CN103713949A - 动态任务分配系统及方法 - Google Patents
动态任务分配系统及方法 Download PDFInfo
- Publication number
- CN103713949A CN103713949A CN201210379538.9A CN201210379538A CN103713949A CN 103713949 A CN103713949 A CN 103713949A CN 201210379538 A CN201210379538 A CN 201210379538A CN 103713949 A CN103713949 A CN 103713949A
- Authority
- CN
- China
- Prior art keywords
- subtask
- gpu
- completion
- cpu
- allocated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Power Sources (AREA)
- Debugging And Monitoring (AREA)
Abstract
一种动态任务分配方法，该方法包括：评估GPU及CPU的实际运算能力；将新任务分解成N项子任务，其中N为大于等于1的整数；从所分解得到的子任务中确定一项为待分配的子任务；当待分配的子任务可由GPU执行时，根据GPU的实际运算能力计算该项子任务由GPU执行时所需的第一预计完成时间；根据CPU的实际运算能力对所述待分配的子任务计算其由CPU执行时所需的第二预计完成时间；将所述待分配的子任务的第一及第二预计完成时间按照时间长短进行排序；及根据排序结果将所述待分配的子任务分配到执行该项子任务所需预计完成时间最短的任务队列。本发明可将任务有效分配给GPU和CPU处理。
Description
技术领域
本发明涉及一种计算机动态任务分配系统及方法。
背景技术
目前基于CUDA(Compute Unified Device Architecture)架构的计算机进行任务分配时，是按照一种固定分配模式进行任务分配的。然而由于不同CPU和不同GPU之间有着巨大的运算能力的区别，且CPU个数以及每个CPU所能控制的显示卡数目都是不同的，每种显示卡所配备的显存容量以及速度都是不同的。显然，目前的CUDA架构并没有考虑到这种异构状态，所使用的任务分配方式也没有很好的利用CPU和GPU的运算处理能力。
发明内容
鉴于以上内容，有必要提供一种动态任务分配系统及方法，其可将任务有效分配给GPU和CPU处理。
所述动态任务分配系统，该系统包括：评估模块，用于评估GPU及CPU的实际运算能力；分解模块，用于将新任务分解成N项子任务，其中N为大于等于1的整数；确定模块，用于从所分解得到的子任务中确定一项为待分配的子任务；计算模块，用于当待分配的子任务可由GPU执行时，根据GPU的实际运算能力计算该项子任务由GPU执行时所需的第一预计完成时间，该第一预计完成时间等于所述GPU执行该项子任务所需的时间与所述GPU执行其当前任务队列中的待处理任务所需的时间之和；所述计算模块，还用于根据CPU的实际运算能力对所述待分配的子任务计算其由CPU执行时所需的第二预计完成时间，该第二预计完成时间等于所述CPU执行该项子任务所需的时间与所述CPU执行其当前任务队列中的待处理任务所需的时间之和；排序模块，用于将所述待分配的子任务的第一及第二预计完成时间按照时间长短进行排序；及分配模块，用于根据排序结果将所述待分配的子任务分配到执行该项子任务所需预计完成时间最短的任务队列。
所述动态任务分配方法，该方法包括：评估步骤，评估GPU及CPU的实际运算能力；分解步骤，将新任务分解成N项子任务，其中N为大于等于1的整数；确定步骤，从所分解得到的子任务中确定一项为待分配的子任务；第一计算步骤，当待分配的子任务可由GPU执行时，根据GPU的实际运算能力计算该项子任务由GPU执行时所需的第一预计完成时间，该第一预计完成时间等于所述GPU执行该项子任务所需的时间与所述GPU执行其当前任务队列中的待处理任务所需的时间之和；第二计算步骤，根据CPU的实际运算能力对所述待分配的子任务计算其由CPU执行时所需的第二预计完成时间，该第二预计完成时间等于所述CPU执行该项子任务所需的时间与所述CPU执行其当前任务队列中的待处理任务所需的时间之和；排序步骤，将所述待分配的子任务的第一及第二预计完成时间按照时间长短进行排序；及分配步骤，根据排序结果将所述待分配的子任务分配到执行该项子任务所需预计完成时间最短的任务队列。
相较于现有技术，所述动态任务分配系统及方法，其可将任务有效分配给GPU和CPU来处理，充分利用GPU和CPU的运算处理能力，从而提高计算机的任务执行效率。
附图说明
图1是本发明动态任务分配系统的运行环境图。
图2是本发明动态任务分配系统的功能模块图。
图3是本发明动态任务分配方法的较佳实施例的流程图。
主要元件符号说明
| 计算机 | 100 |
| 动态任务分配系统 | 10 |
| GPU | 20 |
| CPU | 30 |
| 存储器 | 40 |
| 评估模块 | 101 |
| 分解模块 | 102 |
| 确定模块 | 103 |
| 计算模块 | 104 |
| 排序模块 | 105 |
| 分配模块 | 106 |
| 标识模块 | 107 |
| 判断模块 | 108 |
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
如图1所示，是本发明动态任务分配系统的运行环境图。在本实施例中，动态任务分配系统10运行于具有CUDA(ComputeUnified Device Architecture)架构的计算机100中，所述计算机100包括至少一个GPU（Graphic Processing Unit）20，至少一个CPU（Central Processing Unit）30及存储器40。所述动态任务分配系统10存储于所述存储器40中，用于当所述计算机100有新的任务需处理时将新任务拆解后有效分配给所述GPU 20和CPU 30处理。
本实施例中，所述动态任务分配系统10包括评估模块101、分解模块102、确定模块103、计算模块104、排序模块105、分配模块106、标识模块107及判断模块108（参阅图2所示）。本发明所称的模块是完成一特定功能的程序段，关于各模块的功能将在图3的流程图中具体描述。
如图3所示，是本发明动态任务分配系统的较佳实施例的流程图。为清楚说明本发明，本实施例以计算机100包括一个GPU 20、一个CPU 30，在其他实施例中所述计算机100也可包括多个GPU 20和多个CPU 30。
步骤S1，评估模块101评估GPU 20及CPU 30的实际运算能力。需要说明的是，本步骤可采用业界标准GFLOPS（Floating PointOperations Per Second，每秒所执行的浮点运算次数）峰值计算得到，也可以采用GPU 20、CPU 30芯片厂家所提供设计的运算能力预估法。例如评估得出所述GPU 20的运算能力为200GFLOPS，所述CPU 30的运算能力为20GFLOPS。
对于GPU 20及CPU 30的实际运算能力的评估，可在计算机100每次开机进入操作系统后执行一次本步骤即可。
步骤S2，分解模块102将新任务分解成N项子任务，N为大于等于1的整数。举例而言，例如可以根据现有技术中的数据并行优于任务并行的分解原则将新任务M分解为2个并行子任务M1、M2及需等待M1、M2执行完后方可执行的子任务M3。
步骤S3，确定模块103从所分解得到的子任务中确定一项为待分配的子任务。举例而言，新任务M分解为并行子任务M1、M2及需等待M1、M2执行完后方可执行的子任务M3，则确定模块103确定子任务M1、M2需先执行，而由于子任务M1、M2可并行处理，所述确定模块103可从所述并行子任务中随机选中其中一项子任务例如M1先进行分配，即确定子任务M1为待分配的子任务。
步骤S4，计算模块104根据评估得到的所述GPU 20的实际运算能力计算待分配的子任务M1由所述GPU 20执行时所需的第一预计完成时间；根据评估得到的所述CPU 30的实际运算能力计算待分配的子任务M1由所述CPU 30执行时所需的第二预计完成时间。所述第一预计完成时间等于所述GPU 20执行该项待分配的子任务所需的时间与所述GPU 20处理其当前任务队列中的待处理任务所需的时间之和，所述GPU 20当前任务队列中的待处理任务即是已经分配到所述GPU 20的任务队列但尚未执行的任务；所述第二预计完成时间等于所述CPU 30执行该项待分配的子任务所需的时间与所述CPU 30处理其当前任务队列中的待处理任务所需的时间之和，所述CPU 30当前任务队列中的待处理任务即是已经分配到所述CPU 30的任务队列但尚未执行的任务。
举例而言，例如根据所述GPU 20的实际运算能力预算得到所述GPU 20执行子任务M1所需时间为0.01秒，而所述GPU 20执行其当前任务队列的待处理任务需11秒（在这里，所需时间可通过程序启动时运行提前准备好的数据算出），则所述子任务M1由所述GPU 20执行时的第一预计完成时间为11.01秒。
再如，根据所述CPU 30的实际运算能力计算得出所述CPU 30执行子任务M1所需时间为0.1秒，而所述CPU 30执行其当前任务队列的待处理任务需10秒，则所述子任务M1由所述CPU 30执行时的第二预计完成时间为10.1秒。
需要说明的是，若所述计算模块104在计算某项子任务的第一预计完成时间时（即由所述GPU 20执行时的预计完成时间），发现该项子任务是一项不能由所述GPU 20执行的任务例如是逻辑判断时，则所述计算模块104可直接设置所述子任务的第一预计完成时间等于无穷大，然后再根据所述CPU 30的实际运算能力计算该子任务由所述CPU 30执行时的第二预计完成时间。
步骤S5，排序模块105将所述待分配的子任务的第一及第二预计完成时间进行排序。
例如，将步骤S4中计算得到的子任务M1由所述GPU 20执行的第一预计完成时间和由所述CPU 30执行的第二预计完成时间按照从短到长的顺序进行排序，显然，所述子任务M1由所述CPU 30执行时的第二预计完成时间（10.1秒）短于所述子任务M1由所述GPU 20执行时的第一预计完成时间（11.01秒）。
步骤S6，分配模块106将所述待分配的子任务分配到执行该项子任务所需预计完成时间最短的任务队列。
例如，根据步骤S5的排序结果，将子任务M1分配到CPU 30的任务队列。
需要说明的是，若某项子任务在所述GPU 20下执行时的第一预计完成时间和在所述CPU 30下执行时的第二预计完成时间相等，所述分配模块106将该项子任务分配到所述GPU 20的任务队列。此分配的原因为GPU 20不能处理操作系统的调度作业任务，所以尽可能让更多计算任务交给GPU 20来处理，以保留CPU 30通用处理能力。
步骤S7，若子任务分配到GPU 20的任务队列，标识模块107标识GPU 20执行该项子任务的时间。若子任务分配到CPU 30的任务队列，标识模块107标识CPU 30执行该项子任务的时间。例如子任务M1分配到所述CPU 30后，标识所述CPU 30处理任务名称为M1的任务所需时间为0.1秒。本步骤的目的在于方便步骤S4在计算子任务的第一及第二预计完成时间时，计算GPU 20或CPU 30执行其当前任务队列的待处理任务所需的时间。
步骤S8，判断模块108判断是否还有其他子任务尚未分配，若是则执行步骤S3，若否则结束流程。例如子任务M2及M3尚未完成分配，则回到流程步骤S3，由确定模块103确定下一项待分配的子任务。而由于M2与M1为可并行的子任务，所以确定模块103即可确定子任务M2为下一项待分配的子任务。另外需要说明的是，由于子任务M3需等待M1及M2执行完后方可执行，所述确定模块103需先确定M1及M2执行完后才可确定M3为待分配子任务。
需要说明的是，若所述计算机100包括多个GPU 20和/或多个CPU 30，在步骤S4计算子任务的第一预计完成时间和第二预计完成时间时，则分别计算子任务由不同GPU 20和CPU 30执行时所需的预计完成时间。
举例而言，例如所述计算机100包括2个序列号分别为I、II的GPU 20，3个序列号分别为A、B、C的CPU 30，则根据步骤S1评估得到的所述序列号分别为I、II的GPU 20和序列号分别为A、B、C的CPU 30的运算能力分别计算子任务例如M1的第一预计完成时间和第二预计完成时间。
例如计算得到子任务M1由序列号为I的GPU 20执行时的第一预计完成时间（I-GPU 20）为8.5秒，由序列号为II的GPU 20执行时的第一预计完成时间（II-GPU 20）为9.3秒。而由序列号为A的CPU 30执行时的第二预计完成时间（A-CPU 30）为9.1秒，由序列号为B的CPU 30执行时的第二预计完成时间（B-CPU 30）为9.2秒，由序列号为C的CPU 30执行时的第二预计完成时间（C-CPU30）为8.6秒。显然，在步骤S5进行预计完成时间的排序时，所述子任务M1由序列号为I的GPU 20执行时的预计完成时间最短，则于步骤S6将所述子任务M1分配到所述序列号为I的GPU 20的任务队列。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种动态任务分配系统，其特征在于，该系统包括：
评估模块，用于评估GPU及CPU的实际运算能力；
分解模块，用于将新任务分解成N项子任务，其中N为大于等于1的整数；
确定模块，用于从所分解得到的子任务中确定一项为待分配的子任务；
计算模块，用于当待分配的子任务可由GPU执行时，根据GPU的实际运算能力计算该项子任务由GPU执行时所需的第一预计完成时间，该第一预计完成时间等于所述GPU执行该项子任务所需的时间与所述GPU执行其当前任务队列中的待处理任务所需的时间之和；
所述计算模块，还用于根据CPU的实际运算能力对所述待分配的子任务计算其由CPU执行时所需的第二预计完成时间，该第二预计完成时间等于所述CPU执行该项子任务所需的时间与所述CPU执行其当前任务队列中的待处理任务所需的时间之和；
排序模块，用于将所述待分配的子任务的第一及第二预计完成时间按照时间长短进行排序；及
分配模块，用于根据排序结果将所述待分配的子任务分配到执行该项子任务所需预计完成时间最短的任务队列。
2.如权利要求1所述的动态任务分配系统，其特征在于，若所述待分配的子任务的第一预计完成时间和第二预计完成时间相等，所述分配模块将该项子任务分配到所述GPU的任务队列。
3.如权利要求1或2所述的动态任务分配系统，其特征在于，该系统还包括标识模块，用于当所述待分配的子任务分配到GPU或CPU的任务队列后，标识GPU或CPU执行该项子任务所需的时间。
4.如权利要求1或2所述的动态任务分配系统，其特征在于，当所述待分配的子任务不能由所述GPU执行时，所述计算模块设置该项子任务的第一预计完成时间为无穷大。
5.如权利要求1所述的动态任务分配系统，其特征在于，所述分解模块根据数据并行优于任务并行的分解原则分解新任务。
6.一种动态任务分配方法，其特征在于，该方法包括：
评估步骤，评估GPU及CPU的实际运算能力；
分解步骤，将新任务分解成N项子任务，其中N为大于等于1的整数；
确定步骤，从所分解得到的子任务中确定一项为待分配的子任务；
第一计算步骤，当待分配的子任务可由GPU执行时，根据GPU的实际运算能力计算该项子任务由GPU执行时所需的第一预计完成时间，该第一预计完成时间等于所述GPU执行该项子任务所需的时间与所述GPU执行其当前任务队列中的待处理任务所需的时间之和；
第二计算步骤，根据CPU的实际运算能力对所述待分配的子任务计算其由CPU执行时所需的第二预计完成时间，该第二预计完成时间等于所述CPU执行该项子任务所需的时间与所述CPU执行其当前任务队列中的待处理任务所需的时间之和；
排序步骤，将所述待分配的子任务的第一及第二预计完成时间按照时间长短进行排序；及
分配步骤，根据排序结果将所述待分配的子任务分配到执行该项子任务所需预计完成时间最短的任务队列。
7.如权利要求6所述的动态任务分配方法，其特征在于，若所述待分配的子任务的第一预计完成时间和第二预计完成时间相等，于所述分配步骤将该项子任务分配到所述GPU的任务队列。
8.如权利要求6或7所述的动态任务分配方法，其特征在于，该方法还包括标识步骤：
当所述待分配的子任务分配到GPU的任务队列后，标识GPU执行该项子任务所需的时间；
当所述待分配的子任务分配到CPU的任务队列后，标识CPU执行该项子任务所需的时间。
9.如权利要求6或7所述的动态任务分配方法，其特征在于，当所述待分配的子任务不能由所述GPU执行时，于所述第一计算步骤设置该项子任务的第一预计完成时间为无穷大。
10.如权利要求6所述的动态任务分配方法，其特征在于，所述分解步骤中是根据数据并行优于任务并行的分解原则分解新任务。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210379538.9A CN103713949A (zh) | 2012-10-09 | 2012-10-09 | 动态任务分配系统及方法 |
| TW101138022A TW201415409A (zh) | 2012-10-09 | 2012-10-16 | 動態任務分配系統及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210379538.9A CN103713949A (zh) | 2012-10-09 | 2012-10-09 | 动态任务分配系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103713949A true CN103713949A (zh) | 2014-04-09 |
Family
ID=50406952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210379538.9A Pending CN103713949A (zh) | 2012-10-09 | 2012-10-09 | 动态任务分配系统及方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN103713949A (zh) |
| TW (1) | TW201415409A (zh) |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104267940A (zh) * | 2014-09-17 | 2015-01-07 | 武汉狮图空间信息技术有限公司 | 一种基于cpu+gpu的地图切片的快速生成方法 |
| WO2015062387A1 (en) * | 2013-10-29 | 2015-05-07 | International Business Machines Corporation | Selective utilization of graphics processing unit (gpu) based acceleration in database management |
| CN105183539A (zh) * | 2014-06-17 | 2015-12-23 | 联发科技股份有限公司 | 动态任务安排方法 |
| WO2016011886A1 (zh) * | 2014-07-25 | 2016-01-28 | 阿里巴巴集团控股有限公司 | 对图像进行解码的方法及装置 |
| WO2016078008A1 (zh) * | 2014-11-19 | 2016-05-26 | 华为技术有限公司 | 调度数据流任务的方法和装置 |
| CN106339484A (zh) * | 2016-08-31 | 2017-01-18 | 武汉烽火众智数字技术有限责任公司 | 一种视频智能检索处理的系统及方法 |
| CN106407006A (zh) * | 2016-08-31 | 2017-02-15 | 上海交通大学 | 一种基于Whippletree模型的GPU动态任务分配方法 |
| CN106470228A (zh) * | 2015-08-19 | 2017-03-01 | 研祥智能科技股份有限公司 | 网络通信方法和系统 |
| WO2017045553A1 (zh) * | 2015-09-15 | 2017-03-23 | 阿里巴巴集团控股有限公司 | 一种任务分配方法和系统 |
| CN106648895A (zh) * | 2016-12-26 | 2017-05-10 | 宇龙计算机通信科技(深圳)有限公司 | 一种处理数据的方法、装置及终端 |
| CN106940662A (zh) * | 2017-03-17 | 2017-07-11 | 上海传英信息技术有限公司 | 一种移动终端的多任务分配方法 |
| CN107135257A (zh) * | 2017-04-28 | 2017-09-05 | 东方网力科技股份有限公司 | 一种节点集群中任务分配的方法、节点和系统 |
| CN107590589A (zh) * | 2017-08-25 | 2018-01-16 | 北京科技大学 | 基于gpu集群的城市一般建筑群震害分析的计算加速方法 |
| CN108153583A (zh) * | 2016-12-06 | 2018-06-12 | 阿里巴巴集团控股有限公司 | 任务分配方法及装置、实时计算框架系统 |
| CN109523022A (zh) * | 2018-11-13 | 2019-03-26 | Oppo广东移动通信有限公司 | 终端数据处理方法、装置及终端 |
| CN109656719A (zh) * | 2018-12-19 | 2019-04-19 | Oppo广东移动通信有限公司 | 算法处理方法、装置、存储介质及终端设备 |
| CN109688415A (zh) * | 2019-01-14 | 2019-04-26 | 无锡和博永新科技有限公司 | 基于nvidia gpu的黑白图像jpeg数据编码方法和装置 |
| CN110149801A (zh) * | 2015-05-05 | 2019-08-20 | 华为技术有限公司 | 用于在处理系统中进行数据流图转换的系统和方法 |
| CN110489223A (zh) * | 2019-08-26 | 2019-11-22 | 北京邮电大学 | 一种异构集群中任务调度方法、装置及电子设备 |
| CN111858066A (zh) * | 2020-07-30 | 2020-10-30 | 中国空气动力研究与发展中心超高速空气动力研究所 | 气体动理论统一算法中的cpu+gpu异构并行优化方法 |
| CN112000485A (zh) * | 2020-09-01 | 2020-11-27 | 北京元心科技有限公司 | 任务分配方法、装置、电子设备及计算机可读存储介质 |
| CN112150029A (zh) * | 2020-10-09 | 2020-12-29 | 浙江专线宝网阔物联科技有限公司 | 一种支持动态与分散任务分配的区块链弹性架构设计方法 |
| CN117851076A (zh) * | 2024-03-08 | 2024-04-09 | 中国电子信息产业集团有限公司第六研究所 | 一种硬件资源的调度方法、装置、电子设备及存储介质 |
| CN117851076B (zh) * | 2024-03-08 | 2024-05-28 | 中国电子信息产业集团有限公司第六研究所 | 一种硬件资源的调度方法、装置、电子设备及存储介质 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104121942A (zh) * | 2014-07-08 | 2014-10-29 | 哈尔滨工业大学 | 基于GPU和openCV图像处理的汽车仪表自动检测装置 |
| TWI756974B (zh) | 2020-12-09 | 2022-03-01 | 財團法人工業技術研究院 | 機器學習系統及其資源配置方法 |
-
2012
- 2012-10-09 CN CN201210379538.9A patent/CN103713949A/zh active Pending
- 2012-10-16 TW TW101138022A patent/TW201415409A/zh unknown
Cited By (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015062387A1 (en) * | 2013-10-29 | 2015-05-07 | International Business Machines Corporation | Selective utilization of graphics processing unit (gpu) based acceleration in database management |
| US9727942B2 (en) | 2013-10-29 | 2017-08-08 | International Business Machines Corporation | Selective utilization of graphics processing unit (GPU) based acceleration in database management |
| US9721322B2 (en) | 2013-10-29 | 2017-08-01 | International Business Machines Corporation | Selective utilization of graphics processing unit (GPU) based acceleration in database management |
| CN105183539B (zh) * | 2014-06-17 | 2019-03-01 | 联发科技股份有限公司 | 动态任务安排方法 |
| CN105183539A (zh) * | 2014-06-17 | 2015-12-23 | 联发科技股份有限公司 | 动态任务安排方法 |
| US9959142B2 (en) | 2014-06-17 | 2018-05-01 | Mediatek Inc. | Dynamic task scheduling method for dispatching sub-tasks to computing devices of heterogeneous computing system and related computer readable medium |
| WO2016011886A1 (zh) * | 2014-07-25 | 2016-01-28 | 阿里巴巴集团控股有限公司 | 对图像进行解码的方法及装置 |
| CN105338358A (zh) * | 2014-07-25 | 2016-02-17 | 阿里巴巴集团控股有限公司 | 对图像进行解码的方法及装置 |
| CN105338358B (zh) * | 2014-07-25 | 2018-12-28 | 阿里巴巴集团控股有限公司 | 对图像进行解码的方法及装置 |
| CN104267940A (zh) * | 2014-09-17 | 2015-01-07 | 武汉狮图空间信息技术有限公司 | 一种基于cpu+gpu的地图切片的快速生成方法 |
| US10558498B2 (en) | 2014-11-19 | 2020-02-11 | Huawei Technologies Co., Ltd. | Method for scheduling data flow task and apparatus |
| CN105900064B (zh) * | 2014-11-19 | 2019-05-03 | 华为技术有限公司 | 调度数据流任务的方法和装置 |
| CN105900064A (zh) * | 2014-11-19 | 2016-08-24 | 华为技术有限公司 | 调度数据流任务的方法和装置 |
| WO2016078008A1 (zh) * | 2014-11-19 | 2016-05-26 | 华为技术有限公司 | 调度数据流任务的方法和装置 |
| CN110149801A (zh) * | 2015-05-05 | 2019-08-20 | 华为技术有限公司 | 用于在处理系统中进行数据流图转换的系统和方法 |
| CN106470228A (zh) * | 2015-08-19 | 2017-03-01 | 研祥智能科技股份有限公司 | 网络通信方法和系统 |
| WO2017045553A1 (zh) * | 2015-09-15 | 2017-03-23 | 阿里巴巴集团控股有限公司 | 一种任务分配方法和系统 |
| CN106339484B (zh) * | 2016-08-31 | 2019-07-12 | 武汉烽火众智数字技术有限责任公司 | 一种视频智能检索处理的系统及方法 |
| CN106407006A (zh) * | 2016-08-31 | 2017-02-15 | 上海交通大学 | 一种基于Whippletree模型的GPU动态任务分配方法 |
| CN106339484A (zh) * | 2016-08-31 | 2017-01-18 | 武汉烽火众智数字技术有限责任公司 | 一种视频智能检索处理的系统及方法 |
| CN108153583A (zh) * | 2016-12-06 | 2018-06-12 | 阿里巴巴集团控股有限公司 | 任务分配方法及装置、实时计算框架系统 |
| CN108153583B (zh) * | 2016-12-06 | 2022-05-13 | 阿里巴巴集团控股有限公司 | 任务分配方法及装置、实时计算框架系统 |
| CN106648895A (zh) * | 2016-12-26 | 2017-05-10 | 宇龙计算机通信科技(深圳)有限公司 | 一种处理数据的方法、装置及终端 |
| CN106940662A (zh) * | 2017-03-17 | 2017-07-11 | 上海传英信息技术有限公司 | 一种移动终端的多任务分配方法 |
| CN107135257A (zh) * | 2017-04-28 | 2017-09-05 | 东方网力科技股份有限公司 | 一种节点集群中任务分配的方法、节点和系统 |
| CN107590589A (zh) * | 2017-08-25 | 2018-01-16 | 北京科技大学 | 基于gpu集群的城市一般建筑群震害分析的计算加速方法 |
| CN109523022B (zh) * | 2018-11-13 | 2022-04-05 | Oppo广东移动通信有限公司 | 终端数据处理方法、装置及终端 |
| CN109523022A (zh) * | 2018-11-13 | 2019-03-26 | Oppo广东移动通信有限公司 | 终端数据处理方法、装置及终端 |
| CN109656719A (zh) * | 2018-12-19 | 2019-04-19 | Oppo广东移动通信有限公司 | 算法处理方法、装置、存储介质及终端设备 |
| CN109688415A (zh) * | 2019-01-14 | 2019-04-26 | 无锡和博永新科技有限公司 | 基于nvidia gpu的黑白图像jpeg数据编码方法和装置 |
| CN110489223A (zh) * | 2019-08-26 | 2019-11-22 | 北京邮电大学 | 一种异构集群中任务调度方法、装置及电子设备 |
| CN110489223B (zh) * | 2019-08-26 | 2022-03-29 | 北京邮电大学 | 一种异构集群中任务调度方法、装置及电子设备 |
| CN111858066A (zh) * | 2020-07-30 | 2020-10-30 | 中国空气动力研究与发展中心超高速空气动力研究所 | 气体动理论统一算法中的cpu+gpu异构并行优化方法 |
| CN111858066B (zh) * | 2020-07-30 | 2022-07-15 | 中国空气动力研究与发展中心超高速空气动力研究所 | 气体动理论统一算法中的cpu+gpu异构并行优化方法 |
| CN112000485A (zh) * | 2020-09-01 | 2020-11-27 | 北京元心科技有限公司 | 任务分配方法、装置、电子设备及计算机可读存储介质 |
| CN112000485B (zh) * | 2020-09-01 | 2024-01-12 | 北京元心科技有限公司 | 任务分配方法、装置、电子设备及计算机可读存储介质 |
| CN112150029A (zh) * | 2020-10-09 | 2020-12-29 | 浙江专线宝网阔物联科技有限公司 | 一种支持动态与分散任务分配的区块链弹性架构设计方法 |
| CN117851076A (zh) * | 2024-03-08 | 2024-04-09 | 中国电子信息产业集团有限公司第六研究所 | 一种硬件资源的调度方法、装置、电子设备及存储介质 |
| CN117851076B (zh) * | 2024-03-08 | 2024-05-28 | 中国电子信息产业集团有限公司第六研究所 | 一种硬件资源的调度方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201415409A (zh) | 2014-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103713949A (zh) | 动态任务分配系统及方法 | |
| JP6898496B2 (ja) | 計算グラフの処理 | |
| CN105183539B (zh) | 动态任务安排方法 | |
| US9501318B2 (en) | Scheduling and execution of tasks based on resource availability | |
| Rajendran et al. | Scheduling to minimize the sum of weighted flowtime and weighted tardiness of jobs in a flowshop with sequence-dependent setup times | |
| TW201701199A (zh) | 類神經網路處理器中之批次處理 | |
| KR101400577B1 (ko) | Gpu를 이용한 희소행렬 곱셈 방법 | |
| WO2014104912A1 (en) | Processing method for a multicore processor and milticore processor | |
| CN105378668A (zh) | 多处理器系统中的操作系统管理的中断引导 | |
| CN111694844A (zh) | 基于配置算法的企业运行数据分析方法、装置及电子设备 | |
| US20150081263A1 (en) | Production simulation apparatus and production simulation method | |
| Blazewicz et al. | A comparison of solution procedures for two-machine flow shop scheduling with late work criterion | |
| US20140172344A1 (en) | Method, system and apparatus for testing multiple identical components of multi-component integrated circuits | |
| CN113742069A (zh) | 基于人工智能的容量预测方法、装置及存储介质 | |
| Zuk et al. | Reducing response latency of composite functions-as-a-service through scheduling | |
| Davidović et al. | Parallel local search to schedule communicating tasks on identical processors | |
| CN110825502B (zh) | 神经网络处理器和用于神经网络处理器的任务调度方法 | |
| US9529688B2 (en) | Performance evaluation device and performance evaluation method | |
| CN111814106A (zh) | 时序数据滞后性处理方法、装置、电子设备及存储介质 | |
| CN115373826B (zh) | 一种基于云计算的任务调度方法及装置 | |
| CN113407322B (zh) | 多终端的任务分配方法、装置、电子设备及可读存储介质 | |
| CN114090219A (zh) | 调度系统、方法、装置、芯片、计算机设备及存储介质 | |
| CN114625512A (zh) | 任务调度方法、装置、电子设备及存储介质 | |
| CN115242662B (zh) | 基于云计算的数据资源分配方法及装置 | |
| CN105335208A (zh) | 确定虚拟环境中物理计算资源冲突概率的方法与设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140409 |