CN104820616A - 一种任务调度的方法及装置 - Google Patents
一种任务调度的方法及装置 Download PDFInfo
- Publication number
- CN104820616A CN104820616A CN201510201817.XA CN201510201817A CN104820616A CN 104820616 A CN104820616 A CN 104820616A CN 201510201817 A CN201510201817 A CN 201510201817A CN 104820616 A CN104820616 A CN 104820616A
- Authority
- CN
- China
- Prior art keywords
- task
- job queue
- time
- hot job
- virtual machine
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 3
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Stored Programmes (AREA)
Abstract
本发明实施例公开了一种任务调度的方法及装置,涉及通信技术领域,能够提高时限要求较高的任务的处理效率。本发明实施例的方法包括:获取任务等待队列中所有任务的时间参数;根据所述所有任务的时间参数,建立紧急任务队列;为所述紧急任务队列中的任务开启新的虚拟机。本发明适用于云计算数据中心。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种任务调度的方法及装置。
背景技术
随着通信技术的发展,尤其是虚拟化技术的普及,云计算数据中心通常使用虚拟机来执行任务。当云计算数据中心出现新任务且新任务被放入任务等待队列之后,任务调度分析模块需要根据各虚拟机的状态,按照任务等待队列中任务出现的先后顺序依次为各个任务分配虚拟机。在新任务到达虚拟机之后,若虚拟机中还存在正在处理,或是等待处理的任务,则新任务需要等虚拟机中在新任务到达虚拟机之前到达的任务全部执行完毕后再开始执行。
由于云计算数据中心的任务具有实时性,且每个任务的完成时限可以各不相同,采用上述任务调度的方法为各个任务分配虚拟机,可能会使时限要求较高的任务无法在规定时限内执行完毕,从而影响时限要求较高的任务的处理效率。
发明内容
本发明实施例提供一种任务调度的方法及装置,能够提高时限要求较高的任务的处理效率。
为达到上述目的,本发明实施例采用如下技术方案:
第一方面,本发明实施例提供一种任务调度的方法,所述方法包括:
获取任务等待队列中所有任务的时间参数;
根据所述所有任务的时间参数,建立紧急任务队列;
为所述紧急任务队列中的任务开启新的虚拟机。
第二方面,本发明实施例提供一种任务调度的装置,所述装置包括:
获取单元,用于获取任务等待队列中所有任务的时间参数;
建立单元,用于根据所述所有任务的时间参数,建立紧急任务队列;
开启单元,用于为所述紧急任务队列中的任务开启新的虚拟机。
本发明实施例提供的一种任务调度的方法及装置,根据任务等待队列中所有任务的时间参数,建立紧急任务队列,之后为紧急任务队列中的任务开启新的虚拟机。相比较于现有技术,本发明实施例可以根据所有任务的时间参数对所有任务中的每个任务进行判断来建立紧急任务队列,并为紧急任务队列中的任务开启新的虚拟机。而不是按照任务进入任务等待队列的先后顺序,依次为每个任务分配虚拟机,确保紧急任务队列中的每个任务在被分配到新开启的虚拟机之后直接开始执行。因此,使时限要求较高的任务不会因为被分配到的虚拟机处于非空闲状态而无法在规定时限内执行完毕,从而提高时限要求较高的任务的处理效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种具体应用场景示意图;
图2为本发明实施例提供的一种任务调度的方法流程图;
图3为本发明实施例提供的另一种任务调度的方法流程图;
图4为本发明实施例提供的另一种任务调度的方法流程图;
图5为本发明实施例提供的一种任务调度的装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例可以用于一种云计算数据中心,如图1所示,云计算数据中心可以包括任务分配层和资源层。其中,任务分配层中可以包括任务等待队列、任务调度分析模块和资源状态监控模块,在本发明实施例中,任务分配层还被配置有紧急任务队列;资源层中可以包括一个或者多个物理服务器,比如物理服务器1、物理服务器2和物理服务器n,其中,每一个物理服务器对应一个或者多个用于执行任务的虚拟机。当云计算数据中心产生新的任务时,新任务进入任务分配层的任务等待队列中,由任务调度分析模块根据资源状态监控模块监测到的各个虚拟机的状态来为任务等待队列中的各个任务分配虚拟机。
