CN109783186A - 一种检测云平台的任务调度方法及系统 - Google Patents
一种检测云平台的任务调度方法及系统 Download PDFInfo
- Publication number
- CN109783186A CN109783186A CN201711127316.7A CN201711127316A CN109783186A CN 109783186 A CN109783186 A CN 109783186A CN 201711127316 A CN201711127316 A CN 201711127316A CN 109783186 A CN109783186 A CN 109783186A
- Authority
- CN
- China
- Prior art keywords
- task
- virtual machine
- information element
- dependence
- scheduling
- 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
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种检测云平台的任务调度方法及系统,包括:当接收到服务请求任务时,根据任务的依赖关系更新虚拟机信息素;根据更新的虚拟机信息素及预估任务的执行时长优先级为虚拟机分配任务。本发明对现有检测模式进行创新,实现传统检测模式向云检测模式的转换,制定了适合检测云平台的任务调度方法,确保测试环境灵活部署以及资源的动态调配。
Description
技术领域
本发明涉及电网调度自动化系统软件测试领域,具体涉及一种检测云平台的任务调度方法及系统。
背景技术
随着智能电网建设工作的持续推进以及大数据、云计算等技术快速发展,大量新系统、新应用投入运行,电网调度自动化系统软件的开发、部署、运行模式正在悄然改变,软件测试作为软件上线运行前的关键环节,需要新的检测模式来适应这种变化,同时,现有检测模式存在检测环境搭建成本高、人为参与工作量大、资源利用效率低的问题。
云测试(Cloud Testing),是基于云计算的一种新型测试方案。服务商提供多种平台,多种浏览器的平台,一般的用户在本地用Selenium把自动化测试脚本编写好,然后上传到他们网站,然后就可以在他们的平台上运行Selenium脚本。
急需将云计算技术引入电网调度控制系统软件测试中,建立电网调度自动化系统检测云平台。
发明内容
为解决上述现有技术中的不足,本发明的目的是提供一种检测云平台的任务调度方法及系统,对现有检测模式进行创新,实现传统检测模式向云检测模式的转换,制定了适合检测云平台的任务调度方法,确保测试环境灵活部署以及资源的动态调配。
本发明的目的是采用下述技术方案实现的:
本发明提供一种检测云平台的任务调度方法,其改进之处在于:
当接收到服务请求任务时,根据任务的依赖关系更新虚拟机信息素;
根据更新的虚拟机信息素及预估任务的执行时长优先级为虚拟机分配任务。
进一步地:所述根据任务的依赖关系更新虚拟机的信息素,包括:
判断任务是否存在依赖任务,若是,则为任务分配与其依赖任务相同的虚拟机;否则,按照预设分配计划为任务分配虚拟机;
根据是否存在依赖任务的执行结果更新虚拟机信息素。
进一步地:所述更新虚拟机信息素包括更新虚拟机局部信息素和更新任务信息素;
所述更新虚拟机局部信息素包括:在已分配的虚拟机执行一次调度任务后,依据任务执行中预先设定的虚拟机CPU、内存、外存以及网络带宽四类属性权重值,被调度的虚拟机在任务完成之后更新虚拟机局部信息素浓度;
所述更新任务信息素包括:在执行一次调度任务后,根据任务与其他任务之间的依赖关系对任务信息素进行更新。
进一步地:所述根据更新的虚拟机信息素及预估任务的执行时长优先级为虚拟机分配任务,包括:
判断是否已为所有任务分配虚拟机,若否,则返回判断任务是否存在依赖任务步骤;若是,则执行任务后根据任务的执行时长进一步判断当前任务分配是否为最优;任务的实际执行时长为最短完成时间时为最优;
若为最优,则将预估任务的执行时长更新为任务实际执行的最短完成时间;若不是最优,在更新虚拟机局部信息素及任务信息素后,虚拟机的信息素浓度发生变化,则继续判断是否已为所有任务分配虚拟机,并执行迭代操作,直至任务待调度队列为空时,停止判断;
根据任务实际执行的最短完成时间更新虚拟机全局信息素。
进一步地:所述更新虚拟机全局信息素包括执行一次全周期调度任务后,任务实际执行的最短完成时间为全周期调度任务的最优路径,依据虚拟机CPU、内存、外存以及网络带宽四类属性权重值增加调度任务最优路径上的信息素浓度。
进一步地:在根据任务的依赖关系更新虚拟机信息素之前,还包括:初始化虚拟机信息素,包括:
获取虚拟机当前的调度数据,包括虚拟机CPU、内存、外存以及网络带宽四类属性;
获取任务执行中各类属性的权重值,计算虚拟机原始信息素;
通过分析服务请求任务,预估任务的执行时长,结合任务间的依赖关系及优先级顺序,对虚拟机原始信息素进行初始化。
本发明还提供一种检测云平台的任务调度系统,其改进之处在于:
更新模块,用于当接收到服务请求任务时,根据任务的依赖关系更新虚拟机信息素;
分配模块,用于根据更新的虚拟机信息素及预估任务的执行时长优先级为虚拟机分配任务。
进一步地:所述更新模块,包括:
第一判断单元,用于判断任务是否存在依赖任务,若是,则为任务分配与其依赖任务相同的虚拟机;否则,按照预设分配计划为任务分配虚拟机;
第一信息素单元,用于根据是否存在依赖任务的执行结果更新虚拟机的信息素。
进一步地:所述分配模块,包括:
第二判断单元,用于判断是否已为所有任务分配虚拟机,若否,则返回判断任务是否存在依赖任务步骤;若是,则执行任务后根据任务的执行时长进一步判断当前任务分配是否为最优;任务的实际执行时长为最短完成时间时为最优;
若为最优,则将预估任务的执行时长更新为任务实际执行的最短完成时间;若不是最优,在更新虚拟机局部信息素及任务信息素后,虚拟机的信息素浓度发生变化,则继续判断是否已为所有任务分配虚拟机,并执行迭代操作,直至任务待调度队列为空时,停止判断;
第二信息素单元,用于根据任务实际执行的最短完成时间更新虚拟机全局信息素。
进一步地:还包括初始化模块,所述初始化模块包括:
第一获取单元,用于获取虚拟机当前的调度数据,包括虚拟机CPU、内存、外存以及网络带宽四类属性;
第二获取单元,用于获取虚拟机CPU、内存、外存以及网络带宽属性的权重值,计算虚拟机原始信息素;
处理单元,用于通过分析服务请求任务,预估任务的执行时长,结合任务间的依赖关系及优先级顺序,对虚拟机原始信息素进行初始化。
与最接近的现有技术相比,本发明提供的技术方案具有的有益效果是:
本发明采用当接收到服务请求任务时,根据任务的依赖关系更新虚拟机信息素;根据更新的虚拟机信息素及预估任务的执行时长优先级为虚拟机分配任务。制定了适合检测云平台的任务调度访问流程及方法,确保测试环境灵活部署以及资源的动态调配,提高资源利用率及调度效率,提供高质量的电网调度自动化系统云检测服务能力。
本发明将云计算技术引入电网调度控制系统软件测试中,建立电网调度自动化系统检测云平台,对现有检测模式进行创新,实现了传统检测模式向云检测模式的转换,提高测试效率,节约能耗,确保资源的负载均衡。
附图说明
图1是本发明提供的电网调度自动化系统检测云平台架构图;
图2是本发明提供的电网调度自动化系统检测云平台任务调度网络架构图;
图3是本发明提供的电网调度自动化系统检测云平台任务调度详细流程图;
图4是本发明提供的电网调度自动化系统检测云平台任务调度简要流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的组件和功能是可选的,并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。在本文中,本发明的这些实施方案可以被单独地或总地用术语“发明”来表示,这仅仅是为了方便,并且如果事实上公开了超过一个的发明,不是要自动地限制该应用的范围为任何单个发明或发明构思。
实施例一、
本发明提供一种电网调度自动化系统检测云平台,基于B/S架构进行电网调度自动化系统检测云平台搭建,平台整体架构可分为三层,其中最底层为云资源管理层,中间层为任务管理层,最上层为访问管理层。检测云平台架构设计如图1所示,包括:
(1)访问管理层
访问管理层负责调用任务管理层接口,实现与用户的交互,对用户进行分级管理。访问管理层是连接用户与检测云平台之间的纽带。
访问管理层包括用户管理和权限管理两模块,用户管理即实现任务全生命周期中用户的信息管理,并提供门户网站进行用户注册、用户登录及客户服务管理;权限管理主要根据用户角色划分权限等级,不同角色实现不同的权限管理,所有用户间的权限都必须实行强隔离机制,各用户登录成功后进入各自具有权限访问的应用系统。
检测云平台的用户包括客户、测试人员及系统管理员三大类。客户即任务的需求方,其主要管理功能包括任务委托申请、任务文档及环境需求资料上传、任务执行进度查看以及任务结果下载,客户管理直接连接面向公众的外网门户;测试人员即任务的执行方,其主要管理功能包括任务资料的审核与确认、任务执行的监控以及质量管理,测试人员管理直接连接面向测试机构的内网门户;系统管理员即任务的运维方,其主要管理功能包括用户资料管理与维护、用户的权限控制等。
(2)任务管理层
任务管理层包括任务调度管理和测试服务管理模块。主要负责测试开始前调用云资源管理层的接口实现均衡的任务调度,测试过程中跟踪任务进度,测试完成后分析测试结果,收集测试数据。任务管理层贯穿于测试任务的全生命周期。
任务调度管理模块主要包括环境动态搭建、资源智能调配、任务跟踪与监控以及质量监控四部分。测试开始前依据用户管理审核通过的测试环境需求,动态调配平台软硬件、网络、存储等物理资源与虚拟资源,实现环境的动态搭建;依据被测产品软件规模及测试类型,估算任务空间需求,实现资源的智能调配。测试过程中跟踪任务进度,监控测试质量,实时对虚拟化资源进行回收与释放,确保测试任务的有序进行。测试完成后对测试结果进行统计分析。
测试服务管理模块主要包括测试工具的管理、测试数据的管理、测试结果管理及计费认证管理四部分。测试工具的管理即管理平台部署工具的调用情况,记录工具的启停,为资源的智能调配弹性地提供可用的测试工具;测试数据的管理即管理测试源代码、原始记录等测试过程中的数据,为测试结果的统计分析及测试报告的生成提供依据;测试结果管理即管理测试结果及测试缺陷,并收集测试报告、测试用例及测试缺陷,构建知识库,为后续软件消缺升级提供有力支撑;计费管理即管理任务测试过程中测试环境部署情况、工具使用情况及实际测试工作量,进行计费认证,为测试费用的核算提供证明。
(3)云资源管理层
云资源管理层包括物理资源与虚拟资源两部分,主要负责管理共享平台上物理资源池和虚拟资源池,并能实现两类资源的相互转化。云环境中物理资源包括软硬件、网络、存储等基础设施,虚拟资源包括计算资源池、网络资源池和存储资源池,在测试过程中利用虚拟化技术实现物理资源和虚拟资源的统一管理,更好地为其他层提供服务。
本发明建立了具备访问管理、任务管理及云资源管理三层架构的电网调度自动化系统检测云平台,与传统的试验验证平台相比,实现测试环境灵活部署以及虚拟资源的动态调配,提高资源利用率。
虚拟化是云计算的核心技术,检测云平台利用虚拟化技术将实体资源虚拟化,能够合理分配虚拟机资源,便于制定任务调度优化策略,检测云平台任务调度访问流程如图2所示。
电网调度自动化系统检测云平台任务调度访问分为互联网(外网)访问与办公网(内网)访问两大类,访问流程的核心即用户向检测云平台提交测试需求,检测云平台任务调度系统分析用户需求,评估任务所需资源,动态调配虚拟资源,确保测试任务正常开展的同时提高资源利用率。
外网用户经由互联网访问客户自助管理门户,通过核心路由器、VPN设备、防火墙等一系列安全加密、隔离设备的访问认证,可将服务请求发送到任务调度系统,经过分析评估后,系统按需提供服务进行测试环境的搭建及虚拟资源的调配,以便后续测试工作的开展。与外网用户不同,测试人员经由内网直接访问测试人员管理门户,无需经过复杂的安全加密、隔离认证,即可接入平台核心交换机,将服务请求发送到任务调度系统。本发明设计了适合电网调度自动化系统的云检测服务模式,遵循互联网标准协议,采用集中式、统一化的管理机制,实现了线上线下服务的融合,提高了测试效率的同时,确保测试管理过程标准化、规范化。本发明制定的检测云平台任务调度访问流程,包括外网访问和内网访问两大类,内外网采用强隔离机制,制定权限管理手段,提高了用户访问的独立性和安全性。
云检测服务的核心即任务的调度实现,结合电网调度自动化系统的运行特点,分析云环境中测试任务实际执行过程中的依赖关系及优先级,制定满足云环境特性的任务调度实现方法,提高测试效率,节约能耗,确保资源的负载均衡。
蚁群算法是一种模拟进化算法,其核心是通过模拟蚂蚁觅食的寻路策略,分辨蚂蚁觅食路径上的信息素来寻找最优路径。Max-Min算法的核心思想是执行时间长的任务优先调度,优先级高的任务优先执行。因此,融合Max-Min算法与蚁群算法的核心思想,创建电网调度自动化系统检测云平台的任务调度方法,其任务调度流程如图3和4所示。
(1)信息素初始化。获取虚拟机当前的调配数据,计算原始信息素,通过分析用户的服务请求,预估任务的执行时长,结合任务间的依赖关系及优先级,对信息素进行初始化。虚拟机的综合处理能力通过其各种硬件属性来体现,虚拟机的信息素主要通过CPU、内存、外存以及网络带宽四类属性来衡量,依据实际任务执行过程中各属性的不同权重值,更新虚拟机的信息素。
(2)当接收到服务请求任务时,根据任务的依赖关系更新虚拟机信息素;调度对象的选取。调度对象的选取需要考虑依赖任务、优先级及任务执行时长等多个因素,选取处理能力最强、性能最稳定的虚拟机。
判断任务是否存在依赖任务,若是,则为任务分配与其依赖任务相同的虚拟机;否则,按照预设分配计划为任务分配虚拟机;
根据是否存在依赖任务的执行结果更新虚拟机的信息素。信息素的更新包括虚拟机局部信息素的更新和测试任务信息素的更新,被调度的虚拟机在测试任务完成之后,需要及时更新信息素,保证虚拟机资源的及时释放。
根据更新的虚拟机信息素及预估任务的执行时长优先级为虚拟机分配任务,包括:
执行上述步骤成功执行后,循环执行虚拟机分配的判断操作,判断当前任务是否为最优分配,任务待调度队列为空时,停止该操作。
任务调度的完成。所有待调度任务全部完成分配后,记录任务的最短完成时间,更新虚拟机全局信息素,返回虚拟机的任务分配结果。依据任务的复杂度和工作量预估任务的执行时间,任务预估时间的长短决定了任务占用虚拟机的时间,为确保虚拟机的合理分配,所以执行时间长的测试任务优先分配虚拟机,优先级高的测试任务也优先执行。)
根据任务实际执行的最短完成时间更新虚拟机全局信息素。任务实际执行的完成时间最短即实现该任务调度的最优分配,该任务的执行过程即最优路径。更新虚拟机全局信息素即执行一次全周期的任务调度实现流程后,依据虚拟机的各类属性权重值,结合最优路径信息,增加该路径上信息素的浓度,为后续任务调度中虚拟机最优分配提供依据。
该任务调度方法中,为相互依赖的任务分配同一虚拟机,执行时间长的任务优先分配,并根据信息素浓度调度任务,循环执行至所有任务调度结束。利用该任务调度方法进行任务调度,不仅时间跨度小、虚拟机负载比较均衡,而且提高虚拟机资源利用率。
实施例二、
基于同样的发明构思,本发明还提供一种检测云平台的任务调度系统,包括:
更新模块,用于当接收到服务请求任务时,根据任务的依赖关系更新虚拟机信息素;
分配模块,用于根据更新的虚拟机信息素及预估任务的执行时长优先级为虚拟机分配任务。
进一步地:所述更新模块,包括:
第一判断单元,用于判断任务是否存在依赖任务,若是,则为任务分配与其依赖任务相同的虚拟机;否则,按照预设分配计划为任务分配虚拟机;
第一信息素单元,用于根据是否存在依赖任务的执行结果更新虚拟机的信息素。
进一步地:所述分配模块,包括:
第二判断单元,用于判断是否已为所有任务分配虚拟机,若否,则返回判断任务是否存在依赖任务步骤;若是,则执行任务后根据任务的执行时长进一步判断当前任务分配是否为最优;任务的实际执行时长为最短完成时间时为最优;
若为最优,则将预估任务的执行时长更新为任务实际执行的最短完成时间;若不是最优,在更新虚拟机局部信息素及任务信息素后,虚拟机的信息素浓度发生变化,则继续判断是否已为所有任务分配虚拟机,并执行迭代操作,直至任务待调度队列为空时,停止判断;
第二信息素单元,用于根据任务实际执行的最短完成时间更新虚拟机全局信息素。
进一步地:还包括初始化模块,所述初始化模块包括:
第一获取单元,用于获取虚拟机当前的调度数据,包括虚拟机CPU、内存、外存以及网络带宽四类属性;
第二获取单元,用于获取虚拟机CPU、内存、外存以及网络带宽属性的权重值,计算虚拟机原始信息素;
处理单元,用于通过分析服务请求任务,预估任务的执行时长,结合任务间的依赖关系及优先级顺序,对虚拟机原始信息素进行初始化。
本发明制定的检测云平台任务调度实现方法,与现行的任务调度方法相比,结合电网调度自动化系统的运行特点,分析云环境中测试任务实际执行过程中的依赖关系及优先级,提高测试效率,节约能耗,确保资源的负载均衡。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (10)
1.一种检测云平台的任务调度方法,其特征在于:
当接收到服务请求任务时,根据任务的依赖关系更新虚拟机信息素;
根据更新的虚拟机信息素及预估任务的执行时长优先级为虚拟机分配任务。
2.如权利要求1所述的任务调度方法,其特征在于:所述根据任务的依赖关系更新虚拟机的信息素,包括:
判断任务是否存在依赖任务,若是,则为任务分配与其依赖任务相同的虚拟机;否则,按照预设分配计划为任务分配虚拟机;
根据是否存在依赖任务的执行结果更新虚拟机信息素。
3.如权利要求2所述的任务调度方法,其特征在于:所述更新虚拟机信息素包括更新虚拟机局部信息素和更新任务信息素;
所述更新虚拟机局部信息素包括:在已分配的虚拟机执行一次调度任务后,依据任务执行中预先设定的虚拟机CPU、内存、外存以及网络带宽四类属性权重值,被调度的虚拟机在任务完成之后更新虚拟机局部信息素浓度;
所述更新任务信息素包括:在执行一次调度任务后,根据任务与其他任务之间的依赖关系对任务信息素进行更新。
4.如权利要求3所述的任务调度方法,其特征在于:所述根据更新的虚拟机信息素及预估任务的执行时长优先级为虚拟机分配任务,包括:
判断是否已为所有任务分配虚拟机,若否,则返回判断任务是否存在依赖任务步骤;若是,则执行任务后根据任务的执行时长进一步判断当前任务分配是否为最优;任务的实际执行时长为最短完成时间时为最优;
若为最优,则将预估任务的执行时长更新为任务实际执行的最短完成时间;若不是最优,在更新虚拟机局部信息素及任务信息素后,虚拟机的信息素浓度发生变化,则继续判断是否已为所有任务分配虚拟机,并执行迭代操作,直至任务待调度队列为空时,停止判断;
根据任务实际执行的最短完成时间更新虚拟机全局信息素。
5.如权利要求4所述的任务调度方法,其特征在于:所述更新虚拟机全局信息素包括执行一次全周期调度任务后,任务实际执行的最短完成时间为全周期调度任务的最优路径,依据虚拟机CPU、内存、外存以及网络带宽四类属性权重值增加调度任务最优路径上的信息素浓度。
6.如权利要求1所述的任务调度方法,其特征在于:在根据任务的依赖关系更新虚拟机信息素之前,还包括:初始化虚拟机信息素,包括:
获取虚拟机当前的调度数据,包括虚拟机CPU、内存、外存以及网络带宽四类属性;
获取任务执行中各类属性的权重值,计算虚拟机原始信息素;
通过分析服务请求任务,预估任务的执行时长,结合任务间的依赖关系及优先级顺序,对虚拟机原始信息素进行初始化。
7.一种检测云平台的任务调度系统,其特征在于:
更新模块,用于当接收到服务请求任务时,根据任务的依赖关系更新虚拟机信息素;
分配模块,用于根据更新的虚拟机信息素及预估任务的执行时长优先级为虚拟机分配任务。
8.如权利要求7所述的任务调度系统,其特征在于:所述更新模块,包括:
第一判断单元,用于判断任务是否存在依赖任务,若是,则为任务分配与其依赖任务相同的虚拟机;否则,按照预设分配计划为任务分配虚拟机;
第一信息素单元,用于根据是否存在依赖任务的执行结果更新虚拟机的信息素。
9.如权利要求7所述的任务调度系统,其特征在于:所述分配模块,包括:
第二判断单元,用于判断是否已为所有任务分配虚拟机,若否,则返回判断任务是否存在依赖任务步骤;若是,则执行任务后根据任务的执行时长进一步判断当前任务分配是否为最优;任务的实际执行时长为最短完成时间时为最优;
若为最优,则将预估任务的执行时长更新为任务实际执行的最短完成时间;若不是最优,在更新虚拟机局部信息素及任务信息素后,虚拟机的信息素浓度发生变化,则继续判断是否已为所有任务分配虚拟机,并执行迭代操作,直至任务待调度队列为空时,停止判断;
第二信息素单元,用于根据任务实际执行的最短完成时间更新虚拟机全局信息素。
10.如权利要求7所述的任务调度系统,其特征在于:还包括初始化模块,所述初始化模块包括:
第一获取单元,用于获取虚拟机当前的调度数据,包括虚拟机CPU、内存、外存以及网络带宽四类属性;
第二获取单元,用于获取虚拟机CPU、内存、外存以及网络带宽属性的权重值,计算虚拟机原始信息素;
处理单元,用于通过分析服务请求任务,预估任务的执行时长,结合任务间的依赖关系及优先级顺序,对虚拟机原始信息素进行初始化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711127316.7A CN109783186A (zh) | 2017-11-15 | 2017-11-15 | 一种检测云平台的任务调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711127316.7A CN109783186A (zh) | 2017-11-15 | 2017-11-15 | 一种检测云平台的任务调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109783186A true CN109783186A (zh) | 2019-05-21 |
Family
ID=66494300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711127316.7A Pending CN109783186A (zh) | 2017-11-15 | 2017-11-15 | 一种检测云平台的任务调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109783186A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110618857A (zh) * | 2019-08-14 | 2019-12-27 | 中国电力科学研究院有限公司 | 一种校准平台的多任务测控方法、以及资源分配方法 |
CN111866013A (zh) * | 2020-07-29 | 2020-10-30 | 杭州安恒信息技术股份有限公司 | 一种云安全产品管理平台部署方法、装置、设备及介质 |
CN112398917A (zh) * | 2020-10-29 | 2021-02-23 | 国网信息通信产业集团有限公司北京分公司 | 面向多站融合架构的实时任务调度方法和装置 |
CN112988362A (zh) * | 2021-05-14 | 2021-06-18 | 南京蓝洋智能科技有限公司 | 一种任务处理方法、装置、电子设备及存储介质 |
CN113867960A (zh) * | 2021-09-30 | 2021-12-31 | 丝路信息港云计算科技有限公司 | 基于文件类型的云负载均衡混合模型 |
CN114386655A (zh) * | 2021-12-02 | 2022-04-22 | 国网辽宁省电力有限公司电力科学研究院 | 变压器质量检测任务调度方法及系统 |
CN116702121A (zh) * | 2023-08-01 | 2023-09-05 | 南京云玑信息科技有限公司 | 一种云桌面场景下增强访问控制安全性的方法 |
CN117591415A (zh) * | 2023-11-28 | 2024-02-23 | 中国大唐集团科学技术研究总院有限公司 | 一种用于一体机云门户平台的安全功能测试系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932422A (zh) * | 2012-09-29 | 2013-02-13 | 南京邮电大学 | 基于改进蚁群算法的云环境任务调度方法 |
CN103970609A (zh) * | 2014-04-24 | 2014-08-06 | 南京信息工程大学 | 一种基于改进蚁群算法的云数据中心任务调度方法 |
CN105159762A (zh) * | 2015-08-03 | 2015-12-16 | 冷明 | 基于贪心策略的启发式云计算任务调度方法 |
US20160072877A1 (en) * | 2011-04-04 | 2016-03-10 | Dell Products L.P. | Information Handling System Application Decentralized Workload Management |
CN106371893A (zh) * | 2016-08-31 | 2017-02-01 | 开封大学 | 一种云计算调度系统和方法 |
-
2017
- 2017-11-15 CN CN201711127316.7A patent/CN109783186A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160072877A1 (en) * | 2011-04-04 | 2016-03-10 | Dell Products L.P. | Information Handling System Application Decentralized Workload Management |
CN102932422A (zh) * | 2012-09-29 | 2013-02-13 | 南京邮电大学 | 基于改进蚁群算法的云环境任务调度方法 |
CN103970609A (zh) * | 2014-04-24 | 2014-08-06 | 南京信息工程大学 | 一种基于改进蚁群算法的云数据中心任务调度方法 |
CN105159762A (zh) * | 2015-08-03 | 2015-12-16 | 冷明 | 基于贪心策略的启发式云计算任务调度方法 |
CN106371893A (zh) * | 2016-08-31 | 2017-02-01 | 开封大学 | 一种云计算调度系统和方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110618857A (zh) * | 2019-08-14 | 2019-12-27 | 中国电力科学研究院有限公司 | 一种校准平台的多任务测控方法、以及资源分配方法 |
CN111866013A (zh) * | 2020-07-29 | 2020-10-30 | 杭州安恒信息技术股份有限公司 | 一种云安全产品管理平台部署方法、装置、设备及介质 |
CN111866013B (zh) * | 2020-07-29 | 2023-04-18 | 杭州安恒信息技术股份有限公司 | 一种云安全产品管理平台部署方法、装置、设备及介质 |
CN112398917A (zh) * | 2020-10-29 | 2021-02-23 | 国网信息通信产业集团有限公司北京分公司 | 面向多站融合架构的实时任务调度方法和装置 |
CN112988362A (zh) * | 2021-05-14 | 2021-06-18 | 南京蓝洋智能科技有限公司 | 一种任务处理方法、装置、电子设备及存储介质 |
CN113867960A (zh) * | 2021-09-30 | 2021-12-31 | 丝路信息港云计算科技有限公司 | 基于文件类型的云负载均衡混合模型 |
CN113867960B (zh) * | 2021-09-30 | 2023-08-11 | 丝路信息港云计算科技有限公司 | 基于文件类型的云负载均衡混合模型 |
CN114386655A (zh) * | 2021-12-02 | 2022-04-22 | 国网辽宁省电力有限公司电力科学研究院 | 变压器质量检测任务调度方法及系统 |
CN116702121A (zh) * | 2023-08-01 | 2023-09-05 | 南京云玑信息科技有限公司 | 一种云桌面场景下增强访问控制安全性的方法 |
CN116702121B (zh) * | 2023-08-01 | 2023-10-03 | 南京云玑信息科技有限公司 | 一种云桌面场景下增强访问控制安全性的方法 |
CN117591415A (zh) * | 2023-11-28 | 2024-02-23 | 中国大唐集团科学技术研究总院有限公司 | 一种用于一体机云门户平台的安全功能测试系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109783186A (zh) | 一种检测云平台的任务调度方法及系统 | |
Duc et al. | Machine learning methods for reliable resource provisioning in edge-cloud computing: A survey | |
Mansouri et al. | Cloud computing simulators: A comprehensive review | |
CN101946258B (zh) | 基于计算机的业务过程在专用硬件上的基于模型的部署 | |
Jararweh et al. | Teachcloud: a cloud computing educational toolkit | |
CN101946257A (zh) | 建模基于计算机的业务过程以及模拟操作 | |
US7650267B1 (en) | Distribution of DES replications in a simulation | |
CN108287749A (zh) | 一种数据中心综合管理系统云资源调度方法 | |
Lu et al. | InSTechAH: Cost-effectively autoscaling smart computing hadoop cluster in private cloud | |
Dhaya et al. | Dynamic automated infrastructure for efficient cloud data centre. | |
Popović et al. | A novel cloud-based advanced distribution management system solution | |
Taylor et al. | Recent developments towards novel high performance computing and communications solutions for smart distribution network operation | |
Kherbache et al. | Scheduling live-migrations for fast, adaptable and energy-efficient relocation operations | |
Toffetti et al. | Engineering autonomic controllers for virtualized web applications | |
Cao et al. | Online cost-rejection rate scheduling for resource requests in hybrid clouds | |
Artych et al. | Security constraints for placement of latency sensitive 5G MEC applications | |
Chen et al. | Research and implementation of a software online testing platform model based on cloud computing | |
Molka et al. | Energy-efficient resource allocation and provisioning for in-memory database clusters | |
Naskos et al. | Elton: a cloud resource scaling-out manager for nosql databases | |
Patel et al. | Formal Models for the Energy-Aware Cloud-Edge Computing Continuum: Analysis and Challenges | |
Rayan et al. | Resource Prediction for Big Data Processing in a Cloud Data Center: A Machine Learning Approach: A Machine Learning Approach | |
Pan et al. | Simulation in cloud computing envrionment | |
Reitze | Using commercial web services to build Automated Test Equipment cloud based applications | |
Kenga et al. | Virtual Machine Customization Using Resource Using Prediction for Efficient Utilization of Resources in IaaS Public Clouds | |
Krzywda et al. | Telco clouds: modelling and simulation |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100192 Beijing city Haidian District Qinghe small Camp Road No. 15 Applicant after: CHINA ELECTRIC POWER RESEARCH INSTITUTE Co.,Ltd. Applicant after: STATE GRID CORPORATION OF CHINA Address before: 100192 Beijing city Haidian District Qinghe small Camp Road No. 15 Applicant before: CHINA ELECTRIC POWER RESEARCH INSTITUTE Co.,Ltd. Applicant before: State Grid Corporation of China |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190521 |