CN110780993A - 一种基于Kubernetes的资源调度优化的方法、设备及介质 - Google Patents
一种基于Kubernetes的资源调度优化的方法、设备及介质 Download PDFInfo
- Publication number
- CN110780993A CN110780993A CN201910893299.0A CN201910893299A CN110780993A CN 110780993 A CN110780993 A CN 110780993A CN 201910893299 A CN201910893299 A CN 201910893299A CN 110780993 A CN110780993 A CN 110780993A
- Authority
- CN
- China
- Prior art keywords
- state
- task
- distributed
- node
- job
- 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.)
- Withdrawn
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
- 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
- G06F9/5016—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 the resource being the memory
-
- 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
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于Kubernetes的资源调度优化的方法,包括以下步骤:统计作业中处于待分配状态和已完成状态的任务;获取各个节点的打分列表,并选择分值最大的节点;在分值最大的节点中预占待分配状态的任务所需要的资源,并将待分配状态的任务转换为已分配状态;根据已分配状态和已完成状态的任务数量判断作业是否处于准备就绪状态;以及响应于作业处于准备就绪状态,将处于已分配状态的任务转换为运行状态。本发明还公开了一种计算机设备和可读存储介质。本发明提出的基于Kubernetes的资源调度优化的方法、设备及介质将一个作业内的所有任务均处于运行状态,从而满足深度学习的一些场景需求。
Description
技术领域
本发明涉及人工智能领域,更具体地,特别是指一种基于Kubernetes的资源调度优化的方法、设备及可读介质。
背景技术
Kubernetes(K8S)平台可以满足大多数分布式系统部署和管理的需求,但是在不同应用业务环境下,对于平台可能有一些特殊的需求。例如:深度学习的训练任务要求一个集群保持一个整体,要么所有的pod(pod是k8s默认调度器的最小调度单位)都能成功创建,要么没有一个pod能被创建。资源处于临界状态时,如果采用k8s默认的调度器调度一个分布式训练集群,则会导致部分节点因资源不足而无法成功调度,那些成功创建的pod空占用资源,也无法进行训练。K8s本身调度器存在的这些缺陷,无法提供队列调度的功能,不能像Hadoop任务那样进行排队,而面向机器学习/大数据/HPC的批量任务调度,往往要求系统能维护一个或多个队列,进行任务排队,并且当任务结束并且释放资源后,后续的任务可以继续执行。
发明内容
有鉴于此,本发明实施例的目的在于提出一种基于Kubernetes的资源调度优化的方法、设备及介质,通过预占节点中的资源,保证学习任务需要的资源可以被全部满足,从而使得作业可以被成功调度。
基于上述目的,本发明实施例的一方面提供了一种基于Kubernetes的资源调度优化的方法,包括如下步骤:统计作业中处于待分配状态和已完成状态的任务;获取各个节点的打分列表,并选择分值最大的节点;在分值最大的节点中预占待分配状态的任务所需要的资源,并将待分配状态的任务转换为已分配状态;根据已分配状态和已完成状态的任务数量判断作业是否处于准备就绪状态;以及响应于作业处于准备就绪状态,将处于已分配状态的任务转换为运行状态。
在一些实施方式中,根据已分配状态和已完成状态的任务数量判断作业是否处于准备就绪状态包括:判断已分配状态和已完成状态的任务数量之和是否大于或等于作业的最小运行任务数量。
在一些实施方式中,还包括:将作业中的所有任务按照创建时间进行排序。
在一些实施方式中,还包括:将二级缓存内的主机资源减去待分配状态的任务所需要的资源,以更新二级缓存的资源使用情况。
在一些实施方式中,还包括:调用Kubernetes接口对运行状态的任务和节点进行绑定。
本发明实施例的另一方面,还提供了一种计算机设备,包括:至少一个处理器;以及存储器,存储器存储有可在处理器上运行的计算机指令,指令由处理器执行以实现如下步骤:统计作业中处于待分配状态和已完成状态的任务;获取各个节点的打分列表,并选择分值最大的节点;在分值最大的节点中预占待分配状态的任务所需要的资源,并将待分配状态的任务转换为已分配状态;根据已分配状态和已完成状态的任务数量判断作业是否处于准备就绪状态;以及响应于作业处于准备就绪状态,将处于已分配状态的任务转换为运行状态。
在一些实施方式中,根据已分配状态和已完成状态的任务数量判断作业是否处于准备就绪状态包括:判断已分配状态和已完成状态的任务数量之和是否大于或等于作业的最小运行任务数量。
