CN104123190B - 异构集群系统的负载均衡方法和装置 - Google Patents
异构集群系统的负载均衡方法和装置 Download PDFInfo
- Publication number
- CN104123190B CN104123190B CN201410352752.4A CN201410352752A CN104123190B CN 104123190 B CN104123190 B CN 104123190B CN 201410352752 A CN201410352752 A CN 201410352752A CN 104123190 B CN104123190 B CN 104123190B
- Authority
- CN
- China
- Prior art keywords
- calculating task
- task block
- computing units
- calculating
- mic
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000003068 static effect Effects 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims 1
- 238000004647 photon scanning tunneling microscopy Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- IERHLVCPSMICTF-XVFCMESISA-N CMP group Chemical group P(=O)(O)(O)OC[C@@H]1[C@H]([C@H]([C@@H](O1)N1C(=O)N=C(N)C=C1)O)O IERHLVCPSMICTF-XVFCMESISA-N 0.000 description 4
- 239000013317 conjugated microporous polymer Substances 0.000 description 4
- 210000003643 myeloid progenitor cell Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Multi Processors (AREA)
Abstract
本发明提供了一种异构集群系统的负载均衡方法和装置，其中方法包括将应用程序的所有计算任务划分为计算任务块，判断在计算过程中计算任务块之间是否有依赖，如果没有，采用动态负载均衡方法，CPU计算单元和MIC计算单元动态获取计算任务块，否则，采用预算静态负载均衡方法，向CPU计算单元和MIC计算单元分配计算任务块。本发明通过将计算任务划分为计算任务块，动态或预算静态地将计算任务块分配给CPU计算单元和MIC计算单元，实现CPU+MIC异构集群系统中计算负载均衡。
Description
技术领域
本发明涉及异构计算技术领域，尤其涉及一种异构集群系统的负载均衡方法和装置。
背景技术
随着信息化社会的飞速发展，人类对信息处理能力的要求越来越高，不仅石油勘探、气象预报、航天国防、科学研究等需求高性能计算，金融、政府信息化、教育、企业、网络游戏等更广泛的领域对高性能计算的需求迅猛增长。
应用计算速度是高性能计算的关键。目前高性能计算朝多核和众核方向发展，采用异构并行提升应用计算速度，例如中央处理器(CPU，Central Processing Unit)+图形处理器(GPU，Graphic Processing Unit)异构协同计算模式，但由于GPU主要用于图形处理，应用面窄。
集成众核(MIC，Intel Many Integrated Core)是Intel公司开发的，用于高性能并行计算的众核芯片。MIC通常有50个以上精简的x86核心，每个core支持4个硬件线程，可并行执行的任务数达到200以上，提供高度并行的计算能力，其双精峰值性能达到1TFlops，因此MIC具有高性能计算能力。
MIC并非欲取代CPU，而是作为CPU的协处理器存在。但是，在CPU+MIC异构集群系统中，CPU与MIC的计算能力不同，这将导致的CPU与MIC计算负载不均衡问题，因此对应用计算速度提高有限。
发明内容
为了解决上述技术问题，本发明提供了一种异构集群系统的负载均衡方法和装置，能够实现异构集群系统中计算负载均衡，从而进一步提高异构集群系统的计算速度。
为了达到本发明目的，本发明提供了一种异构集群系统的负载均衡方法，包括将应用程序的所有计算任务划分为计算任务块；判断在计算过程中计算任务块之间是否有依赖；如果判断出计算任务块之间没有依赖，采用动态负载均衡方法，中央处理器CPU计算单元和集成众核MIC计算单元动态获取计算任务块；如果判断出计算任务块之间有依赖，根据CPU计算单元和MIC计算单元的计算能力，采用预算静态负载均衡方法，向CPU计算单元和MIC计算单元分配计算任务块。