本发明实施例提供一种任务调度的方法,该方法流程均由任务调度分析模块实现。如图2所示,所述方法包括:
101、获取任务等待队列中所有任务的时间参数。
任务等待队列中的每个任务都携带有相应的时间参数,这些时间参数可以用来指示各个任务在理想状态下开始执行的时间,以及根据经验值得到的与任务量对应的执行时间,也就是从任务开始执行到任务执行完毕所占用的时间。例如:所有任务的时间参数可以包括所有任务中每个任务在SLA(Service-LevelAgreement,服务等级协议)中规定的预设起始时间、执行时间、其他用于描述或计算出任务能否满足SLA的参数中的一种或多种。
需要说明的是,每个进入任务等待队列的任务都携带有时间参数,并且任务除了可以携带有时间参数,还可以携带用于表示违约成本的参数,以及其他用于表示执行任务所需的虚拟机大小的参数等与云计算数据中心用于判断是否可以满足全局SLA的相关参数。
102、根据所述所有任务的时间参数,建立紧急任务队列。
在如图1所示的云计算数据中心的任务分配层中,任务调度分析模块可以根据任务等待队列中各个任务的时间参数来确定一个或者多个满足放入紧急任务队列条件的任务,并将这些满足条件的任务放入紧急任务队列,从而建立紧急任务队列。当任务等待队列中不存在需要放入紧急任务队列的任务时,任务调度分析模块可以根据资源状态监控模块监测到的各个虚拟机的状态,以及任务进入任务等待队列的先后顺序,为任务等待队列中的任务依次分配虚拟机。其中,虚拟机的状态可以包括虚拟机中等待执行的任务数量、虚拟机当前的资源利用率,以及其他用于判定虚拟机的状态的性能参数。
103、为所述紧急任务队列中的任务开启新的虚拟机。
如图1所示,由于本发明实施例适用于云计算数据中心,而云计算数据中心可以为执行任务提供充足的资源,也就是在任务调度分析模块为紧急任务队列中的任务开启新的虚拟机的过程中,当云计算数据中心正在运行的物理服务器中存在负载不处于饱和状态的物理服务器时,任务调度分析模块可以直接为紧急任务队列中的每个任务在已有的物理服务器上开启一个新的虚拟机,或者在云计算数据中心中直接运行一个或多个新的物理服务器,并为紧急任务队列中的每个任务在其中一个新的物理服务器上开启一个新的虚拟机;当云计算数据中心正在运行的所有物理服务器的负载均处于饱和状态时,任务调度分析模块可以在云计算数据中心中直接运行一个或多个新的物理服务器,并为紧急任务队列中的每个任务在其中一个新的物理服务器上开启一个新的虚拟机。需要说明的是,任务调度分析模块需要分别为紧急任务队列中的各个任务开启新的虚拟机,以确保紧急任务队列中的每个任务都分配到不同的虚拟机上,避免被分配到的虚拟机中存在正在执行的任务或等待执行的任务,从而保证紧急任务队列中的任务可以在规定的时限内开始执行且在规定的时限内执行完毕。
本发明实施例提供的一种任务调度的方法,根据任务等待队列中所有任务的时间参数,建立紧急任务队列,之后为紧急任务队列中的任务开启新的虚拟机。其中,时间参数包括预设起始时间和执行时间。相比较于现有技术,本发明实施例可以根据所有任务的时间参数对所有任务中的每个任务进行判断,也就是根据任务的预设起始时间和任务的执行时间来建立紧急任务队列,并为紧急任务队列中的任务开启新的虚拟机。而不是按照任务进入任务等待队列的先后顺序,依次为每个任务分配虚拟机,确保紧急任务队列中的每个任务在被分配到新开启的虚拟机之后直接开始执行。对于时限要求较高的任务,能否在预设起始时间开始执行该任务是用于判断云计算数据中心能否满足全局SLA的原因之一。因此,为时限要求较高的任务开启新的虚拟机,可以保证时限要求较高的任务在预设起始时间开始执行或已经执行,也就使时限要求较高的任务不会因为被分配到的虚拟机处于非空闲状态而无法在规定时限内执行完毕,从而提高时限要求较高的任务的处理效率。
在本发明实施例的另一个实现方式中,为了确保建立的紧急任务队列中的每个任务都是对时限要求较高的任务,具体可以按照任务进入任务等待队列的先后顺序,根据公式依次确定每个任务是否需要放入紧急任务队列。因此,在如图2所示的实现方式的基础上,步骤102根据所述所有任务的时间参数,确定所述所有任务中放入紧急任务队列的任务,可以具体实现为如图3所示的步骤1021:
1021、根据按照所述任务等待队列中所有任务出现的先后顺序,依次确定第1至第M个任务的紧急程度,并将βn<α的任务放入所述紧急任务队列。
其中,所述任务等待队列包含M个任务,M≥1,βn表示第n个任务的紧急程度,t'n表示第n个任务的预估起始时间,表示第n个任务的预设起始时间,第n个任务表示M个任务中第n个进入任务等待队列中的任务,ti表示第i个任务的执行时间,α表示预设的紧急系数,1≤n≤M。需要说明的是,预设起始时间和执行时间都是每个任务在进入任务等待队列时自身携带的时间参数;预设的紧急系数可以是根据经验值得到的,也可以使工作人员根据具体应用场景预先设定的;预估起始时间是任务调度分析模块根据任务等待队列中任务携带的时间参数,通过计算得到任务开始执行的起始时间的估计值。
