[发明专利]一种人力资源数据分布式任务处理方法及系统

说明书

本发明提供了一种人力资源数据分布式任务处理方法及系统，将人力资源事件划分时间片，对时间片的优先级进行计算排序，同时通过优先级计算结果获得任务处理机功率并进行调整，解决任务处理机功率调整问题，提高硬件资源利用率，实现对不同任务进行分布式计算的最优配置，解决人力资源企业数据计算能力不足问题，提高大数据计算的速度和人力资源配置效率。

技术领域

本发明涉及大数据的技术领域，特别涉及一种人力资源数据分布式任务处理方法及系统。

背景技术

随着通讯技术和计算机技术的飞速发展，云计算、物联网、社交网络等新兴服务促使人类社会的数据种类和规模正以前所未有的速度增长，人、机、物三元世界的高度融合引发了数据规模的爆炸式增长和数据模式的高度复杂化,世界因此进入网络化的大数据时代。例如人力资源行业内大数据智能分析面对日益增长的数据规模，计算能力有限的问题逐渐暴露。目前传统的解决计算任务方法，主要通过执行大数据计算，增加硬件资源能力实现，但是这种方式通常会带来新的问题，例如成本高、维护难度大。因此有待于提出一种数据计算方式，提高大数据计算的速度和效率，解决人力资源数据计算能力不足的问题。

发明内容

基于上述问题，本发明通过ADMM算法解决任务处理机功率调整问题，硬件资源利用率，实现对不同任务进行分布式计算的最优配置，从而解决人力资源企业数据计算能力不足问题，提高大数据计算的速度和人力资源配置效率。

为实现上述目的，本发明提供了一种人力资源数据分布式任务处理方法，所述方法包括：

步骤101，获取人力资源待计算事件；

步骤102，将事件划分为至少一个时间片；

步骤103，在不同时间片进程中动态计算任务优先级；

步骤104，调整每个任务处理机的功率。

进一步地，所述事件可以是简历推送、简历筛选、岗位配置。

进一步地，当轮询到规定时间片时，触发任务优先级计算与任务处理机功率动态调整任务。

进一步地，任务优先级计算具体为，

其中，R_ik为某时间片i中的第k个任务优先级值；

其中，η_i为第i个时间片中计算资源与计算任务量的比率，

其中，η_min为所有时间片中，计算资源与计算任务量的比率为最小的数值。

其中，η_max为所有时间片中，计算资源与计算任务量的比率为最大的数值。

其中，G_S为某时间片i中的第k个任务所需要的计算时间限制。

其中，为某时间片i中所有计算资源总数。

进一步地，任务处理机功率动态调整具体为，在i个时间片内，通过向不同的处理机分配不同的计算资源，动态调整每个任务处理机的功率，每个任务处理机的功率为每个处理机占有计算资源数，在第i个时间片内，第k个处理机的功率Z_ik根据ADMM算法计算结果进行调节，ADMM算法如下：

其中，Z_i-1,k为上个时间片i-1中，第k个处理机的功率。

其中，为上个时间片i-1中，计算资源总功率，也即是计算资源总数。

其中，λ、λ为经验系数。

其中φ和为对偶变量，