一种资源调度的方法及装置与流程

1.本发明涉及大数据领域，特别涉及一种资源调度的方法及装置。


背景技术：

2.目前，在进行任务测试时，由于各个周期内所需要分配的任务总量不同，并且有时会产生紧急任务，此时会产生同一批次产品下达的任务量变多，或某一周期产品任务较少的情况，此时需要调配人员进行任务与资源的调配，然而目前进行资源调配的方法是在团队内部进行沟通，无法提前确定任务量与资源产能是否匹配，因此，如何及时进行任务与资源产能之间的调配成为当下需要解决的技术问题。


技术实现要素：

3.鉴于上述问题，本发明的目的在于提供一种资源调度的方法及装置，从而提前识别资源是否充足，提前对任务与资源进行调配，使得任务与资源匹配，充分利用资源，具体方案如下：
4.第一方面，本发明实施例公开了一种资源调度的方法，所述方法包括：
5.根据历史任务数据以及与所述历史任务数据对应的历史资源数据构建信息知识图谱；
6.将所述信息知识图谱输入至产能预测模型进行训练，得到训练后的产能预测模型；
7.将待处理任务信息输入至所述训练后的产能预测模型，得到任务所需的产能预测信息；
8.将当前各生产组的资源数据输入至所述产能预测模型中，得到所述各生产组的产能预测信息；
9.根据所述各生产组的产能预测信息以及所述任务所需的产能预测信息进行资源调配，得到资源调配结果。
10.可选的，所述根据历史任务数据以及与所述历史任务数据对应的历史资源数据构建信息知识图谱，包括：
11.根据实体、实体属性和实体之间的关系构建信息知识图谱；
12.所述实体包括：工作量、周期、人员、工时以及产能；
13.所述实体属性包括：工作量属性、周期属性、人员属性、工时属性以及产能属性；
14.所述工作量属性包括已排期工作量值和待排期工作量值；
15.所述周期属性包括测试周期和当月工作日；
16.所述人员属性包括人员等级和人员数量；
17.所述工时属性包括工时饱和度和执行率；
18.所述产能属性包括产能值；
19.所述历史任务数据包括：所述产能和所述产能属性；
20.所述与所述历史任务数据对应的历史资源数据包括：所述工作量、所述周期、所述人员、所述工时、所述工作量属性、所述周期属性、所述人员属性和所述工时属性。
21.可选的，所述将当前各生产组的资源数据输入至所述产能预测模型中，得到所述各生产组的产能预测信息，包括：
22.将所述当前各生产组的工作量、周期、人员以及工时输入至所述产能预测模型中，得到所述各生产组的产能预测信息。
23.可选的，在所述根据所述各生产组的产能预测信息以及所述任务所需的产能预测信息进行资源调配之后，所述方法还包括：
24.将所述资源调配结果以及与所述各生产组对应的产能信息以图表的形式在显示界面中进行显示。
25.可选的，在所述根据所述各生产组的产能预测信息以及所述任务所需的产能预测信息进行资源调配之后，所述方法还包括：
26.获取所述资源调配结果中的调配人员信息；
27.根据所述调配人员信息向调配人员使用的终端推送所述资源调配结果。
28.第二方面，本发明实施例提供了一种资源调度的装置，所述装置包括：
29.图谱构建单元，用于根据历史任务数据以及与所述历史任务数据对应的历史资源数据构建信息知识图谱；
30.模型训练单元，用于将所述信息知识图谱输入至产能预测模型进行训练，得到训练后的产能预测模型；
31.预测单元，用于将待处理任务信息输入至所述训练后的产能预测模型，得到任务所需的产能预测信息；将当前各生产组的资源数据输入至所述产能预测模型中，得到所述各生产组的产能预测信息；
32.资源调配单元，用于根据所述各生产组的产能预测信息以及所述任务所需的产能预测信息进行资源调配，得到资源调配结果。
33.可选的，所述图谱构建单元，具体用于：
34.根据实体、实体属性和实体之间的关系构建信息知识图谱；
35.所述实体包括：工作量、周期、人员、工时以及产能；
36.所述实体属性包括：工作量属性、周期属性、人员属性、工时属性以及产能属性；
37.所述工作量属性包括已排期工作量值和待排期工作量值；
38.所述周期属性包括测试周期和当月工作日；
39.所述人员属性包括人员等级和人员数量；
40.所述工时属性包括工时饱和度和执行率；
41.所述产能属性包括产能值；
42.所述历史任务数据包括：所述产能和所述产能属性；
43.所述与所述历史任务数据对应的历史资源数据包括：所述工作量、所述周期、所述人员、所述工时、所述工作量属性、所述周期属性、所述人员属性和所述工时属性。
44.可选的，所述预测单元，具体用于：
45.将当前各生产组的工作量、周期、人员以及工时输入至所述产能预测模型中，得到所述各生产组的产能预测信息；
46.根据所述各生产组的产能预测信息以及所述任务所需的产能预测信息进行资源调配。
47.可选的，所述装置还包括数据可视化单元：
48.所述数据可视化单元，用于将所述资源调配结果以及与所述各生产组对应的产能信息以图表的形式在显示界面中进行显示。
49.可选的，所述装置还包括推送单元：
50.所述推送单元，用于获取所述资源调配结果中的调配人员信息；
51.根据所述调配人员信息向调配人员使用的终端推送所述资源调配结果。
52.第三方面，本技术实施例提供了一种计算机设备，所述设备包括处理器以及存储器：
53.所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
54.所述处理器用于根据所述程序代码中的指令执行第一方面中所述的数据处理方法。
55.第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行第一方面中所述的数据处理方法。
56.相对于现有技术，本发明具有以下有益效果：
57.通过历史数据构建信息图表，根据信息图表对产能预测模型进行训练，将待处理任务信息输入至训练后的产能预测模型，得到任务所需的产能预测信息，将各生产组的资源数据输入至产能预测模型中，对各生产组的产能进行预测，得到各生产组的产能预测信息，根据各生产组的产能预测信息和任务所需的产能预测信息进行资源调配，从而提前识别资源是否充足，实现任务与资源之间的自动化匹配，充分利用资源，减少沟通成本。
附图说明
58.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
59.图1是本技术实施例中资源调度的方法的流程示意图；
60.图2是本技术另一种实施例中资源调度的方法的流程示意图；
61.图3是本技术又一种实施例中资源调度的方法的流程示意图；
62.图4是本技术实施例中资源调度的装置的结构示意图。
具体实施方式
63.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
64.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理
解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
65.由背景技术可知，在进行任务测试时需要调配人员进行任务与资源之间的调配，然而由于调配人员无法提前确定任务量与资源产能是否匹配，导致调配人员并不能及时进行任务与资源产能之间的调配，并且沟通过程需要消耗大量时间。基于此，本技术实施例提供了一种资源调度的方法及装置，通过对任务所需产能值和资源所能产生的产能值进行预测，并将任务与资源进行自动化匹配，从而实现对资源的充分利用，同时省去调配人员沟通过程，减少沟通成本。
66.如图1所示，本技术实施例公开了一种资源调度的方法，所示方法包括：
67.s101：根据历史任务数据以及与所述历史任务数据对应的历史资源数据构建信息知识图谱；
68.从测试管理系统中获取历史任务数据和历史资源数据，通过项目条线根据历史任务数据和与历史任务数据对应的历史资源数据构建信息知识图谱，从而根据历史数据构建出任务数据与资源数据之间的关系。
69.s1011：根据实体、实体属性和实体之间的关系构建信息知识图谱；
70.所述实体包括：工作量、周期、人员、工时以及产能；
71.所述实体属性包括：工作量属性、周期属性、人员属性、工时属性以及产能属性；
72.所述工作量属性包括已排期工作量值和待排期工作量值；
73.所述周期属性包括测试周期和当月工作日；
74.所述人员属性包括人员等级和人员数量；
75.所述工时属性包括工时饱和度和执行率；
76.所述产能属性包括产能值；
77.所述历史任务数据包括：所述产能和所述产能属性；
78.所述与所述历史任务数据对应的历史资源数据包括：所述工作量、所述周期、所述人员、所述工时、所述工作量属性、所述周期属性、所述人员属性和所述工时属性。
79.将工作量、周期、人员、工时以及产能作为图谱的实体，工作量属性包括已排期工作量值和待排期工作量值，周期属性包括测试周期和当月工作日，人员属性包括现有人员等级和人员数量，如等级分为高级、中级和低级，共20人，10人为高级，5人为中级，5人为低级，工时属性包括工时饱和度和执行率，产能属性包括产能值。各个实体之间两两建立影响关系，影响系数通过将历史数据输入至 bilstm-crf模型获得。通过建立实体、实体属性以及实体之间的关系，从而在各个方面实现对信息知识图谱的构建，使任务数据与资源数据之间的关系更加精准。
80.s102：将所述信息知识图谱输入至产能预测模型进行训练，得到训练后的产能预测模型；
81.将信息知识图谱中的实体、实体属性和实体之间的关系输入至产能预测模型中，进行链路预测训练，从而使产能预测模型能够通过信息知识图谱中的信息，对产能值进行
预测。并且，由于产能预测模型的训练参数为信息知识图谱中的实体、实体属性和实体之间的关系，使得产能预测模型能够从多个角度进行产能预测，提高产能预测模型的准确性。
82.需要说明的是，产能预测模型为r-gcn模型。
83.s103：将待处理任务信息输入至所述训练后的产能预测模型，得到任务所需的产能预测信息；
84.将现有的待处理任务数据输入至训练后的产能预测模型中，对任务所需的产能值进行预测，以便于根据预测得到的任务所需的产能值进行后续步骤中任务与资源的匹配。
85.s104：将当前各生产组的资源数据输入至所述产能预测模型中，得到所述各生产组的产能预测信息；
86.将各个生产组的资源数据输入至产能预测模型中，对各个生产组的产能值进行预测，以便于根据预测出的各个生产组的产能值进行后续步骤中任务与资源的匹配。
87.s1041：将所述当前各生产组的工作量、周期、人员以及工时输入至所述产能预测模型中，得到所述各生产组的产能预测信息。
88.项目条线将当前每个生产组中的工作量数据、周期数据、人员数据、工时数据以及产能数据输入至产能预测模型中，使得产能预测模型能够根据各个生产组的资源数据对各个生产组的产能值进行预测，得到当前各个生产组的预测生产值。
89.s105：根据所述各生产组的产能预测信息以及所述任务所需的产能预测信息进行资源调配，得到资源调配结果。
90.根据通过产能预测模型得到的各生产组的产能预测信息和任务所需的预测产能进行任务与资源的调配。
91.如图2所示，在另一种实施例中，在所述根据所述各生产组的产能预测信息以及所述任务所需的产能预测信息进行资源调配之后，所述方法还包括：
92.s206：将所述资源调配结果以及与所述各生产组对应的产能信息以图表的形式在显示界面中进行显示。
93.将预测出的各生产组的产能值、任务所需的产能值、以及对应的人员信息等数据信息，通过柱形图或其他图表方式展示在显示界面中，使得资源调配结果和资源数据能够清晰的进行展示。
94.如图3所示，在又一种实施例中，在所述根据所述各生产组的产能预测信息以及所述任务所需的产能预测信息进行资源调配之后，所述方法还包括：
95.s306：获取所述资源调配结果中的调配人员信息；
96.获取资源调配结果中需要进行调配的人员信息，人员信息中至少包含一种能够与调配人员进行联系的联系方式，如电话号码、移动终端应用程序等。
97.s307：根据所述调配人员信息向调配人员使用的终端推送所述资源调配结果。
98.将资源调配结果通过5g技术推送给调配人员或各产品负责人，使得各生产组以及项目条线均能及时了解任务与资源的调配信息。
99.通过历史数据构建信息图表，根据信息图表对产能预测模型进行训练，将待处理任务信息输入至训练后的产能预测模型，得到任务所需的产能预测信息，将各生产组的资源数据输入至产能预测模型中，对各生产组的产能进行预测，得到各生产组的产能预测信息，根据各生产组的产能预测信息和任务所需的产能预测信息进行资源调配，从而提前识
别资源是否充足，实现任务与资源之间的自动化匹配，充分利用资源，减少沟通成本。
100.如图4所示，本技术实施例公开了一种资源调度装置，所述装置包括：
101.图谱构建单元401，用于根据历史任务数据以及与所述历史任务数据对应的历史资源数据构建信息知识图谱；
102.模型训练单元402，用于将所述信息知识图谱输入至产能预测模型进行训练，得到训练后的产能预测模型；
103.预测单元403，用于将待处理任务信息输入至所述训练后的产能预测模型，得到任务所需的产能预测信息；将当前各生产组的资源数据输入至所述产能预测模型中，得到所述各生产组的产能预测信息；
104.资源调配单元404，用于根据所述各生产组的产能预测信息以及所述任务所需的产能预测信息进行资源调配，得到资源调配结果。
105.所述图谱构建单元401，具体用于：
106.根据实体、实体属性和实体之间的关系构建信息知识图谱；
107.所述实体包括：工作量、周期、人员、工时以及产能；
108.所述实体属性包括：工作量属性、周期属性、人员属性、工时属性以及产能属性；
109.所述工作量属性包括已排期工作量值和待排期工作量值；
110.所述周期属性包括测试周期和当月工作日；
111.所述人员属性包括人员等级和人员数量；
112.所述工时属性包括工时饱和度和执行率；
113.所述产能属性包括产能值；
114.所述历史任务数据包括：所述产能和所述产能属性；
115.所述与所述历史任务数据对应的历史资源数据包括：所述工作量、所述周期、所述人员、所述工时、所述工作量属性、所述周期属性、所述人员属性和所述工时属性。
116.所述预测单元403，具体用于：
117.将所述当前各生产组的工作量、周期、人员以及工时输入至所述产能预测模型中，得到所述各生产组的产能预测信息。
118.所述装置还包括数据可视化单元：
119.所述数据可视化单元，用于将所述资源调配结果以及与所述各生产组对应的产能信息以图表的形式展示到显示界面中。
120.所述装置还包括推送单元：
121.所述推送单元，用于获取所述资源调配结果中的调配人员信息；
122.根据所述调配人员信息向调配人员使用的终端推送所述资源调配结果。
123.通过历史数据构建信息图表，根据信息图表对产能预测模型进行训练，将待处理任务信息输入至训练后的产能预测模型，得到任务所需的产能预测信息，将各生产组的资源数据输入至产能预测模型中，对各生产组的产能进行预测，得到各生产组的产能预测信息，根据各生产组的产能预测信息和任务所需的产能预测信息进行资源调配，从而提前识别资源是否充足，实现任务与资源之间的自动化匹配，充分利用资源，减少沟通成本。
124.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
125.需要说明的是，本发明提供的一种资源调度的方法及装置可用于金融领域或大数据领域。上述仅为示例，并不对本发明提供的一种资源调度的方法及装置的应用领域进行限定。
126.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
127.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
128.以上所述，以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。