[发明专利]一种医疗数据计算任务智能调度方法及系统

权利要求书

1.一种医疗数据计算任务智能调度方法，其特征在于，该方法具体步骤为：

（1）将医疗数据的计算任务按照时间先来后到的顺序构建执行任务队列taskQueue[T1, T2, T3, … ,Ti ,… ,Tn], 其中Ti表示第i个计算任务的封装信息，n为队列中任务总数；计算任务的封装信息包括医疗数据计算条件，任务涉及数量规模以及任务运行时所在系统的快照信息；

（2）将执行任务队列中的任务数据作为训练集合，通过梯度下降法训练，得到执行任务的耗时预测模型h(X)，对于后续的任务，直接通过耗时预测模型h(X)预测任务执行耗时；

（3）设定执行任务队列中任务执行时间阈值，对于正在执行的任务，如果已执行时间小于阈值完成的任务，记为已完成任务；对于超过阈值未执行完成的任务，通过下式计算未执行完成的任务后续执行的优先级：

rest_i = ε(predict_i – cost_i)

其中，ε为缩进因子；rest_i表示未执行完成任务task_i的预测执行时间predict_i与任务已执行时间cost_i之差乘以缩进因子后的数值；

（4）设执行任务队列中排序任务队列为executeQueue，执行任务队列中排队等候队列为waitQueue；executeQueue与waitQueue定义为首尾相接的模式；executeQueue队列中未执行完成的任务进入到waitQueue的首部，并依据计算所得rest_i按照waitQueue队列的内部优先级规则进行入队；

（5）对于每一项任务，记录最终执行完成时间real_cost_i，记录截止到执行任务的第i个任务，已有N个任务已执行完成；定义计数变量expire，若预测执行时间与实际执行时间相差数值超过设定阈值，则计数变量expire进行自增；

（6）计算计数变量expire和已执行完成任务数量N的比值，若比值小于阈值，则延用当前的模型进行后续任务的执行耗时预测与调度；若比值大于阈值，则计算当前模型h(X)的决定系数R²，判断是否沿用当前模型，若需要更新模型，则采用此时的计算任务数据对模型进行重新训练，进行模型更新。

2.根据权利要求1所述的一种医疗数据计算任务智能调度方法，其特征在于，步骤（2）具体为：

（2.1）设定任务队列中任务数阈值PRE_CONST，当任务队列中的任务数小于PRE_CONST时，收集每个任务执行参数耗时，记录当前任务规模、执行数据量以及计算机当前硬件负载信息；

（2.2）当任务数等于PRE_CONST时，通过梯度下降法进行一次模型计算，得到执行任务的耗时预测模型h(X)；

（2.3）对于任务队列中任务数大于PRE_CONST的部分，根据当前计算机运行的硬件条件，直接通过耗时预测模型h(X)预测任务Ti的耗时为predict_i；其中iPRE_CONST。

3.根据权利要求1所述的一种医疗数据计算任务智能调度方法，其特征在于，步骤（3）中，根据超过阈值未执行完成的任务计算所得rest_i重新定义该任务优先级，每次定义任务优先级，将重新计算rest_i。

4.根据权利要求1所述的一种医疗数据计算任务智能调度方法，其特征在于，步骤（4）中，排序任务队列executeQueue大小为executeSize，排队等候队列waitQueue大小为waitSize；设定executeSize:waitSize=3/7，新到来的任务按照预测时间predict_i的时间，进入到waitQueue队列之中按照小顶堆方式排序；当executeQueue队列未满时，从waitQueue中选取头部元素进行晋升至executeQueue。