System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图片处理领域,尤其涉及一种图片处理方法、装置、设备及存储介质。
技术介绍
1、随着需要进行图片加工如添加水印、裁剪、缩放、压缩等操作的业务系统数量的增多,提供图片加工的服务所承载的流量压力也在不断增加。由于图片的素质存在不确定性,为了保证系统运行的稳定性,部分应用仅对用户使用的图片操作接口中设置一定的并发数,通过计数限制的办法来保证稳定性,则会有以下问题:
2、(1)图片质量参差不齐,解码和操作所需要的内存开销无法确定,难以确定应用接口并发度的阈值;
3、(2)当出现海量低质量图片任务时,由于并发度的限制,应用的整体内存开销情况偏低,当前容器平台主要根据cpu、内存使用情况来进行弹性扩容,因此较难触发容器的弹性条件,导致任务处理缓慢或大量任务超时被拒绝;
4、(3)当出现海量高质量图片任务时,内存开销情况偏高,容易在未达到接口并发度限制之前就占用较高内存,容易出现内存溢出的情况。
技术实现思路
1、本申请的主要目的在于提供一种图片处理方法、装置、设备及存储介质,旨在解决无法根据图片处理任务所需的内存开销分配内存资源的问题。
2、为实现上述目的,本申请提供一种图片处理方法,所述图片处理方法包括以下步骤:
3、获取图片特征信息;
4、通过预设的图片任务开销预测模型,根据所述图片特征信息进行内存开销预测,得到图片处理内存开销数据;
5、根据所述图片处理内存开销数据,分配内存资源执行对应的图片处理
6、可选地,所述根据所述图片处理内存开销数据,分配内存资源执行对应的图片处理任务,得到图片处理结果的步骤包括:
7、通过预设的内存监听模块,获取实时空闲内存资源数据;
8、判断所述图片处理内存开销数据是否小于所述实时空闲内存资源数据;
9、若是,则根据所述图片处理内存开销数据,生成图片处理线程;
10、根据所述图片处理线程,分配内存资源执行所述图片处理任务,得到所述图片处理结果。
11、可选地,所述判断所述图片处理内存开销数据是否小于所述实时空闲内存资源数据的步骤之后,还包括:
12、若否,则根据所述图片处理内存开销数据,将所述图片处理任务发送至预设的消息队列,并生成图片待处理线程;
13、当所述内存监听模块监听到实时空闲内存资源数据大于图片处理内存开销数据,从所述消息队列中取出所述图片处理任务,并唤醒图片待处理线程;
14、根据所述图片待处理线程,分配内存资源执行所述图片处理任务,得到所述图片处理结果。
15、可选地,所述根据所述图片处理内存开销数据,分配内存资源执行对应的图片处理任务,得到图片处理结果的步骤之后,还包括:
16、根据所述图片处理结果,获取图片处理内存开销信息;
17、将所述图片特征信息和图片处理内存开销信息上传至预设的数据存储引擎;
18、通过所述数据存储引擎,根据所述图片特征信息和图片处理内存开销信息,建立训练集;
19、基于预设的机器学习算法,根据所述训练集,更新所述图片任务内存开销模型。
20、可选地,所述获取图片特征信息的步骤包括:
21、接收图片处理请求和所述图片处理任务对应的图片;
22、根据所述图片处理请求,对所述图片进行解析,得到图片解析数据;
23、基于预设的数据清洗算法,对所述图片解析数据进行数据清洗,得到初始图片特征数据;
24、基于预设的特征提取算法,对所述初始图片特征数据进行特征提取,得到所述图片特征信息。
25、可选地,所述通过预设的图片任务开销预测模型,根据所述图片特征信息进行内存开销预测,得到图片处理内存开销数据的步骤包括:
26、对所述图片特征信息进行预处理,得到预处理后的图片特征信息;
27、将所述预处理后的图片特征信息输入所述图片任务开销预测模型;
28、通过所述图片任务开销预测模型,根据所述预处理后的图片特征信息进行内存开销预测,得到所述图片处理内存开销数据。
29、可选地,所述通过所述图片任务开销预测模型,根据所述预处理后的图片特征信息进行内存开销预测,得到所述图片处理内存开销数据的步骤包括:
30、基于预设的向量转换算法,将所述预处理后的图片特征信息转化为图片特征向量;
31、通过所述图片任务开销预测模型中的开销预测方法,根据所述图片特征向量进行内存开销预测,得到内存开销预测结果;
32、根据所述内存开销预测结果,得到所述图片处理内存开销数据。
33、此外,为实现上述目的,本申请还提供一种图片处理装置,所述图片处理装置包括:
34、信息获取模块,用于获取图片特征信息;
35、开销预测模块,用于通过预设的图片任务开销预测模型,根据所述图片特征信息进行内存开销预测,得到图片处理内存开销数据;
36、图片处理模块,用于根据所述图片处理内存开销数据,分配内存资源执行对应的图片处理任务,得到图片处理结果。
37、本申请实施例还提出一种终端设备,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图片处理程序,所述图片处理程序被所述处理器执行时实现如上所述的图片处理方法的步骤。
38、本申请实施例还提出一种计算器可读存储介质,所述计算机可读存储介质上存储有图片处理程序,所述图片处理程序被处理器执行时实现如上所述的图片处理方法的步骤。
39、本申请实施例提出的一种图片处理方法、装置、设备及存储介质,通过获取图片特征信息;通过预设的图片任务开销预测模型,根据所述图片特征信息进行内存开销预测,得到图片处理内存开销数据;根据所述图片处理内存开销数据,分配内存资源执行对应的图片处理任务,得到图片处理结果。通过根据图片特征信息进行内存开销预测,能够有效地分配内存资源。由此,实现了根据图片处理任务的需要分配内存资源进行图片处理,解决了现有技术中无法根据图片处理任务所需的内存开销分配内存资源的技术问题。相较于现有技术,具有内存资源利用率高、稳定性强的优势。
40、以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的
,均同理包括在本申请的专利保护范围内。
【技术保护点】
1.一种图片处理方法,其特征在于,所述图片处理方法包括以下步骤:
2.如权利要求1所述的图片处理方法,其特征在于,所述根据所述图片处理内存开销数据,分配内存资源执行对应的图片处理任务,得到图片处理结果的步骤包括:
3.如权利要求2所述的图片处理方法,其特征在于,所述判断所述图片处理内存开销数据是否小于所述实时空闲内存资源数据的步骤之后,还包括:
4.如权利要求1所述的图片处理方法,其特征在于,所述根据所述图片处理内存开销数据,分配内存资源执行对应的图片处理任务,得到图片处理结果的步骤之后,还包括:
5.如权利要求1所述的图片处理方法,其特征在于,所述获取图片特征信息的步骤包括:
6.如权利要求1所述的图片处理方法,其特征在于,所述通过预设的图片任务开销预测模型,根据所述图片特征信息进行内存开销预测,得到图片处理内存开销数据的步骤包括:
7.如权利要求6所述的图片处理方法,其特征在于,所述通过所述图片任务开销预测模型,根据所述预处理后的图片特征信息进行内存开销预测,得到所述图片处理内存开销数据的步骤包括:
>8.一种图片处理装置,其特征在于,所述图片处理装置包括:
9.一种终端设备,其特征在于,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图片处理程序,所述图片处理程序被所述处理器执行时实现如权利要求1-7中任一项所述的图片处理方法的步骤。
10.一种计算器可读存储介质,其特征在于,所述计算机可读存储介质上存储有图片处理程序,所述图片处理程序被处理器执行时实现如权利要求1-7中任一项所述的图片处理方法的步骤。
...【技术特征摘要】
1.一种图片处理方法,其特征在于,所述图片处理方法包括以下步骤:
2.如权利要求1所述的图片处理方法,其特征在于,所述根据所述图片处理内存开销数据,分配内存资源执行对应的图片处理任务,得到图片处理结果的步骤包括:
3.如权利要求2所述的图片处理方法,其特征在于,所述判断所述图片处理内存开销数据是否小于所述实时空闲内存资源数据的步骤之后,还包括:
4.如权利要求1所述的图片处理方法,其特征在于,所述根据所述图片处理内存开销数据,分配内存资源执行对应的图片处理任务,得到图片处理结果的步骤之后,还包括:
5.如权利要求1所述的图片处理方法,其特征在于,所述获取图片特征信息的步骤包括:
6.如权利要求1所述的图片处理方法,其特征在于,所述通过预设的图片任务开销预测模型,根...
【专利技术属性】
技术研发人员:黄涛,叶松杰,王镖,
申请(专利权)人:招商银行股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。