在本发明实施例中,为了保证计算得到的紧急程度可以更准确的表示任务是否为时限要求较高的任务,任务调度分析模块需要在计算出一个任务的紧急程度之后,先判断这个任务是否为需要放入紧急任务队列的任务,当这个任务需要放入紧急任务队列时,任务调度分析模块将这个任务放入紧急任务队列之后,再对下一个任务进行紧急程度的计算,此时公式中所涉及的参数不包括已经被放入紧急任务队列中的任务的时间参数;当这个任务不需要放入紧急任务队列时,任务调度分析模块直接计算下一个任务的紧急程度,并对下一个任务的紧急程度进行分析,具体的执行过程与前一个任务的执行过程类似,在此不再赘述。
本发明实施例提供的一种任务调度的方法,根据任务等待队列中所有任务的时间参数,以及步骤1021中的公式来确定任务的紧急程度,并将紧急程度小于预设的紧急系数的任务放入紧急任务队列,之后为紧急任务队列中的任务开启新的虚拟机。其中,用于计算目标任务的紧急程度的参数包括目标任务的执行时间和在目标任务之前进入任务等待队列的所有任务的预设起始时间。相比较于现有技术,本发明实施例可以根据所有任务的时间参数和计算紧急程度的公式,对所有任务中的每个任务的紧急程度和紧急系数之间的大小关系进行判断,找到需要放入紧急任务队列的任务,并为放入紧急任务队列的任务开启新的虚拟机。而不是按照任务进入任务等待队列的先后顺序,依次为每个任务分配虚拟机,确保紧急任务队列中的每个任务在被分配到新开启的虚拟机之后直接开始执行。并且,通过公式计算的方式,可以较为准确的得到用于衡量任务是否为时限要求较高的任务的结果,之后再通过将计算结果,也就是将任务的紧急程度与预设的紧急系数相比较,从而找出任务等待队列中紧急程度较高的任务。因此,使时限要求较高的任务不会因为被分配到的虚拟机处于非空闲状态而无法在规定时限内执行完毕,从而提高时限要求较高的任务的处理效率。
在本发明实施例的另一个实现方式中,为了节约云计算数据中心的成本,在如图3所示的实现方式的基础上,还可以实现为如图4所示的实现方式,也就是在执行完步骤1021之后执行步骤104-步骤106:
104、根据所述紧急任务队列中每个任务的执行时间,分别确定为所述紧急任务队列中每个任务开启新的虚拟机的执行成本。
由于不同大小的虚拟机的价值不同,因此可以根据虚拟机的大小来确定不同任务的执行成本。比如:大型虚拟机的价值较高,这样被分配到大型虚拟机的任务的执行成本也就相对较高;小型虚拟机的价值较低,这样被分配到小型虚拟机的任务的执行成本也就相对较低。在本发明实施例中,任务所携带的执行时间是根据任务量的大小确定的,也就是说任务量较大的任务的执行时间相对较长,任务量较小的任务的执行时间相对较短。此外,在为任务分配虚拟机的过程中,任务的任务量的大小会影响为任务分配的虚拟机的大小,也就是说任务量较大的任务被分配到的虚拟机相对较大,任务量较小的任务被分配到的虚拟机相对较小。综上所述,为执行时间较长的任务开启新的虚拟机的执行成本相对较高,为执行时间较短的任务开启新的虚拟机的执行成本相对较低。
105、获取所述紧急任务队列中每个任务的违约成本。
其中,每个进入所述任务等待队列的任务都需要携带有违约成本。在本发明实施例中,违约成本可以是在SLA中规定的任务未在规定的时限内完成,需要向用户支付的违约金的数额,也可以是其他用于表示未按照SLA中的规定执行任务而给云计算数据中心带来的损失。
106、抛弃所述紧急任务队列中每个执行成本大于违约成本的任务。
如图1所示的云计算数据中心,任务调度分析模块不仅需要确定任务等待队列中需要放入紧急任务队列的任务,还需要确定紧急任务队列中需要被抛弃的任务。通过将每个执行成本大于违约成本的任务抛弃,来保证在控制云计算数据中心的成本的同时保证资源的合理利用。需要说明的是,紧急任务队列中的任务被抛弃之后,被抛弃的任务不予以执行,而需要按照被抛弃的任务所携带的违约成本来向被抛弃的任务对应的用户赔偿违约金。
本发明实施例提供的一种任务调度的方法,根据任务等待队列中所有任务的时间参数,建立紧急任务队列,之后将紧急任务队列中执行成本高于违约成本的任务抛弃,并为紧急任务队列中的任务开启新的虚拟机。相比较于现有技术,本发明实施例可以根据所有任务的时间参数对所有任务中的每个任务进行判断,找到需要放入紧急任务队列的任务,并对紧急任务队列中的每个任务进行执行成本的分析,将每个执行成本高于违约成本的任务抛弃,之后为紧急任务队列中的其他任务开启新的虚拟机。而不是按照任务进入任务等待队列的先后顺序,依次为每个任务分配虚拟机,确保紧急任务队列中的每个任务在被分配到新开启的虚拟机之后直接开始执行。因此,使时限要求较高的任务不会因为被分配到的虚拟机处于非空闲状态而无法在规定时限内执行完毕,从而提高时限要求较高的任务的处理效率。并且,通过对紧急任务队列中所有任务的执行成本进行分析,可以避免云计算数据中心为执行成本高于违约成本的任务分配虚拟机,这样就可以在确定每个执行成本高于违约成本的任务时,直接向产生该任务的用户支付少于执行成本的违约成本,进而节约云计算数据中心的成本。
