CN117271121A - 一种任务处理进度控制方法、装置、设备及其存储介质 - Google Patents
一种任务处理进度控制方法、装置、设备及其存储介质 Download PDFInfo
- Publication number
- CN117271121A CN117271121A CN202311190263.9A CN202311190263A CN117271121A CN 117271121 A CN117271121 A CN 117271121A CN 202311190263 A CN202311190263 A CN 202311190263A CN 117271121 A CN117271121 A CN 117271121A
- Authority
- CN
- China
- Prior art keywords
- processed
- task
- video memory
- target
- processing
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 223
- 238000000034 method Methods 0.000 title claims abstract description 94
- 230000015654 memory Effects 0.000 claims abstract description 193
- 238000012544 monitoring process Methods 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 13
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 101100136092 Drosophila melanogaster peng gene Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000003068 static effect Effects 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
- G06F9/5038—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 considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Stored Programmes (AREA)
Abstract
本申请实施例属于金融科技技术领域,应用于金融业务处理进度控制场景中,涉及一种任务处理进度控制方法、装置、设备及其存储介质,包括获取金融业务数据,创建待处理任务;确定待处理任务的处理顺序;根据处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内;获取目标待处理任务对应的算法处理参数,并运行目标算法处理程序,获得金融业务处理结果。通过预设的加载控制组件和GPU显存监测进程,科学的控制GPU处理资源加载,避免了多进程抢占资源的情况,有效提高了GPU处理生产效率,从而提高金融业务处理效果和处理速度,便于金融从业人员进行金融业务状态观测和分析。
Description
技术领域
本申请涉及金融科技技术领域,应用于金融业务处理进度控制场景中,尤其涉及一种任务处理进度控制方法、装置、设备及其存储介质。
背景技术
随着金融行业的快速发展,金融公司涉及到的业务范围越来越宽泛,尤其体现在金融业务处理过程中,由于涉及到的业务范围越来越宽泛,可能需要根据不同的金融业务设计不同处理任务。
在目前金融公司内,以往项目中金融业务处理,大多数使用人为加载程序的手段进行机械上载,受时间、空间等资源的约束,使得当程序跑完后,存在GPU显存空闲的情况,导致对显存的利用度较低。同时,显存出现空闲时,也会出现多个加载资源可能存在冲突,导致自动加载失败的情况,这些情况会降低GPU处理生产效率,从而降低了金融业务处理效果和处理速度,不利于金融从业人员进行金融业务状态观测和分析。
发明内容
本申请实施例的目的在于提出一种任务处理进度控制方法、装置、设备及其存储介质,以解决现有技术在进行GPU资源加载时,加载方式不够科学,降低GPU处理生产效率,从而降低了金融业务处理效果和处理速度,不利于金融从业人员进行金融业务状态观测和分析的问题。
为了解决上述技术问题,本申请实施例提供任务处理进度控制方法,采用了如下所述的技术方案:
一种任务处理进度控制方法,包括下述步骤:
获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务,其中,所述金融业务数据至少包括业务类型;
基于预设的数据库配置文件识别所有待处理任务的业务类型优先级信息、所有待处理任务的算法处理程序,以及所述算法处理程序所需要处理的数据;
根据所述业务类型优先级信息,确定所述待处理任务的处理顺序;
根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内;
在目标算法处理程序所需要处理的数据被加载到所述GPU显存内之后,获取目标待处理任务对应的算法处理参数,并运行所述目标算法处理程序,对所述数据库任务进程列表中的目标待处理任务进行处理,获得金融业务处理结果。
进一步的,所述获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务的步骤,具体包括:
获取由目标金融数据服务终端推送的金融业务数据;
解析所述金融业务数据,根据解析结果识别所述金融业务数据对应的业务类型;
根据所述金融业务数据对应业务类型的不同在所述数据库任务进程列表中分别创建待处理任务,并将所述待处理任务的状态标识设置为等待处理状态;
根据业务类型和所述状态标识,从所述数据库任务进程列表中获取所有待处理任务,将所述待处理任务加入到待处理任务队列中。
进一步的,在执行所述将所述待处理任务加入到待处理任务队列中的步骤之后,所述方法还包括:
根据所述GPU显存监测进程,识别目标待处理任务对应的算法处理程序所需要处理的数据是否被加载到GPU显存内;
若所述目标待处理任务对应的算法处理程序所需要处理的数据已被加载到GPU显存内,则将所述目标待处理任务的状态标识更新为可执行处理状态;
根据所述GPU显存监测进程,识别目标待处理任务对应的算法处理程序是否被运行;
若所述目标待处理任务对应的算法处理程序已被运行,则将所述目标待处理任务的状态标识更新为正在处理状态;
根据所述GPU显存监测进程,识别目标待处理任务对应的算法处理程序是否已运行完成;
若所述目标待处理任务对应的算法处理程序已运行完成,则将所述目标待处理任务的状态标识更新为处理完成状态,并将所述目标待处理任务从所述待处理任务队列中转存到预设的已完成处理任务队列中。
进一步的,所述根据所述业务类型优先级信息,确定所述待处理任务的处理顺序的步骤,具体包括:
获取所述数据库配置文件中所有业务类型分别对应的优先级信息,以及所有业务类型分别对应的算法处理程序;
预先基于所有业务类型分别对应的算法处理程序,在数据库创建所述任务进程列表;
根据所述优先级信息,在所述任务进程列表中设置所有待处理任务的优先级信息;
根据所有待处理任务的优先级信息,调整所述待处理任务队列中所有待处理任务的处理顺序。
进一步的,所述根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内的步骤,具体包括:
按照所述处理顺序,依次将所有待处理任务分别对应的算法处理程序设为目标算法处理程序;
根据所述加载控制组件,判断目标算法处理程序所需处理的数据是否已经达到了期望加载时间;
根据所述GPU显存监测进程,判断目标GPU的剩余显存是否超过期望显存,其中,所述期望显存表示根据所述目标算法处理程序进行任务处理所需使用的显存;
若所述目标算法处理程序所需处理的数据未达到期望加载时间,或者,所述目标GPU的剩余显存未超过期望显存,则继续进行加载等待;
直到所述目标算法处理程序所需处理的数据已经达到了期望加载时间,且所述目标GPU的剩余显存超过了期望显存,则加载所述目标算法处理程序所需要处理的数据到目标GPU的显存内。
进一步的,所述根据所述加载控制组件,判断目标算法处理程序所需处理的数据是否已经达到了期望加载时间的步骤,具体包括:
预先启动所述加载控制组件内的轮询判断程序,其中,所述轮询判断程序的具体实现方式为:在while循环程序内写入加载停滞函数,所述加载停滞函数采用sleep函数实现,所述sleep函数的参数信息表示加载停滞时长;
获取上一个算法处理程序所需处理的数据开始被加载时的系统时间,作为加载停滞开始时间;
获取当前系统时间;
计算所述加载停滞开始时间和所述当前系统时间的时间差值;
判断所述时间差值是否超过所述加载停滞时长;
若所述时间差值超过所述加载停滞时长,则所述目标算法处理程序所需处理的数据已经达到了期望加载时间;
若所述时间差值未超过所述加载停滞时长,则所述目标算法处理程序所需处理的数据未达到期望加载时间。
进一步的,所述根据所述GPU显存监测进程,判断目标GPU的剩余显存是否超过期望显存的步骤,具体包括:
通过所述GPU显存监测进程和预设的获取函数,获得目标GPU的剩余显存,作为第一显存;
获取根据目标算法处理程序进行任务处理所需使用的显存,作为第二显存;
判断所述第一显存是否超过所述第二显存;
若所述第一显存超过所述第二显存,则所述目标GPU的剩余显存超过了期望显存;
若所述第一显存未超过所述第二显存,则所述目标GPU的剩余显存未超过期望显存。
为了解决上述技术问题,本申请实施例还提供任务处理进度控制装置,采用了如下所述的技术方案:
一种任务处理进度控制装置,包括:
待处理任务创建模块,用于获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务,其中,所述金融业务数据至少包括业务类型;
任务处理信息识别模块,用于基于预设的数据库配置文件识别所有待处理任务的业务类型优先级信息、所有待处理任务的算法处理程序,以及所述算法处理程序所需要处理的数据;
任务处理顺序确定模块,用于根据所述业务类型优先级信息,确定所述待处理任务的处理顺序;
目标处理数据加载模块,用于根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内;
