CN110688217A - 资源释放方法及装置 - Google Patents
资源释放方法及装置 Download PDFInfo
- Publication number
- CN110688217A CN110688217A CN201910832126.8A CN201910832126A CN110688217A CN 110688217 A CN110688217 A CN 110688217A CN 201910832126 A CN201910832126 A CN 201910832126A CN 110688217 A CN110688217 A CN 110688217A
- Authority
- CN
- China
- Prior art keywords
- application task
- artificial intelligence
- intelligence platform
- resource
- resources
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 175
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 238000011160 research Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
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
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5022—Mechanisms to release resources
Abstract
本发明提供一种资源释放方法,包括:依据预设的检测周期,检测所述人工智能平台中的应用任务;判断所述应用任务是否已经执行结束,当所述应用任务已经执行结束时,判断所述应用任务在所述人工智能平台中执行时占用的运行资源是否已经彻底释放;若所述应用任务在所述人工智能平台中执行时占用的运行资源未彻底释放,则将所述应用任务在所述人工智能平台中未彻底释放的运行资源确定为残留资源;执行预设的资源释放策略,以释放所述残留资源。通过应用本发明,可以将人工智能平台中的残留资源进行释放,增加所述人工智能平台中的可用资源,提高所述人工智能平台的资源利用率,确保所述人工智能平台的平稳运行。
Description
技术领域
本发明涉及资源管理技术领域,特别涉及一种资源释放方法及装置。
背景技术
随着人工智能的快速发展,人工智能逐渐成为科研界的热门研究领域。许多的科研机构和单位为研究人工智能,投入了大量的人力、物力和财力。目前的人工智能平台通常应用容器引擎docker容器技术对人工智能平台中的计算资源进行整合和管理。应用任务在人工智能平台中运行时,在人工智能平台中会生成对应的进程,或是分配对应的容器资源,以支持应用任务在人工智能平台的正常运行,其中,与应用任务对应的进程和容器资源均是人工智能平台中的运行资源。
人工智能平台将运行资源分配出去之后还需进行回收,以使人工智能平台能正常运行。现有的资源回收方式的当应用任务执行结束之后,自身将占用的资源进行释放,但是有时候应用任务释放的资源并不彻底,使得人工智能平台中存在着残留资源。随着人工智能平台使用时间的增长,平台中的残留资源越来越多,造成平台中可调度的资源越来越少,使得人工智能平台运行不稳定。
发明内容
有鉴于此,本发明实施例提供一种资源释放方法,应用本发明提供的方法,可以定时释放人工智能平台中的残留资源,使人工智能平台的运行更加的稳定,提高人工智能平台中的资源利用率。
为实现上述目的,本发明实施例提供如下技术方案:
一种资源释放方法,包括:
依据预设的检测周期,检测所述人工智能平台中的应用任务;
判断所述应用任务是否已经执行结束,当所述应用任务已经执行结束时,判断所述应用任务在所述人工智能平台中执行时占用的运行资源是否已经彻底释放;
若所述应用任务在所述人工智能平台中执行时占用的运行资源未彻底释放,则将所述应用任务在所述人工智能平台中未彻底释放的运行资源确定为残留资源;
执行预设的资源释放策略,以释放所述残留资源。
上述的方法,可选的,所述判断所述应用任务是否已经执行结束,包括:
获取与所述应用任务对应的执行信息,对所述执行信息进行解析,得到所述执行信息中的执行状态;
当所述执行状态表征为所述应用任务正在执行时,确定所述应用任务未执行结束;
