[发明专利]一种基于表函数的计算任务处理方法、系统及计算机可读存储介质

说明书

本发明的基于表函数的计算任务处理方法、系统及计算机可读存储介质，根据非线性计算任务的类别和计算量，对所述非线性计算任务进行特征分类，采用分类后的参数信息中的计算子任务的类别进行第一级搜索定位到构建的特征分类映射表，并根据特征分类映射表确定计算子任务的具体类型；根据计算子任务的具体类型进行第二级搜索定位到所述特征分类映射表中的分类子映射表；通过所述分类子映射表和所述参数信息中的计算量将所述计算子任务分配到对应的计算子节点；根据分类子映射表将所述计算子任务转换为线性计算并输出计算结果，从而创新的将非线性运算转换为线性运算，大大提高了非线性计算的计算速度，为破解非线性计算难题提供超高速、可靠的支持。

技术领域

本发明涉及信息计算领域，更具体地说，涉及一种基于表函数的计算任务处理方法、系统及计算机可读存储介质。

背景技术

1945年6月，冯·诺依曼提出了在数字计算机内部的存储器中存放程序的概念(Stored Program Concept)，这是所有现代电子计算机的模板，被称为“冯·诺依曼结构”，按这一结构建造的电脑称为存储程序计算机(Stored Program Computer)，又称为通用计算机。通用计算机经过几十年的蓬勃发展,其计算性能的提升受到了摩尔定律的限制，现在用冯诺依曼体系架构构建的通用计算机，其计算性能将出现瓶颈。不能进行无限的扩展和相应性能的持续提升。

在大数据与海量计算任务处理的发展趋势下，信息化应用面临的计算日趋复杂，需要满足实时性、低延迟、高可靠、高流量处理等要求。基于现有的物联网、人工智能等技术的不断涌现，对计算速度的要求越发严苛，现有通用计算机体系已不能满足当前大数据、云计算、自动驾驶、智慧城市、智能医疗、区块链、等超大量信息处理需要与需求。因此，亟需提出一种超高速的全新的计算处理方法和系统以满足日新月异的超大计算量需求，突破现有通用计算机体系的性能瓶颈。同时，现有的通用计算机解决非线性问题的能力和速度难以满足要求，现有通用的许多算法中经常包含着各种非线性运算,如对数运算、开方运算、指数运算、三角函数运算等。比如神经网络算法就存在着大量的指数和对数运算。“对数和指数甚至无处不在”。所以对于将复杂的非线性计算转换为线性计算的基于表函数的计算任务处理系统与方法的研究是迫切需要的。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种用于解决传统计算机无法将非线性计算问题转换为线性问题的难题的基于表函数的计算任务处理方法、系统及计算机可读存储介质。

本发明解决其技术问题所采用的一种技术方案是，构造一种基于表函数的计算任务处理方法，包括：

S1、根据非线性计算任务的类别和计算量，对所述非线性计算任务进行特征分类，所述特征分类的结果包括所述非线性计算任务进行分类后所得到的多个不同类别的计算子任务的参数信息；

S2、基于所述参数信息中的计算子任务的类别进行第一级搜索定位到构建的特征分类映射表，并根据所述特征分类映射表确定所述计算子任务的具体类型；

S3、根据所述计算子任务的具体类型进行第二级搜索定位到所述特征分类映射表中的分类子映射表；

S4、通过所述分类子映射表和所述参数信息中的计算量将所述计算子任务分配到对应的计算子节点；

S5、根据所述分类子映射表将所述计算子任务转换为线性计算并输出计算结果。

进一步地，所述步骤S1进一步包括：

S11、发起非线性计算作业请求；

S12、响应于所述非线性计算作业请求发起非线性计算任务；

S13、根据非线性计算任务的类别和计算量，将所述非线性计算任务拆分为多个可对表查询的非线性子计算任务，根据所述非线性子计算任务得到所述特征分类的结果。

进一步地，所述步骤S11进一步包括：