任务调度优化方法及装置制造方法
【专利摘要】任务调度优化方法及装置。该方法包括：接收输入参数；判断所述输入参数在训练模块中记录的次数，若所述次数小于预设阈值，则根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中，否则，在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。开发者无需关心任务执行的各个状态以及复杂的依赖关系，对任务处理效率进行自我学习，优化执行路径。
【专利说明】任务调度优化方法及装置
【技术领域】
[0001]本发明涉及计算机程序，具体涉及任务调度优化方法及装置。
【背景技术】
[0002]目前的任务调度的执行方式有以下3种:
[0003]1、顺序执行，所有任务串行化执行，这个理论模型十分简单，只有一个任务完成了，紧接着无条件执行下一个任务。
[0004]2、并发执行，在工作流中，多个任务可以同时进行异步处理，以提高处理的并发量。
[0005]3、前置执行，等待所有的分支都完成了合并任务，才能进行下一步的任务，这种模式是以前置任务为驱动的，每个任务都有前置的依赖。
[0006]在排序系统或推荐系统中，需要用到来自各种系统的各类数据，由于所有的数据处理都是异步的，而且每一种数据是否需要请求是依据前面的一些数据请求的接过来执行的，由于所涉及的数据请求任务有几十种，根据不同请求如何合理高效的调度任务变得十分复杂和低效。
【发明内容】
[0007]本发明的目的之一在于提出一种任务调度优化方法，其能解决目前的任务调度十分复杂和低效的问题。
[0008]为了达到上述目的之一，本发明所采用的技术方案如下:
[0009]任务调度优化方法，其包括以下步骤:
[0010]步骤1、接收一输入参数；
[0011]步骤2、判断所述输入参数在训练模块中记录的次数，若所述次数小于预设阈值，则执行步骤3，否则，执行步骤4 ;所述训练模块记录有输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据的关联关系；
[0012]步骤3、根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中；
[0013]步骤4、在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0014]优选的，所述步骤4包括如下子步骤:
[0015]步骤41、根据所述输入参数结合耗时数据，在训练模块中计算每一条任务执行顺序所对应的平均耗时；
[0016]步骤42、选取平均耗时最短的任务执行顺序完成工作流；
[0017]步骤43、将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0018]优选的，所述依赖关系包括可调序关系、可并行关系和可替代关系中的一种或多种。
[0019]本发明还提出一种与上述目的之一对应的任务调度优化装置，其包括以下模块:
[0020]接收模块，用于接收一输入参数；
[0021]判断模块，用于判断所述输入参数在训练模块中记录的次数，若所述次数小于预设阈值，则执行随机模块，否则，执行优化模块；所述训练模块记录有输入参数、完成工作流的任务执彳丁顺序以及完成工作流的耗时数据的关联关系；
[0022]随机模块，用于根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中；
[0023]优化模块，用于在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0024]优选的，所述优化模块包括如下子模块:
[0025]计算模块，用于根据所述输入参数结合耗时数据，在训练模块中计算每一条任务执行顺序所对应的平均耗时；
[0026]选取模块，用于选取平均耗时最短的任务执行顺序完成工作流；
[0027]记录模块，用于将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0028]本发明的目的之二在于提出另一种任务调度优化方法，其能解决目前的任务调度十分复杂和低效的问题。
[0029]为了达到上述目的之二，本发明所采用的技术方案如下:
[0030]任务调度优化方法，其包括以下步骤:
[0031]步骤1、接收一输入参数；
[0032]步骤2、根据预设的规则对所述输入参数进行归类，以得到所述输入参数所属的类别；
[0033]步骤3、判断所述输入参数所属的类别在训练模块中记录的次数，若所述次数小于预设阈值，则执行步骤4，否则，执行步骤5 ;所述训练模块记录有输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据的关联关系；
[0034]步骤4、根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中；
[0035]步骤5、在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0036]优选的，所述步骤5包括如下子步骤:
[0037]步骤51、根据所述输入参数所属的类别结合耗时数据，在训练模块中计算每一条任务执行顺序所对应的平均耗时；
[0038]步骤52、选取平均耗时最短的任务执行顺序完成工作流；