待处理任务执行模块,用于在目标算法处理程序所需要处理的数据被加载到所述GPU显存内之后,获取目标待处理任务对应的算法处理参数,并运行所述目标算法处理程序,对所述数据库任务进程列表中的目标待处理任务进行处理,获得金融业务处理结果。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现上述所述的任务处理进度控制方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述所述的任务处理进度控制方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例所述任务处理进度控制方法,通过获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务;基于预设的数据库配置文件,识别所有待处理任务的业务类型优先级信息、所有待处理任务的算法处理程序,以及算法处理程序所需要处理的数据;根据待处理任务的业务类型优先级信息,确定待处理任务的处理顺序;根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内;在目标算法处理程序所需要处理的数据被加载到所述GPU显存内之后,获取目标待处理任务对应的算法处理参数,并运行目标算法处理程序,对数据库任务进程列表中的目标待处理任务进行处理,获得金融业务处理结果。通过加载控制组件和GPU显存监测进程,科学的控制GPU处理资源加载,避免了多进程抢占资源的情况,有效提高了GPU处理生产效率,从而提高金融业务处理效果和处理速度,便于金融从业人员进行金融业务状态观测和分析。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的任务处理进度控制方法的一个实施例的流程图;
图3是图2所示步骤201的一个具体实施例的流程图;
图4是图2所示步骤203的一个具体实施例的流程图;
图5是图2所示步骤204的一个具体实施例的流程图;
图6是图5所示步骤501的一个具体实施例的流程图;
图7是图5所示步骤502的一个具体实施例的流程图;
图8是根据本申请的任务处理进度控制装置的一个实施例的结构示意图;
图9是图8所示模块804的一个具体实施例的结构示意图;
图10是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器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。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备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、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的任务处理进度控制方法一般由服务器/终端设备执行,相应地,任务处理进度控制装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器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、网络和服务器。
继续参考图2,示出了根据本申请的任务处理进度控制方法的一个实施例的流程图。所述的任务处理进度控制方法,包括以下步骤:
步骤201,获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务,其中,所述金融业务数据至少包括业务类型。
继续参考图3,图3是图2所示步骤201的一个具体实施例的流程图,包括:
步骤301,获取由目标金融数据服务终端推送的金融业务数据;
本实施例中,所述目标金融数据服务终端包括:WIND、Capital IQ、FactSet、EikonMessenge、Bloomberg或者自构建的金融数据服务终端;万得wind是一个金融信息及软件服务平台,数据内容涵盖股票、基金、债券、外汇、保险、期货、金融衍生品、现货交易、宏观经济、财经新闻等;Capital IQ是一个采用国际上最新最顶尖的技术建立的纯网页格式的金融数据库,是金融分析师和投资经理的重要的分析工具;FactSet是全球各地投资管理和投资银行专业人士,分析财务数据的应用程序;Eikon Messenger是提供金融专业人士进行行情探讨的金融数据服务终端;彭博Bloomberg,是一个金融资源整合平台,可以查询产品的基本信息、报价、分析数据、比较定价,也可以查询行业、公司、产品的公开数据。
步骤302,解析所述金融业务数据,根据解析结果识别所述金融业务数据对应的业务类型;
其中,所述业务类型包括股票、基金、债券、外汇、保险、期货、金融衍生品等。
步骤303,根据所述金融业务数据对应业务类型的不同在所述数据库任务进程列表中分别创建待处理任务,并将所述待处理任务的状态标识设置为等待处理状态;
具体的,所述待处理任务指金融业务待处理任务。
步骤304,根据业务类型和所述状态标识,从所述数据库任务进程列表中获取所有待处理任务,将所述待处理任务加入到待处理任务队列中。
本实施例中,在执行所述将所述待处理任务加入到待处理任务队列中的步骤之后,所述方法还包括:根据所述GPU显存监测进程,识别目标待处理任务对应的算法处理程序所需要处理的数据是否被加载到GPU显存内;若所述目标待处理任务对应的算法处理程序所需要处理的数据已被加载到GPU显存内,则将所述目标待处理任务的状态标识更新为可执行处理状态;根据所述GPU显存监测进程,识别目标待处理任务对应的算法处理程序是否被运行;若所述目标待处理任务对应的算法处理程序已被运行,则将所述目标待处理任务的状态标识更新为正在处理状态;根据所述GPU显存监测进程,识别目标待处理任务对应的算法处理程序是否已运行完成;若所述目标待处理任务对应的算法处理程序已运行完成,则将所述目标待处理任务的状态标识更新为处理完成状态,并将所述目标待处理任务从所述待处理任务队列中转存到预设的已完成处理任务队列中。
