CN110138838A - 一种计算资源分配方法及装置 - Google Patents
一种计算资源分配方法及装置 Download PDFInfo
- Publication number
- CN110138838A CN110138838A CN201910302613.3A CN201910302613A CN110138838A CN 110138838 A CN110138838 A CN 110138838A CN 201910302613 A CN201910302613 A CN 201910302613A CN 110138838 A CN110138838 A CN 110138838A
- Authority
- CN
- China
- Prior art keywords
- resource
- computing
- task
- computing unit
- time period
- 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
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
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
- H04L67/62—Establishing a time schedule for servicing the requests
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种计算资源的分配方法。该方法包括:从第一任务集合和第二任务集合中各选择一个任务分配至一个计算单元上;第一任务集合中每个任务在第一时间段的计算资源需求大于其在第二时间段的计算资源需求;第二任务集合中每个任务在第一时间段的计算资源需求小于其在第二时间段内的计算资源需求;将计算资源需求超出预设阈值的计算单元上的任务进行迁移;回收计算资源需求超出预设阈值的计算单元中第一指定数量的计算单元上的计算资源,并对第一指定数量的计算单元上的任务重新分配计算资源。本发明减少了任务迁移的次数,从而减少了系统开销,保证了对时延要求严格的任务质量。
Description
技术领域
本发明属于移动通信领域,尤其涉及一种计算资源分配方法及装置。
背景技术
随着无线通信技术的发展以及终端、业务流量的高速增加,无线通信网络面临越来越大的能耗挑战,由于无线通信系统中大部分能耗来自于通信基站,因此为了降低无线通信网络的能耗,提出了集中式基站结构。
集中式基站结构中,单一基站不再独享基站计算资源,许多基站的室内基带处理单元(Base Band Unit,以下简称BBU)集中起来构成BBU池,通过虚拟化技术,可以根据虚拟基站对应的负载情况,对BBU池里的BBU进行灵活分配和动态调度,从而可以根据各小区负载需求对BBU进行按需分配,从而提高资源利用率,降低通信系统成本。
但是集中处理所有资源必然带来资源分配问题,如何根据任务实际负载需求,对基站处理资源进行灵活的分配,提高基站处理资源的利用率,是集中式基站架构的一个研究热点。
目前,集中式基站架构中,主要基于当前任务的资源需求实时给当前任务分配计算资源,虽然每次计算资源分配结果最优,但是这种资源分配方式没有考虑多次计算资源分配之间的关系,也就是说没有考虑未来任务负载的变化情况,当发生诸如“潮汐效应”的任务负载变化时,会产生大量的任务迁移,这一缺点在网络规模越大时越明显;而且由于任务迁移这个技术本身的计算开销就很大,如果每次的计算资源分配结果出现大量迁移任务时,在同一时段进行任务迁移会造成系统开销巨大以及网络拥塞严重,严重时会导致系统瘫痪;同时,由于迁移技术目前并不能做到无停机时间的无缝迁移,对于时延要求非常高的任务来说,为保证任务质量,因此需要尽可能减少任务的迁移。
发明内容
因此,本发明的目的在于克服上述现有技术的缺陷,提供一种计算资源分配方法及装置。
本发明的目的是通过以下技术方案实现的:
一方面,本发明提供了一种计算资源的分配方法,包括:
从第一任务集合和第二任务集合中各选择一个任务分配至一个计算单元上;第一任务集合中每个任务在第一时间段的计算资源需求大于其在第二时间段的计算资源需求;第二任务集合中每个任务在第一时间段的计算资源需求小于其在第二时间段内的计算资源需求;
将计算资源需求超出预设阈值的计算单元上的任务进行迁移;
回收计算资源需求超出预设阈值的计算单元中第一指定数量的计算单元上的计算资源,并对第一指定数量的计算单元上的任务重新分配计算资源。
上述方法中,每个计算单元上的两个任务在第一时间段内的计算资源需求与第二时间段内的计算资源需求的差值小于预设阈值。
