CN115794262A - 任务处理方法、装置、设备、存储介质以及程序产品 - Google Patents

Abstract

本公开提供了一种任务处理方法、装置、设备、存储介质以及程序产品，涉及数据处理、大数据、计算机技术领域，尤其涉及云计算、信息流技术领域。具体实现方案为：响应于接收到针对目标任务处理逻辑的待处理数据流，根据第一拓扑关系，利用与目标任务子逻辑相关的目标算子，对待处理数据流的任意一个待处理数据进行算子运算，得到目标子数据，其中，目标任务处理逻辑包括至少一个任务子逻辑，每一个任务子逻辑利用对应的计算单元执行，第一拓扑关系表征针对目标任务子逻辑，目标算子之间的关联关系；根据第二拓扑关系和每一个任务子逻辑的目标子数据，确定目标数据，第二拓扑关系表征针对目标任务处理逻辑，任务子逻辑之间的关联关系。

Description

任务处理方法、装置、设备、存储介质以及程序产品

技术领域

本公开涉及数据处理、大数据、计算机技术领域，尤其涉及云计算、信息流技术领域，具体涉及一种任务处理方法、装置、设备、存储介质以及程序产品。

背景技术

任务处理是实现具体功能的基础，随着计算机技术和互联网技术的发展以及数据量的指数级增长，对于任务处理的处理速度和处理数量提出了更高的要求。

发明内容

本公开提供了一种任务处理方法、装置、设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种任务处理方法，包括：响应于接收到针对目标任务处理逻辑的待处理数据流，根据第一拓扑关系，利用与目标任务子逻辑相关的目标算子，对待处理数据流的任意一个待处理数据进行算子运算，得到目标子数据，其中，目标任务处理逻辑包括至少一个任务子逻辑，每一个任务子逻辑利用对应的计算单元执行，目标任务子逻辑是至少一个任务子逻辑中的任意一个，第一拓扑关系表征针对目标任务子逻辑，目标算子之间的关联关系。根据第二拓扑关系和每一个任务子逻辑的目标子数据，确定目标数据，其中，第二拓扑关系表征针对目标任务处理逻辑，任务子逻辑之间的关联关系。

根据本公开的另一方面，提供了一种任务处理装置，包括：目标子数据确定模块和目标数据确定模块。目标子数据确定模块，用于响应于接收到针对目标任务处理逻辑的待处理数据流，根据第一拓扑关系，利用与目标任务子逻辑相关的目标算子，对待处理数据流的任意一个待处理数据进行算子运算，得到目标子数据，其中，目标任务处理逻辑包括至少一个任务子逻辑，每一个任务子逻辑利用对应的计算单元执行，目标任务子逻辑是至少一个任务子逻辑中的任意一个，第一拓扑关系表征针对目标任务子逻辑，目标算子之间的关联关系。目标数据确定模块，用于根据第二拓扑关系和每一个任务子逻辑的目标子数据，确定目标数据，其中，第二拓扑关系表征针对目标任务处理逻辑，任务子逻辑之间的关联关系。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与至少一个处理器通信连接的存储器。其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开实施例的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本公开实施例的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序存储于可读存储介质和电子设备其中至少之一上，计算机程序存储于可读存储介质和电子设备其中至少之一上，计算机程序在被处理器执行时实现本公开实施例的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1A示意性示出了一种实施方式的流式计算的示意图；

图1B示意性示出了根据本公开实施例的任务处理方法和装置的系统架构图；

图2示意性示出了根据本公开实施例的任务处理方法的流程图；

图3示意性示出了根据本公开另一实施例的任务处理方法的示意图；

图4示意性示出了根据本公开又一实施例的任务处理方法的示意图；

图5示意性示出了根据本公开又一实施例的任务处理方法的框架实现示意图；

图6示意性示出了根据本公开实施例的任务处理装置的框图；以及

图7意性示出了可以实现本公开实施例的任务处理方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

任务处理是实现具体功能的基础，随着计算机技术和互联网技术的发展以及数据量的指数级增长，对于任务处理的处理速度和处理数量提出了更高的要求。

流数据可以理解为在时序上连续的数据。一些流数据对于实时性要求比较高，例如一些搜索引擎、推荐引擎的流数据，需要实时向用户反馈搜索结果、推荐结果。

以下将以任务处理为执行特定功能的服务为例进行说明。

一些例如以FaaS(功能即服务)的方式提供服务的流式计算框架，是通过调用算子实现某一任务处理的。不同的任务可以通过算子的不同调用方式实现。流式计算框架的不同算子由不同的计算单元执行，所以针对任意一个任务处理，需要远程调用相应的多个算子，每一次远程调用会涉及两次远程通信，这就使得任务处理(服务)虽然不断细化为多个微服务(每一个微服务例如通过算子实现)，但是任务处理的耗时会大幅增加。

例如，图1A示意性示出了一种实施方式的流式计算示意图。针对任务M-A，涉及串联的三个算子，分别为算子OP-A0、算子OP-A1以及算子OP-A2。算子OP-A0对流数据FD进行处理后，得到的结果R0储于数据表table0，算子OP-A1从数据表table0获取R0，并对R0进行处理，得到的结果R1存储于数据表table1，算子OP-A2从数据表table1获取R1，并对R1进行处理，得到的结果R2存储于数据表table2。由于算子OP-A0、算子OP-A1以及算子OP-A2之间的调用都是远程调用，在该示例中，涉及5次远程调用，对应10次远程通信，每一次远程通信例如耗费50ms。可以理解的是，在任务划分多个算子的情况下，多个算子调用非常耗时。

另外，这种流式计算的任务处理，相关算子通常只能使用单一语言进行开发，开发效率较低，适用范围比较局限。

图1B示意性示出了根据本公开一实施例的任务处理方法和装置的系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1B所示，根据该实施例的系统架构100可以包括客户端101、102、103，网络104、服务器105和多个计算单元。网络104用以在客户端101、102、103、服务器105以及多个计算单元之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

图1B示意性示出了包括计算单元106-1至计算单元106-N的共计N个计算单元的具体示例。

用户可以使用客户端101、102、103通过网络104与服务器105交互，以接收或发送消息等。客户端101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

客户端101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。本公开实施例的客户端101、102、103例如可以运行应用程序。

服务器105可以是提供各种服务的服务器，例如对用户利用客户端101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给客户端。另外，服务器105还可以是云服务器，即服务器105具有云计算功能。

计算单元例如可以设置于电子设备中，电子设备例如可以是计算机。

计算单元可以是具有运算能力和存储能力的处理器，例如可以是中央处理器、图形处理器以及神经网络处理器等。中间处理器即Central Processing Unit，简称为CPU。图形处理器即Graphics Processing Unit，简称为GPU。神经网络处理器即Neural NetworkProcessing unit，简称为NNP。

多个计算单元可以形成分布式网络结构。

需要说明的是，本公开实施例所提供的任务处理方法可以由服务器105执行。相应地，本公开实施例所提供的任务处理装置可以设置于服务器105中。本公开实施例所提供的任务处理方法也可以由不同于服务器105且能够与客户端101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的任务处理装置也可以设置于不同于服务器105且能够与客户端101、102、103和/或服务器105通信的服务器或服务器集群中。

在一种示例中，服务器105可以通过网络104获取来自客户端101、102、103的待处理数据流，并对待处理数据流进行业务处理，具体的处理过程可以在多个计算单元上执行，任务处理得到的目标数据可以发送至客户端101、102、103。

应该理解，图1B中的客户端、网络、服务器和计算单元的数目仅仅是示意性的。根据实现需要，可以具有任意数目的客户端、网络、服务器和计算单元。

应注意，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。

本公开实施例提供了一种任务处理方法，下面结合图1B的系统架构，参考图2～图5来描述根据本公开示例性实施方式的任务处理方法。本公开实施例的任务处理方法例如可以由图1B所示的服务器105来执行。

图2示意性示出了根据本公开一实施例的任务处理方法的流程图。

如图2所示，本公开实施例的任务处理方法200例如可以包括操作S210～操作S220。

在操作S210，响应于接收到针对目标任务处理逻辑的待处理数据流，根据第一拓扑关系，利用与目标任务子逻辑相关的目标算子，对待处理数据流的任意一个待处理数据进行算子运算，得到目标子数据。

目标任务处理逻辑包括至少一个任务子逻辑，每一个任务子逻辑利用对应的计算单元执行，目标任务子逻辑是至少一个任务子逻辑中的任意一个，第一拓扑关系表征针对目标任务子逻辑，目标算子之间的关联关系。

待处理数据流例如可以从图1B中的客户端101、102、103接收。

目标任务处理逻辑可以预先确定，目标任务处理逻辑可以理解为用于处理待处理数据的逻辑。以下将以目标处理任务为信息推荐为例进行说明，例如，待处理数据为客户端由用户输入的查询信息，目标任务处理逻辑为信息推荐的策略逻辑。信息推荐的策略逻辑例如可以由多个独立的算子调用并执行。

在操作S220，根据第二拓扑关系和每一个任务子逻辑的目标子数据，确定目标数据。

第二拓扑关系表征针对目标任务处理逻辑，任务子逻辑之间的关联关系。

根据本公开实施例的任务处理方法，通过响应于接收到针对目标任务处理逻辑的待处理数据流，根据第一拓扑关系，利用与目标任务子逻辑相关的目标算子，对待处理数据流的任意一个待处理数据进行算子运算，得到目标子数据，可以在目标任务子逻辑对应的计算单元执行相关的目标算子，节省每一个目标任务子逻辑相关的目标算子之间远程调用的耗时成本。通过第一拓扑关系，可以保障目标算子的准确的关联关系。通过根据第二拓扑关系和每一个任务子逻辑的目标子数据，确定目标数据，可以将不同计算单元执行任务子逻辑得到的目标子数据根据第二拓扑关系进行整合，得到与目标任务处理逻辑匹配的准确的目标数据。因此，根据本公开实施例的任务处理方法，通过节省每一个目标任务子逻辑相关的目标算子之间远程调用的耗时成本，使得任务处理更加快速，具有更高的任务处理效率。

示例性地，根据本公开另一实施例的任务处理方法，目标数据包括推荐数据。任务处理方法还可以包括：发送推荐数据。

需要说明的是，根据本公开实施例的任务处理方法，目标数据可以是其他期望的数据，在此并不限定具体的目标数据。

图3示意性示出了根据本公开另一实施例的任务处理方法的示意图。

如图3所示，例如可以利用以下实施例实现根据第一拓扑关系，利用与目标任务子逻辑相关的目标算子，对待处理数据流的任意一个待处理数据进行算子运算，得到目标子数据的具体示例：针对任意一个目标算子，根据与目标算子关联的本地存储地址获取算子待处理数据。根据目标算子对算子待处理数据进行算子运算，得到算子运算结果。根据第一拓扑关系，将算子运算结果发送至下游目标算子的本地存储地址，作为下游目标算子的算子待处理数据。针对目标任务子逻辑，根据第一拓扑关系表征的目标算子运算顺序，将末端的目标算子的算子运算结果作为目标任务子逻辑的目标子数据。

以下以图3所示的目标任务处理逻辑M-B的其中一个任务子逻辑：目标任务子逻辑L₀为例进行说明。

图3示出了与目标任务子逻辑L₀相关的目标算子OP₀至目标算子OP₄的5个目标算子的具体示例。针对目标任务子逻辑L₀，第一拓扑关系表征目标算子OP₀至目标算子OP₄之间的关联关系，例如，在图3的示例中，该关联关系包括目标算子OP₁、目标算子OP₂在目标算子OP₀之后执行、目标算子OP₃在目标算子OP₁、目标算子OP₂之后执行、目标算子OP₄在目标算子OP₃之后执行的顺序。

根据本公开实施例的任务处理方法，针对任意一个目标任务子逻辑，相关的目标算子在对应的计算单元执行，每一个目标算子的算子待处理数据存储在计算单元本地。所以可以根据与目标算子关联的本地存储地址获取算子待处理数据。

在图3的示例中，示意性示出了任意一个目标算子的算子待处理数据是通过本地队列获得的具体示例。例如，目标算子OP₀的算子待处理数据通过本地队列Q₀获得。

本地队列可以理解为在本地存储相关数据的消息队列，通过消息队列可以将生产者与消费者解耦，在本公开实施例的任务处理方法的示例中，本地队列的生产者即为当前的目标算子，用于提供下游目标算子的算子待处理数据，本地队列的消费者即为下游目标算子。通过本地队列，可以提高目标任务子逻辑的可用性、吞吐量以及减少资源的消耗。

示例性地，本地队列可以是并发队列(并发队列，即concurrentqueue)。并发队列的存储结构采用数组和链表的组合形式，且通过创建固定大小的段实现初始化，无需指定初始容量，可以实现灵活扩容，并且通过使用SpinWait自旋等待和原子操作可以保障线程安全。

示例性地，例如可以将当前目标算子的算子运算结果复制至下游目标算子的本地存储地址，作为下游目标算子的算子待处理数据。

下游目标算子可以理解为根据第一拓扑关系表征的当前目标算子的下一个目标算子。例如，在图3的示例中，目标算子的OP₀的下游目标算子为目标算子OP₁和目标算子OP₂。

针对目标任务子逻辑，末端的目标算子可以理解为第一拓扑关系表征的目标算子运算顺序的处于最后的目标算子。例如，在图3的示例中，目标任务子逻辑L₀的末端的目标算子为目标算子OP₄。

根据本公开实施例的任务处理方法，可以将与目标任务子逻辑的相关目标算子“耦合”在同一个计算单元执行，相关的算子待处理数据也在该计算单元对应的本地存储和交互，可以节省目标算子的远程调用的时间消耗，提高任务处理的速度。可以理解的是，对于流数据以及实时性要求高的应用场景下，可以显著提高任务处理的速度和效率。

相比于每一个目标算子在不同的计算单元之间调用，每一个计算单元具有各自的执行环境，本公开实施例的任务处理方法，针对任意的目标任务子逻辑，与目标任务子逻辑相关的目标算子在同一个计算单元上执行，所以与目标任务子逻辑相关的目标算子的执行环境一致的，例如具有相同的runtime环境，每个目标算子无需单独的数据资源来进行访问，因此可以节省机器资源，具有更高的任务处理效率。

示例性地，第一拓扑关系是根据子逻辑划分数据确定的。子逻辑划分数据表征目标任务子逻辑在多个目标算子中的分布。

示例性地，子逻辑划分数据例如可以通过测试得到。

根据本公开实施例的任务处理方法，可以支持目标任务子逻辑在多个目标算子上灵活划分，例如可以预先通过测试得到最优的子逻辑划分策略，后续可以基于子逻辑划分数据确定的第一拓扑关系，进行目标算子的编排，提高任务处理效率。

如图3所示，例如可以利用以下实施例实现根据第二拓扑关系和每一个任务子逻辑的目标子数据，确定目标数据的具体示例：针对任意一个目标任务子逻辑，根据与目标任务子逻辑关联的远程存储地址获取子逻辑待处理数据。针对目标任务处理逻辑，根据第二拓扑关系表征的任务子逻辑运算顺序，将末端的任务子逻辑的目标子数据，作为目标任务处理逻辑的目标数据。

上游任务子逻辑的目标子数据作为目标任务子逻辑的子逻辑待处理数据。

仍以图3所示的目标任务处理逻辑M-B为例，图3示意性示出了目标任务处理逻辑M-B包括任务子逻辑L₀至任务子逻辑L_X的共计(X+1)个任务子逻辑的具体示例。第二拓扑关系表征任务子逻辑L₀至任务子逻辑L_X之间的关联关系。例如，在图3的示例中，该关联关系表征任务子逻辑L₀至任务子逻辑L_X的(X+1)个任务子逻辑依次串联的具体示例。

上游任务子逻辑可以理解为根据第二拓扑关系表征的当前任务子逻辑的上一个任务子逻辑。

例如，在图3的示例中，任务子逻辑L₁的上游任务子逻辑为任务子逻辑L₀。

针对目标任务处理逻辑，末端的任务子逻辑可以理解为第二拓扑关系表征的任务子逻辑运算顺序处于最后的任务子逻辑。例如，在图3的示例中，目标任务处理逻辑M-B的末端的任务子逻辑为任务子逻辑Lx。

根据本公开实施例的任务处理方法，针对任意一个目标任务子逻辑，根据与目标任务子逻辑关联的远程存储地址获取子逻辑待处理数据。针对目标任务处理逻辑，根据第二拓扑关系表征的任务子逻辑运算顺序，将末端的任务子逻辑的目标子数据，作为目标任务处理逻辑的目标数据。可以将每一个任务子逻辑得到的目标子数据根据第二拓扑关系进行“整合”，得到的目标数据符合目标任务处理逻辑。并且，具有更少的远程通信次数，因此针对待处理数据流的任务处理更加快速和高效。

需要说明的是，各个任务子逻辑的目标子数据之间的交互涉及远程通信。例如，在任务子逻辑L₀对应的计算单元，利用任务子逻辑L₀对待处理数据得到的目标子数据可以通过远程通信发送至任务子逻辑L₁对应的计算单元。

示例性地，第二拓扑关系是根据目标任务处理逻辑划分数据确定的。目标任务处理逻辑划分数据表征目标任务处理逻辑在多个计算单元上的分布。

示例性地，目标任务处理逻辑划分数据例如可以通过测试得到。

根据本公开实施例的任务处理方法，可以支持目标任务处理逻辑的灵活划分，例如可以预先通过测试得到最优的目标任务划分策略，后续可以基于目标任务处理逻辑划分数据确定的第二拓扑关系，进行任务子逻辑的编排，提高任务处理效率。

需要说明的是，针对目标任务处理，第二拓扑关系表征的第一个任务子逻辑的子逻辑待处理数据为待处理数据流的待处理数据。针对第一个任务子逻辑，第一拓扑关系表征的第一个目标算子的算子待处理数据也是待处理数据流的待处理数据。

示例性地，任意一个目标任务子逻辑的子逻辑待处理数据例如可以是通过远程队列获得的。

远程队列可以理解为通过远程通信进行交互的消息队列，在本公开实施例的任务处理方法的示例中，远程队列的生产者即为上游任务子逻辑，用于提供当前的目标任务处理子逻辑的子逻辑待处理数据，远程队列的消费者即为目标任务处理子逻辑。通过远程队列，可以提高目标任务处理逻辑的可用性、吞吐量以及减少资源的消耗。

在图3的示例中，示意性示出了远程队列从相应的数据表Topic进行数据交互的具体示例。例如，远程队列的消费者Consumer0消费的消息是从数据表Topic0得到的。各个数据表topic是以分布式的网络结构进行存储和通信交互的。

示例性地，根据本公开又一实施例的任务处理方法还可以包括针对任意一个目标任务子逻辑，根据配置数据，进行相应配置操作。

配置数据包括以下中的至少一个：线程配置数据、第一拓扑关系配置数据、第二拓扑关系配置数据、算子运算结果分发模式配置数据。

线程配置数据可以用于配置在当前计算单元上执行的目标算子对应的线程。

算子运算结果分发模式配置数据可以理解为每一个目标算子的算子运算结果的发送模式，例如可以包括批量分发模式和流数据分发模式。

例如，在图3的示例中，示意性示出了配置数据Conf。

配置数据可以针对任意一个目标任务子逻辑，还可以针对目标任务处理逻辑。

根据本公开实施例的任务处理方法，通过配置数据，可以支持例如线程配置数据、第一拓扑关系配置数据、第二拓扑关系配置数据、算子运算结果分发模式配置数据等配置，可以灵活适应多种需求和应用场景。

示例性地，配置数据还可以根据实际需求进行拓展。

图4示意性示出了根据本公开又一实施例的任务处理方法的示意图。

如图4所示，根据本公开实施例的任务处理方法，例如还可以包括：根据目标算子的语言类型，对目标算子进行协议适配，得到具有目标语言类型的目标算子。

目标算子作为被划分的最小的逻辑单元，可以由相关技术人员开发，相关技术人员可以利用不同的编程语言进行开发。由此，针对任意一个目标任务处理逻辑，虽然可以通过调用目标算子实现任务处理，但是在涉及多语言的目标算子的情况下，仍然需要适应性地对不同语言类型的目标算子进行二次开发。

根据本公开实施例的任务处理方法，通过根据目标算子的语言类型，对目标算子进行协议适配，得到具有目标语言类型的目标算子，可以适应多种目标算子的语言类型，自动化地将多种语言类型的目标算子转换为统一的具有目标语言类型的目标算子，减少相关技术人员针对不同语言类型的目标算子的适应性开发工作。

如图4所示，根据本公开又一实施例的任务处理方法，语言类型包括解释型语言，根据目标算子的语言类型，对目标算子进行协议适配，得到具有目标语言类型的目标算子包括：根据目标算子的解释型语言，调用与解释型语言关联的解释器，对目标算子的解释型语言进行解释，得到具有目标语言类型的目标算子。

如图4所示，根据本公开又一实施例的任务处理方法，语言类型包括编译型语言，根据目标算子的语言类型，对目标算子进行协议适配，得到转换后的具有目标语言类型的目标算子包括：根据目标算子的编译型语言，调用与编译型语言关联的执行引擎和编译注册器，对目标算子的编译型语言进行编译和注册，得到具有目标语言类型的目标算子。

目前的编程语言比较多样，例如python、java、C语言、C++、Golang等。多样的编程语言可以根据相关原理划分为解释型语言和编译型语言两种类别。

解释型语言例如以Python为例，实际实现过程中以主要底层启动Python解释器，通过内部的反射机制来直接进行函数调用。

编译型语言例如以GoLang为例，实现的过程相较于解释型语言略微复杂一些，编译型语言相较于解释型语言典型的特点例如包括反射机制不健全。

编译注册器用于自动将目标算子对应的函数注册到函数库中，该函数库例如可以是支持目标语言类型接口的动态链接库。

目标语言类型例如可以是C++或者C。

根据本公开实施例的任务处理方法，通过区分编译型和解释型这两种不同类型语言的目标算子，可以覆盖大范围的由不同编程语言开发的目标算子。针对每一种语言类型的特点，通过适应于相关语言类型原理的相应适配设置，可以对每一种语言类型的目标算子进行统一转换，兼容多种语言类型的目标算子。

在图4的示例中，示意性示出了根据以框架的方式实现上述具有不同语言类型的目标算子的统一转换的具体示例。

例如，在图4的示例中，例如，业务层对应解释型语言的目标算子OP-L_A和编译型语言的目标算子OP-L_B。协议适配层用于将不同语言的目标算子转化具有目标语言类型的目标算子。接口定义层例如可以与多语言目标算子执行层对接，接口定义层例如可以由C++实现。接口定义层可以保留每一个目标算子的Init(初始化)接口和Process(函数)接口。

本公开实施例的任务处理方法例如可以通过框架实现，并利用框架提供任务处理方法的相应操作。

以下将结合图3、图4和图5进行说明。

例如，在图3的示例中，可以由流式计算框架Fram-1提供本公开实施例的任务处理方法的与待处理数据流的流式计算相应操作，有关于流式计算框架Fam-1提供的操作在此不再赘述。需要说明的是，流式计算框架Fram-1与目标算子是解耦的，根据本公开实施例的流式计算框架Fram-1可以通过调用相关的目标算子，覆盖各种目标任务处理逻辑。并且，该流式计算框架Fram-1提供的操作，可以减少目标算子的远程调用、减少远程通信的耗时，针对流数据，任务处理的速度更快、效率更高。

例如，在图4的示例中，可以由多语言目标算子引擎框架Fram-2提供本公开实施例的任务处理方法的对不同语言类型的目标算子进行统一转换的相应操作，有关于对不同语言类型的目标算子进行统一转换的操作在此不再赘述。

图5示意性示出了根据本公开实施例的任务处理方法的系统框架Fram-T，包括上述流式计算框架Fram-1和多语言目标算子引擎框架Fram-2。

根据本公开实施例的任务处理方法，以及对应的系统框架Fram-T具有以下优势：

支持多语言的目标算子编排(具体的编排涉及第一拓扑关系和第二拓扑关系)，可以节省资源和提高速度，例如在搜索引擎的实际执行中可以平均节约60％机器资源，典型场景甚至可以实现95％的机器资源的节省。另一方面由于不同的语言都有擅长的处理场景，同时不同的目标算子在开发过程中也有自己的技术栈，因此多语言的这种场景下，一方面极大的提高的目标算子的开发效率，此外还可以实现不同语言之间的算子功能的大量复用，同时使得原本使用解释型语言的业务处理逻辑，可以在性能瓶颈框架使用编译型语言进行开发重写进一步提升算法的处理性能。处理性能的提升例如体现在支持待处理数据流的更多流量和吞吐量。

图6示意性示出了根据本公开一实施例的任务处理装置的框图。

如图6所示，本公开实施例的任务处理装置600例如包括目标子数据确定模块610和目标数据确定模块620。

目标子数据确定模块610，用于响应于接收到针对目标任务处理逻辑的待处理数据流，根据第一拓扑关系，利用与目标任务子逻辑相关的目标算子，对待处理数据流的任意一个待处理数据进行算子运算，得到目标子数据，其中，目标任务处理逻辑包括至少一个任务子逻辑，每一个任务子逻辑利用对应的计算单元执行，目标任务子逻辑是至少一个任务子逻辑中的任意一个，第一拓扑关系表征针对目标任务子逻辑，目标算子之间的关联关系。

目标数据确定模块620，用于根据第二拓扑关系和每一个任务子逻辑的目标子数据，确定目标数据，其中，第二拓扑关系表征针对目标任务处理逻辑，任务子逻辑之间的关联关系。

根据本公开实施例，目标子数据确定模块包括：算子待处理数据获取子模块，用于针对任意一个目标算子，根据与目标算子关联的本地存储地址获取算子待处理数据。算子运算结果确定子模块，用于根据目标算子对算子待处理数据进行算子运算，得到算子运算结果。发送子模块，用于根据第一拓扑关系，将算子运算结果发送至下游目标算子的本地存储地址，作为下游目标算子的算子待处理数据。目标子数据确定子模块，用于针对目标任务子逻辑，根据第一拓扑关系表征的目标算子运算顺序，将末端的目标算子的算子运算结果作为目标任务子逻辑的目标子数据。

根据本公开实施例，目标数据确定模块包括：子逻辑待处理数据确定子模块，用于针对任意一个目标任务子逻辑，根据与目标任务子逻辑关联的远程存储地址获取子逻辑待处理数据，其中，上游任务子逻辑的目标子数据作为目标任务子逻辑的子逻辑待处理数据。目标数据确定子模块，用于针对目标任务处理逻辑，根据第二拓扑关系表征的任务子逻辑运算顺序，将末端的任务子逻辑的目标子数据，作为目标任务处理逻辑的目标数据。

根据本公开实施例，还包括：语言类型适配模块，用于根据目标算子的语言类型，对目标算子进行协议适配，得到具有目标语言类型的目标算子。

根据本公开实施例，语言类型包括解释型语言，语言类型适配模块包括：解释型语言适配子模块，用于根据目标算子的解释型语言，调用与解释型语言关联的解释器，对目标算子的解释型语言进行解释，得到具有目标语言类型的目标算子。

根据本公开实施例，语言类型包括编译型语言，语言类型适配模块包括：编译型语言适配子模块，用于根据目标算子的编译型语言，调用与编译型语言关联的执行引擎和编译注册器，对目标算子的编译型语言进行编译和注册，得到具有目标语言类型的目标算子。

根据本公开实施例，第一拓扑关系是根据子逻辑划分数据确定的，第二拓扑关系是根据目标任务处理逻辑划分数据确定的；目标任务处理逻辑划分数据表征目标任务处理逻辑在多个计算单元上的分布，子逻辑划分数据表征目标任务子逻辑在多个目标算子中的分布。

根据本公开实施例，任意一个目标任务子逻辑的子逻辑待处理数据是通过远程队列获得的；任意一个目标算子的算子待处理数据是通过本地队列获得的。

根据本公开实施例，还包括：配置模块，用于针对任意一个目标任务子逻辑，根据配置数据，进行相应配置操作，其中，配置数据包括以下中的至少一个：线程配置数据、第一拓扑关系配置数据、第二拓扑关系配置数据、算子运算结果分发模式配置数据。

根据本公开实施例，目标数据包括推荐数据；装置还包括：推荐数据发送模块，用于发送推荐数据。

应该理解，本公开装置部分的实施例与本公开方法部分的实施例对应相同或类似，所解决的技术问题和所达到的技术效果也对应相同或类似，本公开在此不再赘述。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。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/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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。

计算单元701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。计算单元701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计算单元、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。计算单元701执行上文所描述的各个方法和处理，例如任务处理方法。例如，在一些实施例中，任务处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的任务处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行任务处理方法。

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)、复杂可编程逻辑设备(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。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码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。

在本公开的上下文中，机器可读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程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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。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，可以在计算机上实施此处描述的系统和技术，该计算机具有：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计算机。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)和互联网。

计算机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。

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，本发公开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，只要能够实现本公开公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (23)

1.一种任务处理方法，包括：

响应于接收到针对目标任务处理逻辑的待处理数据流，根据第一拓扑关系，利用与目标任务子逻辑相关的目标算子，对所述待处理数据流的任意一个待处理数据进行算子运算，得到目标子数据，其中，所述目标任务处理逻辑包括至少一个任务子逻辑，每一个所述任务子逻辑利用对应的计算单元执行，所述目标任务子逻辑是所述至少一个任务子逻辑中的任意一个，所述第一拓扑关系表征针对所述目标任务子逻辑，所述目标算子之间的关联关系；以及

根据第二拓扑关系和每一个所述任务子逻辑的所述目标子数据，确定目标数据，其中，所述第二拓扑关系表征针对所述目标任务处理逻辑，所述任务子逻辑之间的关联关系。

2.根据权利要求1所述的方法，其中，所述根据第一拓扑关系，利用与目标任务子逻辑相关的目标算子，对所述待处理数据流的任意一个待处理数据进行算子运算，得到目标子数据包括：

针对任意一个所述目标算子，根据与所述目标算子关联的本地存储地址获取算子待处理数据；

根据所述目标算子对所述算子待处理数据进行算子运算，得到算子运算结果；

根据所述第一拓扑关系，将所述算子运算结果发送至下游目标算子的本地存储地址，作为所述下游目标算子的算子待处理数据；以及

针对所述目标任务子逻辑，根据所述第一拓扑关系表征的目标算子运算顺序，将末端的所述目标算子的算子运算结果作为所述目标任务子逻辑的所述目标子数据。

3.根据权利要求2所述的方法，其中，所述根据第二拓扑关系和每一个所述任务子逻辑的所述目标子数据，确定目标数据包括：

针对任意一个所述目标任务子逻辑，根据与所述目标任务子逻辑关联的远程存储地址获取子逻辑待处理数据，其中，上游任务子逻辑的所述目标子数据作为所述目标任务子逻辑的子逻辑待处理数据；以及

针对所述目标任务处理逻辑，根据所述第二拓扑关系表征的任务子逻辑运算顺序，将末端的所述任务子逻辑的所述目标子数据，作为所述目标任务处理逻辑的所述目标数据。

4.根据权利要求1-3中任一项所述的方法，还包括：

根据所述目标算子的语言类型，对所述目标算子进行协议适配，得到具有目标语言类型的目标算子。

5.根据权利要求4所述的方法，其中，所述语言类型包括解释型语言，所述根据所述目标算子的语言类型，对所述目标算子进行协议适配，得到具有目标语言类型的目标算子包括：

根据所述目标算子的解释型语言，调用与所述解释型语言关联的解释器，对目标算子的所述解释型语言进行解释，得到所述具有目标语言类型的目标算子。

6.根据权利要求4所述的方法，其中，所述语言类型包括编译型语言，所述根据所述目标算子的语言类型，对所述目标算子进行协议适配，得到转换后的具有目标语言类型的目标算子包括：

根据所述目标算子的编译型语言，调用与所述编译型语言关联的执行引擎和编译注册器，对目标算子的所述编译型语言进行编译和注册，得到所述具有目标语言类型的目标算子。

7.根据权利要求1-3中任一项所述的方法，其中，所述第一拓扑关系是根据子逻辑划分数据确定的，所述第二拓扑关系是根据目标任务处理逻辑划分数据确定的；所述目标任务处理逻辑划分数据表征所述目标任务处理逻辑在多个所述计算单元上的分布，所述子逻辑划分数据表征所述目标任务子逻辑在多个目标算子中的分布。

8.根据权利要求3所述的方法，其中，任意一个所述目标任务子逻辑的所述子逻辑待处理数据是通过远程队列获得的；任意一个所述目标算子的所述算子待处理数据是通过本地队列获得的。

9.根据权利要求2所述的方法，还包括：

针对任意一个目标任务子逻辑，根据配置数据，进行相应配置操作，其中，所述配置数据包括以下中的至少一个：线程配置数据、第一拓扑关系配置数据、第二拓扑关系配置数据、算子运算结果分发模式配置数据。

10.根据权利要求1-3中任一项所述的方法，其中，所述目标数据包括推荐数据；所述方法还包括：

发送所述推荐数据。

11.一种任务处理装置，包括：

目标子数据确定模块，用于响应于接收到针对目标任务处理逻辑的待处理数据流，根据第一拓扑关系，利用与目标任务子逻辑相关的目标算子，对所述待处理数据流的任意一个待处理数据进行算子运算，得到目标子数据，其中，所述目标任务处理逻辑包括至少一个任务子逻辑，每一个所述任务子逻辑利用对应的计算单元执行，所述目标任务子逻辑是所述至少一个任务子逻辑中的任意一个，所述第一拓扑关系表征针对所述目标任务子逻辑，所述目标算子之间的关联关系；以及

目标数据确定模块，用于根据第二拓扑关系和每一个所述任务子逻辑的所述目标子数据，确定目标数据，其中，所述第二拓扑关系表征针对所述目标任务处理逻辑，所述任务子逻辑之间的关联关系。

12.根据权利要求11所述的装置，其中，所述目标子数据确定模块包括：

算子待处理数据获取子模块，用于针对任意一个所述目标算子，根据与所述目标算子关联的本地存储地址获取算子待处理数据；

算子运算结果确定子模块，用于根据所述目标算子对所述算子待处理数据进行算子运算，得到算子运算结果；

发送子模块，用于根据所述第一拓扑关系，将所述算子运算结果发送至下游目标算子的本地存储地址，作为所述下游目标算子的算子待处理数据；以及

目标子数据确定子模块，用于针对所述目标任务子逻辑，根据所述第一拓扑关系表征的目标算子运算顺序，将末端的所述目标算子的算子运算结果作为所述目标任务子逻辑的所述目标子数据。

13.根据权利要求12所述的装置，其中，所述目标数据确定模块包括：

子逻辑待处理数据确定子模块，用于针对任意一个所述目标任务子逻辑，根据与所述目标任务子逻辑关联的远程存储地址获取子逻辑待处理数据，其中，上游任务子逻辑的所述目标子数据作为所述目标任务子逻辑的子逻辑待处理数据；以及

目标数据确定子模块，用于针对所述目标任务处理逻辑，根据所述第二拓扑关系表征的任务子逻辑运算顺序，将末端的所述任务子逻辑的所述目标子数据，作为所述目标任务处理逻辑的所述目标数据。

14.根据权利要求11-13中任一项所述的装置，还包括：

语言类型适配模块，用于根据所述目标算子的语言类型，对所述目标算子进行协议适配，得到具有目标语言类型的目标算子。

15.根据权利要求14所述的装置，其中，所述语言类型包括解释型语言，所述语言类型适配模块包括：

解释型语言适配子模块，用于根据所述目标算子的解释型语言，调用与所述解释型语言关联的解释器，对目标算子的所述解释型语言进行解释，得到所述具有目标语言类型的目标算子。

16.根据权利要求14所述的装置，其中，所述语言类型包括编译型语言，所述语言类型适配模块包括：

编译型语言适配子模块，用于根据所述目标算子的编译型语言，调用与所述编译型语言关联的执行引擎和编译注册器，对目标算子的所述编译型语言进行编译和注册，得到所述具有目标语言类型的目标算子。

17.根据权利要求11-13中任一项所述的装置，其中，所述第一拓扑关系是根据子逻辑划分数据确定的，所述第二拓扑关系是根据目标任务处理逻辑划分数据确定的；所述目标任务处理逻辑划分数据表征所述目标任务处理逻辑在多个所述计算单元上的分布，所述子逻辑划分数据表征所述目标任务子逻辑在多个目标算子中的分布。

18.根据权利要求13所述的装置，其中，任意一个所述目标任务子逻辑的所述子逻辑待处理数据是通过远程队列获得的；任意一个所述目标算子的所述算子待处理数据是通过本地队列获得的。

19.根据权利要求12所述的装置，还包括：

配置模块，用于针对任意一个目标任务子逻辑，根据配置数据，进行相应配置操作，其中，所述配置数据包括以下中的至少一个：线程配置数据、第一拓扑关系配置数据、第二拓扑关系配置数据、算子运算结果分发模式配置数据。

20.根据权利要求11-13中任一项所述的装置，其中，所述目标数据包括推荐数据；所述装置还包括：

推荐数据发送模块，用于发送所述推荐数据。

21.一种电子设备，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指令，所述指令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1-10中任一项所述的方法。

22.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。

23.一种计算机程序产品，包括计算机程序，所述计算机程序存储于可读存储介质和电子设备其中至少之一上，所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法。

Images