成电路（IC）、半导体晶圆（Wafer）生产过程中要对晶圆上的晶片（die）进行测试，单晶圆上面的die数量可达几十万个，单个die的测试项也达数千个，因此测试过程会产生大量测试数据。由于测试复杂，数据量大，目前都是利用专门的硬件测试机台进行测试。测试机台每测试一次会产生一个大小为几个G的标准测试数据文件（Standard Test DataFile，STDF）。IC工厂要对这些测试数据进行采集和分析，进而对生产工序、工艺、良率进行调整。
现有处理方法中，厂区里各测试机上传STDF文件的时间是随机的，各测试机并行抢占存储设备的磁盘输入/输出（I/O），由于数据量大而随机，磁盘I/O成为重要瓶颈。而在测试任务完成后，又要将STDF文件从存储设备中删除，又需要I/O。因此这种技术方案下数据采集与数据分析花费的时间较长，且对磁盘硬件要求高，需要较高的成本投入。
发明内容
发明目的：本发明提供一种芯片测试机大数据动态调度方法和系统，减少芯片测试数据采集和数据分析的处理时长，减少对磁盘硬件的要求，降低IT设备的投资成本，提高芯片测试大数据分析系统的投资回报比。
技术方案：根据本发明的第一方面，一种芯片测试机大数据动态调度方法，包括以下步骤：
（1）在每个测试机台上安装Proxy程序，用于侦测测试机台的测试任务执行情况，当测试机台结束了一轮测试产生了STDF文件时，Proxy程序向大数据运算集群发起STDF文件处理请求；
（2）大数据运算集群基于STDF文件处理请求，分析并判断集群当前的运算吞吐量和网络吞吐量是否满足阈值条件，并将判断结果返回给对应的Proxy程序；
（3）Proxy程序基于返回的判断结果为满足阈值条件，对测试机台产生的STDF文件进行预处理后直接发送至大数据运算集群进行处理；
（4）Proxy程序基于返回的判断结果为不满足阈值条件，将STDF文件存放于附加的文件服务器上，或者指示测试程序将STDF文件存放于测试机台的磁盘上，等待大数据运算集群择机处理；
（5）大数据运算集群空闲时从步骤（4）中的存储位置处获取STDF文件进行处理；
（6）当存储位置没有待处理的文件时，大数据运算集群根据计算出的所有测试机台的测试周期和测试完成情况，基于调度策略选择合适的测试机台，调度该测试机台对应的Proxy程序进行测试临时文件的预处理，然后发送至大数据运算集群进行处理；
（7）Proxy程序对预处理的测试临时文件做出预处理标记，并记录传输进度，当侦测到当前测试机台的测试周期完成时，若根据预处理标记判断该轮测试已经进行了预处理，则根据记录的传输进度继续剩余文件的流式处理；
（8）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库。
作为优选，所述步骤（2）中，判断是否满足阈值条件包括：当大数据运算集群当前的运算吞吐量低于运算吞吐量阈值且当前的网络吞吐量低于网络吞吐量阈值时，判断满足阈值条件，否则不满足阈值条件。
作为优选，所述运算吞吐量阈值和所述网络吞吐量阈值从大数据运算集群的配置中获取；或者通过现场测试得到，方法如下：现场部署测试机台和大数据运算集群后，统计实际测试周期中处理的测试数据的大小除以处理时间得出运算I/O能力，作为运算吞吐量阈值；通过统计实际测试周期中Proxy程序上传测试文件的数据大小除以上传时间得出网络I/O能力，作为网络吞吐量阈值。
作为优选，通过现场测试得到运算吞吐量阈值的方法还包括：将计算得到的运算I/O能力乘以防抖阈值作为运算吞吐量阈值；通过现场测试得到网络吞吐量阈值的方法还包括：将计算得到的网络I/O能力乘以防抖阈值作为网络吞吐量阈值；所述防抖阈值为指定百分比。
作为优选，所述步骤（3）中，Proxy程序对测试机台上的STDF文件进行预处理包括：对STDF文件进行解析，按照大数据运算集群的配置要求，去除冗余、无效、无用数据，进行编排和压缩后，通过流式处理方式传输给大数据运算集群；
作为优选，所述步骤（5）中，Proxy程序对测试临时文件的预处理包括：对测试过程中的STDF_TMP文件进行解析，按照大数据运算集群的配置要求，去除冗余、无效、无用数据，进行编排和压缩后，通过流式处理方式传输给大数据运算集群。
作为优选，所述压缩包括：通过协议约定，Proxy程序对STDF文件或STDF_TMP文件中指定格式或字段的内容不传输至大数据运算集群，由大数据运算集群从该测试机台的历史测试数据中获取相应信息。
作为优选，所述步骤（5）中，对测试机台的测试周期的计算包括：大数据运算集群从其管理的所有测试机台的测试产品的历史STDF文件、测试配置、外部系统接口、当前STDF_TMP文件中得到各个测试机台的测试周期，并根据各测试机台执行时间判断出预计下次测试完成的顺序。
作为优选，所述步骤（5）中，基于调度策略选择合适的测试机台包括：选择测试周期剩余时长最短的测试机台，或者选择已完成最多的测试机台，或者选择执行时间最长的测试机台。
根据本发明的第二方面，一种芯片测试机大数据动态调度系统，包括：测试机台、大数据运算集群、测试数据仓库，测试机台执行测试任务产生STDF文件；
所述测试机台上安装有Proxy程序，用于侦测测试机执行情况，当测试机台结束了一轮测试产生了STDF文件时，Proxy程序向大数据运算集群发起STDF文件处理请求，并接收大数据运算集群返回的判断结果；所述Proxy程序被配置为：基于返回的判断结果为满足阈值条件，对测试机台产生的STDF文件进行预处理后直接发送至大数据运算集群进行处理；或者，基于返回的判断结果为不满足阈值条件，将STDF文件存放于附加的文件服务器上或者指示测试程序将STDF文件存放于测试机台的磁盘上，等待大数据运算集群择机处理；
所述大数据运算集群被配置为：基于STDF文件处理请求，分析并判断集群当前的运算吞吐量和网络吞吐量是否满足阈值条件，并将判断结果返回给对应的Proxy程序；对接收到的数据进行计算处理；在空闲时从指定存储位置处获取STDF文件进行处理；当存储位置没有待处理的文件时，大数据运算集群根据计算出的所有测试机台的测试周期和测试完成情况，基于调度策略选择合适的测试机台，调度该测试机台对应的Proxy程序进行测试临时文件的预处理，然后发送至大数据运算集群进行处理；
所述Proxy程序还被配置为：对预处理的测试临时文件做出预处理标记，并记录传输进度，当侦测到当前测试机台的测试周期完成时，若根据预处理标记判断该轮测试已经进行了预处理，则根据记录的传输进度继续剩余文件的流式处理；
所述测试数据仓库用于存储经过大数据运算集群计算的结果。
有益效果：本发明对芯片测试数据的调度逻辑加以改进，根据大数据运算集群的现时能力来调度数据，当运算集群的运算I/O和网络I/O能力足以支撑处理的时候，直接将数据从测试机读出通过网络传输至大数据运算集群就进行计算，当运算集群的运算I/O或网络I/O不能处理的时候，采用STDF文件上传磁盘I/O的传统接收逻辑，或者延迟调度时机，从而减少对文件的操作，降低对存储的需求，减少设备成本投入。同时通过Proxy程序进行上传文件的预处理，大量减少了无效数据，减少了传输和处理的数据量和时间。本发明充分利用大数据运算集群，通过调度提前处理测试过程数据，防止数据波峰，降低硬件要求。
附图说明
图1为本发明的芯片测试机大数据动态调度系统结构图；
图2为本发明的芯片测试机大数据动态调度方法流程图；
图3为本发明的大数据运算集群对文件处理请求的处理逻辑图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明提出一种芯片测试机大数据动态调度系统，完成对芯片测试数据的采集和分析，如图1所示，系统包括若干芯片测试机台、大数据运算集群以及数据仓库服务器。每台芯片测试机上部署有Proxy程序，用于侦测测试机台的一轮测试完成情况并承担测试机台与其他设备进行交互的代理角色，这样的交互包括数据上传、文件上传、接收调度指令、按需求进行文件预处理等。本发明的部署方式下，需要保证测试机台的Proxy程序和大数据运算集群网络互通。大数据运算集群由若干台运算服务器组成，用于对测试产生的大量测试数据进行分析和运算。在本发明实施方式中，大数据运算集群对自身的运算吞吐量（I/O）能力和网络吞吐量（I/O）能力进行评估，基于评估结果和测试机台互相配合实现对STDF文件的不同处理流程。STDF文件服务器用于接收并存放Proxy程序传输的STDF文件，该文件服务器并不是必需的，在一些情况下可以是可选的，在未配备有文件服务器的情况下，STDF文件可以存放于测试机台自身磁盘上。数据仓库服务器用于存放最终的分析结果，数据仓库服务器可以是单独的服务器，也可以复用大数据运算集群服务器。
参照图1和图2，本发明的芯片测试机大数据动态调度方法，包括以下步骤：
（1）在每个测试机台上安装Proxy程序，用于侦测测试机台的测试任务执行情况，当测试机台结束了一轮测试产生了STDF文件时，Proxy程序向大数据运算集群发起STDF文件处理请求。
（2）大数据运算集群基于STDF文件处理请求，分析并判断集群当前的运算吞吐量和网络吞吐量是否满足阈值条件，并将判断结果返回给对应的Proxy程序。
根据本发明的实施方式，运算吞吐量是指大数据运算集群的处理器单位时间进行数据处理的I/O能力，下文也称为运算I/O能力或简称运算I/O；网络吞吐量是指大数据运算集群单位时间内能够从网络获取数据的I/O能力，下文也称为网络I/O能力或简称网络I/O。
在一个示例中，大数据运算集群利用自身配置得到大数据运算集群的运算吞吐量（I/O）能力和网络吞吐量（I/O）能力。运算I/O能力主要以处理STDF文件的速度来表示，在本发明中表示为cM/s，即每秒种处理c兆字节的数据量。网络I/O能力主要以接收Proxy上传的待处理数据流的速度来表示，在本发明中表示为nM/s，即每秒种接收n兆字节的数据流。示例性地，在组网方案中设置c 值和n值，大数据运算集群从自身配置中获得该信息。
在一个示例中，大数据运算集群通过现网部署后的测试获取大数据运算集群的运算吞吐量（I/O）能力和网络吞吐量（I/O）能力。示例性地，现场部署后，通过统计实际测试周期中处理的测试数据的大小除以处理时间得出c值。示例性地，现场部署后，通过统计实际测试周期中Proxy程序上传测试文件的数据大小除以上传时间得出n值。
作为优选的实施方式，对于上述运算I/O能力和网络I/O能力的配置还设置防抖门限值tc和tn，以避免无法完全达到100%的情况。例如，运算I/O能力为c=500M/s，设置防抖门限为tc=90%，即当前处理速率超过500*90%=450M/s时，即认为当前处理器已经满负载。例如，网络I/O能力为n=1000M/s，设置防抖门限为tn=90%，即当前处理速率超过1000*90%=900M/s时，即认为当前网络接口已经满负载工作。
大数据运算集群的判断逻辑如下：如果当前运算I/O能力和网络I/O能力足够实时处理新的请求，则应答测试机直接进行数据处理，转步骤（3）。如果当前运算I/O能力或网络I/O能力不足，则应答测试机将STDF文件上传到文件存储服务器或者存储至测试机的自身磁盘上，转步骤（4）。
在一个示例中，如图3所示，大数据运算集群持续统计过去短时间（典型值为10秒）内的实际处理速率xM/s和网络吞吐量yM/s。当x< c*tc且y < n*tn时，应答Proxy程序直接传输STDF文件到大数据运算集群进行处理，大数据运算集群将按照流式处理方式来处理；否则，即x≥c*tc或y ≥ n*tn时，应答Proxy程序将STDF文件上传至文件服务器上。在未配置文件服务器的情况下，当大数据运算集群判断当前x≥c*tc或y ≥ n*tn，应答Proxy程序将STDF文件暂时保存时，Proxy程序指示测试机的测试程序将生成的STDF文件保存至测试机的磁盘上。
（3）Proxy程序基于返回的判断结果为满足阈值条件，对测试机台产生的STDF文件进行预处理后直接发送至大数据运算集群进行处理。
Proxy程序对STDF文件的预处理包括：将STDF文件的数据解析后，按照大数据运算集群的配置要求，去除冗余、无效、无用数据，编排和压缩后，再传输给大数据运算集群。
在一个示例中，Proxy程序从STDF文件中按国际标准的格式规范解析出字段后，将无效的测试字段和值排除，再按Proxy和集群制定的规则进行处理和压缩，以减少传输和处理的数据量。例如：通过约定协议，实现Proxy和集群间少传输和不传输部分内容，如字段的限定、格式、定义等。通过既有的压缩算法，对文件数据进行压缩再传输。大数据运算集群通过该测试机台的历史测试数据，基于同类型晶圆、批次、产品、工艺等参数上次测试结果中获取测试信息和字段。如果Proxy和大数据运算集群的连接是跨域或跨网段，则还需要加密传输。
作为示例，从STDF文件解析出来的数据样例为：
MIR
AUX_FILE (null)
BURN_TIM 65535
CMOD_COD
DATE_COD (null)
DSGN_REV (null)
ENG_ID (null)
EXEC_TYP IG-XL
EXEC_VER 8.30.02_uflx (P206)
FACIL_ID WX
FAMLY_ID 35022743
FLOOR_ID (null)
FLOW_ID P1
JOB_NAM Hi1105GFCV100_QAAx8_UFLX_R51
JOB_REV Hi1105GFCV100_QAAx8_UFLX_R51
LOT_ID FTQB3T9U4
MODE_COD P
NODE_NAM TTU-01
OPER_FRQ (null)
OPER_NAM 3230
PART_TYP Hi1105GFCV100
PKG_TYP (null)
PROC_ID (null)
PROT_COD
ROM_COD Hi1105GFCV100
RTST_COD
SBLOT_ID CDCMF32F05
SERL_NUM (null)
SETUP_ID QC1
SETUP_T 周五 8月 06 13:44:01 2021
SPEC_NAM (null)
SPEC_VER (null)
START_T 周五 8月 06 13:45:57 2021
STAT_NUM 1
SUPR_NAM (null)
TEST_COD QC1
TSTR_TYP Jaguar
TST_TEMP 25
USER_TXT KunLun_WX
SDR
CABL_ID (null)
CABL_TYP (null)
CARD_ID (null)
CARD_TYP (null)
CONT_ID (null)
CONT_TYP (null)
DIB_ID (null)
DIB_TYP (null)
EXTR_ID (null)
EXTR_TYP (null)
HAND_ID HHT-84
HAND_TYP P8
HEAD_NUM 1
LASR_ID (null)
LASR_TYP (null)
LOAD_ID LB-HI110510E-FT1-03
经过有效数据编排后的数据样例为：
{"area":"FT","custCode":"CDC","customerLot":"FTQB3T9U4","facility":"WX","family":"35022743","flowId":"P1","guid":"157a86b50414f229df55bcde67ca137e","handlerId":"HHT-84","iteration":"0","loadboard":"LB-HI110510E-FT1-03"}
完成预处理后的数据样例为：
{"xxqToUQbzzvQEGgtpIwFeuyDHCL46sO3k+MfOyq0FmO+eFIKOgUFbFXn4Qw5ctMNmin28DyQLICcarWjtgZd"}
大数据运算集群处理数据的格式典型地为以测试分析需要的测试项和处理顺序进行编排的JSON格式，流式发送方式典型地为以Kafka队列发送。大数据运算集群采用流处理的方式从网络I/O接收数据后直接进行运算和数据清洗等，典型地以Spark/Flink的流处理方式进行处理。转至步骤（8）。
（4）Proxy程序基于返回的判断结果为不满足阈值条件，将STDF文件存放于附加的文件服务器上，或者指示测试程序将STDF文件存放于测试机台的磁盘上，等待大数据运算集群择机处理。
（5）大数据运算集群空闲时从步骤（4）中的存储位置处获取STDF文件进行处理。
在一个示例中，STDF文件存放于文件服务器上，大数据运算集群在运算I/O空闲，或者没有新的请求时，按传统方式到文件服务器读取并按大数据批处理的方式离线处理STDF文件。转至步骤（8）。
由于厂内各测试机完成测试的时间是随机的，上报STDF文件的时间也是随机的，因此总有一些时候大数据运算集群是比较空闲的，此时再以批处理的方式从文件服务器获取文件进行处理，提高系统整体处理效率。如果在限定时间内无法完成离线处理，则说明处理资源不足，需要要增加服务器硬件配置。
在一个示例中，STDF文件存放于测试机磁盘上，大数据运算集群在运算I/O空闲，或者没有新的请求时，发起指示，让有数据处理意向的Proxy程序开始数据上传。转至步骤（3），即Proxy程序对STDF文件进行预处理后上传至大数据运算集群。相比于存放在文件服务器上的方式，存放于测试机自身存储介质上，通过Proxy预处理后的数据流方式，减少了STDF文件转存和批处理的操作，降低了整个过程中磁盘的IO，对于整体效率的提升具有一定的促进作用。由于测试机自身存储空间有限，实际工业使用中，需要根据情况计算选择配置哪种。
（6）当存储位置没有待处理的文件时，大数据运算集群根据计算出的所有测试机台的测试周期和测试完成情况，基于调度策略选择合适的测试机台，调度该测试机台对应的Proxy程序进行测试临时文件的预处理，然后发送至大数据运算集群进行处理。
大数据运算集群根据历史STDF文件、测试配置、外部系统接口、当前STDF_TMP文件等可以获取到所管理的各个测试机台正在测试的产品的测试周期。典型地，测试周期TestCycle，表示一次完整测试总时间，由TestTime和IndexTime组成。并判断出各测试机台预计下一次的测试完成（产生STDF文件上传需求）的顺序。大数据运算集群根据不同的调度策略选择合适的测试机台，让其执行提前进行预处理，即在一次测试尚未完成的情况下，从STDF_TMP文件解析测试结果，并通过流预处理，再上传给集群做流处理。调度策略可以是：选择即将完成当前测试周期的测试机台，或者选择已完成最多的测试机台，或者选择执行时间最长的测试机台等。
STDF_TMP是测试临时文件，由测试程序在测试执行中写入，保存已测试过的内容，全部测试内容写入完后转换成STDF文件。对STDF_TMP文件的预处理包括：Proxy程序从STDF_TMP文件中按国际标准的格式规范解析出字段后，按照大数据运算集群的配置要求，去除冗余、无效、无用数据，进行编排和压缩后，通过流式处理方式传输给大数据运算集群。转至步骤（8）。
（7）Proxy程序对预处理的测试临时文件做出预处理标记，并记录传输进度，当侦测到当前测试机台的测试周期完成时，若根据预处理标记判断该轮测试已经进行了预处理，则根据记录的传输进度继续剩余文件的流式处理。
当发生过预处理的测试机台在该次测试真正完成时（生成了完整的STDF文件），Proxy根据状态记录续传剩余的内容。集群可以根据该机台的预处理状态判断文件的续传。并在完成后取消预处理标志。
（8）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库。
本发明对传统的测试数据调度逻辑加以改进，根据大数据运算集群的现时能力来调度数据，当运算集群的运算I/O和网络I/O能力足以支撑处理的时候，直接将数据从测试机读出通过网络传输至大数据运算集群进行计算，当运算集群的运算I/O或网络I/O不能处理的时候，退而选择STDF文件上传磁盘I/O的传统接收逻辑，从而减少对文件的操作，也减少了文件的传输量和处理量。通过预处理大量的减少了无效数据，进一步地减少了传输和处理的数据量和时间。
本发明并非没有使用磁盘I/O，而是在网络I/O和计算I/O足够的情况下，直接使用测试机远端的磁盘作为磁盘I/O，将数据从测试机读出通过网络传输至大数据运算集群进行计算。对于这部分直接运算的数据而言，相较于传统的文件服务器中转批处理方式，减少了到文件服务器的写入、大数据运算集群从文件服务器读取、删除共三次磁盘I/O，并且流处理按需编排数据比完整的STDF文件要小一些。从而提升了处理效率。
以上步骤（1）-（8）给出了从零开始对芯片测试机大数据的动态调度方法的全部过程，在实际应用中，不一定按照前述步骤的顺序执行，例如，系统运行一定时间以后，当测试机台上的Proxy程序侦测到测试机结束了一轮测试产生了STDF文件时，先判断该轮测试是否已经进行了预处理，即提前传输了部分内容，若是，则根据Proxy记录的传输进度继续流式处理，根据步骤（3）对剩余部分内容继续预处理和上传集群，由集群根据预处理标识判断续传；若该轮测试未经过预处理，再向大数据运算集群发起STDF文件处理请求，大数据运算集群根据步骤（2）继续往下处理。
在一个实施例中，对芯片测试机大数据的动态调度方法包括以下步骤：
（1）在每个测试机台上安装Proxy程序，用于侦测测试机台的测试任务执行情况，当测试机台结束了一轮测试产生了STDF文件时，Proxy程序向大数据运算集群发起STDF文件处理请求；
（2）大数据运算集群基于STDF文件处理请求，分析并判断集群当前的运算吞吐量和网络吞吐量是否满足阈值条件，并将判断结果返回给对应的Proxy程序；
（3）Proxy程序基于返回的判断结果为满足阈值条件，对测试机台产生的STDF文件进行预处理后直接发送至大数据运算集群进行处理；
（4）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库。
在另一个实施例中，对芯片测试机大数据的动态调度方法包括以下步骤：
（1）在每个测试机台上安装Proxy程序，用于侦测测试机台的测试任务执行情况，当测试机台结束了一轮测试产生了STDF文件时，Proxy程序向大数据运算集群发起STDF文件处理请求；
（2）大数据运算集群基于STDF文件处理请求，分析并判断集群当前的运算吞吐量和网络吞吐量是否满足阈值条件，并将判断结果返回给对应的Proxy程序；
（3）Proxy程序基于返回的判断结果为不满足阈值条件，将STDF文件存放于附加的文件服务器上，等待大数据运算集群择机处理；
（4）大数据运算集群空闲时从文件服务器上获取STDF文件进行处理；
（5）大数据运算集群将计算好的结果数据存入测试数据仓库。
在另一个实施例中，对芯片测试机大数据的动态调度方法包括以下步骤：
（1）在每个测试机台上安装Proxy程序，用于侦测测试机台的测试任务执行情况，当测试机台结束了一轮测试产生了STDF文件时，Proxy程序向大数据运算集群发起STDF文件处理请求；
（2）大数据运算集群基于STDF文件处理请求，分析并判断集群当前的运算吞吐量和网络吞吐量是否满足阈值条件，并将判断结果返回给对应的Proxy程序；
（3）Proxy程序基于返回的判断结果为不满足阈值条件，指示测试程序将STDF文件存放于测试机台的磁盘上，等待大数据运算集群择机处理；
（4）大数据运算集群空闲时发出指示，有数据处理需求的Proxy程序基于该指示对测试机上存储的STDF文件进行预处理，并流式传输至大数据运算集群；
（5）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库。
在另一个实施例中，对芯片测试机大数据的动态调度方法包括以下步骤：
（1）在每个测试机台上安装Proxy程序，用于侦测测试机台的测试任务执行情况，当测试机台结束了一轮测试产生了STDF文件时，Proxy程序向大数据运算集群发起STDF文件处理请求；
（2）大数据运算集群基于STDF文件处理请求，分析并判断集群当前的运算吞吐量和网络吞吐量是否满足阈值条件，并将判断结果返回给对应的Proxy程序；
（3）Proxy程序基于返回的判断结果为不满足阈值条件，将STDF文件存放于附加的文件服务器上，或者指示测试程序将STDF文件存放于测试机台的磁盘上，等待大数据运算集群择机处理；
（4）大数据运算集群空闲时从步骤（3）中的存储位置处获取STDF文件进行处理；
（5）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库；
（6）当存储位置没有待处理的文件时，大数据运算集群根据计算出的所有测试机台的测试周期和测试完成情况，基于调度策略选择合适的测试机台，调度该测试机台对应的Proxy程序进行测试临时文件的预处理，然后发送至大数据运算集群进行处理；
（7）Proxy程序对预处理的测试临时文件做出预处理标记，并记录传输进度，用于当侦测到当前测试机台的测试周期完成时，根据记录的传输进度继续剩余文件的流式处理上传大数据运算集群；
（8）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库。
在又一个实施例中，对芯片测试机大数据的动态调度方法包括以下步骤：
（1）当测试机台结束了一轮测试产生了STDF文件时，Proxy程序判断本轮测试已经经过预处理，根据记录的传输进度继续剩余文件的流式处理上传大数据运算集群；
（2）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库。
在又一个实施例中，对芯片测试机大数据的动态调度方法包括以下步骤：
（1）当测试机台结束了一轮测试产生了STDF文件时，Proxy程序判断本轮测试已经经过预处理，根据记录的传输进度继续剩余文件的流式处理上传大数据运算集群；
（2）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库；
（3）大数据运算集群空闲时从指定存储位置处获取STDF文件进行处理，将计算好的结果数据存入测试数据仓库；
（4）当存储位置没有待处理的文件时，大数据运算集群根据计算出的所有测试机台的测试周期和测试完成情况，基于调度策略选择合适的测试机台，调度该测试机台对应的Proxy程序进行测试临时文件的预处理，然后发送至大数据运算集群进行处理；
（5）Proxy程序对预处理的测试临时文件做出预处理标记，并记录传输进度，当侦测到当前测试机台的测试周期完成时，根据记录的传输进度继续剩余文件的流式处理上传大数据运算集群；
（6）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库。
在又一个实施例中，对芯片测试机大数据的动态调度方法包括以下步骤：
（1）当测试机台结束了一轮测试产生了STDF文件时，Proxy程序判断本轮测试未经过预处理，向大数据运算集群发起STDF文件处理请求；
（2）大数据运算集群基于STDF文件处理请求，分析并判断集群当前的运算吞吐量和网络吞吐量是否满足阈值条件，并将判断结果返回给对应的Proxy程序；
（3）Proxy程序基于返回的判断结果为满足阈值条件，对测试机台产生的STDF文件进行预处理后直接发送至大数据运算集群进行处理；
（4）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库。
在又一个实施例中，对芯片测试机大数据的动态调度方法包括以下步骤：
（1）当测试机台结束了一轮测试产生了STDF文件时，Proxy程序判断本轮测试未经过预处理，向大数据运算集群发起STDF文件处理请求；
（2）大数据运算集群基于STDF文件处理请求，分析并判断集群当前的运算吞吐量和网络吞吐量是否满足阈值条件，并将判断结果返回给对应的Proxy程序；
（3）Proxy程序基于返回的判断结果为不满足阈值条件，将STDF文件存放于附加的文件服务器上，或者指示测试程序将STDF文件存放于测试机台的磁盘上，等待大数据运算集群空闲时从存储位置处获取文件进行处理；
（4）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库；
（5）当存储位置没有待处理的文件时，大数据运算集群根据计算出的所有测试机台的测试周期和测试完成情况，基于调度策略选择合适的测试机台，调度该测试机台对应的Proxy程序进行测试临时文件的预处理，然后发送至大数据运算集群进行处理；
（6）Proxy程序对预处理的测试临时文件做出预处理标记，并记录传输进度，当侦测到当前测试机台的测试周期完成时，根据记录的传输进度继续剩余文件的流式处理上传大数据运算集群；
（7）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库。
应当理解，提供上述多个实施例是为了促进对本发明的技术方案的理解而不是对发明的限制。可以包括其他实施例。
本发明减少了测试数据文件的处理流程，提升了系统吞吐量。并且使用更少的存储，节约了成本。以典型的测试厂部署100台晶圆测试机进行晶圆终测（FT）为例：通常每台测试机每天产生3个3G多测试STDF文件共10G。测试文件服务器500M/s的读写能力。实际组网中网络I/O一般配置千兆以上，不大可能成为瓶颈。以两次读写来算，则每天节约的时间可达：10G/500M*2*100=4000s，约合67分钟。实际上很多测试厂由于大数据存储量大的成本考虑，使用机械硬盘列阵，用虚拟机建立文件服务器，实际读写能力在60M/s-200M/s。则每天可以节约的时间最多可达：10G/60M*2*100=33333s，约合9小时。以每天20个小时作业时间来算，可以节省45%的算力。
根据行业标准，由于每次处理完3G的文件即可删除，因此正常情况每台测试机只会有1到2个STDF文件存在在文件服务器上。节约硬盘存储空间为3G*2*100=600G。并且由于本方法对磁盘的要求更低，可以采用更为廉价的磁盘来节约成本。
基于上述方法实施例的具体描述，本发明的芯片测试机大数据动态调度系统各部分的具体功能如下：测试机台执行测试任务产生STDF文件；测试机台上安装有Proxy程序，用于侦测测试机执行情况，当测试机台结束了一轮测试产生了STDF文件时，Proxy程序向大数据运算集群发起STDF文件处理请求，并接收大数据运算集群返回的判断结果；
Proxy程序被配置为：基于返回的判断结果为满足阈值条件，对测试机台产生的STDF文件进行预处理后直接发送至大数据运算集群进行处理；或者，基于返回的判断结果为不满足阈值条件，将STDF文件存放于附加的文件服务器上或者指示测试程序将STDF文件存放于测试机台的磁盘上，等待大数据运算集群择机处理；
大数据运算集群被配置为：基于STDF文件处理请求，分析并判断集群当前的运算吞吐量和网络吞吐量是否满足阈值条件，并将判断结果返回给对应的Proxy程序；对接收到的数据进行清洗和计算处理；在空闲时从指定的存储位置处获取STDF文件进行处理；当存储位置没有待处理的文件时，大数据运算集群根据计算出的所有测试机台的测试周期和测试完成情况，基于调度策略选择合适的测试机台，调度该测试机台对应的Proxy程序进行测试临时文件的预处理，然后发送至大数据运算集群进行处理；
Proxy程序还被配置为：对预处理的测试临时文件做出预处理标记，并记录传输进度，当侦测到当前测试机台的测试周期完成时，若根据预处理标记判断该轮测试已经进行了预处理，则根据记录的传输进度继续剩余文件的流式处理；
测试数据仓库用于存储经过大数据运算集群计算的结果。
需要指出的是，在本发明的方法中，显然各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。在不脱离本发明所述原理的前提下，还可以作出若干修改、改进和润饰，这些修改、改进和润饰也应视为本发明的保护范围。对本领域的普通技术人员而言，能够理解本发明的方法的全部或者任何步骤可以以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。

Claims (8)

1.一种芯片测试机大数据动态调度方法，其特征在于，包括以下步骤：
（1）在每个测试机台上安装Proxy程序，用于侦测测试机台的测试任务执行情况，当测试机台结束了一轮测试产生了STDF文件时，Proxy程序向大数据运算集群发起STDF文件处理请求；
（2）大数据运算集群基于STDF文件处理请求，分析并判断集群当前的运算吞吐量和网络吞吐量是否满足阈值条件，并将判断结果返回给对应的Proxy程序，其中判断是否满足阈值条件包括：当大数据运算集群当前的运算吞吐量低于运算吞吐量阈值且当前的网络吞吐量低于网络吞吐量阈值时，判断满足阈值条件，否则不满足阈值条件；
（3）Proxy程序基于返回的判断结果为满足阈值条件，对测试机台产生的STDF文件进行预处理后直接发送至大数据运算集群进行处理；
（4）Proxy程序基于返回的判断结果为不满足阈值条件，将STDF文件存放于附加的文件服务器上，或者指示测试程序将STDF文件存放于测试机台的磁盘上，等待大数据运算集群择机处理；
（5）大数据运算集群空闲时从步骤（4）中的存储位置处获取STDF文件进行处理；
（6）当存储位置没有待处理的文件时，大数据运算集群根据计算出的所有测试机台的测试周期和测试完成情况，基于调度策略选择合适的测试机台，调度该测试机台对应的Proxy程序进行测试临时文件的预处理，然后发送至大数据运算集群进行处理；
（7）Proxy程序对预处理的测试临时文件做出预处理标记，并记录传输进度，当侦测到当前测试机台的测试周期完成时，若根据预处理标记判断该轮测试已经进行了预处理，则根据记录的传输进度继续剩余文件的流式处理；
（8）大数据运算集群对接收到的数据进行清洗和计算，将计算好的结果数据存入测试数据仓库。
2.根据权利要求1所述的方法，其特征在于，所述运算吞吐量阈值和所述网络吞吐量阈值从大数据运算集群的配置中获取；或者通过现场测试得到，方法如下：现场部署测试机台和大数据运算集群后，统计实际测试周期中处理的测试数据的大小除以处理时间得出运算I/O能力，作为运算吞吐量阈值；通过统计实际测试周期中Proxy程序上传测试文件的数据大小除以上传时间得出网络I/O能力，作为网络吞吐量阈值。
3.根据权利要求2所述的方法，其特征在于，通过现场测试得到运算吞吐量阈值的方法还包括：将计算得到的运算I/O能力乘以防抖阈值作为运算吞吐量阈值；通过现场测试得到网络吞吐量阈值的方法还包括：将计算得到的网络I/O能力乘以防抖阈值作为网络吞吐量阈值；所述防抖阈值为指定百分比。
4.根据权利要求1所述的方法，其特征在于，所述步骤（3）中，Proxy程序对测试机台上的STDF文件进行预处理包括：对STDF文件进行解析，按照大数据运算集群的配置要求，去除冗余、无效、无用数据，进行编排和压缩后，通过流式处理方式传输给大数据运算集群；
所述步骤（6）中，Proxy程序对测试临时文件的预处理包括：对测试过程中的STDF_TMP文件进行解析，按照大数据运算集群的配置要求，去除冗余、无效、无用数据，进行编排和压缩后，通过流式处理方式传输给大数据运算集群。
5.根据权利要求4所述的方法，其特征在于，所述压缩包括：通过协议约定，Proxy程序对STDF文件或STDF_TMP文件中指定格式或字段的内容不传输至大数据运算集群，由大数据运算集群从该测试机台的历史测试数据中获取相应信息。
6.根据权利要求1所述的方法，其特征在于，所述步骤（6）中，对测试机台的测试周期的计算包括：大数据运算集群从其管理的所有测试机台的测试产品的历史STDF文件、测试配置、外部系统接口、当前STDF_TMP文件中得到各个测试机台的测试周期，并根据各测试机台执行时间判断出预计下次测试完成的顺序。
7.根据权利要求1所述的方法，其特征在于，所述步骤（6）中，基于调度策略选择合适的测试机台包括：选择测试周期剩余时长最短的测试机台，或者选择已完成最多的测试机台，或者选择执行时间最长的测试机台。
8.一种芯片测试机大数据动态调度系统，其特征在于，包括：测试机台、大数据运算集群、测试数据仓库，测试机台执行测试任务产生STDF文件；
所述测试机台上安装有Proxy程序，用于侦测测试机执行情况，当测试机台结束了一轮测试产生了STDF文件时，Proxy程序向大数据运算集群发起STDF文件处理请求，并接收大数据运算集群返回的判断结果；所述Proxy程序被配置为：基于返回的判断结果为满足阈值条件，对测试机台产生的STDF文件进行预处理后直接发送至大数据运算集群进行处理；或者，基于返回的判断结果为不满足阈值条件，将STDF文件存放于附加的文件服务器上或者指示测试程序将STDF文件存放于测试机台的磁盘上，等待大数据运算集群择机处理；
所述大数据运算集群被配置为：基于STDF文件处理请求，分析并判断集群当前的运算吞吐量和网络吞吐量是否满足阈值条件，并将判断结果返回给对应的Proxy程序；对Proxy程序传来的数据进行处理；在空闲时从存储位置处获取STDF文件进行处理；当存储位置没有待处理的文件时，大数据运算集群根据计算出的所有测试机台的测试周期和测试完成情况，基于调度策略选择合适的测试机台，调度该测试机台对应的Proxy程序进行测试临时文件的预处理，然后发送至大数据运算集群进行处理；其中判断是否满足阈值条件包括：当大数据运算集群当前的运算吞吐量低于运算吞吐量阈值且当前的网络吞吐量低于网络吞吐量阈值时，判断满足阈值条件，否则不满足阈值条件；
所述Proxy程序还被配置为：对预处理的测试临时文件做出预处理标记，并记录传输进度，当侦测到当前测试机台的测试周期完成时，若根据预处理标记判断该轮测试已经进行了预处理，则根据记录的传输进度继续剩余文件的流式处理；
所述测试数据仓库用于存储经过大数据运算集群计算的结果。
CN202210830382.5A 2022-07-15 2022-07-15 一种芯片测试机大数据动态调度方法及系统 Active CN114928605B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210830382.5A CN114928605B (zh) 2022-07-15 2022-07-15 一种芯片测试机大数据动态调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210830382.5A CN114928605B (zh) 2022-07-15 2022-07-15 一种芯片测试机大数据动态调度方法及系统

Publications (2)

Publication Number Publication Date
CN114928605A CN114928605A (zh) 2022-08-19
CN114928605B true CN114928605B (zh) 2022-10-14

Family

ID=82816100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210830382.5A Active CN114928605B (zh) 2022-07-15 2022-07-15 一种芯片测试机大数据动态调度方法及系统

Country Status (1)

Country Link
CN (1) CN114928605B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115374066B (zh) * 2022-10-26 2023-02-07 北京芯可鉴科技有限公司 远程可视化系统与远程可视化方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685237A (zh) * 2020-12-31 2021-04-20 海光信息技术股份有限公司 一种芯片测试数据跟踪查询方法、系统及电子设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7539591B2 (en) * 2001-08-24 2009-05-26 Vi Technology, Inc. Enterprise test data management system utilizing hierarchical test data models and related methods
US20110202645A1 (en) * 2010-02-12 2011-08-18 Sonus Networks, Inc. Methods and Apparatus to Test Network Elements
CN106210013B (zh) * 2016-07-04 2019-12-20 上海华岭集成电路技术股份有限公司 一种基于云端的集成电路测试信息整合分析系统及方法
CN109613412B (zh) * 2018-12-19 2020-12-08 上海哥瑞利软件有限公司 实时分析stdf检测数据的方法
CN111639015B (zh) * 2020-05-22 2023-04-25 赵银波 一种调整解析周期与解析点的stdf快速增量解析方法
CN113312322B (zh) * 2021-04-21 2022-04-01 厦门芯泰达集成电路有限公司 Stdf文件的读写方法、介质、设备及装置
CN113468124B (zh) * 2021-09-02 2021-11-30 江苏泰治科技股份有限公司 一种快速全量解析stdf文件的方法和设备
CN113960453B (zh) * 2021-11-02 2023-12-01 上海御渡半导体科技有限公司 快速生成stdf数据的测试装置和测试方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685237A (zh) * 2020-12-31 2021-04-20 海光信息技术股份有限公司 一种芯片测试数据跟踪查询方法、系统及电子设备

Also Published As

Publication number Publication date
CN114928605A (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
US6434513B1 (en) Method of load testing web applications based on performance goal
JP3198272B2 (ja) 半導体集積回路素子検査工程の制御システム及び制御方法
Sriram SPECI, a simulation tool exploring cloud-scale data centres
EP2698712B1 (en) Computer program, method, and information processing apparatus for analyzing performance of computer system
CN104335056B (zh) 测试器和材料处理设备之间用于分开和控制测试单元操作中多个实体的不同请求的插入器
CN104583789B (zh) 测试单元控制器的决策和执行树的创建和调度
KR102233812B1 (ko) 제조 공정에 있어서 설비로부터의 데이터를 처리하는 방법 및 시스템
JP2006313551A (ja) データを編成して格納するシステム及び方法
CN114928605B (zh) 一种芯片测试机大数据动态调度方法及系统
CN110083528A (zh) 测试任务的分配方法、装置、计算机设备及存储介质
CN103995735A (zh) 用于调度工作流作业的设备和方法
CN112835792B (zh) 一种压力测试系统及方法
CN109669766A (zh) 批处理作业的处理方法、装置、设备及存储介质
CN108304286A (zh) 一种对转码服务器并发性能进行自动化测试的系统及方法
CN113377591B (zh) 一种提升ate设备芯片测试速度的方法、装置
CN110502366B (zh) 案例执行方法、装置、设备及计算机可读存储介质
CN113946499A (zh) 一种微服务链路跟踪及性能分析方法、系统、设备及应用
CN104364664A (zh) 用于创建、定义和执行spc规则决策树的算法和结构
CN110119307A (zh) 数据处理请求的处理方法、装置、存储介质及电子装置
CN115525392A (zh) 容器监控方法、装置、电子设备及存储介质
CN111639022B (zh) 交易测试方法及装置、存储介质、电子装置
CN116126621A (zh) 大数据集群的任务监控方法及相关设备
CN106855840B (zh) 一种系统cpu分析方法和装置
CN112948229A (zh) 调度集群的性能确定方法、装置、计算机设备及存储介质
CN110737572A (zh) 大数据平台资源抢占测试方法、系统、终端及存储介质

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