基于需求自适应调整的线程异步处理系统

本发明属于线程异步处理技术领域，公开了基于需求自适应调整的线程异步处理系统。该系统先获取包括待执行任务类型、线程池运行参数、系统工作资源参数等在内的需求指标数据，接着将其输入预先训练的深度学习模型。模型依据待执行任务类型占比等指标数据，预测出线程池调整周期与调整参数，如线程数量、优先级等调整量。依据预测结果对线程池进行自适应调整。此系统借助深度学习模型智能感知任务与资源状况，周期性地优化线程池配置，有效提升系统在不同任务负载与资源条件下的处理效率与资源利用率，解决了传统线程池静态调整无法满足自适应需求，动态频繁调整造成系统资源浪费的问题，适用于多领域的线程异步处理场景。