mysql的数据重写任务的处理方法和装置

    公开(公告)号:CN115576672A

    公开(公告)日:2023-01-06

    申请号:CN202211292964.9

    申请日:2022-10-21

    Abstract: 本发明公开了一种mysql的数据重写任务的处理方法和装置,其中,该方法包括:调度系统获取目标重跑任务;确定所述目标重跑任务是否为mysql写入类任务;在所述目标重跑任务为mysql写入类任务的情况下,确定所述目标重跑任务的标定调度时间;根据所述目标重跑任务的标定调度时间,清除mysql表中的数据;在清除完成后,重跑所述目标重跑任务,以将数据写入所述mysql表中。通过上述方案解决了现有的未进行数据清除就进行重跑而导致的任务失败率较高的技术问题,达到了有效提升重跑任务成功率的技术效果。

    资源分配方法、资源分配装置、计算机设备和存储介质

    公开(公告)号:CN117389715A

    公开(公告)日:2024-01-12

    申请号:CN202311108136.X

    申请日:2023-08-30

    Abstract: 本申请涉及大数据技术领域,特别是涉及一种资源分配方法、资源分配装置、计算机设备、存储介质和计算机程序产品。其中方法通过获取待处理任务,根据任务属性信息确定匹配的资源分配策略,并根据匹配的资源分配策略确定待处理任务的初始资源,然后将初始资源分配给待处理任务,从而使得待处理任务可以根据初始资源运行。由于本实施例是根据待处理任务的属性信息而为其分配初始资源,因此,能够提高资源分配的准确性,实现资源的合理分配,避免人工分配资源的不准确性问题。

    异步任务生成方法和异步任务处理方法

    公开(公告)号:CN116860403A

    公开(公告)日:2023-10-10

    申请号:CN202310633427.4

    申请日:2023-05-31

    Abstract: 本申请涉及一种异步任务生成方法和异步任务处理方法。异步任务生成方法包括:获取目标业务信息;根据目标业务信息,确定业务执行逻辑信息和异步任务配置信息;根据业务执行逻辑信息、异步任务配置信息和异步任务生成模板,生成目标业务信息对应的至少一个异步任务。采用本方法能够使得开发人员在进行业务实现程序开发过程中,只需关注业务实现逻辑的编写,无需关注异步机制的实现,即可直接生成目标业务相应的异步任务,从而避免了开发过程中的资源浪费。

    业务领域热度确定方法、装置、计算机设备和存储介质

    公开(公告)号:CN117114229A

    公开(公告)日:2023-11-24

    申请号:CN202310861509.4

    申请日:2023-07-13

    Abstract: 本申请涉及大数据技术领域,具体涉及一种业务领域热度确定方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:基于预设的多个维度与业务领域间的关联关系,从多个维度中确定与所述目标业务领域对应的目标维度,所述多个维度是基于至少一个业务领域的报表中的至少一个指标所解析得到的;基于指标与维度之间的对应关系,确定与所述目标维度对应的目标指标;基于所述目标指标在所述至少一个业务领域的报表中的使用频率,确定所述目标维度的使用频率;基于所述目标维度的使用频率,确定所述目标业务领域的热度信息。采用本方法能够提升业务领域热度预测的准确度。

    任务调度方法和装置
    6.
    发明公开

    公开(公告)号:CN115576673A

    公开(公告)日:2023-01-06

    申请号:CN202211293005.9

    申请日:2022-10-21

    Abstract: 本申请公开了一种任务调度方法和装置,其中,该方法包括:调度系统获取待重跑任务;确定所述待重跑任务的任务类型;根据所述任务类型为所述待重跑任务匹配脏数据清除方案;调用匹配到的脏数据清除方案,对所述待重跑任务对应的脏数据进行清除;在清除完成后,执行所述待重跑任务。通过上述方案解决了现有的调度系统仅负责任务调度,而不负责数据清理导致的脏数据过多的技术问题,达到了有效清除脏数据的技术效果。

    业务数据分类预测模型的生成方法、装置及计算机设备

    公开(公告)号:CN117312912A

    公开(公告)日:2023-12-29

    申请号:CN202311198087.3

    申请日:2023-09-15

    Abstract: 本申请涉及一种业务数据分类预测模型的生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,可用于金融领域中的业务数据分类。其中,该方法包括:根据目标业务场景下的原始数据确定多个基学习器以及结果权重,用原始数据对基学习器进行训练并得到预测结果,再按照结果权重确定综合预测结果及预测准确率,基于标准阈值调整基学习器后生成分类预测模型。这样,通过对多个基学习器进行统筹训练,并根据预测结果调整基学习器的结果权重,从而使得到的综合预测结果更符合预设标准,预测准确率更高,若基学习器训练效果不佳可以减少训练样本数量,从而降低模型训练的资源消耗,节省模型训练时间。

    图像修复方法、装置、设备、介质和产品

    公开(公告)号:CN117078524A

    公开(公告)日:2023-11-17

    申请号:CN202310807741.X

    申请日:2023-07-03

    Abstract: 本申请涉及一种图像修复方法、装置、计算机设备、存储介质和计算机程序产品,可用于人工智能技术领域。所述方法包括:基于样本真实图像、样本受损图像、样本真实图像的真实语义分割结构和真实边缘结构、以及样本受损图像的初始语义分割结构和初始边缘结构,依次对语义分割生成器和语义分割鉴别器、边缘生成器和边缘鉴别器、以及内容补全生成器和内容补全鉴别器进行训练,并基于训练后的语义分割生成器、训练后的边缘生成器、以及训练后的内容补全生成器,对待修复的测试受损图像进行图像修复。本申请能够提高受损图像中受损部分的边界的清晰度,并且能够提高对于受损部分的边缘结构重建的准确性,从而提高图像修复的准确性。

Patent Agency Ranking