通过所述GPU显存监测进程,识别目标待处理任务的不同处理状态,并更新对应的状态,便于监测人员识别金融业务待处理任务是否可执行、是否正在处理和是否被处理完成,更加便于金融从业人员进行金融业务状态观测和分析。
步骤202,基于预设的数据库配置文件识别所有待处理任务的业务类型优先级信息、所有待处理任务的算法处理程序,以及所述算法处理程序所需要处理的数据。
本实施例中,所述所有待处理任务的算法处理程序,包括执行每个待处理任务的算法处理程序。所述算法处理程序所需要处理的数据,包括待处理的金融业务数据、程序执行配置数据等。
步骤203,根据所述业务类型优先级信息,确定所述待处理任务的处理顺序。
继续参考图4,图4是图2所示步骤203的一个具体实施例的流程图,包括:
步骤401,获取所述数据库配置文件中所有业务类型分别对应的优先级信息,以及所有业务类型分别对应的算法处理程序;
步骤402,预先基于所有业务类型分别对应的算法处理程序,在数据库创建所述任务进程列表;
步骤403,根据所述优先级信息,在所述任务进程列表中设置所有待处理任务的优先级信息;
步骤404,根据所有待处理任务的优先级信息,调整所述待处理任务队列中所有待处理任务的处理顺序。
通过所有金融业务类型分别对应的优先级信息,设置所有金融待处理任务的优先级信息,调整所述待处理任务队列中所有金融待处理任务的处理顺序,便于根据处理优先级进行处理,避免了机器资源分配不均衡。
步骤204,根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内。
显存,全称显示内存,即显示卡专用内存。显存对于显卡就好比内存对于整台电脑,地位非常重要,它负责存储显示芯片需要处理的各种数据,显示芯片即GPU,GPU是显卡的一个组成部分。一般来说,显存的容量越大,能够呈现的画面细节和效果就越高,而显存的速度越快,图形处理的速度就越快。根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内,也能提高数据处理效果和数据处理速度。
本实施例中,所述加载控制组件,结合了while循环判断和sleep停滞函数,其中,while循环判断用于在每一个待处理任务处理完成时,判断处理完成时的时间和当前系统时间是否达到的所述sleep停滞函数中设置的停滞时长,通过判断结果,决定是否将下一个待处理任务对应的算法处理程序所需要处理的数据加载到目标GPU显存内。通过控制所需要处理数据的加载,避免了多进程抢占资源的情况,有效提高了GPU处理生产效率。有效提高金融业务处理效果和处理速度,便于金融从业人员进行金融业务状态观测和分析。
继续参考图5,图5是图2所示步骤204的一个具体实施例的流程图,包括:
步骤501,按照所述处理顺序,依次将所有待处理任务分别对应的算法处理程序设为目标算法处理程序;
步骤502,根据所述加载控制组件,判断目标算法处理程序所需处理的数据是否已经达到了期望加载时间;
继续参考图6,图6是图5所示步骤502的一个具体实施例的流程图,包括:
步骤601,预先启动所述加载控制组件内的轮询判断程序;
本实施例中,所述轮询判断程序的具体实现方式为:在while循环程序内写入加载停滞函数,所述加载停滞函数采用sleep函数实现,所述sleep函数的参数信息表示加载停滞时长。
步骤602,获取上一个算法处理程序所需处理的数据开始被加载时的系统时间,作为加载停滞开始时间;
步骤603,获取当前系统时间;
步骤604,计算所述加载停滞开始时间和所述当前系统时间的时间差值;
步骤605,判断所述时间差值是否超过所述加载停滞时长;
步骤606,若所述时间差值超过所述加载停滞时长,则所述目标算法处理程序所需处理的数据已经达到了期望加载时间;
步骤607,若所述时间差值未超过所述加载停滞时长,则所述目标算法处理程序所需处理的数据未达到期望加载时间。
步骤503,根据所述GPU显存监测进程,判断目标GPU的剩余显存是否超过期望显存,其中,所述期望显存表示根据所述目标算法处理程序进行任务处理所需使用的显存;
继续参考图7,图7是图5所示步骤503的一个具体实施例的流程图,包括:
步骤701,通过所述GPU显存监测进程和预设的获取函数,获得目标GPU的剩余显存,作为第一显存;
本实施例中,通过所述GPU显存监测进程和预设的获取函数,获得目标GPU的剩余显存,可以采用pynvml程序包中函数获得目标GPU剩余显存,具体的,使用pynvml.nvmlInit()获得GPU工作状态,确定工作中的GPU,再根据handle=pynvml.nvmlDeviceGetHandleByIndex(gpu_id)指定显卡号,其中,gpu_id表示目标GPU的ID信息,再使用pynvml.nvmlDeviceGetMemoryInfo(handle).free获取指定显卡号下的剩余显存数量。
步骤702,获取根据目标算法处理程序进行任务处理所需使用的显存,作为第二显存;
步骤703,判断所述第一显存是否超过所述第二显存;
步骤704,若所述第一显存超过所述第二显存,则所述目标GPU的剩余显存超过了期望显存;
步骤705,若所述第一显存未超过所述第二显存,则所述目标GPU的剩余显存未超过期望显存。
步骤503,若所述目标算法处理程序所需处理的数据未达到期望加载时间,或者,所述目标GPU的剩余显存未超过期望显存,则继续进行加载等待;
步骤504,直到所述目标算法处理程序所需处理的数据已经达到了期望加载时间,且所述目标GPU的剩余显存超过了期望显存,则加载所述目标算法处理程序所需要处理的数据到目标GPU的显存内。
通过识别出所述目标算法处理程序所需处理的数据已经达到了期望加载时间,且所述目标GPU的剩余显存超过了期望显存,则加载所述目标算法处理程序所需要处理的数据到目标GPU的显存内,通过控制所需要处理数据的加载,避免了多进程抢占资源的情况,有效提高了GPU处理生产效率。有效提高金融业务处理效果和处理速度,便于金融从业人员进行金融业务状态观测和分析。
步骤205,在目标算法处理程序所需要处理的数据被加载到所述GPU显存内之后,获取目标待处理任务对应的算法处理参数,并运行所述目标算法处理程序,对所述数据库任务进程列表中的目标待处理任务进行处理,获得金融业务处理结果。
本申请通过获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务;基于预设的数据库配置文件,识别所有待处理任务的业务类型优先级信息、所有待处理任务的算法处理程序,以及算法处理程序所需要处理的数据;根据待处理任务的业务类型优先级信息,确定待处理任务的处理顺序;根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内;在目标算法处理程序所需要处理的数据被加载到所述GPU显存内之后,获取目标待处理任务对应的算法处理参数,并运行目标算法处理程序,对数据库任务进程列表中的目标待处理任务进行处理,获得金融业务处理结果。通过加载控制组件和GPU显存监测进程,科学的控制GPU处理资源加载,避免了多进程抢占资源的情况,有效提高了GPU处理生产效率,从而提高金融业务处理效果和处理速度,便于金融从业人员进行金融业务状态观测和分析。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例中,通过预设的加载控制组件和GPU显存监测进程,科学的控制GPU处理资源加载,避免了多进程抢占资源的情况,有效提高了GPU处理生产效率,从而提高金融业务处理效果和处理速度,便于金融从业人员进行金融业务状态观测和分析。
进一步参考图8,作为对上述图2所示方法的实现,本申请提供了任务处理进度控制装置的一个实施例,该装置实施例与图2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8所示,本实施例所述的任务处理进度控制装置800包括:待处理任务创建模块801、任务处理信息识别模块802、任务处理顺序确定模块803、目标处理数据加载模块804和待处理任务执行模块805。其中:
待处理任务创建模块801,用于获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务,其中,所述金融业务数据至少包括业务类型;
任务处理信息识别模块802,用于基于预设的数据库配置文件识别所有待处理任务的业务类型优先级信息、所有待处理任务的算法处理程序,以及所述算法处理程序所需要处理的数据;
任务处理顺序确定模块803,用于根据所述业务类型优先级信息,确定所述待处理任务的处理顺序;
目标处理数据加载模块804,用于根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内;
待处理任务执行模块805,用于在目标算法处理程序所需要处理的数据被加载到所述GPU显存内之后,获取目标待处理任务对应的算法处理参数,并运行所述目标算法处理程序,对所述数据库任务进程列表中的目标待处理任务进行处理,获得金融业务处理结果。
继续参考图9,图9是图8所示模块804的一个具体实施例的结构示意图,所述的目标处理数据加载模块包括目标依次确定子模块901、第一判断子模块902、第二判断子模块903、加载等待子模块904和加载进行子模块905。其中:
目标依次确定子模块901,用于按照所述处理顺序,依次将所有待处理任务分别对应的算法处理程序设为目标算法处理程序;
第一判断子模块902,用于根据所述加载控制组件,判断目标算法处理程序所需处理的数据是否已经达到了期望加载时间;
第二判断子模块903,用于根据所述GPU显存监测进程,判断目标GPU的剩余显存是否超过期望显存,其中,所述期望显存表示根据所述目标算法处理程序进行任务处理所需使用的显存;
加载等待子模块904,用于若所述目标算法处理程序所需处理的数据未达到期望加载时间,或者,所述目标GPU的剩余显存未超过期望显存,则继续进行加载等待;
加载进行子模块905,用于直到所述目标算法处理程序所需处理的数据已经达到了期望加载时间,且所述目标GPU的剩余显存超过了期望显存,则加载所述目标算法处理程序所需要处理的数据到目标GPU的显存内。
本申请通过获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务;基于预设的数据库配置文件,识别所有待处理任务的业务类型优先级信息、所有待处理任务的算法处理程序,以及算法处理程序所需要处理的数据;根据待处理任务的业务类型优先级信息,确定待处理任务的处理顺序;根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内;在目标算法处理程序所需要处理的数据被加载到所述GPU显存内之后,获取目标待处理任务对应的算法处理参数,并运行目标算法处理程序,对数据库任务进程列表中的目标待处理任务进行处理,获得金融业务处理结果。通过加载控制组件和GPU显存监测进程,科学的控制GPU处理资源加载,避免了多进程抢占资源的情况,有效提高了GPU处理生产效率,从而提高金融业务处理效果和处理速度,便于金融从业人员进行金融业务状态观测和分析。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图10,图10为本实施例计算机设备基本结构框图。
所述计算机设备10包括通过系统总线相互通信连接存储器10a、处理器10b、网络接口10c。需要指出的是,图中仅示出了具有组件10a-10c的计算机设备10,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器10a至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器10a可以是所述计算机设备10的内部存储单元,例如该计算机设备10的硬盘或内存。在另一些实施例中,所述存储器10a也可以是所述计算机设备10的外部存储设备,例如该计算机设备10上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器10a还可以既包括所述计算机设备10的内部存储单元也包括其外部存储设备。本实施例中,所述存储器10a通常用于存储安装于所述计算机设备10的操作系统和各类应用软件,例如一种任务处理进度控制方法的计算机可读指令等。此外,所述存储器10a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器10b在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器10b通常用于控制所述计算机设备10的总体操作。本实施例中,所述处理器10b用于运行所述存储器10a中存储的计算机可读指令或者处理数据,例如运行所述任务处理进度控制方法的计算机可读指令。
所述网络接口10c可包括无线网络接口或有线网络接口,该网络接口10c通常用于在所述计算机设备10与其他电子设备之间建立通信连接。
本实施例提出的计算机设备,属于金融科技技术领域,应用于金融业务处理进度控制场景中。本申请通过获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务;基于预设的数据库配置文件,识别所有待处理任务的业务类型优先级信息、所有待处理任务的算法处理程序,以及算法处理程序所需要处理的数据;根据待处理任务的业务类型优先级信息,确定待处理任务的处理顺序;根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内;在目标算法处理程序所需要处理的数据被加载到所述GPU显存内之后,获取目标待处理任务对应的算法处理参数,并运行目标算法处理程序,对数据库任务进程列表中的目标待处理任务进行处理,获得金融业务处理结果。通过加载控制组件和GPU显存监测进程,科学的控制GPU处理资源加载,避免了多进程抢占资源的情况,有效提高了GPU处理生产效率,从而提高金融业务处理效果和处理速度,便于金融从业人员进行金融业务状态观测和分析。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被处理器执行,以使所述处理器执行如上述的任务处理进度控制方法的步骤。
本实施例提出的计算机可读存储介质,属于金融科技技术领域,应用于金融业务处理进度控制场景中。本申请通过获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务;基于预设的数据库配置文件,识别所有待处理任务的业务类型优先级信息、所有待处理任务的算法处理程序,以及算法处理程序所需要处理的数据;根据待处理任务的业务类型优先级信息,确定待处理任务的处理顺序;根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内;在目标算法处理程序所需要处理的数据被加载到所述GPU显存内之后,获取目标待处理任务对应的算法处理参数,并运行目标算法处理程序,对数据库任务进程列表中的目标待处理任务进行处理,获得金融业务处理结果。通过加载控制组件和GPU显存监测进程,科学的控制GPU处理资源加载,避免了多进程抢占资源的情况,有效提高了GPU处理生产效率,从而提高金融业务处理效果和处理速度,便于金融从业人员进行金融业务状态观测和分析。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种任务处理进度控制方法,其特征在于,包括下述步骤:
获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务,其中,所述金融业务数据至少包括所述业务类型;
基于预设的数据库配置文件识别所有待处理任务的业务类型优先级信息、所有待处理任务的算法处理程序,以及所述算法处理程序所需要处理的数据;
根据所述业务类型优先级信息,确定所述待处理任务的处理顺序;
根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内;
在目标算法处理程序所需要处理的数据被加载到所述GPU显存内之后,获取目标待处理任务对应的算法处理参数,并运行所述目标算法处理程序,对所述数据库任务进程列表中的目标待处理任务进行处理,获得金融业务处理结果。
2.根据权利要求1所述的任务处理进度控制方法,其特征在于,所述获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务的步骤,具体包括:
