[发明专利]大规模图片处理方法及系统

说明书

本申请公开了一种大规模图片处理方法及系统，所述大规模图片处理方法包括以下步骤：接收来自用户的图片处理请求；根据所述图片处理请求的业务逻辑，将所述图片处理请求存储到业务逻辑消息队列中；从所述业务逻辑消息队列中取出所述图片处理请求，并根据所述图片处理请求的业务逻辑，从公有云平台的无服务器计算设备的数据处理模块中调用适用于处理所述图片处理请求的数据处理模块；使用所述数据处理模块完成所述图片处理请求所请求的处理工作；保存所述图片处理请求所请求的处理工作的完成结果。

技术领域

本发明涉及多媒体数据处理技术领域，特别涉及一种大规模图片处理方法及系统。

背景技术

在现今的网络环境中，网络服务器经常需要处理用户提交的巨量多媒体数据，而且用户提交多媒体数据的数量、提交的时间、以及提交的频率都是不确定的。为了能够应对最极端的情况，例如多个用户在同一时间段同时提交大量多媒体数据请求处理，现有的用于多媒体数据的批量处理框架通常都要常备数量足够多的高性能服务器，时刻待命。但是这样就会导致在请求处理的数据较少或没有的时间段内，绝大部分甚至全部待命的服务器处于无用状态，造成资源浪费。另外，大量服务器的启动、升级、关闭以及重新分配角色都带来了极大的运维成本。

发明内容

本发明提供了一种大规模图片处理方法及系统，用于解决现有的多媒体数据处理技术中存在的上述问题。

根据本发明的实施方式，提供了一种大规模图片处理方法，所述方法包括以下步骤：

S1，接收来自用户的图片处理请求；

S2，根据所述图片处理请求的业务逻辑，将所述图片处理请求存储到业务逻辑消息队列中；

S3，从所述业务逻辑消息队列中取出所述图片处理请求，并根据所述图片处理请求的业务逻辑，从公有云平台的无服务器计算设备的数据处理模块中调用适用于处理所述图片处理请求的数据处理模块；

S4，使用所述数据处理模块完成所述图片处理请求所请求的处理工作；

S5，保存所述图片处理请求所请求的处理工作的完成结果。

优选地，所述大规模图片处理方法还包括以下步骤：

S0，编写所述数据处理模块，将所述数据处理模块上传到所述无服务器计算设备中存储，以供在处理所述图片请求时进行调用。

优选地，所述数据处理模块包括机器学习算法模型、深度学习模型、以及可使用所述机器学习算法模型及深度学习模型的代码。

优选地，在所述步骤S0中，将所述数据处理模块上传到所述无服务器计算设备中存储的方式是：将所述数据处理模块以插件形式整合到所述无服务器计算设备中。

优选地，在所述步骤S1中，所述图片处理请求的数量为多个；在所述步骤S2中，所述业务逻辑消息队列的数量为多个；所述步骤S2包括：

根据每个图片处理请求的业务逻辑确定适用于该图片处理请求的业务逻辑消息队列；

分别将每个图片处理请求存储到适用于该图片处理请求的业务逻辑消息队列中。

优选地，所述步骤S3包括：

将所述图片处理请求的业务逻辑划分为多个业务逻辑部分；

根据所述多个业务逻辑部分，从所述公有云平台的所述无服务器计算设备中调用分别适用于处理所述多个业务逻辑部分的多个数据处理模块。

优选地，所述步骤S4包括：

使用所述多个数据处理模块分别完成所述多个业务逻辑部分所请求的处理工作。

优选地，所述步骤S5包括：