CN117370065B - 一种异常任务确定方法、电子设备及存储介质 - Google Patents

一种异常任务确定方法、电子设备及存储介质 Download PDF

Info

Publication number
CN117370065B
CN117370065B CN202311631539.2A CN202311631539A CN117370065B CN 117370065 B CN117370065 B CN 117370065B CN 202311631539 A CN202311631539 A CN 202311631539A CN 117370065 B CN117370065 B CN 117370065B
Authority
CN
China
Prior art keywords
target
task
subtask
delay time
subtasks
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.)
Active
Application number
CN202311631539.2A
Other languages
English (en)
Other versions
CN117370065A (zh
Inventor
张凯伦
魏爽
邓翔
刘宏伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Travelsky Mobile Technology Co Ltd
Original Assignee
China Travelsky Mobile Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Travelsky Mobile Technology Co Ltd filed Critical China Travelsky Mobile Technology Co Ltd
Priority to CN202311631539.2A priority Critical patent/CN117370065B/zh
Publication of CN117370065A publication Critical patent/CN117370065A/zh
Application granted granted Critical
Publication of CN117370065B publication Critical patent/CN117370065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0715—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a system implementing multitasking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G06F11/0754—Error or fault detection not based on redundancy by exceeding limits

Abstract

本发明提供了一种异常任务确定方法、电子设备及存储介质，涉及异常任务处理领域，所述方法包括：获取目标任务对应的第一延误时长集；将第一延误时长对应的目标子任务的任务类型确定为中间任务类型，以得到中间任务类型S；根据S和预设的若干候选任务的AOE网，获取关键路径指数集G；根据S和G，获取异常指数集η；根据η，在目标任务包含的m个目标子任务中确定出异常子任务；本发明能够确定具体哪一个目标子任务执行时存在延误，从而为整个目标任务的分析或者改进提供参考。