当所述执行状态表征为所述应用任务执行结束时,确定所述应用任务已执行结束。
上述的方法,可选的,所述判断所述应用任务在所述人工智能平台中占用的运行资源是否已经彻底释放,包括:
获取与所述应用任务对应的标识符,依据所述标识符,在所述人工智能平台中查找与所述应用任务对应的运行资源;
若在所述人工智能平台中未查找到与所述应用任务对应的运行资源,则确定所述应用任务在所述人工智能平台中占用的运行资源已经彻底释放;
若在所述人工智能平台中查找到与所述应用任务对应的运行资源,则确定所述应用任务在所述人工智能平台中占用的运行资源未彻底释放。
上述的方法,可选的,还包括:
当接收到统计指令时,依据所述统计指令中的信息,统计所述人工智能平台中可进行调度的资源的总值;
将统计得到的所述可进行调度的资源的总值,发送至预设的显示设备,并在所述显示设备进行显示。
上述的方法,可选的,还包括:
执行所述资源释放策略,将所述残留资源释放时,确定执行所述资源释放策略的时间戳以及与所述残留资源对应的应用任务的信息;
将所述资源释放策略的时间戳和所述应用任务的信息,以键值的形式保存在预设的资源释放表中。
一种资源释放装置,包括:
检测单元,用于依据预设的检测周期,检测所述人工智能平台中的应用任务;
判断单元,用于判断所述应用任务是否已经执行结束,当所述应用任务已经执行结束时,判断所述应用任务在所述人工智能平台中执行时占用的运行资源是否已经彻底释放;
第一确定单元,用于若所述应用任务在所述人工智能平台中执行时占用的运行资源未彻底释放,则将所述应用任务在所述人工智能平台中未彻底释放的运行资源确定为残留资源;
执行单元,用于执行预设的资源释放策略,以释放所述残留资源。
上述的装置,可选的,所述判断单元,包括:
第一获取子单元,用于获取与所述应用任务对应的执行信息,对所述执行信息进行解析,得到所述执行信息中的执行状态;
第一确定子单元,用于当所述执行状态表征为所述应用任务正在执行时,确定所述应用任务未执行结束;当所述执行状态表征为所述应用任务执行结束时,确定所述应用任务已执行结束。
上述的装置,可选的,所述判断单元,包括:
第二获取子单元,用于获取与所述应用任务对应的标识符,依据所述标识符,在所述人工智能平台中查找与所述应用任务对应的运行资源;
第二确定子单元,若在所述人工智能平台中未查找到与所述应用任务对应的运行资源,则确定所述应用任务在所述人工智能平台中占用的运行资源已经彻底释放;若在所述人工智能平台中查找到与所述应用任务对应的运行资源,则确定所述应用任务在所述人工智能平台中占用的运行资源未彻底释放。
上述的装置,可选的,还包括:
统计单元,用于当接收到统计指令时,依据所述统计指令中的信息,统计所述人工智能平台中可进行调度的资源的总值;
显示单元,用于将统计得到的所述可进行调度的资源的总值,发送至预设的显示设备,并在所述显示设备进行显示。
上述的装置,可选的,还包括:
第二确定单元,用于执行所述资源释放策略,将所述残留资源释放时,确定执行所述资源释放策略的时间戳以及与所述残留资源对应的应用任务的信息;
保存单元,用于将所述资源释放策略的时间戳和所述应用任务的信息,以键值的形式保存在预设的资源释放表中。
与现有技术相比,本发明具有以下优点:
本发明提供的方法中,依据预设的检测周期,检测人工智能平台中的应用任务,判断所述应用任务是否已经执行结束,当所述应用任务已经执行结束时,判断所述应用任务在所述人工智能平台中占用的运行资源是否已经彻底释放,若所述应用任务占用的运行资源未彻底释放,则未彻底释放的运行资源为残留资源;将所述残留资源执行预设的资源释放策略,以将所述残留资源进行释放。通过应用本发明,可以将人工智能平台中的残留资源进行释放,增加所述人工智能平台中的可用资源,提高所述人工智能平台的资源利用率,确保所述人工智能平台的平稳运行。
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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种资源释放方法的方法流程图;
图2为本发明实施例提供的一种资源释放方法的另一方法流程图;
图3为本发明实施例提供的一种资源释放方法的另一方法流程图;
图4为本发明实施例提供的一种资源释放装置的装置结构图。
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他实施例,都属于本发明保护的范围。
在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明可以应用于计算机、智能服务器或是由多处理器组组成的计算环境中。
本发明提供了一种资源释放方法,可以应用于人工智能平台中,所述人工智能平台可以为管理与调度资源的平台,通过应用本发明实施例提供的一种资源释放方法,对人工智能平台中的资源进行释放,所述方法的方法流程图可参见图1,具体说明如下所述:
S101:依据预设的检测周期,检测所述人工智能平台中的应用任务。
本发明实施例提供的方法中,通过设置检测周期,可实现定时检测人工智能平台中的应用程序。需要说明的是,所述检测周期可以根据实际应用进行设置,例如检测周期可以设置为1天/次,或者可以设置为5个小时检测一次。所述人工智能平台中的应用任务可以为在平台中执行的某个应用程序。检测人工智能平台中应用任务时,可以检测人工智能平台中所有的计算服务器节点上的应用任务,也可以指定检测人工智能平台中的部分计算服务器节点上的应用任务;或是指定检测人工智能平台中某一部分应用任务。
S102:判断所述应用任务是否已经执行结束,当所述应用任务已经执行结束时,判断所述应用任务在所述人工智能平台中执行时占用的运行资源是否已经彻底释放。
本发明实施例提供的方法中,判断检测的应用任务是否已经执行结束,需要说明的是,应用任务的执行状态可以分为正在执行、执行结束以及未执行;本发明实施例提供的方法中,执行结束的状态可以包含未执行的状态。当检测到应用任务已经执行结束时,判断与所述应用任务对应的进程或容器是否已经彻底释放;需要说明的是,人工智能平台中的应用任务在执行结束之后,会主动释放占用的运行资源。需要说明的是,所述应用任务在人工智能平台中执行时占用的运行资源,可以是应用任务在执行时的进程,或是应用任务在执行时人工智能平台给所述应用任务分配的容器资源。
S103:若所述应用任务在所述人工智能平台中执行时占用的运行资源未彻底释放,则将所述应用任务在所述人工智能平台中未彻底释放的运行资源确定为残留资源。
本发明实施例提供的方法中,残留资源为所述应用任务在执行结束时未释放的运行资源,例如程序执行完毕后残留的进程,比如僵尸进程;例如任务运行完毕后未释放的容器资源;需要说明的是,所述残留资源也可以称为不可应用资源。
S104:执行预设的资源释放策略,以释放所述残留资源。
本发明实施例提供的方法中,当检测到人工智能平台中存在残留资源时,执行预先设置的资源释放策略;本发明实施例提供的方法中,资源释放策略为对残留资源执行清理操作,以使残留资源释放成可用资源。需要说明的是,对所述残留资源执行清理操作时,为将残留资源进行删除的过程;残留资源中一般存在着数据、容器或是任务,将残留资源进行删除时,即将残留资源中的数据、容器或任务进行删除清理。
本发明实施例提供的方法中,通过周期性的检测人工智能平台中应用任务,判断已执行完成的所述应用任务在人工智能平台中占用的运行资源是否已经彻底释放,当已执行结束的应用任务在人工智能平台中占用的运行资源未彻底释放时,在人工智能平台中存在残留资源,执行预设的资源释放策略,对所述残留资源进行删除操作,以使残留资源释放成可用资源。通过应用本发明,可以定时对人工智能平台中的残留资源进行释放,增加人工智能平台中的可用资源,进而避免人工智能平台中出现无资源可用或是可用资源不足等情况,提高人工智能平台的运作效率,使人工智能平台的运行更加的稳定和高效。
本发明实施例提供的方法中,检测人工智能平台中的应用任务时,需判断所述应用任务是否已执行完成,当所述应用任务已执行完成时,判断所述应用任务是否存在残留资源,具体的流程参见图2,具体说明如下所述:
S201:获取与所述应用任务对应的执行信息,对所述执行信息进行解析,得到所述执行信息中的执行状态。
本发明实施例提供的方法中,获取检测的应用任务的执行信息,对所述则执行信息进行解析,得到所述执行信息中的内容,所述执行信息中的内容可以包含所述应用任务的执行状态、应用任务的执行开始时间以及应用任务执行时持续的时间等。
S202:依据所述执行信息中的执行状态,判断所述应用任务是否执行结束。
本发明实施例提供的方法中,当获取到所述执行信息中的执行状态时,依据所述执行状态中的内容表征的含义,判断所述应用任务是否执行结束;当所述执行状态中的内容表征为所述应用任务正在执行时,确定所述应用任务未执行结束;当所述执行状态表征为所述应用程序执行结束时,确定所述应用任务已执行结束。需要说明的是,所述执行状态表征所述应用任务的运行状态。