进一步地，将应用程序的所有计算任务划分为计算任务块，包括，将应用程序的所有计算任务均匀划分为计算任务块，其中每个计算任务块的计算量相同或者每个计算任务块的计算量不同。
进一步地，判断出计算任务块之间有依赖，包括，如果各个计算任务块计算完后需要数据通信或同步，则判断出计算任务块之间有依赖；所述判断出计算任务块之间没有依赖，包括，如果各个计算任务块计算完后不需要数据通信或同步，则判断出计算任务块之间没有依赖。
进一步地，采用动态负载均衡方法，CPU计算单元和MIC计算单元动态获取计算任务块，包括，设置CPU计算单元每次动态获取N1个计算任务块，MIC计算单元每次动态获取N2个计算任务块，N1＜N2，每个CPU计算单元动态获取N1个计算任务块，CPU计算单元计算完后，CPU计算单元再动态获取N1个计算任务块；每个MIC计算单元动态获取N2个计算任务块，MIC计算单元计算完后，MIC计算单元再动态获取N2个计算任务块；若计算任务块的数量小于(M×N1+2M×N2)个，每个CPU计算单元动态获取N1’个计算任务块，每个MIC计算单元动态获取N2’个计算任务块，其中，M为计算节点的数量，N1’＜N1，N2’＜N2。
进一步地，根据CPU计算单元和MIC计算单元的计算能力，采用预算静态负载均衡方法向CPU计算单元和MIC计算单元分配计算任务块，包括，根据CPU计算单元和MIC计算单元对同一个计算任务块进行计算的计算时间S1和S2，得出CPU计算单元和MIC计算单元的计算能力比S＝S1/S2；根据CPU计算单元和MIC计算单元的计算能力比S，向每个CPU计算单元分配N/(M+S×2M)个计算任务块，向每个MIC计算单元分配(N/(M+S×2M))×S个计算任务块，其中N是所有计算任务块的数量，M是计算节点的数量。
本发明提供了一种异构集群系统的负载均衡装置，包括：划分模块，用于将应用程序的所有计算任务划分为计算任务块；判断模块，用于判断在计算过程中计算任务块之间是否有依赖；动态负载均衡模块，用于若判断模块判断出计算任务块之间没有依赖，采用动态负载均衡方法，CPU计算单元和MIC计算单元动态获取计算任务块；预算静态负载均衡模块，用于若判断模块判断出计算任务块之间有依赖，根据CPU计算单元和MIC计算单元的计算能力，采用预算静态负载均衡方法，向CPU计算单元和MIC计算单元分配计算任务块。
进一步地，划分模块，具体用于将应用程序的所有计算任务均匀划分为计算任务块，其中每个计算任务块的计算量相同或者每个计算任务块的计算量不同。
进一步地，判断模块判断出计算任务块之间有依赖，具体包括如果各个计算任务块计算完后需要数据通信或同步，则判断出计算任务块之间有依赖；判断模块判断出计算任务块之间没有依赖，具体包括如果各个计算任务块计算完后不需要数据通信或同步，则判断出计算任务块之间没有依赖。
进一步地，动态负载均衡模块包括设置子模块和动态获取子模块，其中，设置子模块，用于设置CPU计算单元每次动态获取N1个计算任务块，MIC计算单元每次动态获取N2个计算任务块，N1＜N2；若计算任务块的数量小于(M×N1+2M×N2)，设置CPU计算单元动态获取N1’个计算任务块，MIC计算单元动态获取N2’个计算任务块，其中M为计算节点的数量，N1’＜N1，N2’＜N2；动态获取子模块，用于根据设置子模块的设置数量，每个CPU计算单元动态获取N1个计算任务块，CPU计算单元计算完后，CPU计算单元再动态获取N1个计算任务块；每个MIC计算单元动态获取N2个计算任务块，MIC计算单元计算完后，再动态获取N2个计算任务块；若计算任务块的数量小于(M×N1+2M×N2)，CPU计算单元动态获取N1’个计算任务块，MIC计算单元动态获取N2’个计算任务块。
进一步地，预算静态负载均衡模块包括计算子模块和静态分配子模块，其中，计算子模块，用于根据CPU计算单元和MIC计算单元对同一个计算任务块进行计算的计算时间S1和S2，计算得出CPU计算单元和MIC计算单元的计算能力比S＝S1/S2；静态分配子模块，用于根据CPU计算单元和MIC计算单元的计算能力比S，向每个CPU计算单元分配N/(M+S×2M)个计算任务块，向每个MIC计算单元分配(N/(M+S×2M))×S个计算任务块，其中N是所有计算任务块的数量，M是计算节点的数量。
与现有技术相比，本发明包括：将应用程序的所有计算任务划分为计算任务块；判断在计算过程中计算任务块之间是否有依赖；如果判断出计算任务块之间没有依赖，采用动态负载均衡方法，中央处理器CPU计算单元和集成众核MIC计算单元动态获取计算任务块；如果判断出计算任务块之间有依赖，根据CPU计算单元和MIC计算单元的计算能力，采用预算静态负载均衡方法向CPU计算单元和MIC计算单元分配计算任务块。本发明通过将计算任务划分为计算任务块，采用动态负载均衡方法或者预算静态负载均衡方法，将计算任务块分配给CPU计算单元和MIC计算单元，CPU计算单元和MIC计算单元可以同步计算完成，实现CPU+MIC异构集群系统中计算负载均衡。
附图说明
图1是本发明异构集群系统的负载均衡系统的架构示意图。
图2是本发明异构集群系统的负载均衡方法的流程示意图。
图3是本发明异构集群系统的负载均衡装置的结构示意图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。
图1是本发明异构集群系统的负载均衡系统的架构示意图，如图1所示，在本发明实施例中，该异构集群系统是CPU+MIC异构集群系统，该CPU+MIC异构集群系统包括至少两个计算节点，计算节点之间由高速网络互连。每个计算节点包括至少3个计算单元，该至少3个计算单元为一个CPU计算单元和至少两个MIC计算单元，其中至少2块CPU组成一个CPU计算单元，每个MIC分别为一个MIC计算单元，CPU计算单元与MIC计算单元通过连接器连接通信，该连接器可以为PCIE插槽。
图2是本发明异构集群系统的负载均衡方法的流程示意图，如图2所示，包括：
步骤21，将应用程序的所有计算任务划分为计算任务块。
在本步骤中，计算节点的物理单元存储需要进行计算的数据，根据待处理的物理单元，将应用程序的所有计算任务均匀划分为N个计算任务块。
在实际处理中，一方面，每个物理单元并不一定都会进行计算，另一方面，物理单元中存储的数据不同，计算量也会不同，例如某个物理单元存储的数据是0值，那么它比非0值的计算量要小，所以，每个计算任务块的计算量有可能相同，也有可能不同。
步骤22，判断在计算过程中计算任务块之间是否有依赖，如果没有依赖，进入步骤23；如果有依赖，进入步骤24；
在本步骤中，根据应用程序的算法，如果各个计算任务块计算完后需要数据通信或同步，则判断出计算任务块之间有依赖。如果各个计算任务块计算完后不需要数据通信或同步，则判断出计算任务块之间没有依赖。
步骤23，采用动态负载均衡方法，CPU计算单元和MIC计算单元动态获取计算任务块。
在本步骤中，设置CPU计算单元每次动态获取N1个计算任务块，MIC计算单元每次动态获取N2个计算任务块，因为MIC计算单元的计算能力大于CPU计算单元，所以N1＜N2。
每个CPU计算单元动态获取N1个计算任务块，CPU计算单元计算完后，CPU计算单元在动态获取N1个计算任务块；每个MIC计算单元动态获取N2个计算任务块，MIC计算单元计算完后，MIC计算单元再动态获取N2个计算任务块。直到剩余的计算任务块的数量小于(M×N1+2M×N2)个，其中M为计算节点的数量。
计算任务块将不够CPU计算单元和MIC计算单元分配，设置CPU计算单元动态获取N1’个计算任务块，MIC计算单元动态获取N2’个计算任务块，其中N1’＜N1，N2’＜N2。CPU计算单元动态获取N1’个计算任务块，MIC计算单元动态获取N2’个计算任务块。
步骤24，根据CPU计算单元和MIC计算单元的计算能力，采用预算静态负载均衡方法向CPU计算单元和MIC计算单元分配计算任务块。
在本步骤中，选择一个计算任务块，CPU计算单元和MIC计算单元对该计算任务块进行计算，可以得出CPU计算单元计算该计算任务块的计算时间S1，MIC计算单元计算该计算任务块的计算时间S2，由此，可得出CPU计算单元和MIC计算单元的计算能力比S＝S1/S2。
根据CPU计算单元和MIC计算单元的计算能力比S，把所有计算任务块一次性的分配给CPU计算单元和MIC计算单元，即向每个CPU计算单元分配N/(M+S×2M)个计算任务块；向每个MIC计算单元分配(N/(M+S×2M))×S个计算任务块，其中N是所有计算任务块的数量，M是计算节点的数量。
本发明通过将计算任务划分为计算任务块，采用动态负载均衡方法或者预算静态负载均衡方法，将计算任务块分配给CPU计算单元和MIC计算单元，CPU计算单元和MIC计算单元可以同步计算完成，实现CPU+MIC异构集群系统中计算负载均衡。
图3是本发明异构集群系统的负载均衡装置的结构示意图，如图3所示，包括：
划分模块，用于将应用程序的所有计算任务划分为计算任务块。
判断模块，用于判断在计算过程中计算任务块之间是否有依赖。
具体地，根据应用程序的算法，如果各个计算任务块计算完后需要数据通信或同步，则判断模块可以判断出计算任务块之间有依赖。如果各个计算任务块计算完后不需要数据通信或同步，则判断模块可以判断出计算任务块之间没有依赖。
动态负载均衡模块，用于若计算任务块之间没有依赖，采用动态负载均衡方法，CPU计算单元和MIC计算单元动态获取计算任务块。
具体地，该动态负载均衡模块还包括设置子模块和动态获取子模块，其中，
设置子模块，用于设置CPU计算单元每次动态获取N1个计算任务块，MIC计算单元每次动态获取N2个计算任务块，其中N1＜N2；若计算任务块的数量小于(M×N1+2M×N2)，设置CPU计算单元动态获取N1’个计算任务块，MIC计算单元动态获取N2’个计算任务块，其中M为计算节点的数量，N1’＜N1，N2’＜N2。
动态获取子模块，用于根据设置子模块的设置数量，每个CPU计算单元动态获取N1个计算任务块，CPU计算单元计算完后，CPU计算单元在动态获取N1个计算任务块；每个MIC计算单元动态获取N2个计算任务块，MIC计算单元计算完后，再动态获取N2个计算任务块；若计算任务块的数量小于(M×N1+2M×N2)，CPU计算单元动态获取N1’个计算任务块，MIC计算单元动态获取N2’个计算任务块。
预算静态负载均衡模块，用于若计算任务块之间有依赖，根据CPU计算单元和MIC计算单元的计算能力，采用预算静态负载均衡方法向CPU计算单元和MIC计算单元分配计算任务块。
具体地，该预算静态负载均衡模块还包括计算子模块和静态分配子模块，其中，
计算子模块，用于根据CPU计算单元和MIC计算单元对同一个计算任务块进行计算的计算时间S1和S2，计算得出CPU计算单元和MIC计算单元的计算能力比S＝S1/S2；
静态分配子模块，用于根据CPU计算单元和MIC计算单元的计算能力比S，向每个CPU计算单元分配N/(M+S×2M)个计算任务块，向每个MIC计算单元分配(N/(M+S×2M))×S个计算任务块，其中N是所有计算任务块的数量，M是计算节点的数量。
本发明通过将计算任务划分为计算任务块，采用动态负载均衡方法或者预算静态负载均衡方法，将计算任务块分配给CPU计算单元和MIC计算单元，CPU计算单元和MIC计算单元可以同步计算完成，实现CPU+MIC异构集群系统中计算负载均衡。
为了更清楚地介绍本发明，下面将以描述一个具体实例。该具体实例的应用程序为地震叠前时间偏移(PSTM，PreStack Time Migration)，其算法有高并行任务，适合采用CPU+MIC异构集群系统进行计算。在该具体实例中，8个计算节点由高速网络互连，构建为CPU+MIC异构集群系统，因此整个系统的CPU计算单元为8个，MIC计算单元为16个。
对计算任务进行均匀划分，例如PSTM成像空间上的测线为90条，每条测线上960个共中心点点，PSTM任务按照共中心点进行均匀划分，那么所需要的计算任务数为90×960。
依赖判断，由于PSTM算法需要把所有共中心点一次性分配到各个计算单元，采用成像空间不动，地震道并行处理机制，所以需要采用预算静态负载均衡方法，一次性把所有点划分到各个计算单元。
采用预算静态负载均衡方法，首先选择一个共中心点，处理100道地震道数据，CPU计算单元的处理时间S1为4s，MIC计算单元的时间S2为2s，MIC与CPU的计算能力比S为2:1；根据MIC与CPU的计算能力比把所有计算任务是一次性分配给系统中所有的CPU计算单元和MIC计算单元，每个CPU计算单元分配的计算任务为90×960/(8+2×2×8)＝2160；每个MIC计算单元分配的计算任务为(90×960/(8+2×2×8))*2＝4320，使整个系统达到高效负载均衡。在CPU同构系统下，PSTM以单线程串行方式花费的时间为76053s，而在CPU+MIC异构集群系统下采用此高效均衡设计方法运行时间为537s，性能得到较大的提升。
应当理解，虽然本说明书根据实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用于限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (8)
1.一种异构集群系统的负载均衡方法，其特征在于，包括：
将应用程序的所有计算任务划分为计算任务块，其中，计算节点的物理单元存储需要进行计算的数据，根据待处理的物理单元，将应用程序的所有计算任务均匀划分为N个计算任务块；
判断在计算过程中计算任务块之间是否有依赖；
如果判断出计算任务块之间没有依赖，采用动态负载均衡方法，中央处理器CPU计算单元和集成众核MIC计算单元动态获取计算任务块；
如果判断出计算任务块之间有依赖，根据CPU计算单元和MIC计算单元的计算能力，采用预算静态负载均衡方法，向CPU计算单元和MIC计算单元分配计算任务块；
其中，所述根据CPU计算单元和MIC计算单元的计算能力，采用预算静态负载均衡方法，向CPU计算单元和MIC计算单元分配计算任务块，包括，
根据CPU计算单元和MIC计算单元对同一个计算任务块进行计算的计算时间S1和S2，得出CPU计算单元和MIC计算单元的计算能力比S＝S1/S2；
根据CPU计算单元和MIC计算单元的计算能力比S，向每个CPU计算单元分配N/(M+S×2M)个计算任务块，向每个MIC计算单元分配(N/(M+S×2M))×S个计算任务块，其中N是所有计算任务块的数量，M是计算节点的数量。
2.根据权利要求1所述的异构集群系统的负载均衡方法，其特征在于，所述将应用程序的所有计算任务划分为计算任务块，包括，
将应用程序的所有计算任务均匀划分为计算任务块，其中每个计算任务块的计算量相同或者每个计算任务块的计算量不同。
3.根据权利要求1所述的异构集群系统的负载均衡方法，其特征在于，所述判断出计算任务块之间有依赖，包括，
如果各个计算任务块计算完后需要数据通信或同步，则判断出计算任务块之间有依赖；
所述判断出计算任务块之间没有依赖，包括，
如果各个计算任务块计算完后不需要数据通信或同步，则判断出计算任务块之间没有依赖。
4.根据权利要求1所述的异构集群系统的负载均衡方法，其特征在于，所述采用动态负载均衡方法，CPU计算单元和MIC计算单元动态获取计算任务块，包括，
设置每个CPU计算单元每次动态获取N1个计算任务块，MIC计算单元每次动态获取N2个计算任务块，其中N1＜N2；
每个CPU计算单元动态获取N1个计算任务块，CPU计算单元计算完后，CPU计算单元再动态获取N1个计算任务块；每个MIC计算单元动态获取N2个计算任务块，MIC计算单元计算完后，MIC计算单元再动态获取N2个计算任务块；
若计算任务块的数量小于(M×N1+2M×N2)个，每个CPU计算单元动态获取N1’个计算任务块，每个MIC计算单元动态获取N2’个计算任务块，其中，M为计算节点的数量，N1’＜N1，N2’＜N2。
5.一种异构集群系统的负载均衡装置，其特征在于，包括：
划分模块，用于将应用程序的所有计算任务划分为计算任务块，其中，计算节点的物理单元存储需要进行计算的数据，根据待处理的物理单元，将应用程序的所有计算任务均匀划分为N个计算任务块；
判断模块，用于判断在计算过程中计算任务块之间是否有依赖；
动态负载均衡模块，用于若判断模块判断出计算任务块之间没有依赖，采用动态负载均衡方法，CPU计算单元和MIC计算单元动态获取计算任务块；
预算静态负载均衡模块，用于若判断模块判断出计算任务块之间有依赖，根据CPU计算单元和MIC计算单元的计算能力，采用静态负载均衡方法，向CPU计算单元和MIC计算单元分配计算任务块；
其中，所述预算静态负载均衡模块包括计算子模块和静态分配子模块，其中，
计算子模块，用于根据CPU计算单元和MIC计算单元对同一个计算任务块进行计算的计算时间S1和S2，计算得出CPU计算单元和MIC计算单元的计算能力比S＝S1/S2；
静态分配子模块，用于根据CPU计算单元和MIC计算单元的计算能力比S，向每个CPU计算单元分配N/(M+S×2M)个计算任务块，向每个MIC计算单元分配(N/(M+S×2M))×S个计算任务块，其中N是所有计算任务块的数量，M是计算节点的数量。
6.根据权利要求5所述的异构集群系统的负载均衡装置，其特征在于，所述划分模块，具体用于将应用程序的所有计算任务均匀划分为计算任务块，其中每个计算任务块的计算量相同或者每个计算任务块的计算量不同。
7.根据权利要求5所述的异构集群系统的负载均衡装置，其特征在于，所述判断模块判断出计算任务块之间有依赖，具体包括如果各个计算任务块计算完后需要数据通信或同步，则判断出计算任务块之间有依赖；
所述判断模块判断出计算任务块之间没有依赖，具体包括如果各个计算任务块计算完后不需要数据通信或同步，则判断出计算任务块之间没有依赖。
8.根据权利要求5所述的异构集群系统的负载均衡装置，其特征在于，所述动态负载均衡模块包括设置子模块和动态获取子模块，其中，
设置子模块，用于设置CPU计算单元每次动态获取N1个计算任务块，MIC计算单元每次动态获取N2个计算任务块，其中N1＜N2；若计算任务块的数量小于(M×N1+2M×N2)，设置CPU计算单元动态获取N1’个计算任务块，MIC计算单元动态获取N2’个计算任务块，其中M为计算节点的数量，N1’＜N1，N2’＜N2；
动态获取子模块，用于根据设置子模块的设置数量，每个CPU计算单元动态获取N1个计算任务块，CPU计算单元计算完后，CPU计算单元再动态获取N1个计算任务块；每个MIC计算单元动态获取N2个计算任务块，MIC计算单元计算完后，再动态获取N2个计算任务块；若计算任务块的数量小于(M×N1+2M×N2)，CPU计算单元动态获取N1’个计算任务块，MIC计算单元动态获取N2’个计算任务块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410352752.4A CN104123190B (zh) | 2014-07-23 | 2014-07-23 | 异构集群系统的负载均衡方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410352752.4A CN104123190B (zh) | 2014-07-23 | 2014-07-23 | 异构集群系统的负载均衡方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104123190A CN104123190A (zh) | 2014-10-29 |
| CN104123190B true CN104123190B (zh) | 2017-09-19 |
Family
ID=51768611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410352752.4A Active CN104123190B (zh) | 2014-07-23 | 2014-07-23 | 异构集群系统的负载均衡方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104123190B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9979656B2 (en) | 2015-12-07 | 2018-05-22 | Oracle International Corporation | Methods, systems, and computer readable media for implementing load balancer traffic policies |
| US10489206B2 (en) * | 2016-12-30 | 2019-11-26 | Texas Instruments Incorporated | Scheduling of concurrent block based data processing tasks on a hardware thread scheduler |
| CN106886503A (zh) * | 2017-02-08 | 2017-06-23 | 无锡十月中宸科技有限公司 | 异构系统、数据处理方法及装置 |
| US10798609B2 (en) | 2018-10-16 | 2020-10-06 | Oracle International Corporation | Methods, systems, and computer readable media for lock-free communications processing at a network node |
| CN109522106B (zh) * | 2018-10-22 | 2023-01-17 | 广东工业大学 | 一种基于协同计算的风险价值模拟动态任务调度方法 |
| CN111736966B (zh) * | 2020-05-11 | 2022-04-19 | 深圳先进技术研究院 | 基于多板fpga异构系统的任务部署方法及设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2472397A1 (en) * | 2010-12-28 | 2012-07-04 | POLYTEDA Software Corporation Limited | Load distribution scheduling method in data processing system |
| CN102591712A (zh) * | 2011-12-30 | 2012-07-18 | 大连理工大学 | 一种云计算中依赖任务的解耦并行调度方法 |
| CN103018776A (zh) * | 2012-11-22 | 2013-04-03 | 浪潮电子信息产业股份有限公司 | 一种利用cpu/mic协同计算加速地震叠前时间偏移的方法 |
| CN103049329A (zh) * | 2012-11-22 | 2013-04-17 | 浪潮电子信息产业股份有限公司 | 一种基于cpu/mic异构体系结构的高效能系统 |
| CN103279391A (zh) * | 2013-06-09 | 2013-09-04 | 浪潮电子信息产业股份有限公司 | 一种基于cpu与mic架构处理器协同计算的负载均衡优化方法 |
| CN103294639A (zh) * | 2013-06-09 | 2013-09-11 | 浪潮电子信息产业股份有限公司 | 一种实现大规模计算的cpu+mic混合异构集群系统 |
| CN103902387A (zh) * | 2014-04-29 | 2014-07-02 | 浪潮电子信息产业股份有限公司 | 一种cpu+gpu协同并行计算动态负载均衡方法 |
-
2014
- 2014-07-23 CN CN201410352752.4A patent/CN104123190B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2472397A1 (en) * | 2010-12-28 | 2012-07-04 | POLYTEDA Software Corporation Limited | Load distribution scheduling method in data processing system |
| CN102591712A (zh) * | 2011-12-30 | 2012-07-18 | 大连理工大学 | 一种云计算中依赖任务的解耦并行调度方法 |
| CN103018776A (zh) * | 2012-11-22 | 2013-04-03 | 浪潮电子信息产业股份有限公司 | 一种利用cpu/mic协同计算加速地震叠前时间偏移的方法 |
| CN103049329A (zh) * | 2012-11-22 | 2013-04-17 | 浪潮电子信息产业股份有限公司 | 一种基于cpu/mic异构体系结构的高效能系统 |
| CN103279391A (zh) * | 2013-06-09 | 2013-09-04 | 浪潮电子信息产业股份有限公司 | 一种基于cpu与mic架构处理器协同计算的负载均衡优化方法 |
| CN103294639A (zh) * | 2013-06-09 | 2013-09-11 | 浪潮电子信息产业股份有限公司 | 一种实现大规模计算的cpu+mic混合异构集群系统 |
| CN103902387A (zh) * | 2014-04-29 | 2014-07-02 | 浪潮电子信息产业股份有限公司 | 一种cpu+gpu协同并行计算动态负载均衡方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104123190A (zh) | 2014-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104123190B (zh) | 异构集群系统的负载均衡方法和装置 | |
| CN106445629B (zh) | 一种负载均衡的方法及其装置 | |
| CN103713956B (zh) | 应用于云计算虚拟化管理环境中的智能加权负载均衡方法 | |
| Zhang et al. | Exploring the hidden dimension in graph processing | |
| CN104375897B (zh) | 基于最小相对负载不均衡度的云计算资源调度方法 | |
| CN103716381B (zh) | 一种分布式系统的控制方法，及管理节点 | |
| CN102567080B (zh) | 一种云计算环境中的面向负载均衡的虚拟机择位系统 | |
| CN104636187B (zh) | 基于负载预测的numa架构中虚拟机调度方法 | |
| CN104380260B (zh) | 利用可伸缩网格计算的储层仿真 | |
| Thakur et al. | RAFL: A hybrid metaheuristic based resource allocation framework for load balancing in cloud computing environment | |
| CN104484220A (zh) | 虚拟化集群的动态资源调度的方法及装置 | |
| CN101944045B (zh) | 基于社区特性的并行离散事件仿真对象分发方法 | |
| CN102929989B (zh) | 一种地理空间数据在云计算平台上的负载均衡方法 | |
| Djidjev et al. | All-Pairs Shortest Path algorithms for planar graph for GPU-accelerated clusters | |
| CN103218261A (zh) | 一种基于性能预测的虚拟机动态迁移方法 | |
| CN104216784A (zh) | 热点均衡控制方法及相关装置 | |
| Tsuzuki et al. | Effective dynamic load balance using space-filling curves for large-scale SPH simulations on GPU-rich supercomputers | |
| US20190377606A1 (en) | Smart accelerator allocation and reclamation for deep learning jobs in a computing cluster | |
| CN105045670A (zh) | 中央处理器和图形处理器负载均衡的方法和系统 | |
| CN108089918A (zh) | 一种面向异构服务器结构的图计算负载均衡方法 | |
| CN105045667A (zh) | 一种用于虚拟机vCPU调度的资源池管理方法 | |
| Burstedde et al. | Towards adaptive mesh PDE simulations on petascale computers | |
| Hong et al. | A multi-gpu fast iterative method for eikonal equations using on-the-fly adaptive domain decomposition | |
| CN107589980A (zh) | 一种云计算资源的调度方法 | |
| CN106201655B (zh) | 虚拟机分配方法和虚拟机分配系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |