一种基于资源分配的业务处理方法、装置及设备
技术领域
本说明书实施例涉及人工智能
技术领域
,特别涉及一种基于资源分配的业务处理方法、装置及设备。背景技术
实际应用中,当处理业务时,一般需要为这些业务分配相应的资源以完成业务的处理,具体的可以是存储资源、计算资源等资源。而随着业务数量和类型的增多,需要对这些资源进行规划以实现有效的分配,例如,在大规模的hadoop集群中一般设置为多租户模式,即将集群中的资源划分为一个个资源集合,这些资源集合之间彼此分隔互不干扰。当用户或待执行的业务需要利用相应的资源时,可以通过租用资源集合的方式来运行应用或业务,以及存放数据等功能。实际应用中,多个用户或业务可以使用同一资源集合中的资源,一个用户或业务也可以使用多个租户的资源。通过上述资源集合的方式有效保证了资源的分配和业务的执行。
目前在分配资源集合至不同的业务时,往往预先分配好相应的业务所对应的资源量,并根据资源量为这些业务分配对应的资源集合。但是,业务量的数量和应用需求存在不断变化的情况,按照目前的方式分配资源集合容易使得资源无法得到有效利用,甚至出现业务等待资源的时间过长而无法得到有效处理的情况。因此,目前亟需一种能够为业务灵活分配资源以实现业务的有效处理的方案。
发明内容
本说明书实施例的目的是提供一种基于资源分配的业务处理方法、装置及设备,以解决如何基于业务需求为业务灵活地分配资源以实现业务的有效处理的问题。
为解决上述技术问题,本说明书实施例提供一种基于资源分配的业务处理方法,包括:接收待处理业务;获取所述待处理业务的历史处理记录和业务参数;所述业务参数用于表示所述待处理业务的执行内容;利用所述历史处理记录和业务参数确定所述待处理业务的业务特征;所述业务特征对应有资源调度量;所述资源调度量表示处理对应的业务特征所消耗的资源量;基于所述业务特征和资源调度量为所述待处理业务分配资源组,以使得通过所述资源组中的资源完成所述待处理业务的处理。
本说明书实施例还提出一种基于资源分配的业务处理装置,包括:业务接收模块,用于接收待处理业务;参数获取模块,用于获取所述待处理业务的历史处理记录和业务参数;所述业务参数用于表示所述待处理业务的执行内容;业务特征确定模块,用于利用所述历史处理记录和业务参数确定所述待处理业务的业务特征;所述业务特征对应有资源调度量;所述资源调度量表示处理对应的业务特征所消耗的资源量;资源组分配模块,用于基于所述业务特征和资源调度量为所述待处理业务分配资源组,以使得通过所述资源组中的资源完成所述待处理业务的处理。
本说明书实施例还提出一种资源分配设备,包括存储器和处理器;所述存储器,用于存储计算机程序指令;所述处理器,用于执行所述计算机程序指令以实现以下步骤:接收待处理业务;获取所述待处理业务的历史处理记录和业务参数;所述业务参数用于表示所述待处理业务的执行内容;利用所述历史处理记录和业务参数确定所述待处理业务的业务特征;所述业务特征对应有资源调度量;所述资源调度量表示处理对应的业务特征所消耗的资源量;基于所述业务特征和资源调度量为所述待处理业务分配资源组,以使得通过所述资源组中的资源完成所述待处理业务的处理。
由以上本说明书实施例提供的技术方案可见,本说明书实施例在接收到待处理业务时,通过获取所述待处理业务的历史处理记录和业务参数,对待处理业务的具体内容进行掌握,进而能够确定待处理业务的业务特征,并根据业务特征和业务特征所对应的资源调度量确定处理所述待处理业务所需要消耗的资源,进而为所述待处理业务分配相应的资源组,以使得能够利用所述资源组中的资源完成待处理业务的处理。通过上述方法,能够基于待处理业务的实际应用情况确定分配至待处理业务的资源组,保证了资源的灵活有效的分配,实现了业务的有效处理,提高了业务的整体处理效率。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,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说明书中记载的一些实施例,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为本说明书实施例一种基于资源分配的业务处理方法的流程图;
图2为本说明书实施例一种业务处理架构的示意图;
图3为本说明书实施例一种模型训练过程的示意图;
图4为本说明书实施例一种灰度测试方法的流程图;
图5为本说明书实施例一种基于资源分配的业务处理装置的模块图;
图6为本说明书实施例一种资源分配设备的结构图。
具体实施方式
下面将结合本说明书实施例中的附图,对本说明书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,都应当属于本说明书保护的范围。
为了解决上述技术问题,本说明书实施例提出一种基于资源分配的业务处理方法。所述基于资源分配的业务处理方法可以应用于资源分配设备,所述资源分配设备包括但不限于服务器、工控机、PC机等。如图1所示,所述基于资源分配的业务处理方法可以包括以下具体实施步骤。
S110:接收待处理业务。
待处理业务是需要进行处理的业务。所述的待处理业务在执行过程中不仅需要相应的业务处理逻辑完成业务的执行,还需要利用相应的资源,例如计算资源,以分配相应的计算节点用于完成待处理业务的执行过程,或是存储资源,用于存储待处理业务执行过程中所产生的缓存数据以及最终的执行结果数据,针对部分业务,还可以是数据资源,用于提供执行设备样本数据等数据。实际应用中可以根据需要设置其他类型的数据,并不限于上述示例,在此不再赘述。
因此,在接收到待处理业务之后,需要针对所述待处理业务进行分析和评估,以确定执行所述待处理业务所需要的资源量,从而分配相应的资源至所述待处理业务。
在一些实施方式中,为了保证能够在后续步骤中针对待处理业务进行有效分析,所述待处理业务可以包括运行了指定时长的业务,在所述指定时长内,待处理业务可以对应有历史处理记录,进而能够通过所述历史处理记录对所述待处理业务进行分析.
例如,所述待处理业务可以是预先在系统中执行了三天的业务,在这三天中执行所述待处理业务时能够产生相应的数据,进而能够将这些数据对待处理业务进行分析,保证了资源分配分析过程中的准确性。
在一些实施方式中,在接收待处理业务之前,还可以设置专用资源组。所述专用资源组可以是包含有最大资源量的资源组,具体所分配的资源量基于历史记录中对于资源具有最大需求量的业务进行设置。
所述专用资源组可以是为特定服务提供资源的资源组,例如,所述专用资源组可以分配至数据分析作业服务所对应的业务,从而保证特定业务的及时优先的处理。在所述专用资源组具有最大资源量的情况下,所述专用资源组也可以被分配至对资源需求量较大的业务,以降低业务处理过程的难度,提高业务的处理效率。在一些示例中,还可以针对业务设置或评估得到相应的优先级,进而根据业务的优先级为业务分配相应的资源组,相应的,所述专用资源组可以被分配至优先级较高的业务。
实际应用中可以根据具体的应用需求分配所述专用资源组,并不限于上述示例,在此不再赘述。
S120:获取所述待处理业务的历史处理记录和业务参数;所述业务参数用于表示所述待处理业务的执行内容。
在接收到待处理业务之后,可以获取所述待处理业务的历史处理记录和业务参数。
所述历史处理记录可以是待处理业务之前被执行时所产生的相应的记录数据,具体的,可以是待处理业务的执行时间、执行结果、执行操作、执行步骤等数据。通过所述历史处理记录能够基于待处理业务的实际处理过程对业务进行分析,以提高分析过程的准确性。
所述业务参数可以用于表示所述待处理业务的执行内容,具体的可以是待处理业务中的文件数量、文件类型以及具体的执行步骤等。基于所述业务参数能够确定业务的具体内容和执行流程,进而通过业务参数对待处理业务进行有效分析。例如,所述业务参数可以是待处理业务的具体语句,例如sql语句等,通过对这些语句的实际执行过程进行分析,能够有效确定待处理业务的实际执行效果,从而在后续过程中能够准确有效地分配相应的资源。
在一些实施方式中,所述业务参数可以包括业务文件数量、业务文件平均大小、业务文件大小中位数、业务文件大小中位数、业务进程类型、业务进程数量、业务文件指令语句数量中的至少一种。
实际应用中,在获取历史处理记录和业务参数时,可以是针对平台中的数据湖加载作业,新增数据采集功能,可以在每日数据加载完毕后,将结果表当天分区中的记录总数、结果表在hdfs上文件个数、hdfs上文件平均大小、最大文件大小、最小文件大小、标准差、文件大小中位数等特征记录下来。针对hive数据分析作业,针对hive数据分析侧作业设置资源组,将每一句hql语句输入表和结果表的记录总数,输入表和结果表在hdfs上文件个数、hdfs上文件平均大小、最大文件大小、最小文件大小、标准差、文件大小中位数进行记录的同时,还记录hql语句中包含有多少个stage,执行过程中总共使用了多少个map进程和reduce进程等,以基于进程与步骤之间的关联关系确定业务的执行时间。
在一些实施方式中,可以通过提取对应于所述待处理业务的日志,从日志中获取到相应的数据,作为所述历史处理记录和业务参数。由于日志一般用于记录待处理业务的具体处理过程,因此可以将其中所包含的数据作为历史处理记录和业务参数进行有效处理。
S130:利用所述历史处理记录和业务参数确定所述待处理业务的业务特征;所述业务特征对应有资源调度量;所述资源调度量表示处理对应的业务特征所消耗的资源量。
在获取到历史处理记录和业务参数之后,可以通过所述历史处理记录和业务参数来确定待处理业务的业务特征。业务特征可以用于突出地表现待处理业务在执行过程中的特征,例如可以是从业务参数中选取得到业务特征,也可以是基于历史处理记录和业务参数归纳得到所述业务特征。基于所述业务特征能够更为有效对业务处理所需要的资源量进行评估。
所述业务特征对应有资源调度量,所述资源调度量可以表示处理所述业务特征所消耗的资源量,进而能够基于所述资源调度量来确定处理整体的待处理业务所消耗的资源量。
在一些实施方式中,所述业务特征可以包括业务文件大小、步骤与进程的关联性、业务语句优先级、业务出度信息、业务入度信息中的至少一种,其中,业务文件大小可以是在待处理业务中包含有一个或多个文件的情况下,所包含的各个文件的大小;步骤与进程之间的关联性可以是在待处理业务对应有多个处理步骤,且包含有多个进程的情况下,处理步骤与进程之间的关系,例如一个步骤中包含有的进程的数量和进程的类型;业务语句优先级可以是在待处理业务中包含有多个业务语句的情况下,不同语句之间的优先级差别,例如,在最近30次内平均完成时间点超过全部hql语句的比例高于特定比例的情况下,可以认定对应的hql语句为具备较高优先级的语句;业务出度信息可以指代依赖该业务的其他业务的数量;业务入度信息可以指代该业务所依赖的其他业务的数量。
基于上述业务特征能够具有较强针对性地对业务处理过程中所消耗的资源量进行分析,有利于后续步骤的进行。实际应用中所确定的业务特征可以设置为其他类型,并不限于上述示例,在此不再赘述。
在一些实施方式中,在获取业务特征之外,还可以获取用于描述资源组的资源组信息。具体的,针对预设资源组,即所设置的所有资源组,可以获取各个预设资源组的资源组信息。所述资源组信息可以用来表示各个资源组的业务运行状况和资源占用情况中的至少一种。所述业务运行状况可以用于表示当前有哪些业务正在利用该预设资源组中的资源;所述资源占用情况可以用于表示所述预设资源组中的资源被利用的比例。在后续过程中,结合所述资源组信息也能够进一步确定为待处理业务所分配的资源组,提高了所选取的资源组的应用性。
S140:基于所述业务特征和资源调度量为所述待处理业务分配资源组,以使得通过所述资源组中的资源完成所述待处理业务的处理。
在确定业务特征和资源调度量后,由于业务特征和资源调度量可以用于反映所述待处理业务对于资源的利用程度,因此可以通过分析确定处理所述待处理业务所需要消耗的资源,进而根据消耗的资源量来确定为所述待处理业务而分配的资源组。
在一些实施方式中,可以预先基于强化学习场景训练资源分配模型,再将业务特征和资源调度量输入所述资源分配模型,得到为所述待处理业务所分配的资源组。
所述资源分配模型用于确定为业务而分配的资源组,在所述资源分配模型的训练过程中可以确定不同的资源组对于不同类型的业务的处理所起到的效果,进而根据待处理业务的相关参数来确定为所述待处理业务而分配的资源组。
大数据hadoop集群中,每天都有几十万数据分析的hql待执行,人为标注效率太低下了,且无法保证模型最终的效果。而强化学习一般不需要大量带标签的数据集,通过agent和环境不断交互试错获得用于训练的样本,这样就节省了大量获取带标签样本的时间,也更加接近于人类的学习过程。
在一些实施方式中,训练过程可以是将样本业务特征输入资源分配模型,得到对应于各个资源组的预估奖励值;基于预估奖励值的大小选取目标资源组;所述目标资源组对应于实际奖励值;基于所述预估奖励值和实际奖励值构建损失函数;利用所述损失函数和梯度下降法对所述资源分配模型进行优化。
具体的,在本说明书实施例中,首先定义强化学习四原组(S,A,P,R),即状态(state)、动作(action)、奖励(reward)和策略(policy)。状态包含全部业务特征;动作只是在当前状态下那些预设资源组的资源还未达到峰值,即用户仍然有权限使用所述预设资源组;奖励为当前hql获得的奖励,所述资源组获得的奖励,可以是在hql语句等待时间和最近七天的平均值进行比较后确定奖励值,也可以是在当天批量运行完成后,在该预测完成时间点后作业组中全部程序总共的等待时间和最近七天的平均值作比较,若比较结果反映为提升,则提升的时间为正奖励,反之则将下降的时间作为负奖励;策略可以是预测出对每一个可用的预设资源组的奖励值,最高的奖励值可以确定为所选取的资源组。
基于上述过程,若将每一个状态(当前特征)对应策略的奖励制(等待时间)都通过矩阵形式(Q表)罗列出来,会使得整个Q表会非常大,且更新的时候检索时间较长。因此可以利用DQN算法,不再生成一个完整的Q-Table,每一个观测环境的Q值(选取每个资源组可以得到的奖励值)都是通过神经网络生成的,即通过输入当前环境的特征Features来得到当前环境选取每个资源组的奖励值,并且比较这个奖励值,选取奖励值最高的那个资源组。
如图2所示,为资源分配模型的结构示意图,将所采集到的业务特征输入到双层全连接带Relu激活函数的神经网络。所述神经网络的结构如图3所示,隐藏层的神经元个数可以是200。由此可以计算得到选取每个资源组产生的奖励值,即为预估奖励值。选取其中最高的奖励值所对应的I帧元组作为当前hql语句的策略执行,待执行后根据奖励的定义来计算实际奖励值。
每次预测后,我们都将当前状态State,计算得出的Action,预估奖励值(Reward)存到回放记忆单元中。待每日批量完成以后,再从回放记忆单元中随机选取一定批次的训练样本用于学习,用于训练神经网络,这里之所以选择随机选取30%的而不是全部的原因是,基于极大似然发的机器学习都有一个假设条件:训练样本必须是独立同分布的,如果假设不成立,那么模型的训练效果将会大打折扣,而我们这里回放记忆单元中的训练样本是和State交互得到的序列,是存在一定相关性的,因为一个语句的结果很可能就是另外一个语句的输入。因此本发明的解决方案,就是设置一个回放记忆单元,来存放一定量的数据,数据包括特征,动作,和奖励,在使用数据的时候,我们在这个回放记忆单元中随机抽取30%的hql语句进行学习,这样其实就打破了State交互得到的序列的相关性,即解决了数据相关性的问题。
此外,可以定义损失函数loss=(实际奖励值—预估奖励值)^2,然后再通过神经网络反向传播使用梯度下降法来更新神经网络的参数,以达到最小化损失函数的目的,即让神经网络训练出来的批量提速时间越来越贴近实际的批量提速时间。
在一些实施方式中,所述待处理业务包括基于主集群进行处理的业务,在训练资源分配模型时,可以基于备集群上的业务数据对所述资源分配模型进行训练;将训练完毕的资源分配模型应用至主集群中以为所述待处理业务分配资源组。
具体的,模型一开始是部署在HADOOP备集群上的,即在备集群上进行DQN算法中神经网络部分的训练,理由是刚开始神经网络的参数都是随机初始化的,很可能用这套网络得到奖励值来指定资源组的结果,还不如主集群上人为设定的那样效率高。因此,保险起见,我们会将模型部署在HADOOP备集群上,在备集群上用强化学习得到的结果赋值资源组,每迭代3天的批量以后,我们会比较备集群批量作业组等待时间和主集群批量作业组等待时间,当且仅当等待时间优化了超过10%以后,才会将最新的网络真正更新到主集群上。因此本发明的迭代更新策略保证了因为自动设置资源组的越来越精确而自始自终提升批量性能。
在一些实施方式中,在预先设置有专用资源组的情况下,为待处理业务分配资源组时,可以基于所述业务特征和资源调度量确定所述待处理业务需要的业务处理资源量,即所述待处理业务处理过程中所需要利用的资源量。在所述业务处理资源量大于指定资源量阈值的情况下,将所述专用资源组分配至所述待处理业务,以使得通过所述专用资源组中的资源完成所述待处理业务的处理;所述指定资源量阈值包括除专用资源组外的空闲资源组对应的最大资源量。
在另一些实施方式中,在预先设置有专用资源组的情况下,为待处理业务分配资源组时,可以基于所述业务特征和资源调度量确定所述待处理业务的业务优先级。在所述业务优先级高于指定优先级的情况下,将所述专用资源组分配至所述待处理业务,以使得通过所述专用资源组中的资源完成所述待处理业务的处理;所述指定资源量阈值包括除专用资源组外的空闲资源组对应的最大资源量。
需要说明的是,在确定资源组后,利用资源组中的资源实现业务的处理可以是由所述资源分配设备来完成,也可以是将资源组的标识和待处理业务发送至其他设备,由其他设备来实现业务的处理,对此不做限制。
如图4所示,为本说明书的一个场景示例的示意图,如图所示,在采集得到数据之后,传递至特征工程,提取出语句数据量相关特征、语句执行计划相关特征、语句优先级相关特征、语句时间相关特征、租户特征、集群总体特征和作业相关信息后,将这些信息合并输入至备集群中用于实现DQN强化学习模型。通过当前程序/环境特征传递至回访记忆单元后,结合回访记忆单元的输出得到神经网络参数,进一步获取预测奖励值,并结合实际奖励值计算损失函数。基于损失函数对模型进行迭代优化,最终将训练好的模型应用至主集群中,以实现资源的分配和业务的处理。
基于上述实施例的介绍,可以看出,所述方法在接收到待处理业务时,通过获取所述待处理业务的历史处理记录和业务参数,对待处理业务的具体内容进行掌握,进而能够确定待处理业务的业务特征,并根据业务特征和业务特征所对应的资源调度量确定处理所述待处理业务所需要消耗的资源,进而为所述待处理业务分配相应的资源组,以使得能够利用所述资源组中的资源完成待处理业务的处理。通过上述方法,能够基于待处理业务的实际应用情况确定分配至待处理业务的资源组,保证了资源的灵活有效的分配,实现了业务的有效处理,提高了业务的整体处理效率。
基于图1所对应的基于资源分配的业务处理方法,介绍本说明书实施例一种基于资源分配的业务处理装置。所述基于资源分配的业务处理装置设置于所述资源分配设备。如图5所示,所述基于资源分配的业务处理装置包括以下模块。
业务接收模块510,用于接收待处理业务。
参数获取模块520,用于获取所述待处理业务的历史处理记录和业务参数;所述业务参数用于表示所述待处理业务的执行内容。
业务特征确定模块530,用于利用所述历史处理记录和业务参数确定所述待处理业务的业务特征;所述业务特征对应有资源调度量;所述资源调度量表示处理对应的业务特征所消耗的资源量。
资源组分配模块540,用于基于所述业务特征和资源调度量为所述待处理业务分配资源组,以使得通过所述资源组中的资源完成所述待处理业务的处理。
基于图1所对应的基于资源分配的业务处理方法,本说明书实施例提供一种资源分配设备。如图6所示,所述资源分配设备可以包括存储器和处理器。
在本实施例中,所述存储器可以按任何适当的方式实现。例如,所述存储器可以为只读存储器、机械硬盘、固态硬盘、或U盘等。所述存储器可以用于存储计算机程序指令。
在本实施例中,所述处理器可以按任何适当的方式实现。例如,处理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 SpecificIntegrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。所述处理器可以执行所述计算机程序指令实现以下步骤:接收待处理业务;获取所述待处理业务的历史处理记录和业务参数;所述业务参数用于表示所述待处理业务的执行内容;利用所述历史处理记录和业务参数确定所述待处理业务的业务特征;所述业务特征对应有资源调度量;所述资源调度量表示处理对应的业务特征所消耗的资源量;基于所述业务特征和资源调度量为所述待处理业务分配资源组,以使得通过所述资源组中的资源完成所述待处理业务的处理。
需要说明的是,上述基于资源分配的业务处理方法、装置及设备可以应用于人工智能技术领域,也可以应用至除人工智能技术领域外的其他技术领域,对此不做限制。
在20世纪90年代,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(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,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(logic compiler)”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 Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware 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。
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。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的第一硬件平台的方式来实现。基于这样的理解,本说明书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,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
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。
本说明书可用于众多第一或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
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。
虽然通过实施例描绘了本说明书,本领域普通技术人员知道,本说明书有许多变形和变化而不脱离本说明书的精神,希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
- 上一篇:石墨接头机器人自动装卡簧、装栓机
- 下一篇:一种处理卡顿的方法及装置