本发明实施例提供一种任务调度的装置20,如图5所示,所述装置20包括:
获取单元21,用于获取任务等待队列中所有任务的时间参数。
建立单元22,用于根据所述所有任务的时间参数,建立紧急任务队列。
开启单元23,用于为所述紧急任务队列中的任务开启新的虚拟机。
需要说明的是,所述时间参数可以包括预设起始时间和执行时间,所述预设起始时间表示预先设定的任务开始执行的时间,所述执行时间表示任务开始执行直至执行完毕所耗费的时间。
在本发明实施例的另一个实现方式中,所述任务等待队列包含M个任务,其中,M≥1,所述建立单元23,具体用于根据按照所述任务等待队列中所有任务出现的先后顺序,依次确定第1至第M个任务的紧急程度,并将βn<α的任务放入所述紧急任务队列,其中,βn表示第n个任务的紧急程度,t'n表示第n个任务的预估起始时间,表示第n个任务的预设起始时间,ti表示第i个任务的执行时间,α表示预设的紧急系数,1≤n≤M。
在本发明实施例的另一个实现方式中,所述装置20还包括:
确定单元24,用于根据所述紧急任务队列中每个任务的执行时间,分别确定为所述紧急任务队列中每个任务开启新的虚拟机的执行成本。
所述获取单元21,还用于获取所述紧急任务队列中每个任务的违约成本,其中,每个进入所述任务等待队列的任务都携带有违约成本。
处理单元25,用于抛弃所述紧急任务队列中每个执行成本大于违约成本的任务。
本发明实施例提供的一种任务调度的装置,根据任务等待队列中所有任务的时间参数,建立紧急任务队列,之后为紧急任务队列中的任务开启新的虚拟机。相比较于现有技术,本发明实施例可以根据所有任务的时间参数对所有任务中的每个任务进行判断来建立紧急任务队列,并为紧急任务队列中的任务开启新的虚拟机。而不是按照任务进入任务等待队列的先后顺序,依次为每个任务分配虚拟机,确保紧急任务队列中的每个任务在被分配到新开启的虚拟机之后直接开始执行。因此,使时限要求较高的任务不会因为被分配到的虚拟机处于非空闲状态而无法在规定时限内执行完毕,从而提高时限要求较高的任务的处理效率。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种任务调度的方法,其特征在于,所述方法包括:
获取任务等待队列中所有任务的时间参数;
根据所述所有任务的时间参数,建立紧急任务队列;
为所述紧急任务队列中的任务开启新的虚拟机。
2.根据权利要求1所述的方法,其特征在于,所述时间参数包括预设起始时间和执行时间,所述预设起始时间表示预先设定的任务开始执行的时间,所述执行时间表示任务开始执行直至执行完毕所耗费的时间。
3.根据权利要求2所述的方法,其特征在于,所述任务等待队列包含M个任务,其中,M≥1,所述根据所述所有任务的时间参数,建立紧急任务队列,包括:
根据按照所述任务等待队列中所有任务出现的先后顺序,依次确定第1至第M个任务的紧急程度,并将βn<α的任务放入所述紧急任务队列,其中,βn表示第n个任务的紧急程度,t'n表示第n个任务的预估起始时间,表示第n个任务的预设起始时间,ti表示第i个任务的执行时间,α表示预设的紧急系数,1≤n≤M。
4.根据权利要求3所述的方法,其特征在于,在所述根据所述所有任务的时间参数,建立紧急任务队列之后,所述方法还包括:
根据所述紧急任务队列中每个任务的执行时间,分别确定为所述紧急任务队列中每个任务开启新的虚拟机的执行成本;
获取所述紧急任务队列中每个任务的违约成本,其中,每个进入所述任务等待队列的任务都携带有违约成本;
抛弃所述紧急任务队列中每个执行成本大于违约成本的任务。
5.一种任务调度的装置,其特征在于,所述装置包括:
获取单元,用于获取任务等待队列中所有任务的时间参数;
建立单元,用于根据所述所有任务的时间参数,建立紧急任务队列;
开启单元,用于为所述紧急任务队列中的任务开启新的虚拟机。
6.根据权利要求5所述的装置,其特征在于,所述时间参数包括预设起始时间和执行时间,所述预设起始时间表示预先设定的任务开始执行的时间,所述执行时间表示任务开始执行直至执行完毕所耗费的时间。
7.根据权利要求6所述的装置,其特征在于,所述任务等待队列包含M个任务,其中,M≥1,所述建立单元,具体用于根据按照所述任务等待队列中所有任务出现的先后顺序,依次确定第1至第M个任务的紧急程度,并将βn<α的任务放入所述紧急任务队列,其中,βn表示第n个任务的紧急程度,t'n表示第n个任务的预估起始时间,表示第n个任务的预设起始时间,ti表示第i个任务的执行时间,α表示预设的紧急系数,1≤n≤M。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
确定单元,用于根据所述紧急任务队列中每个任务的执行时间,分别确定为所述紧急任务队列中每个任务开启新的虚拟机的执行成本;
所述获取单元,还用于获取所述紧急任务队列中每个任务的违约成本,其中,每个进入所述任务等待队列的任务都携带有违约成本;
处理单元,用于抛弃所述紧急任务队列中每个执行成本大于违约成本的任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510201817.XA CN104820616B (zh) | 2015-04-24 | 2015-04-24 | 一种任务调度的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510201817.XA CN104820616B (zh) | 2015-04-24 | 2015-04-24 | 一种任务调度的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104820616A true CN104820616A (zh) | 2015-08-05 |
CN104820616B CN104820616B (zh) | 2018-10-30 |
Family
ID=53730918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510201817.XA Active CN104820616B (zh) | 2015-04-24 | 2015-04-24 | 一种任务调度的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104820616B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105320561A (zh) * | 2015-11-09 | 2016-02-10 | 深圳市万普拉斯科技有限公司 | 任务管理方法和系统 |
CN106790642A (zh) * | 2017-01-10 | 2017-05-31 | 深圳淞鑫金融服务科技发展有限公司 | 大数据采集任务的调度方法及装置 |
CN106973030A (zh) * | 2016-01-14 | 2017-07-21 | 北京仿真中心 | 一种基于sla的云仿真资源调度方法 |
CN108052443A (zh) * | 2017-10-30 | 2018-05-18 | 北京奇虎科技有限公司 | 一种测试任务调度方法、装置、服务器及存储介质 |
CN111285132A (zh) * | 2020-03-18 | 2020-06-16 | 华润电力技术研究院有限公司 | 一种火电设备及其圆形煤场堆取料的控制方法及系统 |
CN111459666A (zh) * | 2020-03-26 | 2020-07-28 | 北京金山云网络技术有限公司 | 任务派发方法、装置、任务执行系统和服务器 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710411A (zh) * | 2009-12-01 | 2010-05-19 | 中国建设银行股份有限公司 | 一种实时任务处理方法及其设备 |
CN103488691A (zh) * | 2013-09-02 | 2014-01-01 | 用友软件股份有限公司 | 任务调度装置和任务调度方法 |
CN103605567B (zh) * | 2013-10-29 | 2017-03-22 | 河海大学 | 面向实时性需求变化的云计算任务调度方法 |
CN104021040B (zh) * | 2014-06-04 | 2017-09-26 | 河海大学 | 基于时间约束条件下的云计算关联任务调度方法和装置 |
-
2015
- 2015-04-24 CN CN201510201817.XA patent/CN104820616B/zh active Active
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105320561A (zh) * | 2015-11-09 | 2016-02-10 | 深圳市万普拉斯科技有限公司 | 任务管理方法和系统 |
CN105320561B (zh) * | 2015-11-09 | 2019-03-08 | 深圳市万普拉斯科技有限公司 | 任务管理方法和系统 |
US10802877B2 (en) | 2015-11-09 | 2020-10-13 | Oneplus Technology (Shenzhen) Co., Ltd. | Task management methods and system, and computer storage medium |
CN106973030A (zh) * | 2016-01-14 | 2017-07-21 | 北京仿真中心 | 一种基于sla的云仿真资源调度方法 |
CN106790642A (zh) * | 2017-01-10 | 2017-05-31 | 深圳淞鑫金融服务科技发展有限公司 | 大数据采集任务的调度方法及装置 |
CN108052443A (zh) * | 2017-10-30 | 2018-05-18 | 北京奇虎科技有限公司 | 一种测试任务调度方法、装置、服务器及存储介质 |
CN111285132A (zh) * | 2020-03-18 | 2020-06-16 | 华润电力技术研究院有限公司 | 一种火电设备及其圆形煤场堆取料的控制方法及系统 |
CN111459666A (zh) * | 2020-03-26 | 2020-07-28 | 北京金山云网络技术有限公司 | 任务派发方法、装置、任务执行系统和服务器 |
WO2021190088A1 (zh) * | 2020-03-26 | 2021-09-30 | 北京金山云网络技术有限公司 | 任务派发方法、装置、任务执行系统和服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN104820616B (zh) | 2018-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107888669B (zh) | 一种基于深度学习神经网络的大规模资源调度系统及方法 | |
CN104820616A (zh) | 一种任务调度的方法及装置 | |
US9218213B2 (en) | Dynamic placement of heterogeneous workloads | |
CN104991830A (zh) | 基于服务等级协议的yarn资源分配和节能调度方法及系统 | |
CN111026553B (zh) | 离线混部作业的资源调度方法及服务器系统 | |
CN104407912B (zh) | 一种虚拟机配置方法及装置 | |
CN104142860A (zh) | 应用服务系统的资源调整方法与装置 | |
WO2015066979A1 (zh) | 一种MapReduce任务资源配置参数的机器学习方法 | |
CN106775932B (zh) | 一种云计算系统中随机事件触发的实时工作流调度方法 | |
Chakravarthi et al. | TOPSIS inspired budget and deadline aware multi-workflow scheduling for cloud computing | |
CN109684078A (zh) | 用于spark streaming的资源动态分配方法和系统 | |
CN103257896B (zh) | 一种云环境下的Max-D作业调度方法 | |
Gawali et al. | Standard deviation based modified cuckoo optimization algorithm for task scheduling to efficient resource allocation in cloud computing | |
Li et al. | Profit and penalty aware scheduling for real-time online services | |
CN107624181B (zh) | 包括虚拟处理器的闲置和调度的虚拟机管理方法和装备 | |
CN108132840B (zh) | 一种分布式系统中的资源调度方法及装置 | |
CN113032102A (zh) | 资源重调度方法、装置、设备和介质 | |
CN103442087B (zh) | 一种基于响应时间趋势分析的Web服务系统访问量控制装置和方法 | |
CN108574600B (zh) | 云计算服务器的功耗和资源竞争协同控制的服务质量保障方法 | |
Dubey et al. | QoS driven task scheduling in cloud computing | |
CN113505084A (zh) | 基于访存和性能建模的内存资源动态调控方法及系统 | |
JP2021504777A5 (zh) | ||
CN109189581B (zh) | 一种作业调度方法和装置 | |
CN117331668A (zh) | 一种作业调度方法、装置、设备及存储介质 | |
Wang et al. | Geoclone: Online task replication and scheduling for geo-distributed analytics under uncertainties |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |