CN107463434A - 一种分布式任务处理方法与设备 - Google Patents

Abstract

本申请的目的是提供一种分布式任务处理方法与设备。与现有技术相比，本申请通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器，利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求，接着，利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成，从而提升***的业务处理能力，减少移动互联场景复杂业务逻辑的处理时间，做到低延时响应。

Description

一种分布式任务处理方法与设备

技术领域

本申请涉及计算机领域，尤其涉及一种分布式任务处理技术。

背景技术

发源于互联网的大数据相关技术近年发展迅猛，为了优化用户体验，各行各业都有必要运用大数据技术提升自身业务能力。以金融行业为例，传统银行的IT应用重心已经从提供标准化的存、贷、支付等标准交易产品服务，逐渐转向以移动互联设备为主渠道，依托大数据和智能技术为客户提供个性化场景服务的大趋势提出。相比传统的网银应用和手机银行应用，移动互联场景应用的要求有如下新特征：

1)被动响应转为主动预测。不仅对客户的交易和信息查询做出被动响应，而且要随时采集客户的浏览行为数据，整合各渠道客户最新的交易及其他交互数据，预测客户产品和服务需求，跟随客户的点击行为及时推出个性化的产品和资讯信息。

2)实时海量。实时从智能手机设备或其他可穿戴设备采集客户的地理位置等海量设备数据，结合客户的消费偏好和细分人群需求，推荐合适第三方非金融服务，引导银行附近的网点和自助设备服务。

3)随着场景化应用的不断深入，银行不仅需要在收集和加工海量新数据上提升服务水平，客户与银行的往来关系将不再局限于金融需求，而是包含衣食住行的方方面面，银行将有机会利用自身资源整合优势，提供更优质和及时的金融服务的同时，提供更全面的综合生活服务。

在这样一个大的业务背景下，银行IT***需要提供的数据服务能力将比以往提高百倍甚至千倍。因此，很有必要运用分布式任务处理技术提升业务处理能力。

发明内容

本申请的一个目的是提供一种分布式任务处理方法与设备。

根据本申请的一个方面，提供了一种分布式任务处理方法，其中，该方法包括：

通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器；

利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求；

利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成。

根据本申请的另一个方面，提供了一种分布式任务处理设备，其中，该设备包括：

第一装置，用于通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器；

第二装置，用于利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求；

第三装置，用于利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成。

根据本申请的又一个方面，提供了一种电子设备，至少包括处理器和存储单元，所述处理器被配置以执行以下指令：

通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器；

利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求；

利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成。

与现有技术相比，本申请通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器，利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求，接着，利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成，从而提升***的业务处理能力，减少移动互联场景复杂业务逻辑的处理时间，做到低延时响应。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1示出根据本申请一个实施例的一种分布式任务处理方法流程图；

图2示出根据本申请一个优选实施例的一种分布式任务处理的程序运行逻辑图；

图3示出根据本申请另一个实施例的一种分布式任务处理方法流程图；

图4示出根据本申请一个实施例的一种分布式任务处理设备示意图；

图5示出根据本申请另一个实施例的一种分布式任务处理设备示意图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本申请作进一步详细描述。

在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

图1示出根据本申请一个实施例的一种分布式任务处理方法流程图，该方法包括步骤S11、步骤S12和步骤S13。

具体地，步骤S11中，设备1通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器；步骤S12中，设备1利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求；步骤S13中，设备1利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成。

在此，所述设备1包括但不限于网络设备通过网络相集成所构成的设备。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述网络设备其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(CloudComputing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地，所述设备1还可以是运行于所述网络设备上的脚本程序。当然，本领域技术人员应能理解上述设备1仅为举例，其他现有的或今后可能出现的设备1如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。

优选地，所述语言运行时容器、所述计算类服务组件容器及所述资源类服务组件容器基于Akka微服务软件框架实现。

在此，将所述Akka微服务软件框架作为基础软件平台，具有如下优点：(1)角色(Actor)并发编程模型较好地屏蔽了底层通讯细节和线程任务调度细节，编程较容易。(2)性能高，单节点每秒可完成5000万消息处理。(3)资源需求低，每GB内存可容纳250万Actor实体对象。(4)成熟度较高，是Spark大数据平台的底层架构软件，在2015年获得JAX创新开发技术大奖。(5)基于强大的Scala语言编写，编码实现效率高，可以和其他JVM语言类库相互调用。(6)来源于amazon Dynamo***的gossip集群通讯协议，经过amazon云服务平台的长期技术验证，可靠性高；可支持Cluster Sharding、Cluster Singleton、DistributedPublish Subscribe、Distributed Data等多种集群应用场景。(7)父子角色对象(Actor)的监管者(Supervisor)模式，父角色对象可以捕获子角色对象的异常并自动执行不同的重启策略，极大提高了***的容错性和服务可用性，减少高可用性代码编写难度。(8)通过软件路由器(router)和执行分发器(dispatcher)组合实现多种Actor并发和负载均衡算法策略。如轮询调度(round robin)、随机调度(random)、广播(broadcast)、一致性哈希(Consistent Hashing)等。

当然，本领域技术人员应能理解上述Akka微服务软件框架(参考www.akka.io)仅为举例，其他现有的或今后可能出现的微服务软件框架，例如Node.Js(一个基于ChromeJavaScript运行时建立的平台，用于方便地搭建响应速度快、易于扩展的网络应用)、Finagle(Twitter基于Netty开发的支持容错的、协议无关的RPC框架)、Akka(一个用Scala编写的库，用于简化编写容错的、高可伸缩性的Java和Scala的Actor模型应用)、RxJava(一个在Java虚拟机上实现的响应式扩展库，提供了基于observable序列实现的异步调用及基于事件编程)、Vert.x(一个基于JVM、轻量级、高性能的应用平台)等，如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。

步骤S11中，设备1通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器。

在此，通过所述分布式实时消息总线来实现通讯。所述语言运行时容器可以基于Akka微服务软件框架的Actor来实现。

优选地，步骤S11中，设备1通过分布式实时消息总线获取用户设备发送的待处理任务。

在此，所述用户设备包括但不限于：安装有相应客户端的智能手机、平板电脑，已打开网银页面的电脑。例如，参照图2，可以通过所述用户设备获取Web服务器的网页资源，建立与所述分布式实时消息总线的连接。而后，通过所述分布式实时消息总线的通信，获取所述用户设备发送的待处理任务。

优选地，所述待处理任务包括远程服务调用请求；其中，步骤S11中，设备1通过分布式实时消息总线获取远程服务调用请求，将所述远程服务调用请求转换为函数调用请求并转发至语言运行时容器。

例如，参照图2，所述用户设备通过所述分布式实时消息总线发起所述远程服务调用请求，服务代理接收到所述远程服务调用请求后，先将所述远程服务调用请求转换为函数调用请求，再将所述函数调用请求转发至语言运行时容器。

步骤S12中，设备1利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求。

例如，所述语言运行时容器查找函数定义，创建程序运行实例；所述语言运行时容器装载有分布式并行处理语言解释器，所述分布式并行处理语言解释器解释应用程序代码并分布式并行调用关联服务组件以协同完成所述待处理任务；优选地，所述分布式并行处理语言解释器通过识别应用程序代码中的特定标记，发现异步服务的并行处理的情况。

优选地，所述语言运行时容器为Zebra语言运行时容器，所述分布式并行处理语言解释器为Zebra语言解释器。

例如，参照图2，Zebra语言解释器按程序设计逻辑依次执行Zebra脚本语句，在执行过程中，当出现异步服务的并行处理的情况，同时向计算类组件容器A、资源类组件容器B、资源类组件容器C发起多个异步调用请求，将当前程序运行实例的上下文(Context)切换到等待微服务调用回应的休眠程序实例集合。

在此，Zebra分布式并行处理语言支持分布式并行处理，且能很好处理异步回调问题。Zebra语言遵循MDA(Model Driven Architecture，模型驱动架构)的设计思想，可以使用不同语言和运行时容器，原则上程序员的商业逻辑代码编写一次后可以运行在不同环境(包括脱离JVM)，做好合适的服务抽象后，下层软件架构的优化演进将对业务功能代码没有任何影响。

优选地，利用所述语言运行时容器执行所述待处理任务，包括：利用所述语言运行时容器根据所述待执行的任务解析出语法树；执行所述语法树。

例如，所述Zebra语言运行时容器查找函数定义，将所述待处理任务解析为Zebra语法树结构，创建程序运行实例。

优选地，所述语言运行时容器装载有分布式并行处理语言解释器；其中，执行所述语法树包括：在执行所述语法树的过程中，利用所述分布式并行处理语言解释器动态构造、执行并清理语句执行树。

在此，如果套用ANTLR之父Terence Parr的编译语言实现模式，可以将本实施例的所述分布式并行处理语言解释器称为基于树的解释器，其主要是基于完整的语法树在解释执行过程中动态构造和清理语句执行树，可以有效地节约内存资源。语句执行树可以看作是语法解析树对象的运行实例。

步骤S13中，设备1利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成。

例如，所述语言运行时容器通过所述分布式消息总线接收所述计算类服务组件容器及所述资源类服务组件容器的返回结果并逐一处理，在处理每个结果报文时，关联的程序运行实例也切换回运行时容器(如图2中的7所示)，在对应的语法树节点标记异步调用状态并尝试继续向后执行，如不能先后执行，则切换回休眠等待状态。在图2所示的实施例中，直到收到完整的(6-A)、(6-B)、(6-C)三个结果报文，程序运行实例才能无停顿继续往下执行，完成全部调用函数逻辑并释放程序运行实例内存资源；函数执行结果由Zebra运行时容器返回给服务代理。

优选地，所述方法还包括：设备1通过所述分布式实时消息总线，将对于所述待处理任务的处理结果返回至所述用户设备。

例如，参照图2，所述用户设备通过所述分布式实时消息总线发起远程服务调用请求，处理完毕后，服务代理通过所述分布式实时消息总线将该远程服务调用请求的处理结果返回至所述用户设备。

优选地，如图3所示，所述方法还包括步骤S14’；步骤S14’中，设备1利用所述计算类服务组件容器接收所述异步调用请求，将所述异步调用请求路由分发至计算类组件实例执行，并将对于所述异步调用请求的处理结果返回至所述语言运行时容器。

例如，参照图2，计算类组件容器A接收到服务调用请求(4-A)，通过路由直接转发给一个组件实例执行(4-A-1)，并将结果返回至Zebra语言运行时容器(6-A)。

优选地，如图3所示，所述方法还包括步骤S15’；步骤S15’中，设备1利用所述资源类服务组件容器接收所述异步调用请求，将所述异步调用请求放入缓存队列，统一调度发送至空闲的资源类组件实例执行，并将对于所述异步调用请求的处理结果返回至所述语言运行时容器。

例如，所述资源类服务组件容器将接收到的异步调用请求放入缓存队列；若检测到存在空闲的服务组件实例可分配任务，所述资源类服务组件容器会将所述异步调用请求从缓存队列中提取出来；若检测到不存在空闲的服务组件实例，在不超过最大实例数的前提下，所述资源类服务组件容器也可以创建新的服务组件实例以分配任务。

优选地，所述空闲的资源类组件实例通过以下至少任一项执行所述异步调用请求：所述资源类组件实例通过异步I/O调用外部网络服务处理所述异步调用请求；所述资源类组件实例通过阻塞式服务调用数据库服务处理所述异步调用请求。

例如，参照图2，资源类组件容器B接到服务调用请求(4-B)，放入待处理任务队列，统一调度发送给空闲的组件实例(4-B-1)；组件实例通过异步I/O调用外部网络服务并处理后将结果返回至Zebra语言运行时容器(6-B)。资源类组件容器C接到服务调用请求(4-C)，放入待处理任务队列，统一调度发送给空闲的组件实例(4-C-1)；组件实例通过阻塞式服务调用数据库服务处理后将结果返回至Zebra语言运行时容器(6-C)。

图4示出根据本申请一个实施例的一种分布式任务处理设备1，其中，设备1包括第一装置11、第二装置12和第三装置13。

具体地，所述第一装置11通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器；所述第二装置12利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求；所述第三装置13利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成。

在此，所述设备1包括但不限于网络设备通过网络相集成所构成的设备。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述网络设备其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(CloudComputing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地，所述设备1还可以是运行于所述网络设备上的脚本程序。当然，本领域技术人员应能理解上述设备1仅为举例，其他现有的或今后可能出现的设备1如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。

优选地，所述语言运行时容器、所述计算类服务组件容器及所述资源类服务组件容器基于Akka微服务软件框架实现。

在此，将所述Akka微服务软件框架作为基础软件平台，具有如下优点：(1)角色(Actor)并发编程模型较好地屏蔽了底层通讯细节和线程任务调度细节，编程较容易。(2)性能高，单节点每秒可完成5000万消息处理。(3)资源需求低，每GB内存可容纳250万Actor实体对象。(4)成熟度较高，是Spark大数据平台的底层架构软件，在2015年获得JAX创新开发技术大奖。(5)基于强大的Scala语言编写，编码实现效率高，可以和其他JVM语言类库相互调用。(6)来源于amazon Dynamo***的gossip集群通讯协议，经过amazon云服务平台的长期技术验证，可靠性高；可支持Cluster Sharding、Cluster Singleton、DistributedPublish Subscribe、Distributed Data等多种集群应用场景。(7)父子角色对象(Actor)的监管者(Supervisor)模式，父角色对象可以捕获子角色对象的异常并自动执行不同的重启策略，极大提高了***的容错性和服务可用性，减少高可用性代码编写难度。(8)通过软件路由器(router)和执行分发器(dispatcher)组合实现多种Actor并发和负载均衡算法策略。如轮询调度(round robin)、随机调度(random)、广播(broadcast)、一致性哈希(Consistent Hashing)等。

当然，本领域技术人员应能理解上述Akka微服务软件框架(参考www.akka.io)仅为举例，其他现有的或今后可能出现的微服务软件框架，例如Node.Js(一个基于ChromeJavaScript运行时建立的平台，用于方便地搭建响应速度快、易于扩展的网络应用)、Finagle(Twitter基于Netty开发的支持容错的、协议无关的RPC框架)、Akka(一个用Scala编写的库，用于简化编写容错的、高可伸缩性的Java和Scala的Actor模型应用)、RxJava(一个在Java虚拟机上实现的响应式扩展库，提供了基于observable序列实现的异步调用及基于事件编程)、Vert.x(一个基于JVM、轻量级、高性能的应用平台)等，如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。

所述第一装置11通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器。

在此，通过所述分布式实时消息总线来实现通讯。所述语言运行时容器可以基于Akka微服务软件框架的Actor来实现。

优选地，所述第一装置11通过分布式实时消息总线获取用户设备发送的待处理任务。

在此，所述用户设备包括但不限于：安装有相应客户端的智能手机、平板电脑，已打开网银页面的电脑。例如，参照图2，可以通过所述用户设备获取Web服务器的网页资源，建立与所述分布式实时消息总线的连接。而后，通过所述分布式实时消息总线的通信，获取所述用户设备发送的待处理任务。

优选地，所述待处理任务包括远程服务调用请求；其中，所述第一装置11通过分布式实时消息总线获取远程服务调用请求，将所述远程服务调用请求转换为函数调用请求并转发至语言运行时容器。

例如，参照图2，所述用户设备通过所述分布式实时消息总线发起所述远程服务调用请求，服务代理接收到所述远程服务调用请求后，先将所述远程服务调用请求转换为函数调用请求，再将所述函数调用请求转发至语言运行时容器。

所述第二装置12利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求。

例如，所述语言运行时容器查找函数定义，创建程序运行实例；所述语言运行时容器装载有分布式并行处理语言解释器，所述分布式并行处理语言解释器解释应用程序代码并分布式并行调用关联服务组件以协同完成所述待处理任务；优选地，所述分布式并行处理语言解释器通过识别应用程序代码中的特定标记，发现异步服务的并行处理的情况。

优选地，所述语言运行时容器为Zebra语言运行时容器，所述分布式并行处理语言解释器为Zebra语言解释器。

例如，参照图2，Zebra语言解释器按程序设计逻辑依次执行Zebra脚本语句，在执行过程中，当出现异步服务的并行处理的情况，同时向计算类组件容器A、资源类组件容器B、资源类组件容器C发起多个异步调用请求，将当前程序运行实例的上下文(Context)切换到等待微服务调用回应的休眠程序实例集合。

在此，Zebra分布式并行处理语言支持分布式并行处理，且能很好处理异步回调问题。Zebra语言遵循MDA(Model Driven Architecture，模型驱动架构)的设计思想，可以使用不同语言和运行时容器，原则上程序员的商业逻辑代码编写一次后可以运行在不同环境(包括脱离JVM)，做好合适的服务抽象后，下层软件架构的优化演进将对业务功能代码没有任何影响。

优选地，利用所述语言运行时容器执行所述待处理任务，包括：利用所述语言运行时容器根据所述待执行的任务解析出语法树；执行所述语法树。

例如，所述Zebra语言运行时容器查找函数定义，将所述待处理任务解析为Zebra语法树结构，创建程序运行实例。

优选地，所述语言运行时容器装载有分布式并行处理语言解释器；其中，执行所述语法树包括：在执行所述语法树的过程中，利用所述分布式并行处理语言解释器动态构造、执行并清理语句执行树。

在此，如果套用ANTLR之父Terence Parr的编译语言实现模式，可以将本实施例的所述分布式并行处理语言解释器称为基于树的解释器，其主要是基于完整的语法树在解释执行过程中动态构造和清理语句执行树，可以有效地节约内存资源。语句执行树可以看作是语法解析树对象的运行实例。

所述第三装置13利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成。

例如，所述语言运行时容器通过所述分布式消息总线接收所述计算类服务组件容器及所述资源类服务组件容器的返回结果并逐一处理，在处理每个结果报文时，关联的程序运行实例也切换回运行时容器(如图2中的7所示)，在对应的语法树节点标记异步调用状态并尝试继续向后执行，如不能先后执行，则切换回休眠等待状态。在图2所示的实施例中，直到收到完整的(6-A)、(6-B)、(6-C)三个结果报文，程序运行实例才能无停顿继续往下执行，完成全部调用函数逻辑并释放程序运行实例内存资源；函数执行结果由Zebra运行时容器返回给服务代理。

优选地，所述设备1包括第六装置(图中未示出)；所述第六装置通过所述分布式实时消息总线，将对于所述待处理任务的处理结果返回至所述用户设备。

例如，参照图2，所述用户设备通过所述分布式实时消息总线发起远程服务调用请求，处理完毕后，服务代理通过所述分布式实时消息总线将该远程服务调用请求的处理结果返回至所述用户设备。

优选地，如图5所示，所述设备1还包括第四装置14’；所述第四装置14’利用所述计算类服务组件容器接收所述异步调用请求，将所述异步调用请求路由分发至计算类组件实例执行，并将对于所述异步调用请求的处理结果返回至所述语言运行时容器。

例如，参照图2，计算类组件容器A接收到服务调用请求(4-A)，通过路由直接转发给一个组件实例执行(4-A-1)，并将结果返回至Zebra语言运行时容器(6-A)。

优选地，如图5所示，所述设备1还包括第五装置15’；所述第五装置15’利用所述资源类服务组件容器接收所述异步调用请求，将所述异步调用请求放入缓存队列，统一调度发送至空闲的资源类组件实例执行，并将对于所述异步调用请求的处理结果返回至所述语言运行时容器。

例如，所述资源类服务组件容器将接收到的异步调用请求放入缓存队列；若检测到存在空闲的服务组件实例可分配任务，所述资源类服务组件容器会将所述异步调用请求从缓存队列中提取出来；若检测到不存在空闲的服务组件实例，在不超过最大实例数的前提下，所述资源类服务组件容器也可以创建新的服务组件实例以分配任务。

优选地，所述空闲的资源类组件实例通过以下至少任一项执行所述异步调用请求：所述资源类组件实例通过异步I/O调用外部网络服务处理所述异步调用请求；所述资源类组件实例通过阻塞式服务调用数据库服务处理所述异步调用请求。

例如，参照图2，资源类组件容器B接到服务调用请求(4-B)，放入待处理任务队列，统一调度发送给空闲的组件实例(4-B-1)；组件实例通过异步I/O调用外部网络服务并处理后将结果返回至Zebra语言运行时容器(6-B)。资源类组件容器C接到服务调用请求(4-C)，放入待处理任务队列，统一调度发送给空闲的组件实例(4-C-1)；组件实例通过阻塞式服务调用数据库服务处理后将结果返回至Zebra语言运行时容器(6-C)。

根据本申请的又一个方面，提供了一种电子设备，至少包括处理器和存储单元，所述处理器被配置以执行以下指令：

通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器；

利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求；

利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成。

与现有技术相比，本申请通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器，利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求，接着，利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成，从而提升***的业务处理能力，减少移动互联场景复杂业务逻辑的处理时间，做到低延时响应。

需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (21)

1.一种分布式任务处理方法，其中，该方法包括：

通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器；

利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求；

利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成。

2.根据权利要求1所述的方法，其中，所述方法还包括：

利用所述计算类服务组件容器接收所述异步调用请求，将所述异步调用请求路由分发至计算类组件实例执行，并将对于所述异步调用请求的处理结果返回至所述语言运行时容器。

3.根据权利要求1所述的方法，其中，所述方法还包括：

利用所述资源类服务组件容器接收所述异步调用请求，将所述异步调用请求放入缓存队列，统一调度发送至空闲的资源类组件实例执行，并将对于所述异步调用请求的处理结果返回至所述语言运行时容器。

4.根据权利要求3所述的方法，其中，所述空闲的资源类组件实例通过以下至少任一项执行所述异步调用请求：

所述资源类组件实例通过异步I/O调用外部网络服务处理所述异步调用请求；

所述资源类组件实例通过阻塞式服务调用数据库服务处理所述异步调用请求。

5.根据权利要求1至4中任一项所述的方法，其中，所述通过分布式实时消息总线获取待处理任务包括：

通过分布式实时消息总线获取用户设备发送的待处理任务；

其中，所述方法还包括：

通过所述分布式实时消息总线，将对于所述待处理任务的处理结果返回至所述用户设备。

6.根据权利要求1至5中任一项所述的方法，其中，所述待处理任务包括远程服务调用请求；

其中，所述通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器，包括：

通过分布式实时消息总线获取远程服务调用请求，将所述远程服务调用请求转换为函数调用请求并转发至语言运行时容器。

7.根据权利要求1所述的方法，其中，利用所述语言运行时容器执行所述待处理任务，包括：

利用所述语言运行时容器根据所述待执行的任务解析出语法树；

执行所述语法树。

8.根据权利要求7所述的方法，其中，所述语言运行时容器装载有分布式并行处理语言解释器；

其中，执行所述语法树包括：

在执行所述语法树的过程中，利用所述分布式并行处理语言解释器动态构造、执行并清理语句执行树。

9.根据权利要求8所述的方法，其中，所述语言运行时容器为Zebra语言运行时容器，所述分布式并行处理语言解释器为Zebra语言解释器。

10.根据权利要求1至9中任一项所述的方法，其中，所述语言运行时容器、所述计算类服务组件容器及所述资源类服务组件容器基于Akka微服务软件框架实现。

11.一种分布式任务处理设备，其中，该设备包括：

第一装置，用于通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器；

第二装置，用于利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求；

第三装置，用于利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成。

12.根据权利要求11所述的设备，其中，所述设备还包括：

第四装置，用于利用所述计算类服务组件容器接收所述异步调用请求，将所述异步调用请求路由分发至计算类组件实例执行，并将对于所述异步调用请求的处理结果返回至所述语言运行时容器。

13.根据权利要求11所述的设备，其中，所述设备还包括：

第五装置，用于利用所述资源类服务组件容器接收所述异步调用请求，将所述异步调用请求放入缓存队列，统一调度发送至空闲的资源类组件实例执行，并将对于所述异步调用请求的处理结果返回至所述语言运行时容器。

14.根据权利要求13所述的设备，其中，所述空闲的资源类组件实例通过以下至少任一项执行所述异步调用请求：

所述资源类组件实例通过异步I/O调用外部网络服务处理所述异步调用请求；

所述资源类组件实例通过阻塞式服务调用数据库服务处理所述异步调用请求。

15.根据权利要求11至14中任一项所述的设备，其中，所述通过分布式实时消息总线获取待处理任务包括：

通过分布式实时消息总线获取用户设备发送的待处理任务；

其中，所述设备还包括：

第六装置，用于通过所述分布式实时消息总线，将对于所述待处理任务的处理结果返回至所述用户设备。

16.根据权利要求11至15中任一项所述的设备，其中，所述待处理任务包括远程服务调用请求；

其中，所述第一装置用于：

通过分布式实时消息总线获取远程服务调用请求，将所述远程服务调用请求转换为函数调用请求并转发至语言运行时容器。

17.根据权利要求11所述的设备，其中，利用所述语言运行时容器执行所述待处理任务，包括：

利用所述语言运行时容器根据所述待执行的任务解析出语法树；

执行所述语法树。

18.根据权利要求17所述的设备，其中，所述语言运行时容器装载有分布式并行处理语言解释器；

其中，执行所述语法树包括：

在执行所述语法树的过程中，利用所述分布式并行处理语言解释器动态构造、执行并清理语句执行树。

19.根据权利要求18所述的设备，其中，所述语言运行时容器为Zebra语言运行时容器，所述分布式并行处理语言解释器为Zebra语言解释器。

20.根据权利要求11至19中任一项所述的设备，其中，所述语言运行时容器、所述计算类服务组件容器及所述资源类服务组件容器基于Akka微服务软件框架实现。

21.一种电子设备，至少包括处理器和存储单元，所述处理器被配置以执行以下指令：

通过分布式实时消息总线获取待处理任务，将所述待处理任务转发至语言运行时容器；

利用所述语言运行时容器执行所述待处理任务，其中，在执行过程中，当出现异步服务的并行处理的情况，通过所述分布式实时消息总线分别向计算类服务组件容器、资源类服务组件容器发起多个异步调用请求；

利用所述语言运行时容器接收并处理所述计算类服务组件容器及所述资源类服务组件容器对于所述异步调用请求的处理结果，直至所述待处理任务执行完成。