[發明專利]一種作業執行方法及裝置

在審

• 申請號: 202011621537.1
• 申請日: 2020-12-30
• 公開（公告）號: CN112650571A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 游黎;朱其貌;孫鵬暉
• 申請（專利權）人: 中國農業銀行股份有限公司
• 主分類號: G06F9/48
• 分類號: G06F9/48;G06F9/50;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 楊麗爽

1.一種作業執行方法，其特征在于，包括：

收集待執行作業的信息，所述信息包括：優先級信息、作業狀態信息，以及所在客戶機的資源信息；

將所述待執行作業的信息輸入預先訓練的圖神經網絡模型中，獲取所述待執行作業的執行分數以及所述待執行作業對應的客戶機；

根據所述待執行作業的執行分數，在所述待執行作業對應的客戶機上執行所述待執行作業。

2.根據權利要求1所述的方法，其特征在于，所述在所述待執行作業對應的客戶機上執行所述待執行作業包括：

當所述執行機對應的客戶機當前的資源信息小于最大閾值時，在所述待執行作業對應的客戶機上執行所述待執行作業；

還包括：

若所述待執行作業對應的客戶機當前的資源信息等于所述最大閾值時，將所述待執行作業的信息重新輸入所述預先訓練的圖神經網絡模型中，重新獲取對應的客戶機。

3.根據權利要求1所述的方法，其特征在于，所述圖神經網絡模型的訓練過程包括：

獲取圖神經網絡模型的訓練集，所述訓練集包括歷史執行作業的信息、所述歷史執行作業的執行分數以及所述歷史執行作業對應的客戶機；

所述歷史執行作業的信息包括：所述歷史執行作業的優先級信息、作業狀態信息以及所在客戶機的資源信息；所述歷史執行作業的分數是根據所述歷史執行作業的優先級、作業狀態信息獲得；

利用所述訓練集確定所述圖神經網絡模型的模型參數。

4.根據權利要求1所述的方法，其特征在于，所述將所述待執行作業的信息輸入預先訓練的圖神經網絡模型中，獲取所述待執行作業的執行分數以及所述待執行作業對應的客戶機包括：

對所述待執行作業的信息進行預處理，所述預處理包括：對待執行作業的信息中的缺失值進行默認填充或預測填充；

對預處理后的待執行作業的信息進行特征值提取，并將所述特征值進行規劃化和離散化處理，獲得訓練數據；

將所述訓練數據輸入預先訓練的圖神經網絡模型中，獲取所述待執行作業的執行分數以及所述待執行作業對應的客戶機。

5.根據權利要求1-4任意一項所述的方法，其特征在于，所述收集待執行作業的信息，包括：

向客戶機發送鏈接請求，當收到所述客戶機發送的鏈接響應消息后，向所述客戶機發送收集資源的請求；

當收到所述客戶機發送的資源響應消息后，收集所述客戶機上的待執行作業的信息。

6.一種作業執行裝置，其特征在于，包括：

收集單元，用于收集待執行作業的信息，所述信息包括：優先級信息、作業狀態信息，以及所在客戶機的資源信息；

第一獲取單元，用于將所述待執行作業的信息輸入預先訓練的圖神經網絡模型中，獲取所述待執行作業的執行分數以及所述待執行作業對應的客戶機；

執行單元，用于根據所述待執行作業的執行分數，在所述待執行作業對應的客戶機上執行所述待執行作業。

7.根據權利要求6所所述的裝置，其特征在于，所述執行單元具體用于當所述執行機對應的客戶機當前的資源信息小于最大閾值時，在所述待執行作業對應的客戶機上執行所述待執行作業；

還包括：第二獲取單元，用于若所述待執行作業對應的客戶機當前的資源信息等于所述最大閾值時，將所述待執行作業的信息重新輸入所述預先訓練的圖神經網絡模型中，重新獲取對應的客戶機。

8.根據權利要求1所述的裝置，其特征在于，所述第一獲取單元包括：第一子獲取單元以及確定單元；

所述第一子獲取單元，用于獲取圖神經網絡模型的訓練集，所述訓練集包括歷史執行作業的信息、所述歷史執行作業的執行分數以及所述歷史執行作業對應的客戶機；所述歷史執行作業的信息包括：所述歷史執行作業的優先級信息、作業狀態信息以及所在客戶機的資源信息；所述歷史執行作業的分數是根據所述歷史執行作業的優先級、作業狀態信息獲得；

所述確定單元，用于利用所述訓練集確定所述圖神經網絡模型的模型參數。