CN117742795A - 基于时效优先的指令调度方法、装置、计算机设备及介质 - Google Patents
基于时效优先的指令调度方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN117742795A CN117742795A CN202311667051.5A CN202311667051A CN117742795A CN 117742795 A CN117742795 A CN 117742795A CN 202311667051 A CN202311667051 A CN 202311667051A CN 117742795 A CN117742795 A CN 117742795A
- Authority
- CN
- China
- Prior art keywords
- instruction
- executed
- time consumption
- time
- execution
- 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 73
- 230000036962 time dependent Effects 0.000 title description 2
- 238000004590 computer program Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 abstract description 13
- 230000000903 blocking effect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 32
- 238000012545 processing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及计算机技术领域，尤其涉及一种基于时效优先的指令调度方法、装置、计算机设备及介质。该方法针对任一待执行指令，根据待执行指令对应的指令类型，确定对应的耗时预测模型，获取与相同指令类型对应的各个待执行指令和各个耗时预测模型，使用各个耗时预测模型对各个待执行指令进行耗时预测，得到各个待执行指令对应的预测耗时，按照预测耗时从短到长的排列顺序，生成N个待执行指令的调度序列，根据调度序列依次执行各个待执行指令，在处理器资源不变的前提下，提升平均请求指令的响应效率，避免单个指令需要超长的执行耗时而造成阻塞的情况，能够明显降低单个指令的等待时长，进而提升指令响应效率，也即提高指令执行的效率。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于时效优先的指令调度方法、装置、计算机设备及介质。
背景技术
目前，处理器在执行指令时，其指令调度通常采用先入先出(first come firstservice，FCFS)的调度方案，也即根据指令发起的先后顺序进行依序执行。
指令调度可以应用于具体业务场景，例如工作流引擎，工作流引擎指workflow作为应用系统的一部分，并为之提供对各应用系统有决定作用的根据角色、分工和条件的不同决定信息传递路由、内容等级等核心解决方案，工作流引擎包括流程的节点管理、流向管理、流程样例管理等重要功能。
但是，因为计算机处理器在单位时间内输入输出吞吐量的限制，在高并发、业务逻辑复杂等特殊场景下，存在指令执行响应过慢甚至超时等情况，导致指令执行效率较低，因此，如何提高指令执行的效率成为了亟待解决的问题。
发明内容
有鉴于此，本发明实施例提供了一种基于时效优先的指令调度方法、装置、计算机设备及介质，以解决采用现有指令调度策略导致指令执行效率较低的问题。
第一方面，本发明实施例提供一种基于时效优先的指令调度方法，所述指令调度方法包括：
获取N个待执行指令及其分别对应的指令类型，N为大于零的整数；
针对任一待执行指令，根据所述待执行指令对应的指令类型，从预设模型集合中确定所述指令类型对应的耗时预测模型，所述预设模型集合包括至少一个耗时预测模型，所述耗时预测模型与所述指令类型存在一一对应关系；
获取与相同指令类型对应的各个所述待执行指令和各个所述耗时预测模型，使用各个所述耗时预测模型对各个所述待执行指令进行耗时预测，得到各个所述待执行指令对应的预测耗时；
按照预测耗时从短到长的排列顺序，生成所述N个待执行指令的调度序列，根据所述调度序列依次执行各个所述待执行指令。
第二方面，本发明实施例提供一种基于时效优先的指令调度装置，所述指令调度装置包括：
指令获取模块，用于获取N个待执行指令及其分别对应的指令类型，N为大于零的整数；
模型确定模块，用于针对任一待执行指令，根据所述待执行指令对应的指令类型，从预设模型集合中确定所述指令类型对应的耗时预测模型，所述预设模型集合包括至少一个耗时预测模型，所述耗时预测模型与所述指令类型存在一一对应关系；
