本技术属于信息，尤其涉及一种基于web workers的智能调度方法、系统设备及介质。
背景技术：
1、在web的发展过程中，web workers的引入极大地提高了浏览器页面性能和用户体验，web workers提供了一种在web应用程序中执行后台任务而不干扰主线程的方法。这使得开发者能够创建更加流畅的用户界面，即使在执行复杂计算时也不会造成页面卡顿。
2、web workers广泛应用于数据处理、文件操作和实时内容更新等场景，例如一个电子商务网站在促销期间，用户访问量急剧上升。在这种情况下，web workers须在后台并行处理复杂计算或数据处理任务，以避免阻塞主线程和界面渲染。此时如果web workers的数量不足或调度不当，可能导致页面加载缓慢、交互响应延迟等问题，进而影响用户体验和网站的业务表现。
3、因此如何智能预测并调整web workers的资源分配策略，以确保用户请求得到快速响应的问题亟待解决。
技术实现思路
1、本技术实施例提供了一种基于web workers的智能调度方法、系统、设备及介质，可以解决如何智能预测并调整web workers的资源分配策略问题。
2、第一方面，本技术实施例提供了一种基于web workers的智能调度方法，包括：
3、获取历史用户请求数据，采用决策树算法对所述历史用户请求数据进行数据分析，建立请求内容趋势模型；
4、建立共享调度模型，所述共享调度模型用于共享不同请求内容之间的webworkers配置方案，所述web workers配置方案包括不同请求内容对应需配置的webworkers数量以及web workers类型；
5、根据所述请求内容趋势模型，通过所述共享调度模型，获得web workers预配置方案，所述web workers预配置方案为预先确定web workers配置方案；
6、采用迁移学习技术，建立预训练模型，所述预训练模型用于生成不同业务领域的web workers预配置方案。
7、进一步的，所述获取历史用户请求数据，采用决策树算法对所述历史用户请求数据进行数据分析，建立请求内容趋势模型，包括：
8、根据用户的操作行为，采用埋点技术获取历史用户请求数据，其中，所述用户请求数据包括用户id、请求时间、请求内容、操作系统、浏览器和用户属性；
9、根据请求内容和请求时间，对所述历史用户请求数据进行分类，获得基于请求内容和请求时间的用户请求数据集；
10、基于所述用户请求数据集，采用决策树算法，将操作系统、浏览器和用户属性作为特征变量，建立请求内容趋势模型；
11、基于所述请求内容趋势模型，预测用户在预设时间下的请求趋势，所述请求趋势为用户对于不同请求内容的请求概率。
12、进一步的，所述建立共享调度模型，所述共享调度模型用于共享不同请求内容之间的web workers配置方案，包括：
13、收集不同请求内容，获取各种请求内容的请求数据集；
14、根据请求数据集的相关属性信息，通过数据分析法，获得不同请求内容的特点，所述相关属性信息包括请求量、请求频率和请求参数、请求时间；
15、根据不同请求内容的特点和业务规则，判断处理不同请求内容所需的webworkers类型；
16、基于所述请求频率和请求参数，确定处理不同请求内容时不同web workers类型的数量；
17、基于不同请求内容所需的web workers类型及不同web workers类型所需的数量，建立共享调度模型，所述共享调度模型包括不同请求内容的web workers配置方案，所述web workers配置方案包括需配置的web workers数量以及web workers类型，所述webworkers类型包括cpu密集型、io密集型和综合型；
18、若请求内容被识别，从所述共享调度模型中提取对应的web workers配置方案。
19、进一步的，所述根据所述请求内容趋势模型，通过所述共享调度模型，获得webworkers预配置方案，包括：
20、获取用户的登录信息，基于所述登录信息，获取用户的请求趋势，所述请求趋势为用户对于不同请求内容的请求概率；
21、将不同请求内容的请求概率与预设请求阈值依次进行比较；
22、对于请求概率高于所述预设请求阈值的请求内容，从所述共享调度模型中，获得所述请求内容的web workers配置方案，采用负载均衡算法，获得每个web workers类型的负载情况，提前将所述请求内容，按照web workers配置方案分配给低负载的web workers类型处理，所述负载情况包括高负载和低负载；
23、对于请求概率低于所述预设请求阈值的请求内容，比较各请求内容的请求概率，获得请求概率最高的请求内容，从所述共享调度模型中获得所述请求概率最高的请求内容的web workers配置方案。
24、进一步的，在所述根据所述用户请求趋势模型，通过所述共享调度模型，获得webworkers预配置方案之后，包括：
25、获取用户当前的请求内容，将所述请求内容划分为多个子任务；
26、对多个所述子任务进行数据依赖分析和计算复杂度分析，获得不同子任务之间的调度顺序和执行方式，所述执行方式包括同步执行和异步执行；
27、基于所述调度顺序和执行方式，确定web workers调度方案；
28、采用线程池管理方式，基于所述web workers调度方案创建实例，根据子任务的计算复杂度和数据依赖关系，动态调整实例的工作模式，所述工作模式包括创建实例、销毁实例和修改实例参数，所述实例用于执行所述子任务。
29、进一步的，所述将所述当前用户请求划分为多个子任务，对多个所述子任务进行数据依赖分析和计算复杂度分析，获得不同子任务之间的调度顺序和执行方式，基于所述调度顺序和所述执行方式，确定web workers调度方案，包括：
30、根据当前用户请求的业务属性，采用任务分解算法，将用户请求划分为多个子任务；
31、通过分析子任务之间的业务逻辑关系，构建子任务的依赖关系图；
32、根据所述依赖关系图，将不同子任务划分为多个任务群组；
33、同步执行不同任务群组之间的子任务，按照依赖关系异步执行同一个任务群组之间的子任务；
34、分析每个子任务的计算复杂度，计算不同任务群组之间子任务的计算复杂度总和；
35、获取当前设备的性能数据，基于所述计算复杂度总和，确定web workers调度方案。
36、进一步的，所述采用迁移学习技术，建立预训练模型，所述预训练模型用于生成不同业务领域的web workers预配置方案，包括：
37、获取不同业务领域的用户请求数据，将不同业务领域的用户请求数据输入至预训练的词嵌入预训练模型进行训练，获得高维特征向量；
38、采用图神经网络处理所述高维特征向量，通过节点和边的关系学习，获得不同业务领域之间的依赖性；
39、采用对抗学习方法对目标业务领域和源业务领域之间的用户请求数据进行训练，生成领域知识库，其中，所述目标业务领域为待学习的新业务领域，所述源业务领域为已学习的业务领域，所述领域知识库包括请求内容趋势模型、共享调度模型；
40、通过所述领域知识库，为新业务领域自动推荐可迁移的知识组件，基于所述知识组件，生成新领域的web workers预配置方案。
41、第二方面，本技术实施例提供了一种基于web workers的智能调度系统，包括：
42、第一处理模块：获取历史用户请求数据，采用决策树算法对所述历史用户请求数据进行数据分析，建立请求内容趋势模型；
43、第二处理模块：建立共享调度模型，所述共享调度模型用于共享不同请求内容之间的web workers配置方案，所述web workers配置方案包括不同请求内容对应需配置的web workers数量以及web workers类型；
44、第三处理模块：根据所述请求内容趋势模型，通过所述共享调度模型，获得webworkers预配置方案，所述web workers预配置方案为预先确定web workers配置方案；
45、第四处理模块：采用迁移学习技术，建立预训练模型，所述预训练模型用于生成不同业务领域的web workers预配置方案。
46、第三方面，本技术实施例提供了一种终端设备，包括：包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于web workers的智能调度方法。
47、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存储有计算机程序，所述计算机程序被处理器执行时实现上述基于web workers的智能调度方法。
48、本技术实施例与现有技术相比存在的有益效果是：
49、本发明公开了一种基于web workers的智能调度方法、系统设备及介质。采用决策树算法预测用户在浏览器平台上对各种请求内容的需求趋势，在以用户请求前，确定webworkers的配置方案，进而提高对用户请求的响应速度，同时针对不同的请求内容，建立共享调度模型，能够快速的从共享调度模型中获得相应的配置方案，进一步提高用户体验和网站的业务表现，另外，采用迁移学习技术，使得该web workers智能调度方法能够适配不同的业务领域，实现跨域任务的高效处理，使得本发明具有较强的适应性和扩展性，能够适应不断变化的业务需求。
1.一种基于web workers的智能调度方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述获取历史用户请求数据，采用决策树算法对所述历史用户请求数据进行数据分析，建立请求内容趋势模型，包括：
3.如权利要求1所述的方法，其特征在于，所述建立共享调度模型，所述共享调度模型用于共享不同请求内容之间的web workers配置方案，包括：
4.如权利要求1所述的方法，其特征在于，所述根据所述请求内容趋势模型，通过所述共享调度模型，获得web workers预配置方案，包括：
5.如权利要求1所述的方法，其特征在于，在所述根据所述用户请求趋势模型，通过所述共享调度模型，获得web workers预配置方案之后，包括：
6.如权利要求5所述的方法，其特征在于，所述将所述当前用户请求划分为多个子任务，对多个所述子任务进行数据依赖分析和计算复杂度分析，获得不同子任务之间的调度顺序和执行方式，基于所述调度顺序和所述执行方式，确定web workers调度方案，包括：
7.如权利要求1所述的方法，其特征在于，所述采用迁移学习技术，建立预训练模型，所述预训练模型用于生成不同业务领域的web workers预配置方案，包括：
8.一种基于web workers的智能调度系统，其特征在于，包括：
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
