CN109976901B - 一种资源调度方法、装置、服务器及可读存储介质 - Google Patents
一种资源调度方法、装置、服务器及可读存储介质 Download PDFInfo
- Publication number
- CN109976901B CN109976901B CN201711463152.5A CN201711463152A CN109976901B CN 109976901 B CN109976901 B CN 109976901B CN 201711463152 A CN201711463152 A CN 201711463152A CN 109976901 B CN109976901 B CN 109976901B
- Authority
- CN
- China
- Prior art keywords
- resource parameter
- value
- resource
- determining
- target
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Abstract
本发明公开了一种资源调度方法、装置、服务器及可读存储介质，应用于服务器，该方法包括：获取待调度的目标任务，其中所述目标任务中携带有所述目标任务的目标需求类型的信息；根据预先保存的需求类型与资源类型集合的对应关系，确定所述目标需求类型对应的目标资源类型集合；根据所述目标资源类型集合中的每个集合的资源参数值，及模糊C均值FCM算法，确定第一集合的第一适应度值；根据每个第一集合的第一适应度值，确定目标集合；根据所述目标集合中包含的资源参数值，为所述目标任务分配对应资源参数值的资源，因此可以提高任务和为任务分配的资源的匹配度，可以较好地满足用户的需求。
Description
技术领域
本发明涉及互联网技术领域，尤其涉及一种资源调度方法、装置、服务器及可读存储介质。
背景技术
对着业务量越来越庞大，业务形式越来越复杂，资源调度平台的服务器需要通过资源调度的方式来满足用户的需求。现有的资源调度方法中，资源调度系统中的分配机采集各CDN(Content Delivery Network，内容分发网络)资源节点的配置参数，生成调度任务，并将调度任务发送至资源调度系统中的每个决策机，由每个决策机根据CDN资源节点的服务能力数据及调度任务，生成用于牵引CDN资源的调度数据，利用调度数据对CDN资源进行牵引，从而实现资源的调度。
此外，为了实现并行分布式系统的资源调度，通常会应用元任务调度算法和基于人工智能的调度算法来解决资源调度的问题，其中元任务调度算法包括贪心算法、max-min算法、max-max算法等，基于人工智能的调度算法包括遗传算法等，以上这些算法在匹配资源和任务的时候，注重缩短资源调度任务的执行时间，仅考虑到了资源节点的服务能力，而并没有考虑到任务对计算资源的实际任务需求，因此任务和资源的匹配度低，难以满足用户的需求。
发明内容
本发明提供了一种资源调度方法、装置、服务器及可读存储介质，用以解决现有技术中任务和资源匹配度低，难以满足用户需求的问题。
本发明提供了一种资源调度方法，应用于服务器，该方法包括：
获取待调度的目标任务，其中所述目标任务中携带有所述目标任务的目标需求类型的信息；
根据预先保存的需求类型与资源类型集合的对应关系，确定所述目标需求类型对应的目标资源类型集合；
根据所述目标资源类型集合中的每个集合的资源参数值，及模糊C均值FCM算法，确定第一集合的第一适应度值；根据每个第一集合的第一适应度值，确定目标集合；
根据所述目标集合中包含的资源参数值，为所述目标任务分配对应资源参数值的资源。
进一步地，所述根据所述目标资源类型集合中的每个集合的资源参数值，及模糊C均值FCM算法，确定第一集合的第一适应度值包括：
A：针对当前保存的每个集合，根据该集合中的资源参数值，及FCM算法，确定该集合的适应度值；
B：判断当前的进化次数是否达到预设的进化次数阈值，如果是，进行D；如果否，进行C；
C：确定适应度值大于预设的适应度阈值的第二集合，对第二集合进行调整，生成至少一个第三集合，将第二集合和第三集合作为当前保存的每个集合，并对当前的进化次数更新，返回A；
D：将每个集合作为第一集合，将每个适应度值作为第一适应度值。
进一步地，所述根据每个第一集合的第一适应度值，确定目标集合包括：
在每个第一集合中，将第一适应度值最大的第一集合确定为目标集合。
进一步地，所述对第二集合进行调整，生成至少一个第三集合包括：
将所述第二集合划分为至少一个集合组，每个集合组中包括两个第二集合；针对每个集合组中包含的两个第二集合，确定该集合组中所述两个第二集合中每个资源参数对应的第一随机值，针对每个资源参数，当该资源参数对应的第一随机值大于设定第一阈值，在所述两个第二集合中，将适应度值较小的第二集合中该资源参数的资源参数值，确定为第三集合中该资源参数的资源参数值，当该资源参数对应的第一随机值不大于所述设定第一阈值，在所述两个第二集合中，将适应度较大的第二集合中该资源参数的资源参数值，确定为第三结合中该资源参数的资源参数值；和/或
在所述第二集合选取至少一个第二集合；针对所述至少一个第二集合，确定该第二集合中每个资源参数对应的第二随机值，针对每个资源参数，当该资源参数对应的第二随机值不大于设定第二阈值，生成该资源参数对应的随机资源参数值，将所述随机资源参数值确定为第三集合中该资源参数的资源参数值，当该资源参数对应的第二随机值大于所述设定第二阈值，将该第二集合中该资源参数对应的资源参数值，确定为第三集合中该资源参数对应的资源参数值。
进一步地，所述根据该集合中的每个资源参数值，及FCM算法，确定该集合的适应度值包括：
根据该集合中的每个资源参数值及所述FCM算法，确定该集合对目标需求类型的隶属度值；
根据所述隶属度值、所述目标需求类型及所述FCM算法，确定该集合的目标函数值；将所述目标函数值的倒数确定为该集合的适应度值。
进一步地，所述预先保存需求类型与资源类型集合的对应关系包括：
根据预先保存的需求类型，确定资源类型集合的聚类中心；
根据待分类的每个第四集合及所述FCM算法，确定每个第四集合的隶属度，根据每个第四集合的隶属度，对所述每个第四集合按照每个聚类中心进行聚类；
针对每个聚类中心，在该聚类中心对应的资源类型集合中，保存属于该聚类中心的第四集合。
本发明提供了一种资源调度装置，应用于服务器，该装置包括：