S203:当所述应用任务执行结束时,获取所述应用任务的标识符,依据所述标识符,在所述人工智能平台中查找与所述应用任务对应的运行资源。
本发明实施例提供的方法中,当应用任务执行结束时,获取与所述应用任务对应的标识符,查找所述人工智能平台中是否存在与所述标识符对应的运行资源;需要说明的是,查找的方式可以为:将所述标识符遍历所述人工智能平台,以判断所述人工智能平台中是否存在与所述标识符对应的运行资源。例如人工智能平台中存在3个运行资源,标识符为A的运行资源1,标识符为B的运行资源2,标识符为C的运行资源3;已执行结束的应用任务的标识符为A,则所述运行资源1为残留资源。需要说明的是,每一个标识符都是唯一的,每个运行资源的标识符为与所述运行资源对应的应用任务的标识符相同,例如应用任务R的标识符为a11,则与所述应用任务R对应的运行资源的标识符也为a11。
需要说明的是,若在所述人工智能平台中未查找到与所述应用任务对应的运行资源,则确定所述应用任务在所述人工智能平台中占用的运行资源已经彻底释放;若在所述人工智能平台中查找到与所述应用任务对应的运行资源,则确定所述应用任务在所述人工智能平台中占用的运行资源未彻底释放。
本发明实施例提供的方法中,当接收到用户发送的统计指令时,统计所述人工智能平台中可进行调度的资源的总值,并统计人工智能平台的可用资源的总值发送至预设的显示设备,在所述显示设备进行显示。需要说明的是,所述用户发送的统计指令中,除了包含统计所述人工智能平台的可进行调度的资源的总值,还包括统计人工智能平台中各种应用任务运行时,在人工智能平台中占据的运行资源的数值;并将统计得到的各种应用任务运行时,在人工智能平台中占据的运行资源的数值发送至显示设备进行显示;用户或者是人工智能平台的管理者可以通过显示设备显示的内容了解到人工智能平台中的运行资源的使用状况。
本发明实施例提供的方法中,检测所述人工智能平台是否存在残留资源时,可以应用设置在人工智能平台中的检测装置进行检测,依据预设的检测周期对所述人工智能平台中的残留资源进行检测,具体对检测人工智能平台中的某个应用任务进行说明,具体的说明如图3所示,具体说明如下所述:
S301:按照预设的检测周期,检测人工智能平台中的应用任务。
本发明实施例提供的方法中,依据预设的检测周期,检测人工智能平台中的应用任务。需要说明的是,对所述人工智能平台中的应用任务进行周期检测,例如,每隔6个小时检测一次人工智能平台,初次检测的时间设置为0点,则在6点的时候检测人工智能平台,下一次检测人工智能平台的时间为12点,再下一次检测人工智能平台的时间为18点,以此类推,不再进行赘述;本发明实施例提供的方法中,除了以检测周期的形式进行检测,还可以定时进行检测,例如设定每天的检测时间点,一天中检测的时间点可以设置为7点、12点、17点和24点;这种定时检测的方式也属于本发明的保护范围。
需要说明的是,可以通过接收用户发送的指令确定检测的应用任务,此种检测方式为自定义检测方式;还可以不接受用户发送的指令,对人工智能平台中的应用任务进行检测,此时检测的是人工智能平台中所有的应用任务;需要说明的是,应用本发明实施例提供的方法检测所述人工智能平台中的所有的应用任务时,对每一个应用任务的检测方法均为本发明实施例提供的方法。
S302:判断所述人工智能平台中的应用任务是否已经执行结束,当所述人工智能平台中的应用任务已经执行结束时,执行S303;当所述人工智能平台中的应用任务未执行结束时,执行S305。
本发明实施例提供的方法中,检测所述人工智能平台中的应用任务时,假设应用任务为B5,判断所述应用任务B5是否已经执行结束。判断的具体方式可以获取应用任务B5的执行信息,对执行信息进行解析,获取所述执行信息中表征应用任务B5是否已经执行结束的执行状态;当所述执行状态表征为正在执行时,所述应用任务B5未执行结束,则结束对应用任务B5的检测,等到下一个检测周期时,继续对应用任务B5进行检测;当所述执行状态表征为执行结束时,所述应用任务B5已经执行结束,需要判断所述应用任务B5是否存在残留资源,执行S303。
需要说明的是,所述应用任务的执行信息保存在人工智能平台中的数据库中,每个应用任务在执行、或是执行结束后均生成与其对应的执行信息。
S303:判断所述应用任务在人工智能平台中占用的运行资源是否已经彻底释放,当所述应用任务在所述人工智能平台中占用的运行资源已经彻底释放,执行S305;否则,执行S304。
本发明实施例提供的方法中,延续S302中的假设,应用任务为B5,获取应用任务B5的标识符,所述标识符是唯一标识符;应用任务B5的标识符为B5123,依据所述标识符B5123,在所述人工智能平台中查找是否存在与所述标识符B5123对应的运行资源;需要说明的是,在所述人工智能平台中,应用任务在执行时产生的运行资源的标识符是相同的,即所述应用任务的标识符即为运行资源的标识符;例如应用任务V的标识符为V4565,所述应用任务V的运行资源1V的标识符也为V4565。
当在所述人工智能平台中查找不到与标识符B5123对应的应用资源时,判定所述应用任务B5的运行资源已经彻底释放,执行S305;当在所述人工智能平台中查找到与标识符B5123对应的应用资源时,判定所述应用任务B5的运行资源未彻底释放,执行S304。需要说明的是,当所述应用任务执行结束时,则自动释放在人工智能平台中占有的运行资源,但是其释放的过程可能不彻底,导致有残留资源;所述残留资源并不能被人工智能平台进行调用。
S304:将所述残留资源执行预设的资源释放策略,以将所述残留资源释放。
本发明实施例提供的方法中,若检测到应用任务B5存在残留资源时,执行预设的资源释放策略,所述资源释放策略为删除所述应用任务B5存在的残留资源,将所述应用任务B5存在的残留资源释放成可用资源;需要说明的是,所述残留资源为应用任务在执行完成之后,释放不彻底的残留进程或是残留容器资源;人工智能平台不能调用残留资源,对人工智能平台而言,残留资源为不可用资源,只有将残留资源进行清除处理,才能释放残留资源,变成可用资源;例如存在残留资源50K,将残留资源释放之后,即可得到50K的可用资源。
需要说明的是,当将残留资源进行释放时,确定将所述残留资源执行预设的资源释放策略的时间戳,以及与所述残留资源对应的应用任务的信息;将所述时间戳与所述残留资源对应的应用任务的信息以键值的形式保存在预设的资源释放表中,便于后续管理人员查找资源释放记录,对所述人工智能平台的资源的分配进行调整,提高所述人工智能平台中资源的利用率。所述应用任务的信息可以包括应用任务执行的时间长度、占用的运行资源大小、释放的运行资源大小、残留的运行资源大小等信息。
S305:结束。
本发明实施例提供的方法中,结束当前检测周期对应用任务的检测,等到下个检测周期时,再对应用任务进行检测。
本发明实施例提供的方法中,通过应用本发明实施例提供的方法,可以定时将人工智能平台中的残留资源进行释放,定时清理人工智能平台中的残留资源,避免所述人工智能平台面临无可用资源调度和可用资源不足的情况。
本发明实施例提供的方法中,依据预设的检测周期,检测人工智能平台中的应用任务,判断所述应用任务是否已经执行结束,当所述应用任务已经执行结束时,判断所述应用任务在所述人工智能平台中占用的运行资源是否已经彻底释放,若所述应用任务占用的运行资源未彻底释放时,未彻底释放的运行资源为残留资源;将所述残留资源执行预设的资源释放策略,以将所述残留资源进行释放。通过应用本发明,可以将人工智能平台中的残留资源进行释放,增加所述人工智能平台中的可用资源,提高所述人工智能平台的资源利用率,确保所述人工智能平台的平稳运行。
上述各个具体的实现方式,及各个实现方式的衍生过程,均在本发明保护范围内。
与图1相对应的,本发明实施例还提供了一种资源释放装置,用于支持本发明提供的一种资源释放方法在实际中的应用。本发明实施例提供的一种资源释放装置的具体装置结构如图4所示,具体说明如下所述:
检测单元401,用于依据预设的检测周期,检测所述人工智能平台中的应用任务;
判断单元402,用于判断所述应用任务是否已经执行结束,当所述应用任务已经执行结束时,判断所述应用任务在所述人工智能平台中执行时占用的运行资源是否已经彻底释放;
第一确定单元403,用于若所述应用任务在所述人工智能平台中执行时占用的运行资源未彻底释放,则将所述应用任务在所述人工智能平台中未彻底释放的运行资源确定为残留资源;
执行单元404,用于执行预设的资源释放策略,以释放所述残留资源。
本发明实施例提供的装置中,依据预设的检测周期,检测人工智能平台中的应用任务,判断所述应用任务是否已经执行结束,当所述应用任务已经执行结束时,判断所述应用任务在所述人工智能平台中占用的运行资源是否已经彻底释放,若所述应用任务占用的运行资源未彻底释放时,未彻底释放的运行资源为残留资源;将所述残留资源执行预设的资源释放策略,以将所述残留资源进行释放。通过应用本发明,可以将人工智能平台中的残留资源进行释放,增加所述人工智能平台中的可用资源,提高所述人工智能平台的资源利用率,确保所述人工智能平台的平稳运行。
本发明实施例提供的装置中,所述判断单元402,可以设置为:
第一获取子单元,用于获取与所述应用任务对应的执行信息,对所述执行信息进行解析,得到所述执行信息中的执行状态;
第一确定子单元,用于当所述执行状态表征为所述应用任务正在执行时,确定所述应用任务未执行结束;当所述执行状态表征为所述应用任务执行结束时,确定所述应用任务已执行结束。
本发明实施例提供的装置中,所述判断单元402,可以设置为:
第二获取子单元,用于获取与所述应用任务对应的标识符,依据所述标识符,在所述人工智能平台中查找与所述应用任务对应的运行资源;
第二确定子单元,若在所述人工智能平台中未查找到与所述应用任务对应的运行资源,则确定所述应用任务在所述人工智能平台中占用的运行资源已经彻底释放;若在所述人工智能平台中查找到与所述应用任务对应的运行资源,则确定所述应用任务在所述人工智能平台中占用的运行资源未彻底释放。
本发明实施例提供的装置中,还可以设置为:
统计单元,用于当接收到统计指令时,依据所述统计指令中的信息,统计所述人工智能平台中可进行调度的资源的总值;
显示单元,用于将统计得到的所述可进行调度的资源的总值,发送至预设的显示设备,并在所述显示设备进行显示。
本发明实施例提供的装置中,还可以设置为:
第二确定单元,用于执行所述资源释放策略,将所述残留资源释放时,确定执行所述资源释放策略的时间戳以及与所述残留资源对应的应用任务的信息;
保存单元,用于将所述资源释放策略的时间戳和所述应用任务的信息以键值的形式保存在预设的资源释放表中。
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,对于系统或系统实施例而言,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。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种资源释放方法,其特征在于,应用于人工智能平台,包括:
依据预设的检测周期,检测所述人工智能平台中的应用任务;
判断所述应用任务是否已经执行结束,当所述应用任务已经执行结束时,判断所述应用任务在所述人工智能平台中执行时占用的运行资源是否已经彻底释放;
若所述应用任务在所述人工智能平台中执行时占用的运行资源未彻底释放,则将所述应用任务在所述人工智能平台中未彻底释放的运行资源确定为残留资源;
执行预设的资源释放策略,以释放所述残留资源。
2.根据权利要求1所述的方法,其特征在于,所述判断所述应用任务是否已经执行结束,包括:
获取与所述应用任务对应的执行信息,对所述执行信息进行解析,得到所述执行信息中的执行状态;
当所述执行状态表征为所述应用任务正在执行时,确定所述应用任务未执行结束;
当所述执行状态表征为所述应用任务执行结束时,确定所述应用任务已执行结束。
3.根据权利要求1所述的方法,其特征在于,所述判断所述应用任务在所述人工智能平台中占用的运行资源是否已经彻底释放,包括:
获取与所述应用任务对应的标识符,依据所述标识符,在所述人工智能平台中查找与所述应用任务对应的运行资源;
若在所述人工智能平台中未查找到与所述应用任务对应的运行资源,则确定所述应用任务在所述人工智能平台中占用的运行资源已经彻底释放;
若在所述人工智能平台中查找到与所述应用任务对应的运行资源,则确定所述应用任务在所述人工智能平台中占用的运行资源未彻底释放。
4.根据权利要求1所述的方法,其特征在于,还包括:
当接收到统计指令时,依据所述统计指令中的信息,统计所述人工智能平台中可进行调度的资源的总值;
将统计得到的所述可进行调度的资源的总值,发送至预设的显示设备,并在所述显示设备进行显示。
5.根据权利要求1所述的方法,其特征在于,还包括:
执行所述资源释放策略,将所述残留资源释放时,确定执行所述资源释放策略的时间戳以及与所述残留资源对应的应用任务的信息;
将所述资源释放策略的时间戳和所述应用任务的信息,以键值的形式保存在预设的资源释放表中。
6.一种资源释放装置,其特征在于,应用于人工智能平台,包括:
检测单元,用于依据预设的检测周期,检测所述人工智能平台中的应用任务;
判断单元,用于判断所述应用任务是否已经执行结束,当所述应用任务已经执行结束时,判断所述应用任务在所述人工智能平台中执行时占用的运行资源是否已经彻底释放;
第一确定单元,用于若所述应用任务在所述人工智能平台中执行时占用的运行资源未彻底释放,则将所述应用任务在所述人工智能平台中未彻底释放的运行资源确定为残留资源;
执行单元,用于执行预设的资源释放策略,以释放所述残留资源。
7.根据权利要求6所述的装置,其特征在于,所述判断单元,包括:
第一获取子单元,用于获取与所述应用任务对应的执行信息,对所述执行信息进行解析,得到所述执行信息中的执行状态;
第一确定子单元,用于当所述执行状态表征为所述应用任务正在执行时,确定所述应用任务未执行结束;当所述执行状态表征为所述应用任务执行结束时,确定所述应用任务已执行结束。
8.根据权利要求6所述的装置,其特征在于,所述判断单元,包括:
第二获取子单元,用于获取与所述应用任务对应的标识符,依据所述标识符,在所述人工智能平台中查找与所述应用任务对应的运行资源;
第二确定子单元,若在所述人工智能平台中未查找到与所述应用任务对应的运行资源,则确定所述应用任务在所述人工智能平台中占用的运行资源已经彻底释放;若在所述人工智能平台中查找到与所述应用任务对应的运行资源,则确定所述应用任务在所述人工智能平台中占用的运行资源未彻底释放。
9.根据权利要求6所述的装置,其特征在于,还包括:
统计单元,用于当接收到统计指令时,依据所述统计指令中的信息,统计所述人工智能平台中可进行调度的资源的总值;
显示单元,用于将统计得到的所述可进行调度的资源的总值,发送至预设的显示设备,并在所述显示设备进行显示。
10.根据权利要求6所述的装置,其特征在于,还包括:
第二确定单元,用于执行所述资源释放策略,将所述残留资源释放时,确定执行所述资源释放策略的时间戳以及与所述残留资源对应的应用任务的信息;
保存单元,用于将所述资源释放策略的时间戳和所述应用任务的信息,以键值的形式保存在预设的资源释放表中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910832126.8A CN110688217A (zh) | 2019-09-04 | 2019-09-04 | 资源释放方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910832126.8A CN110688217A (zh) | 2019-09-04 | 2019-09-04 | 资源释放方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110688217A true CN110688217A (zh) | 2020-01-14 |
Family
ID=69107820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910832126.8A Pending CN110688217A (zh) | 2019-09-04 | 2019-09-04 | 资源释放方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110688217A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1325069A (zh) * | 2000-05-15 | 2001-12-05 | 松下电器产业株式会社 | 应用执行装置及方法 |
CN101178669A (zh) * | 2007-12-13 | 2008-05-14 | 华为技术有限公司 | 资源回收方法及装置 |
US8051158B2 (en) * | 2007-03-26 | 2011-11-01 | Canon Kabushiki Kaisha | Program management apparatus and method |
CN103942077A (zh) * | 2014-04-15 | 2014-07-23 | 清华大学 | 一种驱动资源回收分析方法 |
CN106201698A (zh) * | 2016-07-15 | 2016-12-07 | 北京金山安全软件有限公司 | 一种管理应用程序的方法、装置及电子设备 |
CN107179950A (zh) * | 2017-06-29 | 2017-09-19 | 努比亚技术有限公司 | 一种应用进程处理方法、移动终端以及计算机可读存储介质 |
-
2019
- 2019-09-04 CN CN201910832126.8A patent/CN110688217A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1325069A (zh) * | 2000-05-15 | 2001-12-05 | 松下电器产业株式会社 | 应用执行装置及方法 |
US8051158B2 (en) * | 2007-03-26 | 2011-11-01 | Canon Kabushiki Kaisha | Program management apparatus and method |
CN101178669A (zh) * | 2007-12-13 | 2008-05-14 | 华为技术有限公司 | 资源回收方法及装置 |
CN103942077A (zh) * | 2014-04-15 | 2014-07-23 | 清华大学 | 一种驱动资源回收分析方法 |
CN106201698A (zh) * | 2016-07-15 | 2016-12-07 | 北京金山安全软件有限公司 | 一种管理应用程序的方法、装置及电子设备 |
CN107179950A (zh) * | 2017-06-29 | 2017-09-19 | 努比亚技术有限公司 | 一种应用进程处理方法、移动终端以及计算机可读存储介质 |
Non-Patent Citations (3)
Title |
---|
明日科技: "《C++项目开发实战入门 全彩版》", 31 May 2017 * |
潇湘工作室: "《Windows 95/98中文版实用100问》", 31 March 2000 * |
赵坤坤: "IIS基本设置、回收机制、性能、并发、安全性", 《HTTPS://WWW.CNBLOGS.COM/ZHAOKUNBOKEYUAN256/P/10943333.HTML》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11153370B2 (en) | Resource scheduling method and system | |
CN108874640B (zh) | 一种集群性能的评估方法和装置 | |
US9015316B2 (en) | Correlation of asynchronous business transactions | |
CN107302488B (zh) | 虚拟物品的分配方法、系统及服务器 | |
CN107203552B (zh) | 垃圾回收方法及装置 | |
EP2434401A1 (en) | Method and system for managing thread pool | |
CN103825964B (zh) | 一种基于云计算PaaS平台的SLS调度装置和方法 | |
CN105049268A (zh) | 分布式计算资源分配系统和任务处理方法 | |
CN103533002A (zh) | 一种数据处理方法和系统 | |
CN111338791A (zh) | 集群队列资源的调度方法、装置、设备及存储介质 | |
CN104699529B (zh) | 一种信息获取方法及装置 | |
CN108121599A (zh) | 一种资源管理方法、装置及系统 | |
CN101719852A (zh) | 一种中间件性能的监控方法和设备 | |
CN115617497B (zh) | 线程处理方法、调度组件、监测组件、服务器和存储介质 | |
CN112579692A (zh) | 一种数据同步方法、装置、系统、设备及存储介质 | |
CN107632926B (zh) | 业务数量统计方法、装置、设备及计算机可读存储介质 | |
CN112433908A (zh) | 确定检测服务器的间隔时间的方法、系统、设备及介质 | |
CN111784185A (zh) | 一种分布式配电通信网定时任务调度系统 | |
CN110688217A (zh) | 资源释放方法及装置 | |
CN115858499A (zh) | 一种数据库分区处理方法、装置、计算机设备和存储介质 | |
CN107168790B (zh) | 一种作业的调度方法及装置 | |
CN112685370B (zh) | 一种日志采集方法、装置、设备和介质 | |
CN111163117B (zh) | 一种基于Zookeeper的对等式调度方法和装置 | |
CN116820697A (zh) | 定时任务调度方法、装置、设备和存储介质 | |
CN107493315A (zh) | 一种行为数据的收集方法、资源服务器及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200114 |