CN107479965B - 一种基于多维效用合并的集群程序调度方法 - Google Patents
一种基于多维效用合并的集群程序调度方法 Download PDFInfo
- Publication number
- CN107479965B CN107479965B CN201710509792.9A CN201710509792A CN107479965B CN 107479965 B CN107479965 B CN 107479965B CN 201710509792 A CN201710509792 A CN 201710509792A CN 107479965 B CN107479965 B CN 107479965B
- Authority
- CN
- China
- Prior art keywords
- resource
- program
- dimension
- utility
- performance
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于多维效用合并的集群程序调度方法,该方法包括以下步骤:(1)分别获取集群中每个节点的处理器、磁盘读/写、内存和网络带宽五个资源维度上的空闲资源信息,并周期性的向预测器报告当前节点上的空闲资源信息;(2)分别得到程序在单个资源维度上在不同资源限制点下的性能,并拟合分效用函数,得到程序对每个资源维度性能的变化函数;(3)利用多维效用合并将分效用函数合并为一个总效用函数,逐个将步骤(1)中的空闲资源信息代入总效用函数,得到总效用值,确定最优执行环境;(4)调度该程序至最优执行环境。
Description
技术领域
本发明属于分布式并行计算的技术领域,尤其涉及一种基于多维效用合并的集群程序调度方法。
背景技术
数据中心作为云计算的基础设施和用户与云服务运营商可以共赢的载体,随着网络访问非本地计算服务的增加,已经从概念走向成熟。但是数据中心资源利用率一般不足30%。而低资源利用率导致较低能效,2012年纽约时报的调查显示数据中心浪费大量能耗,只有总能耗的6%到12%用作了有效的计算。如何提高资源利用率成为云计算运营商需要考虑的关键问题,从商业角度和学术角度都备受关注。
负载聚合(Workload Consolidation)是提高数据中心资源利用率的重要手段,负载聚合是把多个程序分配到一个计算节点上,从而使服务器节点提高计算、存储、磁盘I/O等资源的利用率,并可以关闭更多空闲节点以降低能耗开销。近期调查显示随着计算需求的增加,超过60%的数据中心运营商会采用负载聚合。负载聚合可以在程序性能与系统资源利用率之间实现权衡。
在数据中心当前通用的负载聚合方法是在做调度决策时只考虑处理器和内存资源,根据程序对这两种资源的占用实现调度,从而达到集群中处理器和内存资源的负载均衡。但是,目前在数据中心运用的负载聚合方法存在一定的不足。这种方法忽略了程序对磁盘和网络带宽资源的占用情况,往往导致磁盘密集或网络带宽密集程序较低的性能。
综上所述,需要一种更适用于数据中心的调度方法策略能够考虑处理器、内存、磁盘带宽、网络带宽等多种资源,保证各种特征的程序的性能。
发明内容
本发明为了解决上述问题,提供一种基于多维效用合并的集群程序调度方法。本发明的调度方法针对每个程序分别拟合程序处理器、磁盘读/写、内存和网络带宽五个资源维度上的敏感度分效用函数,然后将分效用函数合并得到总效用,总效用值最大的节点即为程序要映射的节点,从而更好的保证各种特征的程序的性能。
为了实现上述目的,本发明采用如下一种技术方案:
一种基于多维效用合并的集群程序调度方法,该方法包括以下步骤:
(1)分别获取集群中每个节点的处理器、磁盘读/写、内存和网络带宽五个资源维度上的空闲资源信息,并周期性的向预测器报告当前节点上的空闲资源信息;
(2)分别得到程序在单个资源维度上在不同资源限制点下的性能,并拟合分效用函数,得到程序对每个资源维度性能的变化函数;
(3)利用多维效用合并将分效用函数合并为一个总效用函数,逐个将步骤(1)中的空闲资源信息代入总效用函数,得到总效用值,确定最优执行环境;
(4)调度该程序至最优执行环境。
进一步的,所述步骤(1)的具体步骤为:
(1-1)在集群中的每一个节点上分别获取当前节点的处理器、磁盘读/写、内存和网络带宽五个资源维度上的资源使用信息;
(1-2)根据步骤(1-1)中的资源使用信息分别计算集群中每个节点的单个资源维度上的空闲资源信息;
(1-3)周期性的向预测器报告当前节点上的空闲资源信息。
进一步的,所述步骤(1-1)中,当前节点的处理器、磁盘读/写、内存和网络带宽五个资源维度上的资源使用信息分别包括当前节点的处理器单个资源维度上的资源使用信息,当前节点的磁盘读单个资源维度上的资源使用信息,当前节点的磁盘写单个资源维度上的资源使用信息,当前节点的内存单个资源维度上的资源使用信息和当前节点的网络带宽单个资源维度上的资源使用信息;
进一步的,所述步骤(1-2)中,集群中每个节点的单个资源维度上的空闲资源信息等于服务器节点的总资源信息减去已使用的资源使用信息。
进一步的,所述步骤(2)的具体步骤为:
(2-1)针对处理器、磁盘读/写、内存和网络带宽五个资源维度上的每个资源进行限制资源,分别得到程序在单个资源维度上在不同资源限制点下的性能;
(2-2)分别拟合程序在处理器、磁盘读/写、内存和网络带宽五个资源维度上的各个单个资源维度上在不同资源限制点下的性能,得到程序在各个单个资源限制下由于资源变化导致的性能变化函数,即各个单个资源维度上的分效用函数。
进一步的,所述步骤(2-1)的具体步骤为:
(2-1-1)设置处理器、磁盘读/写、内存和网络带宽五个资源维度上其中一个资源维度上的资源由小逐渐增加至最大,另外四个资源维度上的资源设置为最大值;
(2-1-2)执行程序以获得程序性能,从而得到程序在单个资源维度上在不同资源限制点下的性能;
(2-1-3)重复步骤(2-1-1)-步骤(2-1-2),直至针对处理器、磁盘读/写、内存和网络带宽五个资源维度上的每个资源均限制资源完毕,得到程序在处理器、磁盘读/写、内存和网络带宽五个资源维度上的各个单个资源维度上在不同资源限制点下的性能。
进一步的,所述步骤(2-2)的具体步骤为:
(2-2-1)拟合程序在处理器资源维度上在不同资源限制点下的性能,得到程序在处理器资源限制下由于资源变化导致的性能变化函数,即处理器资源维度上的分效用函数;
(2-2-2)拟合程序在磁盘读资源维度上在不同资源限制点下的性能,得到程序在磁盘读资源限制下由于资源变化导致的性能变化函数,即磁盘读资源维度上的分效用函数;
(2-2-3)拟合程序在磁盘写资源维度上在不同资源限制点下的性能,得到程序在磁盘写资源限制下由于资源变化导致的性能变化函数,即磁盘写资源维度上的分效用函数;
(2-2-4)拟合程序在内存资源维度上在不同资源限制点下的性能,得到程序在内存资源限制下由于资源变化导致的性能变化函数,即内存资源维度上的分效用函数;
(2-2-5)拟合程序在网络带宽资源维度上在不同资源限制点下的性能,得到程序在网络带宽资源限制下由于资源变化导致的性能变化函数,即网络带宽资源维度上的分效用函数。
进一步的,所述步骤(2-2)的得到程序在各个单个资源维度上的分效用函数之后,将各个单个资源维度上的分效用函数作为先验信息存储于程序中。
进一步的,所述步骤(3)的具体步骤为:
(3-1)利用多维效用合并将分效用函数合并为一个总效用函数;
(3-2)对于集群中的每个节点,逐个将步骤(1)中的空闲资源信息代入总效用函数,得到总效用值;
(3-3)确定程序的最优执行环境。
进一步的,所述步骤(3-3)中,对于所有的服务器节点,该程序的最优执行环境为总效用值最大的节点。
本发明的有益效果:
(1)本发明的一种基于多维效用合并的集群程序调度方法,针对处理器、磁盘读/写、内存和网络带宽每个维度的资源,拟合分效用函数,刻画该维度资源对程序性能的贡献。
(2)本发明的一种基于多维效用合并的集群程序调度方法,通过经济学中的方法多维效用合并计算总效用,利用总效用值指导调度;该方法避免了盲目的基于处理器资源和内存资源进行调度的缺点,能够支持个性化的精准调度。
附图说明
图1为本发明的方法流程图;
图2(a)为本发明的程序在处理器资源维度上的分效用曲线;
图2(b)为本发明的程序在内存资源维度上的分效用曲线;
图2(c)为本发明的程序在网络带宽资源维度上的分效用曲线;
图3为本发明的调度方法结构图。
具体实施方式:
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面结合附图与实施例对本发明作进一步说明。
实施例1:
正如背景技术所介绍的,现有技术中存在在数据中心运用的负载聚合方法忽略了程序对磁盘和网络带宽资源的占用情况导致磁盘密集或网络带宽密集程序较低的性能,提供一种基于多维效用合并的集群程序调度方法。本发明的调度方法针对每个程序分别拟合程序处理器、磁盘读/写、内存和网络带宽五个资源维度上的敏感度分效用函数,然后将分效用函数合并得到总效用,总效用值最大的节点即为程序要映射的节点,从而更好的保证各种特征的程序的性能。
为了实现上述目的,本发明采用如下一种技术方案:
如图1所示,
一种基于多维效用合并的集群程序调度方法,该方法包括以下步骤:
S1空闲资源信息采集:分别获取集群中每个节点的处理器、磁盘读/写、内存和网络带宽五个资源维度上的空闲资源信息,并周期性的向预测器报告当前节点上的空闲资源信息;
S2拟合分效用函数:分别得到程序在单个资源维度上在不同资源限制点下的性能,并拟合分效用函数,得到程序对每个资源维度性能的变化函数;
S3计算总效用函数:利用多维效用合并将分效用函数合并为一个总效用函数,逐个将步骤(1)中的空闲资源信息代入总效用函数,得到总效用值,确定最优执行环境;
S4调度该程序到最优执行环境:调度该程序至最优执行环境。
步骤一:空闲资源信息采集
在集群中的每一个节点上利用性能分析工具collectl分别获取当前节点的处理器、磁盘读/写、内存和网络带宽五个资源维度上的资源使用信息;而空闲资源则等于服务器节点的总资源减去已使用的资源;并周期性的向预测器报告当前节点上的空闲资源。
(A)在集群中的每一个节点上分别获取当前节点的处理器、磁盘读/写、内存和网络带宽五个资源维度上的资源使用信息,该工作通过现有的通用性能分析工具collectl实现。
(B)根据步骤(A)中的资源使用信息分别计算集群中每个节点的单个资源维度上的空闲资源信息;
集群中每个节点的单个资源维度上的空闲资源信息等于服务器节点的总资源信息减去已使用的资源使用信息。
(C)并周期性的向预测器报告当前节点上的空闲资源信息。
步骤二:拟合分效用函数
(A)对于处理器、磁盘读/写、内存和网络带宽中的每个资源,利用资源管理工具Cgroups限制资源,设置其中一种资源由小逐渐增加至最大,而另外四种资源设置为最大值。执行程序以获得程序性能,从而得到程序在单个资源维度上在不同资源限制点下的性能。
图2(a)到图2(c)描述程序Data Caching在多个资源维度上的分效用曲线。在图2(a)中,利用Cgroups设置程序所占用的磁盘读/写、内存和网络带宽资源为最大值,将处理器资源由小调节至最大,从而获得程序在处理器资源维度上的分效用曲线。类似可以获得程序在内存和网络带宽资源上的分效用曲线,如图2(b)和图2(c)。该图没有描述程序DataCaching在磁盘读/写上的分效用曲线,因为程序只占用极少量的磁盘读写带宽,所以程序在磁盘读/写上的分效用曲线几乎一直为1。
设置处理器、磁盘读/写、内存和网络带宽五个资源维度上其中一个资源维度上的资源由小逐渐增加至最大,另外四个资源维度上的资源设置为最大值;
执行程序以获得程序性能,从而得到程序在单个资源维度上在不同资源限制点下的性能;
重复上述步骤,直至针对处理器、磁盘读/写、内存和网络带宽五个资源维度上的每个资源均限制资源完毕,得到程序在处理器、磁盘读/写、内存和网络带宽五个资源维度上的各个单个资源维度上在不同资源限制点下的性能。
(B)拟合程序在单个资源维度上在不同资源限制点下的性能,得到程序在单个资源限制下,由于资源变化导致的性能变化函数。通过该方法可以得到程序对每个资源的性能变化函数。
在本实施例中,拟合程序在处理器资源维度上在不同资源限制点下的性能,得到程序在处理器资源限制下由于资源变化导致的性能变化函数,即处理器资源维度上的分效用函数;拟合程序在磁盘读资源维度上在不同资源限制点下的性能,得到程序在磁盘读资源限制下由于资源变化导致的性能变化函数,即磁盘读资源维度上的分效用函数;拟合程序在磁盘写资源维度上在不同资源限制点下的性能,得到程序在磁盘写资源限制下由于资源变化导致的性能变化函数,即磁盘写资源维度上的分效用函数;拟合程序在内存资源维度上在不同资源限制点下的性能,得到程序在内存资源限制下由于资源变化导致的性能变化函数,即内存资源维度上的分效用函数;拟合程序在网络带宽资源维度上在不同资源限制点下的性能,得到程序在网络带宽资源限制下由于资源变化导致的性能变化函数,即网络带宽资源维度上的分效用函数。
得到程序在各个单个资源维度上的分效用函数之后,将各个单个资源维度上的分效用函数作为先验信息存储于程序中。
步骤三:计算总效用函数
(A)每个程序都自带先验信息,先验信息为程序对处理器、磁盘读/写、内存和网络带宽这5维资源的分效用函数。
(B)利用多维效用合并将分效用函数合并为一个总效用函数。
(C)对于集群中的每个节点,逐个将通过步骤一所计算出的空闲资源代入总效用函数,得到总效用值。
(D)对于所有的服务器节点,总效用值最大的节点即为该程序的最优执行环境。
步骤四:调度该程序到最优执行环境。
图3为描述调度策略的结构图。
本发明的有益效果:
(1)本发明的一种基于多维效用合并的集群程序调度方法,针对处理器、磁盘读/写、内存和网络带宽每个维度的资源,拟合分效用函数,刻画该维度资源对程序性能的贡献。
(2)本发明的一种基于多维效用合并的集群程序调度方法,通过经济学中的方法多维效用合并计算总效用,利用总效用值指导调度;该方法避免了盲目的基于处理器资源和内存资源进行调度的缺点,能够支持个性化的精准调度。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种基于多维效用合并的集群程序调度方法,其特征是:该方法包括以下步骤:
(1)分别获取集群中每个节点的处理器、磁盘读/写、内存和网络带宽五个资源维度上的空闲资源信息,并周期性的向预测器报告当前节点上的空闲资源信息;
(2)分别得到程序在单个资源维度上在不同资源限制点下的性能,并拟合分效用函数,得到程序对每个资源维度性能的变化函数;
(3)利用多维效用合并将分效用函数合并为一个总效用函数,逐个将步骤(1)中的空闲资源信息代入总效用函数,得到总效用值,确定最优执行环境;
(4)调度该程序至最优执行环境;
所述步骤(2)的具体步骤为:
(2-1)针对处理器、磁盘读/写、内存和网络带宽五个资源维度上的每个资源进行限制资源,分别得到程序在单个资源维度上在不同资源限制点下的性能;
(2-2)分别拟合程序在处理器、磁盘读/写、内存和网络带宽五个资源维度上的各个单个资源维度上在不同资源限制点下的性能,得到程序在各个单个资源限制下由于资源变化导致的性能变化函数,即各个单个资源维度上的分效用函数。
2.如权利要求1所述的一种基于多维效用合并的集群程序调度方法,其特征是:述步骤(1)的具体步骤为:
(1-1)在集群中的每一个节点上分别获取当前节点的处理器、磁盘读/写、内存和网络带宽五个资源维度上的资源使用信息;
(1-2)根据步骤(1-1)中的资源使用信息分别计算集群中每个节点的单个资源维度上的空闲资源信息;
(1-3)周期性的向预测器报告当前节点上的空闲资源信息。
3.如权利要求2所述的一种基于多维效用合并的集群程序调度方法,其特征是:所述步骤(1-1)中,当前节点的处理器、磁盘读/写、内存和网络带宽五个资源维度上的资源使用信息分别包括当前节点的处理器单个资源维度上的资源使用信息,当前节点的磁盘读单个资源维度上的资源使用信息,当前节点的磁盘写单个资源维度上的资源使用信息,当前节点的内存单个资源维度上的资源使用信息和当前节点的网络带宽单个资源维度上的资源使用信息。
4.如权利要求2所述的一种基于多维效用合并的集群程序调度方法,其特征是:所述步骤(1-2)中,集群中每个节点的单个资源维度上的空闲资源信息等于服务器节点的总资源信息减去已使用的资源使用信息。
5.如权利要求1所述的一种基于多维效用合并的集群程序调度方法,其特征是:所述步骤(2-1)的具体步骤为:
(2-1-1)设置处理器、磁盘读/写、内存和网络带宽五个资源维度上其中一个资源维度上的资源由小逐渐增加至最大,另外四个资源维度上的资源设置为最大值;
(2-1-2)执行程序以获得程序性能,从而得到程序在单个资源维度上在不同资源限制点下的性能;
(2-1-3)重复步骤(2-1-1)-步骤(2-1-2),直至针对处理器、磁盘读/写、内存和网络带宽五个资源维度上的每个资源均限制资源完毕,得到程序在处理器、磁盘读/写、内存和网络带宽五个资源维度上的各个单个资源维度上在不同资源限制点下的性能。
6.如权利要求1所述的一种基于多维效用合并的集群程序调度方法,其特征是:所述步骤(2-2)的具体步骤为:
(2-2-1)拟合程序在处理器资源维度上在不同资源限制点下的性能,得到程序在处理器资源限制下由于资源变化导致的性能变化函数,即处理器资源维度上的分效用函数;
(2-2-2)拟合程序在磁盘读资源维度上在不同资源限制点下的性能,得到程序在磁盘读资源限制下由于资源变化导致的性能变化函数,即磁盘读资源维度上的分效用函数;
(2-2-3)拟合程序在磁盘写资源维度上在不同资源限制点下的性能,得到程序在磁盘写资源限制下由于资源变化导致的性能变化函数,即磁盘写资源维度上的分效用函数;
(2-2-4)拟合程序在内存资源维度上在不同资源限制点下的性能,得到程序在内存资源限制下由于资源变化导致的性能变化函数,即内存资源维度上的分效用函数;
(2-2-5)拟合程序在网络带宽资源维度上在不同资源限制点下的性能,得到程序在网络带宽资源限制下由于资源变化导致的性能变化函数,即网络带宽资源维度上的分效用函数。
7.如权利要求1所述的一种基于多维效用合并的集群程序调度方法,其特征是:所述步骤(2-2)的得到程序在各个单个资源维度上的分效用函数之后,将各个单个资源维度上的分效用函数作为先验信息存储于程序中。
8.如权利要求1所述的一种基于多维效用合并的集群程序调度方法,其特征是:所述步骤(3)的具体步骤为:
(3-1)利用多维效用合并将分效用函数合并为一个总效用函数;
(3-2)对于集群中的每个节点,逐个将步骤(1)中的空闲资源信息代入总效用函数,得到总效用值;
(3-3)确定程序的最优执行环境。
9.如权利要求8所述的一种基于多维效用合并的集群程序调度方法,其特征是:所述步骤(3-3)中,对于所有的服务器节点,该程序的最优执行环境为总效用值最大的节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710509792.9A CN107479965B (zh) | 2017-06-28 | 2017-06-28 | 一种基于多维效用合并的集群程序调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710509792.9A CN107479965B (zh) | 2017-06-28 | 2017-06-28 | 一种基于多维效用合并的集群程序调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107479965A CN107479965A (zh) | 2017-12-15 |
CN107479965B true CN107479965B (zh) | 2020-05-05 |
Family
ID=60596126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710509792.9A Active CN107479965B (zh) | 2017-06-28 | 2017-06-28 | 一种基于多维效用合并的集群程序调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107479965B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780759A (zh) * | 2012-06-13 | 2012-11-14 | 合肥工业大学 | 基于调度目标空间的云计算资源调度方法 |
CN102932279A (zh) * | 2012-10-30 | 2013-02-13 | 北京邮电大学 | 一种云环境数据中心多维资源调度系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7971180B2 (en) * | 2007-06-13 | 2011-06-28 | International Business Machines Corporation | Method and system for evaluating multi-dimensional project plans for implementing packaged software applications |
WO2016183401A1 (en) * | 2015-05-13 | 2016-11-17 | Capital Preferences, Ltd. | Human capital management system and method |
-
2017
- 2017-06-28 CN CN201710509792.9A patent/CN107479965B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780759A (zh) * | 2012-06-13 | 2012-11-14 | 合肥工业大学 | 基于调度目标空间的云计算资源调度方法 |
CN102932279A (zh) * | 2012-10-30 | 2013-02-13 | 北京邮电大学 | 一种云环境数据中心多维资源调度系统及方法 |
Non-Patent Citations (1)
Title |
---|
基于均衡模型的计算机资源分配;杨祥茂;《计算机科学》;20051231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107479965A (zh) | 2017-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021179462A1 (zh) | 基于改进量子蚁群算法的Spark平台任务调度方法 | |
CN111522636B (zh) | 应用容器的调整方法、调整系统、计算机可读介质及终端设备 | |
CN109582448B (zh) | 一种面向关键度和时效性的边缘计算任务调度方法 | |
CN109861850B (zh) | 一种基于sla的无状态云工作流负载均衡调度的方法 | |
KR20220100982A (ko) | 컨테이너 스케줄링 방법 및 장치 그리고 비-휘발성 컴퓨터-판독가능 저장 매체 | |
CN103902379A (zh) | 一种任务调度方法、装置及服务器集群 | |
WO2024094104A1 (zh) | 一种动态反馈加权云存储资源调度方法、装置及设备 | |
CN107291539B (zh) | 基于资源重要程度的集群程序调度方法 | |
CN108491255B (zh) | 自助式MapReduce数据优化分配方法及系统 | |
US7437459B2 (en) | Calculation of service performance grades in a multi-node environment that hosts the services | |
US20120324466A1 (en) | Scheduling Execution Requests to Allow Partial Results | |
CN102339233A (zh) | 云计算集中管理平台 | |
CN114327811A (zh) | 一种任务调度方法、装置、设备及可读存储介质 | |
Tao et al. | Load feedback-based resource scheduling and dynamic migration-based data locality for virtual hadoop clusters in openstack-based clouds | |
CN117608840A (zh) | 一种智能监控系统资源综合管理的任务处理方法及系统 | |
Meskar et al. | Fair multi-resource allocation in mobile edge computing with multiple access points | |
CN110167031B (zh) | 一种面向集中式基站的资源分配方法、设备及存储介质 | |
Mao et al. | Adaptive load balancing algorithm based on prediction model in cloud computing | |
CN105740249B (zh) | 一种大数据作业并行调度过程中的处理方法及其系统 | |
CN117573373A (zh) | 一种基于云计算的cpu虚拟化调度方法及系统 | |
CN116643844B (zh) | 面向电力超算云资源自动扩展的智能化管理系统及方法 | |
CN107479965B (zh) | 一种基于多维效用合并的集群程序调度方法 | |
Milocco et al. | Evaluating the upper bound of energy cost saving by proactive data center management | |
CN113014408A (zh) | 分布式系统及其管理方法 | |
CN115357368A (zh) | 一种基于异构环境感知的MapReduce作业调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |