CN117573329B - 多脑协同的任务调度方法、任务调度装置及存储介质 - Google Patents
多脑协同的任务调度方法、任务调度装置及存储介质 Download PDFInfo
- Publication number
- CN117573329B CN117573329B CN202410059964.7A CN202410059964A CN117573329B CN 117573329 B CN117573329 B CN 117573329B CN 202410059964 A CN202410059964 A CN 202410059964A CN 117573329 B CN117573329 B CN 117573329B
- Authority
- CN
- China
- Prior art keywords
- brain
- processing
- task
- task scheduling
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 43
- 210000004556 brain Anatomy 0.000 claims abstract description 224
- 238000012545 processing Methods 0.000 claims abstract description 197
- 238000013515 script Methods 0.000 claims abstract description 61
- 230000029087 digestion Effects 0.000 claims abstract description 19
- 238000009826 distribution Methods 0.000 claims abstract description 14
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000013500 data storage Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 3
- 230000002618 waking effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000004075 alteration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/48—Indexing scheme relating to G06F9/48
- G06F2209/482—Application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/48—Indexing scheme relating to G06F9/48
- G06F2209/483—Multiproc
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了多脑协同的任务调度方法、任务调度装置及存储介质，其中，所述方法包括以下步骤：接收到多任务调度信息时，基于脚本大脑对所述多任务调度信息进行任务分解处理，得到所述多任务调度信息对应的子任务；将所述子任务发送至所述任务消化大脑，并控制任务分发大脑将各个所述子任务，分发至所述子任务对应的处理大脑；确定各个所述处理大脑对应的机器人软件，控制所述机器人软件执行各个所述子任务，并接收各个所述机器人软件反馈的任务调度结果。通过脚本大脑将任务进行分解，并由任务消化大脑将各个分解后的子任务发送到相应的处理大脑中，进而基于处理大脑控制相应的机器人软件执行调度任务，多个大脑协同处理，提高任务的处理效率。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及多脑协同的任务调度方法、任务调度装置及存储介质。
背景技术
在当前的虚拟机器人软件的任务调度管理过程中，通常通过人工处理的方式将任务进行划分，并将划分处理后的子任务手动下发给不同模块的机器人软件进行执行。
然而，人工拆分任务需要依赖于人的理解和判断，会受到人的主观因素的影响，导致任务拆分的效果存在差异。同时，人工拆分任务可能需要大量的时间和精力，尤其是在处理复杂任务时，人工拆分的方式影响到任务的执行效率，导致任务执行效率低。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种发明名称，解决现有技术中基于人工拆分任务导致任务执行效率低的问题。
为实现上述目的，本发明提供一种多脑协同的任务调度方法，所述方法包括以下步骤：
接收到多任务调度信息时，基于脚本大脑对所述多任务调度信息进行任务分解处理，得到所述多任务调度信息对应的子任务；
将所述子任务发送至任务消化大脑，并控制任务分发大脑将各个所述子任务，分发至所述子任务对应的处理大脑；
确定各个所述处理大脑对应的机器人软件，控制所述机器人软件执行各个所述子任务，并接收各个所述机器人软件反馈的任务调度结果。
可选地，所述将所述子任务发送至任务消化大脑，并控制任务分发大脑将各个所述子任务，分发至所述子任务对应的处理大脑的步骤包括：
将所述子任务发送至所述任务消化大脑，并基于所述任务消化大脑确定各个所述子任务的执行顺序及场景信息；
根据所述执行顺序以及所述场景信息确定处理节点，以及所述处理节点关联的所述处理大脑；
控制所述任务分发大脑将各个所述子任务，分发至所述子任务对应的所述处理大脑。
可选地，所述根据所述执行顺序以及所述场景信息确定处理节点，以及所述处理节点关联的所述处理大脑的步骤包括：
根据所述场景信息确定各个所述子任务的任务事项调度、数据存储格式、图谱数据存储来源及实例创建信息，以及根据所述执行顺序确定所述实例创建信息对应的节点处理顺序；
将所述节点处理顺序对应的节点作为所述处理节点，并确定所述任务事项调度、所述数据存储格式、所述图谱数据存储来源以及所述实例创建信息对应的事理大脑、存储大脑、图谱大脑以及机器人实例大脑，其中，所述事理大脑、所述存储大脑、所述图谱大脑以及所述机器人实例大脑为所述处理大脑。
可选地，所述接收到多任务调度信息时，基于脚本大脑对所述多任务调度信息进行任务分解处理，得到所述多任务调度信息对应的子任务的步骤包括：
接收到所述多任务调度信息，且所述多任务调度信息为语音指令时，基于所述脚本大脑的语音识别脚本对所述语音指令进行识别；
在识别结果为符合语音权限时，基于文字提取脚本获取所述语音指令对应的文字信息，并根据文字识别脚本对所述文字信息进行拆解，得到各个待处理事项；
将所述待处理事项作为所述多任务调度信息对应的所述子任务。
可选地，所述确定各个所述处理大脑对应的机器人软件，控制所述机器人软件执行各个所述子任务，并接收各个所述机器人软件反馈的任务调度结果的步骤包括：
确定各个所述处理大脑对应的机器人软件，并基于中控将各个所述子任务转发至Emitter，以使所述Emitter将所述子任务转发至服务端；
控制所述服务端将各个所述子任务转发至各个所述机器人软件；
在所述机器人软件接收并执行各个所述子任务时，获取所述服务端接收到的所述机器人软件反馈的处理结果。
可选地，所述确定各个所述处理大脑对应的机器人软件，控制所述机器人软件执行各个所述子任务，并接收各个所述机器人软件反馈的任务调度结果的步骤之后，还包括：
确定所述处理大脑的任务处理状态；
当存在目标处理大脑的所述任务处理状态为空时，控制所述目标处理大脑基于预设时段向中控发送任务处理请求；或者
在所有所述处理大脑的所述任务处理状态为空时，控制任务分发大脑基于所述预设时段向所述中控发送所述任务处理请求；或者
当存在所述处理大脑处于下线状态，且所述任务处理状态为待执行时，唤醒处于下线状态的所述处理大脑。
可选地，所述确定各个所述处理大脑对应的机器人软件，控制所述机器人软件执行各个所述子任务，并接收各个所述机器人软件反馈的任务调度结果的步骤之后，还包括：
根据图谱大脑对所述任务调度结果进行知识图谱分析处理，和/或根据所述脚本大脑的数据校对脚本对所述任务调度结果进行数据校对处理，得到处理结果；
根据所述脚本大脑的数据分析脚本确定所述处理结果对应的冗余数据、错误数据和重复数据；
将删除所述冗余数据、所述错误数据以及所述重复数据后的所述处理结果，存储到存储大脑中。
可选地，所述接收到多任务调度信息时，基于脚本大脑对所述多任务调度信息进行任务分解处理，得到所述多任务调度信息对应的子任务的步骤之后，还包括：
将所述任务调度结果发送至信息校验界面，并响应所述信息校验界面反馈的校验结果；
在所述校验结果为异常结果时，跳转执行所述基于脚本大脑对所述多任务调度信息进行任务分解处理，得到所述多任务调度信息对应的子任务的步骤；
在所述校验结果为待修正结果时，控制所述脚本大脑基于所述待修正结果对应的修正指令，对所述任务调度结果进行修正处理，并将修正处理后的结果存储到存储大脑；
在所述校验结果为正常结果时，将所述任务调度结果对应的数据存储到所述存储大脑。
此外，为实现上述目的，本发明还提供一种多脑协同的任务调度装置，所述多脑协同的任务调度装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多脑协同的任务调度程序，所述多脑协同的任务调度程序被所述处理器执行时实现如上所述的多脑协同的任务调度方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有多脑协同的任务调度程序，所述多脑协同的任务调度程序被处理器执行时实现如上所述的多脑协同的任务调度方法的步骤。
本发明实施例提供了多脑协同的任务调度方法、任务调度装置及存储介质，在接收到多任务调度信息时，基于脚本大脑对所述多任务调度信息进行任务分解处理，得到所述多任务调度信息对应的子任务，接着将所述子任务发送至任务消化大脑，并控制任务分发大脑将各个所述子任务，分发至所述子任务对应的处理大脑，最后确定各个所述处理大脑对应的机器人软件，控制所述机器人软件执行各个所述子任务，并接收各个所述机器人软件反馈的任务调度结果。可以看出，通过不同大脑对调度任务进行拆解及派发，并由多个不同的处理大脑对应的机器人软件进行任务的处理，提高任务执行效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明多脑协同的任务调度方法的操作***结构示意图；
图2是本发明多脑协同的任务调度方法的内核大脑的功能示意图；
图3为本发明多脑协同的任务调度方法的第一实施例的流程示意图；
图4为本发明多脑协同的任务调度方法的第二实施例的流程示意图；
图5是本发明多脑协同的任务调度方法的各个实施例的终端硬件结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了更好地理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整地传达给本领域的技术人员。
本发明实施例应用于机器人操作***，作为一种可选实施方式，请参照图1，该操作***包括用于消息转发及注册连接的Emitter（发射器）消息队列，用于与多个内核大脑建立连接，并下发相应的指令及调度任务及处理所有端业务逻辑消息转发以及用户授权登录认证的中控，以及多个大脑组成的内核大脑，中控可以与内核大脑中的各个大脑建立客户端、服务端的socket（一种协议栈）连接，寻址信号、指令分发及调度任务等。其中，在内核大脑中，多个大脑的功能如图2所示，事理大脑用于实现事理任务相关调度，图谱大脑用于图谱数据存取维护及提供知识图谱相关处理功能，存储大脑用于存储相关的数据，支持内存态和持久化存储及任意格式存储；机器人池用于维护机器人实例创建记录，并做持久化保存；机器人实例大脑用于根据实例创建记录动态创建相关实例；脚本大脑则通过自身的多个脚本模块对调度任务进行解析处理，进而得到调度任务的多个子任务；任务消化大脑则用于将调度任务的多个子任务下发到相应的大脑中。
请参照图3，在第一实施例中，本发明多脑协同的任务调度方法的步骤包括：
步骤S10，接收到多任务调度信息时，基于脚本大脑对所述多任务调度信息进行任务分解处理，得到所述多任务调度信息对应的子任务；
在本实施例中，多任务调度信息用于获取多种不同场景的数据信息，例如需要获取内网的资产信息时，通过脚本大脑对获取内网的资产信息的多任务调度信息进行分解处理，进而得到不同大脑对应的处理任务。也即多任务调度信息可以是任意形式的互联网信息调度任务，该任务需要内核大脑中的多个大脑联合完成。
作为一种可选的实施方式，多任务调度信息可以由多种形态组成，例如管理人员在中控输入的文字指令、语音指令或者从本地或云端中调取的预存的调度任务。例如，在接收到的多任务调度信息为语音指令时，需要先判断当前语音指令对应的发起人是否满足相应的任务下发权限。此时可以通过脚本大脑中的语音识别脚本对语音指令进行识别处理，得到识别结果，在识别结果为符合语音权限时，说明该语音指令符合预设的权限，此时通过脚本大脑的文字提取脚本提取语音指令中相应的文字信息，并在提取到文字信息后，通过文字识别脚本进行拆解处理，得到待处理事项也即多任务调度信息对应的子任务。基于此，通过脚本大脑中的各个脚本模块对多任务调度信息进行任务分解处理，提高了任务拆解效率进而提高任务执行效率。
步骤S20，将所述子任务发送至任务消化大脑，并控制任务分发大脑将各个所述子任务，分发至所述子任务对应的处理大脑；
在本实施例中，请继续参照图1，处理大脑包括但不限于事理大脑、图谱大脑、存储大脑及机器人实例大脑，将子任务分发至相应的处理大脑后，处理大脑能够根据相应的任务实例或执行顺序进行任务数据的获取或计算处理。
作为一种可选的实施方式，基于任务消化大脑将子任务分发至处理大脑的步骤具体包括：
步骤S21，将所述子任务发送至所述任务消化大脑，并基于所述任务消化大脑确定各个所述子任务的执行顺序及场景信息；
步骤S22，根据所述执行顺序以及所述场景信息确定处理节点，以及所述处理节点关联的所述处理大脑；
步骤S23，控制所述任务分发大脑将各个所述子任务，分发至所述子任务对应的所述处理大脑。
在本实施例中，场景信息包括仿真场景、数据加工场景及代理服务器等，可以根据场景信息确定各个所述子任务的任务事项调度、数据存储格式、图谱数据存储来源及实例创建信息等，同时根据执行顺序确定实例创建信息对应的节点处理顺序，例如数据存储节点、实例创建节点及事项调度节点之间的处理顺序及处理次数。接着将节点处理顺序对应的节点作为处理节点，并确定任务事项调度对应的事理大脑、数据存储格式对应的存储大脑、图谱数据存储来源对应的图谱大脑及实例创建信息对应的机器人实例大脑等，以便控制任务消化大脑将子任务分发至相应的处理大脑中，使得处理大脑能够有序或同时根据子任务控制相应的机器人软件执行相应的调度任务，提高调度任务的执行效率。可以理解的是，在本实施例中，事理大脑、存储大脑、图谱大脑以及所述机器人实例大脑为处理大脑。
步骤S30，确定各个所述处理大脑对应的机器人软件，控制所述机器人软件执行各个所述子任务，并接收各个所述机器人软件反馈的任务调度结果。
在本实施例中，机器人软件指的是虚拟机器人软件，该软件能够执行提取数据、填写表单、移动文件以及进行各种仿真处理的智能软件。任务调度结果可以是某个区域的人员数据信息，也可以是某个网络场景中各个网络设备的相关网络信息如基础架构信息、网络服务信息、应用程序信息及漏洞信息等。
作为一种可选的实施方式，可以先确定各个处理大脑对应的机器人软件，其中，每个处理大脑对应有唯一的机器人软件。请参照图1，在该过程中，可以基于中控将各个子任务转发至Emitter中，以使Emitter将子任务转发到服务端，随后控制服务端将子任务转发到各个所述机器人软件当中。基于此，在机器人软件接收到子任务后，能够执行相应的任务，机器人操作***的中控则在机器人软件接收并执行各个子任务时，获取服务端接收到的机器人软件反馈的处理结果。其中，所述服务端接收到所述处理结果后，基于web（WorldWide Web，广域网）网关将所述处理结果作为所述任务调度结果返回所述Emitter，以使所述Emitter将所述任务调度结果返回所述中控，其中，任务调度结果对应的数据可以存储到存储大脑中。基于此，通过各个处理大脑对应的机器人软件对当前的子任务进行处理，提高任务处理效率。
在本实施例公开的技术方案中，接收到多任务调度信息后，通过脚本大脑内的多个脚本对任务调度信息进行解析处理，进而得到多个子任务，同时根据任务消化大脑确定子任务中对应的任务执行顺序及场景信息等，进而根据执行顺序和场景信息选定处理大脑，并将子任务分发到处理大脑中，最后基于Emitter将子任务下发到处理大脑关联的机器人软件当中，进而通过服务端接收机器人软件反馈的处理结果。基于此，通过多个大脑分别对任务进行划分、下发及执行处理，实现了多个处理大脑的协同处理，进而提高了调度任务的处理效率。
请参照图4，在第二实施例中，步骤S30之后，还包括：
步骤S40，确定所述处理大脑的任务处理状态；
步骤S50，当存在目标处理大脑的所述任务处理状态为空时，控制所述目标处理大脑基于预设时段向中控发送任务处理请求。
在本实施例中，处理大脑在提供相应的机器人软件并接收机器人软件反馈的任务调度结果后，此时该处理大脑的任务处理状态处于空闲状态。作为一种可选的实施方式，当目标处理大脑的任务处理状态为空时，能够基于预设周期也即预设时段向中控发送任务处理请求，以便工作人员能够基于该请求向该处理大脑下发相应的调度任务。除此之外，处理大脑还可根据预设间隔发送任务处理请求，从而无需在处于空闲状态时才进行预设间隔的计算。可以理解的是，当处理大脑处于任务执行状态时，不会发送相应的任务请求。同时，当所有处理大脑的任务处理状态均为空时，也可直接基于预设时段发送任务处理请求。
在另一可选的实施方式中，当存在处理大脑处于下线状态，也即该处理大脑并未接入中控，且该处理大脑对应的任务处理状态为待执行时，中控则可直接环形处于下线状态的处理大脑，以便该处理大脑执行相应的调度任务，提高任务处理效率。
在得到任务调度结果后的可选的实施方式中，可以对该任务调度结果对应的数据进行解析处理，进而提高数据存储的有效性。具体地，可以根据处理大脑中的图谱大脑对所述任务调度结果进行知识图谱分析处理，和/或根据所述脚本大脑的数据校对脚本对所述任务调度结果进行数据校对处理，两种处理方式可以分开执行，也可一同执行，进而得到任务调度结果对应的处理结果，接着再根据所述脚本大脑的数据分析脚本确定所述处理结果对应的冗余数据、错误数据和重复数据，例如在处理结果中，得到的参数中，某个人的岁数为200多岁，存在多条重复的性别信息，此时可以数据分析脚本认为该数据存在错误数据和重复数据，需要对其进行标记处理，以便数据清除处理。在数据分析脚本标定完所有数据后，删除所述冗余数据、所述错误数据以及所述重复数据，并将删除处理后的处理结果存储到存储大脑中。在得到任务调度结果后，通过脚本大脑和图谱大脑对调度结果的数据进行协同处理，进而提高调度任务中数据筛查处理的准确性。
在得到任务调度结果后的另一可选的实施方式中，可以将所述任务调度结果发送至信息校验界面中，并响应操作人员在信息校验界面反馈的校验结果。具体地，在校验结果为异常结果时，说明当前执行的调度任务所返回的数据为异常数据，此时需要重新基于脚本大脑对多任务调度信息进行任务分解处理，并得到新的子任务后，重新执行该调度任务，而在失败次数过多时，则需要操作人员进行脚本大脑的维护。而在校验结果为待修正结果时，该结果包括对任务调度结果反馈的数据进行修正的指令，此时需要控制脚本大脑基于修正指令对任务调度结果进行修正处理，并将修正处理后的结果存储到存储大脑中，而校验结果为正常结果时，则可直接将任务调度结果对应的数据存储到存储大脑当中。基于此，提高数据存储的稳定性和准确性。
参照图5，图5为本发明实施例方案涉及的硬件运行环境的终端结构示意图。
如图5所示，该终端可以包括：处理器1001，例如中央处理器（Central ProcessingUnit，CPU），通信总线1002、网络接口1003，存储器1004。其中，通信总线1002用于实现这些组件之间的连接通信。网络接口1003可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1004可以是高速的RAM存储器（RandomAccess Memory，RAM），也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1004可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图5中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图5所示，作为一种计算机存储介质的存储器1004中可以包括操作***、数据存储模块、网络通信模块以及多脑协同的任务调度程序。
在图5所示的终端中，网络接口1003主要用于连接后台服务器，与后台服务器进行数据通信；处理器1001可以调用存储器1004中存储的多脑协同的任务调度程序，并执行以下操作：
接收到多任务调度信息时，基于脚本大脑对所述多任务调度信息进行任务分解处理，得到所述多任务调度信息对应的子任务；
将所述子任务发送至任务消化大脑，并控制任务分发大脑将各个所述子任务，分发至所述子任务对应的处理大脑；
确定各个所述处理大脑对应的机器人软件，控制所述机器人软件执行各个所述子任务，并接收各个所述机器人软件反馈的任务调度结果。
进一步地，处理器1001可以调用存储器1004中存储的多脑协同的任务调度程序，还执行以下操作：
将所述子任务发送至所述任务消化大脑，并基于所述任务消化大脑确定各个所述子任务的执行顺序及场景信息；
根据所述执行顺序以及所述场景信息确定处理节点，以及所述处理节点关联的所述处理大脑；
控制所述任务分发大脑将各个所述子任务，分发至所述子任务对应的所述处理大脑。
进一步地，处理器1001可以调用存储器1004中存储的多脑协同的任务调度程序，还执行以下操作：
根据所述场景信息确定各个所述子任务的任务事项调度、数据存储格式、图谱数据存储来源及实例创建信息，以及根据所述执行顺序确定所述实例创建信息对应的节点处理顺序；
将所述节点处理顺序对应的节点作为所述处理节点，并确定所述任务事项调度、所述数据存储格式、所述图谱数据存储来源以及所述实例创建信息对应的事理大脑、存储大脑、图谱大脑以及机器人实例大脑，其中，所述事理大脑、所述存储大脑、所述图谱大脑以及所述机器人实例大脑为所述处理大脑。
进一步地，处理器1001可以调用存储器1004中存储的多脑协同的任务调度程序，还执行以下操作：
接收到所述多任务调度信息，且所述多任务调度信息为语音指令时，基于所述脚本大脑的语音识别脚本对所述语音指令进行识别；
在识别结果为符合语音权限时，基于文字提取脚本获取所述语音指令对应的文字信息，并根据文字识别脚本对所述文字信息进行拆解，得到各个待处理事项；
将所述待处理事项作为所述多任务调度信息对应的所述子任务。
进一步地，处理器1001可以调用存储器1004中存储的多脑协同的任务调度程序，还执行以下操作：
确定各个所述处理大脑对应的机器人软件，并基于中控将各个所述子任务转发至Emitter，以使所述Emitter将所述子任务转发至服务端；
控制所述服务端将各个所述子任务转发至各个所述机器人软件；
在所述机器人软件接收并执行各个所述子任务时，获取所述服务端接收到的所述机器人软件反馈的处理结果。
进一步地，处理器1001可以调用存储器1004中存储的多脑协同的任务调度程序，还执行以下操作：
确定所述处理大脑的任务处理状态；
当存在目标处理大脑的所述任务处理状态为空时，控制所述目标处理大脑基于预设时段向中控发送任务处理请求；或者
在所有所述处理大脑的所述任务处理状态为空时，控制任务分发大脑基于所述预设时段向所述中控发送所述任务处理请求；或者
当存在所述处理大脑处于下线状态，且所述任务处理状态为待执行时，唤醒处于下线状态的所述处理大脑。
进一步地，处理器1001可以调用存储器1004中存储的多脑协同的任务调度程序，还执行以下操作：
根据图谱大脑对所述任务调度结果进行知识图谱分析处理，和/或根据所述脚本大脑的数据校对脚本对所述任务调度结果进行数据校对处理，得到处理结果；
根据所述脚本大脑的数据分析脚本确定所述处理结果对应的冗余数据、错误数据和重复数据；
将删除所述冗余数据、所述错误数据以及所述重复数据后的所述处理结果，存储到存储大脑中。
进一步地，处理器1001可以调用存储器1004中存储的多脑协同的任务调度程序，还执行以下操作：
将所述任务调度结果发送至信息校验界面，并响应所述信息校验界面反馈的校验结果；
在所述校验结果为异常结果时，跳转执行所述基于脚本大脑对所述多任务调度信息进行任务分解处理，得到所述多任务调度信息对应的子任务的步骤；
在所述校验结果为待修正结果时，控制所述脚本大脑基于所述待修正结果对应的修正指令，对所述任务调度结果进行修正处理，并将修正处理后的结果存储到存储大脑；
在所述校验结果为正常结果时，将所述任务调度结果对应的数据存储到所述存储大脑。
此外，本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可以存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被控制终端中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有多脑协同的任务调度程序，所述多脑协同的任务调度程序被处理器执行时实现如上实施例所述的多脑协同的任务调度方法的各个步骤。
需要说明的是，由于本申请实施例提供的存储介质，为实施本申请实施例的方法所采用的存储介质，故而基于本申请实施例所介绍的方法，本领域所属人员能够了解该存储介质的具体结构及变形，故而在此不再赘述。凡是本申请实施例的方法所采用的存储介质都属于本申请所欲保护的范围。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（***）和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框，以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一，第二，以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所做的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种多脑协同的任务调度方法，其特征在于，所述多脑协同的任务调度方法包括：
接收到多任务调度信息，且所述多任务调度信息为语音指令时，基于脚本大脑的语音识别脚本对所述语音指令进行识别；在识别结果为符合语音权限时，基于文字提取脚本获取所述语音指令对应的文字信息，并根据文字识别脚本对所述文字信息进行拆解，得到各个待处理事项；将所述待处理事项作为所述多任务调度信息对应的子任务，其中，所述多任务调度信息为互联网信息调度任务；
将所述子任务发送至任务消化大脑，并基于所述任务消化大脑确定各个所述子任务的执行顺序及场景信息；
根据所述场景信息确定各个所述子任务的任务事项调度、数据存储格式、图谱数据存储来源及实例创建信息，以及根据所述执行顺序确定所述实例创建信息对应的节点处理顺序；
将所述节点处理顺序对应的节点作为处理节点，并确定所述任务事项调度、所述数据存储格式、所述图谱数据存储来源以及所述实例创建信息对应的事理大脑、存储大脑、图谱大脑以及机器人实例大脑，其中，所述事理大脑、所述存储大脑、所述图谱大脑以及所述机器人实例大脑为处理大脑；
控制所述任务分发大脑将各个所述子任务，分发至所述子任务对应的所述处理大脑；
确定各个所述处理大脑对应的机器人软件，控制所述机器人软件执行各个所述子任务，并接收各个所述机器人软件反馈的任务调度结果，其中，所述机器人软件指的是虚拟机器人软件，能够执行提取数据、填写表单、移动文件以及进行各种仿真处理的智能软件；
将所述任务调度结果发送至信息校验界面，并响应所述信息校验界面反馈的校验结果；
在所述校验结果为异常结果时，跳转执行所述基于脚本大脑对所述多任务调度信息进行任务分解处理，得到所述多任务调度信息对应的子任务的步骤；在所述校验结果为待修正结果时，控制所述脚本大脑基于所述待修正结果对应的修正指令，对所述任务调度结果进行修正处理，并将修正处理后的结果存储到存储大脑；在所述校验结果为正常结果时，将所述任务调度结果对应的数据存储到所述存储大脑。
2.如权利要求1所述的多脑协同的任务调度方法，其特征在于，所述确定各个所述处理大脑对应的机器人软件，控制所述机器人软件执行各个所述子任务，并接收各个所述机器人软件反馈的任务调度结果的步骤包括：
确定各个所述处理大脑对应的机器人软件，并基于中控将各个所述子任务转发至Emitter，以使所述Emitter将所述子任务转发至服务端；
控制所述服务端将各个所述子任务转发至各个所述机器人软件；
在所述机器人软件接收并执行各个所述子任务时，获取所述服务端接收到的所述机器人软件反馈的处理结果。
3.如权利要求1所述的多脑协同的任务调度方法，其特征在于，所述确定各个所述处理大脑对应的机器人软件，控制所述机器人软件执行各个所述子任务，并接收各个所述机器人软件反馈的任务调度结果的步骤之后，还包括：
确定所述处理大脑的任务处理状态；
当存在目标处理大脑的所述任务处理状态为空时，控制所述目标处理大脑基于预设时段向中控发送任务处理请求；或者
在所有所述处理大脑的所述任务处理状态为空时，控制任务分发大脑基于所述预设时段向所述中控发送所述任务处理请求；或者
当存在所述处理大脑处于下线状态，且所述任务处理状态为待执行时，唤醒处于下线状态的所述处理大脑。
4.如权利要求1所述的多脑协同的任务调度方法，其特征在于，所述确定各个所述处理大脑对应的机器人软件，控制所述机器人软件执行各个所述子任务，并接收各个所述机器人软件反馈的任务调度结果的步骤之后，还包括：
根据图谱大脑对所述任务调度结果进行知识图谱分析处理，和/或根据所述脚本大脑的数据校对脚本对所述任务调度结果进行数据校对处理，得到处理结果；
根据所述脚本大脑的数据分析脚本确定所述处理结果对应的冗余数据、错误数据和重复数据；
将删除所述冗余数据、所述错误数据以及所述重复数据后的所述处理结果，存储到存储大脑中。
5.一种多脑协同的任务调度装置，其特征在于，所述多脑协同的任务调度装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多脑协同的任务调度程序，所述多脑协同的任务调度程序被所述处理器执行时实现如权利要求1至4中任一项所述的多脑协同的任务调度方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有多脑协同的任务调度程序，所述多脑协同的任务调度程序被处理器执行时实现如权利要求1至4中任一项所述的多脑协同的任务调度方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410059964.7A CN117573329B (zh) | 2024-01-16 | 2024-01-16 | 多脑协同的任务调度方法、任务调度装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410059964.7A CN117573329B (zh) | 2024-01-16 | 2024-01-16 | 多脑协同的任务调度方法、任务调度装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117573329A CN117573329A (zh) | 2024-02-20 |
| CN117573329B true CN117573329B (zh) | 2024-05-03 |
Family
ID=89895907
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410059964.7A Active CN117573329B (zh) | 2024-01-16 | 2024-01-16 | 多脑协同的任务调度方法、任务调度装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117573329B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106776034A (zh) * | 2016-12-27 | 2017-05-31 | 国网浙江省电力公司电力科学研究院 | 一种任务批处理计算方法、主站计算机及*** |
| CN113115241A (zh) * | 2021-04-07 | 2021-07-13 | 青岛容商天下网络有限公司 | 一种基于工业大脑的工业互联网*** |
| CN115391016A (zh) * | 2022-09-13 | 2022-11-25 | 中国电信股份有限公司 | 多智能体协同控制***及装置、电子设备、存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021158276A1 (en) * | 2020-02-04 | 2021-08-12 | Hrl Laboratories, Llc | System and method for asynchronous brain control of one or more tasks |
-
2024
- 2024-01-16 CN CN202410059964.7A patent/CN117573329B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106776034A (zh) * | 2016-12-27 | 2017-05-31 | 国网浙江省电力公司电力科学研究院 | 一种任务批处理计算方法、主站计算机及*** |
| CN113115241A (zh) * | 2021-04-07 | 2021-07-13 | 青岛容商天下网络有限公司 | 一种基于工业大脑的工业互联网*** |
| CN115391016A (zh) * | 2022-09-13 | 2022-11-25 | 中国电信股份有限公司 | 多智能体协同控制***及装置、电子设备、存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 嵌入式软件仿真测试环境实时任务调度的研究;王乾宇 等;《计算机测量与控制》;20120531;第20卷(第5期);第1162-1165页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117573329A (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8301935B2 (en) | Distributed batch runner | |
| CN110113381B (zh) | 一种区块链中订阅主题的方法及装置 | |
| CN110611707B (zh) | 一种任务调度的方法及装置 | |
| WO2017125015A1 (zh) | 分布式***工作流处理方法和工作流引擎*** | |
| CN108319499B (zh) | 任务调度方法及装置 | |
| CN113569987A (zh) | 模型训练方法和装置 | |
| CN108306804A (zh) | 一种Ethercat主站控制器及其通信方法和*** | |
| CN113220431B (zh) | 跨云的分布式数据任务调度方法、设备及存储介质 | |
| US20100131627A1 (en) | Method and apparatus for reconfiguring application services in home network environment | |
| WO2017066804A1 (en) | Event driven subscription matching | |
| CN111083187A (zh) | 工业应用服务处理方法和*** | |
| CN111401799A (zh) | 人机协同调度方法及装置、电子设备、存储介质 | |
| CN112150015A (zh) | 任务分配方法及装置 | |
| US20200310828A1 (en) | Method, function manager and arrangement for handling function calls | |
| Zheng et al. | Globalflow: A cross-region orchestration service for serverless computing services | |
| CN114006815B (zh) | 云平台节点的自动化部署方法、装置、节点及存储介质 | |
| CN117573329B (zh) | 多脑协同的任务调度方法、任务调度装置及存储介质 | |
| CN109684051A (zh) | 一种混合式大数据任务异步提交的方法和*** | |
| CN113268362A (zh) | 基于无服务器平台的运维方法、装置、设备及存储介质 | |
| CN110750362A (zh) | 生物信息的分析方法、装置和存储介质 | |
| CN111625330A (zh) | 跨线程的任务处理方法、装置、服务器及存储介质 | |
| CN111399394A (zh) | 一种通信卫星的操作训练***、方法及装置 | |
| CN108572863B (zh) | 分布式任务调度***及方法 | |
| CN111427634A (zh) | 一种原子服务调度的方法及装置 | |
| CN113220480B (zh) | 分布式的数据任务跨云调度***及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |