一种任务监控的方法和装置
文献发布时间:2024-04-18 19:58:21
技术领域
本发明涉及计算机技术领域,尤其涉及一种任务监控的方法和装置。
背景技术
在现有的任务监控过程中,由于任务路径的数量繁杂,且每个任务路径中所涉及的单任务不同,错综复杂,无法对每个单任务是否发生异常进行及时监控,往往需要到任务路径的最后几个单任务被执行时,经过人工判断整个任务路径的执行时间是否超时,以确定任务路径是否发生异常。
而且,在多个任务路径分别对应的第一个单任务和最后一个单任务相同时,是由执行时间最长的任务路径决定了最后一个单任务的执行时间的(例如任务路径A:任务1→任务2→任务3,任务路径B:任务1→任务4→任务5→任务3,在任务1执行完毕后,两个任务路径分别执行任务2和任务4,但是当任务2优先于任务5执行完毕后,需要等待任务5执行完毕后,才能共同执行任务3,即任务路径A和任务路径B的执行结束时间是相同的),因此当任务路径执行超时时,无法判断是具体哪个任务路径(任务路径A还是任务路径B)中的哪个单任务(任务2还是任务4和任务5)发生了异常导致最终任务路径的执行异常。
发明内容
有鉴于此,本发明实施例提供一种任务监控的方法和装置,通过对每个单任务的任务启动时间以及任务执行时间进行预测,并根据预测启动时间和预测处理时间确定任务路径的预测结束时间,对每个单任务是否发生异常进行及时监控,以根据任务监控结果及时获取对应的处理策略。同时,还可以根据单任务的任务监控结果,精准定位执行时间较慢的单任务,并有针对性地进行优化,提高了后续的优化效率。
为实现上述目的,根据本发明实施例的一个方面,提供了一种任务监控的方法。
本发明实施例的一种任务监控的方法包括:获取多个任务路径,每个所述任务路径包括一个或多个单任务,且每个所述任务路径中的第一个单任务和最后一个单任务相同;根据所述单任务分别对应的历史启动时间以及历史处理时间,和/或所述单任务对应的当前业务量,确定每个所述单任务对应的预测启动时间以及预测处理时间;根据所述预测启动时间以及所述预测处理时间,确定所述任务路径的预测结束时间;根据所述预测启动时间、预测处理时间、以及所述预测结束时间是否满足预设阈值,生成每个所述任务路径以及所述单任务对应的任务监控结果。
可选地,所述历史启动时间以及历史处理时间是根据所述单任务在历史周期内多次执行的执行结果得到的。
可选地,所述根据所述单任务分别对应的历史启动时间以及历史处理时间,和/或所述单任务对应的当前业务量,确定每个所述单任务对应的预测启动时间以及预测处理时间,包括:确定所述单任务在历史周期内的执行日期、以及每个执行日期分别对应的权重;根据所述权重、所述历史启动时间、以及所述历史处理时间,确定所述预测启动时间和所述预测处理时间。
可选地,所述根据所述单任务分别对应的历史启动时间以及历史处理时间,和/或所述单任务对应的当前业务量,确定每个所述单任务对应的预测启动时间以及预测处理时间,包括:获取所述单任务对应的当前业务量;根据预训练的业务处理模型以及所述当前业务量,确定所述预测处理时间;所述业务处理模型通过线性回归算法训练得到,指示了历史业务量与历史处理时间之间的对应关系。
可选地,所述根据所述预测启动时间以及所述预测处理时间,确定所述任务路径的预测结束时间,包括:确定各个所述任务路径中多个单任务的执行顺序;利用动态规划算法,根据所述执行顺序、各个所述单任务对应的所述预测启动时间以及所述预测处理时间,确定每个所述任务路径分别对应的目标预测结束时间;从多个所述目标预测结束时间中确定出所述预测结束时间。
可选地,按照预设时间段,执行所述根据所述预测启动时间以及所述预测处理时间,确定所述任务路径的预测结束时间的步骤;
所述利用动态规划算法,根据所述执行顺序、各个所述单任务对应的所述预测启动时间以及所述预测处理时间,确定每个所述任务路径分别对应的目标预测结束时间,包括:针对所述任务路径中已有一个或多个第一单任务执行完成的情况,根据所述第一单任务的实际结束时间、未执行的一个或多个第二单任务的执行顺序、以及所述第二单任务对应的预测处理时间,确定所述任务路径的目标预测结束时间。
可选地,所述预测启动时间、预测处理时间、以及所述预测结束时间分别对应设置有不同的预设阈值;所述根据所述预测启动时间、预测处理时间、以及所述预测结束时间是否满足预设阈值,生成每个所述任务路径以及所述单任务对应的任务监控结果,包括:在所述预测启动时间、预测处理时间、以及所述预测结束时间中的至少一项超过所对应的预设阈值时,确定指示任务处理异常的任务监控结果。
为实现上述目的,根据本发明实施例的又一方面,提供了一种任务监控的装置。
本发明实施例的一种任务监控的装置包括:获取模块,用于获取多个任务路径,每个所述任务路径包括一个或多个单任务,且每个所述任务路径中的第一个单任务和最后一个单任务相同;确定模块,用于根据所述单任务分别对应的历史启动时间以及历史处理时间,和/或所述单任务对应的当前业务量,确定每个所述单任务对应的预测启动时间以及预测处理时间;预测模块,用于根据所述预测启动时间以及所述预测处理时间,确定所述任务路径的预测结束时间;结果模块,用于根据所述预测启动时间、预测处理时间、以及所述预测结束时间是否满足预设阈值,生成每个所述任务路径以及所述单任务对应的任务监控结果。
为实现上述目的,根据本发明实施例的又一方面,提供了一种用于任务监控的电子设备。
本发明实施例的一种任务监控的电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例的一种任务监控的方法。
为实现上述目的,根据本发明实施例的再一方面,提供了一种计算机可读存储介质。
本发明实施例的一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例的一种任务监控的方法。
上述发明中的一个实施例具有如下优点或有益效果:通过对每个单任务的任务启动时间以及任务执行时间进行预测,并根据预测启动时间和预测处理时间确定任务路径的预测结束时间,对每个单任务是否发生异常进行及时监控,并根据任务监控结果及时获取对应的处理策略。同时,还可以根据单任务的任务监控结果,精准定位执行时间较慢的单任务,并有针对性地进行优化,提高了后续的优化效率。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的任务监控的方法的主要流程示意图;
图2是根据本发明实施例的一种确定预测启动时间以及预测处理时间的主要流程示意图;
图3是根据本发明实施例的另一种确定预测启动时间以及预测处理时间的主要流程示意图;
图4是根据本发明实施例的确定任务路径的预测结束时间的主要流程示意图;
图5是根据本发明实施例的动态规划算法的数组构建示意图;
图6是根据本发明实施例的任务监控的装置的主要模块的示意图;
图7是本发明实施例可以应用于其中的示例性系统架构图;
图8是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要指出的是,在不冲突的情况下,本发明的实施例以及实施例中的技术特征可以相互结合。
需要说明的是,本公开的技术方案中,所涉及的用户个人信息的采集、收集、更新、分析、处理、使用、传输、存储等方面,均符合相关法律法规的规定,被用于合法的用途,且不违背公序良俗。对用户个人信息采取必要措施,防止对用户个人信息数据的非法访问,维护用户个人信息安全、网络安全和国家安全。
在现有技术中,每个单任务通常只执行一次,但可能存在于多个不同的任务路径中,因此对于各个单任务来说,需要在前面的其他单任务均执行完毕后,才可以执行。例如任务路径A:任务1→任务2→任务3,任务路径B:任务1→任务4→任务5→任务3,即任务路径A和任务路径B中均包括了任务1和任务3,由于任务1为起始任务,因此不存在等待其他任务的情况,但任务3为结束任务,则需要等待任务路径A中的任务2以及任务路径B中的任务5执行结束后,才可以执行。也就是说,在任务1执行完毕后,两个任务路径分别开始执行任务2和任务4,对于不同的任务,执行的时间通常不同,可能任务2执行时间很短,在任务2执行完毕后,任务4还未执行完毕,即任务路径A需要等待任务路径B中的任务4和任务5依次执行完毕后,才可以共同执行任务3。可以理解的是,对于多个任务路径分别对应的第一个单任务和最后一个单任务相同时,多个任务路径的执行结束时间均是相同的。因此,当执行结束时间超时,现有技术是无法判断出具体是任务路径A发生了异常还是任务路径B发生了异常的,更具体地,也无法判断出是任务路径A中的具体哪个单任务执行发生了异常,或者是任务路径B中的具体哪个单任务执行发生了异常。
有鉴于此,本发明提供了一种任务监控的方法,图1是根据本发明实施例的任务监控的方法的主要步骤的示意图。
如图1所示,本发明实施例的任务监控的方法主要包括以下步骤:
步骤S101:获取多个任务路径,每个任务路径包括一个或多个单任务,且每个任务路径中的第一个单任务和最后一个单任务相同;
步骤S102:根据单任务分别对应的历史启动时间以及历史处理时间,和/或单任务对应的当前业务量,确定每个单任务对应的预测启动时间以及预测处理时间;
步骤S103:根据预测启动时间以及预测处理时间,确定任务路径的预测结束时间;
步骤S104:根据预测启动时间、预测处理时间、以及预测结束时间是否满足预设阈值,生成每个任务路径以及单任务对应的任务监控结果。
其中,在金融应用领域,通常需要在每日的特定时间向外公布各个任务路径的计算结果,因此对于任务路径中各个单任务以及整个任务路径是否能够按时完成是尤其重要的,且对于结果的预知越早越好,以便于在计算结果会发生异常,无法顺利公布时,及时确定对应的处理策略。
对于步骤S102中的历史启动时间以及历史处理时间,一种可选的实施例中,是根据单任务在历史周期内多次执行的执行结果得到的。通常情况下,各个单任务以及任务路径是需要每日执行一次的,例如结算系统的日终结算,因此对于每个单任务以及任务路径来说,是对应存储有多个历史启动时间以及历史处理时间的,本发明正是基于根据已知的历史启动时间以及历史处理时间来对各个单任务以及任务路径进行任务预测,这是现有技术中所没有涉及的过程。
在一种可选的实施例中,步骤S102中根据单任务分别对应的历史启动时间以及历史处理时间确定每个单任务对应的预测启动时间以及预测处理时间的过程,如图2所示,具体包括:
步骤S201:确定单任务在历史周期内的执行日期、以及每个执行日期分别对应的权重;
步骤S202:根据权重、历史启动时间、以及历史处理时间,确定预测启动时间和预测处理时间。
其中,距离当日日期越近的历史数据,对于预测值来说更具备参考价值,因此在本发明实施例中,距离当前日期越近的历史数据,权重越大。示例性地,以历史周期为10天为例,每一天的权重可以为(0.5)^(0-x),其中x的取值分别为-10、-9、-8、……、-2、-1,-1代表前一天,-10代表前面第10天,-2至-9同理,根据上述公式计算,即可得到前一天的权重为0.5,前两天的权重为0.25,以此类推,日期距离越远权重越小。
在进一步可选的实施例中,可以根据每个执行日期分别对应的权重、历史启动时间、以及历史处理时间进行加权求和,得到预测启动时间以及预测处理时间。
可以理解的是,在根据历史数据进行预测时,需要保证历史数据的准确性以及合理性,可以优先对历史数据进行筛选处理,例如去掉异常值、或者去掉部分最大值以及最小值等,利用筛选过的历史数据对启动时间以及处理时间进行预测,可以得到更加准确的预测值。
在另一种可选的实施例中,步骤S102中根据单任务对应的当前业务量确定每个单任务对应的预测启动时间以及预测处理时间的过程,可以如图3所示,包括:
步骤S301:获取单任务对应的当前业务量;
步骤S302:根据预训练的业务处理模型以及当前业务量,确定预测处理时间;业务处理模型通过线性回归算法训练得到,指示了历史业务量与历史处理时间之间的对应关系。
其中,在日终结算处理过程中,对于当天的业务量是可以直接从结算系统的输入数据中获取的,因此可以直接获取到每个单任务分别对应的当前业务量。历史业务量则是指在历史日期下对应的业务量,上述过程通过业务处理模型中历史业务量与历史处理时间之间的对应关系,可以在输入当前业务量后,直接得到预测处理时间。具体地,对于业务处理模型来说,历史数据越多,模型的准确度越高,因此可以选择最近1年或者更久的历史业务量以及历史处理时间,采用线性回归算法进行建模,以得到预训练的业务处理模型。
在本发明一种可选的实施例中,对于每个任务路径来说,当其中存在多个单任务时,必然存在多个单任务之间的执行顺序(父子关系),因此步骤S103中确定任务路径的预测结束时间的过程,可以如图4所示,包括:
步骤S401:确定各个任务路径中多个单任务的执行顺序;
步骤S402:利用动态规划算法,根据执行顺序、各个单任务对应的预测启动时间以及预测处理时间,确定每个任务路径分别对应的目标预测结束时间;
步骤S403:从多个目标预测结束时间中确定出预测结束时间。
具体地,动态规划算法的核心思想是将原问题分解成一系列的子问题,并通过解决子问题来求解原问题。具体计算过程可以如图5所示,根据任务路径中的每个单任务构建顶点数组,在根据顶点数组构建二维边数组,图中V0、V1、V2、V3、V4分别为一条任务路径中的5个单任务,任务节点之间的箭头表示任务的执行顺序,箭头旁边的数字表示预测处理时间,具体计算过程如下:
(1)利用二维边数组存储父节点(执行顺序在前的节点)的运行时长map[i][j],节点间无父子关系时的预测处理时间设为+Inf(边数组中的∞);
(2)计算并存储从任务节点出发到最后执行的单任务之间的最长路径长度dp[i],即最长任务总时长。
其中dp[i] = max {dp[i], map[i][j]+ dp[j] (i,j) ϵ E},是动态规划算法中的状态转移方程,描述如何通过已知的子问题解来求解更大规模的问题。具体地,要想得到dp[i]的最大值,我们可以将dp[i]分解为map[i][j] + dp[j],然后取dp[i]和map[i][j] +dp[j] 中的最大值,其中map[i][j]为父节点i的运行时长,若i,j不为父子节点关系,则map[i][j]=+∞,在进行递归计算时不考虑+∞的情况,如果我们知道map[i][j]+ dp[j]的解,则可以得出dp[i]的解,如果不知道dp[j],则再使用状态转移方程求dp[j]=max {dp[j],map[j][k] + dp[k](j,k) ϵ E}的解,如此进行递归运算,最后得出dp[i]的结果。其中,dp数组除终点初始化为–Inf,dp[end]= 0,以确保dp[i]储存的是到终点的最大值,不被其他节点所影响。
(3)用next[i]保存后继节点,next数组初始化为-1。
(4)用visit数组保存当前节点是否已被访问,visit数组初始化为false。
通过上述过程,即可利用动态规划算法来确定每个任务路径分别对应的目标预测结束时间。一种可选的实施例中,对于步骤S403来说,以预测结束时间最长的目标预测结束时间作为预测结束时间。
需要说明的是,上述对于任务路径对应的目标预测结束时间的计算过程,可以按照预设时间段,每隔一段时间执行一次,以及时发现任务处理过程中是否发生了超时异常的情况。具体地,在任务不断的执行过程中,对于已经执行完成的任务,在预测结束时间时,则不用利用预测处理时间以及预测启动时间,而是利用实际已知的实际启动时间以及实际处理时间即可。具体地,步骤S402包括:针对所述任务路径中已有一个或多个第一单任务执行完成的情况,根据所述第一单任务的实际结束时间、未执行的一个或多个第二单任务的执行顺序、以及所述第二单任务对应的预测处理时间,确定所述任务路径的目标预测结束时间。
在本发明一种可选的实施例中,对于S104中预设阈值,可以根据预测启动时间、预测处理时间、以及所述预测结束时间的不同分别对应设置有不同的预设阈值。即步骤S104包括:在所述预测启动时间、预测处理时间、以及所述预测结束时间中的至少一项超过所对应的预设阈值时,确定指示任务处理异常的任务监控结果。
具体地,对于预设阈值的设置,可以利用不同算法进行确定,例如3δ、比率、绝对值、机器学习算法DBSCAN等。也可以在得到指示任务处理异常的任务监控结果的同时,触发超时警报。
在一种可选的实施例中,预设阈值是可以根据已完成执行的单任务的实际执行结束时间进行动态调整的,例如任务路径A:任务1→任务2→任务3,根据步骤S101至步骤S103计算得到的任务1的预测启动时间为14点,预警的预设阈值设置为14:10,任务2的预测启动时间为15点,预警的预设阈值设置为15点10。随着任务的不断执行,任务1的实际启动时间为14:15,超过了预设阈值,此时则会触发预警,但是由于任务1的执行时间延迟,必然会导致后续任务的执行启动时间延后,因此可以将任务2的预设警阈值根据任务1的延迟时间同步调整成至15:25(即延迟15分钟),以避免由于在前的任务执行超时导致后续任务连续触发警报的情况。可以理解的是,如果任务1的实际启动时间是14:05,没有超过预设阈值,就不会触发预警,对于后续任务2的预设阈值也不会造成影响。
需要说明的是,在确定出处理异常的单任务后,可以有针对性地对单任务进行优化,提高单任务的处理速度,随着优化的进行,可能原本导致任务路径执行超时的单任务发生变化。同样以任务路径A:任务1→任务2→任务3和任务路径B:任务1→任务4→任务5→任务3为例,在优化前,任务2的执行速度缓慢导致任务路径A和B的执行时间超时异常,在优化后,任务2的执行时间比任务4和任务5的执行时间更快,那么此时影响任务路径A和B的单任务则是任务4和任务5中的其中一个,即可以始终优先对目标预测结束时间最慢的任务路径进行优化,提高优化效率。
根据本发明实施例的任务监控的方法可以看出,通过对每个单任务的任务启动时间以及任务执行时间进行预测,并根据预测启动时间和预测处理时间确定任务路径的预测结束时间,对每个单任务是否发生异常进行及时监控,并根据任务监控结果及时获取对应的处理策略。同时,还可以根据单任务的任务监控结果,精准定位执行时间较慢的单任务,并有针对性地进行优化,提高了后续的优化效率。
图6是根据本发明实施例的任务监控的装置的主要模块的示意图。
如图6所示,本发明实施例的任务监控的装置600包括:
获取模块601,用于获取多个任务路径,每个所述任务路径包括一个或多个单任务,且每个所述任务路径中的第一个单任务和最后一个单任务相同;
确定模块602,用于根据所述单任务分别对应的历史启动时间以及历史处理时间,和/或所述单任务对应的当前业务量,确定每个所述单任务对应的预测启动时间以及预测处理时间;
预测模块603,用于根据所述预测启动时间以及所述预测处理时间,确定所述任务路径的预测结束时间;
结果模块604,用于根据所述预测启动时间、预测处理时间、以及所述预测结束时间是否满足预设阈值,生成每个所述任务路径以及所述单任务对应的任务监控结果。
在本发明一种可选的实施例中,所述历史启动时间以及历史处理时间是根据所述单任务在历史周期内多次执行的执行结果得到的。
在本发明一种可选的实施例中,所述确定模块602还用于,确定所述单任务在历史周期内的执行日期、以及每个执行日期分别对应的权重;根据所述权重、所述历史启动时间、以及所述历史处理时间,确定所述预测启动时间和所述预测处理时间。
在本发明一种可选的实施例中,所述确定模块602还用于,获取所述单任务对应的当前业务量;根据预训练的业务处理模型以及所述当前业务量,确定所述预测处理时间;所述业务处理模型通过线性回归算法训练得到,指示了历史业务量与历史处理时间之间的对应关系。
在本发明一种可选的实施例中,所述预测模块603还用于,确定各个所述任务路径中多个单任务的执行顺序;利用动态规划算法,根据所述执行顺序、各个所述单任务对应的所述预测启动时间以及所述预测处理时间,确定每个所述任务路径分别对应的目标预测结束时间;从多个所述目标预测结束时间中确定出所述预测结束时间。
在本发明一种可选的实施例中,所述预测模块603还用于,按照预设时间段,执行所述根据所述预测启动时间以及所述预测处理时间,确定所述任务路径的预测结束时间的步骤;针对所述任务路径中已有一个或多个第一单任务执行完成的情况,根据所述第一单任务的实际结束时间、未执行的一个或多个第二单任务的执行顺序、以及所述第二单任务对应的预测处理时间,确定所述任务路径的目标预测结束时间。
在本发明一种可选的实施例中,所述预测启动时间、预测处理时间、以及所述预测结束时间分别对应设置有不同的预设阈值;所述结果模块604还用于,在所述预测启动时间、预测处理时间、以及所述预测结束时间中的至少一项超过所对应的预设阈值时,确定指示任务处理异常的任务监控结果。
根据本发明实施例的任务监控的装置,通过对每个单任务的任务启动时间以及任务执行时间进行预测,并根据预测启动时间和预测处理时间确定任务路径的预测结束时间,对每个单任务是否发生异常进行及时监控,并根据任务监控结果及时获取对应的处理策略。同时,还可以根据单任务的任务监控结果,精准定位执行时间较慢的单任务,并有针对性地进行优化,提高了后续的优化效率。
图7示出了可以应用本发明实施例的任务监控的方法或任务监控的装置的示例性系统架构700。
如图7所示,系统架构700可以包括终端设备701、702、703,网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704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701、702、703通过网络704与服务器705交互,以发送任务监控指令等,启动本发明实施例任务监控的方法。终端设备701、702、703上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、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701、702、703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、膝上型便携计算机和台式计算机等等。
服务器705可以是提供各种服务的服务器,例如对用户利用终端设备701、702、703所发送的任务监控指令提供支持的后台管理服务器。后台管理服务器可以对接收到的任务路径、历史启动时间、历史处理时间、以及当前业务量等数据进行分析等处理,并将处理结果(例如任务监控结果)反馈给终端设备。
需要说明的是,本发明实施例所提供的任务监控的方法一般由服务器705执行,相应地,任务监控的装置一般设置于服务器705中。
应该理解,图7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。
下面参考图8,其示出了适于用来实现本发明实施例的终端设备的计算机系统800的结构示意图。图8示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)第一接口805也连接至总线804。
以下部件连接至I/O第一接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络第一接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O第一接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、确定模块、预测模块和结果模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,获取模块还可以被描述为“获取多个任务路径,每个所述任务路径包括一个或多个单任务的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取多个任务路径,每个所述任务路径包括一个或多个单任务,且每个所述任务路径中的第一个单任务和最后一个单任务相同;根据所述单任务分别对应的历史启动时间以及历史处理时间,和/或所述单任务对应的当前业务量,确定每个所述单任务对应的预测启动时间以及预测处理时间;根据所述预测启动时间以及所述预测处理时间,确定所述任务路径的预测结束时间;根据所述预测启动时间、预测处理时间、以及所述预测结束时间是否满足预设阈值,生成每个所述任务路径以及所述单任务对应的任务监控结果。
根据本发明实施例的技术方案,通过对每个单任务的任务启动时间以及任务执行时间进行预测,并根据预测启动时间和预测处理时间确定任务路径的预测结束时间,对每个单任务是否发生异常进行及时监控,并根据任务监控结果及时获取对应的处理策略。同时,还可以根据单任务的任务监控结果,精准定位执行时间较慢的单任务,并有针对性地进行优化,提高了后续的优化效率。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
- 一种监控方法、装置、存储介质及物联网监控服务器
- 一种灶具温度和液位监控装置及监控方法
- 一种乙烯浓度测量监控装置及其测量监控方法
- 一种利用室外监控装置进行监控的方法
- 一种列车运行监控装置的自动测试系统、方法及装置
- 一种高效检测土壤装置及土壤治理方法
- 任务监控方法及装置、任务异常分析方法及装置