获取模块，用于获取待调度的目标任务，其中所述目标任务中携带有所述目标任务的目标需求类型的信息；
第一确定模块，用于根据预先保存的需求类型与资源类型集合的对应关系，确定所述目标需求类型对应的目标资源类型集合；
第二确定模块，用于根据所述目标资源类型集合中的每个集合的资源参数值，及模糊C均值FCM算法，确定第一集合的第一适应度值；根据每个第一集合的第一适应度值，确定目标集合；
调度模块，用于根据所述目标集合中包含的资源参数值，为所述目标任务分配对应资源参数值的资源。
进一步地，所述第二确定模块，具体用于A：针对当前保存的每个集合，根据该集合中的资源参数值，及FCM算法，确定该集合的适应度值；B：判断当前的进化次数是否达到预设的进化次数阈值，如果是，进行D；如果否，进行C；C：确定适应度值大于预设的适应度阈值的第二集合，对第二集合进行调整，生成至少一个第三集合，将第二集合和第三集合作为当前保存的每个集合，并对当前的进化次数更新，返回A；D：将每个集合作为第一集合，将每个适应度值作为第一适应度值。
进一步地，所述第二确定模块，具体用于在每个第一集合中，将第一适应度值最大的第一集合确定为目标集合。
进一步地，所述第二确定模块，具体用于将所述第二集合划分为至少一个集合组，每个集合组中包括两个第二集合；针对每个集合组中包含的两个第二集合，确定该集合组中所述两个第二集合中每个资源参数对应的第一随机值，针对每个资源参数，当该资源参数对应的第一随机值大于设定第一阈值，在所述两个第二集合中，将适应度值较小的第二集合中该资源参数的资源参数值，确定为第三集合中该资源参数的资源参数值，当该资源参数对应的第一随机值不大于所述设定第一阈值，在所述两个第二集合中，将适应度较大的第二集合中该资源参数的资源参数值，确定为第三结合中该资源参数的资源参数值；和/或在所述第二集合选取至少一个第二集合；针对所述至少一个第二集合，确定该第二集合中每个资源参数对应的第二随机值，针对每个资源参数，当该资源参数对应的第二随机值不大于设定第二阈值，生成该资源参数对应的随机资源参数值，将所述随机资源参数值确定为第三集合中该资源参数的资源参数值，当该资源参数对应的第二随机值大于所述设定第二阈值，将该第二集合中该资源参数对应的资源参数值，确定为第三集合中该资源参数对应的资源参数值。
进一步地，所述第二确定模块，具体用于根据该集合中的每个资源参数值及所述FCM算法，确定该集合对目标需求类型的隶属度值；根据所述隶属度值、所述目标需求类型及所述FCM算法，确定该集合的目标函数值；将所述目标函数值的倒数确定为该集合的适应度值。
进一步地，所述装置还包括：
保存模块，用于根据预先保存的需求类型，确定资源类型集合的聚类中心；根据待分类的每个第四集合及所述FCM算法，确定每个第四集合的隶属度，根据每个第四集合的隶属度，对所述每个第四集合按照每个聚类中心进行聚类；针对每个聚类中心，在该聚类中心对应的资源类型集合中，保存属于该聚类中心的第四集合。
本发明提供了一种服务器，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
所述存储器中存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行上述任一项所述方法的步骤。
本发明提供了一种计算机可读存储介质，其存储有可由服务器执行的计算机程序，当所述程序在所述服务器上运行时，使得所述服务器执行上述任一项所述方法的步骤。
本发明提供了一种资源调度方法、装置、服务器及可读存储介质，本发明中根据待调度的目标任务的目标需求类型，确定目标资源类型集合，根据目标资源类型集合中集合的每个资源参数值，确定第一集合的第一适应度值，根据第一适应度值确定目标集合，从而为目标任务分配目标集合中资源参数值的资源，在资源调度的过程中，考虑到了目标任务的目标需求类型，因此可以提高任务和为任务分配的资源的匹配度，可以较好地满足用户的需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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他的附图。
图1为本发明实例1提供的一种资源调度过程的示意图；
图2为本发明实施例3提供的一种遗传算法的流程图；
图3为本发明实施例5提供的确定需求类型与资源类型集合的对应关系的示意图；
图4为本发明实施例6提供的一种服务器的结构示意图；
图5为本发明实施例提供的一种资源调度装置示意图。
具体实施方式
为了提高任务和为任务分配的资源的匹配度，本发明实施例提供了一种资源调度方法、装置、服务器及存储介质。
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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他实施例，都属于本发明保护的范围。
实施例1：
图1为本发明实施例提供的一种资源调度过程的示意图，该过程包括以下步骤：
S101：获取待调度的目标任务，其中所述目标任务中携带有所述目标任务的目标需求类型的信息。
本发明实施例中提供的资源调度方法应用于服务器。
服务器可以获取到待调度的目标任务，该待调度的目标任务可以是用户根据自己的实际需求选择的任务，也可以是服务器根据当前调度平台的实际业务量确定的任务。
任务中根据需求类型的不同，需要被分配的资源有所区别，因此待调度的目标任务中携带有目标任务的目标需求类型的信息。需求类型可以理解为任务对计算资源的偏好性，如需求类型可以包括计算型、存储型和带宽型等。
S102：根据预先保存的需求类型与资源类型集合的对应关系，确定所述目标需求类型对应的目标资源类型集合。
服务器中预先保存有需求类型与资源类型集合的对应关系，因为服务器获取到目标任务后，根据目标任务中携带的目标需求类型的信息，以及预先保存的需求类型与资源类型集合的对应关系，确定目标需求类型对应的目标资源类型集合。
S103：根据所述目标资源类型集合中的每个集合的资源参数值，及FCM(Fuzzy c-means，模糊C均值)算法，确定第一集合的第一适应度值；根据每个第一集合的第一适应度值，确定目标集合。
每个资源类型集合中可以包括至少一个集合，每个集合中包括至少一个资源参数值，通常集合中包括的资源参数值可以理解为不同的资源特性，如资源参数可以包括cpu类型、数据、内存参数、硬盘容量、带宽大小等。
在遗传算法中，一个集合可以表示一条染色体，一个集合中的每个资源参数值可以表示该集合对应的染色体上的每个属性基因，每个属性基因即每个资源参数值可以用二进制表示，也可以用实值进行表示，为了缩短染色体的长度，在本发明实施例中可以用实值表示。
服务器根据目标资源类型集合中每个集合的资源参数值，及FCM算法，可以确定第一集合的第一适应度值，该第一集合可以为目标资源类型集合中当前保存的每个集合，也可以为根据目标资源类型集合中保存的每个集合，经过调整后确定的第一集合。
服务器根据每个第一集合的第一适应度，可以确定目标集合，例如，服务器可以将第一适应度最大的第一集合作为目标集合，或是将第一适应度最小的第一集合作为目标集合等。
S104：根据所述目标集合中包含的资源参数值，为所述目标任务分配对应资源参数值的资源。
服务器在确定目标集合中，根据目标集合中包含的资源参数值，为目标任务对应资源参数值的资源。
服务器根据目标集合中包含的资源参数值，为目标任务分配对应资源参数值的资源的过程属于现有技术，在本发明实施例中不做赘述。
由于本发明实施例中根据待调度的目标任务的目标需求类型，确定目标资源类型集合，根据目标资源类型集合中集合的每个资源参数值，确定第一集合的第一适应度值，根据第一适应度值确定目标集合，从而为目标任务分配目标集合中资源参数值的资源，在资源调度的过程中，考虑到了目标任务的目标需求类型，因此可以提高任务和为任务分配的资源的匹配度，可以较好地满足用户的需求。
实施例2：
在上述实施例的基础上，本发明实施例中，所述根据所述目标资源类型集合中的每个集合的资源参数值，及FCM算法，确定第一集合的第一适应度值包括：
A：针对当前保存的每个集合，根据该集合中的资源参数值，及FCM算法，确定该集合的适应度值；
B：判断当前的进化次数是否达到预设的进化次数阈值，如果是，进行D；如果否，进行C；
C：确定适应度大于预设的适应度阈值的第二集合，对第二集合进行调整，生成至少一个第三集合，将第二集合和第三集合作为当前保存的每个集合，并对当前的进化次数更新，返回A；
D：将每个集合作为第一集合，将每个适应度值作为第一适应度值。
对当前保存的每个集合进行调整更新，可以进一步提高任务与为任务分配的资源的匹配度。
服务器中保存有当前的进化次数，服务器根据集合中的资源参数值，及FCM算法，确定集合的适应度值后，确定当前进化次数是否达到预设的进化次数阈值，如果是，则说明当前保存的每个集合较优，集合的适应度值较高。
如果当前的进化次数未达到预设的进化次数阈值，则说明通过对当前保存的每个集合进行调整，在一定程度上可以避免FCM算法陷入局部最优值的可能，使算法得到更优的近似全局最优解，从而进一步提高任务与为任务分配的资源的匹配度。
如果当前保存的每个集合还未进行过调整，则服务器中保存的当前的进化次数为初始进化次数，初始进化次数通常为0。服务器中保存有预设的进化次数阈值，进化次数阈值可以为3、5或7等。
如果当前的进化次数未达到进化次数阈值，则可以对当前保存的集合进行调整，为了进一步提高任务与为任务分配的资源的匹配度，服务器中保存有预设的适应度阈值，适应度阈值可以为0.3、0.5或0.7等。
服务器对适应度值大于适应度阈值的第二集合进行调整，生成至少一个第三集合，服务器可以是对适应度值大于适应度阈值的每个第二集合进行调整，也可以是对适应度值大于适应度阈值的任一或任意几个第二集合调整，服务器生成的至少一个第三集合与选取进行调整的第二集合有关，例如可以是直接将适应度值大于适应度阈值的第二集合作为第三集合。
服务器生成至少一个第三集合，将第二集合和第三集合作为当前保存的每个集合，相当于对当前保存的每个集合进行了更新，使得适应度值更高的集合参与资源调度，从而提高了任务与为任务分配的资源的匹配度。
服务器在对当前保存的每个集合更新后，还需要对更新后的每个集合重新确定适应度值。
服务器还可以对当前的进化次数更新，对进化次数更新的过程可以是在当前的进化次数上添加设定的数值，如该设定的数值可以为1或3等，通常是在当前的进化次数上加1。
如果当前进化次数达到进化次数阈值，则可以将当前保存的每个集合作为第一集合，将每个适应度值作为第一适应度值。
进一步地，服务器将适应度值不大于适应度阈值的第二集合淘汰，可以避免适应度值低的第二集合参与资源调度，从而提高了任务与为任务分配的资源的匹配度。
为了提高任务与为任务分配的资源的匹配度，在本发明实施例中，进一步地，所述根据每个第一集合的第一适应度值，确定目标集合包括：
在每个第一集合中，将第一适应度值最大的第一集合确定为目标集合。
由于本发明实施例中对当前保存的每个集合进行调整更新，可以进一步提高任务与为任务分配的资源的匹配度。
实施例3：
在上述各实施例的基础上，本发明实施例中，所述对第二集合进行调整，生成至少一个第三集合包括：
将所述第二集合划分为至少一个集合组，每个集合组中包括两个第二集合；针对每个集合组中包含的两个第二集合，确定该集合组中所述两个第二集合中每个资源参数对应的第一随机值，针对每个资源参数，当该资源参数对应的第一随机值大于设定第一阈值，在所述两个第二集合中，将适应度值较小的第二集合中该资源参数的资源参数值，确定为第三集合中该资源参数的资源参数值，当该资源参数对应的第一随机值不大于所述设定第一阈值，在所述两个第二集合中，将适应度较大的第二集合中该资源参数的资源参数值，确定为第三结合中该资源参数的资源参数值；和/或
在所述第二集合选取至少一个第二集合；针对所述至少一个第二集合，确定该第二集合中每个资源参数对应的第二随机值，针对每个资源参数，当该资源参数对应的第二随机值不大于设定第二阈值，生成该资源参数对应的随机资源参数值，将所述随机资源参数值确定为第三集合中该资源参数的资源参数值，当该资源参数对应的第二随机值大于所述设定第二阈值，将该第二集合中该资源参数对应的资源参数值，确定为第三集合中该资源参数对应的资源参数值。
对第二集合进行交叉运算和/或变异运算，有利于将优良染色体的属性基因遗传至第三集合，并且可以还可以起到全局搜索的作用，得到更优的近似全局最优解，从而进一步提高任务与为任务分配的资源的匹配度。
服务器对第二集合进行交叉运算生成第三集合的过程具体如下：服务器选择适应度值大于适应度阈值的第二集合，将选择的第二集合划分为至少一个集合组，每个集合组中包括两个第二集合。服务器划分至少一个集合组的过程可以是根据预先保存的遗传算子选择算法进行选择划分，也可以是任意选取两个第二集合进行划分。
服务器针对划分的每个集合组中的两个第二集合，进行交叉运算，具体地，服务器将该两个第二集合看作用户进行交叉操作的父辈染色体R1和R2，R1对应的适应度值为f1，R2对应的适应度值为f2，假设待生成的第三集合即子辈染色体为R’，服务器中保存有设定第一阈值，设定第一阈值为0到1之间的数值，如0.7或0.8等，针对每个资源参数即每个属性基因，服务器为该资源参数分配第一随机值randomRate，判断第一随机值randomRate是否大于设定第一阈值，如果是，则在f1和f2中选取适应度较小的第二集合中该资源参数的资源参数值，确定为R’中该资源参数的资源参数值；如果否，则在f1和f2中选取适应度较大的第二集合中该资源参数的资源参数值，确定为R’中该资源参数的资源参数值。交叉运算的过程具体可以如以下公式所示：
服务器对第二集合进行交叉运算生成第三集合的过程具体如下：服务器选择适应度值大于适应度阈值的第二集合，在选择的第二集合中选取至少一个第二集合。服务器在选择的第二集合中选取至少一个第二集合可以是根据预先保存的遗传算子选择算法进行选择划分，也可以是任意选取至少一个第二集合。
服务器针对选取的至少一个第二集合，进行变异运算，变异操作是维持种族多样性的一个重要手段，在变异运算中，对于选取的每个第二集合即染色体中每个资源参数，为每个资源参数配置对应的第二随机值，用来变异概率，假设待生成的第三集合即子辈染色体为R’，服务器只中保存有设定第二阈值mutationRate，设定第二阈值为0到1之间的数值，如0.7或0.8等，设定第二阈值与设定第一阈值可以相同可以不同。针对每个资源参数即每个属性基因，服务器为该资源参数分配第二随机值，判断第二随机值是否不大于设定第二阈值mutationRate，如果是，则为该资源参数生成随机资源参数值randomValue，将该随机资源参数值randomValue确定为R’中该资源参数的资源参数值，如果否，则保存该资源参数对应的资源参数值不变，将待第二集合中该资源参数对应的资源参数值，确定为R’中该资源参数的资源参数值。
变异运算的过程可以采用如下计算逻辑表示：
R'n＝randomValue,
if(randomRate＜＝mutationRate)，randomRate为为该第n个资源参数分配的第二随机值，当第二随机值randomRate不大于设定第二阈值mutationRate时，该第n个资源参数的资源参数值为随机资源参数值randomValue，当第二随机值randomRate大于设定第二阈值mutationRate时，保持当前该第n个资源参数的资源参数值不变。
服务器为资源参数分配的第一随机值和第二随机值，均为0到1之间的随机数，第一随机值和第二随机值可能相同可能不同。
图2为本发明实施例提供的一种遗传算法的流程图。
S201：产生初始种群。
即当前保存的每个集合。
S202：判断是否满足终止条件，如果否，进行S203，如果是，进行S207。
在本发明实施例中，终止条件为当前的进化次数达到进化次数阈值。
S203：计算每个个体的适应度值。
计算每个个体的适应度值即确定每个集合的适应度值，该计算每个集合的适应度值的过程也可以是在S202之前完成。
S204：选择遗传算子。
选择遗传算子即确定适应度值大于预设的适应度阈值的第二集合，将所述第二集合划分为至少一个集合组，每个集合组中包括两个第二集合，或者在所述第二集合选取至少一个第二集合的过程。
S205-1：选择一个个体复制到新种群。
S205-2：选择两个个体进行交叉插入新种群。
将所述第二集合划分为至少一个集合组，每个集合组中包括两个第二集合，生成至少一个第三集合。
S205-3：选择一个个体变异插入新种群。
在所述第二集合选取至少一个第二集合，生成至少一个第三集合。
S206：得到新种群，返回S202。
得到新种群的过程为将第二集合和第三集合作为当前保存的每个集合的过程，在该步骤中，服务器还需对当前的进化次数更新。
S207：得到结果，结束。
得到结果的过程相当于将每个集合作为第一集合，将每个适应度值作为第一适应度值，根据每个第一集合的第一适应度值，确定目标集合的过程。
由于本发明实施例中，对第二集合进行交叉运算和/或变异运算，有利于将优良染色体的属性基因遗传至第三集合，并且可以还可以起到全局搜索的作用，得到更优的近似全局最优解，从而进一步提高任务与为任务分配的资源的匹配度。
实施例4：
在上述各实施例的基础上，本发明实施例中，所述根据该集合中的每个资源参数值，及FCM算法，确定该集合的适应度值包括：
根据该集合中的每个资源参数值及所述FCM算法，确定该集合对目标需求类型的隶属度值；
根据所述隶属度值、所述目标需求类型及所述FCM算法，确定该集合的目标函数值；将所述目标函数值的倒数确定为该集合的适应度值。
服务器根据集合的每个资源参数值，及FCM算法确定了集合的适应度值，从而根据集合的适应度值为任务调度资源，提高任务与为任务分配的资源的匹配度。
FCM算法的目标函数J(U,v)中的U为聚类中心，v为数据对聚类中心的隶属度值，在本发明实施例中，聚类中心即为目标需求类型，数据对聚类中心的隶属度值即为集合对目标需求类型的隶属度值。
服务器根据集合中的每个资源参数值及FCM算法，确定集合对目标需求类型的隶属度值的过程属于现有技术，在本发明实施例中不做赘述。
服务器在确定结合对目标需求类型的隶属度值后，根据隶属度值、目标需求类型，及FCM算法，确定集合的目标函数值的过程可以为，根据隶属度值v、目标需求类型U及FCM算法的目标函数J(U,v)，确定集合的目标函数值。
服务器根据隶属度值v、目标需求类型U及FCM算法的目标函数J(U,v)，确定集合的目标函数值的过程属于现有技术，在本发明实施例中不做赘述。
适应度值可以用来衡量一个个体即集合在种群中适应度的优劣，个体对于环境的适应度值越高，说明该个体越优，因此，个体的适应度值与聚类结果之间是正比的关系。而在传统的FCM算法中，如果FCM算法的目标函数J的计算值越小，那么聚类结果越优异。根据以上特点可知，“个体”的适应度值与FCM的目标函数值呈现出反比的关系，因此，可以将适应度函数设计为F＝1/J(U,v)。由于适应度值与目标函数值之间呈现反比关系，满足F＝1/J(U,v)，因此服务器可以将集合的目标函数值的倒数确定为集合的适应度值。
由于本发明实施例中服务器根据集合的每个资源参数值，及FCM算法确定了集合的适应度值，从而根据集合的适应度值为任务调度资源，提高任务与为任务分配的资源的匹配度。
实施例5：
在上述各实施例的基础上，本发明实施例中，所述预先保存需求类型与资源类型集合的对应关系包括：
根据预先保存的需求类型，确定资源类型集合的聚类中心；
根据待分类的每个第四集合及所述FCM算法，确定每个第四集合的隶属度，根据每个第四集合的隶属度，对所述每个第四集合按照每个聚类中心进行聚类；
针对每个聚类中心，在该聚类中心对应的资源类型集合中，保存属于该聚类中心的第四集合。
预先采用FCM算法对需求类型和第四集合进行聚类，保存聚类中心与资源类型集合的对应关系，可以实现根据目标任务的目标需求类型，为目标任务分配资源。
服务器中预先保存有不同的需求类型，为了实现聚类的准确性，可以将预先保存的需求类型确定为资源类型集合的距离中心。
服务器中还保存有待分类的每个第四集合及第四集合的每个资源参数值，服务器根据第四集合和FCM算法，确定第四集合的隶属度，从而根据第四集合的隶属度，对第四集合按照每个聚类中心进行聚类。
服务器根据待分类的每个第四集合及所述FCM算法，确定每个第四集合的隶属度，根据每个第四集合的隶属度，对所述每个第四集合按照每个聚类中心进行聚类的过程属于现有技术，在本发明实施例中不做赘述。
服务器对每个第四集合进行聚类后，确定了每个第四集合所属的聚类中心，因此服务器可以在每个聚类中心对应的资源类型集合中，保存属于每个聚类中心的第三集合。
图3为本发明实施例提供的确定需求类型与资源类型集合的对应关系的示意图，S301：得到数据集。
得到数据集的过程即为服务器确定待分类的每个第四集合的过程。
S302：进行初始化设定。
初始化设定的过程相当于本发明实施例中，根据预先保存的需求类型，确定资源类型集合的聚类中心。
S303：判断迭代次数是否不小于阈值，如果是，进行S307；如果否，进行S304。
服务器中保存有当前的迭代次数和阈值。服务器中当前的迭代次数根据每次聚类进行相应更新，服务器中保存的阈值可以为3次或5次等。
S304：计算隶属度矩阵。
计算隶属度矩阵相当于根据每个第四集合及FCM算法，确定第四集合的隶属度的过程。
S305：重新计算聚类中心。
对于第四集合来说，如果第四集合不满足某一聚类中心，需要为该第四集合重新计算聚类中心，即重新对第四集合按照聚类中心进行聚类的过程。
S306：判断是否满足收敛条件；如果是，进行S307；如果否，返回S304。
S307：输出聚类中心。
在此过程中，将第四集合保存在其所属的聚类中心对应的资源类型集合中。
由于本发明实施例中预先采用FCM算法对需求类型和第四集合进行了聚类，保存了聚类中心与资源类型集合的对应关系，因此实现了根据目标任务的目标需求类型，为目标任务分配资源。
实施例6：
在上述各实施例的基础上，本发明实施例还提供了一种服务器，如图4所示，包括：处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信；
所述存储器403中存储有计算机程序，当所述程序被所述处理器401执行时，使得所述处理器401执行如下步骤：
获取待调度的目标任务，其中所述目标任务中携带有所述目标任务的目标需求类型的信息；
根据预先保存的需求类型与资源类型集合的对应关系，确定所述目标需求类型对应的目标资源类型集合；
根据所述目标资源类型集合中的每个集合的资源参数值，及模糊C均值FCM算法，确定第一集合的第一适应度值；根据每个第一集合的第一适应度值，确定目标集合；
根据所述目标集合中包含的资源参数值，为所述目标任务分配对应资源参数值的资源。
上述服务器提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口402用于上述服务器与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器、网络处理器(NetworkProcessor，NP)等；还可以是数字指令处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
在本发明实施例中，处理器执行存储器上所存放的程序时，实现根据待调度的目标任务的目标需求类型，确定目标资源类型集合，根据目标资源类型集合中集合的每个资源参数值，确定第一集合的第一适应度值，根据第一适应度值确定目标集合，从而为目标任务分配目标集合中资源参数值的资源，在资源调度的过程中，考虑到了目标任务的目标需求类型，因此可以提高任务和为任务分配的资源的匹配度，可以较好地满足用户的需求。
实施例9：
在上述各实施例的基础上，本发明实施例还提供了一种计算机存储可读存储介质，所述计算机可读存储介质内存储有可由服务器执行的计算机程序，当所述程序在所述服务器上运行时，使得所述服务器执行时实现如下步骤：
获取待调度的目标任务，其中所述目标任务中携带有所述目标任务的目标需求类型的信息；
根据预先保存的需求类型与资源类型集合的对应关系，确定所述目标需求类型对应的目标资源类型集合；
根据所述目标资源类型集合中的每个集合的资源参数值，及模糊C均值FCM算法，确定第一集合的第一适应度值；根据每个第一集合的第一适应度值，确定目标集合；
根据所述目标集合中包含的资源参数值，为所述目标任务分配对应资源参数值的资源。
上述计算机可读存储介质可以是服务器中的处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD)等。
在本发明实施例中提供的计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时，实现根据待调度的目标任务的目标需求类型，确定目标资源类型集合，根据目标资源类型集合中集合的每个资源参数值，确定第一集合的第一适应度值，根据第一适应度值确定目标集合，从而为目标任务分配目标集合中资源参数值的资源，在资源调度的过程中，考虑到了目标任务的目标需求类型，因此可以提高任务和为任务分配的资源的匹配度，可以较好地满足用户的需求。
图5为本发明实施例提供的一种资源调度装置示意图，应用于服务器，该装置包括：
获取模块51，用于获取待调度的目标任务，其中所述目标任务中携带有所述目标任务的目标需求类型的信息；
第一确定模块52，用于根据预先保存的需求类型与资源类型集合的对应关系，确定所述目标需求类型对应的目标资源类型集合；
第二确定模块53，用于根据所述目标资源类型集合中的每个集合的资源参数值，及模糊C均值FCM算法，确定第一集合的第一适应度值；根据每个第一集合的第一适应度值，确定目标集合；
调度模块54，用于根据所述目标集合中包含的资源参数值，为所述目标任务分配对应资源参数值的资源。
所述第二确定模块53，具体用于A：针对当前保存的每个集合，根据该集合中的资源参数值，及FCM算法，确定该集合的适应度值；B：判断当前的进化次数是否达到预设的进化次数阈值，如果是，进行D；如果否，进行C；C：确定适应度值大于预设的适应度阈值的第二集合，对第二集合进行调整，生成至少一个第三集合，将第二集合和第三集合作为当前保存的每个集合，并对当前的进化次数更新，返回A；D：将每个集合作为第一集合，将每个适应度值作为第一适应度值。
所述第二确定模块53，具体用于在每个第一集合中，将第一适应度值最大的第一集合确定为目标集合。
所述第二确定模块53，具体用于将所述第二集合划分为至少一个集合组，每个集合组中包括两个第二集合；针对每个集合组中包含的两个第二集合，确定该集合组中所述两个第二集合中每个资源参数对应的第一随机值，针对每个资源参数，当该资源参数对应的第一随机值大于设定第一阈值，在所述两个第二集合中，将适应度值较小的第二集合中该资源参数的资源参数值，确定为第三集合中该资源参数的资源参数值，当该资源参数对应的第一随机值不大于所述设定第一阈值，在所述两个第二集合中，将适应度较大的第二集合中该资源参数的资源参数值，确定为第三结合中该资源参数的资源参数值；和/或在所述第二集合选取至少一个第二集合；针对所述至少一个第二集合，确定该第二集合中每个资源参数对应的第二随机值，针对每个资源参数，当该资源参数对应的第二随机值不大于设定第二阈值，生成该资源参数对应的随机资源参数值，将所述随机资源参数值确定为第三集合中该资源参数的资源参数值，当该资源参数对应的第二随机值大于所述设定第二阈值，将该第二集合中该资源参数对应的资源参数值，确定为第三集合中该资源参数对应的资源参数值。
所述第二确定模块53，具体用于根据该集合中的每个资源参数值及所述FCM算法，确定该集合对目标需求类型的隶属度值；根据所述隶属度值、所述目标需求类型及所述FCM算法，确定该集合的目标函数值；将所述目标函数值的倒数确定为该集合的适应度值。
所述装置还包括：
保存模块55，用于根据预先保存的需求类型，确定资源类型集合的聚类中心；根据待分类的每个第四集合及所述FCM算法，确定每个第四集合的隶属度，根据每个第四集合的隶属度，对所述每个第四集合按照每个聚类中心进行聚类；针对每个聚类中心，在该聚类中心对应的资源类型集合中，保存属于该聚类中心的第四集合。
本发明实施例中根据待调度的目标任务的目标需求类型，确定目标资源类型集合，根据目标资源类型集合中集合的每个资源参数值，确定第一集合的第一适应度值，根据第一适应度值确定目标集合，从而为目标任务分配目标集合中资源参数值的资源，在资源调度的过程中，考虑到了目标任务的目标需求类型，因此可以提高任务和为任务分配的资源的匹配度，可以较好地满足用户的需求。
对于系统/装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，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。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种资源调度方法，其特征在于，应用于服务器，该方法包括：
获取待调度的目标任务，其中所述目标任务中携带有所述目标任务的目标需求类型的信息；
根据预先保存的需求类型与资源类型集合的对应关系，确定所述目标需求类型对应的目标资源类型集合；
根据所述目标资源类型集合中的每个集合的资源参数值，及模糊C均值FCM算法，确定第一集合的第一适应度值；根据每个第一集合的第一适应度值，确定目标集合；
根据所述目标集合中包含的资源参数值，为所述目标任务分配对应资源参数值的资源；
所述根据所述目标资源类型集合中的每个集合的资源参数值，及模糊C均值FCM算法，确定第一集合的第一适应度值包括：
A：针对当前保存的每个集合，根据该集合中的资源参数值，及FCM算法，确定该集合的适应度值；
B：判断当前的进化次数是否达到预设的进化次数阈值，如果是，进行D；如果否，进行C；
C：确定适应度值大于预设的适应度阈值的第二集合，对第二集合进行调整，生成至少一个第三集合，将第二集合和第三集合作为当前保存的每个集合，并对当前的进化次数更新，返回A；
D：将每个集合作为第一集合，将每个适应度值作为第一适应度值；
所述对第二集合进行调整，生成至少一个第三集合包括：
将所述第二集合划分为至少一个集合组，每个集合组中包括两个第二集合；针对每个集合组中包含的两个第二集合，确定该集合组中所述两个第二集合中每个资源参数对应的第一随机值，针对每个资源参数，当该资源参数对应的第一随机值大于设定第一阈值，在所述两个第二集合中，将适应度值较小的第二集合中该资源参数的资源参数值，确定为第三集合中该资源参数的资源参数值，当该资源参数对应的第一随机值不大于所述设定第一阈值，在所述两个第二集合中，将适应度较大的第二集合中该资源参数的资源参数值，确定为第三结合中该资源参数的资源参数值；和/或
在所述第二集合选取至少一个第二集合；针对所述至少一个第二集合，确定该第二集合中每个资源参数对应的第二随机值，针对每个资源参数，当该资源参数对应的第二随机值不大于设定第二阈值，生成该资源参数对应的随机资源参数值，将所述随机资源参数值确定为第三集合中该资源参数的资源参数值，当该资源参数对应的第二随机值大于所述设定第二阈值，将该第二集合中该资源参数对应的资源参数值，确定为第三集合中该资源参数对应的资源参数值。
2.如权利要求1所述的方法，其特征在于，所述根据每个第一集合的第一适应度值，确定目标集合包括：
在每个第一集合中，将第一适应度值最大的第一集合确定为目标集合。
3.如权利要求1所述的方法，其特征在于，所述根据该集合中的每个资源参数值，及FCM算法，确定该集合的适应度值包括：
根据该集合中的每个资源参数值及所述FCM算法，确定该集合对目标需求类型的隶属度值；
根据所述隶属度值、所述目标需求类型及所述FCM算法，确定该集合的目标函数值；将所述目标函数值的倒数确定为该集合的适应度值。
4.如权利要求1所述的方法，其特征在于，所述预先保存需求类型与资源类型集合的对应关系包括：
根据预先保存的需求类型，确定资源类型集合的聚类中心；
根据待分类的每个第四集合及所述FCM算法，确定每个第四集合的隶属度，根据每个第四集合的隶属度，对所述每个第四集合按照每个聚类中心进行聚类；
针对每个聚类中心，在该聚类中心对应的资源类型集合中，保存属于该聚类中心的第四集合。
5.一种资源调度装置，其特征在于，应用于服务器，该装置包括：
获取模块，用于获取待调度的目标任务，其中所述目标任务中携带有所述目标任务的目标需求类型的信息；
第一确定模块，用于根据预先保存的需求类型与资源类型集合的对应关系，确定所述目标需求类型对应的目标资源类型集合；
第二确定模块，用于根据所述目标资源类型集合中的每个集合的资源参数值，及模糊C均值FCM算法，确定第一集合的第一适应度值；根据每个第一集合的第一适应度值，确定目标集合；
调度模块，用于根据所述目标集合中包含的资源参数值，为所述目标任务分配对应资源参数值的资源；
所述第二确定模块，具体用于A：针对当前保存的每个集合，根据该集合中的资源参数值，及FCM算法，确定该集合的适应度值；B：判断当前的进化次数是否达到预设的进化次数阈值，如果是，进行D；如果否，进行C；C：确定适应度值大于预设的适应度阈值的第二集合，对第二集合进行调整，生成至少一个第三集合，将第二集合和第三集合作为当前保存的每个集合，并对当前的进化次数更新，返回A；D：将每个集合作为第一集合，将每个适应度值作为第一适应度值；
所述第二确定模块，具体用于将所述第二集合划分为至少一个集合组，每个集合组中包括两个第二集合；针对每个集合组中包含的两个第二集合，确定该集合组中所述两个第二集合中每个资源参数对应的第一随机值，针对每个资源参数，当该资源参数对应的第一随机值大于设定第一阈值，在所述两个第二集合中，将适应度值较小的第二集合中该资源参数的资源参数值，确定为第三集合中该资源参数的资源参数值，当该资源参数对应的第一随机值不大于所述设定第一阈值，在所述两个第二集合中，将适应度较大的第二集合中该资源参数的资源参数值，确定为第三结合中该资源参数的资源参数值；和/或在所述第二集合选取至少一个第二集合；针对所述至少一个第二集合，确定该第二集合中每个资源参数对应的第二随机值，针对每个资源参数，当该资源参数对应的第二随机值不大于设定第二阈值，生成该资源参数对应的随机资源参数值，将所述随机资源参数值确定为第三集合中该资源参数的资源参数值，当该资源参数对应的第二随机值大于所述设定第二阈值，将该第二集合中该资源参数对应的资源参数值，确定为第三集合中该资源参数对应的资源参数值。
6.如权利要求5所述的装置，其特征在于，所述第二确定模块，具体用于在每个第一集合中，将第一适应度值最大的第一集合确定为目标集合。
7.如权利要求5所述的装置，其特征在于，所述第二确定模块，具体用于根据该集合中的每个资源参数值及所述FCM算法，确定该集合对目标需求类型的隶属度值；根据所述隶属度值、所述目标需求类型及所述FCM算法，确定该集合的目标函数值；将所述目标函数值的倒数确定为该集合的适应度值。
8.如权利要求5所述的装置，其特征在于，所述装置还包括：
保存模块，用于根据预先保存的需求类型，确定资源类型集合的聚类中心；根据待分类的每个第四集合及所述FCM算法，确定每个第四集合的隶属度，根据每个第四集合的隶属度，对所述每个第四集合按照每个聚类中心进行聚类；针对每个聚类中心，在该聚类中心对应的资源类型集合中，保存属于该聚类中心的第四集合。
9.一种服务器，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
所述存储器中存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行权利要求1～4任一项所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，其存储有可由服务器执行的计算机程序，当所述程序在所述服务器上运行时，使得所述服务器执行权利要求1～4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711463152.5A CN109976901B (zh) | 2017-12-28 | 2017-12-28 | 一种资源调度方法、装置、服务器及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711463152.5A CN109976901B (zh) | 2017-12-28 | 2017-12-28 | 一种资源调度方法、装置、服务器及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109976901A CN109976901A (zh) | 2019-07-05 |
| CN109976901B true CN109976901B (zh) | 2021-04-16 |
Family
ID=67075018
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711463152.5A Active CN109976901B (zh) | 2017-12-28 | 2017-12-28 | 一种资源调度方法、装置、服务器及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109976901B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111901410A (zh) * | 2020-07-24 | 2020-11-06 | 山东英信计算机技术有限公司 | 一种服务器分组方法、装置、设备及计算机可读存储介质 |
| CN112068957B (zh) * | 2020-08-27 | 2024-02-09 | 北京灵汐科技有限公司 | 资源分配方法、装置、计算机设备及存储介质 |
| CN113821336B (zh) * | 2021-03-08 | 2024-04-05 | 北京京东乾石科技有限公司 | 资源分配方法和装置、存储介质、电子设备 |
| CN113312166B (zh) * | 2021-07-29 | 2022-02-01 | 阿里云计算有限公司 | 资源处理方法以及装置 |
| CN116107761B (zh) * | 2023-04-04 | 2023-08-22 | 阿里云计算有限公司 | 性能调优方法、系统、电子设备及可读存储介质 |
| CN116501478A (zh) * | 2023-06-28 | 2023-07-28 | 中国电信股份有限公司 | 任务分配方法、装置、设备、介质及数字孪生系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103812930A (zh) * | 2014-01-16 | 2014-05-21 | 华为技术有限公司 | 一种资源调度的方法及装置 |
| CN104965762A (zh) * | 2015-07-21 | 2015-10-07 | 国家计算机网络与信息安全管理中心 | 一种面向混合任务的调度系统 |
| CN105677470A (zh) * | 2016-01-07 | 2016-06-15 | 中国联合网络通信集团有限公司 | 虚拟机任务调度方法、虚拟机系统 |
| CN106446959A (zh) * | 2016-10-10 | 2017-02-22 | 北京邮电大学 | 一种云计算资源动态匹配方法及装置 |
| CN107404523A (zh) * | 2017-07-21 | 2017-11-28 | 中国石油大学(华东) | 云平台自适应资源调度系统和方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090199192A1 (en) * | 2008-02-05 | 2009-08-06 | Robert Laithwaite | Resource scheduling apparatus and method |
-
2017
- 2017-12-28 CN CN201711463152.5A patent/CN109976901B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103812930A (zh) * | 2014-01-16 | 2014-05-21 | 华为技术有限公司 | 一种资源调度的方法及装置 |
| CN104965762A (zh) * | 2015-07-21 | 2015-10-07 | 国家计算机网络与信息安全管理中心 | 一种面向混合任务的调度系统 |
| CN105677470A (zh) * | 2016-01-07 | 2016-06-15 | 中国联合网络通信集团有限公司 | 虚拟机任务调度方法、虚拟机系统 |
| CN106446959A (zh) * | 2016-10-10 | 2017-02-22 | 北京邮电大学 | 一种云计算资源动态匹配方法及装置 |
| CN107404523A (zh) * | 2017-07-21 | 2017-11-28 | 中国石油大学(华东) | 云平台自适应资源调度系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109976901A (zh) | 2019-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109976901B (zh) | 一种资源调度方法、装置、服务器及可读存储介质 | |
| CN110858161B (zh) | 资源分配方法、装置、系统、设备和介质 | |
| CN108287666B (zh) | 用于云存储环境的数据存储方法及装置 | |
| CN113326126B (zh) | 任务处理方法、任务调度方法、装置及计算机设备 | |
| CN110231984B (zh) | 多工作流任务分配方法、装置、计算机设备和存储介质 | |
| CN112764936B (zh) | 基于深度强化学习的边缘计算服务器信息处理方法及装置 | |
| CN113821318A (zh) | 一种物联网跨域子任务组合协同计算方法及系统 | |
| Muthusamy et al. | Cluster-based task scheduling using K-means clustering for load balancing in cloud datacenters | |
| CN114302407A (zh) | 网络决策方法及装置、电子设备和存储介质 | |
| CN115586961A (zh) | 一种ai平台计算资源任务调度方法、装置及介质 | |
| CN113765949A (zh) | 资源分配的方法以及装置 | |
| CN114625500A (zh) | 云环境下拓扑感知的微服务应用调度的方法及应用 | |
| CN112187670B (zh) | 一种基于群体智能的网络化软件共享资源分配方法及装置 | |
| Bhatnagar et al. | Stochastic algorithms for discrete parameter simulation optimization | |
| CN108289115B (zh) | 一种信息处理方法及系统 | |
| CN115794323A (zh) | 任务调度方法、装置、服务器和存储介质 | |
| CN116915869A (zh) | 基于云边协同的时延敏感型智能服务快速响应方法 | |
| CN111181875B (zh) | 带宽调节方法及装置 | |
| CN116880968A (zh) | 一种作业调度方法及调度系统 | |
| CN115794358A (zh) | 云工作流任务调度方法、装置、电子设备和存储介质 | |
| US20230116810A1 (en) | Automated predictive infrastructure scaling | |
| WO2017213065A1 (ja) | サービス管理システム、サービス管理方法、および、記録媒体 | |
| CN114020469A (zh) | 基于边缘节点的多任务学习方法、装置、介质与设备 | |
| CN113468442A (zh) | 资源位流量的分发方法、计算设备及计算机存储介质 | |
| Xiong et al. | Reinforcement Learning for Finite-Horizon Restless Multi-Armed Multi-Action Bandits |
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 |