上述方法中,还包括:
计算每个计算单元在第一时间段的第一资源利用率和在第二时间段内的第二资源利用率;
回收所述第一资源利用率低于预设阈值的计算单元中第二指定数量的计算单元上的计算资源,回收所述第二资源利用率低于预设阈值的计算单元中第三指定数量的计算单元上的计算资源;
对所述第二指定数量和第三指定数量的计算单元上的任务重新分配计算资源。
上述方法中,还包括:
将计算资源需求超出预设阈值的计算单元上的任务进行迁移之后,计算基站当前任务迁移次数ecur;
计算重新分配计算资源后的基站任务迁移次数enew;
在enew<ecur时,将重新分配计算资源后的分配结果设置为当前计算资源分配结果,否则,以指定概率将重新分配计算资源后的分配结果设置为当前计算资源分配结果。
上述方法中,所述指定概率为e-δ/Tp,其中,Tp为系统温度,δ=enew-ecur。
另一方面,本发明提供了一种计算资源的分配装置,包括:
第一分配模块,用于从第一任务集合和第二任务集合中各选择一个任务分配至一个计算单元上;第一任务集合中每个任务在第一时间段的计算资源需求大于其在第二时间段的计算资源需求;第二任务集合中每个任务在第一时间段的计算资源需求小于其在第二时间段内的计算资源需求;
迁移模块,用于将计算资源需求超出预设阈值的计算单元上的任务进行迁移;
第一回收模块,用于回收计算资源需求超出预设阈值的计算单元中第一指定数量的计算单元上的计算资源,并对第一指定数量的计算单元上的任务重新分配计算资源。
上述装置中,还包括:
计算模块,用于分别计算每个计算单元在第一时间段和第二时间段内的资源利用率,称为第一资源利用率和第二资源利用率;
第二回收模块,用于回收所述第一资源利用率低于预设阈值的计算单元中第二指定数量的计算单元上的计算资源,还用于回收所述第二资源利用率低于预设阈值的计算单元中第三指定数量的计算单元上的计算资源;
第二分配模块,用于对所述第二指定数量和第三指定数量的计算单元上的任务重新分配计算资源。
上述装置中,还包括:设置模块,用于根据指定条件将重新分配计算资源后的分配结果设置为当前计算资源分配结果;所述设置模块包括:
计算单元,用于计算重新分配计算资源后的基站任务迁移次数enew;
判定模块,用于判定enew<ecur时,触发第一设置单元,否则,触发第二设置单元;
第一设置单元,用于将重新分配计算资源后的分配结果设置为当前计算资源分配结果;
第二设置单元,用于以指定概率将重新分配计算资源后的分配结果设置为当前计算资源分配结果。
再一方面,本发明还提供了一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述可执行指令在被所述处理器运行时使得所述处理器执行上述的计算资源的分配方法。
又一方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行所述的计算资源的分配方法。
与现有技术相比,本发明的优点在于:
1)本发明实施例通过从第一任务集合和第二任务集合中各选择一个任务分配至一个计算单元上,将计算资源需求超出预设阈值的计算单元上的任务进行迁移,同时回收计算资源需求超出预设阈值的计算单元中第一指定数量的计算单元上的计算资源,并对第一指定数量的计算单元上的任务重新分配计算资源,减少了任务迁移的次数,从而减少了系统开销,保证了对时延要求严格的任务质量;
2)进一步地,计算每个计算单元在第一时间段和第二时间段内的资源利用率,回收第一资源利用率低于预设阈值的计算单元中第二指定数量的计算单元上的计算资源,回收第二资源利用率低于预设阈值的计算单元中第三指定数量的计算单元上的计算资源,并对第二指定数量和第三指定数量的计算单元上的任务重新分配计算资源,提高了资源利用率,计算资源分配方式灵活,进一步减少了任务迁移次数,保证了对时延要求严格的任务质量。
附图说明
以下参照附图对本发明实施例作进一步说明,其中:
图1是本发明实施例提供的一种计算资源的分配方法流程示意图;
图2为本发明实施例提供的任务组合示意图;图3是本发明实施例提供的一种计算资源的具体分配方法流程示意图;
图4为本发明实施例的计算资源的分配方法与现有技术中计算单元的开启数量比较示意图;
图5为本发明实施例的计算资源的分配方法与现有技术中任务迁移数量比较示意图;
图6是本发明实施例提供的一种计算资源的分配装置结构示意图;
图7是本发明实施例提供的一种电子设备结构示意图。
具体实施方式
为了使本发明的目的,技术方案及优点更加清楚明白,以下结合附图通过具体实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
在移动通信中,在某些区域间存在业务负载按时间反复迁移的现象。比如,在白天上班时间段,商务区的业务负载情况要明显高于住宅区的负载情况,而在夜晚则完全相反,住宅区的业务负载明显高于商务区,这种情况称为“潮汐效应”。这种“潮汐效应”广泛存在于移动网络中,如酒店的会议区和客房区,大型体育场馆和运动员村之间。由于这两种任务的计算资源需求在时间上具有互补性,本发明实施例将住宅区和商务区的基站处理任务根据其互补程度分配在同一个计算单元上时,可以大大降低任务发生迁移的可能性,从而减少由于任务迁移带来的负面效果。下面结合图示对本发明进行详细描述。
图1是本发明实施例提供的一种计算资源的分配方法流程示意图,如图1所示,该方法包括:
101、从第一任务集合和第二任务集合中各选择一个任务分配至一个计算单元上;第一任务集合中每个任务在第一时间段的计算资源需求大于其在第二时间段的计算资源需求;第二任务集合中每个任务在第一时间段的计算资源需求小于其在第二时间段内的计算资源需求;
设T为任务的计算资源需求集合,即
T={{T1,s,T1,x},{T2,s,T2,x},{T3,s,T3,x}...{Tj,s,Tj,x}...{TM,s,TM,x},1≤j≤M},T中每个任务Tj是一个二元组,Tj,s为任务Tj在第一时间段的计算资源需求,Tj,x为任务Tj在第二时间段的计算资源需求,将T分为第一任务集合和第二任务集合,第一任务集合中Tj,s>Tj,x;第二任务集合中Tj,s<Tj,x,上述计算资源需求单位均为MIPS(Million InstructionsPer Second,百万指令每秒)。
本发明实施例以第一任务集合为商务区的任务、第二任务集合为住宅区的任务、第一时间段为上班时间段和第二时间段为下班时间段为例进行说明,例如,上班时间段为10:00-19:00,下班时间段为19:00-次日10:00。实际应用中,也可以进行更加详细的划分,本发明实施例对第一时间段和第二时间段的具体划分不作限制。
图2为本发明实施例提供的任务组合示意图,假设商务区的一个任务为a,住宅区的一个任务为b,如图2所示,Ta,s>Ta,x,Tb,s<Tb,x。
具体地,每个计算单元上的两个任务在第一时间段内的计算资源需求与第二时间段内的计算资源需求的差值小于预设阈值。
继续参见图2,设Δc为每个计算单元上的两个任务在第一时间段内和第二时间段内的计算资源需求的差值,即
Δc=|(Ta,s+Tb,s)-(Ta,x+Tb,x)|
本发明实施例中每个计算单元上的两个任务在第一时间段内和第二时间段内的计算资源需求的差值Δc最小,在具体应用中还可以设置阈值,使Δc小于阈值即可,本发明实施例对此不作具体限制。
本发明实施例中设PUi表示计算单元,Ci表示计算单元PUi的处理能力,多个计算单元组成的集合可以表示为PU={C1,C2,C3...Ci...CN,1≤i≤N},Ci=C(MIPS),1≤i≤N。
从第一任务集合和第二任务集合中各选择一个任务分配至一个计算单元,直到所有任务的计算资源需求都被满足,得到初始计算资源分配集合Z0。
上述步骤分配结果不一定是系统最优解,为了获得系统最优解,可以进行迭代。在每一次迭代过程中,都需要根据系统当前计算资源资源分配方式,搜索其相邻解空间,从而获得一种更优的计算资源分配方式。根据模拟退火算法采用随机概率突变的方法来跳出局部最优解的原理,因此,在迭代过程中,将随机对当前计算资源分配方式下发生任务迁移的计算单元以及计算资源利用率低的计算单元进行计算资源分配的调整,逐步逼近系统最优计算资源分配方案。下面将对其进行详细描述。
本发明实施例中,设置系统初始温度为Tp=Tp0,温度衰减因子为α,每个温度下算法迭代次数为τ,同一温度下算法迭代终止次数为τ0。
102、将计算资源需求超出预设阈值的计算单元上的任务进行迁移,计算基站当前任务迁移次数ecur,并回收计算资源需求超出预设阈值的计算单元中第一指定数量的计算单元上的计算资源;
假设在上班时间段有任务T1,T2,T3,T4被分配在计算单元PU1,其中T1,s+T2,s+T3,s+T4,s≤C(MIPS),如果下班时间段T1,T2,T3,T44个任务的计算资源需求总和T1,x+T2,x+T3,x+T4,x>C(MIPS),那么计算单元PU1上的任务就需要发生迁移。
具体地,按照计算资源需求量的大小将计算单元上的任务迁移,比如,先将计算单元PU1上计算资源需求量最大的任务T3迁移出去,如果T1,x+T2,x+T4,x>C(MIPS),则继续将计算单元PU1上计算资源需求量最大的任务T1迁移出去,直到计算单元PU1上的计算能力能够满足剩余任务的计算资源需求,即如果T2,x+T4,x<C(MIPS),则停止迁移计算单元PU1上的任务。
设K为计算资源需求超出预设阈值的计算单元总数量,k为第一指定数量,回收k个计算单元上的计算资源,然后为k个计算单元上的任务重新分配计算资源,k和K均为自然数。
其中,gi为第i个计算单元上的任务迁移数量,N为计算单元数量。例如,假设一个计算单元上有3个任务发生迁移,则gi为3。
103、分别计算每个计算单元在第一时间段和第二时间段内的资源利用率,称为第一资源利用率和第二资源利用率,并回收第一资源利用率低于预设阈值的计算单元中第二指定数量的计算单元上的计算资源,回收第二资源利用率低于预设阈值的计算单元中第三指定数量的计算单元上的计算资源;
设每个计算单元在第一时间段资源利用率为ηi,s,每个计算单元在第二时间段内的资源利用率为ηi,x,则
其中,N为计算单元数,M为任务数。
104、对第一指定数量、第二指定数量和第三指定数量的计算单元上的任务重新分配计算资源;
其中,k≤K,即第一指定数量可以是小于计算资源需求超出预设阈值的计算单元总数量K的任意一值,进一步地,当k=K时,重新分配任务的精度更高。
设第一资源利用率低于预设阈值的计算单元数量为Qs,设第二资源利用率低于预设阈值的计算单元数量为Qx,从Qs中选取qs个,即第二指定数量为qs,从Qx个中选取qx个计算单元,即第三指定数量为qx,回收qs,qx计算单元上的计算资源,然后为这些计算单元上的任务重新分配计算资源,获得系统新的计算资源分配集合Znew,Qs,qs,Qx和qx均为自然数。
同上所述,qs≤Qs,即第二指定数量qs可以是小于Qs的任意一值,qx≤Qx,即第三指定数量qx可以是小于Qx的任意一值,进一步地,当qs=Qs,qx=Qx时,重新分配任务的精度更高。
105、根据指定条件将重新分配计算资源后的分配结果设置为当前计算资源分配结果。
具体地,根据指定条件将重新分配计算资源后的分配结果设置为当前计算资源分配结果,包括:
1051、计算重新分配计算资源后的基站任务迁移次数enew;
其中,enew的计算过程与ecur的计算过程相同,本发明实施例在此不再赘述。
1052、在enew<ecur时,执行步骤1053;否则,执行步骤1054;
1053、将重新分配计算资源后的分配结果设置为当前计算资源分配结果;
1054、以指定概率将重新分配计算资源后的分配结果设置为当前计算资源分配结果。
将重新分配计算资源后的分配结果设置为当前计算资源分配结果,表示为,接受重新分配计算资源后的分配结果。假设指定概率为30%,则表示接受重新分配计算资源后的分配结果的概率为30%。实际应用中,可以通过一个概率装置来确定是否接受重新分配计算资源后的分配结果,假设概率装置每次会输出0或1,其中0表示不接受,1表示接受。以指定概率30%将重新分配计算资源后的分配结果设置为当前计算资源分配结果,即表示,该概率装置输出1的概率为30%,输出0的概率为70%,当然,也可以通过其它形式实现以指定概率接受重新分配计算资源后的分配结果,本发明对以指定概率接受重新分配计算资源后的分配结果的具体实现形式不作限定。
具体地,指定概率为e-δ/Tp,其中,δ=enew-ecur。
指定概率也可以是预设的其它概率值,也可以根据其它的计算公式来确定,本发明实施例对此不作具体限制。
实际应用中,重复步骤102至步骤105τ次,图3为计算资源的具体分配方法流程示意图,参见图3,步骤105之后执行步骤106;
106、判断是否达到预设次数τ,如果是,执行步骤107,否则返回步骤102;
107、当得到的enew连续τ0次迭代过程中均保持不变,终止系统温度Tp下的迭代过程,然后更新系统温度Tp=αTp,再重复上述计算资源分配过程步骤102至105;
108、判断Tp→0,如果是,执行步骤109,否则,返回步骤102;
109、返回更新后的当前计算资源分配结果。
需要说明的是,本发明实施例在步骤102之后即可结束,相应的,在步骤102中回收计算资源需求超出预设阈值的计算单元中第一指定数量的计算单元上的计算资源之后,直接对第一指定数量的计算单元上的任务重新分配计算资源;更优的,可以先对第一指定数量的计算单元上的任务不重新分配计算资源,在步骤102之后继续执行步骤103,相应的,步骤104中统一为对第一指定数量、第二指定数量和第三指定数量的计算单元上的任务重新分配计算资源,这样可以进一步减少了任务迁移的次数,减少了系统开销,保证对时延要求严格的任务质量;本发明实施例在步骤104之后也可以结束,更优的,还可以在步骤104之后,继续执行步骤105,然后重复步骤102至步骤105τ次,当得到的enew连续τ0次迭代过程中均保持不变,终止系统温度Tp下的迭代过程,然后更新系统温度Tp=αTp,重复上述计算资源分配过程步骤102至105,直至Tp→0。
图4为本发明实施例的计算资源的分配方法与现有技术中计算单元的开启数量比较示意图,图5为本发明实施例的计算资源的分配方法与现有技术中任务迁移数量比较示意图,图4和图5中折线1表示现有技术中的首次适应(First Fit,简称FF)方法,折线2表示本发明,结合图4和图5可以看出,本发明实施例提供的计算资源的分配方法在图4中计算单元的开启数量虽然有5%-15%小幅度增加,但是在图5中任务迁移数量降低了25%-45%。
本发明实施例通过从第一任务集合和第二任务集合中各选择一个任务分配至一个计算单元上,将计算资源需求超出预设阈值的计算单元上的任务进行迁移,同时回收计算资源需求超出预设阈值的计算单元中第一指定数量的计算单元上的计算资源,并对第一指定数量的计算单元上的任务重新分配计算资源,减少了任务迁移的次数,从而减少了系统开销,保证了对时延要求严格的任务质量;进一步地,计算每个计算单元在第一时间段和第二时间段内的资源利用率,回收第一资源利用率低于预设阈值的计算单元中第二指定数量的计算单元上的计算资源,回收第二资源利用率低于预设阈值的计算单元中第三指定数量的计算单元上的计算资源,并对第二指定数量和第三指定数量的计算单元上的任务重新分配计算资源,提高了资源利用率,计算资源分配方式灵活,进一步减少了任务迁移次数,保证了对时延要求严格的任务质量。
图6是本发明实施例提供的一种计算资源的分配装置结构示意图,如图6所示,包括:第一分配模块501,迁移模块502,第一回收模块503,计算模块504,第二回收模块505,第二分配模块506和设置模块507;
第一分配模块501,用于从第一任务集合和第二任务集合中各选择一个任务分配至一个计算单元上;第一任务集合中每个任务在第一时间段的计算资源需求大于其在第二时间段的计算资源需求;第二任务集合中每个任务在第一时间段的计算资源需求小于其在第二时间段内的计算资源需求;
迁移模块502,用于将计算资源需求超出预设阈值的计算单元上的任务进行迁移,计算基站当前任务迁移次数ecur;
第一回收模块503,用于回收计算资源需求超出预设阈值的计算单元中第一指定数量的计算单元上的计算资源;
计算模块504,用于分别计算每个计算单元在第一时间段和第二时间段内的资源利用率,称为第一资源利用率和第二资源利用率;
第二回收模块505,用于回收第一资源利用率低于预设阈值的计算单元中第二指定数量的计算单元上的计算资源,还用于回收第二资源利用率低于预设阈值的计算单元中第三指定数量的计算单元上的计算资源;
第二分配模块506,用于对第一指定数量、第二指定数量和第三指定数量的计算单元上的任务重新分配计算资源。
设置模块507,用于根据指定条件将重新分配计算资源后的分配结果设置为当前计算资源分配结果。
具体地,设置模块507包括:计算单元,判定单元,第一设置单元和第二设置单元;
计算单元,用于计算重新分配计算资源后的基站任务迁移次数enew;
判定模块,用于判定enew<ecur时,触发第一设置单元,否则,触发第二设置单元;
第一设置单元,用于将重新分配计算资源后的分配结果设置为当前计算资源分配结果;
第二设置单元,用于以指定概率将重新分配计算资源后的分配结果设置为当前计算资源分配结果。
本发明实施例通过从第一任务集合和第二任务集合中各选择一个任务分配至一个计算单元上,将计算资源需求超出预设阈值的计算单元上的任务进行迁移,同时回收计算资源需求超出预设阈值的计算单元中第一指定数量的计算单元上的计算资源,并对第一指定数量的计算单元上的任务重新分配计算资源,减少了任务迁移的次数,从而减少了系统开销,保证了对时延要求严格的任务质量;进一步地,计算每个计算单元在第一时间段和第二时间段内的资源利用率,回收第一资源利用率低于预设阈值的计算单元中第二指定数量的计算单元上的计算资源,回收第二资源利用率低于预设阈值的计算单元中第三指定数量的计算单元上的计算资源,并对第二指定数量和第三指定数量的计算单元上的任务重新分配计算资源,提高了资源利用率,计算资源分配方式灵活,进一步减少了任务迁移次数,保证了对时延要求严格的任务质量。
图7是本发明实施例提供的一种电子设备结构示意图,下面,参考图7来描述根据本申请实施例的电子设备。
如图7所示,电子设备100包括一个或多个处理器101和存储器102。
处理器101可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备100中的其他组件以执行期望的功能。
存储器102可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器101可以运行所述程序指令,以实现上文所述的本申请的各个实施例的计算资源分配方法以及/或者其他期望的功能。
在一个示例中,电子设备100还可以包括:输入装置103和输出装置104,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
例如,该输入装置103可以包括摄像装置,用于采集输入图像。此外,该输入设备103还可以包括例如键盘、鼠标等等。
该输出装置104可以向外部输出各种信息,包括确定出的前景掩模特征图。该输出设备104可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图100中仅示出了该电子设备100中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备100还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的计算资源分配方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的计算资源分配方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种计算资源的分配方法,包括:
从第一任务集合和第二任务集合中各选择一个任务分配至一个计算单元上;其中,第一任务集合中每个任务在第一时间段的计算资源需求大于其在第二时间段的计算资源需求;第二任务集合中每个任务在第一时间段的计算资源需求小于其在第二时间段内的计算资源需求;
将计算资源需求超出预设阈值的计算单元上的任务进行迁移;
回收计算资源需求超出预设阈值的计算单元中第一指定数量的计算单元上的计算资源,并对第一指定数量的计算单元上的任务重新分配计算资源。
2.根据权利要求1所述的方法,其中,每个计算单元上的两个任务在第一时间段内的计算资源需求与第二时间段内的计算资源需求的差值小于预设阈值。
3.根据权利要求1所述的方法,其中,还包括:
计算每个计算单元在第一时间段的第一资源利用率和在第二时间段内的第二资源利用率;
回收所述第一资源利用率低于预设阈值的计算单元中第二指定数量的计算单元上的计算资源,回收所述第二资源利用率低于预设阈值的计算单元中第三指定数量的计算单元上的计算资源;
对所述第二指定数量和第三指定数量的计算单元上的任务重新分配计算资源。
4.根据权利要求2或3所述的方法,其中,还包括:
将计算资源需求超出预设阈值的计算单元上的任务进行迁移之后,计算基站当前任务迁移次数ecur;
计算重新分配计算资源后的基站任务迁移次数enew;
在enew<ecur时,将重新分配计算资源后的分配结果设置为当前计算资源分配结果,否则,以指定概率将重新分配计算资源后的分配结果设置为当前计算资源分配结果。
5.根据权利要求4所述的方法,其中,所述指定概率为e-δ/Tp,其中,Tp为系统温度,δ=enew-ecur。
6.一种计算资源的分配装置,包括:
第一分配模块,用于从第一任务集合和第二任务集合中各选择一个任务分配至一个计算单元上;第一任务集合中每个任务在第一时间段的计算资源需求大于其在第二时间段的计算资源需求;第二任务集合中每个任务在第一时间段的计算资源需求小于其在第二时间段内的计算资源需求;
迁移模块,用于将计算资源需求超出预设阈值的计算单元上的任务进行迁移;
第一回收模块,用于回收计算资源需求超出预设阈值的计算单元中第一指定数量的计算单元上的计算资源,并对第一指定数量的计算单元上的任务重新分配计算资源。
7.根据权利要求6所述的装置,其中,还包括:
计算模块,用于分别计算每个计算单元在第一时间段和第二时间段内的资源利用率,称为第一资源利用率和第二资源利用率;
第二回收模块,用于回收所述第一资源利用率低于预设阈值的计算单元中第二指定数量的计算单元上的计算资源,还用于回收所述第二资源利用率低于预设阈值的计算单元中第三指定数量的计算单元上的计算资源;
第二分配模块,用于对所述第二指定数量和第三指定数量的计算单元上的任务重新分配计算资源。
8.根据权利要求6或7所述的装置,其中,还包括:设置模块,用于根据指定条件将重新分配计算资源后的分配结果设置为当前计算资源分配结果;所述设置模块包括:
计算单元,用于计算重新分配计算资源后的基站任务迁移次数enew;
判定模块,用于判定enew<ecur时,触发第一设置单元,否则,触发第二设置单元;
第一设置单元,用于将重新分配计算资源后的分配结果设置为当前计算资源分配结果;
第二设置单元,用于以指定概率将重新分配计算资源后的分配结果设置为当前计算资源分配结果。
9.一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述可执行指令在被所述处理器运行时使得所述处理器执行上述权利要求1~5中任一项所述的计算资源的分配方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1~5中任一项所述的计算资源的分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910302613.3A CN110138838B (zh) | 2019-04-16 | 2019-04-16 | 一种计算资源分配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910302613.3A CN110138838B (zh) | 2019-04-16 | 2019-04-16 | 一种计算资源分配方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110138838A true CN110138838A (zh) | 2019-08-16 |
CN110138838B CN110138838B (zh) | 2020-07-31 |
Family
ID=67570180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910302613.3A Active CN110138838B (zh) | 2019-04-16 | 2019-04-16 | 一种计算资源分配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110138838B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101800762A (zh) * | 2009-12-30 | 2010-08-11 | 中兴通讯股份有限公司 | 一种对多个业务进行融合的业务云系统及业务实现方法 |
CN102685782A (zh) * | 2011-03-14 | 2012-09-19 | 中国移动通信集团公司 | 分布式基站系统及其负载均衡方法 |
US20120317578A1 (en) * | 2011-06-09 | 2012-12-13 | Microsoft Corporation | Scheduling Execution of Complementary Jobs Based on Resource Usage |
CN103269519A (zh) * | 2013-06-18 | 2013-08-28 | 中国科学院计算技术研究所 | 一种集中式基站架构中的处理资源分配方法与系统 |
CN103530189A (zh) * | 2013-09-29 | 2014-01-22 | 中国科学院信息工程研究所 | 一种面向流式数据的自动伸缩及迁移的方法及装置 |
CN105868027A (zh) * | 2016-06-08 | 2016-08-17 | 江苏三棱智慧物联发展股份有限公司 | 一种基于云计算的资源分配装置及方法 |
-
2019
- 2019-04-16 CN CN201910302613.3A patent/CN110138838B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101800762A (zh) * | 2009-12-30 | 2010-08-11 | 中兴通讯股份有限公司 | 一种对多个业务进行融合的业务云系统及业务实现方法 |
CN102685782A (zh) * | 2011-03-14 | 2012-09-19 | 中国移动通信集团公司 | 分布式基站系统及其负载均衡方法 |
US20120317578A1 (en) * | 2011-06-09 | 2012-12-13 | Microsoft Corporation | Scheduling Execution of Complementary Jobs Based on Resource Usage |
CN103269519A (zh) * | 2013-06-18 | 2013-08-28 | 中国科学院计算技术研究所 | 一种集中式基站架构中的处理资源分配方法与系统 |
CN103530189A (zh) * | 2013-09-29 | 2014-01-22 | 中国科学院信息工程研究所 | 一种面向流式数据的自动伸缩及迁移的方法及装置 |
CN105868027A (zh) * | 2016-06-08 | 2016-08-17 | 江苏三棱智慧物联发展股份有限公司 | 一种基于云计算的资源分配装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110138838B (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103853618B (zh) | 基于截止日期驱动的云系统代价最小化资源分配方法 | |
JP7083476B1 (ja) | ネットワークアクセスデバイスのリソース割り当て方法および装置 | |
Lin et al. | On scientific workflow scheduling in clouds under budget constraint | |
CN108416465B (zh) | 一种移动云环境下的工作流优化方法 | |
CN104111800A (zh) | 一种虚拟磁盘的io口调度方法及其调度装置 | |
WO2019079545A1 (en) | APPARATUS AND METHOD FOR PACKET ORDER PROVIDING BASED ON PERFORMANCE | |
CN109343942A (zh) | 基于边缘计算网络的任务调度方法 | |
WO2022095815A1 (zh) | 显存管理方法、装置、设备及系统 | |
CN106708625A (zh) | 一种基于最小费用最大流的大规模资源调度系统及方法 | |
Zhou et al. | Concurrent workflow budget-and deadline-constrained scheduling in heterogeneous distributed environments | |
Wang et al. | An energy saving based on task migration for mobile edge computing | |
Kapur | A workload balanced approach for resource scheduling in cloud computing | |
dos Anjos et al. | Smart: An application framework for real time big data analysis on heterogeneous cloud environments | |
CN114205317A (zh) | 基于sdn与nfv的服务功能链sfc资源分配方法及电子设备 | |
CN104519082B (zh) | 一种云计算的扩容方法和装置 | |
CN103501509B (zh) | 一种均衡无线网络控制器负载的方法及装置 | |
Meng et al. | Deep reinforcement learning based delay-sensitive task scheduling and resource management algorithm for multi-user mobile-edge computing systems | |
CN106874108A (zh) | 移动云计算中最小化微云使用个数技术 | |
CN110138838A (zh) | 一种计算资源分配方法及装置 | |
Hwang et al. | Constrained conditional resource sharing in pipeline synthesis | |
Ma et al. | A novel approach to cost-efficient scheduling of multi-workflows in the edge computing environment with the proximity constraint | |
Cao et al. | Online cost-rejection rate scheduling for resource requests in hybrid clouds | |
CN104780611B (zh) | 一种资源分配方法及装置 | |
He et al. | QoS-Aware and Resource-Efficient Dynamic Slicing Mechanism for Internet of Things. | |
Cao et al. | Online cost-aware service requests scheduling in hybrid clouds for cloud bursting |
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 |