Description

一种异常任务确定方法、电子设备及存储介质
技术领域
本发明涉及异常任务处理领域，特别是涉及一种异常任务确定方法、电子设备及存储介质。
背景技术
在民航作业流程中，包含有若干个子任务，对每个子任务都规定有执行的预设时间，民航作业流程比较理想的情况是一个流程中的各个子任务的实际执行时间小于等于规定的预设时间，从而保证整个作业流程不会出现延误的情况；而实际情况中，由于机场情况较为复杂，在一些子任务的执行过程中，由于作业流程中的一些子任务执行异常，会导致整个作业流程的实际执行时间大于或小于预设时间的情况，因此，需要确定出异常的子任务，为整个作业流程的分析或者改进提供参考。
发明内容
针对上述技术问题，本发明采用的技术方案为：
根据本申请的第一方面，提供了一种异常任务确定方法，所述异常任务确定方法包括以下步骤：
S100，获取目标任务对应的第一延误时长集T1=(T1 1,T1 2,…,T1 m,…,T1 n)，m=1,2,…,n；其中，T1 m为目标任务包含的第m个目标子任务的第一延误时长，n为目标任务包含的目标子任务的数量；T1 m为根据第m个目标子任务的实际结束时间和预设最晚结束时间以及第m个目标子任务对应的每一前序任务的实际结束时间和预设最晚结束时间得到的；第m个目标子任务对应的前序任务为目标任务包含的若干目标子任务中，与第m个目标子任务执行顺序相邻且在第m个目标子任务之前执行的目标子任务；每一目标子任务具有对应的任务类型。
S200，将对应的T1 m大于t0的目标子任务所对应的任务类型确定为中间任务类型，以得到中间任务类型集S=(S1,S2,…,Sp,…,Sq)，p=1,2,…,q；其中，Sp为第p个中间任务类型；q为中间任务类型的数量；t0为预设的第一延误时长阈值。
S300，根据S和预设的若干候选任务的AOE网，获取关键路径指数集G=(G1,G2,…,Gp,…,Gq)；其中，所述目标任务为若干候选任务中的任一，每一候选任务包含若干候选子任务，每一候选子任务具有对应的任务类型；Gp为Sp对应的关键路径指数；Gp=Np/Np’，Np’为包含有任务类型为Sp的候选子任务的候选任务的数量；Np为若干候选任务包含的所有候选子任务中，任务类型为Sp且处于对应所在的候选任务的AOE网中关键路径上的候选子任务的数量。
S400，根据S和G，获取异常指数集η=(η1,η2,…,ηp,…,ηq)；其中，ηp为Sp对应的异常指数；ηp=a×Gp+b×T1 p’，a和b为预设权重，a+b=1；T1 p’为Sp对应的第二延误时长，T1 p’根据Sp对应的历史最大第一延误时长TSp_max和历史最小第一延误时长TSp_min得到；TSp_max和TSp_min根据Sp对应的目标子任务的历史执行过程中，记录的所有的历史第一延误时长得到。
S500，根据η，在目标任务包含的m个目标子任务中确定出异常子任务。
根据本申请的另一方面，还提供了一种非瞬时性计算机可读存储介质，存储介质中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现上述异常任务确定方法。
根据本申请的另一方面，还提供了一种电子设备，包括处理器和上述非瞬时性计算机可读存储介质。
本发明至少具有以下有益效果：
本发明的异常任务确定方法，首先确定目标任务下的各目标子任务的第一延误时长，将第一延误时长大于预设的第一延误时长阈值的目标子任务作为中间任务类型；然后确定各中间任务类型对应的关键路径指数，根据各中间任务类型的第一延误时长和关键路径指数来确定出异常的子任务；通过该方法能够确定具体哪一个目标子任务执行时存在延误，从而为整个目标任务的分析或者改进提供参考。
进一步的，本发明在确定当前目标子任务的第一延误时长的时候，还会向前追溯前序任务的执行延误时长情况；由于目标子任务自身的延误可能是由前序任务的延误导致的，因此，只考虑目标子任务自身的延误来确定目标子任务的延误时长，会存在目标子任务的延误时长确定不准确的问题；本发明结合目标子任务的延误时长及其前序任务的延误时长确定各延误的目标子任务的第一延误时长，由此，使得确定的各个目标子任务的第一延误时长更加准确；而在确定存在延误的目标子任务的异常指数时，结合了目标子任务的第一延误时长和关键路径指数，关键路径指数表示存在延误的目标子任务在包含有存在延误的目标子任务的目标任务中的权重，其自身延误对目标任务影响较大，由此，异常指数更能反映出目标子任务的异常程度，根据异常指数确定出的异常子任务的结果更加准确。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明实施例提供的异常任务确定方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
下面将参照图1所述的异常任务确定方法的流程图，对一种异常任务确定方法进行介绍。
所述异常任务确定方法包括以下步骤：
S100，获取目标任务对应的第一延误时长集T1=(T1 1,T1 2,…,T1 m,…,T1 n)，m=1,2,…,n；其中，T1 m为目标任务包含的第m个目标子任务的第一延误时长，n为目标任务包含的目标子任务的数量；T1 m为根据第m个目标子任务的实际结束时间和预设最晚结束时间以及第m个目标子任务对应的每一前序任务的实际结束时间和预设最晚结束时间得到的；第m个目标子任务对应的前序任务为目标任务包含的若干目标子任务中，与第m个目标子任务执行顺序相邻且在第m个目标子任务之前执行的目标子任务；每一目标子任务具有对应的任务类型。
