CN116739468A - 补货系统、方法和装置 - Google Patents
补货系统、方法和装置 Download PDFInfo
- Publication number
- CN116739468A CN116739468A CN202210192703.3A CN202210192703A CN116739468A CN 116739468 A CN116739468 A CN 116739468A CN 202210192703 A CN202210192703 A CN 202210192703A CN 116739468 A CN116739468 A CN 116739468A
- Authority
- CN
- China
- Prior art keywords
- data
- replenishment
- task
- fragment
- node
- 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 60
- 239000012634 fragment Substances 0.000 claims abstract description 236
- 238000004364 calculation method Methods 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 41
- 230000001502 supplementing effect Effects 0.000 claims abstract description 20
- 230000004044 response Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 238000013467 fragmentation Methods 0.000 claims 1
- 238000006062 fragmentation reaction Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 230000011218 segmentation Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011143 downstream manufacturing Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000533950 Leucojum Species 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例公开了补货系统、方法和装置。该系统包括分片节点和补货量计算节点;分片节点响应于接收到补货任务,生成补货任务的任务标识;从缓存中查询补货任务的属性数据,对补货任务的属性数据进行分片;对于每个数据分片,生成该数据分片的分片标识,在缓存中存储任务标识、分片标识和数据分片之间的对应关系;将补货任务的分片索引发送至补货量计算节点,分片索引包括任务标识和分片标识;补货量计算节点响应于接收到分片索引,从缓存中获取分片索引对应的数据分片,从缓存的补货需求数据中获取数据分片对应的补货需求数据;根据数据分片和对应的补货需求数据,确定数据分片对应的补货量。该实施方式有助于提升补货任务的整体处理效率。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及补货系统、方法和装置。
背景技术
随着电子商务和人工智能等技术快速发展,对于一些较大型的电商平台或零售企业等,通常都构建有智能的补货系统,以辅助于补货管理、库存管理、供需平衡等流程,从而不断提升对用户的服务水平。
现有的补货系统通常采用如Spark和大数据仓库Hive等大数据计算框架,通过Hive进行数据清洗然后进入Spark计算。一般地,大数据计算资源在电商平台或零售企业中都是公共计算资源,无法独享。
发明内容
本公开的实施例提出了补货系统、方法和装置。
第一方面,本公开的实施例提供了一种补货系统,该系统包括分片节点和补货量计算节点;分片节点,响应于接收到补货任务,生成补货任务的任务标识;从缓存中查询补货任务的属性数据,以及对补货任务的属性数据进行分片,得到数据分片集;对于数据分片集中的数据分片,生成该数据分片的分片标识,以及在缓存中存储任务标识、分片标识和数据分片之间的对应关系;将补货任务的分片索引发送至补货量计算节点,其中,分片索引包括任务标识和分片标识;补货量计算节点,响应于接收到分片索引,从缓存中获取分片索引对应的数据分片,以及从缓存的补货需求数据中获取数据分片对应的补货需求数据;对于每个数据分片,根据该数据分片和对应的补货需求数据,确定该数据分片对应的补货量。
第二方面,本公开的实施例提供了一种补货方法,该方法包括:接收分片节点发送的分片索引,从缓存中获取分片索引对应的数据分片,其中,分片索引包括任务标识和分片标识,任务标识由分片节点响应于接收到补货任务而生成,分片标识由分片节点通过如下步骤生成:从缓存中查询补货任务的属性数据,以及对补货任务的属性数据进行分片,得到数据分片集;对于数据分片集中的数据分片,生成该数据分片的分片标识,以及在缓存中存储任务标识、分片标识和数据分片之间的对应关系;从缓存的补货需求数据中获取分片索引对应的补货需求数据;对于分片索引对应的数据分片,根据该数据分片和对应的补货需求数据,确定该数据分片对应的补货量。
第三方面,本公开的实施例提供了一种补货装置,该装置包括:接收单元接收分片节点发送的分片索引,从缓存中获取分片索引对应的数据分片,其中,分片索引包括任务标识和分片标识,任务标识由分片节点响应于接收到补货任务而生成,分片标识由分片节点通过如下步骤生成:从缓存中查询补货任务的属性数据,以及对补货任务的属性数据进行分片,得到数据分片集;对于数据分片集中的数据分片,生成该数据分片的分片标识,以及在缓存中存储任务标识、分片标识和数据分片之间的对应关系;获取单元从缓存的补货需求数据中获取分片索引对应的补货需求数据;确定单元对于分片索引对应的数据分片,根据该数据分片和对应的补货需求数据,确定该数据分片对应的补货量。
第四方面,本公开的实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第二方面描述的方法。
第五方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第二方面描述的方法。
本公开的实施例提供的补货系统、方法和装置,通过对补货任务处理所需的数据进行异构解耦和高速缓存处理,并对数据进行分片处理,以使各个节点处以数据分片为粒度进行处理,而且整个处理过程中通过传递分片索引,通过基于分片索引的缓存查询获取数据分片以进行计算,并在最终进行一次性的数据库落库,提升了补货任务处理的整体处理效率和处理过程中的数据吞吐性能。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的补货系统的一个实施例的时序图;
图3是根据本公开的实施例的补货系统的一个应用场景的示意图;
