[发明专利]一种作业执行方法及装置

权利要求书

1.一种作业执行方法，其特征在于，包括：

收集待执行作业的信息，所述信息包括：优先级信息、作业状态信息，以及所在客户机的资源信息；

将所述待执行作业的信息输入预先训练的图神经网络模型中，获取所述待执行作业的执行分数以及所述待执行作业对应的客户机；

根据所述待执行作业的执行分数，在所述待执行作业对应的客户机上执行所述待执行作业。

2.根据权利要求1所述的方法，其特征在于，所述在所述待执行作业对应的客户机上执行所述待执行作业包括：

当所述执行机对应的客户机当前的资源信息小于最大阈值时，在所述待执行作业对应的客户机上执行所述待执行作业；

还包括：

若所述待执行作业对应的客户机当前的资源信息等于所述最大阈值时，将所述待执行作业的信息重新输入所述预先训练的图神经网络模型中，重新获取对应的客户机。

3.根据权利要求1所述的方法，其特征在于，所述图神经网络模型的训练过程包括：

获取图神经网络模型的训练集，所述训练集包括历史执行作业的信息、所述历史执行作业的执行分数以及所述历史执行作业对应的客户机；

所述历史执行作业的信息包括：所述历史执行作业的优先级信息、作业状态信息以及所在客户机的资源信息；所述历史执行作业的分数是根据所述历史执行作业的优先级、作业状态信息获得；

利用所述训练集确定所述图神经网络模型的模型参数。

4.根据权利要求1所述的方法，其特征在于，所述将所述待执行作业的信息输入预先训练的图神经网络模型中，获取所述待执行作业的执行分数以及所述待执行作业对应的客户机包括：

对所述待执行作业的信息进行预处理，所述预处理包括：对待执行作业的信息中的缺失值进行默认填充或预测填充；

对预处理后的待执行作业的信息进行特征值提取，并将所述特征值进行规划化和离散化处理，获得训练数据；

将所述训练数据输入预先训练的图神经网络模型中，获取所述待执行作业的执行分数以及所述待执行作业对应的客户机。

5.根据权利要求1-4任意一项所述的方法，其特征在于，所述收集待执行作业的信息，包括：

向客户机发送链接请求，当收到所述客户机发送的链接响应消息后，向所述客户机发送收集资源的请求；

当收到所述客户机发送的资源响应消息后，收集所述客户机上的待执行作业的信息。

6.一种作业执行装置，其特征在于，包括：

收集单元，用于收集待执行作业的信息，所述信息包括：优先级信息、作业状态信息，以及所在客户机的资源信息；

第一获取单元，用于将所述待执行作业的信息输入预先训练的图神经网络模型中，获取所述待执行作业的执行分数以及所述待执行作业对应的客户机；

执行单元，用于根据所述待执行作业的执行分数，在所述待执行作业对应的客户机上执行所述待执行作业。

7.根据权利要求6所所述的装置，其特征在于，所述执行单元具体用于当所述执行机对应的客户机当前的资源信息小于最大阈值时，在所述待执行作业对应的客户机上执行所述待执行作业；

还包括：第二获取单元，用于若所述待执行作业对应的客户机当前的资源信息等于所述最大阈值时，将所述待执行作业的信息重新输入所述预先训练的图神经网络模型中，重新获取对应的客户机。

8.根据权利要求1所述的装置，其特征在于，所述第一获取单元包括：第一子获取单元以及确定单元；

所述第一子获取单元，用于获取图神经网络模型的训练集，所述训练集包括历史执行作业的信息、所述历史执行作业的执行分数以及所述历史执行作业对应的客户机；所述历史执行作业的信息包括：所述历史执行作业的优先级信息、作业状态信息以及所在客户机的资源信息；所述历史执行作业的分数是根据所述历史执行作业的优先级、作业状态信息获得；

所述确定单元，用于利用所述训练集确定所述图神经网络模型的模型参数。