CN115629870A - 一种用于渲染的方法、装置、存储介质及电子设备 - Google Patents

一种用于渲染的方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN115629870A
CN115629870A CN202211093833.8A CN202211093833A CN115629870A CN 115629870 A CN115629870 A CN 115629870A CN 202211093833 A CN202211093833 A CN 202211093833A CN 115629870 A CN115629870 A CN 115629870A
Authority
CN
China
Prior art keywords
memory
value
task
rendered
consumed
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
Application number
CN202211093833.8A
Other languages
English (en)
Inventor
苟小刚
陆进笑
王云霄
陈宁
岳勇
吴晓斌
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.)
Xuani Information Technology Beijing Co ltd
Original Assignee
Xuani Information Technology Beijing 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 Xuani Information Technology Beijing Co ltd filed Critical Xuani Information Technology Beijing Co ltd
Priority to CN202211093833.8A priority Critical patent/CN115629870A/zh
Publication of CN115629870A publication Critical patent/CN115629870A/zh
Pending legal-status Critical Current

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
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Image Generation (AREA)

Abstract

本申请的一些实施例涉及云渲染服务技术领域，具体提供了一种用于渲染的方法、装置、存储介质及电子设备，该方法包括：获取与待渲染任务相关的消耗内存参量值；根据所述消耗内存参量值，确定执行所述待渲染任务时需要的内存预测值。本申请的一些实施例可以对渲染任务所需的内存大小进行准确预测，进而确保渲染任务的正常进行。

Description

一种用于渲染的方法、装置、存储介质及电子设备
技术领域
本申请涉及云渲染服务技术领域，具体而言，涉及一种用于渲染的方法、装置、存储介质及电子设备。
背景技术
云渲染是将3D程序放在远程的服务器中渲染，用户终端发出指令，服务器根据指令执行对应的渲染任务，而渲染结果画面则被传送回用户终端中加以显示。
目前，用户在进行云渲染服务时，需要手动选择渲染任务所需要的硬件配置，硬件配置决定了执行渲染任务的内存大小和性能。由于用户不能准确得知执行渲染任务时所需的内存大小，因此用户选择的硬件配置的错误率较大，在渲染的过程中极易出现渲染速度较慢，甚至渲染过程崩溃的问题，进而无法及时获取渲染结果，影响项目交付。
因此，如何提供一种高效的用于渲染的方法的技术方案成为亟需解决的技术问题。
发明内容
本申请的一些实施例的目的在于提供一种用于渲染的方法、装置、存储介质及电子设备，通过本申请的实施例的技术方案可以实现对执行待渲染任务所需内存大小的准确预测，并推荐给用户，进而提升用户选择内存参数的准确性，提升任务的执行效率和交付效率，提升了用户体验和满意度。
第一方面，本申请的一些实施例提供了一种用于渲染的方法，包括：获取与待渲染任务相关的消耗内存参量值；根据所述消耗内存参量值，确定执行所述待渲染任务时需要的内存预测值。
本申请的一些实施例通过待渲染任务相关的消耗内存参量值得到内存预测值，可以实现对执行待渲染任务所需内存大小的准确预测，并推荐给用户，进而提升用户选择内存参数的准确性，提升任务的执行效率和交付效率，提升了用户体验和满意度。
在一些实施例，所述消耗内存参量值包括：操作系统消耗内存值、渲染软件消耗内存值、图像帧缓存消耗内存值和文件消耗内存值中的至少一种。
本申请的一些实施例中消耗内存参量值包含多种类型的消耗内存值，为后续确定准确度较高的内存预测值提供丰富的数据支持。
在一些实施例，所述消耗内存参量值包括所述图像帧缓存消耗内存值，其中，所述获取与待渲染任务相关的消耗内存参量值，包括：获取与图像缓存相关的至少一个缓存参量，其中，所述缓存参量包括：图像帧缓存个数、渲染输出参量值、单位像素占用内存值以及渲染通道；将所述至少一个缓存参量中的各缓存参量相乘，得到所述图像帧缓存消耗内存值。
本申请的一些实施例通过对图像缓存相关的缓存参量进行计算得到图像帧缓存消耗内存值，可以获取准确度较高的帧缓存消耗内存值。
在一些实施例，所述消耗内存参量值包括所述文件消耗内存值，其中，所述获取与待渲染任务相关的消耗内存参量值，包括：获取与所述待渲染任务对应的至少一个资源文件；获取所述至少一个资源文件中各资源文件的内存值、所述各资源文件的实际内存占比以及所述各资源文件被复制并存储的次数。将所述各资源文件的所述内存值、所述实际内存占比以及所述被复制并存储的次数相乘，得到各资源文件消耗内存值，其中，所述实际内存占比为所述各资源文件的实际占用内存与所述各资源文件的内存值的比值；将所述各资源文件消耗内存值进行求和，得到所述文件消耗内存值。
本申请的一些实施例通过各种资源文件消耗内存值得到文件消耗内存值，可以得到准确度较高的被加载的文件所占用的内存。
在一些实施例，所述消耗内存参量值为多个，执行所述待渲染任务的机器为一台，其中，所述根据所述消耗内存参量值，确定执行所述待渲染任务时需要的内存预测值，包括：将所述消耗内存参量值中各消耗内存参量值相加，得到初始预测值；将不小于所述初始预测值的规格内存值作为所述内存预测值。
本申请的一些实施例通过消耗内存参量值可以得到单台机器的初始预测值，然后根据机器的规格内存值得到最终的内存预测值，可以得到准确度较高的内存预测结果，确保待渲染任务的正常进行。
在一些实施例，所述执行所述待渲染任务的机器为多台，其中，所述根据所述消耗内存参量值，确定执行所述待渲染任务时需要的内存预测值，包括：在所述机器执行所述待渲染任务时，确定目标消耗内存值，其中，所述目标消耗内存值和所述机器的数量相关；求解所述目标消耗内存值和所述初始预测值的和，得到内存预测初始值；将不小于所述内存预测初始值的所述规格内存值作为所述内存预测值。
本申请的一些实施例在采用多台机器同时执行待渲染任务时通过将目标消耗内存值和初始预测值相结合，得到最终的内存预测值，可以在多台机器同时执行待渲染任务时得到准确度较高的内存预测结果，确保待渲染任务的正常进行。
在一些实施例，所述确定目标消耗内存值，包括：获取与所述机器的数量相关的第一特征值；求解所述第一特征值与所述初始预测值的乘积，得到所述目标消耗内存值。
本申请的一些实施例通过第一特征值和初始预测值得到目标消耗内存值，可以准确获取多台机器执行待渲染任务时所消耗的内存大小。
在一些实施例，在所述确定执行所述待渲染任务时需要的内存预测值之后，所述方法还包括：基于所述内存预测值执行所述待渲染任务。
本申请的一些实施例通过内存预测值执行待渲染任务，可以确保待渲染任务的正常执行，提升执行效率和交付效率。
第二方面，本申请的一些实施例提供了一种用于渲染的装置，包括：获取模块，被配置为获取与待渲染任务相关的消耗内存参量值；确定模块，被配置为根据所述消耗内存参量值，确定执行所述待渲染任务时需要的内存预测值。
第三方面，本申请的一些实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时可实现如第一方面任一实施例所述的方法。
第四方面，本申请的一些实施例提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述程序时可实现如第一方面任一实施例所述的方法。
第五方面，本申请的一些实施例提供一种计算机程序产品，所述的计算机程序产品包括计算机程序，其中，所述的计算机程序被处理器执行时可实现如第一方面任一实施例所述的方法。
附图说明
为了更清楚地说明本申请的一些实施例的技术方案，下面将对本申请的一些实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请的一些实施例提供的一种用于渲染的系统图；
图2为本申请的一些实施例提供的用于渲染的方法流程图之一；
图3为本申请的一些实施例提供的用于渲染的方法流程图之二；
图4为本申请的一些实施例提供的用于渲染的装置组成框图；
图5为本申请的一些实施例提供的一种电子设备示意图。
具体实施方式
下面将结合本申请的一些实施例中的附图，对本申请的一些实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
相关技术中，用户使用云渲染服务时，需要选择自己需要的硬件配置。其中，硬件配置主要包括硬件性能和内存大小等。其中内存的大小是一个很关键的参数。若用户在执行渲染任务时实际消耗的内存假设为a，提交任务时选择的硬件配置的内存为b，当a<b是，渲染速度是正常的；当a>b时，云端渲染会由于内存不足出现渲染速度变慢，甚至渲染过程崩溃等异常情况，从而导致无法及时得到渲染结果，影响项目交付。针对该问题，若出现内存不足的情况，则可以在后端将用户渲染任务迁移到内存更大的机器上，从而确保任务可以正常渲染。由上述相关技术可知，用户选择的机器的硬件配置的参数的错误的概率较大。如果只依赖于后端发现及处理渲染任务内存不足的问题，花费的时间较长，进而影响项目交付。一般渲染任务可能需要等待半小时以后才能发现内存不足，另外将渲染任务迁移到更大内存的渲染集群中时，需要人工处理，同时需要拷贝复制渲染任务的数据，还需要花费更长的时间。
鉴于此，本申请的一些实施例提供了一种用于渲染的方法，该方法通过与待渲染任务相关的消耗内存参量值，可以快速得到准确度较高的内存预测值，进而可以有效保障待渲染任务后续的高效执行，提升交付效率。
如图1所示，本申请的一些实施例提供了一种用于渲染的系统图，该系统包括：终端200。用户100在提交待渲染任务后，终端200可以获取与待渲染任务相关的消耗内存参量值，然后根据消耗内存参量值得到执行待渲染任务时需要的内存预测值并推荐给用户100。用户100可以根据内存预测值选择相应的机器执行待渲染任务，以此确保待渲染任务的正常进行。
在本申请的一些实施例中终端200可以是移动终端设备，也可以是非便携的电脑终端。机器可以是云端渲染服务器(也可以称为云端服务器)，也可以是计算机，还可以是CPU等等。本申请在此不作具体限定。
下面结合附图2示例性阐述本申请的一些实施例提供的由终端200执行的用于渲染的方法的实现过程。
请参见附图2，图2为本申请的一些实施例提供的一种用于渲染的方法流程图，用于渲染的方法包括：
S210，获取与待渲染任务相关的消耗内存参量值。
例如，在本申请的一些实施例中可以获取影响待渲染任务的内存的因素，然后得到影响待渲染任务的内存的因素对应的消耗内存参量值。
在本申请的一些实施例中，消耗内存参量值包括：操作系统消耗内存值、渲染软件消耗内存值、图像帧缓存消耗内存值和文件消耗内存值中的至少一种。
例如，在本申请的一些实施例中，操作系统消耗内存值为在获取云端渲染服务器的待渲染任务之前，与待渲染任务相关的一些必要操作系统文件占用的内存大小，可以将操作系统消耗内存值记为Sys。渲染软件消耗内存值指的是在打开与待渲染任务对应的场景下的渲染软件时，渲染软件本身占用的内存大小，可以将渲染软件消耗内存值记为Dcc。其中，不同的场景下，渲染软件可以是不同的，因此占用的内存大小也可以不相同。
应理解，除上述列举的消耗内存参量值的几种类型之外，还可以包括其他影响待渲染任务的内存的因素对应的消耗内存参量值，本申请并不局限于此。
在本申请的一些实施例中，所述消耗内存参量值包括所述图像帧缓存消耗内存值，S210可以包括：获取与图像缓存相关的至少一个缓存参量，其中，所述缓存参量包括：图像帧缓存个数、渲染输出参量值、单位像素占用内存值以及渲染通道；将所述至少一个缓存参量中的各缓存参量相乘，得到所述图像帧缓存消耗内存值。
例如，在本申请的一些实施例中，影响帧缓存的占用内存大小(作为图像缓存消耗内存值的一个就他示例)的因素包括：帧缓存个数v(作为图像帧缓存个数的一个具体示例)，待渲染任务输出时的图像的分辨率(作为渲染输出参量值的一个具体示例)：宽w和高h，渲染通道的个数c，以及单个像素平均的占用内存大小p(作为单位像素占用内存值的一个具体示例)。其中，帧缓存个数是由三维设计软件(作为渲染软件的一个具体示例)中，例如3ds Max的帧缓存以及渲染器的帧缓存的状态决定的。若同时开启3ds Max的帧缓存以及渲染器的帧缓存，此时v＝2，若只开启3ds Max的帧缓存和渲染器的帧缓存中的一个，此时v＝1。例如，只开启渲染器中V-Ray的帧缓存，此时v＝1。通过上述缓存参量可以得到帧缓存的占用内存大小Vfb＝v*w*h*c*p。需要说明的是，单个像素平均的占用内存大小p是基于渲染软件的工作原理进行统计分析获取的。
在本申请的一些实施例中，所述消耗内存参量值包括所述文件消耗内存值，其中，S210可以包括：获取与所述待渲染任务对应的至少一个资源文件；获取所述至少一个资源文件中各资源文件的内存值、所述各资源文件的实际内存占比以及所述各资源文件被复制并存储的次数。将所述各资源文件的所述内存值、所述实际内存占比以及所述被复制并存储的次数相乘，得到各资源文件消耗内存值，其中，所述实际内存占比为所述各资源文件的实际占用内存与所述各资源文件的内存值的比值；将所述各资源文件消耗内存值进行求和，得到所述文件消耗内存值。
例如，在本申请的一些实施例中，机器在执行待渲染任务之前需要加载各种类型的资源文件才可以执行相应的任务。为了可以清楚得知各资源文件的基本信息，可以将各资源文件的相关信息整理成如表1所示的表格。其中，表1中包含各资源文件的存储路径、各资源文件的内存值、各资源文件的实际内存占比以及各资源文件被复制并存储的次数。
存储路径 内存值 实际内存占比 复制次数
E:\测试场景\VRayProxy-648616.vrmesh 62046853 5 1
E:\测试场景\ShineCloud-73-files-2.tif 631044 3 1
…… …… …… ……
需要说明的是，各资源文件的实际内存占比为各资源文件在机器内存中实际占用的内存大小和各资源文件的内存值的比例。需要说明的是，各资源文件的实际内存占比是基于资源文件的类型和机器的工作原理进行统计分析获取的。各资源文件的内存值也可以称为是各资源文件的内存大小。一个资源文件有可能被使用多次，但是在服务器内存中只保存了一份，此种情况下文件被复制并存储的次数为1。
作为本申请的一个具体示例，例如，资源文件的数量为n，第i资源文件的内存值为si，实际内存占比为ri，被复制并存储的次数为ai，则第i资源文件消耗内存值Asseti＝si*ri*ai。进而可以得到文件消耗内存值
Figure BDA0003838087610000081
Figure BDA0003838087610000082
S220，根据所述消耗内存参量值，确定执行所述待渲染任务时需要的内存预测值。
例如，在本申请的一些实施例中，可以根据实际情况确定是由单台机器还是多台机器执行渲染任务，然后根据消耗内存参量值确定最终的内存预测值。
在本申请的一些实施例中，所述消耗内存参量值为多个，执行所述待渲染任务的机器为一台，其中，S220可以包括：将所述消耗内存参量值中各消耗内存参量值相加，得到初始预测值；将不小于所述初始预测值的规格内存值作为所述内存预测值。
例如，在本申请的一些实施例中，根据上述的消耗内存参量值，可以得到云端单服务器渲染(也就是执行待渲染任务的机器为一台)时的总内存消耗数(作为初始预测值的一个具体示例)Single＝Sys+Dcc+Vfb+Asset。由于云端服务器的内存大小一般有固定的规格内存值，例如，规格内存值为24GB、32GB、64GB、112GB、128GB、224GB、256GB或者其他更大值。因此，可以将大于初始预测值且最接近初始预测值的规格内存值作为内存预测值推荐给用户。例如，Single＝45GB，此时可以向用户推荐64GB，可以在满足正常执行待渲染任务的同时，不造成内存资源的浪费。
在本申请的一些实施例中，所述执行所述待渲染任务的机器为多台，其中，S220可以包括：在所述机器执行所述待渲染任务时，确定目标消耗内存值，其中，所述目标消耗内存值和所述机器的数量相关；求解所述目标消耗内存值和所述初始预测值的和，得到内存预测初始值；将不小于所述内存预测初始值的所述规格内存值作为所述内存预测值。
在本申请的一些实施例中，所述确定目标消耗内存值，包括：获取与所述机器的数量相关的第一特征值；求解所述第一特征值与所述初始预测值的乘积，得到所述目标消耗内存值。
例如，在本申请的一些实施例中还可以采用分布式渲染，也就是把单帧图像的渲染分布到多台机器上。当采用分布式渲染时会产生与机器的数量相关的额外内存消耗(作为目标消耗内存值的一个具体示例)。例如，额外内存消耗Dis＝(m-1)*Rd*Single。其中，(m-1)*Rd为第一特征值。其中，Rd一般小于1，且Rd与使用的渲染器的类型相关。例如使用Corona渲染器时Rd的取值可能比较大。然后将Dis与Single相加可以得到在机器为多台时执行待渲染任务时的内存预测初始值。最后将大于内存预测初始值且最接近内存预测初始值的规格内存值作为内存预测值。
下面结合附图3示例性阐述本申请的一些实施例提供的用于渲染的方法的具体过程。
请参见附图3，图3为本申请的一些实施例提供的用于渲染的方法流程图。下面示例性阐述单台云渲染服务器用于渲染的具体实现过程。
S310，获取与待渲染任务相关的操作系统消耗内存值。
例如，作为本申请的一个具体示例，获取云端渲染服务器执行待渲染任务前消耗的内存大小，主要为操作系统消耗内存大小Sys(作为操作系统消耗内存值的一个具体示例)。例如，与操作系统相关的系统文件所消耗的内存大小。
S320，获取与待渲染任务相关的渲染软件消耗内存值。
例如，作为本申请的一个具体示例，获取打开场景后渲染软件本身消耗的内存大小Dcc。
S330，获取与待渲染任务相关的图像帧缓存消耗内存值。
例如，作为本申请的一个具体示例，获取帧缓存相关的占用内存大小Vfb。例如，开启了3ds Max的帧缓存，此时帧缓存个数v＝1，渲染输出的分辨率长x，宽为w，高为h，渲染通道个数c，以及单个像素平均的占用内存大小p。此时，Vfb＝1*w*h*c*p。
S340，获取与待渲染任务相关的文件消耗内存值。
例如，作为本申请的一个具体示例，获取n种资产文件(也就是各资源文件)被加载后占用的内存大小Asset。其中，Asset是将每种资产文件占用的内存大小进行相加得到的。每种资产文件占用的内存大小与上述各资源文件消耗内存值的计算方式相同，为描述简洁在此不做赘述。
S350，确定执行所述待渲染任务时需要的初始预测值。
例如，作为本申请的一个具体示例，单台云渲染服务器的初始预测值Single＝Sys+Dcc+Vfb+Asset。例如，Single＝120GB。
S360，将不小于初始预测值的规格内存值作为所述内存预测值。
例如，作为本申请的一个具体示例，在云端渲染服务器中内存大于120GB的有128GB、224GB、256GB等等。将最接近120GB的128GB对应的云端渲染服务器作为硬件配置执行待渲染任务。
S370，基于所述内存预测值执行所述待渲染任务。
例如，作为本申请的一个具体示例，利用具有128GB内存的云端渲染服务器可以正常执行待渲染任务，提升了渲染效率和任务交付效率。
通过上述提供的本申请的一些实施例可以在户提交待渲染任务时，自动检测场景中的影响待渲染任务的渲染过程中内存大小的关键因素，动态预测云端渲染所需内存大小得到内存预测值，从而推荐或者强制用户使用更合适的内存参数，进而提高了用户选择执行待渲染任务所需内存的准确性，减少了因为实际所需内存大，但是提交时选择的内存小导致的交付周期变长，成本变高的问题，提升了用户体验和满意度。
请参考图4，图4示出了本申请的一些实施例提供的用于渲染的装置的组成框图。应理解，该用于渲染的装置与上述方法实施例对应，能够执行上述方法实施例涉及的各个步骤，该用于渲染的装置的具体功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。
图4的用于渲染的装置包括至少一个能以软件或固件的形式存储于存储器中或固化在用于渲染的装置中的软件功能模块，该用于渲染的装置包括：获取模块410，被配置为获取与待渲染任务相关的消耗内存参量值；确定模块420，被配置为根据所述消耗内存参量值，确定执行所述待渲染任务时需要的内存预测值。
在本申请的一些实施例中，所述消耗内存参量值包括：操作系统消耗内存值、渲染软件消耗内存值、图像帧缓存消耗内存值和文件消耗内存值中的至少一种。
在本申请的一些实施例中，所述消耗内存参量值包括所述图像帧缓存消耗内存值，其中，所述获取模块410，被配置为：获取与图像缓存相关的至少一个缓存参量，其中，所述缓存参量包括：图像帧缓存个数、渲染输出参量值、单位像素占用内存值以及渲染通道；将所述至少一个缓存参量中的各缓存参量相乘，得到所述图像帧缓存消耗内存值。
在本申请的一些实施例中，所述消耗内存参量值包括所述文件消耗内存值，其中，所述获取模块410，被配置为：获取与所述待渲染任务对应的至少一个资源文件；获取所述至少一个资源文件中各资源文件的内存值、所述各资源文件的实际内存占比以及所述各资源文件被复制并存储的次数。将所述各资源文件的所述内存值、所述实际内存占比以及所述被复制并存储的次数相乘，得到各资源文件消耗内存值，其中，所述实际内存占比为所述各资源文件的实际占用内存与所述各资源文件的内存值的比值；将所述各资源文件消耗内存值进行求和，得到所述文件消耗内存值。
在本申请的一些实施例中，所述消耗内存参量值为多个，执行所述待渲染任务的机器为一台，其中，所述确定模块420，被配置为将所述消耗内存参量值中各消耗内存参量值相加，得到初始预测值；将不小于所述初始预测值的规格内存值作为所述内存预测值。
在本申请的一些实施例中，所述执行所述待渲染任务的机器为多台，其中，所述确定模块420，被配置为在所述机器执行所述待渲染任务时，确定目标消耗内存值，其中，所述目标消耗内存值和所述机器的数量相关；求解所述目标消耗内存值和所述初始预测值的和，得到内存预测初始值；将不小于所述内存预测初始值的所述规格内存值作为所述内存预测值。
在本申请的一些实施例中，确定模块420，被配置为获取与所述机器的数量相关的第一特征值；求解所述第一特征值与所述初始预测值的乘积，得到所述目标消耗内存值。
在本申请的一些实施例中，在确定模块420之后，用于渲染的装置还包括执行模块(图中未示出)，被配置为基于所述内存预测值执行所述待渲染任务。
本申请的一些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，所述程序被处理器执行时可实现如上述实施例提供的上述方法中的任意实施例所对应方法的操作。
本申请的一些实施例还提供了一种计算机程序产品，所述的计算机程序产品包括计算机程序，其中，所述的计算机程序被处理器执行时可实现如上述实施例提供的上述方法中的任意实施例所对应方法的操作。
如图5所示，本申请的一些实施例提供一种电子设备500，该电子设备500包括：存储器510、处理器520以及存储在存储器510上并可在处理器520上运行的计算机程序，其中，处理器520通过总线530从存储器510读取程序并执行所述程序时可实现如上述任意实施例的方法。
处理器520可以处理数字信号，可以包括各种计算结构。例如复杂指令集计算机结构、结构精简指令集计算机结构或者一种实行多种指令集组合的结构。在一些示例中，处理器520可以是微处理器。
存储器510可以用于存储由处理器520执行的指令或指令执行过程中相关的数据。这些指令和/或数据可以包括代码，用于实现本申请实施例描述的一个或多个模块的一些功能或者全部功能。本公开实施例的处理器520可以用于执行存储器510中的指令以实现上述所示的方法。存储器510包括动态随机存取存储器、静态随机存取存储器、闪存、光存储器或其它本领域技术人员所熟知的存储器。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、方法、物品或者设备不仅包括那些要素，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、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (11)

1.一种用于渲染的方法，其特征在于，包括：
获取与待渲染任务相关的消耗内存参量值；
根据所述消耗内存参量值，确定执行所述待渲染任务时需要的内存预测值。
2.如权利要求1所述的方法，其特征在于，所述消耗内存参量值包括：操作系统消耗内存值、渲染软件消耗内存值、图像帧缓存消耗内存值和文件消耗内存值中的至少一种。
3.如权利要求2所述的方法，其特征在于，所述消耗内存参量值包括所述图像帧缓存消耗内存值，其中，所述获取与待渲染任务相关的消耗内存参量值，包括：
获取与图像缓存相关的至少一个缓存参量，其中，所述缓存参量包括：图像帧缓存个数、渲染输出参量值、单位像素占用内存值以及渲染通道；
将所述至少一个缓存参量中的各缓存参量相乘，得到所述图像帧缓存消耗内存值。
4.如权利要求2或3所述的方法，其特征在于，所述消耗内存参量值包括所述文件消耗内存值，其中，所述获取与待渲染任务相关的消耗内存参量值，包括：
获取与所述待渲染任务对应的至少一个资源文件；
获取所述至少一个资源文件中各资源文件的内存值、所述各资源文件的实际内存占比以及所述各资源文件被复制并存储的次数；
将所述各资源文件的所述内存值、所述实际内存占比以及所述被复制并存储的次数相乘，得到各资源文件消耗内存值，其中，所述实际内存占比为所述各资源文件的实际占用内存与所述各资源文件的内存值的比值；
将所述各资源文件消耗内存值进行求和，得到所述文件消耗内存值。
5.如权利要求1-3任一项所述的方法，其特征在于，所述消耗内存参量值为多个，执行所述待渲染任务的机器为一台，
其中，所述根据所述消耗内存参量值，确定执行所述待渲染任务时需要的内存预测值，包括：
将所述消耗内存参量值中各消耗内存参量值相加，得到初始预测值；
将不小于所述初始预测值的规格内存值作为所述内存预测值。
6.如权利要求5所述的方法，其特征在于，所述执行所述待渲染任务的机器为多台，其中，所述根据所述消耗内存参量值，确定执行所述待渲染任务时需要的内存预测值，包括：
在所述机器执行所述待渲染任务时，确定目标消耗内存值，其中，所述目标消耗内存值和所述机器的数量相关；
求解所述目标消耗内存值和所述初始预测值的和，得到内存预测初始值；
将不小于所述内存预测初始值的所述规格内存值作为所述内存预测值。
7.如权利要求6所述的方法，其特征在于，所述确定目标消耗内存值，包括：
获取与所述机器的数量相关的第一特征值；
求解所述第一特征值与所述初始预测值的乘积，得到所述目标消耗内存值。
8.如权利要求1-3任一项所述的方法，其特征在于，在所述确定执行所述待渲染任务时需要的内存预测值之后，所述方法还包括：
基于所述内存预测值执行所述待渲染任务。
9.一种用于渲染的装置，其特征在于，包括：
获取模块，被配置为获取与待渲染任务相关的消耗内存参量值；
确定模块，被配置为根据所述消耗内存参量值，确定执行所述待渲染任务时需要的内存预测值。
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上存储有计算机程序，其中，所述计算机程序被处理器运行时执行如权利要求1-8中任意一项权利要求所述的方法。
11.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序，其中，所述计算机程序被所述处理器运行时执行如权利要求1-8中任意一项权利要求所述的方法。
CN202211093833.8A 2022-09-08 2022-09-08 一种用于渲染的方法、装置、存储介质及电子设备 Pending CN115629870A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211093833.8A CN115629870A (zh) 2022-09-08 2022-09-08 一种用于渲染的方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211093833.8A CN115629870A (zh) 2022-09-08 2022-09-08 一种用于渲染的方法、装置、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN115629870A true CN115629870A (zh) 2023-01-20

Family

ID=84902655

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211093833.8A Pending CN115629870A (zh) 2022-09-08 2022-09-08 一种用于渲染的方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN115629870A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116993887A (zh) * 2023-09-27 2023-11-03 湖南马栏山视频先进技术研究院有限公司 一种视频渲染异常的响应方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116993887A (zh) * 2023-09-27 2023-11-03 湖南马栏山视频先进技术研究院有限公司 一种视频渲染异常的响应方法及系统
CN116993887B (zh) * 2023-09-27 2023-12-22 湖南马栏山视频先进技术研究院有限公司 一种视频渲染异常的响应方法及系统

Similar Documents

Publication Publication Date Title
CN107239339B (zh) 系统性能优化参数确定方法、系统性能优化方法及装置
CN107967205B (zh) 一种内存分析方法、装置、系统以及计算设备
CN106980579B (zh) 一种图片加载方法及装置
CN108205469B (zh) 一种基于MapReduce的资源分配方法及服务器
US20120236011A1 (en) Method of determining the state of a tile based deferred rendering processor and apparatus thereof
CN110019239B (zh) 上报数据的存储方法、装置、电子设备和存储介质
CN115629870A (zh) 一种用于渲染的方法、装置、存储介质及电子设备
CN108763511B (zh) 页面中图层排版方法、装置、电子设备及存储介质
CN110297743B (zh) 一种负载测试方法、装置和存储介质
CN110851987A (zh) 基于加速比预测计算时长的方法、装置和存储介质
CN111899167B (zh) 插值算法确定方法、装置、计算机设备和存储介质
CN112583610B (zh) 系统状态的预测方法、装置、服务器及存储介质
CN116089477B (zh) 分布式训练方法及系统
CN115797267A (zh) 图像质量评估方法、系统、电子设备和存储介质
CN113220463B (zh) 一种绑定策略推断方法、装置、电子设备及存储介质
CN115480867A (zh) 一种热迁移耗时的预估方法、装置及计算机设备
CN112463389B (zh) 分布式机器学习任务的资源管理方法及装置
CN104516823A (zh) 一种数据存储方法和装置
CN115964084A (zh) 数据交互方法、电子设备、存储介质
CN110990219B (zh) 一种基于预测模型的计算机监控方法
CN111143073B (zh) 一种虚拟化资源的管理方法、设备及存储介质
CN112596842A (zh) 一种针对安卓系统sdk开发的屏幕适配方法及相关装置
CN114065123A (zh) 稀疏矩阵计算方法及加速装置
CN107784256B (zh) 多窗口图像特征点统计方法和装置
CN109299414A (zh) 一种加载页面的方法及终端

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