获取由目标金融数据服务终端推送的金融业务数据;
解析所述金融业务数据,根据解析结果识别所述金融业务数据对应的业务类型;
根据所述金融业务数据对应业务类型的不同在所述数据库任务进程列表中分别创建待处理任务,并将所述待处理任务的状态标识设置为等待处理状态;
根据业务类型和所述状态标识,从所述数据库任务进程列表中获取所有待处理任务,将所述待处理任务加入到待处理任务队列中。
3.根据权利要求2所述的任务处理进度控制方法,其特征在于,在执行所述将所述待处理任务加入到待处理任务队列中的步骤之后,所述方法还包括:
根据所述GPU显存监测进程,识别目标待处理任务对应的算法处理程序所需要处理的数据是否被加载到GPU显存内;
若所述目标待处理任务对应的算法处理程序所需要处理的数据已被加载到GPU显存内,则将所述目标待处理任务的状态标识更新为可执行处理状态;
根据所述GPU显存监测进程,识别目标待处理任务对应的算法处理程序是否被运行;
若所述目标待处理任务对应的算法处理程序已被运行,则将所述目标待处理任务的状态标识更新为正在处理状态;
根据所述GPU显存监测进程,识别目标待处理任务对应的算法处理程序是否已运行完成;
若所述目标待处理任务对应的算法处理程序已运行完成,则将所述目标待处理任务的状态标识更新为处理完成状态,并将所述目标待处理任务从所述待处理任务队列中转存到预设的已完成处理任务队列中。
4.根据权利要求2或3所述的任务处理进度控制方法,其特征在于,所述根据所述业务类型优先级信息,确定所述待处理任务的处理顺序的步骤,具体包括:
获取所述数据库配置文件中所有业务类型分别对应的优先级信息,以及所有业务类型分别对应的算法处理程序;
预先基于所有业务类型分别对应的算法处理程序,在数据库创建所述任务进程列表;
根据所述优先级信息,在所述任务进程列表中设置所有待处理任务的优先级信息;
根据所有待处理任务的优先级信息,调整所述待处理任务队列中所有待处理任务的处理顺序。
5.根据权利要求1所述的任务处理进度控制方法,其特征在于,所述根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内的步骤,具体包括:
按照所述处理顺序,依次将所有待处理任务分别对应的算法处理程序设为目标算法处理程序;
根据所述加载控制组件,判断目标算法处理程序所需处理的数据是否已经达到了期望加载时间;
根据所述GPU显存监测进程,判断目标GPU的剩余显存是否超过期望显存,其中,所述期望显存表示根据所述目标算法处理程序进行任务处理所需使用的显存;
若所述目标算法处理程序所需处理的数据未达到期望加载时间,或者,所述目标GPU的剩余显存未超过期望显存,则继续进行加载等待;
直到所述目标算法处理程序所需处理的数据已经达到了期望加载时间,且所述目标GPU的剩余显存超过了期望显存,则加载所述目标算法处理程序所需要处理的数据到目标GPU的显存内。
6.根据权利要求5所述的任务处理进度控制方法,其特征在于,所述根据所述加载控制组件,判断目标算法处理程序所需处理的数据是否已经达到了期望加载时间的步骤,具体包括:
预先启动所述加载控制组件内的轮询判断程序,其中,所述轮询判断程序的具体实现方式为:在whil e循环程序内写入加载停滞函数,所述加载停滞函数采用sleep函数实现,所述sl eep函数的参数信息表示加载停滞时长;
获取上一个算法处理程序所需处理的数据开始被加载时的系统时间,作为加载停滞开始时间;
获取当前系统时间;
计算所述加载停滞开始时间和所述当前系统时间的时间差值;
判断所述时间差值是否超过所述加载停滞时长;
若所述时间差值超过所述加载停滞时长,则所述目标算法处理程序所需处理的数据已经达到了期望加载时间;
若所述时间差值未超过所述加载停滞时长,则所述目标算法处理程序所需处理的数据未达到期望加载时间。
7.根据权利要求5所述的任务处理进度控制方法,其特征在于,所述根据所述GPU显存监测进程,判断目标GPU的剩余显存是否超过期望显存的步骤,具体包括:
通过所述GPU显存监测进程和预设的获取函数,获得目标GPU的剩余显存,作为第一显存;
获取根据目标算法处理程序进行任务处理所需使用的显存,作为第二显存;
判断所述第一显存是否超过所述第二显存;
若所述第一显存超过所述第二显存,则所述目标GPU的剩余显存超过了期望显存;
若所述第一显存未超过所述第二显存,则所述目标GPU的剩余显存未超过期望显存。
8.一种任务处理进度控制装置,其特征在于,包括:
待处理任务创建模块,用于获取金融业务数据,并根据业务类型在数据库任务进程列表中创建待处理任务,其中,所述金融业务数据至少包括业务类型;
任务处理信息识别模块,用于基于预设的数据库配置文件识别所有待处理任务的业务类型优先级信息、所有待处理任务的算法处理程序,以及所述算法处理程序所需要处理的数据;
任务处理顺序确定模块,用于根据所述业务类型优先级信息,确定所述待处理任务的处理顺序;
目标处理数据加载模块,用于根据所述处理顺序、预设的加载控制组件和GPU显存监测进程,加载目标算法处理程序所需要处理的数据到GPU显存内;
待处理任务执行模块,用于在目标算法处理程序所需要处理的数据被加载到所述GPU显存内之后,获取目标待处理任务对应的算法处理参数,并运行所述目标算法处理程序,对所述数据库任务进程列表中的目标待处理任务进行处理,获得金融业务处理结果。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的任务处理进度控制方法的步骤。
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可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的任务处理进度控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311190263.9A CN117271121A (zh) | 2023-09-14 | 2023-09-14 | 一种任务处理进度控制方法、装置、设备及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311190263.9A CN117271121A (zh) | 2023-09-14 | 2023-09-14 | 一种任务处理进度控制方法、装置、设备及其存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117271121A true CN117271121A (zh) | 2023-12-22 |
Family
ID=89209807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311190263.9A Pending CN117271121A (zh) | 2023-09-14 | 2023-09-14 | 一种任务处理进度控制方法、装置、设备及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117271121A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117742974A (zh) * | 2024-02-19 | 2024-03-22 | 北京趋动智能科技有限公司 | 数据处理的方法、装置、存储介质、电子设备及系统 |
-
2023
- 2023-09-14 CN CN202311190263.9A patent/CN117271121A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117742974A (zh) * | 2024-02-19 | 2024-03-22 | 北京趋动智能科技有限公司 | 数据处理的方法、装置、存储介质、电子设备及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117271121A (zh) | 一种任务处理进度控制方法、装置、设备及其存储介质 | |
CN116431878A (zh) | 向量检索服务方法、装置、设备及其存储介质 | |
CN117094729A (zh) | 请求处理方法、装置、计算机设备及存储介质 | |
CN116483425A (zh) | 微服务灰度发版方法、装置、设备及其存储介质 | |
CN115185625A (zh) | 基于可配置卡片的自推荐式界面更新方法及其相关设备 | |
CN117707737A (zh) | 一种任务调度优化方法、装置、设备及其存储介质 | |
CN115237725A (zh) | 任务智能调度方法、装置、计算机设备及存储介质 | |
CN117827320A (zh) | 一种服务执行方法、装置、设备及其存储介质 | |
CN116755966A (zh) | 基于分域模式的redis客户端性能监测方法及其相关设备 | |
CN117194032A (zh) | 一种任务执行方法、装置、设备及其存储介质 | |
CN117851055A (zh) | 一种任务调度方法、装置、设备及其存储介质 | |
CN117453536A (zh) | 系统异常分析方法、装置、计算机设备及存储介质 | |
CN117850842A (zh) | 一种插件更新方法、装置、设备及其存储介质 | |
CN117806738A (zh) | 基于微链路模型的业务调度方法、装置、设备及存储介质 | |
CN117272077A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN117395310A (zh) | 任务处理方法、装置、计算机设备及存储介质 | |
CN117112383A (zh) | 基于人工智能的性能分析方法、装置、设备及存储介质 | |
CN114936079A (zh) | 流程化机器人任务的处理方法、装置、设备及存储介质 | |
CN117591190A (zh) | 一种应用数据加载优化方法、装置、设备及其存储介质 | |
CN117874073A (zh) | 一种搜索优化方法、装置、设备及其存储介质 | |
CN117408794A (zh) | 一种请求处理方法、装置、设备及其存储介质 | |
CN116069408A (zh) | 基于静态资源分离的文章详情页加载方法及其相关设备 | |
CN116701119A (zh) | 一种跑批任务数据监测方法、装置、设备及其存储介质 | |
CN116680198A (zh) | 一种接口返回数据异常检测方法及其相关设备 | |
CN117827988A (zh) | 一种数据仓库优化方法、装置、设备及其存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |