CN116909744A - 一种线程池参数调节方法、装置、存储介质及电子设备 - Google Patents
一种线程池参数调节方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116909744A CN116909744A CN202310902332.8A CN202310902332A CN116909744A CN 116909744 A CN116909744 A CN 116909744A CN 202310902332 A CN202310902332 A CN 202310902332A CN 116909744 A CN116909744 A CN 116909744A
- Authority
- CN
- China
- Prior art keywords
- task execution
- unit time
- execution rate
- thread pool
- rate
- 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 77
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5011—Pool
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5018—Thread allocation
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本说明书公开了一种线程池参数调节方法、装置、存储介质及电子设备。所述线程池参数调节方法包括:获取单位时间内的各历史任务执行信息,将所述历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定所述单位时间内的任务执行速率,根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,根据所述预估任务执行速率,确定所述指定时段内通过所述线程池进行任务执行所需的线程的数量,作为目标数量,按照所述目标数量对所述线程池进行调节,得到调节后线程池,以通过所述调节后线程池在指定时段内进行任务执行。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种线程池参数调节方法、装置、存储介质及电子设备。
背景技术
线程池是一种基于池化思想的线程管理技术,可以通过创建线程池来对已经创建的线程进行复用和管理,从而可以避免频繁创建和销毁线程所带来的资源消耗。
通常情况下,需要系统处理的任务量往往不是固定的,而目前创建的线程池却不能根据不同的任务量对线程池中的线程进行管理。例如:当需要系统处理的任务量较多时,线程池不能及时的增加新的线程以提高任务的执行效率。再例如:当需要系统处理的任务量较少时,线程池不能减少线程池中所运行的线程的数量以避免较多空闲线程运行所导致的计算资源的浪费。
发明内容
本说明书提供一种线程池参数调节方法、装置、存储介质及电子设备,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种线程池参数调节方法,包括:
获取单位时间内的各历史任务执行信息,所述各历史任务执行信息包括:单位时间内内存使用率、单位时间内中央处理器CPU利用率、线程池中包含的等待执行的任务的数量、单位时间内磁盘的读写数据速率,预设历史时段内所处理的任务的数据量;
将所述历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定所述单位时间内的任务执行速率;
根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,并根据所述预估任务执行速率,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量,作为目标数量;
按照所述目标数量对所述线程池进行调节,得到调节后线程池,以通过所述调节后线程池在所述指定时段内进行任务执行。
可选地,获取单位时间内的各历史任务执行信息,具体包括:
对所述线程池的运行进行监听,以在所述线程池每运行一个指定时间间隔时,针对该指定时间间隔中包含的每个单位时间,获取该单位时间内的各历史任务执行信息;
将所述历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定所述单位时间内的任务执行速率,具体包括:
针对该指定时间间隔中包含的每个单位时间,将该单位时间内的各历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定该单位时间内的任务执行速率。
可选地,所述指定时段包括:该指定时间间隔的下一个单位时间;
根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,具体包括:
基于该指定时间间隔中包含的每个单位时间的任务执行速率进行拟合,以根据拟合结果,确定该指定时间间隔的下一个单位时间的预估任务执行速率。
可选地,所述指定时段包括:该指定时间间隔的下一个指定时间间隔;
根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,具体包括:
针对该指定时间间隔中包含的每个单位时间,确定该单位时间的任务执行速率和该指定时间间隔中在该单位时间之前每个单位时间的任务执行速率的均值,作为该单位时间对应的目标均值;
基于该指定时间间隔中包含的每个单位时间对应的目标均值进行拟合,以根据拟合结果,确定该指定时间间隔的下一个指定时间间隔的预估任务执行速率。
可选地,获取单位时间内的各历史任务执行信息,具体包括:
获取至少一个预设历史时段内所处理的任务的数据量,其中,不同的预设历史时段的时间长度不同;
将所述历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定所述单位时间内的任务执行速率,具体包括:
针对每个预设历史时段,将单位时间内内存使用率、单位时间内中央处理器CPU利用率、线程池中包含的等待执行的任务的数量、单位时间内磁盘的读写数据速率,以及该预设历史时段内所处理的任务的数据量输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,基于该预设历史时段内所处理的任务的数据量,确定所述单位时间内的任务执行速率;
根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,具体包括:
根据基于每个预设历史时段确定出的所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率。
可选地,根据所述预估任务执行速率,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量,具体包括:
根据预测的标准任务指定速率和所述预估任务执行速率之间的比值,确定按照所述预估任务执行速率进行任务执行所需的初始线程数量;
根据所述初始线程数量,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量。
可选地,根据所述初始线程数量,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量,具体包括:
判断所述初始线程数量是否超过预设的第一阈值;
若否,则确定预设的第一指定线程数量为所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量。
可选地,所述方法还包括:
若所述初始线程数量超过预设的第一阈值,则判断所述初始线程数量是否超过预设的第二阈值;
若是,则确定预设的第二指定线程数量为所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量;
若否,则确定所述初始线程数量为所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量。
可选地,按照所述目标数量对所述线程池进行调节,得到调节后线程池,具体包括:
若所述目标数量大于所述线程池中包含的线程的数量,则锁定所述线程池的任务缓冲队列,并创建新的线程,以使所述线程池中线程的数量达到所述目标数量;
若所述目标数量小于所述线程池中包含的线程的数量,则锁定所述线程池的任务缓冲队列,并在确定所述线程池中不存在正在执行的任务后,销毁所述线程池中的至少部分线程,以使所述线程池中线程的数量达到所述目标数量。
本说明书中提供了一种线程池参数调节装置,包括:
获取模块,用于获取单位时间内的各历史任务执行信息,所述各历史任务执行信息包括:单位时间内内存使用率、单位时间内中央处理器CPU利用率、线程池中包含的等待执行的任务的数量、单位时间内磁盘的读写数据速率,预设历史时段内所处理的任务的数据量;
确定模块,用于将所述历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定所述单位时间内的任务执行速率;
预估模块,用于根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,并根据所述预估任务执行速率,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量,作为目标数量;
执行模块,用于按照所述目标数量对所述线程池进行调节,得到调节后线程池,以通过所述调节后线程池在所述指定时段内进行任务执行。
可选地,所述获取模块具体用于,对所述线程池的运行进行监听,以在所述线程池每运行一个指定时间间隔时,针对该指定时间间隔中包含的每个单位时间,获取该单位时间内的各历史任务执行信息;
所述确定模块具体用于,针对该指定时间间隔中包含的每个单位时间,将该单位时间内的各历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定该单位时间内的任务执行速率。
可选地,所述指定时段包括:该指定时间间隔的下一个单位时间;
所述预估模块具体用于,基于该指定时间间隔中包含的每个单位时间的任务执行速率进行拟合,以根据拟合结果,确定该指定时间间隔的下一个单位时间的预估任务执行速率。
可选地,所述指定时段包括:该指定时间间隔的下一个指定时间间隔;
所述预估模块具体用于,针对该指定时间间隔中包含的每个单位时间,确定该单位时间的任务执行速率和该指定时间间隔中在该单位时间之前每个单位时间的任务执行速率的均值,作为该单位时间对应的目标均值;基于该指定时间间隔中包含的每个单位时间对应的目标均值进行拟合,以根据拟合结果,确定该指定时间间隔的下一个指定时间间隔的预估任务执行速率。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述线程池参数调节方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述线程池参数调节方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的线程池参数调节方法中,首先获取单位时间内的各历史任务执行信息,其中,各历史任务执行信息包括:单位时间内内存使用率、单位时间内中央处理器CPU利用率、线程池中包含的等待执行的任务的数量、单位时间内磁盘的读写数据速率,预设历史时段内所处理的任务的数据量,将历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过任务执行速率确定模型,确定单位时间内的任务执行速率,根据单位时间内的任务执行速率,确定指定时段的预估任务执行速率,并根据预估任务执行速率,确定指定时段内通过线程池按照预估任务执行速率进行任务执行所需的线程的数量,作为目标数量,按照目标数量对线程池进行调节,得到调节后线程池,以通过调节后线程池在指定时段内进行任务执行。
从上述方法可以看出,可以根据单位时间内的反应服务器历史性能以及线程池历史状态的历史任务执行信息确定出历史任务执行速率,从而可以根据确定出的历史任务执行速率,预测出未来指定时段内的预估任务执行速率,进而可以确定出通过线程池按照预估任务执行速率进行任务执行所需的线程的数量,并对线程池进行调节。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中提供的一种线程池参数调节方法的流程示意图;
图2为本说明书中提供的神经网络模型的示意图;
图3为本说明书中提供的预估任务执行速率的确定过程示意图;
图4为本说明书提供的一种线程池参数调节装置的示意图;
图5为本说明书提供的一种对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中提供的一种线程池参数调节方法的流程示意图,包括以下步骤:
S101:获取单位时间内的各历史任务执行信息,所述各历史任务执行信息包括:单位时间内内存使用率、单位时间内中央处理器CPU利用率、线程池中包含的等待执行的任务的数量、单位时间内磁盘的读写数据速率,预设历史时段内所处理的任务的数据量。
在本说明书中,业务平台可以对线程池进行实时监听,以在线程池每运行指定时间间隔时,获取上一个指定时间间隔中包含的每个单位时间内的各历史任务执行信息,并根据上一个指定时间间隔中包含的每个单位时间内的各历史任务执行信息,对下一个指定时间间隔中需要进行任务处理的速率进行预估,得到预估结果,从而可以根据预估结果,对线程池进行调整。
其中,上述的历史任务执行信息可以是业务平台的服务器在单位时间内的性能参数以及线程池在单位时间内的参数,包括:单位时间内内存使用率、单位时间内中央处理器CPU利用率、线程池中包含的等待执行的任务的数量、单位时间内磁盘的读写数据速率,预设历史时段内所处理的任务的数据量。
另外,上述的历史时段可以为不同时长的历史时段,例如:1分钟、5分钟、15分钟,即,从当前单位时间往前的1分钟内业务平台的服务器所处理的任务的数据量,从当前单位时间往前的5分钟内业务平台的服务器所处理的任务的数据量、以及从当前单位时间往前的15分钟内业务平台的服务器所处理的任务的数据量。
在本说明书中,用于实现线程池参数调节方法的执行主体,可以是指服务器等设置于业务平台的指定设备,也可以是指诸如台式电脑、笔记本电脑等终端设备,为了便于描述,下面仅以服务器是执行主体为例,对本说明书提供的线程池参数调节方法进行说明。
S102:将所述历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定所述单位时间内的任务执行速率。
进一步地,服务器可以对线程池的运行进行监听,以在线程池每运行一个指定时间间隔时,针对该指定时间间隔中包含的每个单位时间,获取该单位时间内的各历史任务执行信息,针对该指定时间间隔中包含的每个单位时间,将该单位时间内的各历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过任务执行速率确定模型,确定该单位时间内的任务执行速率。
需要说明的是,上述的任务执行速率确定模型可以根据实际需求选用,优选地,上述的任务执行速率确定模型可以为反向传播(Back Propagation,BP)神经网络模型,如图2所示。
图2为本说明书中提供的神经网络模型的示意图。
结合图2可以看出,该神经网络模型可以包含三层神经网络,即输入层、隐层、输出层。
另外,上述的任务执行速率确定模型需要经过训练后方可部署到服务器中,其中,对上述的任务执行速率确定模型进行训练的方法可以为,针对每个单位时间,将该单位时间的各历史任务执行信息输入到预设的任务执行速率确定模型中,以通过任务执行速率确定模型,确定单位时间内的任务执行速率,进而可以以最小化通过任务执行速率确定模型确定出的该单位时间的任务执行速率和该单位时间的实际任务执行速率之间的偏差为优化目标,对任务执行速率确定模型进行训练。
具体地,上述的任务执行速率确定模型的每个隐层中包含的节点数可以为其中count_in表示输入节点数目,count_out表示输出节点数目,srandom可以设置为1~10之间的常数。其中,针对任务执行速率模型的每个隐层,该隐层的输入和隐层的输出之间的关系可以参考如下公式:
上述公式中,为该隐层的输出,/>为该隐层的输入,/>为上一个隐层节点的输出,wij为上一个隐层的节点对应的权重,f(*)为激发函数。
从上述公式中可以看出,服务器可以将该单位时间的各历史任务执行信息输入到预设的任务执行速率确定模型中,从任务执行速率确定模型的输入层经过每个隐层一层一层进行处理,通过所有的隐层之后,则传向输出层,在逐层处理的过程中,每一个隐层中各节点的状态只对下一层隐层中各节点的状态产生影响,得到输出结果,进而可以以最小化通过任务执行速率确定模型确定出的该单位时间的任务执行速率和该单位时间的实际任务执行速率之间的偏差为优化目标,进入反向传播过程,把误差信号按原来正向传播的通路反向传回,并对每个隐层的各个节点的权重wij进行修改。
进一步地,为了防止任务执行速率确定模型的收敛速度过慢、迭代步数过多以及基于当前的输入的全局搜索能力差等问题,还可以增加动量项以加速收敛计算过程,于是任务执行速率确定模型的每个隐层中的节点权重的迭代可以参考如下公式:
上述公式中,Δwij(t)表示当前迭代中节点的权重wij的变化量,Δwij(t+1)表示下一次迭代中节点的权重wij的变化量,α表示为动量因子,其取值在[0.1,0.8]之间,μ为学习速率取值范围为[0.1,1]。
上述公式中的可以参考如下公式:
当k=m时,
当k<m时,
S103:根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,并根据所述预估任务执行速率,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量,作为目标数量。
进一步地,服务器可以根据单位时间内的任务执行速率,确定指定时段的预估任务执行速率,并根据预估任务执行速率,确定指定时段内通过线程池按照预估任务执行速率进行任务执行所需的线程的数量,作为目标数量。
需要说明的是,上述的指定时段可以为该指定时间间隔的下一个单位时间,也可以为该指定时间间隔的下一个指定时间间隔,即,服务器可以根据确定出该指定时间间隔中包含的每个单位时间内的任务执行速率,预测该指定时间间隔的下一个单位时间的预估任务执行速率,也可以根据确定出该指定时间间隔中包含的每个单位时间内的任务执行速率,预测该指定时间间隔的下一个指定时间间隔的预估任务执行速率。
具体地,若指定时段为该指定时间间隔的下一个单位时间,则服务器可以基于该指定时间间隔中包含的每个单位时间的任务执行速率进行拟合,以根据拟合结果,确定该指定时间间隔的下一个单位时间的预估任务执行速率,具体可以参考如下公式。
Y=kt+b
上述公式中,Y为该指定时间间隔的下一个单位时间的预估任务执行速率,k和b为待拟合的系数,进而可以根据该指定时间间隔中包含的每个单位时间的任务执行速率,确定该指定时间间隔中包含的每个单位时间的任务执行速率和时间之间的函数关系,进而可以根据拟合出的函数关系,确定该指定时间间隔的下一个单位时间的预估任务执行速率。
若指定时段为该指定时间间隔的下一个指定时间间隔,则服务器可以针对该指定时间间隔中包含的每个单位时间,确定该单位时间的任务执行速率和该指定时间间隔中在该单位时间之前每个单位时间的任务执行速率的均值,作为该单位时间对应的目标均值,基于该指定时间间隔中包含的每个单位时间对应的目标均值进行拟合,以根据拟合结果,确定该指定时间间隔的下一个指定时间间隔的预估任务执行速率。
在实际应用场景中,通过上述方法确定出的该指定时间间隔的下一个单位时间的预估任务执行速率或者该指定时间间隔的下一个指定时间间隔的预估任务执行速率的准确率较低,基于此,服务器还可以基于不同时长的历史时段,确定该指定时间间隔的下一个单位时间的预估任务执行速率或者该指定时间间隔的下一个指定时间间隔的预估任务执行速率。
具体地,上述的历史时段可以为不同时长的历史时段,例如:1分钟、5分钟、15分钟,而不同时长的历史时段内服务器所述处理的任务的数据量之间存在一定的关联关系,而这种关联关系可以在一定程度上反应出从当前的指定时段内的任务执行速率到未来的指定时段内的任务执行速率的变化趋势。
例如:假设针对当前指定时段中包含的最后一个单位时间,从该最后一个单位时间往前的1分钟内服务器所处理的任务的数据量为40,而从该最后一个单位时间往前的5分钟内业务平台的服务器所处理的任务的数据量为100,则可以反应出该最后一个单位时间所处理的任务的数据量激增,即,从该最后一个单位时间往前的5分钟内前4分钟服务器所处理的任务的数据量较低,而到最后一分钟服务器所处理的任务的数据量激增为40,进而可以反应出在下一指定时段中服务器所处理的任务的数据量也可能存在激增。
基于此,服务器可以基于不同时长的预设历史时段内所处理的任务的数据量,确定单位时间内对应于不同时长的预设历史时段的任务执行速率,进而可以根据单位时间对应的基于各预设历史时段确定出的各任务执行速率,确定指定时段的预估任务执行速率,具体如图3所示。
图3为本说明书中提供的预估任务执行速率的确定过程示意图。
结合图3可以看出,服务器可以获取至少一个预设历史时段内所处理的任务的数据量,其中,不同的预设历史时段的时间长度不同,针对每个历史时段,将单位时间内内存使用率、单位时间内中央处理器CPU利用率、线程池中包含的等待执行的任务的数量、单位时间内磁盘的读写数据速率,以及该预设历史时段内所处理的任务的数据量输入到预先训练的任务执行速率确定模型中,以通过任务执行速率确定模型,基于该预设历史时段内所处理的任务的数据量,确定单位时间内的任务执行速率。
进而可以根据该指定时间间隔中包含的每个单位时间对应的基于各预设历史时段确定出的各任务执行速率,确定指定时段的预估任务执行速率,具体可以参考如下公式:
Yi=θ0+θ1Y1i+θ2Y5i+θ3Y15i
上述公式中,Yi为确定出的第i个单位时间内的任务执行速率,Y1i为基于时长为1分钟的历史时段确定出的第i个单位时间内的任务执行速率,Y5i为基于时长为5分钟的历史时段确定出的第i个单位时间内的任务执行速率,Y15i为基于时长为15分钟的历史时段确定出的第i个单位时间内的任务执行速率,θ0、θ1、θ2和θ3为待确定的系数。
进一步地,可以确定该指定时间间隔中包含的n个单位时间,则可以将上述公式转换为:Y′〃θ=Y,其中,
进而可以通过最小二乘法求取系数集合θ,表示为min‖Y-Y′·θ‖2,这里要求取最小值,对本式求导,即2(Y-Y′·θ)〃Y′=0,则有Y-Y′·θ=0,于是有Y′TY=Y′TY′·θ,即可得:
θ=(Y′TY′)-1Y′TY
基于上述公式,可以根据该指定时间间隔中包含的每个单位时间对应的基于各预设历史时段确定出的各任务执行速率,确定指定时段的预估任务执行速率。
进一步地,服务器可以根据预设的标准任务执行速率和预估任务执行速率之间的比值,确定按照预估任务执行速率进行任务执行所需的初始线程数量,根据初始线程数量,确定指定时段内通过线程池按照预估任务执行速率进行任务执行所需的线程的数量。
值得说明的是任务执行速率和按照该任务速率进行任务执行所需的线程数之间的关系可以参考如下公式:
上述公式中,v为任务执行速率,c为线程数,nΔt为指定时间间隔,Treal为任务被执行所需的时间,Twait为任务在任务缓冲队列中等待执行的时间。
上述的标准任务执行速率为服务器性能处于最优的状态下,线程池的线程数为指定线程数,以及每个任务被执行所需要等待时间最少(即同时任务相继进入线程池执行而无空闲,换句话说就是一个任务只需要等另一个任务执行完马上就可以被执行,也就是Treal=Twait)的情况下,线程池的任务执行速率。
因此,预设的标准任务执行速率和预估任务执行速率之间的比值可以参考如下公式:
上述公式中,v0为标准任务执行速率,v′为预估任务执行速率,C为指定线程数,C′为根据指定时段内通过线程池按照预估任务执行速率进行任务执行所需的线程的数量,Treal为标准任务执行速率下任务被执行所需的时间,T′real为预估任务执行速率下任务被执行所需的时间,T′wait为预估任务执行速率下任务被执行所需的时间。
需要说明的是,在服务器为线程池分配待执行任务的过程中,通常会将相同类型的任务分配到同一个线程池中进行任务执行,而同类型任务在实际执行过程中耗时基本一致,也就是上述Treal=T′real。基于此,预设的标准任务执行速率和预估任务执行速率之间的比值可以参考如下公式:
进一步地,上述的T′wait可以采用预先根据各历史任务执行时的等待时间确定出的均值,即其中,这里的length’为线程池中的等待队列此时长度,可以理解为线程池中等待执行的任务的数量,最终确定出的预设的标准任务执行速率和预估任务执行速率之间的比值和按照预估任务执行速率进行任务执行所需的初始线程数量之间的关系可以参考如下公式:
上述公式中,k为
进一步地,服务器在确定按照预估任务执行速率进行任务执行所需的初始线程数量之后,根据按照预估任务执行速率进行任务执行所需的初始线程数量,确定指定时段内通过线程池按照预估任务执行速率进行任务执行所需的线程的数量的方法可以为,判断初始线程数量是否超过预设的第一阈值,若否,则确定预设的第一指定线程数量为指定时段内通过线程池按照预估任务执行速率进行任务执行所需的线程的数量,若初始线程数量超过预设的第一阈值,则判断初始线程数量是否超过预设的第二阈值,若是,则确定预设的第二指定线程数量为指定时段内通过线程池按照预估任务执行速率进行任务执行所需的线程的数量,若否,则确定初始线程数量为指定时段内通过线程池按照预估任务执行速率进行任务执行所需的线程的数量,具体可以参考如下公式。
上述公式中,C′为初始线程数量,第一指定线程数量可以为1,第二指定线程数量可以为Core*2.5。
S104:按照所述目标数量对所述线程池进行调节,得到调节后线程池,以通过所述调节后线程池在所述指定时段内进行任务执行。
进一步地,服务器可以在确定目标数量后,若确定出的目标数量大于线程池中包含的线程的数量,则可以锁定线程池的任务缓冲队列,并创建新的线程,以使线程池中线程的数量达到所述目标数量。其中,锁定线程池可以是用于避免线程池开启新的任务,从而保证任务数据一致性。
若目标数量小于线程池中包含的线程的数量,则锁定线程池的任务缓冲队列,并在确定线程池中不存在正在执行的任务后,销毁线程池中的至少部分线程,以使线程池中线程的数量达到目标数量。
进一步地,服务器可以在按照目标数量对所述线程池进行调节,得到调节后线程池后,通过调节后线程池在指定时段内进行任务执行。
其中,上述的任务执行可以是例如:在医疗数据计算领域中,通过调节后线程池在指定时段内对异步处理的数据任务(如:CT图像生成任务等)进行任务执行。
从上述方法可以看出,可以根据单位时间内的反应服务器历史性能以及线程池历史状态的历史任务执行信息确定出历史任务执行速率,从而可以根据确定出的历史任务执行速率,预测出未来指定时段内的预估任务执行速率,进而可以确定出通过线程池按照预估任务执行速率进行任务执行所需的线程的数量,并对线程池进行调节。
以上为本说明书的一个或多个实施线程池参数调节方法,基于同样的思路,本说明书还提供了相应的线程池参数调节装置,如图4所示。
图4为本说明书提供的一种线程池参数调节装置的示意图,包括:
获取模块401,用于获取单位时间内的各历史任务执行信息,所述各历史任务执行信息包括:单位时间内内存使用率、单位时间内中央处理器CPU利用率、线程池中包含的等待执行的任务的数量、单位时间内磁盘的读写数据速率,预设历史时段内所处理的任务的数据量;
确定模块402,用于将所述历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定所述单位时间内的任务执行速率;
预估模块403,用于根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,并根据所述预估任务执行速率,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量,作为目标数量;
执行模块404,用于按照所述目标数量对所述线程池进行调节,得到调节后线程池,以通过所述调节后线程池在所述指定时段内进行任务执行。
可选地,所述获取模块401具体用于,对所述线程池的运行进行监听,以在所述线程池每运行一个指定时间间隔时,针对该指定时间间隔中包含的每个单位时间,获取该单位时间内的各历史任务执行信息;
所述确定模块402具体用于,针对该指定时间间隔中包含的每个单位时间,将该单位时间内的各历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定该单位时间内的任务执行速率。
可选地,所述指定时段包括:该指定时间间隔的下一个单位时间;
所述预估模块403具体用于,基于该指定时间间隔中包含的每个单位时间的任务执行速率进行拟合,以根据拟合结果,确定该指定时间间隔的下一个单位时间的预估任务执行速率。
可选地,所述指定时段包括:该指定时间间隔的下一个指定时间间隔;
所述预估模块403具体用于,针对该指定时间间隔中包含的每个单位时间,确定该单位时间的任务执行速率和该指定时间间隔中在该单位时间之前每个单位时间的任务执行速率的均值,作为该单位时间对应的目标均值;基于该指定时间间隔中包含的每个单位时间对应的目标均值进行拟合,以根据拟合结果,确定该指定时间间隔的下一个指定时间间隔的预估任务执行速率。
可选地,所述获取模块401具体用于,获取至少一个预设历史时段内所处理的任务的数据量,其中,不同的预设历史时段的时间长度不同;针对每个预设历史时段,将单位时间内内存使用率、单位时间内中央处理器CPU利用率、线程池中包含的等待执行的任务的数量、单位时间内磁盘的读写数据速率,以及该预设历史时段内所处理的任务的数据量输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,基于该预设历史时段内所处理的任务的数据量,确定所述单位时间内的任务执行速率;根据基于每个预设历史时段确定出的所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率。
可选地,所述预估模块403具体用于,根据预测的标准任务指定速率和所述预估任务执行速率之间的比值,确定按照所述预估任务执行速率进行任务执行所需的初始线程数量;根据所述初始线程数量,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量。
可选地,所述预估模块403具体用于,判断所述初始线程数量是否超过预设的第一阈值;若否,则确定预设的第一指定线程数量为所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量。
可选地,所述预估模块403具体用于,若所述初始线程数量超过预设的第一阈值,则判断所述初始线程数量是否超过预设的第二阈值;若是,则确定预设的第二指定线程数量为所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量;若否,则确定所述初始线程数量为所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量。
可选地,所述执行模块404具体用于,若所述目标数量大于所述线程池中包含的线程的数量,则锁定所述线程池的任务缓冲队列,并创建新的线程,以使所述线程池中线程的数量达到所述目标数量;若所述目标数量小于所述线程池中包含的线程的数量,则锁定所述线程池的任务缓冲队列,并在确定所述线程池中不存在正在执行的任务后,销毁所述线程池中的至少部分线程,以使所述线程池中线程的数量达到所述目标数量。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的一种线程池参数调节方法。
本说明书还提供了图5所示的一种对应于图1的电子设备的示意结构图。如图5所述,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的线程池参数调节方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(ProgrammableLogic Device,PLD)(例如现场可编程门阵列(Field Programmable Gate Array,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware DescriptionLanguage,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced BooleanExpression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java HardwareDescription Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby Hardware DescriptionLanguage)等,目前最普遍使用的是VHDL(Very-High-Speed Integrated CircuitHardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的调节中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (15)
1.一种线程池参数调节方法,其特征在于,包括:
获取单位时间内的各历史任务执行信息,所述各历史任务执行信息包括:单位时间内内存使用率、单位时间内中央处理器CPU利用率、线程池中包含的等待执行的任务的数量、单位时间内磁盘的读写数据速率,预设历史时段内所处理的任务的数据量;
将所述历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定所述单位时间内的任务执行速率;
根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,并根据所述预估任务执行速率,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量,作为目标数量;
按照所述目标数量对所述线程池进行调节,得到调节后线程池,以通过所述调节后线程池在所述指定时段内进行任务执行。
2.如权利要求1所述的方法,其特征在于,获取单位时间内的各历史任务执行信息,具体包括:
对所述线程池的运行进行监听,以在所述线程池每运行一个指定时间间隔时,针对该指定时间间隔中包含的每个单位时间,获取该单位时间内的各历史任务执行信息;
将所述历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定所述单位时间内的任务执行速率,具体包括:
针对该指定时间间隔中包含的每个单位时间,将该单位时间内的各历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定该单位时间内的任务执行速率。
3.如权利要求2所述的方法,其特征在于,所述指定时段包括:该指定时间间隔的下一个单位时间;
根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,具体包括:
基于该指定时间间隔中包含的每个单位时间的任务执行速率进行拟合,以根据拟合结果,确定该指定时间间隔的下一个单位时间的预估任务执行速率。
4.如权利要求2所述的方法,其特征在于,所述指定时段包括:该指定时间间隔的下一个指定时间间隔;
根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,具体包括:
针对该指定时间间隔中包含的每个单位时间,确定该单位时间的任务执行速率和该指定时间间隔中在该单位时间之前每个单位时间的任务执行速率的均值,作为该单位时间对应的目标均值;
基于该指定时间间隔中包含的每个单位时间对应的目标均值进行拟合,以根据拟合结果,确定该指定时间间隔的下一个指定时间间隔的预估任务执行速率。
5.如权利要求1所述的方法,其特征在于,获取单位时间内的各历史任务执行信息,具体包括:
获取至少一个预设历史时段内所处理的任务的数据量,其中,不同的预设历史时段的时间长度不同;
将所述历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定所述单位时间内的任务执行速率,具体包括:
针对每个预设历史时段,将单位时间内内存使用率、单位时间内中央处理器CPU利用率、线程池中包含的等待执行的任务的数量、单位时间内磁盘的读写数据速率,以及该预设历史时段内所处理的任务的数据量输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,基于该预设历史时段内所处理的任务的数据量,确定所述单位时间内的任务执行速率;
根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,具体包括:
根据基于每个预设历史时段确定出的所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率。
6.如权利要求1所述的方法,其特征在于,根据所述预估任务执行速率,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量,具体包括:
根据预测的标准任务指定速率和所述预估任务执行速率之间的比值,确定按照所述预估任务执行速率进行任务执行所需的初始线程数量;
根据所述初始线程数量,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量。
7.如权利要求6所述的方法,其特征在于,根据所述初始线程数量,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量,具体包括:
判断所述初始线程数量是否超过预设的第一阈值;
若否,则确定预设的第一指定线程数量为所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量。
8.如权利要求7所述的方法,其特征在于,所述方法还包括:
若所述初始线程数量超过预设的第一阈值,则判断所述初始线程数量是否超过预设的第二阈值;
若是,则确定预设的第二指定线程数量为所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量;
若否,则确定所述初始线程数量为所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量。
9.如权利要求1所述的方法,其特征在于,按照所述目标数量对所述线程池进行调节,得到调节后线程池,具体包括:
若所述目标数量大于所述线程池中包含的线程的数量,则锁定所述线程池的任务缓冲队列,并创建新的线程,以使所述线程池中线程的数量达到所述目标数量;
若所述目标数量小于所述线程池中包含的线程的数量,则锁定所述线程池的任务缓冲队列,并在确定所述线程池中不存在正在执行的任务后,销毁所述线程池中的至少部分线程,以使所述线程池中线程的数量达到所述目标数量。
10.一种线程池参数调节装置,其特征在于,包括:
获取模块,用于获取单位时间内的各历史任务执行信息,所述各历史任务执行信息包括:单位时间内内存使用率、单位时间内中央处理器CPU利用率、线程池中包含的等待执行的任务的数量、单位时间内磁盘的读写数据速率,预设历史时段内所处理的任务的数据量;
确定模块,用于将所述历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定所述单位时间内的任务执行速率;
预估模块,用于根据所述单位时间内的任务执行速率,确定指定时段的预估任务执行速率,并根据所述预估任务执行速率,确定所述指定时段内通过所述线程池按照所述预估任务执行速率进行任务执行所需的线程的数量,作为目标数量;
执行模块,用于按照所述目标数量对所述线程池进行调节,得到调节后线程池,以通过所述调节后线程池在所述指定时段内进行任务执行。
11.如权利要求10所述的装置,其特征在于,所述获取模块具体用于,对所述线程池的运行进行监听,以在所述线程池每运行一个指定时间间隔时,针对该指定时间间隔中包含的每个单位时间,获取该单位时间内的各历史任务执行信息;
所述确定模块具体用于,针对该指定时间间隔中包含的每个单位时间,将该单位时间内的各历史任务执行信息输入到预先训练的任务执行速率确定模型中,以通过所述任务执行速率确定模型,确定该单位时间内的任务执行速率。
12.如权利要求11所述的装置,其特征在于,所述指定时段包括:该指定时间间隔的下一个单位时间;
所述预估模块具体用于,基于该指定时间间隔中包含的每个单位时间的任务执行速率进行拟合,以根据拟合结果,确定该指定时间间隔的下一个单位时间的预估任务执行速率。
13.如权利要求11所述的装置,其特征在于,所述指定时段包括:该指定时间间隔的下一个指定时间间隔;
所述预估模块具体用于,针对该指定时间间隔中包含的每个单位时间,确定该单位时间的任务执行速率和该指定时间间隔中在该单位时间之前每个单位时间的任务执行速率的均值,作为该单位时间对应的目标均值;基于该指定时间间隔中包含的每个单位时间对应的目标均值进行拟合,以根据拟合结果,确定该指定时间间隔的下一个指定时间间隔的预估任务执行速率。
14.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~9任一项所述的方法。
15.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310902332.8A CN116909744A (zh) | 2023-07-20 | 2023-07-20 | 一种线程池参数调节方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310902332.8A CN116909744A (zh) | 2023-07-20 | 2023-07-20 | 一种线程池参数调节方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116909744A true CN116909744A (zh) | 2023-10-20 |
Family
ID=88352729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310902332.8A Pending CN116909744A (zh) | 2023-07-20 | 2023-07-20 | 一种线程池参数调节方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116909744A (zh) |
-
2023
- 2023-07-20 CN CN202310902332.8A patent/CN116909744A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116432778B (zh) | 一种数据处理的方法、装置、存储介质及电子设备 | |
CN111782409B (zh) | 任务处理、风险识别任务处理方法、装置及电子设备 | |
CN116225669B (zh) | 一种任务执行方法、装置、存储介质及电子设备 | |
CN117195997B (zh) | 一种模型训练方法、装置、存储介质及电子设备 | |
CN116302898A (zh) | 一种任务治理方法、装置、存储介质及电子设备 | |
CN116932175B (zh) | 一种基于序列生成的异构芯片任务调度方法以及装置 | |
CN116521350B (zh) | 基于深度学习算法的etl调度方法及装置 | |
CN116384505A (zh) | 一种数据处理的方法、装置、存储介质及电子设备 | |
CN116909744A (zh) | 一种线程池参数调节方法、装置、存储介质及电子设备 | |
CN116347623A (zh) | 一种任务调度的方法、装置、存储介质及电子设备 | |
CN113177632B (zh) | 一种基于流水线并行的模型训练方法、装置以及设备 | |
CN113298445B (zh) | 一种模型训练和调度无人设备的方法及装置 | |
CN110032433B (zh) | 一种任务执行方法、装置、设备及介质 | |
CN116149865B (zh) | 一种变频执行任务的方法、装置、设备及可读存储介质 | |
CN117873789B (zh) | 一种基于分段量化的检查点写入方法及装置 | |
CN116755862B (zh) | 一种算子优化调度模型的训练方法、装置、介质及设备 | |
CN117076135B (zh) | 一种资源调度方法、装置、存储介质及电子设备 | |
CN116340004A (zh) | 一种任务执行的方法、装置、存储介质及电子设备 | |
CN116109008B (zh) | 一种业务执行的方法、装置、存储介质及电子设备 | |
CN116204324A (zh) | 一种任务执行的方法、装置、存储介质及电子设备 | |
CN117891600A (zh) | 一种任务调度的方法、装置、存储介质及电子设备 | |
CN116755893B (zh) | 面向深度学习的分布式计算系统的作业调度方法和装置 | |
CN117032999B (zh) | 一种基于异步运行时的cpu-gpu协同调度方法及装置 | |
CN117421129B (zh) | 一种基于异构存储集群的业务执行方法、装置及电子设备 | |
CN117499492A (zh) | 数据处理方法、装置及设备 |
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 |