耗时预测模块，用于获取与相同指令类型对应的各个所述待执行指令和各个所述耗时预测模型，使用各个所述耗时预测模型对各个所述待执行指令进行耗时预测，得到各个所述待执行指令对应的预测耗时；
调度执行模块，用于按照预测耗时从短到长的排列顺序，生成所述N个待执行指令的调度序列，根据所述调度序列依次执行各个所述待执行指令。
第三方面，本发明实施例提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的指令调度方法。
第四方面，本发明实施例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程序，所述计算机程序被处理器执行时实现如第一方面所述的指令调度方法。
本发明实施例与现有技术相比存在的有益效果是：
获取N个待执行指令及其分别对应的指令类型，N为大于零的整数，针对任一待执行指令，根据待执行指令对应的指令类型，从预设模型集合中确定指令类型对应的耗时预测模型，预设模型集合包括至少一个耗时预测模型，耗时预测模型与指令类型存在一一对应关系，获取与相同指令类型对应的各个待执行指令和各个耗时预测模型，使用各个耗时预测模型对各个待执行指令进行耗时预测，得到各个待执行指令对应的预测耗时，按照预测耗时从短到长的排列顺序，生成N个待执行指令的调度序列，根据调度序列依次执行各个待执行指令。在处理器资源不变的前提下，提升平均请求指令的响应效率，避免单个指令需要超长的执行耗时而造成阻塞的情况，能够明显降低单个指令的等待时长，进而提升指令响应效率，也即提高指令执行的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种基于人工智能的视频生成方法的一应用环境示意图；
图2是本发明实施例一提供的一种基于人工智能的视频生成方法的流程示意图；
图3是本发明实施例二提供的一种基于人工智能的视频生成装置的结构示意图；
图4是本发明实施例三提供的一种计算机设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本发明说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本发明说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本发明说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
应理解，以下实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
为了说明本发明的技术方案，下面通过具体实施例来进行说明。
本发明实施例一提供的一种基于时效优先的指令调度方法，可应用在如图1的应用环境中，其中，客户端与服务端进行通信。其中，客户端包括但不限于掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、云端终端设备、个人数字助理(personal digital assistant，PDA)等计算机设备。服务端可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参见图2，是本发明实施例一提供的一种基于时效优先的指令调度方法的流程示意图，上述指令调度方法可以应用于图1中的服务端，服务端对应的计算机设备与客户端通信连接，以获取待执行指令及其对应的指令类型，服务端中部署有数据库，数据库可以用于存储预设模型集合，服务端还包括处理器，处理器用于执行待执行指令。如图2所示，该基于时效优先的指令调度方法可以包括以下步骤：
步骤S201，获取N个待执行指令及其分别对应的指令类型。
其中，N为大于零的整数，待执行指令可以是指需要由处理器进行执行的指令，指令类型可以用于标识待执行指令的类别。
通常情况下，认为不同指令类型的指令执行时耗时不同，在本实施例中，指令类型可以以数字编码的方式进行表示。
可选的是，指令类型至少包括创建指令、提交指令和终止指令。
其中，创建指令可以用于创建执行任务，提交指令可以用于提交执行任务，终止指令可以用于终止执行任务。
在一实施方式中，指令类型还可以包括通过指令、返回指令、转派指令、征询意见指令、加签指令、签报指令、重启指令、发送待办邮件指令、生成待办任务指令等。
具体地，上述指令类型对应于工作流引擎中流转控制部分的内容，工作流引擎通常包括四个部分，四个部分分别为流程定义、预置接口、流转控制和业务处理。
流程定义可以包括定义流程元素、定义流程节点、定义节点处理人、定义节点流转方式等。
预置接口可以包括业务前置校验接口、业务处理接口、关联系统回调接口等。
业务处理与预置接口相对应。
流程定义部分和预置接口部分通过流程流转与流转控制部分连接，流转控制部分通过处理业务与业务处理部分连接。
上述获取N个待执行指令及其分别对应的指令类型的步骤，为后续根据指令类型确定对应的预测时长，进而调整指令调度的先后顺序提供基础，从而提高待执行指令调度的效率。
步骤S202，针对任一待执行指令，根据待执行指令对应的指令类型，从预设模型集合中确定指令类型对应的耗时预测模型。
其中，预设模型集合包括至少一个耗时预测模型，耗时预测模型与指令类型存在一一对应关系，耗时预测模型可以用于确定对应指令类型所对应的预测耗时。
可选的是，耗时预测模型的构建包括：
针对任一指令类型，获取指令类型对应的M个历史执行指令及其历史执行耗时，M为大于零的整数；
统计每个历史执行指令的执行次数，将所有执行次数相加，确定相加结果为执行总次数；
以执行次数和执行总次数的比值，作为对应历史执行指令的执行占比；
将每个历史执行指令的历史执行耗时均值和执行占比相乘，得到对应历史执行指令的第一相乘结果，将所有第一相乘结果相加，得到耗时期望值；
以耗时期望值作为指令类型的参考耗时，由指令类型及其参考耗时，形成指令类型对应的耗时预测模型。
其中，历史执行指令可以是指在历史执行过程中被处理器所执行完成的指令。
历史执行耗时可以是指历史执行指令从开始执行到结束执行之间的时间长度，历史执行过程可以由实施者预先设置好的时间区间确定。
执行次数可以是指在历史执行过程中对应历史执行指令完成执行的次数，执行总次数可以是指在历史执行过程中对应指令类型下所有历史执行指令完成执行的次数总和。
执行占比可以表示对应历史执行指令的执行次数和执行总次数的比值，历史执行耗时均值可以通过该历史执行指令的历史执行耗时之和与其历史执行次数作比计算得到。
第一相乘结果可以是指历史执行耗时均值和执行占比的相乘结果，耗时期望值可以是指在假设同指令类型的耗时满足正态分布的前提下，根据正态分布期望计算得到的期望值，参考耗时可以是指耗时预测模型的输出结果。
具体地，设第i个历史执行指令的执行占比为p(i)，第i个历史执行指令的历史执行耗时均值为x(i)，则耗时期望值E可以表示为：
其中，i的取值范围为[1，2，…，I]，I为历史执行指令的总个数。
本实施例中，通过正态分布先验进行期望值计算，能够得到较为准确的预测耗时，从而提高指令调度的准确性。
可选的是，在得到耗时期望值之后，还包括：
计算每个历史执行耗时分别和耗时期望值之间的差值，将差值小于预设阈值的历史执行耗时保留；
针对任一历史执行指令，根据历史执行指令所保留的历史执行耗时计算历史执行指令对应的更新执行耗时均值；
将历史执行指令的更新执行耗时均值和执行占比相乘，得到对应历史执行指令的第二相乘结果，将所有第二相乘结果相加，得到更新期望值；
相应地，以耗时期望值作为指令类型的参考耗时，由所有指令类型及其参考耗时，形成耗时预测模型，包括：
以更新期望值作为指令类型的参考耗时，由指令类型及其参考耗时，形成指令类型对应的耗时预测模型。
其中，差值可以表征历史执行耗时和耗时期望值的差异程度，预设阈值可以用于判断历史执行耗时和耗时期望值的差异程度是否过大。
当差值大于或者等于预设阈值时，说明历史执行耗时和耗时期望值的差异程度过大，属于偏差明显异常的数据，因此将此类历史执行耗时数据剔除，仅保留差值小于预设阈值的历史执行耗时。
更新执行耗时均值可以是指根据所保留的历史执行耗时计算得到的执行耗时均值。
第二相乘结果可以是指历史执行指令的更新执行耗时均值和执行占比的相乘结果，更新期望值可以是指剔除异常值后计算得到的期望值。
本实施例中，通过期望值剔除偏差明显异常的数据，从而进一步提升预测耗时的准确率，进而提高指令调度的准确率。
上述针对任一待执行指令，根据待执行指令对应的指令类型，从预设模型集合中确定指令类型对应的耗时预测模型的步骤，根据耗时预测模型进行耗时预测，能够为后续优先级排序确定对应指令类型的预测耗时，从而提高指令调度的准确率。
步骤S203，获取与相同指令类型对应的各个待执行指令和各个耗时预测模型，使用各个耗时预测模型对各个待执行指令进行耗时预测，得到各个待执行指令对应的预测耗时。
其中，参考耗时与指令类型存在一一对应关系，可以在数据库中存储为映射关系，该映射关系即为耗时预测模型，实施者可以直接在数据库中进行查找，即可得到对应指令类型的参考耗时。
上述获取与相同指令类型对应的各个待执行指令和各个耗时预测模型，使用各个耗时预测模型对各个待执行指令进行耗时预测，得到各个待执行指令对应的预测耗时的步骤，采用映射方式进行耗时预测，在保证处理准确率的同时，实现了更高的处理效率。
步骤S204，按照预测耗时从短到长的排列顺序，生成N个待执行指令的调度序列，根据调度序列依次执行各个待执行指令。
其中，调度序列包括N个按照预测耗时从短到长排列的待执行指令。
具体地，假设有一批并发量为10的待执行指令并发到达，处理器执行长度以ms计，每一个独立的待执行指令可看作一个单独的进程。单个进程处理器执行长度如下表一。
表一
其中，进程P1的处理器执行时长为20ms，进程P2的处理器执行时长为12ms，进程P3的处理器执行时长为30ms，进程P4的处理器执行时长为15ms，进程P5的处理器执行时长为22ms，进程P6的处理器执行时长为25ms，进程P7的处理器执行时长为17ms，进程P8的处理器执行时长为16ms，进程P9的处理器执行时长为11ms，进程P10的处理器执行时长为19ms。
在采用FCFS算法时，进程P1的等待时长t(P1)为0，进程P2的等待时长为P1的执行时长T(P1)，进程P3的等待时长为P1的执行时长T(P1)与P2的执行时长T(P2)之和，进程P4的等待时长为P1的执行时长T(P1)、P2的执行时长T(P2)和P3的执行时长T(P3)之和，进程P5的等待时长为P1的执行时长T(P1)、P2的执行时长T(P2)、P3的执行时长T(P3)和P4的执行时长T(P4)之和，依次类推，可以得到如下表二：
表二
| 进程 | 处理器执行时长 | 等待时长 |
| P1 | 20 | 0 |
| P2 | 12 | 20 |
| P3 | 30 | 32 |
| P4 | 15 | 62 |
| P5 | 22 | 77 |
| P6 | 25 | 99 |
| P7 | 17 | 124 |
| P8 | 16 | 141 |
| P9 | 11 | 157 |
| P10 | 19 | 168 |
根据上述表2，可以计算得到全部进程的等待时长总和为880ms，则平均等待时长为88ms。
而采用本实施例时，调度序列依次为P9、P2、P4、P8、P7、P10、P1、P5、P6、P3。
则进程等待时长统计如下表三：
表三
| 进程 | 处理器执行时长 | 等待时长 |
| P9 | 11 | 0 |
| P2 | 12 | 11 |
| P4 | 15 | 23 |
| P8 | 16 | 38 |
| P7 | 17 | 51 |
| P10 | 19 | 71 |
| P1 | 20 | 90 |
| P5 | 22 | 110 |
| P6 | 25 | 132 |
| P3 | 30 | 157 |
根据上述表3，可以计算得到全部进程的等待时长总和为686ms，则平均等待时长为68.6ms。
可见，在处理器的处理能力相同的情况下，本实施例相较于现有技术所使用的FCFS算法在并发场景下可明显降低单个进程等待时间，进而提升响应效率，以上例评估预计可提升请求响应效率(88-38.6)/88*100％＝22.04％，而且，理论上指令并发量越大，单个指令的处理器执行时长越长，本实施例所提供的效率提升效果越明显。
上述按照预测耗时从短到长的排列顺序，生成N个待执行指令的调度序列，根据调度序列依次执行各个待执行指令的步骤，按照优先级从高到底将指令加入到待处理消息队列，根据先进先出原则逐一处理，优先级高的指令得到即时处理，降低了优先级低的耗时操作造成其它指令长时间等待的影响。
可选的是，在根据调度序列依次执行各个待执行指令之后，还包括：
获取调度序列中每个待执行指令的真实耗时；
针对任一待执行指令，根据待执行指令对应的真实耗时，对待执行指令对应的耗时预测模型进行参数更新，得到更新后的耗时预测模型；
在预设模型集合中，以每个更新后的耗时预测模型替换其对应的更新前的耗时预测模型。
其中，真实耗时可以是指实际执行过程中对应待执行指令的执行时长，更新后的耗时预测模型可以是指待执行指令与其对应的更新后的参考耗时之间的映射关系。
本实施例中，以真实耗时作为新增数据进一步迭代修正耗时预测模型，从而提高耗时预测模型的预测精准度，进而提高指令调度的准确率，也即提高指令执行的效率。
可选的是，根据待执行指令对应的真实耗时，对待执行指令对应的耗时预测模型进行参数更新包括：
使用handlerMessage接口，将待执行指令对应的真实耗时反馈至待执行指令对应的耗时预测模型；
对待执行指令对应的耗时预测模型进行参数更新。
其中，handlerMessage接口可以用于传输数据。
具体地，参数更新的对象可以是指耗时预测模型在计算参考期望值时各个执行耗时均值对应的执行占比。
本实施例中，获取N个待执行指令及其分别对应的指令类型，N为大于零的整数，针对任一待执行指令，根据待执行指令对应的指令类型，从预设模型集合中确定指令类型对应的耗时预测模型，预设模型集合包括至少一个耗时预测模型，耗时预测模型与指令类型存在一一对应关系，获取与相同指令类型对应的各个待执行指令和各个耗时预测模型，使用各个耗时预测模型对各个待执行指令进行耗时预测，得到各个待执行指令对应的预测耗时，按照预测耗时从短到长的排列顺序，生成N个待执行指令的调度序列，根据调度序列依次执行各个待执行指令。在处理器资源不变的前提下，提升平均请求指令的响应效率，避免单个指令需要超长的执行耗时而造成阻塞的情况，能够明显降低单个指令的等待时长，进而提升指令响应效率，也即提高指令执行的效率。
对应于上文实施例的基于时效优先的指令调度方法，图3示出了本发明实施例二提供的基于时效优先的指令调度装置的结构框图，上述指令调度装置应用于服务端，服务端对应的计算机设备与客户端通信连接，以获取待执行指令及其对应的指令类型，服务端中部署有数据库，数据库可以用于存储预设模型集合，服务端还包括处理器，处理器用于执行待执行指令。为了便于说明，仅示出了与本发明实施例相关的部分。
参见图3，该指令调度装置包括：
指令获取模块31，用于获取N个待执行指令及其分别对应的指令类型，N为大于零的整数；
模型确定模块32，用于针对任一待执行指令，根据待执行指令对应的指令类型，从预设模型集合中确定指令类型对应的耗时预测模型，预设模型集合包括至少一个耗时预测模型，耗时预测模型与指令类型存在一一对应关系；
耗时预测模块33，用于获取与相同指令类型对应的各个待执行指令和各个耗时预测模型，使用各个耗时预测模型对各个待执行指令进行耗时预测，得到各个待执行指令对应的预测耗时；
调度执行模块34，用于按照预测耗时从短到长的排列顺序，生成N个待执行指令的调度序列，根据调度序列依次执行各个待执行指令。
可选的是，上述指令调度装置还包括：
耗时获取模块，用于获取调度序列中每个待执行指令的真实耗时；
模型更新模块，用于针对任一待执行指令，根据待执行指令对应的真实耗时，对待执行指令对应的耗时预测模型进行参数更新，得到更新后的耗时预测模型；
模型替换模块，用于在预设模型集合中，以每个更新后的耗时预测模型替换其对应的更新前的耗时预测模型。
可选的是，上述模型更新模块包括：
接口反馈单元，用于使用handlerMessage接口，将待执行指令对应的真实耗时反馈至待执行指令对应的耗时预测模型；
参数更新单元，用于对待执行指令对应的耗时预测模型进行参数更新。
可选的是，上述指令调度装置还包括：
历史指令获取模块，用于针对任一指令类型，获取指令类型对应的M个历史执行指令及其历史执行耗时，M为大于零的整数；
执行统计模块，用于统计每个历史执行指令的执行次数，将所有执行次数相加，确定相加结果为执行总次数；
占比计算模块，用于以执行次数和执行总次数的比值，作为对应历史执行指令的执行占比；
第一期望计算模块，用于将每个历史执行指令的历史执行耗时均值和执行占比相乘，得到对应历史执行指令的第一相乘结果，将所有第一相乘结果相加，得到耗时期望值；
模型形成模块，用于以耗时期望值作为指令类型的参考耗时，由指令类型及其参考耗时，形成指令类型对应的耗时预测模型。
可选的是，上述指令调度装置还包括：
耗时筛选模块，用于计算每个历史执行耗时分别和耗时期望值之间的差值，将差值小于预设阈值的历史执行耗时保留；
均值更新模块，用于针对任一历史执行指令，根据历史执行指令所保留的历史执行耗时计算历史执行指令对应的更新执行耗时均值；
第二期望计算模块，用于将历史执行指令的更新执行耗时均值和执行占比相乘，得到对应历史执行指令的第二相乘结果，将所有第二相乘结果相加，得到更新期望值；
相应地，上述模型形成模块包括：
更新模型形成单元，用于以更新期望值作为指令类型的参考耗时，由指令类型及其参考耗时，形成指令类型对应的耗时预测模型。
可选的是，上述耗时预测模块33包括：
参考耗时确定单元，用于针对任一待执行指令，根据待执行指令对应的指令类型，使用对应指令类型的耗时预测模型确定指令类型对应的参考耗时；
预测耗时确定单元，用于以参考耗时作为待执行指令对应的预测耗时。
可选的是，指令类型至少包括创建指令、提交指令和终止指令。
需要说明的是，上述模块、单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图4为本发明实施例三提供的一种计算机设备的结构示意图。如图4所示，该实施例的计算机设备包括：至少一个处理器(图4中仅示出一个)、存储器以及存储在存储器中并可在至少一个处理器上运行的计算机程序，处理器执行计算机程序时实现上述任意各个指令调度方法实施例中的步骤。
该计算机设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图4仅仅是计算机设备的举例，并不构成对计算机设备的限定，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括网络接口、显示屏和输入装置等。
所称处理器可以是CPU，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器包括可读存储介质、内存储器等，其中，内存储器可以是计算机设备的内存，内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。可读存储介质可以是计算机设备的硬盘，在另一些实施例中也可以是计算机设备的外部存储设备，例如，计算机设备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。进一步地，存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，该其他程序如计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
本发明实现上述实施例方法中的全部或部分流程，也可以通过一种计算机程序产品来完成，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现可实现上述方法实施例中的步骤。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例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同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于时效优先的指令调度方法，其特征在于，所述指令调度方法包括：
获取N个待执行指令及其分别对应的指令类型，N为大于零的整数；
针对任一待执行指令，根据所述待执行指令对应的指令类型，从预设模型集合中确定所述指令类型对应的耗时预测模型，所述预设模型集合包括至少一个耗时预测模型，所述耗时预测模型与所述指令类型存在一一对应关系；
获取与相同指令类型对应的各个所述待执行指令和各个所述耗时预测模型，使用各个所述耗时预测模型对各个所述待执行指令进行耗时预测，得到各个所述待执行指令对应的预测耗时；
按照预测耗时从短到长的排列顺序，生成所述N个待执行指令的调度序列，根据所述调度序列依次执行各个所述待执行指令。
2.根据权利要求1所述的指令调度方法，其特征在于，在所述根据所述调度序列依次执行各个所述待执行指令之后，还包括：
获取所述调度序列中每个待执行指令的真实耗时；
针对任一待执行指令，根据所述待执行指令对应的真实耗时，对所述待执行指令对应的耗时预测模型进行参数更新，得到更新后的耗时预测模型；
在所述预设模型集合中，以每个更新后的耗时预测模型替换其对应的更新前的耗时预测模型。
3.根据权利要求2所述的指令调度方法，其特征在于，所述根据所述待执行指令对应的真实耗时，对所述待执行指令对应的耗时预测模型进行参数更新包括：
使用handlerMessage接口，将所述待执行指令对应的真实耗时反馈至所述待执行指令对应的耗时预测模型；
对所述待执行指令对应的耗时预测模型进行参数更新。
4.根据权利要求1所述的指令调度方法，其特征在于，所述耗时预测模型的构建包括：
针对任一指令类型，获取所述指令类型对应的M个历史执行指令及其历史执行耗时，M为大于零的整数；
统计每个历史执行指令的执行次数，将所有执行次数相加，确定相加结果为执行总次数；
以所述执行次数和所述执行总次数的比值，作为对应历史执行指令的执行占比；
将每个历史执行指令的历史执行耗时均值和执行占比相乘，得到对应历史执行指令的第一相乘结果，将所有第一相乘结果相加，得到耗时期望值；
以所述耗时期望值作为所述指令类型的参考耗时，由所述指令类型及其参考耗时，形成所述指令类型对应的耗时预测模型。
5.根据权利要求4所述的指令调度方法，其特征在于，在所述得到耗时期望值之后，还包括：
计算每个历史执行耗时分别和所述耗时期望值之间的差值，将差值小于预设阈值的历史执行耗时保留；
针对任一历史执行指令，根据所述历史执行指令所保留的历史执行耗时计算所述历史执行指令对应的更新执行耗时均值；
将所述历史执行指令的更新执行耗时均值和执行占比相乘，得到对应历史执行指令的第二相乘结果，将所有第二相乘结果相加，得到更新期望值；
相应地，所述以所述耗时期望值作为所述指令类型的参考耗时，由所有指令类型及其参考耗时，形成所述耗时预测模型，包括：
以所述更新期望值作为所述指令类型的参考耗时，由所述指令类型及其参考耗时，形成所述指令类型对应的耗时预测模型。
6.根据权利要求4所述的指令调度方法，其特征在于，所述使用各个所述耗时预测模型对各个所述待执行指令进行耗时预测，得到各个所述待执行指令对应的预测耗时，包括：
针对任一待执行指令，根据所述待执行指令对应的指令类型，使用对应所述指令类型的耗时预测模型确定所述指令类型对应的参考耗时；
以所述参考耗时作为所述待执行指令对应的预测耗时。
7.根据权利要求1至6任一项所述的指令调度方法，其特征在于，所述指令类型至少包括创建指令、提交指令和终止指令。
8.一种基于时效优先的指令调度装置，其特征在于，所述指令调度装置包括：
指令获取模块，用于获取N个待执行指令及其分别对应的指令类型，N为大于零的整数；
模型确定模块，用于针对任一待执行指令，根据所述待执行指令对应的指令类型，从预设模型集合中确定所述指令类型对应的耗时预测模型，所述预设模型集合包括至少一个耗时预测模型，所述耗时预测模型与所述指令类型存在一一对应关系；
耗时预测模块，用于获取与相同指令类型对应的各个所述待执行指令和各个所述耗时预测模型，使用各个所述耗时预测模型对各个所述待执行指令进行耗时预测，得到各个所述待执行指令对应的预测耗时；
调度执行模块，用于按照预测耗时从短到长的排列顺序，生成所述N个待执行指令的调度序列，根据所述调度序列依次执行各个所述待执行指令。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的指令调度方法。
10.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的指令调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311667051.5A CN117742795A (zh) | 2023-12-05 | 2023-12-05 | 基于时效优先的指令调度方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311667051.5A CN117742795A (zh) | 2023-12-05 | 2023-12-05 | 基于时效优先的指令调度方法、装置、计算机设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117742795A true CN117742795A (zh) | 2024-03-22 |
Family
ID=90278730
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311667051.5A Pending CN117742795A (zh) | 2023-12-05 | 2023-12-05 | 基于时效优先的指令调度方法、装置、计算机设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117742795A (zh) |
-
2023
- 2023-12-05 CN CN202311667051.5A patent/CN117742795A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114048055A (zh) | 时序数据异常根因分析方法及系统 | |
| CN111369334B (zh) | 一种薪资计算方法及系统 | |
| CN116185588A (zh) | 一种任务调度方法、装置、电子设备及可读存储介质 | |
| CN116756522B (zh) | 概率预报方法、装置、存储介质及电子设备 | |
| CN112669091B (zh) | 数据处理方法、装置及存储介质 | |
| CN115756812A (zh) | 一种资源调整方法及装置、存储介质 | |
| WO2022068280A1 (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN117555913A (zh) | 基于第三方平台的对象数据更新方法和装置 | |
| CN111694835B (zh) | 物流电子面单的号段存取方法及系统、设备及存储介质 | |
| CN117742795A (zh) | 基于时效优先的指令调度方法、装置、计算机设备及介质 | |
| CN116662904A (zh) | 数据类型的变异检测方法、装置、计算机设备及介质 | |
| CN113722141B (zh) | 数据任务的延迟原因确定方法、装置、电子设备及介质 | |
| CN112800089B (zh) | 一种中间数据存储级别调整方法、存储介质及计算机设备 | |
| CN112860763B (zh) | 实时流数据处理方法、装置、计算机设备和存储介质 | |
| CN115202847A (zh) | 任务的调度方法和装置 | |
| CN112637793A (zh) | 一种基于5g的场景化计费方法、系统、电子设备和存储介质 | |
| CN110197383B (zh) | 获取客户群的用户集的方法和装置 | |
| CN113259878A (zh) | 话单结算方法、系统、电子设备及计算机可读存储介质 | |
| CN113377604A (zh) | 一种数据处理方法、装置、设备和存储介质 | |
| CN117453376B (zh) | 高通量计算的控制方法、装置、设备及存储介质 | |
| CN112148491B (zh) | 数据处理方法及装置 | |
| CN114817408B (zh) | 调度资源识别方法、装置、电子设备及存储介质 | |
| CN113763023B (zh) | 用户识别的方法、装置、电子设备和存储介质 | |
| CN117726304B (zh) | 项目进度预测及项目资源配给推荐方法 | |
| CN111367640B (zh) | 数据统计周期确定方法、装置、电子设备及存储介质 |
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 |