图4是根据本公开的补货方法的一个实施例的流程图;
图5是根据本公开的补货装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的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公开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相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的补货系统或补货方法或补货装置的实施例的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务端105。网络104用以在终端设备101、102、103和服务端105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。
终端设备101、102、103可以通过网络104与服务端105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如,浏览器类应用、搜索类应用、补货类应用、即时通信工具等等。终端设备101、102、103可以利用其上安装的客户端应用与服务端105进行信息交互。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务端105可以用于提供各种服务(如补货计算等服务)。例如,终端设备101、102、103可以向服务端105发送补货请求,服务端105可以根据该补货请求生成补货任务并计算补货量。
需要说明的是,服务端105可以是硬件,也可以是软件。当服务端105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务端105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。服务端105中的各服务器或各软件模块等可以分别用于提供不同的服务,并且可以进行协作。例如,服务端105中的各服务器或各软件模块可以分别提供补货服务中的若干步骤,以协同完成补货任务,有助于提升补货效率。
需要说明的是,本公开的实施例所提供的补货方法一般由服务端105中的服务器执行,相应地,补货装置一般设置于服务端105中的服务器中。
应该理解,图1中的终端设备、网络和服务端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终端设备、网络和服务端。
继续参考图2,其示出了根据本公开的补货系统的一个实施例的时序图200。该补货系统包括分片节点和补货量计算节点。
在步骤201中,分片节点接收补货任务。
在本步骤中,补货任务可以指辅助于完成补货的任务。分片节点可以从外界(如其它节点或用户终端等等)接收补货任务。例如,可以由相关人员在用户终端上设置补货任务,并将补货任务发送至分片节点。
在步骤202中,分片节点生成补货任务的任务标识。
在本步骤中,补货任务的任务标识可以用于标识补货任务。分片节点可以采用各种方法生成补货任务的任务标识。例如,根据当前日期和补货任务在当前日期所在时间段中的历史补货任务的数量生成任务标识。又例如,可以通过雪花算法生成补货任务的任务标识。
在步骤203中,分片节点从缓存中查询补货任务的属性数据,以及对补货任务的属性数据进行分片,得到数据分片集。
在本步骤中,补货任务的属性数据可以指与补货任务相关的各种属性数据。一般地,补货任务的属性数据可以包括补货任务指示的补货对象的属性数据。其中,补货任务指示补货对象可以指待补货的对象(如物品等)。补货对象的属性数据可以根据实际的应用场景(如实际的补货流程等)设置。补货对象的粒度可以根据实际的应用场景进行设置。例如,补货对象可以使用SKU(Stock Keeping Unit,库存量单位)作为标识,基于SKU的粒度进行补货量计算。
例如,补货对象的属性数据可以包括如下至少一项:补货对象的标识、补货对象的类目信息、补货对象所属的店铺信息(如店铺标识等)、补货对象的供应商信息(如供应商标识、供应商类型等等)、可采状态(如当前是否可以采购等等)等等。
补货任务的属性数据可以预先存储在缓存中。此时,可以从缓存中查询补货任务的属性数据。具体的缓存方式和查询方式都可以根据实际的应用需求灵活设置。例如,可以异构补货任务的属性数据并缓存,同时设置查询关键字(Key)。
分片节点可以采用各种分片方式对补货任务的属性数据进行分片,从而形成数据分片集。例如,可以根据按照补货任务的属性数据中的指定属性数据(如供应商等)进行分片。
在步骤204中,分片节点对于数据分片集中的数据分片,生成该数据分片的分片标识,以及在缓存中存储任务标识、分片标识和数据分片之间的对应关系。
在本步骤中,分片节点可以采用各种方法生成每个数据分片的分片标识。其中,分片标识可以用于标识数据分片。例如,分片标识可以按照顺序递增的方式生成各数据分片分别对应的分片标识。
分片节点可以在缓存中存储任务标识、分片标识和数据分片之间的对应关系。例如,可以在Redis缓存中存储任务标识、分片标识和数据分片之间的对应关系。根据实际的应用需求,任务标识、分片标识和数据分片在缓存中存储的具体数据格式可以灵活设置。例如,数据分片可以采用JSON(JavaScript Object Notation,JavaScript对象简谱)序列化的格式存储于缓存中。
同时,分片节点可以设置数据分片的查询服务。例如,可以设置任务标识和分片标识作为查询用的关键字(Key),将数据分片作为查询到的值(Value)。
在步骤205中,分片节点将补货任务的分片索引发送至补货量计算节点。
在本步骤中,分片索引可以包括任务标识和分片标识。分片节点可以将设置分片索引,以便于基于分片索引的查询。然后,分片节点可以将补货任务的分片索引发送至补货量计算节点。
在步骤206中,补货量计算节点从缓存中获取分片索引对应的数据分片,以及从缓存的补货需求数据中获取数据分片对应的补货需求数据。
在本步骤中,补货量计算节点在接收到分片索引之后,可以根据分片索引,从缓存中获取分片索引对应的数据分片。同时,补货量计算节点可以从预先缓存的补货需求数据中获取数据分片对应的补货需求数据。其中,补货需求数据可以用于描述数据分片对应的补货对象的补货需求。
补货需求数据可以根据具体的应用场景进行设置。例如,补货需求数据包括预测数据和配置数据。预测数据可以指通过各种预测方法进行预测得到的补货需求数据。作为示例,预测数据包括但不限于以下至少一项:未来目标时间段(如三个月)的预测销量、预测的送货时长、历史预测销量和对应实际销量的差异(如可以采用标准差表示)。配置数据可以指相关人员通过终端等输入设备等配置的补货需求数据,配置数据包括但不限于以下至少一项:货架陈列值(如满陈值和最小陈列值等)、起订量要求(如最小起订量等)、起订金额、补货频率、收货时长等等。
补货需求数据可以预先存储在缓存中。此时,可以直接从缓存中查询补货需求数据。具体的缓存方式和查询方式都可以根据实际的应用需求灵活设置。例如,可以采用现有的各种数据缓存方法和查询方法实现补货需求数据的缓存和查询服务。
在步骤207中,补货量计算节点对于每个数据分片,根据该数据分片和对应的补货需求数据,确定该数据分片对应的补货量。
在本步骤中,补货量计算节点可以根据获取的数据分片和补货需求数据,确定每个数据分片对应的补货量。其中,补货量可以指补货对象的补货数量。具体地,补货量计算节点可以采用各种方法根据每个数据分片和该数据分片对应的补货需求数据,计算该数据分片中的补货对象的补货量。例如,可以预先设置有补货量计算公式,此时,补货量计算节点可以直接按照该计算公式得出补货量。
可选地,补货量计算节点可以根据数据分片的数据特征,利用预设的、与数据分片的数据特征对应的补货量计算模型进行该数据分片的补货量计算。
其中,数据分片的数据特征可以预先存储在数据分片的缓存中。数据特征可以根据实际的应用需求或应用场景进行设置。例如,数据特征包括是否为新品。具体地,可以预先针对每种数据特征设置对应的补货量计算模型,例如,针对新品可以设置新品对应的补货量计算模型。此时,若确定数据分片的数据特征为新品,则可以将数据分片和该数据分片对应的补货需求数据,利用新品对应的补货量计算模型计算得到该数据分片对应的补货量。
通过对补货任务的属性数据进行分片,并对补货任务的属性数据和补货需求数据进行预先缓存,同时利用数据分片的分片索引从缓存中获取数据分片和数据分片对应的补货需求数据以进行补货量计算,从而可以实现各数据分片并行处理,利用索引从缓存中快速查询所需数据,进而有助于提升补货任务处理的整体效率。
在本实施例的一些可选的实现方式中,补货系统还可以包括存储节点。补货量计算节点在得到每个数据分片的补货量之后,可以在每个数据分片的缓存中添加该数据分片对应的补货量。然后,补货量计算节点可以将补货任务的分片索引发送至存储节点。
存储节点在接收到分片索引之后,可以从缓存中获取该分片索引对应的数据分片,然后再数据库中存储获取到的数据分片,以实现对补货量的持久化存储。
在补货任务的处理过程中,对每个数据分片的处理中间结果都利用缓存进行存储,且数据传递通过分片索引来实现,在补货量计算完成之后,再由存储节点进行落库处理,进一步提升补货计算的效率和数据的吞吐性能。
在本实施例的一些可选的实现方式中,补货系统还可以包括调节节点。补货量计算节点在将每个数据分片的缓存中添加对应的补货量之后,可以将补货任务的分片索引先发送至调节节点。
调节节点在接收分片索引后,可以先从缓存中获取该分片索引对应的数据分片,然后从缓存的补货需求数据中获取调节参数,并根据调节参数对数据分片的补货量进行调节,从而得到调节后的补货量。然后,调节节点可以利用调节后的补货量更新缓存中的补货量。
进一步地,调节节点可以将补货任务的分片索引发送至存储节点,以使存储节点响应于接收到分片索引,从缓存中获取分片索引对应的数据分片,以及在数据库中存储获取的数据分片。需要说明的是,此时,补货量计算节点就不再需要将分片索引发送至存储节点。
这种情况下,预先缓存的补货需求数据可以包括调节参数。其中,调节参数可以用于对补货量计算节点计算出的补货量进行调整,具体的调节参数可以根据实际的应用场景进行设置。例如,调节参数可以是起订量。此时,可以根据起订量对补货量进行适当调整,以使补货量满足起订量要求。
可选地,根据实际的补货计算方法,上述补货需求数据和调节参数还可以通过外部系统获取,此时,可以利用外部系统提供的RPC(Remote Procedure Call,远程过程调用)调用获取补货需求数据和调节参数。
调节节点可以采用各种调节方法根据调节参数对补货量计算节点计算得到的补货量进行调节。例如,可以预先设置调节补货量的计算公式。此时,调节节点可以按照该计算公式根据调节参数对补货量计算节点计算得到的补货量进行调节。
根据实际的应用场景对补货量进行对应的调节,有助于提升补货量计算的准确性,保证计算得到的补货量与实际的补货场景相匹配,以根据补货量进行准确且有效的补货,且可以通过RPC等高速查询服务进行并发查询,避免现有的补货系统中补货任务处理过程中无法进行RPC调用,使得获取到的用于补货计算的数据实时性不高等问题。
在本实施例的一些可选的实现方式中,补货系统还可以包括任务启动节点。任务启动节点可以获取目标时间段内的补货请求,然后根据补货请求生成对应的补货任务,并将补货任务发送至分片节点。其中,补货请求可以用于请求进行补货量计算。补货请求可以由相关人员利用终端发送,也可以设置定时补货请求发送任务,并利用该定时任务发送补货请求。
目标时间段可以根据实际的应用场景进行设置。例如,对于补货请求较少且补货优先级较低的场景,目标时间段可以为一周,此时,可以每周统计一次这一周内收到的补货请求,并生成对应的补货任务以进行补货量计算,进而根据补货量完成补货。又例如,对于补货请求比较频繁的场景(如对于比较大型的电商平台等),目标时间段可以为一分钟,此时,可以每分钟统计一次这一分钟内接收到的补货请求,并生成对应的补货任务以进行补货量计算,进而根据补货量完成补货。
作为示例,补货任务启动节点可以预先设置定时扫描任务(如使用XXL-JOB编写定时扫描任务),并设置执行间隔(如一分钟执行一次)。此时,补货任务启动节点可以通过执行定时扫描任务查询上次扫描时间截止到当前时间范围内的补货请求。
在扫描完成后,还可以对扫描到的补货请求进行去重、合并、排他等操作以整理扫描到的补货请求。其中,去重、合并、排他等操作的具体规则或策略可以由相关人员根据实际的应用场景预先设置。例如,去重规则可以是删除对应时间相同,且门店标识相同,且所属类目也相同的补货请求。合并规则可以是针对时间相同、且门店标识相同,且所属类目之间具有包含关系的,可以进行合并操作。排他规则可以是针对时间不同,且门店标识相同,且所属类目之间具有包含关系的,可以排除被包含的子类目,被排除的子类目对应的补货请求可以在下次处理。
任务启动节点可以按照预先设置的任务创建方式创建补货任务,并根据需求在指定时刻启动该补货任务,同时将补货任务发送至分片节点。
利用任务启动节点和分片节点、补货量计算节点等作为整体进行补货任务的自动生成和处理,有助于提升补货系统整体的运行效率,也便于对补货系统的控制和管理。而且利用任务启动节点通过定时任务等对补货任务的启动时间等进行灵活控制,避免现有的补货系统中可能会出现的补货任务启动不及时、补货任务启动时间固定而无法灵活定制等问题。
可选地,分片节点可以先根据补货任务的属性数据确定补货任务的调节类型。其中,调节类型可以包括供应量调节和起订量调节。供应量调节可以指根据供应量要求进行补货量的调节。起订量调节可以指根据起订量要求进行补货量的调节。具体地,可以采用各种方法根据补货任务的属性数据确定补货任务的调节类型。例如,可以预先设置属性数据与调节类型的对应关系,此时,通过查询该对应关系根据补货任务的属性数据确定补货任务的调节类型。
作为示例,属性数据可以包括供应商类型。供应商类型可以包括供应量已知的第一类型和供应量未知的第二类型。此时,对于供应量已知的第一类型,通常可能需要根据供应量分配不同的门店的补货量等,因此对应于供应量调节。对于供应量未知的第二类型,这种供应商通常具有起订量要求或起送量要求等限制,从而对补货量具有一定要求,因此对应于起订量调节。
在确定补货任务的调节类型为供应量调节时,分片节点可以按照补货需求端不同且补货供给端相同且补货对象相同对补货任务相关的属性数据进行分片。在确定补货任务的调节类型为起订量调节时,分片节点可以按照补货对象不同且补货需求端相同且补货供给端相同对补货任务相关的属性数据进行分片。其中,补货需求端可以指具有补货需求的门店、店铺、销售点等等。补货供给端可以指能够供给补货对象的供应商、生产厂家等等。
根据实际的应用场景中供应量和起订量的要求,对补货量进行对应的供应量调节或起订量调节,以使调节后的补货量能够满足实际中供应商对应的供应量和起订量的要求,从而保证后续基于补货量的补货操作的有效性。
在本实施例的一些可选的实现方式中,补货量计算节点还可以确定数据分片集包括的补货对象的总数量和每个数据分片包含的补货对象的数量,并存储于数据分片的缓存中。其中,数据分片集包括的补货对象的总数量等于数据分片集中的各数据分片分别包含的补货对象的数量的总和。一般地,数据分片中可以包括补货对象的标识,因此,可以通过统计补货对象的标识的数量来确定数据分片包含的补货对象的数量。
此时,数据分片的分片索引还可以包括该数据分片所包含的补货对象的数量。存储节点可以从缓存中获取数据分片集包含的补货对象的总数量,并统计已接收到的各分片索引分别对应的数据分片所包含的补货对象的数量的总和,然后确定获取的总数量与统计得到的总和是否相同。若相同,则可以表示补货任务计算完成。若不同,则可以表示还有数据分片未完成对应的补货计算。
在确定补货任务计算完成后,存储节点还可以将缓存中的数据分片存储至预设的数据库中。例如,可以预先构建数据,并根据实际的应用需求对数据库进行分库和分表等操作(如以任务标识进行分库和分表等等)。之后,存储节点可以将数据中存储的数据(如补货对象的门店标识、供应商标识和补货量等等)发送给下游处理系统,以进一步完成实际的补货操作。其中,下游处理系统可以根据实际需求设置。例如,下游处理系统可以包括自动单执行系统、采购系统等等。自动单执行系统可以根据存储节点发送的数据生成若干补货订单,采购系统可以用于完成各个补货订单中的补货对象的采购。
利用分片索引记录每个分片包含的补货对象的数量,以及在缓存中预先记录补货任务对应的补货对象的总数量,从而根据已处理的数据分片的分片索引分别对应的补货对象的数量的总和与预存的总数量的比较,确定补货任务是否计算完成,进而根据补货任务是否计算完成分别执行对应的处理或操作,进而提升补货任务处理的灵活性和系统性。
可选地,上述分片节点、补货量计算节点、存储节点、调节节点和任务启动节点等各个节点之间互相可以通过消息进行通信。例如,任务启动节点可以将创建的补货任务通过消息中间件发送消息至分片节点。又例如,各节点之间通过消息中间件发送分片索引的消息。
其中,消息(Message)可以作为信息的载体以完成信息交换。具体地,可以基于现有的各种消息通信机制实现上述各节点之间的消息通信。需要说明的是,消息通信是目前广泛研究和应用的公知技术,在此不再赘述。
此时,上述补货系统还可以包括消息控制节点。消息控制节点可以对每个数据分片对应在分片节点、补货量计算节点、存储节点、调节节点和任务启动节点中的消息进行控制。
具体的控制操作可以根据实际的应用场景灵活设置。例如,可以设置消息消费异常重试机制、对数据分片消息消费处理过程进行防重校验等等。
通过在补货任务的处理过程中,每个处理节点都以发送、消费消息等方式进行信息传递和处理,同时还可以使用消息控制节点等对整个处理过程中的消息进行控制,可以实现数据分片维度的如消息失败重试、消息手动重发和修改等控制,避免失败只能重启整个补货任务等情况,便于人工干预补货任务处理过程,从而进一步提升补货任务处理的效率和灵活性,避免现有的补货系统在补货计算过程中无法人工干预、补货计算失败只能重启整个补货任务等问题。
可选地,上述各种缓存的数据,如缓存的补货任务的属性数据和补货需求数据等等可以通过对公用数据进行异构并缓存。
例如,对于补货任务的属性数据,可以先创建对应的数据库并初始化,并可以根据需求对表中的查询字段进行索引创建和分库、分表等操作。同时,可以根据预估的未来承载的数据量创建数据库集群。
创建的数据库可以采用一主多从结构,对每个主库进行分库和分表,每个主库可以具有相同的库表结构,此时,可以针对门店标识等利用哈希取模算法等将数据分散到不同的主库中。具体可以使用Sharding-JDBC组件等进行数据的落库和查询。
使用XXL-JOB等编写定时任务利用公用的属性数据库提供的基于RPC实现的批量查询服务,从公用的属性数据库中全量拉取补货任务的属性数据进行数据库的初始化和全量更新,同时可以监听公用的属性数据库的变更消息,以实时更新数据库中的数据。
针对创建的数据库集群,可以基于ELK(Elasticsearch、Logstash、Kibana)架构实时采集数据库集群的Binlog日志写入Kafka,并监听Kafka消息在数据库集群中异构补货任务的属性数据,并提供查询服务。例如,提供基于补货对象标识和供应商标识的查询服务、基于门店标识和供应商标识的查询服务等等,具体的查询服务可以根据实际的应用需求进行设置。
又例如,对于补货需求数据中的预测数据,可以每天将最新的预测数据写入预设的预测表中(具体可以先清空预测表中的旧数据,然后写入新的预测数据),然后基于ELK架构实时采集预测表的Binlog日志写入Kafka,通过监听Kafka消息在Redis集群中异构补货需求数据的缓存。同时,还可以提供查询服务,如基于补货对象标识、门店标识、供应商标识和预测时间的查询服务等。
对于补货需求数据中的配置数据,可以利用可视化配置界面接收用户输入的配置数据,并将配置数据写入预设的数据库,再基于ELK架构实时采集该数据库的Binlog日志写入Kafka,通过监听Kafka消息在Redis集群中异构配置数据的缓存。同时,还可以提供查询服务,如基于补货对象标识、门店标识和供应商标识的查询服务等。
此外,缓存的数据可以根据需求设置超时时间(如一天等),以保证补货量计算的时效性和准确性。
通过对补货任务处理中使用的所有数据进行异构缓存和数据分片,并提供数据的高速查询服务,可以实现补货任务处理过程中的各种数据的高速并发查询,从而有助于提升补货任务处理的处理效率。
可选地,补货量计算节点可以利用如下至少一项处理模式从缓存的补货需求数据中获取分片索引对应的补货需求数据:线程池、事件驱动模式和策略模式。
其中,线程池可以指通过线程池并发执行各数据分片的分片索引分别对应的补货需求数据。事件驱动模式定义了一种新的事件序列驱动型数据操作处理方法,基本原理是并不直接调用过程,而是触发一个或多个事件。策略模式可以指根据环境或者条件的不同选择不同的算法或者策略来完成某一功能(如数据操作等)。需要说明的是,线程池、事件驱动模式和策略模式是目前广泛研究和应用的公知技术,在此不再赘述。
对应地,调节节点也可以利用如下至少一项处理模式从缓存中获取对应的数据分片,以及从缓存中获取调节参数:线程池、事件驱动模式和策略模式。
利用线程池、事件驱动模式和策略模式等进行实时的数据抓取,可以实现对分布式计算资源的并行计算能力,从而进一步保证补货任务处理的高效性。
继续参见图3,图3是根据本实施例的补货系统的一个示意性的应用场景300。在图3的应用场景中,可以从基础数据系统中异构补货任务的属性数据,同时利用预测系统和配置系统分别异构预测数据和配置数据作为补货需求数据。基础数据系统中可以存储补货对象的各种属性数据等。预测系统可以预测补货需求数据,配置系统可以接收用户输入的补货需求数据。分片节点可以根据应用场景(如需要起订量调节)对补货任务的属性数据进行分片,形成数据分片集,然后在缓存中存储数据分片和异构的补货需求数据,并提供基于分片索引的高速缓存查询服务。
然后,补货量计算节点可以利用分片索引从异构缓存中查询数据分片,同时基于外部数据系统提供的RPC实时获取如门店库存、采购在途信息、可供应量等数据,然后根据数据分片的数据特征选择对应的补货模型,利用数据分片和利用RPC实时获取的数据进行补货量计算。
调节节点可以利用分片索引从异构缓存中获取查询数据分片的补货量,然后可以基于外部数据系统提供的RPC实时获取如门店库存、采购在途信息、可供应量等数据作为调节参数,按照对应的调节方式(如供应量调节或起订量调节等)对补货量进行调节,得到调节后的补货量。
存储节点可以根据调节后的补货量向补货工作台发送补货建议,以使补货工作台按照补货建议进行补货。同时,存储节点可以将调节后的补货量等数据进行落库,以实现补货量存储,如在历史补货量数据库中存储本次补货任务对应的补货量等数据。
本公开的上述实施例提供的补货系统通过对补货任务处理所需的数据进行异构解耦和高速缓存处理,并对数据进行分片处理,以使各个节点处以数据分片为粒度进行处理,而且整个处理过程中通过传递分片索引,通过基于分片索引的缓存查询获取数据分片以进行计算,并在最终进行一次性的数据库落库,提升了补货任务处理的整体处理效率和处理过程中的数据吞吐性能。
进一步参考图4,其示出了根据本公开的补货方法的一个实施例的流程400。该补货方法包括以下步骤:
步骤401,接收分片节点发送的分片索引,从缓存中获取分片索引对应的数据分片。
在本实施例中,分片索引可以包括任务标识和分片标识。任务标识可以用于标识补货任务。分片标识可以用于标识数据分片。分片节点可以采用各种方法生成补货任务的任务标识。例如,根据当前日期和补货任务在当前日期所在时间段中的历史补货任务的数量生成任务标识。又例如,可以通过雪花算法生成补货任务的任务标识。
任务标识可以由分片节点响应于接收到补货任务而生成。分片标识可以由分片节点通过如下步骤生成:从缓存中查询补货任务的属性数据,以及对补货任务的属性数据进行分片,得到数据分片集;对于数据分片集中的数据分片,生成该数据分片的分片标识,以及在缓存中存储任务标识、分片标识和数据分片之间的对应关系。
补货任务的属性数据可以指与补货任务相关的各种属性数据。一般地,补货任务的属性数据可以包括补货任务指示的补货对象的属性数据。其中,补货任务指示补货对象可以指待补货的对象(如物品等)。补货对象的属性数据可以根据实际的应用场景(如实际的补货流程等)设置。补货对象的粒度可以根据实际的应用场景进行设置。例如,补货对象可以使用SKU(Stock Keeping Unit,库存量单位)作为标识,基于SKU的粒度进行补货量计算。
例如,补货对象的属性数据可以包括如下至少一项:补货对象的标识、补货对象的类目信息、补货对象所属的店铺信息(如店铺标识等)、补货对象的供应商信息(如供应商标识、供应商类型等等)、可采状态(如当前是否可以采购等等)等等。
补货任务的属性数据可以预先存储在缓存中。此时,可以从缓存中查询补货任务的属性数据。具体的缓存方式和查询方式都可以根据实际的应用需求灵活设置。例如,可以异构补货任务的属性数据并缓存,同时设置查询关键字(Key)。
分片节点可以采用各种分片方式对补货任务的属性数据进行分片,从而形成数据分片集。例如,可以根据按照补货任务的属性数据中的指定属性数据(如供应商等)进行分片。
分片节点可以采用各种方法生成每个数据分片的分片标识。其中,分片标识可以用于标识数据分片。例如,分片标识可以按照顺序递增的方式生成各数据分片分别对应的分片标识。
分片节点可以在缓存中存储任务标识、分片标识和数据分片之间的对应关系。例如,可以在Redis缓存中存储任务标识、分片标识和数据分片之间的对应关系。根据实际的应用需求,任务标识、分片标识和数据分片在缓存中存储的具体数据格式可以灵活设置。例如,数据分片可以采用JSON序列化的格式存储于缓存中。
同时,分片节点可以设置数据分片的查询服务。例如,可以设置任务标识和分片标识作为查询用的关键字(Key),将数据分片作为查询到的值(Value)。
步骤402,从缓存的补货需求数据中获取分片索引对应的补货需求数据。
在本实施例中,补货量计算节点在接收到分片索引之后,可以根据分片索引,从缓存中获取分片索引对应的数据分片。同时,补货量计算节点可以从预先缓存的补货需求数据中获取数据分片对应的补货需求数据。其中,补货需求数据可以用于描述数据分片对应的补货对象的补货需求。
补货需求数据可以根据具体的应用场景进行设置。例如,补货需求数据包括预测数据和配置数据。预测数据可以指通过各种预测方法进行预测得到的补货需求数据。作为示例,预测数据包括但不限于以下至少一项:未来目标时间段(如三个月)的预测销量、预测的送货时长、历史预测销量和对应实际销量的差异(如可以采用标准差表示)。配置数据可以指相关人员通过终端等输入设备等配置的补货需求数据,配置数据包括但不限于以下至少一项:货架陈列值(如满陈值和最小陈列值等)、起订量要求(如最小起订量等)、起订金额、补货频率、收货时长等等。
补货需求数据可以预先存储在缓存中。此时,可以直接从缓存中查询补货需求数据。具体的缓存方式和查询方式都可以根据实际的应用需求灵活设置。例如,可以采用现有的各种数据缓存方法和查询方法实现补货需求数据的缓存和查询服务。
步骤403,对于分片索引对应的数据分片,根据该数据分片和对应的补货需求数据,确定该数据分片对应的补货量。
在本实施例中,数据分片的数据特征可以预先存储在数据分片的缓存中。数据特征可以根据实际的应用需求或应用场景进行设置。例如,数据特征包括是否为新品。具体地,可以预先针对每种数据特征设置对应的补货量计算模型,例如,针对新品可以设置新品对应的补货量计算模型。此时,若确定数据分片的数据特征为新品,则可以将数据分片和该数据分片对应的补货需求数据,利用新品对应的补货量计算模型计算得到该数据分片对应的补货量。
在本实施例的一些可选的实现方式中,上述补货方法还包括:在每个数据分片的缓存中添加该数据分片对应的补货量,以及将补货任务的分片索引发送至存储节点,其中,存储节点响应于接收到分片索引,从缓存中获取分片索引对应的数据分片,以及在数据库中存储获取的数据分片。
在本实施例的一些可选的实现方式中,在每个数据分片的缓存中添加该数据分片对应的补货量后,上述补货方法还包括:将补货任务的分片索引发送至调节节点,其中,调节节点响应于接收到分片索引,执行如下步骤:从缓存中获取对应的数据分片,以及从缓存的补货需求数据中获取调节参数;根据调节参数,对数据分片中的补货量进行调节,得到调节后的补货量;利用调节后的补货量对数据分片的缓存中的补货量进行更新,以及将补货任务的分片索引发送至存储节点。
在本实施例的一些可选的实现方式中,分片节点接收任务启动节点发送的补货任务,其中,任务启动节点获取目标时间段内的补货请求,以及根据补货请求生成对应的补货任务。
在本实施例的一些可选的实现方式中,分片节点根据补货任务的属性数据确定补货任务的调节类型,其中,调节类型包括供应量调节和起订量调节;分片节点响应于确定补货任务的调节类型为供应量调节,按照补货需求端不同且补货供给端相同且补货对象相同对补货任务相关的属性数据进行分片;响应于确定补货任务的调节类型为起订量调节,按照补货对象不同且补货需求端相同且补货供给端相同对补货任务相关的属性数据进行分片。
在本实施例的一些可选的实现方式中,上述补货方法还包括:确定数据分片集包含的补货对象的总数量和每个数据分片包含的补货对象的数量;在数据分片的缓存中存储数据分片集包含的补货对象的总数量和每个数据分片包含的补货对象的数量;以及分片索引还包括数据分片包含的补货对象的数量;以及存储节点用于执行如下步骤:从缓存中获取数据分片集包含的补货对象的总数量,以及确定接收到的各分片索引分别对应的补货对象的数量的总和与总数量是否相同;响应于确定接收到的各分片索引分别对应的补货对象的数量的总和与总数量相同,确定补货任务计算完成。
在本实施例的一些可选的实现方式中,上述从缓存的补货需求数据中获取数据分片对应的补货需求数据包括:利用如下至少一项处理模式从缓存的补货需求数据中获取分片索引对应的补货需求数据:线程池、事件驱动模式和策略模式;以及上述调节节点利用如下至少一项处理模式从缓存中获取对应的数据分片,以及从缓存中获取调节参数:线程池、事件驱动模式和策略模式。
在本实施例的一些可选的实现方式中,上述分片节点、补货量计算节点、存储节点、调节节点和任务启动节点之间通过消息进行通信;以及每个数据分片在分片节点、补货量计算节点、存储节点、调节节点和任务启动节点中对应的消息由消息控制节点进行控制。
通过对补货任务的属性数据进行分片,并对补货任务的属性数据和补货需求数据进行预先缓存,同时利用数据分片的分片索引从缓存中获取数据分片和数据分片对应的补货需求数据以进行补货量计算,从而可以实现各数据分片并行处理,利用索引从缓存中快速查询所需数据,进而有助于提升补货任务处理的整体效率。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了补货装置的一个实施例,该装置实施例与图4所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例提供的补货装置500包括接收单元501、获取单元502和确定单元503。其中,接收单元501被配置成接收分片节点发送的分片索引,从缓存中获取分片索引对应的数据分片,其中,分片索引包括任务标识和分片标识,任务标识由分片节点响应于接收到补货任务而生成,分片标识由分片节点通过如下步骤生成:从缓存中查询补货任务的属性数据,以及对补货任务的属性数据进行分片,得到数据分片集;对于数据分片集中的数据分片,生成该数据分片的分片标识,以及在缓存中存储任务标识、分片标识和数据分片之间的对应关系;获取单元502被配置成从缓存的补货需求数据中获取分片索引对应的补货需求数据;确定单元503被配置成对于分片索引对应的数据分片,根据该数据分片和对应的补货需求数据,确定该数据分片对应的补货量。
在本实施例中,补货装置500中:接收单元501、获取单元502和确定单元503的具体处理及其所带来的技术效果可分别参考图4对应实施例中的步骤401、步骤402和步骤403的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述补货装置还包括:发送单元(图中未示出),被配置成在每个数据分片的缓存中添加该数据分片对应的补货量,以及将补货任务的分片索引发送至存储节点,其中,存储节点响应于接收到分片索引,从缓存中获取分片索引对应的数据分片,以及在数据库中存储获取的数据分片。
在本实施例的一些可选的实现方式中,上述发送单元进一步被配置成:将补货任务的分片索引发送至调节节点,其中,调节节点响应于接收到分片索引,执行如下步骤:从缓存中获取对应的数据分片,以及从缓存的补货需求数据中获取调节参数;根据调节参数,对数据分片中的补货量进行调节,得到调节后的补货量;利用调节后的补货量对数据分片的缓存中的补货量进行更新,以及将补货任务的分片索引发送至存储节点。
在本实施例的一些可选的实现方式中,分片节点接收任务启动节点发送的补货任务,其中,任务启动节点获取目标时间段内的补货请求,以及根据补货请求生成对应的补货任务。
在本实施例的一些可选的实现方式中,分片节点根据补货任务的属性数据确定补货任务的调节类型,其中,调节类型包括供应量调节和起订量调节;分片节点响应于确定补货任务的调节类型为供应量调节,按照补货需求端不同且补货供给端相同且补货对象相同对补货任务相关的属性数据进行分片;响应于确定补货任务的调节类型为起订量调节,按照补货对象不同且补货需求端相同且补货供给端相同对补货任务相关的属性数据进行分片。
在本实施例的一些可选的实现方式中,上述确定单元503进一步被配置成:确定数据分片集包含的补货对象的总数量和每个数据分片包含的补货对象的数量;在数据分片的缓存中存储数据分片集包含的补货对象的总数量和每个数据分片包含的补货对象的数量;以及分片索引还包括数据分片包含的补货对象的数量;以及存储节点用于执行如下步骤:从缓存中获取数据分片集包含的补货对象的总数量,以及确定接收到的各分片索引分别对应的补货对象的数量的总和与总数量是否相同;响应于确定接收到的各分片索引分别对应的补货对象的数量的总和与总数量相同,确定补货任务计算完成。
在本实施例的一些可选的实现方式中,上述获取单元502被配置成:从缓存的补货需求数据中获取数据分片对应的补货需求数据包括:利用如下至少一项处理模式从缓存的补货需求数据中获取分片索引对应的补货需求数据:线程池、事件驱动模式和策略模式;以及上述调节节点利用如下至少一项处理模式从缓存中获取对应的数据分片,以及从缓存中获取调节参数:线程池、事件驱动模式和策略模式。
在本实施例的一些可选的实现方式中,上述分片节点、补货量计算节点、存储节点、调节节点和任务启动节点之间通过消息进行通信;以及每个数据分片在分片节点、补货量计算节点、存储节点、调节节点和任务启动节点中对应的消息由消息控制节点进行控制。
本公开的上述实施例提供的装置,通过接收单元接收分片节点发送的分片索引,从缓存中获取分片索引对应的数据分片,其中,分片索引包括任务标识和分片标识,任务标识由分片节点响应于接收到补货任务而生成,分片标识由分片节点通过如下步骤生成:从缓存中查询补货任务的属性数据,以及对补货任务的属性数据进行分片,得到数据分片集;对于数据分片集中的数据分片,生成该数据分片的分片标识,以及在缓存中存储任务标识、分片标识和数据分片之间的对应关系;获取单元从缓存的补货需求数据中获取分片索引对应的补货需求数据;确定单元对于分片索引对应的数据分片,根据该数据分片和对应的补货需求数据,确定该数据分片对应的补货量,可以实现各数据分片并行处理,利用索引从缓存中快速查询所需数据,进而有助于提升补货任务处理的整体效率。
下面参考图6,其示出了适于用来实现本公开的实施例的服务器(例如图1中的服务端中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:接收分片节点发送的分片索引,从缓存中获取分片索引对应的数据分片,其中,分片索引包括任务标识和分片标识,任务标识由分片节点响应于接收到补货任务而生成,分片标识由分片节点通过如下步骤生成:从缓存中查询补货任务的属性数据,以及对补货任务的属性数据进行分片,得到数据分片集;对于数据分片集中的数据分片,生成该数据分片的分片标识,以及在缓存中存储任务标识、分片标识和数据分片之间的对应关系;从缓存的补货需求数据中获取分片索引对应的补货需求数据;对于分片索引对应的数据分片,根据该数据分片和对应的补货需求数据,确定该数据分片对应的补货量。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括接收单元、获取单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“从缓存的补货需求数据中获取分片索引对应的补货需求数据的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种补货系统,包括分片节点和补货量计算节点;
所述分片节点,响应于接收到补货任务,生成所述补货任务的任务标识;从缓存中查询所述补货任务的属性数据,以及对所述补货任务的属性数据进行分片,得到数据分片集;对于所述数据分片集中的数据分片,生成该数据分片的分片标识,以及在缓存中存储所述任务标识、分片标识和数据分片之间的对应关系;将所述补货任务的分片索引发送至所述补货量计算节点,其中,所述分片索引包括任务标识和分片标识;
所述补货量计算节点,响应于接收到分片索引,从缓存中获取所述分片索引对应的数据分片,以及从缓存的补货需求数据中获取数据分片对应的补货需求数据;对于每个数据分片,根据该数据分片和对应的补货需求数据,确定该数据分片对应的补货量。
2.根据权利要求1所述的系统,其中,所述系统还包括存储节点;以及
所述补货量计算节点,在每个数据分片的缓存中添加该数据分片对应的补货量,以及将所述补货任务的分片索引发送至所述存储节点;
所述存储节点,响应于接收到分片索引,从缓存中获取所述分片索引对应的数据分片,以及在数据库中存储获取的数据分片。
3.根据权利要求2所述的系统,其中,所述系统还包括调节节点;以及
所述补货量计算节点,在每个数据分片的缓存中添加该数据分片对应的补货量后,将所述补货任务的分片索引发送至所述调节节点;
所述调节节点,响应于接收到分片索引,从缓存中获取对应的数据分片,以及从缓存的补货需求数据中获取调节参数;根据调节参数,对数据分片中的补货量进行调节,得到调节后的补货量;利用调节后的补货量对数据分片的缓存中的补货量进行更新,以及将所述补货任务的分片索引发送至所述存储节点。
4.根据权利要求3所述的系统,其中,所述系统还包括任务启动节点;
所述任务启动节点,获取目标时间段内的补货请求,以及根据补货请求生成对应的补货任务;将补货任务发送至所述分片节点。
5.根据权利要求1-3之一所述的系统,其中,所述分片节点根据所述补货任务的属性数据确定所述补货任务的调节类型,其中,所述调节类型包括供应量调节和起订量调节;
所述分片节点,响应于确定所述补货任务的调节类型为供应量调节,按照补货需求端不同且补货供给端相同且补货对象相同对所述补货任务相关的属性数据进行分片;响应于确定所述补货任务的调节类型为起订量调节,按照补货对象不同且补货需求端相同且补货供给端相同对所述补货任务相关的属性数据进行分片。
6.根据权利要求1-3之一所述的系统,其中,所述补货量计算节点确定所述数据分片集包含的补货对象的总数量和每个数据分片包含的补货对象的数量;在数据分片的缓存中存储所述数据分片集包含的补货对象的总数量和每个数据分片包含的补货对象的数量;以及
所述分片索引包括数据分片包含的补货对象的数量;以及
所述存储节点,从缓存中获取所述数据分片集包含的补货对象的总数量,以及确定接收到的各分片索引分别对应的补货对象的数量的总和与所述总数量是否相同;响应于确定接收到的各分片索引分别对应的补货对象的数量的总和与所述总数量相同,确定所述补货任务计算完成。
7.根据权利要求1-3之一所述的系统,其中,所述补货量计算节点,利用如下至少一项处理模式从缓存的补货需求数据中获取所述分片索引对应的补货需求数据:线程池、事件驱动模式和策略模式;以及
所述调节节点利用如下至少一项处理模式从缓存中获取对应的数据分片,以及从缓存中获取调节参数:线程池、事件驱动模式和策略模式。
8.根据权利要求4所述的系统,其中,所述分片节点、补货量计算节点、存储节点、调节节点和任务启动节点之间通过消息进行通信;以及
所述系统还包括消息控制节点,所述消息控制节点对所述每个数据分片在分片节点、补货量计算节点、存储节点、调节节点和任务启动节点中对应的消息进行控制。
9.一种补货方法,应用于补货量计算节点,包括:
接收分片节点发送的分片索引,从缓存中获取所述分片索引对应的数据分片,其中,所述分片索引包括任务标识和分片标识,所述任务标识由所述分片节点响应于接收到补货任务而生成,所述分片标识由所述分片节点通过如下步骤生成:从缓存中查询所述补货任务的属性数据,以及对所述补货任务的属性数据进行分片,得到数据分片集;对于所述数据分片集中的数据分片,生成该数据分片的分片标识,以及在缓存中存储所述任务标识、分片标识和数据分片之间的对应关系;
从缓存的补货需求数据中获取所述分片索引对应的补货需求数据;
对于所述分片索引对应的数据分片,根据该数据分片和对应的补货需求数据,确定该数据分片对应的补货量。
10.一种补货装置,应用于补货量计算节点,包括:
接收单元,被配置成接收分片节点发送的分片索引,从缓存中获取所述分片索引对应的数据分片,其中,所述分片索引包括任务标识和分片标识,所述任务标识由所述分片节点响应于接收到补货任务而生成,所述分片标识由所述分片节点通过如下步骤生成:从缓存中查询所述补货任务的属性数据,以及对所述补货任务的属性数据进行分片,得到数据分片集;对于所述数据分片集中的数据分片,生成该数据分片的分片标识,以及在缓存中存储所述任务标识、分片标识和数据分片之间的对应关系;
获取单元,被配置成从缓存的补货需求数据中获取所述分片索引对应的补货需求数据;
确定单元,被配置成对于所述分片索引对应的数据分片,根据该数据分片和对应的补货需求数据,确定该数据分片对应的补货量。
11.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
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9所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求9所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210192703.3A CN116739468A (zh) | 2022-03-01 | 2022-03-01 | 补货系统、方法和装置 |
PCT/CN2022/133208 WO2023165170A1 (zh) | 2022-03-01 | 2022-11-21 | 补货系统、方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210192703.3A CN116739468A (zh) | 2022-03-01 | 2022-03-01 | 补货系统、方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116739468A true CN116739468A (zh) | 2023-09-12 |
Family
ID=87882881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210192703.3A Pending CN116739468A (zh) | 2022-03-01 | 2022-03-01 | 补货系统、方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116739468A (zh) |
WO (1) | WO2023165170A1 (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831146A (zh) * | 2012-06-19 | 2012-12-19 | 天津神舟通用数据技术有限公司 | 数据库子串过滤索引系统及其构建、查询方法 |
CN106528683B (zh) * | 2016-10-25 | 2018-04-06 | 深圳市盛凯信息科技有限公司 | 一种基于索引分片均衡的大数据云搜索系统及其方法 |
CN112884389A (zh) * | 2019-11-29 | 2021-06-01 | 北京沃东天骏信息技术有限公司 | 数据处理方法和装置 |
CN113450047A (zh) * | 2020-03-27 | 2021-09-28 | 北京沃东天骏信息技术有限公司 | 用于电子补货设备的处理方法和装置、电子补货设备 |
CN113537861B (zh) * | 2020-04-16 | 2024-03-05 | 北京京东振世信息技术有限公司 | 补货方法和补货装置 |
CN113177824B (zh) * | 2021-05-06 | 2024-06-21 | 北京沃东天骏信息技术有限公司 | 补货任务处理方法、装置、计算机系统和可读存储介质 |
CN113673872B (zh) * | 2021-08-23 | 2024-04-16 | 北京京东振世信息技术有限公司 | 一种补货处理方法、装置、存储介质及电子设备 |
-
2022
- 2022-03-01 CN CN202210192703.3A patent/CN116739468A/zh active Pending
- 2022-11-21 WO PCT/CN2022/133208 patent/WO2023165170A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023165170A1 (zh) | 2023-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6887544B2 (ja) | イベント処理のための動的に型付けされたビッグデータによるイベントの充実化 | |
US7730034B1 (en) | Providing entity-related data storage on heterogeneous data repositories | |
US9606840B2 (en) | Enterprise data-driven system for predictive resource provisioning in cloud environments | |
CN109600447B (zh) | 用于处理数据的方法、装置和系统 | |
US20190362287A1 (en) | Real time updates and predictive functionality in block chain | |
US11275667B2 (en) | Handling of workload surges in a software application | |
US20120224482A1 (en) | Credit feedback system for parallel data flow control | |
US20190188408A1 (en) | Techniques for eventually consistent inheritance propagation for nested content item namespaces | |
US9942319B2 (en) | Asynchronous download for application offline support | |
US20210089649A1 (en) | Machine learning anomaly detection mechanism | |
CN114610719B (zh) | 跨集群数据处理方法、装置、电子设备以及存储介质 | |
CN113220705A (zh) | 慢查询识别的方法和装置 | |
CN116739468A (zh) | 补货系统、方法和装置 | |
CN114168595B (zh) | 一种数据分析方法及装置 | |
US9305066B2 (en) | System and method for remote data harmonization | |
CN110858199A (zh) | 一种单据数据分布式计算的方法和装置 | |
US20220043880A1 (en) | Systems and methods for predictive caching | |
CN110490501B (zh) | 一种运力状态管理方法和装置 | |
US10606673B2 (en) | Apparatus and method for running plurality of threads | |
CN112819490A (zh) | 一种预告秒杀广告的装置和方法 | |
US20230385113A1 (en) | Progress Monitoring Service | |
US20180173705A1 (en) | System and method for facilitating queries via request-prediction-based temporary storage of query results | |
US20240211516A1 (en) | Managing pre-caching of results | |
US11487722B2 (en) | Scalable querying for distributed systems | |
US11934879B1 (en) | Data processing using application sequence identifiers in cloud environments |
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 |