本实施例中，实际结束时间为目标子任务实际执行过程中，目标子任务完成执行时的时间；预设最晚结束时间为预设的AOE网中目标子任务所预设的最晚执行完毕的时间；目标子任务的实际结束时间会被记录在数据库中，可以从数据库的历史记录中直接获取，目标子任务的预设最晚结束时间则会记录在预设的AOE网中，可从AOE网所包含的时间信息直接获取。可以理解的是，前序任务为目标子任务所对应的边的前序边对应的目标子任务，前序边则为与当前边的起始顶点连接的边。
本实施例中，预设的AOE网（Activity On Edge Network）是一个带权的有向无环图。目标任务包含了若干目标子任务，AOE网的各边分别表示各目标子任务，各边上的权值表示该边对应的目标子任务的预设持续时长；例如，过站航班的AOE网，过站航班作为目标任务，过站航班则包含有清洁目标子任务、加油目标子任务等若干目标子任务；且每个目标子任务都设置有预设持续时长。
本实施例中，由于目标子任务自身的延误可能是由前序任务的延误导致的，因此，只考虑目标子任务自身的延误来确定目标子任务的延误时长，会存在目标子任务的延误时长确定不准确的问题；本实施例结合目标子任务的延误时长及其前序任务的延误时长确定各延误的目标子任务的第一延误时长，将前序任务的延误考虑进来；由此，使得确定的各个目标子任务的第一延误时长更加准确。
S200，将对应的T1 m大于t0的目标子任务所对应的任务类型确定为中间任务类型，以得到中间任务类型集S=(S1,S2,…,Sp,…,Sq)，p=1,2,…,q；其中，Sp为第p个中间任务类型；q为中间任务类型的数量；t0为预设的第一延误时长阈值。
确定各目标子任务的第一延误时长之后，将第一延误时长大于预设的第一延误时长阈值的目标子任务的任务类型确定为中间任务类型，即存在延误的目标子任务；预设的第一延误时长阈值为目标子任务延误的判断提供一个余量；例如，将预设的第一延误时长阈值设置为1分钟，延误时长在1分钟以内的目标子任务可认为是不存在延误，使得对目标子任务延误的判断更加符合实际情况。
可以理解的是，第一延误时长也会存在负值，表示其对应的目标子任务提前结束；那么，对于此类的子任务，也可以针对性的进行优化。
S300，根据S和预设的若干候选任务的AOE网，获取关键路径指数集G=(G1,G2,…,Gp,…,Gq)；其中，所述目标任务为若干候选任务中的任一，每一候选任务包含若干候选子任务，每一候选子任务具有对应的任务类型；Gp为Sp对应的关键路径指数；Gp=Np/Np’，Np’为包含有任务类型为Sp的候选子任务的候选任务的数量；Np为若干候选任务包含的所有候选子任务中，任务类型为Sp且处于对应所在的候选任务的AOE网中关键路径上的候选子任务的数量。
本实施例中，会存在预设的若干候选任务的AOE网，目标任务对应于的其中一个预设AOE网；目标任务包括若干目标子任务，每一目标子任务设置有对应的预设持续时长，预设AOE网中包含与每一目标子任务唯一对应的边，相邻的两个边之间通过顶点连接；每一目标子任务具有对应的实际结束时间和预设最晚结束时间；根据预设AOE网中各边对应的子任务的预设持续时长，在AOE网中能够确定出至少一个关键路径。
本领域技术人员可以采用根据实际需求采用现有的关键路径确定方法确定每一AOE网对应的关键路径，此处不加赘述。
本实施例中，在确定出的任务类型为中间任务类型的所有目标子任务中，针对其中一个目标子任务，有可能存在不止一个候选任务所包含的候选子任务的任务类型与该目标子任务对应的中间任务类型相同；在所有候选任务中，确定出候选任务所包含的候选子任务的任务类型中存在与该目标子任务对应的中间任务类型相同的候选任务的数量，可得到Np’；例如，目标子任务的任务类型为清洁，清洁为第p个中间任务类型，候选任务的数量为10，在10个候选任务中，其中6个候选任务所包含的候选子任务的任务类型中存在清洁的任务类型，那么，Np’=6。
而任务类型为中间任务类型的目标子任务，针对其中一个任务类型为中间任务类型的目标子任务，有可能存在不止一个候选任务所包含的候选子任务的任务类型与该目标子任务对应的中间任务类型相同，而这些候选任务的AOE网中有可能会存在多个关键路径上均存在任务类型为该中间任务类型的候选子任务；还有可能是这些候选任务的AOE网的任一关键路径上各边对应的候选子任务的任务类型中，存在两个或多个与该中间任务类型相同的任务类型；另外，在这些候选任务的候选子任务中，存在候选子任务的任务类型与该中间任务类型相同的候选子任务，但是，这些候选子任务对应的边不在其对应的AOE网的关键路径上，那么，在确定Np时，此类的候选子任务不会被统计。
基于上述情况，可以通过以下方法确定Np：
在任务类型为中间任务类型的所有目标子任务中，针对其中一个任务类型为中间任务类型的目标子任务，首选，在所有的候选任务中，确定出候选任务的AOE网的关键路径上的边对应的候选子任务的任务类型中存在与该中间任务类型相同的第一候选任务；对每个第一候选任务的AOE网中的所有关键路径上各边对应的候选子任务的任务类型进行遍历，统计任务类型为该中间任务类型的候选子任务的数量，可得到Np。例如，目标子任务的任务类型为清洁，清洁为第p个中间任务类型，候选任务的数量为10，在10个候选任务中，其中2个候选任务的AOE网的关键路径上的边对应的候选子任务的任务类型存在清洁，对这2个候选任务的AOE网中的所有关键路径上各边对应的候选子任务的任务类型进行遍历，共得到4个任务类型为清洁的候选子任务，那么，可确定Np=4。
可以理解的是，目标任务的AOE网的关键路径上的各边对应的目标子任务实际持续时长能够影响目标任务的实际结束时间，关键路径上各边对应的目标子任务对于其对应的目标任务而言是比较重要的，关键路径上各边对应的目标子任务的延误可导致其对应的整个目标任务的延误，关键路径上各边对应的目标子任务中，同一任务类型的目标子任务的数量越多，该任务类型的目标子任务的延误对整个目标任务的延误影响越大；因此，关键路径指数能够表征目标子任务在其对应的目标任务中的重要程度，此参数能够较为准确的反映目标子任务在其对应的目标任务中的权重。
S400，根据S和G，获取异常指数集η=(η1,η2,…,ηp,…,ηq)；其中，ηp为Sp对应的异常指数；ηp=a×Gp+b×T1 p’，a和b为预设权重，a+b=1；T1 p’为Sp对应的第二延误时长，T1 p’根据Sp对应的历史最大第一延误时长TSp_max和历史最小第一延误时长TSp_min得到；TSp_max和TSp_min根据Sp对应的目标子任务的历史执行过程中，记录的所有的历史第一延误时长得到。
本实施例中，TSp_max和TSp_min可以通过以下方法确定：
获取历史时间内，Sp对应的目标子任务每次执行的历史第一延误时长，从所有的历史第一延误时长中确定出最大的历史第一延误时长作为TSp_max，确定出最小的历史第一延误时长作为TSp_min。
ηp是根据Gp和T1 p’综合得到的参数，Gp和T1 p’均设置有权重，异常指数对每个目标子任务的异常指数反映更加合理；如果只参考Gp和T1 p’其中一个值，那么，在其中一个值很大，另一个值很小的情况下，根据两个值分别得到的异常指数相差较大，根据其中一个值得到的异常指数不能够真实的反映出其真实的异常程度；因此，本实施例中，将Gp和T1 p’结合，综合确定ηp，ηp更能反映出目标子任务真实的异常程度。
S500，根据η，在目标任务包含的m个目标子任务中确定出异常子任务。
本实施例中，可以设定异常指数阈值，将目标任务包含的m个目标子任务中异常指数大于异常指数阈值的目标子任务确定为异常子任务。
本实施例的异常任务确定方法，首先确定目标任务下的各目标子任务的第一延误时长，将第一延误时长大于预设的第一延误时长阈值的目标子任务作为中间任务类型；然后确定各中间任务类型对应的关键路径指数，根据各中间任务类型的第一延误时长和关键路径指数来确定出异常的子任务；通过该方法能够确定具体哪一个目标子任务执行时存在延误，从而为整个目标任务的分析或者改进提供参考。
进一步的，本实施例在确定当前目标子任务的第一延误时长的时候，还会向前追溯前序任务的执行延误时长情况；由于目标子任务自身的延误可能是由前序任务的延误导致的，因此，只考虑目标子任务自身的延误来确定目标子任务的延误时长，会存在目标子任务的延误时长确定不准确的问题；本实施例结合目标子任务的延误时长及其前序任务的延误时长确定各延误的目标子任务的第一延误时长，由此，使得确定的各个目标子任务的第一延误时长更加准确。
更进一步的，确定存在延误的目标子任务的异常指数时，结合了目标子任务的第一延误时长和关键路径指数，关键路径指数表示存在延误的目标子任务在包含有存在延误的目标子任务的目标任务中的权重，关键路径上的目标子任务的延误可导致整个目标任务的延误，关键路径上同一任务类型的目标子任务存在的数量越多，该任务类型的目标子任务的延误对整个目标任务的延误影响越大；因此，关键路径指数能够表征目标子任务在其对应的目标任务中的重要程度，此参数能够较为准确的反映目标子任务在其对应的目标任务中的权重；由此，根据第一延误时长和关键路径指数确定的异常指数更能反映出目标子任务的异常程度，根据异常指数确定出的异常子任务的结果更加准确。
在一示例性的实施例中，所述T1 m通过以下步骤得到：
S110，获取第m个目标子任务的第三延误时长T2 m和第四延误时长Tmax m；其中，T2 m根据第m个目标子任务的实际结束时间t1 m、目标任务中的第一个目标子任务的实际开始时间t2和目标任务中的第一个目标子任务的预设最晚结束时间t3得到；Tmax m为第m个目标子任务对应的各前序任务的第二延误时长中最大的第二延误时长。
本实施例中，第三延误时长为绝对延误时长，绝对延误时长为目标子任务实际结束时间相对于预设结束时间相差的时长；例如，某一目标子任务的实际结束时间为9:50:00，而该目标子任务预设结束时间为10:00:00，那么，该目标子任务的绝对延误时长为10分钟。绝对延误时长在步骤S111和步骤S112中有详细计算方法；第m个目标子任务可能存在多个前序任务，那么，计算第m个目标子任务的各前序任务各自的延误时长，然后取各延误时长中的最大值，即得到Tmax m；通过目标任务对应的AOE网，可以获取到目标任务中的第一个目标子任务的预设最晚结束时间t3。
S120，根据T2 m和Tmax m，确定T1 m=T2 m-Tmax m。
本实施例中，第一延误时长可以理解为相对延误时长，即目标子任务的绝对延误时长减去其对应的前序任务的绝对延误时长；例如，某一目标子任务的绝对延误时长5分钟，其对应的前序任务的绝对延误时长为3分钟，那么该目标子任务的相对延误时长为2分钟。
由于目标子任务自身的延误可能是由前序任务的延误导致的，因此，只考虑目标子任务自身的延误来确定目标子任务的延误时长，会存在目标子任务的延误时长确定不准确的问题；本发明结合目标子任务的延误时长及其对应的前序任务的延误时长确定各目标子任务的第一延误时长，由此，使得确定的各个目标子任务的第一延误时长更加准确。
本实施例中，上述步骤S110和S120在步骤S200之后及步骤S300之前执行。
所述T2 m通过以下步骤得到：
S111，根据t1 m和t2，确定第m个目标子任务归一化的实际结束时间t4 m=t1 m-t2。
本实施例中，t1 m和t2可通过数据库中的历史记录获取；t1 m-t2为归一化的子任务的实际结束时间；在上述步骤中，获取到的有“时间”和“时长”，而“时间”和“时长”在计算时不能够直接进行运算，需要将二者统一成同一纬度，例如，统一成“时长”纬度，从而解决各数据纬度不统一的问题；另外，预设的AOE网的目标任务的预设开始时间是固定的，而目标任务会在不同的时间被执行，导致目标任务的实际开始时间与预设开始时间不统一，无法对目标任务实际执行的各时间进行计算；本实施例中，以目标任务中的第一个目标子任务的实际开始时间t2作为参照时间，t2也即是目标任务的实际开始时间，从而解决目标任务的实际开始时间与预设开始时间不统一的问题。
S112，根据t3和t4 m，确定第m个目标子任务的第二延误时长T2 m=t4 m-t3。
可以理解的是，t4 m-t3为目标子任务的绝对延误时间，即目标子任务的归一化的实际结束时间相对于预设最晚结束时间所延误的时长。
在所述步骤S200之后，所述方法还包括以下步骤：
S210，获取目标任务的实际结束时间t5和预设结束时间t6。
本实施例中，目标任务的实际结束时间为目标任务所包含的所有的目标子任务全部执行完毕时的时间，t5可从数据库中的历史记录数据获得，预设结束时间为预设的AOE网中预设的已知参数，可从预设的AOE网中获得。
S220，根据t5和t6，确定目标任务的整体延误时长T3=t5-t6。
该步骤可以确定整个目标任务的延误时长，即整个目标任务中所有的目标子任务执行完毕时，相对于目标任务的预设结束时间所延误的时长。
S230，根据T1 m和T3，确定第m个目标子任务的第一延误占比率λ1 m=T1 m/T3。
本实施例中，上述步骤S210-S230在步骤S200之后及步骤S300之前执行。
可以理解的是，第一延误时长能够表征其对应的目标子任务的自身延误的时长大小，却不能够表征其对应的目标子任务延误对其对应的目标任务的整体延误影响的大小；而第一延误时长占比率为对应的目标子任务的第一延误时长在其对应的目标任务的整体延误时长中所占的比例，该值越大，表示该目标子任务对整个目标任务延误的贡献越大，即该目标子任务的延误对整个目标任务的延误影响较大；因此，第一延误占比率能够准确的反映出目标子任务延误在目标任务的整体延误中的权重；那么，根据各目标子任务的第一延误占比率从大到小的顺序对各目标子任务进行排序，可以对排名靠前的目标子任务重点分析，以提高整个目标任务执行的合理性。
本实施例中，上述步骤S210-S230在步骤S200之后及步骤S300之前执行。
在所述步骤S220之后，所述方法还包括以下步骤：
S240，获取第m个目标子任务的实际开始时间t7 m。
本实施例中，第m个目标子任务的实际开始时间也可以通过数据库中的历史记录获取。
S241，根据t7 m和t2，确定第m个目标子任务归一化的实际开始时间t8 m=t7 m-t2。
本实施例中，在上述步骤S110中已经得到第m个目标子任务所在的目标任务的第一个目标子任务的实际开始时间t2；由此，可以对第m个目标子任务的实际开始时间t7 m进行归一化处理。该步骤中，对第m个目标子任务的实际开始时间进行归一化，也可以实现步骤S111中的效果，此处不加赘述。
S242，根据t4 m和t8 m，确定第m个目标子任务的实际执行时长T4 m=t4 m-t8 m。
本实施例中，在上述步骤S111中已经得到第m个目标子任务归一化的实际结束时间t4 m；由此，可以得到第m个目标子任务的实际执行时长T4 m，即第m个目标子任务实际执行时所用的时长。
S243，获取第m个目标子任务的预设持续时长DUm。
可以理解的是，DUm为预设的AOE网中预设的第m个目标子任务的持续时长，可以从预设的AOE网中直接获取。
S244，根据DUm和T4 m，确定第m个目标子任务的执行延误时长T5 m=T4 m-DUm。
目标子任务的执行延误时长为目标子任务的实际执行时长比预设持续时长多用的时长，例如，某一目标子任务的实际执行时长为10分钟，而预设持续时长为8分钟，那么，该目标子任务的执行延误时长为2分钟。
S245，根据T5 m和T3，确定第m个目标子任务的执行延误占比率λ2 m=T5 m/T3。
目标子任务的执行延误时长能够表征其对应的目标子任务的自身的执行延误时长的大小，却不能够表征其对应的目标子任务执行延误对其对应的目标任务的整体延误影响的大小；而执行延误占比率为对应的目标子任务的执行延误时长在其对应的目标任务的整体延误时长中所占的比例，该值越大，表示该目标子任务执行延误对整个目标任务延误的贡献越大，即该目标子任务的执行延误对整个目标任务的延误影响较大；因此，执行延误占比率能够表征各目标子任务延误时在其对应的目标任务延误中的所占的比重；本实施例中，可根据目标子任务的执行延误占比率，对该值较大的目标子任务进行优先分析其延误原因，根据延误原因进行有针对性的改进，从而提高整个目标任务改进的效率及效果。
本实施例中，上述步骤S240-S245在步骤S220之后及步骤S300之前执行。
在所述步骤S244之后，所述方法还包括以下步骤：
S250，确定第m个目标子任务的执行迟到时长T6 m=T1 m-T5 m。
本实施例中，在上述步骤S120中已经得到T1 m，在上述步骤S244中已经得到T5 m，由此，可以得到第m个目标子任务的执行迟到时长；执行迟到时长为相对延误时长与执行延误时长的差值。
S251，根据T6 m和T3，确定第m个目标子任务的迟到占比率λ3 m=T6 m/T3。
目标子任务的执行迟到时长能够表征其对应的目标子任务的自身的执行迟到时长的大小，却不能够表征其对应的目标子任务执行迟到对目标任务的整体延误影响的大小；而迟到占比率为对应的目标子任务的执行迟到时长在目标任务的整体延误时长中所占的比例，该值越大，表示该目标子任务执行迟到对整个目标任务延误的贡献越大，即该目标子任务的执行迟到对整个目标任务的延误影响较大；因此，迟到占比率能够表征各目标子任务迟到在其对应的目标任务延误中的比重，可根据目标子任务的迟到占比率对该值较大的目标子任务进行优先分析其迟到原因，根据迟到原因进行有针对性的改进，从而提高整个目标任务改进的效率及效果。
所述T1 p’通过以下步骤得到：
S410，根据T1和S，获取第五延误时长集T11=(T11 1,T11 2,…,T11 p,…,T11 q)；其中，T11 p为任务类型为Sp的候选子任务的第一延误时长。
可以理解的是，T11为T1的子集，即，在T1内确定出S内各中间任务类型对应的候选子任务的第一延误时长，形成T11，T11内的第一延误时长均大于预设的第一延误时长阈值。
S420，根据T11 p、TSp_max和TSp_min，得到T1 p’=(T11 p-TSp_min)/(TSp_max-TSp_min)。
本实施例中，TSp_max和TSp_min是从Sp对应的目标子任务所有的历史第一延误时长中确定出的，TSp_max和TSp_min的确定方法，可参考步骤S400中的方法，此处不加赘述；可以理解的是，T11 p≤TSp_max，从而可以得到T11 p-TSp_min≤TSp_max-TSp_min，即0＜T1 p’≤1，从而实现T1 p的归一化。
作为其他实施方式，还可以将λ1 p、λ2 p和λ3 p作为ηp的计算参数，得到Sp对应的异常指数ηp’=a’×Gp+b’×T1 p’+c’×(λ1 p+λ2 p+λ3 p)；其中，a’、b’和c’为预设权重，λ1 p为Sp对应的第一延误占比率，λ2 p为Sp对应的执行延误占比率，λ3 p为Sp对应的迟到占比率；该计算方式加入了λ1 p、λ2 p和λ3 p，那么，在各Sp对应的Gp较为接近，以及各Sp对应的T1 p’也较为接近时，各Sp对应的λ1 p、λ2 p和λ3 p则能够进一步反映出各Sp对应的ηp’的大小，使得Sp对应的异常指数更加准确。
本实施例中，前序任务可以通过以下步骤确定：
S310，遍历预设AOE网中的所有边，确定出各边的起始顶点集E=(e1,e2,…,eg,…,eh)，g=1,2,…h；其中，eg为第g个边的起始顶点，h为边的数量。
S320，遍历E，将以eg作为终止顶点的所有边确定为第g个边的前序边。
S330，将第g个边的前序边对应的所有目标子任务确定为第g个边对应的目标子任务的前序任务。
通过上述方法，能够找到各目标子任务对应的前序任务；由于是遍历的所有边，因此，不会存在遗漏某些边的情况，即不会遗漏任一前序任务。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
本发明的实施例还提供了一种非瞬时性计算机可读存储介质，该存储介质可设置于电子设备之中以保存用于实现方法实施例中一种方法相关的至少一条指令或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述实施例提供的方法。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本发明的实施例还提供了一种电子设备，包括处理器和前述的非瞬时性计算机可读存储介质。
本申请的这种实施方式的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于：上述至少一个处理器、上述至少一个储存器、连接不同系统组件(包括储存器和处理器)的总线。
其中，所述储存器存储有程序代码，所述程序代码可以被所述处理器执行，使得所述处理器执行本说明书中描述的各种实施例中的步骤。
储存器可以包括易失性储存器形式的可读介质，例如随机存取储存器(RAM)和/或高速缓存储存器，还可以进一步包括只读储存器(ROM)。
储存器还可以包括具有一组(至少一个)程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线可以为表示几类总线结构中的一种或多种，包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且，电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器通过总线与电子设备的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
本发明的实施例还提供一种计算机程序产品，其包括程序代码，当所述程序产品在电子设备上运行时，所述程序代码用于使该电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的方法中的步骤。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。

Claims (10)

1.一种异常任务确定方法，其特征在于，所述方法包括以下步骤：
S100，获取目标任务对应的第一延误时长集T1=(T1 1,T1 2,…,T1 m,…,T1 n)，m=1,2,…,n；其中，T1 m为目标任务包含的第m个目标子任务的第一延误时长，n为目标任务包含的目标子任务的数量；T1 m为根据第m个目标子任务的实际结束时间和预设最晚结束时间以及第m个目标子任务对应的每一前序任务的实际结束时间和预设最晚结束时间得到的；第m个目标子任务对应的前序任务为目标任务包含的若干目标子任务中，与第m个目标子任务执行顺序相邻且在第m个目标子任务之前执行的目标子任务；每一目标子任务具有对应的任务类型；
S200，将对应的T1 m大于t0的目标子任务所对应的任务类型确定为中间任务类型，以得到中间任务类型集S=(S1,S2,…,Sp,…,Sq)，p=1,2,…,q；其中，Sp为第p个中间任务类型；q为中间任务类型的数量；t0为预设的第一延误时长阈值；
S300，根据S和预设的若干候选任务的AOE网，获取关键路径指数集G=(G1,G2,…,Gp,…,Gq)；其中，所述目标任务为若干候选任务中的任一，每一候选任务包含若干候选子任务，每一候选子任务具有对应的任务类型；Gp为Sp对应的关键路径指数；Gp=Np/Np’，Np’为包含有任务类型为Sp的候选子任务的候选任务的数量；Np为若干候选任务包含的所有候选子任务中，任务类型为Sp且处于对应所在的候选任务的AOE网中关键路径上的候选子任务的数量；
S400，根据S和G，获取异常指数集η=(η1,η2,…,ηp,…,ηq)；其中，ηp为Sp对应的异常指数；ηp=a×Gp+b×T1 p’，a和b为预设权重，a+b=1；T1 p’为Sp对应的第二延误时长，T1 p’根据Sp对应的历史最大第一延误时长TSp_max和历史最小第一延误时长TSp_min得到；TSp_max和TSp_min根据Sp对应的目标子任务的历史执行过程中，记录的所有的历史第一延误时长得到；
S500，根据η，在目标任务包含的m个目标子任务中确定出异常子任务。
2.根据权利要求1所述的异常任务确定方法，其特征在于，T1 m通过以下步骤得到：
S110，获取第m个目标子任务的第三延误时长T2 m和第四延误时长Tmax m；其中，T2 m根据第m个目标子任务的实际结束时间t1 m、目标任务中的第一个目标子任务的实际开始时间t2和目标任务中的第一个目标子任务的预设最晚结束时间t3得到；Tmax m为第m个目标子任务对应的各前序任务的第二延误时长中最大的第二延误时长；
S120，根据T2 m和Tmax m，确定T1 m=T2 m-Tmax m。
3.根据权利要求2所述的异常任务确定方法，其特征在于，T2 m通过以下步骤得到：
S111，根据t1 m和t2，确定第m个目标子任务归一化的实际结束时间t4 m=t1 m-t2；
S112，根据t3和t4 m，确定第m个目标子任务的第二延误时长T2 m=t4 m-t3。
4.根据权利要求3所述的异常任务确定方法，其特征在于，在步骤S200之后，所述方法还包括以下步骤：
S210，获取目标任务的实际结束时间t5和预设结束时间t6；
S220，根据t5和t6，确定目标任务的整体延误时长T3=t5-t6；
S230，根据T1 m和T3，确定第m个目标子任务的第一延误占比率λ1 m=T1 m/T3。
5.根据权利要求4所述的异常任务确定方法，其特征在于，在步骤S220之后，所述方法还包括以下步骤：
S240，获取第m个目标子任务的实际开始时间t7 m；
S241，根据t7 m和t2，确定第m个目标子任务归一化的实际开始时间t8 m=t7 m-t2；
S242，根据t4 m和t8 m，确定第m个目标子任务的实际执行时长T4 m=t4 m-t8 m；
S243，获取第m个目标子任务的预设持续时长DUm；
S244，根据DUm和T4 m，确定第m个目标子任务的执行延误时长T5 m=T4 m-DUm；
S245，根据T5 m和T3，确定第m个目标子任务的执行延误占比率λ2 m=T5 m/T3。
6.根据权利要求5所述的异常任务确定方法，其特征在于，在步骤S244之后，所述方法还包括以下步骤：
S250，确定第m个目标子任务的执行迟到时长T6 m=T1 m-T5 m；
S251，根据T6 m和T3，确定第m个目标子任务的迟到占比率λ3 m=T6 m/T3。
7.根据权利要求1所述的异常任务确定方法，其特征在于，T1 p’通过以下步骤得到：
S410，根据T1和S，获取第五延误时长集T11=(T11 1,T11 2,…,T11 p,…,T11 q)；其中，T11 p为任务类型为Sp的候选子任务的第一延误时长；
S420，根据T11 p、TSp_max和TSp_min，得到T1 p’=(T11 p-TSp_min)/(TSp_max-TSp_min)。
8.根据权利要求1所述的异常任务确定方法，其特征在于，所述前序任务通过以下步骤确定：
S310，遍历预设AOE网中的所有边，确定出各边的起始顶点集E=(e1,e2,…,eg,…,eh)，g=1,2,…h；其中，eg为第g个边的起始顶点，h为边的数量；
S320，遍历E，将以eg作为终止顶点的所有边确定为第g个边的前序边；
S330，将第g个边的前序边对应的所有目标子任务确定为第g个边对应的目标子任务的前序任务。
9.一种非瞬时性计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-8中任意一项所述的异常任务确定方法。
10.一种电子设备，其特征在于，包括处理器和权利要求9所述的非瞬时性计算机可读存储介质。
CN202311631539.2A 2023-12-01 2023-12-01 一种异常任务确定方法、电子设备及存储介质 Active CN117370065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311631539.2A CN117370065B (zh) 2023-12-01 2023-12-01 一种异常任务确定方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311631539.2A CN117370065B (zh) 2023-12-01 2023-12-01 一种异常任务确定方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN117370065A CN117370065A (zh) 2024-01-09
CN117370065B true CN117370065B (zh) 2024-02-02

Family

ID=89391307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311631539.2A Active CN117370065B (zh) 2023-12-01 2023-12-01 一种异常任务确定方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN117370065B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111145596A (zh) * 2019-12-05 2020-05-12 阿里巴巴集团控股有限公司 一种延误时长的预测方法及装置
CN113762906A (zh) * 2020-08-12 2021-12-07 北京沃东天骏信息技术有限公司 任务周期延迟的告警方法、装置、设备及存储介质
CN115629903A (zh) * 2022-10-27 2023-01-20 北京沃东天骏信息技术有限公司 任务延迟监控方法、装置、设备及存储介质
CN115860430A (zh) * 2023-01-19 2023-03-28 苏州市软件评测中心有限公司 一种信息系统监理项目的进度管理方法及系统
CN116822926A (zh) * 2023-06-29 2023-09-29 国能(天津)港务有限责任公司 一种延误统计及分析方法、装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3156496A1 (en) * 2019-10-07 2021-04-15 Rite-Hite Holding Corporation METHODS AND APPARATUS FOR MONITORING AND MANAGING LOADING DOCK OPERATIONS

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111145596A (zh) * 2019-12-05 2020-05-12 阿里巴巴集团控股有限公司 一种延误时长的预测方法及装置
CN113762906A (zh) * 2020-08-12 2021-12-07 北京沃东天骏信息技术有限公司 任务周期延迟的告警方法、装置、设备及存储介质
CN115629903A (zh) * 2022-10-27 2023-01-20 北京沃东天骏信息技术有限公司 任务延迟监控方法、装置、设备及存储介质
CN115860430A (zh) * 2023-01-19 2023-03-28 苏州市软件评测中心有限公司 一种信息系统监理项目的进度管理方法及系统
CN116822926A (zh) * 2023-06-29 2023-09-29 国能(天津)港务有限责任公司 一种延误统计及分析方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN117370065A (zh) 2024-01-09

Similar Documents

Publication Publication Date Title
US10846643B2 (en) Method and system for predicting task completion of a time period based on task completion rates and data trend of prior time periods in view of attributes of tasks using machine learning models
US10713073B2 (en) Systems and methods for identifying cloud configurations
US10554738B1 (en) Methods and apparatus for load balance optimization based on machine learning
Rogge-Solti et al. Prediction of business process durations using non-Markovian stochastic Petri nets
US9430288B2 (en) Job scheduling based on historical job data
CN110852421B (zh) 模型生成方法和装置
JP5313990B2 (ja) 応答時間に基づいてサービスリソース消費を推定すること
CN110019151B (zh) 数据库性能调整方法、装置、设备、系统及存储介质
CN109272348B (zh) 活跃用户数量确定方法及装置、存储介质和电子设备
WO2021133253A1 (en) Method and apparatus for predicting energy consumption, and device and storage medium thereof
US8832839B2 (en) Assessing system performance impact of security attacks
CN111310998B (zh) 关键路径的生成方法、装置、电子设备和介质
US20120072456A1 (en) Adaptive resource allocation for multiple correlated sub-queries in streaming systems
CN109636212B (zh) 作业实际运行时间的预测方法
CN111311286A (zh) 一种智能客服数据处理方法、装置及计算设备、存储介质
CN115269108A (zh) 一种数据处理方法、装置及设备
CN115202847A (zh) 任务的调度方法和装置
CN108897673B (zh) 系统容量评估方法与装置
US20140052431A1 (en) Supporting proactive decision-making in event-driven applications
US20220035721A1 (en) Efficient real-time data quality analysis
CN117370065B (zh) 一种异常任务确定方法、电子设备及存储介质
US20160004985A1 (en) Prioritizing Proposal Development Under Resource Constraints
US20220327450A1 (en) Method for increasing or decreasing number of workers and inspectors in crowdsourcing-based project for creating artificial intelligence learning data
US20220327650A1 (en) Transportation bubbling at a ride-hailing platform and machine learning
Kiran et al. A prediction module to optimize scheduling in a grid computing environment

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
GR01 Patent grant
GR01 Patent grant