本发明涉及计算机技术领域，具体涉及一种处理任务的调测方法及装置。
背景技术：
随着科技及社会的不断发展，计算机领域中各类业务的数量也在不断提升。目前，为实现业务的处理，通常需开发人员根据需求编译相应的业务代码，并根据编译的业务代码进行业务处理。
然而，由于现有技术中需开发人员自行编译业务代码，进行业务处理，从而现有技术在对业务代码进行调测过程中，无法获得业务处理过程中的中间节点的调测数据，从而降低调测精度，并增加调测时间。
技术实现要素：
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的处理任务的调测方法及装置。
根据本发明的一个方面，提供了一种处理任务的调测方法，所述处理任务基于用户在图元化操作界面中输入的至少一个算法组件的组合关系而创建，所述方法包括：
监测用户针对任一算法组件的断点插入操作，为所述算法组件设置调测断点；
在所述处理任务的执行过程中，采集设置有调测断点的算法组件的引擎输入数据和引擎输出数据；
输出所述引擎输入数据和引擎输出数据，以供用户进行调测。
根据本发明的另一方面，提供了一种处理任务的调测装置，所述处理任务基于用户在图元化操作界面中输入的至少一个算法组件的组合关系而创建，所述装置包括：
断点设置模块，适于监测用户针对任一算法组件的断点插入操作，为所述算法组件设置调测断点；
数据采集模块，适于在所述处理任务的执行过程中，采集设置有调测断点的算法组件的引擎输入数据和引擎输出数据；
输出模块，适于输出所述引擎输入数据和引擎输出数据，以供用户进行调测。
根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述处理任务的调测方法对应的操作。
根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述处理任务的调测方法对应的操作。
根据本发明提供的处理任务的调测方法及装置，该处理任务基于用户在图元化操作界面中输入的至少一个算法组件的组合关系而创建，在调测过程中，首先监测用户针对任一算法组件的断点插入操作，为算法组件设置调测断点；在处理任务的执行过程中，采集设置有调测断点的算法组件的引擎输入数据和引擎输出数据；最终输出引擎输入数据和引擎输出数据，以供用户进行调测。本方案中以算法组件的形式进行业务处理，并通过为算法组件设置调测断点的方式，在任务执行过程中采取相应算法组件的引擎输入数据和引擎输出数据，从而避免了现有技术在对任务调测过程中无法获取中间节点调测数据的弊端，便于获得更为细粒度及精确的调测结果，并有利于调测效率的提升。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本发明一个实施例提供的一种处理任务的调测方法的流程示意图；
图2示出了根据本发明另一个实施例提供的一种处理任务的调测方法的的流程示意图；
图3示出了根据本发明另一个实施例提供的一种操作界面示意图；
图4示出了根据本发明另一个实施例提供的一种调试界面示意图；
图5示出了根据本发明另一个实施例提供的另一种调试界面示意图；
图6示出了根据本发明一个实施例提供的一种处理任务的调测方法装置的结构示意图；
图7示出了根据本发明一个实施例提供的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例提供的一种处理任务的调测方法的流程示意图。本发明中的处理任务是基于用户在图元化操作界面中输入的至少一个算法组件的组合关系而创建的。如图1所示，该方法包括：
步骤s110，监测用户针对任一算法组件的断点插入操作，为算法组件设置调测断点。
本发明对业务处理过程进行组件化处理，即通过至少一个算法组件的组合形成业务逻辑，实现业务处理的无代码化，提升业务处理效率，提高用户体验。由此，本实施例基于该组件化的业务处理方式，可以以算法组件为单位，实现处理任务的细粒度调测，进而可获取业务处理过程中中间节点的调测数据。
具体地，在调测过程中，首先监测用户针对任一算法组件的断点插入操作。其中，本发明对断点插入操作的具体类型不做限定，本领域技术人员可根据实际的需求自行设置断点插入操作。在监测到用户针对任一算法组件的断点插入操作之后，为该算法组件设置对应的调测断点。
步骤s120，在处理任务的执行过程中，采集设置有调测断点的算法组件的引擎输入数据和引擎输出数据。
基于组件化的业务处理设置方式，在处理任务的执行过程中，可实时采集设置有调测断点的算法组件的引擎输入数据和引擎输出数据。
步骤s130，输出引擎输入数据和引擎输出数据，以供用户进行调测。
将采集到的引擎输入数据以及引擎输出数据进行输出，从而用户可根据输出数据判断该算法组件的设置是否符合预设需求，从而供用户快速地对算法组件进行调整。
由此可见，本实施例中以算法组件的形式进行业务处理，并通过为算法组件设置调测断点的方式，在任务执行过程中采取相应算法组件的引擎输入数据和引擎输出数据，从而避免了现有技术在对任务调测过程中无法获取中间节点调测数据的弊端，便于获得更为细粒度及精确的调测结果，并有利于调测效率的提升。
图2示出了根据本发明一个实施例提供的一种处理任务的调测方法的流程示意图。
本发明中的处理任务是基于用户在图元化操作界面中输入的至少一个算法组件的组合关系而创建的。具体地，本发明为用户提供有图元化操作界面，该操作界面中包含有多个算法组件对应的算法组件图元，该算法组件图元与预先构建的算法组件相对应。其中，算法组件是根据业务处理过程中所涉及的算法封装而成，并可存储于预设的算法组件库中。该算法组件可以包括细粒度的基础算法组件，以提高用户的操作便捷性，且满足更多用户的业务处理需求。其中，该基础算法组件包括抽取类算法组件、转换类算法组件和/或加载类算法组件。抽取类算法组件又可以包括mysql抽取组件、hdfs抽取组件及hive抽取组件；转换类算法组件可以包括过滤组件、替换组件、排序组件、连接组件、聚合组件、和/或合并组件；加载类算法组件包括mysql加载组件、hdfs加载组件和/或hive加载组件。可选的，该算法组件还可以包含模板算法组件，该模板算法组件可以为至少一个基础算法组件的集合，用于解决至少一个特定的业务需求。例如，在实际的业务处理过程中，计算pv(pageview，页面访问量)-uv(uniquevisitor，独立访客)通常为一常用的业务需求，为避免用户对该常用业务需求的重复编译，本实施例中可基于计算pv-uv所需的基础算法组件，以及所需的基础算法组件之间的逻辑关系，封装为pvuv模板算法组件，从而通过该组件直接实现对pv-uv的计算。可选的，该算法组件还可以包括自定义算法组件。该自定义算法组件可由用户自行编译。具体地，自定义算法组件可通过以下步骤生成：首先，监测生成自定义算法组件的触发操作，获取用户根据系统开放api所提供的编译数据，生成编译数据包。其中，生成自定义算法组件的触发操作可以为针对预设热区的点击操作，本发明对该触发操作的具体类型不做限定。并且，在编译数据包生成过程中，系统提供有至少一个编译方法，该编译方法可以包括初始化方法、执行方法和/或输出方法等等。该编译方法是对计算引擎的原生接口的进一步封装，用户可通过系统开放api对提供的至少一个编译方法进行编译，从而避免用户直接对计算引擎的原生接口进行某些不利操作。所以，编译数据包具体是根据用户通过系统开放api对提供的至少一个编译方法的编译操作而获得。进一步，在生成编译数据包之后，将该编译数据包分发到集群的各个处理器中，以供在后续使用该自定义算法组件时，根据针对该自定义算法组件配置的路径调用相应的编译数据包进行高效执行。进一步可选的，在生成自定义算法组件之后，还可为该自定义算法组件配置相应的权限信息，从而仅在用户身份与自定义算法组件的权限信息匹配的情况下，允许用户选择自定义算法组件图元。
用户可通过图元化操作界面对算法组件图元进行选择及编排操作，则可根据用户对至少一个算法组件图元的选择及编排操作，生成对应的图元编排图，并根据图元编排图确定出该图元编排图对应的至少一个算法组件以及该至少一个算法组件的组合关系。
用户还可通过图元化操作界面中的预设输入入口输入对应的业务场景配置信息。其中，业务场景配置信息包括业务描述信息、数据源信息以及计算引擎信息。可选的，业务场景配置信息可以以json等形式呈现。
举例来说，如图3所示的图元化操作界面，在该图元化操作界面中，区域3-1内包含有多个算法组件图元，具体地，该多个算法组件图元包括：基础算法组件图元、模板算法组件图元及自定义算法组件图元。图元化操作界面中提供的各组件图元与系统中的算法组件相对应。其中，基础算法组件图元包括：抽取类组件图元、转换类组件图元和/或加载类组件图元。抽取类算法组件图元又可以包括mysql抽取组件图元、hdfs抽取组件图元及hive抽取组件图元；转换类算法组件图元可以包括过滤组件图元、替换组件图元、排序组件图元、连接组件图元、聚合组件图元、和/或合并组件图元；加载类算法组件图元包括mysql加载组件图元、hdfs加载组件图元和/或hive加载组件图元。图3所示图元化操作界面中的模板算法组件图元为pvuv模板组件图元。用户可拖动选择hive抽取组件图元、替换组件图元、pvuv模板组件图元及mysql加载组件图元至区域3-2中，在用户将hive抽取组件图元、替换组件图元、pvuv模板组件图元及mysql加载组件图元至区域3-2内，即表明用户选择了业务处理所需的算法组件，即hive抽取组件、替换组件、pvuv模板组件及mysql加载组件。并且，当在选中某一选择的算法组件图元后，可输入针对该算法组件的业务场景配置信息，如在选中hive抽取组件图元后，可在区域3-3中输入针对hive抽取组件图元的业务场景配置信息。
进一步地，由于至少一个算法组件的组合关系并非为业务处理过程的最优执行逻辑，直接根据至少一个算法组件的组合关系进行各算法组件的执行，极易引起业务执行效率的降低。故此，为进一步提高业务处理效率，本实施例在获得至少一个算法组件的组合关系之后，解析至少一个算法组件的组合关系，得到至少一个算法组件对应的业务逻辑拓扑关系。具体地，解析获得的前向星数据结构的至少一个算法组件的组合关系，对至少一个算法组件进行拓扑排序，根据拓扑排序结果得到至少一个算法组件对应的业务逻辑拓扑关系。其中，前向星属于dag(directedacyclicgraph，有向无环图)中的一类，其是一种以储存边的方式来存储图的数据结构，其无需像邻接表那样用指针指向下一条边，从而便于提高业务处理效率。本实施例对具体的拓扑排序方法不做限定，例如，可采用dag中的aoe(activityonedgenetwork)算法来进行拓扑排序。在此，本领域技术人员应当理解的是，按照业务逻辑拓扑关系进行业务处理的处理结果与直接按照至少一个算法组件的组合关系进行业务处理的处理结果相同，从而在保证业务处理结果相同的情况下，提升业务处理效率。举例来说，若用户输入的算法组件有组件a、b及c，输入的组件a、b及c的组合关系为a→b→c的顺序关系，然而，通过解析组件a、b及c之间的数据依赖关系及执行顺序依赖关系之后发现，组件a与组件b并不存在数据依赖及执行顺序依赖，即组件a与组件b可并行执行，则业务逻辑拓扑关系可以为a→c←b，基于此业务逻辑拓扑关系进行业务处理可具有较高的处理效率。
再进一步，根据业务场景配置信息以及业务逻辑拓扑关系创建处理任务。具体地，将业务处理过程为转换为至少一个处理任务的执行，从而通过对创建的处理任务的执行便可实现对业务的处理。具体地，在创建处理任务过程中，本步骤中将用户输入的预设类型(如json类型)的业务场景配置信息结合业务逻辑拓扑关系，创建出可供引擎识别的处理任务信息，从而将该处理任务信息传递至引擎，供引擎来执行处理任务。
最后，调用相应的计算引擎执行处理任务。其中，计算引擎可以为多个，如spark引擎、flink引擎、和/或hive引擎等等。可选的，为保障任务的处理效率及处理结果的准确性，在计算引擎正式执行处理任务之前，可预先根据业务场景配置信息进行运行环境的初始化处理。其中，本实施例对具体的初始化处理方法不做限定。
在一种可选的实施方式中，在创建处理任务之后，为使创建的各处理任务能有序高效地执行，可进一步创建的处理任务进行调度处理，调用相应的计算引擎执行处理任务。可选的，在调度过程中，为节省调度资源，当前置任务未完成时，不对后置任务进行调度处理，即仅在前置任务处理完成之后，进行后置任务的执行。
在又一种可选的实施方式汇总，在计算引擎执行处理任务的过程中，可采集并存储各个算法组件的引擎输出数据。例如，在计算引擎执行处理任务的过程中，采集算法组件a的引擎输出数据，并将算法组件a的引擎输出数据存储于预设存储空间中，若计算组件b数据依赖于算法组件a，则在执行计算组件b的处理任务时，再从预设存储空间中获取算法组件a的引擎输出数据，执行处理任务。进一步可选的，还可在预设存储空间中存储与引擎输出数据相对应的源数据，从而满足不同的计算引擎的数据适配需求。具体地，由于不同的计算引擎所需的数据格式等不尽相同，同一数据在不同计算引擎中流转时，需转换为对应的引擎数据格式，从而在计算引擎执行处理任务过程中，需携带有源数据及对应的引擎数据两类数据，从而增加计算引擎的存储开销，而本发明则是将源数据及引擎输出数据存储于预设存储空间中，当计算引擎需获取数据时从该预设存储空间中获取相应的数据，从而节省系统存储开销。
在又一种可选的实施方式中，为在处理任务执行过程中实现业务规则与执行逻辑的解耦，本实施例还可借助于规则引擎来执行处理任务。具体地，首先构建规则库，即对获取的规则数据进行语法校验，其中，规则数据包含规则条件数据以及规则条件数据对应的规则结果数据；若规则数据语法校验合格，则将规则数据存储于预设的规则库中，则预设的规则库中包含有至少一条规则数据；在构建规则库之后，获取处理任务数据，将处理任务数据与预设的规则库中的至少一条规则条件数据进行匹配，确定与该处理任务数据相匹配的目标规则条件数据；将与目标规则条件数据相对应的规则结果数据确定为与该处理任务数据对应的处理结果。可选的，在规则匹配过程中，可将预设的规则库中的至少一条规则条件数据转换为预设树形结构(如rete树形结构)的规则集，从而根据预设树形结构的规则集，确定与处理任务数据相匹配的目标规则条件数据。进一步可选的，当确定与待处理数据相匹配的目标规则条件数据为多条时，则需采用预设的冲突解决算法，确定待处理数据对应的处理结果。其中，预设的冲突算法可以为优先级冲突解决算法，如agenda冲突解决算法等。可选的，可为规则集中的各条规则配置相应的访问权限，从而根据访问权限对处理任务数据进行规则匹配。
在创建处理任务之后，可通过以下方法来对处理任务进行调测：
步骤s210，监测用户针对任一算法组件的断点插入操作，为算法组件设置调测断点。
本实施例基于上述组件化的业务处理方式，所以可支持以算法组件为单位，实现处理任务的细粒度调测，进而可获取业务处理过程中中间节点的调测数据。
在具体的实施过程中，可为用户提供一直观化的调测操作界面，在该界面中呈现有至少一个算法组件对应的算法组件图元，则可监测用户在该调测操作界面中针对呈现的任一算法组件的断点插入操作，为算法组件设置调测断点。
举例来说，如图4所示的调测界面，在该调测界面中呈现有hive抽取组件以及hdfs加载组件，若监测到用户针对hdfs加载组件的点击操作时，则呈现相应的断点选项，若用户点击插入断点，则在hdfs载组件处设置调测断点。
可选的，可进一步接收并根据用户针对已插入的断点的修改操作，调整为算法组件设置的调测断点。从而增加用户操作灵活度，提升用户体验。
步骤s220，在处理任务的执行过程中，采集设置有调测断点的算法组件的引擎输入数据和引擎输出数据。
其中，引擎输出数据可以为实时的处理任务结果数据、日志数据等等。可选的，若采集的引擎输入数据和引擎输出数据数据量较大时，以分布式的方式存储引擎输入数据和引擎输出数据。
步骤s230，从至少一个维度呈现采集的引擎输入数据和引擎输出数据。
在采集设置有调测断点的算法组件的引擎输入数据和引擎输出数据之后，可以从至少一个维度呈现采集的引擎输入数据和引擎输出数据，以供用户根据呈现的数据进行调测。
其中，至少一个维度包括时间维度、调测数据比例维度、和/或调测结果维度。用户可根据自身需求，选择相应的维度，或进一步对选择的维度进行设置，从而实现定制化数据呈现。举例来说，如图5所示，用户设置的调测数据比例为10％，数据显示条数为50条，调测结果为运行成功。
由此可见，本实施例中以算法组件的形式进行业务处理，并通过为算法组件设置调测断点的方式，在任务执行过程中采取相应算法组件的引擎输入数据和引擎输出数据，从而避免了现有技术在对任务调测过程中无法获取中间节点调测数据的弊端，便于获得更为细粒度及精确的调测结果，并有利于调测效率的提升；并可根据用户选择从至少一个维度呈现调测数据，进一步提升用户体验。
图6示出了根据本发明一个实施例提供的一种处理任务的调试装置的结构示意图。所述处理任务基于用户在图元化操作界面中输入的至少一个算法组件的组合关系而创建。如图6所示，该装置包括：断点设置模块61、数据采集模块62以及输出模块63。
断点设置模块61，适于监测用户针对任一算法组件的断点插入操作，为所述算法组件设置调测断点；
数据采集模块62，适于在所述处理任务的执行过程中，采集设置有调测断点的算法组件的引擎输入数据和引擎输出数据；
输出模块63，适于输出所述引擎输入数据和引擎输出数据，以供用户进行调测。
可选的，该装置还包括：呈现模块(图中未示出)，适于从至少一个维度呈现输出的所述引擎输入数据和引擎输出数据。
可选的，所述至少一个维度包括：时间维度、调测数据比例维度、和/或调试结果维度。
可选的，该装置还包括：修改模块(图中未示出)，适于接收并根据用户针对已插入的断点的修改操作，调整为算法组件设置的调测断点。
可选的，所述处理任务基于用户在图元化操作界面中输入的至少一个算法组件的组合关系而创建进一步包括：解析至少一个算法组件的组合关系，得到所述至少一个算法组件对应的业务逻辑拓扑关系；根据通过图元化操作界面输入的业务场景配置信息以及所述业务逻辑拓扑关系创建处理任务。
其中，本实施例装置中各模块的具体实施过程可参照图1或图2所示实施例中相应步骤的描述，本实施例在此不做赘述。
由此可见，本实施例中以算法组件的形式进行业务处理，并通过为算法组件设置调测断点的方式，在任务执行过程中采取相应算法组件的引擎输入数据和引擎输出数据，从而避免了现有技术在对任务调测过程中无法获取中间节点调测数据的弊端，便于获得更为细粒度及精确的调测结果，并有利于调测效率的提升。
根据本发明一个实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的处理任务的调测方法。
图7示出了根据本发明一个实施例提供的一种计算设备的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。所述计算设备用于执行处理任务调测方法，所述处理任务是基于用户在图元化操作界面中输入的至少一个算法组件的组合关系而创建的。
如图7所示，该终端可以包括：处理器(processor)702、通信接口(communicationsinterface)704、存储器(memory)706、以及通信总线708。
其中：
处理器702、通信接口704、以及存储器706通过通信总线708完成相互间的通信。
通信接口704，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器702，用于执行程序710，具体可以执行上述处理任务的调测方法实施例中的相关步骤。
具体地，程序710可以包括程序代码，该程序代码包括计算机操作指令。
处理器702可能是中央处理器cpu，或者是特定集成电路asic(applicationspecificintegratedcircuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
存储器706，用于存放程序710。存储器706可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
程序710具体可以用于使得处理器702执行以下操作：
监测用户针对任一算法组件的断点插入操作，为所述算法组件设置调测断点；
在所述处理任务的执行过程中，采集设置有调测断点的算法组件的引擎输入数据和引擎输出数据；
输出所述引擎输入数据和引擎输出数据，以供用户进行调测。
在一种可选的实施方式中，程序710具体可以用于使得处理器702执行以下操作：
从至少一个维度呈现输出的所述引擎输入数据和引擎输出数据。
在一种可选的实施方式中，所述至少一个维度包括：时间维度、调测数据比例维度、和/或调试结果维度。
在一种可选的实施方式中，程序710具体可以用于使得处理器702执行以下操作：接收并根据用户针对已插入的断点的修改操作，调整为算法组件设置的调测断点。
在一种可选的实施方式中，程序710具体可以用于使得处理器702执行以下操作：
解析至少一个算法组件的组合关系，得到所述至少一个算法组件对应的业务逻辑拓扑关系；
根据通过图元化操作界面输入的业务场景配置信息以及所述业务逻辑拓扑关系创建处理任务。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例处理任务的调测装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明公开了：a1.一种处理任务的调测方法，所述处理任务基于用户在图元化操作界面中输入的至少一个算法组件的组合关系而创建，所述方法包括：
监测用户针对任一算法组件的断点插入操作，为所述算法组件设置调测断点；
在所述处理任务的执行过程中，采集设置有调测断点的算法组件的引擎输入数据和引擎输出数据；
输出所述引擎输入数据和引擎输出数据，以供用户进行调测。
a2.根据a1所述的方法，其中，所述方法还包括：
从至少一个维度呈现输出的所述引擎输入数据和引擎输出数据。
a3.根据a2所述的方法，其中，所述至少一个维度包括：时间维度、调测数据比例维度、和/或调试结果维度。
a4.根据a1-a3中任一项所述的方法，其中，所述方法还包括：
接收并根据用户针对已插入的断点的修改操作，调整为算法组件设置的调测断点。
a5.根据a1-a4中任一项所述的方法，其中，所述处理任务基于用户在图元化操作界面中输入的至少一个算法组件的组合关系而创建进一步包括：
解析至少一个算法组件的组合关系，得到所述至少一个算法组件对应的业务逻辑拓扑关系；
根据通过图元化操作界面输入的业务场景配置信息以及所述业务逻辑拓扑关系创建处理任务。
本发明还公开了：b6.一种处理任务的调测装置，所述处理任务基于用户在图元化操作界面中输入的至少一个算法组件的组合关系而创建，所述装置包括：
断点设置模块，适于监测用户针对任一算法组件的断点插入操作，为所述算法组件设置调测断点；
数据采集模块，适于在所述处理任务的执行过程中，采集设置有调测断点的算法组件的引擎输入数据和引擎输出数据；
输出模块，适于输出所述引擎输入数据和引擎输出数据，以供用户进行调测。
b7.根据b6所述的装置，其中，所述装置还包括：
呈现模块，适于从至少一个维度呈现输出的所述引擎输入数据和引擎输出数据。
b8.根据b7所述的装置，其中，所述至少一个维度包括：时间维度、调测数据比例维度、和/或调试结果维度。
b9.根据b6-b8中任一项所述的装置，其中，所述装置还包括：
修改模块，适于接收并根据用户针对已插入的断点的修改操作，调整为算法组件设置的调测断点。
b10.根据b6-b9中任一项所述的装置，其中，所述处理任务基于用户在图元化操作界面中输入的至少一个算法组件的组合关系而创建进一步包括：
解析至少一个算法组件的组合关系，得到所述至少一个算法组件对应的业务逻辑拓扑关系；
根据通过图元化操作界面输入的业务场景配置信息以及所述业务逻辑拓扑关系创建处理任务。
本发明还公开了：c11.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如a1-a5中任一项所述的处理任务的调测方法对应的操作。
本发明还公开了：d12.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如a1-a5中任一项所述的处理任务的调测方法对应的操作。