买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京苏逸实业有限公司

摘要：本发明属于计算机技术领域，尤其涉及用于数字营业厅设备终端的多任务并行处理系统，旨在通过任务调度、资源管理、安全防护、用户体验及智能运维模块，实现高效的任务执行和优质的用户体验，具体通过任务调度模块智能分配用户请求，利用资源管理模块优化资源利用，通过安全防护模块确保系统安全，通过用户体验模块提供流畅界面和个性化推荐，增强用户满意度，通过智能运维模块实时监测系统状态，预测并修复故障；本发明中系统不仅提升了数字营业厅设备终端的处理速度和响应效率，还通过全面的安全防护和用户体验优化，显著提升了整体性能和用户满意度。

主权项：1.用于数字营业厅设备终端的多任务并行处理系统，其特征在于，包括：任务调度模块和资源管理模块；所述任务调度模块包括任务队列管理单元、并行处理单元和智能预加载单元；所述智能预加载单元，用于根据配置的行为预测模型，预判用户即将发起的服务请求，根据预判的请求，获取对应的前置加载时间，并将获取的前置加载时间配置在任务队列管理单元，预加载用户请求所需资源和数据；所述任务队列管理单元，用于接收并分析用户请求的属性，并通过配置的自动标注算法对用户请求进行优先级属性标注，同时通过配置的自适应匹配策略，将用户请求动态分配到对应执行队列中；所述并行处理单元，用于根据多核CPU资源属性与对应队列内用户请求优先级、GPU资源属性与对应队列内用户请求优先级和预加载的资源与数据，通过配置的优先分层执行策略，并行执行对应队列中的用户请求；所述资源管理模块包括内存管理单元和资源分配单元；所述内存管理单元，用于实时监控多核CPU或GPU内存使用情况数据，并根据监控的数据利用缓存优化策略，动态分配内存给对应执行用户请求的队列；所述资源分配单元，用于根据当前执行队列对应的用户请求属性，评估对应队列并行执行所需CPU或GPU资源，同时根据评估结果，动态调整当前执行的队列在CPU和GPU上的资源分配，并实时监测资源使用效率；所述任务队列管理单元具体执行步骤包括：A1、接收来自前端的用户请求，分析每个用户请求的属性，根据分析结果，利用自动标注算法对用户请求标注数值优先级；A2、实时监测系统状态数据和队列使用状态数据，并通过配置的前置加载时间预加载所述系统状态数据和所述队列使用状态数据，同时根据配置的队列评估算法，评估当前时刻每个对应队列的负载和空闲度综合得分，将综合得分作为对应队列的优先级，并按照优先级降序对队列进行排列；所述系统状态数据包括CPU或GPU使用率、内存占用率、磁盘IO速率；A3、根据获取的用户请求优先级和队列执行优先级，通过配置的自适应匹配策略，将用户请求分配到对应的队列中，并根据系统实时监测的状态和性能指标数据对分配过程进行调整；所述任务队列管理单元中自适应匹配策略的具体步骤包括：A31、基于规则匹配算法构建匹配模型，将获取的用户请求优先级与队列执行优先级输入到匹配模型进行用户请求-队列初始匹配，并执行初始匹配的用户请求-队列，获取执行过程中的响应时间、吞吐量和资源利用率；A32、收集历史初始匹配后用户请求-队列执行过程中的响应时间、吞吐量和资源利用率构建综合匹配调整阈值，并利用A31实时获取的响应时间、吞吐量和资源利用率计算得到综合匹配调整量，若综合匹配调整量超过综合匹配调整阈值，则对初始匹配进行调整并获取二次最优匹配，若不超过，则不做调整；所述并行处理单元中，优先分层执行策略执行的具体步骤包括：B1、根据资源分配单元中CPU或GPU当前时刻能够提供的最大可分配资源、用户请求对应队列并行执行所需CPU或GPU资源和内存管理单元分配的内存，设定第一分层优先执行个数阈值；B2、根据获取的第一分层优先执行个数阈值，将A3自适应匹配到对应队列中的用户请求优先级进行排序，并将对应用户请求所需资源与系统最大可分配资源进行比较，提取满足优先级和资源条件的用户请求，并使得提取的用户请求队列个数不超过第一分层优先执行个数阈值，将提取的用户请求队列作为第一当前可执行层放到CPU或GPU执行，并实时监测执行队列的完成状态；所述将A3自适应匹配到对应队列中的用户请求优先级进行排序，并将对应用户请求所需资源与系统最大可分配资源进行比较，提取满足优先级和资源条件的用户请求的具体步骤包括：获取当前最大可用资源，对当前队列的用户请求按优先级进行排序，按照用户请求优先级的高低，依次为用户请求分配资源，若当前资源无法满足当前优先级的用户请求，则按照优先级排序顺序，判断是否可为其他优先级的用户请求分配资源，直至所有优先级的用户请求都进行过判断为止；B3、监测执行队列的完成状态，获取当前时刻最大可分配资源，并利用获取的最大可分配资源，设定第二分层优先执行个数阈值，通过B2中执行队列提取过程，提取第二当前可执行层，将提取的第二当前可执行层放置到CPU或GPU并行执行；B4、重复上述B2-B3过程，直到所有队列中用户请求执行完毕；所述智能预加载单元中前置加载时间的计算过程包括：K1、利用配置的行为预测模型，输入当前用户的部分搜索行为特征信息，获取用户采取的完整请求行为的概率分布，其中表示第i种完整请求行为发生的概率；K2、针对每一种完整请求行为，利用配置的评估算法评估该完整请求行为所需资源的需求量；表示对应第i种完整请求行为发生所需的资源总量；其中评估算法包括综合模糊评估算法；K3、实时监测或预设用户当前的网络环境，并结合历史数据利用配置的统计学方法估算第i种完整请求行为发生对应资源的平均加载时间，网络环境包括网络带宽和网络延迟；K4、基于K1-K3，计算第i种完整请求行为发生预期的资源加载时间，具体公式为：，其中表示数字营业厅设备终端服务器响应时间和解析时间；K5、根据第i种完整请求行为发生的概率，加权计算得到完整请求行为概率分布对应总的前置加载时间，具体公式为，其中n表示用户采取的完整请求行为对应概率分布中概率的个数。

全文数据：

权利要求：

百度查询： 南京苏逸实业有限公司 用于数字营业厅设备终端的多任务并行处理系统