在一些实施方式中,步骤还包括:将作业中的所有任务按照创建时间进行排序。
在一些实施方式中,步骤还包括:将二级缓存内的主机资源减去待分配状态的任务所需要的资源,以更新二级缓存的资源使用情况。
本发明实施例的再一方面,还提供了一种计算机可读存储介质,计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
本发明具有以下有益技术效果:通过预占节点中的资源,保证学习任务需要的资源可以被全部满足,从而使得作业可以被成功调度。
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实施例。
图1为本发明提供的基于Kubernetes的资源调度优化的方法的实施例的示意图;
图2为本发明提供的基于Kubernetes的资源调度优化的方法的实施例的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明实施例进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例对此不再一一说明。
基于上述目的,本发明实施例的第一个方面,提出了一种基于Kubernetes的资源调度优化的方法的实施例。图1示出的是本发明提供的基于Kubernetes的资源调度优化的方法的实施例的示意图。如图1所示,本发明实施例包括如下步骤:
S1、统计作业中处于待分配状态和已完成状态的任务;
S2、获取各个节点的打分列表,并选择分值最大的节点;
S3、在分值最大的节点中预占待分配状态的任务所需要的资源,并将待分配状态的任务转换为已分配状态;
S4、根据已分配状态和已完成状态的任务数量判断作业是否处于准备就绪状态;以及
S5、响应于作业处于准备就绪状态,将处于已分配状态的任务转换为运行状态。
在本实施例中将Job称为作业,将Pod称为task(任务),一个作业包含多个任务,每个任务存在pending(待分配)、Allocated(已分配)、Succeeded(已完成)和running(运行)四种状态。
本实施例中通过组调度(Gang-Scheduling)来对资源进行调度优化,K8S系统原本并不支持Gang-Scheduling,我们需要将Kubeflow中的多种Operator(运算符)进行配置修改,才能够支持Gang-Scheduling。具体配置包含如下所示:
配置完毕之后,Gang-Scheduling通过以下流程设计:
当一个Job进入调度周期后,系统将统计作业中处于待分配状态和已完成状态的任务。在一些实施方式中,还包括:将作业中的所有任务按照创建时间进行排序。将task按照创建时间进行排序,为后续调度做好准备。
获取各个节点的打分列表,并选择分值最大的节点。调用K8S默认的节点预选策略,即优选策略,获取节点的打分列表,选择分值最大的一个节点,也即是利用这个优选策略选出一个资源最多的节点,从而最大限度地满足task需要的资源。
在分值最大的节点中预占待分配状态的任务所需要的资源,并将待分配状态的任务转换为已分配状态。task会去这个节点预占资源,此刻虽然task没有真正的执行,但是它预占了这些资源使得其他Job不能使用。预占了资源后,将该Job下处于pending状态的task置为Allocated状态。在一些实施方式中,还包括:将二级缓存内的主机资源减去待分配状态的任务所需要的资源,以更新二级缓存的资源使用情况,也即是可以在二级缓存内更新节点状态和task状态。
根据已分配状态和已完成状态的任务数量判断作业是否处于准备就绪状态。在一些实施方式中,根据已分配状态和已完成状态的任务数量判断作业是否处于准备就绪状态包括:判断已分配状态和已完成状态的任务数量之和是否大于或等于作业的最小运行任务数量。例如,当前被调度的Job包括5个task,这里的最小运行任务数量就是5,但目前系统资源只能支持运行3个task,那么此时task全部处于pending状态,按照上述步骤将3个task置为Allocated,并计算被分配的资源(即预占了这些被分配的资源)。此时5个task有3个是Allocated,3小于5,该Job并没有处于准备就绪状态,然后继续在系统中寻找资源,如果此时系统又空出了资源,那么另外2个task对资源进行预占,这2个task的状态变为Allocated,此时3+2大于等于5,Job处于准备就绪状态。
当系统异常,比如宕机,就会出现已分配状态和已完成状态的任务数量之和大于作业的最小运行任务数量的情况(正常情况下是已分配状态和已完成状态的任务数量之和等于作业的最小运行任务数量)。当系统异常时,此刻正在运行的Job下的task会出现有succeeded、running,甚至error状态。但是像error、Allocated这些都是中间状态,是供系统后台判断使用,前台界面或者说用户能看到的状态只有running、pending、succeeded。当系统异常被恢复后,我们默认该Job下所有的task都要被重新执行,不会从当时异常的断点继续执行,也就是说系统异常前已经处于已完成状态的task,也需要重新运行。但是此刻这些已完成状态的task的进程已经完毕,为了保证整个Job的运行完毕,需要启用备用任务来补充之前处于已完成状态的task。由于加入了备用任务,已分配状态和已完成状态的任务数量之和会大于作业的最小运行任务数量。
响应于作业处于准备就绪状态,将处于已分配状态的任务转换为运行状态。可以循环更改二级缓存中已经处于Allocated状态的task为running状态,更新一级缓存中的主机资源信息。在一些实施方式中,还包括:调用Kubernetes接口对运行状态的任务和节点进行绑定。
图2示出的是本发明提供的基于Kubernetes的资源调度优化的方法的实施例的流程图。如图2所示,从框101开始,接着前进到框102,统计作业中处于待分配状态和已完成状态的任务;接着前进到框103,获取各个节点的打分列表,并选择分值最大的节点;接着前进到框104,在分值最大的节点中预占待分配状态的任务所需要的资源,并将待分配状态的任务转换为已分配状态;接着前进到框105,判断作业是否处于准备就绪状态,如果否,返回框104,如果是,前进到框106,将处于已分配状态的任务转换为运行状态,接着前进到框107结束。
需要特别指出的是,上述基于Kubernetes的资源调度优化的方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减,因此,这些合理的排列组合变换之于基于Kubernetes的资源调度优化的方法也应当属于本发明的保护范围,并且不应将本发明的保护范围局限在实施例之上。
基于上述目的,本发明实施例的第二个方面,提出了一种计算机设备,包括:至少一个处理器;以及存储器,存储器存储有可在处理器上运行的计算机指令,指令由处理器执行以实现如下步骤:S1、统计作业中处于待分配状态和已完成状态的任务;S2、获取各个节点的打分列表,并选择分值最大的节点;S3、在所述分值最大的节点中预占所述待分配状态的任务所需要的资源,并将所述待分配状态的任务转换为已分配状态;S4、根据所述已分配状态和已完成状态的任务数量判断所述作业是否处于准备就绪状态;以及S5、响应于所述作业处于准备就绪状态,将处于已分配状态的任务转换为运行状态。
在一些实施方式中,根据所述已分配状态和已完成状态的任务数量判断所述作业是否处于准备就绪状态包括:判断所述已分配状态和已完成状态的任务数量之和是否大于或等于所述作业的最小运行任务数量。
在一些实施方式中,还包括:将所述作业中的所有任务按照创建时间进行排序。
在一些实施方式中,还包括:将二级缓存内的主机资源减去所述待分配状态的任务所需要的资源,以更新所述二级缓存的资源使用情况。
在一些实施方式中,还包括:调用Kubernetes接口对所述运行状态的任务和所述节点进行绑定。
本发明还提供了一种计算机可读存储介质,计算机可读存储介质存储有被处理器执行时执行如上方法的计算机程序。
最后需要说明的是,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关硬件来完成,基于Kubernetes的资源调度优化的方法的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,程序的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例,可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
此外,根据本发明实施例公开的方法还可以被实现为由处理器执行的计算机程序,该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被处理器执行时,执行本发明实施例公开的方法中限定的上述功能。
此外,上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
此外,应该明白的是,本文的计算机可读存储介质(例如,存储器)可以是易失性存储器或非易失性存储器,或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的,非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM),该RAM可以充当外部高速缓存存储器。作为例子而非限制性的,RAM可以以多种形式获得,比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、以及直接Rambus RAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性,已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能,但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里功能的下列部件来实现或执行:通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器,但是可替换地,处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器,使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中,存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。在一个替换方案中,处理器和存储介质可以作为分立组件驻留在用户终端中。
在一个或多个示例性设计中,功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现,则可以将功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质,该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的,该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备,或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外,任何连接都可以适当地称为计算机可读介质。例如,如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件,则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的,磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘,其中磁盘通常磁性地再现数据,而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
以上是本发明公开的示例性实施例,但是应当注意,在不背离权利要求限定的本发明实施例公开的范围的前提下,可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本发明实施例公开的元素可以以个体形式描述或要求,但除非明确限制为单数,也可以理解为多个。
应当理解的是,在本文中使用的,除非上下文清楚地支持例外情况,单数形式“一个”旨在也包括复数形式。还应当理解的是,在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子;在本发明实施例的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,并存在如上的本发明实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。因此,凡在本发明实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。
Claims (10)
1.一种基于Kubernetes的资源调度优化的方法,其特征在于,包括以下步骤:
统计作业中处于待分配状态和已完成状态的任务;
获取各个节点的打分列表,并选择分值最大的节点;
在所述分值最大的节点中预占所述待分配状态的任务所需要的资源,并将所述待分配状态的任务转换为已分配状态;
根据所述已分配状态和已完成状态的任务数量判断所述作业是否处于准备就绪状态;以及
响应于所述作业处于准备就绪状态,将处于已分配状态的任务转换为运行状态。
2.根据权利要求1所述的方法,其特征在于,根据所述已分配状态和已完成状态的任务数量判断所述作业是否处于准备就绪状态包括:
判断所述已分配状态和已完成状态的任务数量之和是否大于或等于所述作业的最小运行任务数量。
3.根据权利要求1所述的方法,其特征在于,还包括:
将所述作业中的所有任务按照创建时间进行排序。
4.根据权利要求1所述的方法,其特征在于,还包括:
将二级缓存内的主机资源减去所述待分配状态的任务所需要的资源,以更新所述二级缓存的资源使用情况。
5.根据权利要求1所述的方法,其特征在于,还包括:
调用Kubernetes接口对所述运行状态的任务和所述节点进行绑定。
6.一种计算机设备,其特征在于,包括:
至少一个处理器;以及
存储器,所述存储器存储有可在所述处理器上运行的计算机指令,所述指令由所述处理器执行时实现以下步骤:
统计作业中处于待分配状态和已完成状态的任务;
获取各个节点的打分列表,并选择分值最大的节点;
在所述分值最大的节点中预占所述待分配状态的任务所需要的资源,并将所述待分配状态的任务转换为已分配状态;
根据所述已分配状态和已完成状态的任务数量判断所述作业是否处于准备就绪状态;以及
响应于所述作业处于准备就绪状态,将处于已分配状态的任务转换为运行状态。
7.根据权利要求6所述的计算机设备,其特征在于,根据所述已分配状态和已完成状态的任务数量判断所述作业是否处于准备就绪状态包括:
判断所述已分配状态和已完成状态的任务数量之和是否大于或等于所述作业的最小运行任务数量。
8.根据权利要求6所述的计算机设备,其特征在于,步骤还包括:
将所述作业中的所有任务按照创建时间进行排序。
9.根据权利要求6所述的计算机设备,其特征在于,步骤还包括:
将二级缓存内的主机资源减去所述待分配状态的任务所需要的资源,以更新所述二级缓存的资源使用情况。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-5任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910893299.0A CN110780993A (zh) | 2019-09-20 | 2019-09-20 | 一种基于Kubernetes的资源调度优化的方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910893299.0A CN110780993A (zh) | 2019-09-20 | 2019-09-20 | 一种基于Kubernetes的资源调度优化的方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110780993A true CN110780993A (zh) | 2020-02-11 |
Family
ID=69384221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910893299.0A Withdrawn CN110780993A (zh) | 2019-09-20 | 2019-09-20 | 一种基于Kubernetes的资源调度优化的方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110780993A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115310873A (zh) * | 2022-10-10 | 2022-11-08 | 广州优刻谷科技有限公司 | 面向元宇宙的数字资源调配方法、系统及存储介质 |
-
2019
- 2019-09-20 CN CN201910893299.0A patent/CN110780993A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115310873A (zh) * | 2022-10-10 | 2022-11-08 | 广州优刻谷科技有限公司 | 面向元宇宙的数字资源调配方法、系统及存储介质 |
CN115310873B (zh) * | 2022-10-10 | 2023-06-30 | 广州优刻谷科技有限公司 | 面向元宇宙的数字资源调配方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108614726B (zh) | 虚拟机创建方法及装置 | |
US20190324819A1 (en) | Distributed-system task assignment method and apparatus | |
EP3432157B1 (en) | Data table joining mode processing method and apparatus | |
CN110995616B (zh) | 一种大流量服务器的管理方法、设备及可读介质 | |
CN111338802B (zh) | 一种优化大数据集群性能的方法、系统、设备及介质 | |
CN110740194B (zh) | 基于云边融合的微服务组合方法及应用 | |
CN110162344A (zh) | 一种隔离限流的方法、装置、计算机设备及可读存储介质 | |
CN111078398A (zh) | 一种gpu的分配方法、设备以及存储介质 | |
CN110780993A (zh) | 一种基于Kubernetes的资源调度优化的方法、设备及介质 | |
US20210149745A1 (en) | Method for balanced scale out of resources in distributed and collaborative container platform environment | |
CN113806075A (zh) | kubernetes集群的容器热更新CPU核的方法、装置、设备及可读介质 | |
CN112015529A (zh) | 数据任务调度方法、系统、电子设备及存储介质 | |
CN108536759B (zh) | 一种样本回放数据存取方法及装置 | |
CN111104198A (zh) | 一种提高扫描系统插件运行效率的方法、设备及介质 | |
CN115841335A (zh) | 数据处理方法、装置及设备 | |
CN115438020A (zh) | 一种数据库资源调度方法、装置、设备及介质 | |
CN114780201A (zh) | 资源调整方法、装置、电子设备及存储介质 | |
CN110032433B (zh) | 一种任务执行方法、装置、设备及介质 | |
JP7079059B2 (ja) | ネットワーク管理システムおよびプログラム | |
US20240177050A1 (en) | Neural network-based load balancing in distributed storage systems | |
CN111797070A (zh) | 票务数据处理方法及装置 | |
CN111800446A (zh) | 调度处理方法、装置、设备和存储介质 | |
US20240205084A1 (en) | Apparatus, method, and computer program for coordinating interdependent closed loops | |
US11768704B2 (en) | Increase assignment effectiveness of kubernetes pods by reducing repetitive pod mis-scheduling | |
US20220035527A1 (en) | Method, electronic device and computer program product for processing operation commands |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200211 |
|
WW01 | Invention patent application withdrawn after publication |