[0039]步骤53、将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0040]优选的，所述依赖关系包括可调序关系、可并行关系和可替代关系中的一种或多种。
[0041]本发明还提出一种与上述目的之二对应的任务调度优化装置，其包括以下模块:
[0042]接收模块，用于接收一输入参数；
[0043]归类模块，用于根据预设的规则对所述输入参数进行归类，以得到所述输入参数所属的类别；
[0044]判断模块，用于判断所述输入参数所属的类别在训练模块中记录的次数，若所述次数小于预设阈值，则执行随机模块，否则，执行优化模块；所述训练模块记录有输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据的关联关系；
[0045]随机模块，用于根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中；
[0046]优化模块，用于在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0047]优选的，所述优化模块包括如下子模块:
[0048]计算模块，用于根据所述输入参数所属的类别结合耗时数据，在训练模块中计算每一条任务执行顺序所对应的平均耗时；
[0049]选取模块，用于选取平均耗时最短的任务执行顺序完成工作流；
[0050]记录模块，用于将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0051]本发明具有如下有益效果:
[0052]开发者无需关心任务执行的各个状态以及复杂的串行、并行等任务之间的依赖关系，并对任务处理效率进行自我学习，从而优化执行路径，使用简单，可明显提高并发处理速度，可以提高逻辑设计的清晰度，开发者可专注于设计每个任务，而无需关心每个任务执行的先后以及状态关系，降低了工作流的设计难度及复杂度。
【专利附图】
【附图说明】
[0053]图1为本发明实施例一的任务调度优化方法的流程图；
[0054]图2为本发明实施例二的任务调度优化方法的流程图。
【具体实施方式】
[0055]下面，结合附图以及【具体实施方式】，对本发明做进一步描述。
[0056]实施例一
[0057]如图1所示，一种任务调度优化方法，其包括以下步骤:
[0058]步骤S1、接收一输入参数。所述输入参数可以是范围类参数，如价格范围，10-100、200-500等，也可以是枚举类参数，还可以是影响任务数量的参数。例如，对于排序系统而言，用户想要对某价格范围内的产品进行排序，则可以输入价格范围200-500，如果按照传统的做法，排序系统就会调用其他系统(如数据系统等)内的数据根据预先设定好的任务执行顺序完成工作流，最终显示排序结果。
[0059]步骤S2、判断所述输入参数在训练模块中记录的次数，若所述次数小于预设阈值，代表所述输入参数在训练模块中的训练次数还没达到要求，则执行步骤S3，否则，执行步骤S4。所述训练模块记录有输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据的关联关系。
[0060]步骤S3、根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0061]其中，所述依赖关系包括可调序关系、可并行关系和可替代关系中。
[0062]可调序关系即表明任务之间的顺序是可调的:对于有些任务无直接的先后顺序而且前置条件同时满足的情况可以调整任务顺序以及并行执行进行整体的效能评测。
[0063]可并行关系即表明任务之间是可并行执行的:对于多个满足了前置条件并且无直接关系的任务可进行并行化处理。
[0064]可替代关系即表明任务之间是可以替换的:对于可替代任务进行不同的尝试对比对最后效率在不同参数下的影响。
[0065]根据上述依赖关系，就可以将任务执行顺序随机进行，从而得到每一条路径的处理效率。
[0066]步骤S4、在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0067]具体的，所述步骤S4具体包括如下子步骤:
[0068]步骤S41、根据所述输入参数结合耗时数据，在训练模块中计算每一条任务执行顺序所对应的平均耗时。例如，任务执行顺序A(任务1-任务2-任务3)有3次耗时数据记录，则取这3次的平均值作为该任务执行顺序A的平均耗时，任务执行顺序B (任务2-任务3-任务I)有4次耗时数据记录，取这4次的平均值作为该任务执行顺序B的平均耗时。
[0069]步骤S42、选取平均耗时最短的任务执行顺序完成工作流。例如，比较任务执行顺序A、B之间哪个平均耗时最短，选取平均耗时最短的作为本次工作流的执行路径。
[0070]步骤S43、将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0071]本实施例还提出一种与上述方法对应的任务调度优化装置，其包括以下模块:
[0072]接收模块，用于接收一输入参数；
[0073]判断模块，用于判断所述输入参数在训练模块中记录的次数，若所述次数小于预设阈值，则执行随机模块，否则，执行优化模块；所述训练模块记录有输入参数、完成工作流的任务执彳丁顺序以及完成工作流的耗时数据的关联关系；
[0074]随机模块，用于根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中；
[0075]优化模块，用于在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0076]具体的，所述优化模块包括如下子模块:
[0077]计算模块，用于根据所述输入参数结合耗时数据，在训练模块中计算每一条任务执行顺序所对应的平均耗时；
[0078]选取模块，用于选取平均耗时最短的任务执行顺序完成工作流；
[0079]记录模块，用于将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0080]通过本实施例的描述可知，传统的任务调度方式没有自我优化学习的过程，需要固定好工作流的流程，没有考虑实际中根据不同的任务输入参数可能效率不一致的问题，不能充分利用资源，都可能导致一些任务无必要的等待，在任务比较多的情况下维护任务的调度的处理太复杂。
[0081]本实施例基于实际应用中对于效率的注重以及传统工作流模式任务处理的缺点，本实施例做了以下几点优化:
[0082]A.任务执行的效率数据采集学习。
[0083]B.根据采集到的任务执行效率学习数据和路径选择数据，进行模型执行计算。
[0084]C.任务的分离化设计，主要是让每个任务只需要关心执行完了之后应该通知到哪些任务，以及对于来自于不同前置任务的完成通知时候的处理。这种设计方式不需要太关注流程的走向，只需要关心每一个任务本身的依赖关系以及后续的任务的流向。
[0085]D.根据执行效率学习数据对效率较低的任务可以做细粒度的拆分处理。
[0086]通过对于执行效率的自我学习一方面提供给开发者直观的任务执行情况用来做任务瓶颈的分析，另一方面主要用于任务的工作流模型计算出最优任务调度的方式。
[0087]实施例二
[0088]如图2所示，一种任务调度优化方法，其包括以下步骤:
[0089]步骤S1、接收一输入参数。
[0090]步骤S2、根据预设的规则对所述输入参数进行归类，以得到所述输入参数所属的类别。由于输入参数的种类和值的可能性太多，可以先对输入参数进行分类。所述输入参数可以是范围类参数、枚举类参数、影响任务数量的参数等。范围类参数:范围参数的选择主要依据范围差值的大小来确定，差值在某一范围内的归为一类，比如价格范围，差值为0-100的归位A类，那么对于输入参数为30-100 (差值70)以及500-560 (差值60)都会被归为A类。枚举类参数:枚举类参数会根据枚举的个数来决定是否要随机分组作为分类，如果个数不多则可以选取每一个枚举值作为一类。影响任务数量的参数:每一个参数都作为一类，比如参数A代表场景，对于场景可能取值为1、2、3，那么对于1、2、3可能会选择不同的任务进行执行。
[0091]步骤S3、判断所述输入参数所属的类别在训练模块中记录的次数，若所述次数小于预设阈值，则执行步骤S4，否则，执行步骤S5 ;所述训练模块记录有输入参数所属的类另IJ、完成工作流的任务执行顺序以及完成工作流的耗时数据的关联关系。
[0092]步骤S4、根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。所述依赖关系包括可调序关系、可并行关系和可替代关系中的一种或多种。
[0093]步骤S5、在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0094]具体的，所述步骤S5包括如下子步骤:
[0095]步骤S51、根据所述输入参数所属的类别结合耗时数据，在训练模块中计算每一条任务执行顺序所对应的平均耗时；
[0096]步骤S52、选取平均耗时最短的任务执行顺序完成工作流；
[0097]步骤S53、将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0098]实施例还提出一种与上述方法对应的任务调度优化装置，其包括以下模块:
[0099]接收模块，用于接收一输入参数；
[0100]归类模块，用于根据预设的规则对所述输入参数进行归类，以得到所述输入参数所属的类别；
[0101]判断模块，用于判断所述输入参数所属的类别在训练模块中记录的次数，若所述次数小于预设阈值，则执行随机模块，否则，执行优化模块；所述训练模块记录有输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据的关联关系；
[0102]随机模块，用于根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中；
[0103]优化模块，用于在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0104]具体的，所述优化模块包括如下子模块:
[0105]计算模块，用于根据所述输入参数所属的类别结合耗时数据，在训练模块中计算每一条任务执行顺序所对应的平均耗时；
[0106]选取模块，用于选取平均耗时最短的任务执行顺序完成工作流；
[0107]记录模块，用于将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
[0108]本发明是对异步任务的处理流程的效率优化处理，采用了训练模型对任务处理进行调度优化。
[0109]本发明采用实际数据作为统计基础不断的自我优化模型，不断地使模型更接近于最优化的方式。
[0110]本发明通过采用输入参数的分类对于执行任务的顺序进行优化调度，能够达到最尚效的任务执彳丁效率。
[0111]对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。
【权利要求】
1.任务调度优化方法，其特征在于，包括以下步骤: 步骤1、接收一输入参数； 步骤2、判断所述输入参数在训练模块中记录的次数，若所述次数小于预设阈值，则执行步骤3，否则，执行步骤4;所述训练模块记录有输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据的关联关系； 步骤3、根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中； 步骤4、在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
2.如权利要求1所述的任务调度优化方法，其特征在于，所述步骤4包括如下子步骤: 步骤41、根据所述输入参数结合耗时数据，在训练模块中计算每一条任务执行顺序所对应的平均耗时； 步骤42、选取平均耗时最短的任务执行顺序完成工作流； 步骤43、将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
3.如权利要求1所述的任务调度优化方法，其特征在于，所述依赖关系包括可调序关系、可并行关系和可替代关系中的一种或多种。
4.任务调度优化装置，其特征在于，包括以下模块: 接收模块，用于接收一输入参数； 判断模块，用于判断所述输入参数在训练模块中记录的次数，若所述次数小于预设阈值，则执行随机模块，否则，执行优化模块；所述训练模块记录有输入参数、完成工作流的任务执彳丁顺序以及完成工作流的耗时数据的关联关系； 随机模块，用于根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中； 优化模块，用于在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
5.如权利要求4所述的任务调度优化装置，其特征在于，所述优化模块包括如下子模块: 计算模块，用于根据所述输入参数结合耗时数据，在训练模块中计算每一条任务执行顺序所对应的平均耗时； 选取模块，用于选取平均耗时最短的任务执行顺序完成工作流； 记录模块，用于将本次的输入参数、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
6.任务调度优化方法，其特征在于，包括以下步骤: 步骤1、接收一输入参数； 步骤2、根据预设的规则对所述输入参数进行归类，以得到所述输入参数所属的类别；步骤3、判断所述输入参数所属的类别在训练模块中记录的次数，若所述次数小于预设阈值，则执行步骤4，否则，执行步骤5 ;所述训练模块记录有输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据的关联关系； 步骤4、根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中； 步骤5、在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
7.如权利要求6所述的任务调度优化方法，其特征在于，所述步骤5包括如下子步骤: 步骤51、根据所述输入参数所属的类别结合耗时数据，在训练模块中计算每一条任务执行顺序所对应的平均耗时； 步骤52、选取平均耗时最短的任务执行顺序完成工作流； 步骤53、将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
8.如权利要求6所述的任务调度优化方法，其特征在于，所述依赖关系包括可调序关系、可并行关系和可替代关系中的一种或多种。
9.任务调度优化装置，其特征在于，包括以下模块: 接收模块，用于接收一输入参数； 归类模块，用于根据预设的规则对所述输入参数进行归类，以得到所述输入参数所属的类别； 判断模块，用于判断所述输入参数所属的类别在训练模块中记录的次数，若所述次数小于预设阈值，则执行随机模块，否则，执行优化模块；所述训练模块记录有输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据的关联关系； 随机模块，用于根据预设的各任务之间的依赖关系，采用随机的任务执行顺序完成工作流，将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中； 优化模块，用于在训练模块中选取平均耗时最短的任务执行顺序完成工作流，将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
10.如权利要求9所述的任务调度优化装置，其特征在于，所述优化模块包括如下子模块: 计算模块，用于根据所述输入参数所属的类别结合耗时数据，在训练模块中计算每一条任务执行顺序所对应的平均耗时； 选取模块，用于选取平均耗时最短的任务执行顺序完成工作流； 记录模块，用于将本次的输入参数所属的类别、完成工作流的任务执行顺序以及完成工作流的耗时数据形成关联关系，并以新增的方式将所述关联关系记录至所述训练模块中。
【文档编号】G06F9/48GK104503833SQ201410820409
【公开日】2015年4月8日 申请日期:2014年12月22日 优先权日:2014年12月22日
【发明者】韩乙财, 彭思桢, 罗璇滨 申请人:广州唯品会网络技术有限公司