CN111338785A - 资源调度方法及装置、电子设备、存储介质 - Google Patents

Abstract

本发明实施例提供了一种基于Hadoop集群的资源调度方法及装置、电子设备、存储介质，涉及大数据技术领域，该资源调度方法包括：接收抢占资源线程的抢占资源请求；响应于所述抢占资源请求，获取需要计算资源的目标作业；根据所述目标作业判断整体集群是否有足够的剩余计算资源并且是否可以抢占计算资源；当确定所述整体集群没有足够的所述剩余计算资源并且可以抢占计算资源时，将所述计算资源超额分配给所述目标作业。本发明实施例的技术方案是通过调整逻辑将分配中的抢占独立出来，提升集群的资源分配效率，提高了系统的工作效率。

Description

资源调度方法及装置、电子设备、存储介质

技术领域

本发明涉及大数据技术领域，具体而言，涉及一种基于Hadoop集群的资源调度方法、资源调度装置、电子设备以及计算机可读存储介质。

背景技术

随着互联网技术的发展，大数据(Big Data)技术领域也得到了迅速发展。大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

现有的技术方案中，分布式大数据的资源管理与作业调度是通过调度器在每次计算节点心跳过来时检查是否需要资源抢占，如果确定没有达到配置的资源分配最大值则进行分配处理。在该方案中，当某个队列消耗资源比较严重时会导致别的队列无法享受到冗余资源，而且在集群资源紧张时，进行了没有必要的抢占与释放，降低了Hadoop集群的工作效率。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明实施例的目的在于提供一种基于Hadoop集群的资源调度方法、资源调度装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于现有分布式大数据的资源管理与作业调度的资源抢占方案使调度器进行了没有必要的抢占与释放，降低Hadoop集群的工作效率的问题。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明实施例的第一方面，提供了一种基于Hadoop集群的资源调度方法，包括：接收抢占资源线程的抢占资源请求；响应于所述抢占资源请求，获取需要计算资源的目标作业；根据所述目标作业判断整体集群是否有足够的剩余计算资源并且是否可以抢占计算资源；当确定所述整体集群没有足够的所述剩余计算资源并且可以抢占计算资源时，将所述计算资源超额分配给所述目标作业。

在本发明的一种示例实施例中，基于前述方案，接收抢占资源线程的抢占资源请求，包括：接收目标作业，并将所述目标作业发送到对应的资源请求线程；基于所述资源请求线程，判断所述目标作业对应的资源池是否有剩余计算资源；当确定所述资源池没有所述剩余计算资源时，接收所述抢占资源线程的抢占资源请求。

在本发明的一种示例实施例中，基于前述方案，判断所述目标作业对应的资源池是否有剩余计算资源，包括：获取计算节点的节点心跳，将所述节点心跳发送到资源请求线程；根据所述节点心跳判断所述目标作业对应的资源池是否有剩余计算资源。

在本发明的一种示例实施例中，基于前述方案，所述当确定所述资源池没有所述剩余计算资源时，还包括：当确定所述资源池有所述剩余计算资源时，将计算资源直接分配给对应的内存结构，并且等待所述资源请求线程获取下一次的心跳获取。

在本发明的一种示例实施例中，基于前述方案，所述将所述计算资源超额分配给所述目标作业，包括：判断单个队列是否有需要资源的作业；当确定单个队列有需要资源的作业时，根据所述目标作业已经使用的计算资源量计算得到整体集群中可以抢占的计算资源量；基于所述可以抢占的计算资源量，将所述计算资源超额分配给所述目标作业。

在本发明的一种示例实施例中，基于前述方案，基于所述抢占资源线程，判断整体集群是否有队列超额使用计算资源并且是否需要释放所述计算资源；当确定整体集群有队列超额使用计算资源并且需要释放所述计算资源时，获取所有超额使用计算资源的队列；根据预设释放比例分批次释放所述超额使用计算资源的队列的计算资源。

在本发明的一种示例实施例中，基于前述方案，根据预设释放比例分批次释放所述超额使用计算资源的队列的计算资源，包括：获取所有超额使用计算资源的队列，并按照所述队列的超额计算资源量对所述队列进行倒序排列以生成队列列表；根据预设释放比例分批次释放所述队列列表中每个队列对应的计算资源。

根据本发明实施例的第二方面，提供了一种资源调度装置，包括：接收单元，用于接收抢占资源线程的抢占资源请求；获取单元，用于响应于所述抢占资源请求，获取需要计算资源的目标作业；判断单元，用于根据所述目标作业判断整体集群是否有足够的剩余计算资源并且是否可以抢占计算资源；超额分配单元，用于当确定所述整体集群没有足够的所述剩余计算资源并且可以抢占计算资源时，将所述计算资源超额分配给所述目标作业。

根据本发明实施例的第三方面，提供一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的资源调度方法。

根据本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的资源调度方法。

本发明实施例提供的技术方案可以包括以下有益效果：

在本发明的一些实施例所提供的技术方案中，通过Hadoop集群的抢占资源线程的抢占资源请求，获取需要计算资源的目标作业，当确定所述整体集群没有足够的所述剩余计算资源并且可以抢占计算资源时，将所述计算资源超额分配给所述目标作业。一方面，通过抢占资源线程负责检测队列或资源池判断目标作业是否需要超额分配资源和超额释放资源，能够动态的调整目标作业使用剩余的计算资源，提升计算资源的利用效率；另一方面，通过抢占资源线程对目标作业进行独立的计算资源的分配及释放，避免没必要的计算资源的抢占与释放，提升了计算资源的分配回收效率，提高了Hadoop集群的工作效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。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。在附图中：

图1示意性示出了根据本发明的一些实施例的资源调度方法流程的示意图；

图2示意性示出了根据本发明的一些实施例的超额分配流程应用实例的示意图；

图3示意性示出了根据本发明的一些实施例的超额释放流程应用实例的示意图；

图4示意性示出了根据本发明的一些实施例的资源调度执行流程的示意图；

图5示意性示出了根据本发明的一些实施例的资源调度装置的示意图；

图6示意性示出了根据本发明的一些实施例的电子设备的计算机系统结构的示意图；

图7示意性示出了根据本发明的一些实施例的计算机可读存储介质的示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本发明涉及分布式大数据处理领域中的分布式资源管理与作业调度。在一个超大规模集群中，一般都含有几千台甚至几万台服务器，这些资源会被划分成逻辑资源池或资源队列以共享的方式给上层业务使用。集群资源调度器Scheduler会根据用户设置的资源池大小或队列大小给计算作业分配资源，如果某个逻辑资源池或队列达到资源使用上限，则该资源池中还没开始运行的计算作业和后续提交的计算作业都将进入排队状态，等待之前的作业将资源释放之后才能开始运行。在大多数时间，各个资源池的繁忙情况是不一样的，如有些资源池使用率很低。

在本发明的示例性实施例中，首先提供了一种基于Hadoop集群资源调度方法，图1示意性示出了根据本发明的一些实施例的资源调度方法流程的示意图。参考图1中所示，该资源调度方法可以包括以下步骤：

步骤S110，接收抢占资源线程的抢占资源请求；

步骤S120，响应于所述抢占资源请求，获取需要计算资源的目标作业；

步骤S130，根据所述目标作业判断整体集群是否有足够的剩余计算资源并且是否可以抢占计算资源；

步骤S140，当确定所述整体集群没有足够的所述剩余计算资源并且可以抢占计算资源时，将所述计算资源超额分配给所述目标作业。

根据本示例性实施例中的资源调度方法，一方面，通过抢占资源线程负责检测队列或资源池判断目标作业是否需要超额分配资源和超额释放资源，能够动态的调整目标作业使用剩余的计算资源，提升计算资源的利用效率；另一方面，通过抢占资源线程对目标作业进行独立的计算资源的分配及释放，避免没必要的计算资源的抢占与释放，提升了计算资源的分配回收效率，提高了Hadoop集群的工作效率。

下面，将对本示例性实施例中的资源调度方法进行进一步的说明。

在步骤S110中，接收抢占资源线程的抢占资源请求；

在本发明的一种示例实施例中，抢占资源线程Preemption是Hadoop集群的资源管理服务ResourceManager中的一个调度器线程，在Hadoop集群中负责根据资源池信息和请求资源量信息分配计算资源给目标作业。计算资源可以包括集群的CPU、内存以及输入输出带宽等。

在本发明的一种示例实施例中，目标作业是指通过客户端Client提交到Hadoop集群上运行的任务，例如目标作业可以是应用程序、计算任务等。应用程序资源请求线程AppMaster是Hadoop集群中应用程序的主服务，负责计算资源的请求。在客户端向Hadoop集群提交目标作业后，资源管理服务ResourceManager将目标作业发送到资源请求线程，资源请求线程根据目标作业需要的计算资源量判断目标作业对应的资源池是否有足够的剩余计算资源供目标作业使用。例如，目标作业所需要的内存为100Mb，而资源池的当前内存剩余量距离设置的资源抢占上限量剩余50Mb，此时确定该资源池没有足够的剩余计算资源供目标作业使用。当确定资源池没有剩余计算资源时，资源请求线程向抢占资源线程发送资源请求，抢占资源线程根据该资源请求生成抢占资源请求并发送给资源管理服务中的调度器线程。

具体的，节点心跳Heartbeat是指在分布式系统技术中，以固定的频率向其他节点汇报当前节点状态的方式。资源管理服务中的调度器线程获取多个计算节点的节点心跳，并将节点心跳发送到资源请求线程。资源请求线程可以通过接收到的节点心跳实时获得资源池的计算资源量信息，根据该计算资源量信息判断目标作业对应的资源池的是否有剩余资源量。

具体的，当资源请求线程确定资源池有剩余计算资源时，将计算资源直接分配给对应的内存结构，并将目标作业配置到资源池对应的队列中以使用分配的计算资源。对当前目标作业进行分配后，资源请求线程等待获取下一次的节点心跳获取以及对下一个目标作业的分配。

在步骤S120中，响应于所述抢占资源请求，获取需要计算资源的目标作业；

在本发明的一种示例实施例中，抢占资源请求包括目标作业所需要的计算资源量，例如目标作业所需的CPU、内存容量、输入输出带宽等。调度器线程接收步骤S110中的抢占资源请求，根据该抢占资源请求获取对应的目标作业。

在步骤S130中，根据所述目标作业判断整体集群是否有足够的剩余计算资源并且是否可以抢占计算资源；

在本发明的一种示例实施例中，调度器线程通过节点心跳获取整个集群中每个计算节点的剩余计算资源量，根据抢占资源请求中目标作业所需要的计算资源量判断整体集群是否有足够的剩余计算资源，并且判断该资源池是否是预先设置的可抢占计算资源的资源池以判定该资源池是否可以进行抢占。在调度器线程中配备该判断处理逻辑不仅可以为资源池配置独立的开关，并配置独立的抢占策略，避免集群内没有必要的抢占与释放，例如，在判定某个资源池有足够的剩余资源时，将目标作业分配给该资源池，但是在将目标作业分配给该资源池时，该资源池可能队列中任务突然增多，此时又需要对该资源池进行释放，目标作业又要进行重新的抢占。而且设置该判断处理逻辑可以将分配中的抢占独立出来，提升了计算资源的分配效率，提高了集群的工作效率。

在步骤S140中，当确定所述整体集群没有足够的所述剩余计算资源并且可以抢占计算资源时，将所述计算资源超额分配给所述目标作业。

在本发明的一种示例实施例中，当步骤S130中的调度器线程判断处理逻辑确定整体集群没有足够的所述剩余计算资源的资源池并且该资源池可以抢占计算资源时，将可以抢占计算资源超额分配给目标作业或者调度器线程将步骤S120中接收的目标作业发送到有足够剩余计算资源的资源池。

具体的，抢占资源线程判断资源池中单个队列是否有需要计算资源的作业，当确定单个队列有需要资源的作业时，根据目标作业已经使用的计算资源量计算得到整体集群中可以抢占的计算资源量，根据得到的可以抢占的计算资源量，将计算资源超额分配给目标作业。资源请求线程获得计算资源后，通过远程节点启动抢占资源管理器PreemptionContainer对由于超额分配借出计算资源的资源池进行标记。

参考图2所示，图2示意性示出了根据本发明的一些实施例的超额分配流程应用实例的示意图，下面进行详细说明。

步骤S201，启动并初始化抢占资源线程Preemption；

步骤S202，获取资源已满的队列和长期等待且无计算资源的应用程序；

步骤S203，判断整体集群是否有足够的剩余计算资源的资源池，并且判断该资源池是否是预先设置的可抢占计算资源的资源池；

步骤S204，当确定整体集群没有足够的剩余计算资源的资源池并且可以抢占计算资源时，进行步骤S206；

步骤S205，当确定所述整体集群有足够的所述剩余计算资源的资源池时，返回并执行步骤S202；

步骤S206，判断资源池的队列中是否有需要计算资源的应用程序；

步骤S207，当确定有需要计算资源的应用程序时，执行步骤S209；

步骤S208，当确定没有需要计算资源的应用程序时，返回并执行步骤S202；

步骤S209，根据应用程序已经使用的计算资源量，计算资源池可抢占的计算资源量(该可抢占的计算资源量是预先配置的资源池最低抢占量的比例)；

步骤S210，将可抢占的计算资源分配给应用程序对应的内存结构；

步骤S211，结束本轮的超额分配，等待资源请求线程获取下一个节点心跳。

在本发明的另一种示例实施例中，抢占资源线程判断整体集群是否有队列超额使用计算资源并且是否需要释放所述计算资源。当确定整体集群有队列超额使用计算资源并且需要释放计算资源时，获取所有超额使用计算资源的队列，根据预设释放比例分批次释放所述超额使用计算资源的队列的计算资源。同样的，在调度器线程中配备该判断处理逻辑不仅可以为资源池配置独立的开关，并配置独立的释放策略，避免集群内没有必要的抢占与释放，而且可以及时地释放由于超额分配资源池借出的计算资源，并归还对应资源池的计算资源，提升了资源池计算资源的利用效率。

具体的，通过抢占资源管理器Preemption Container的标记管理，获取所有由于超额分配借出计算资源的资源池，按照资源池借出的计算资源量的大小对该资源池进行倒序排序生成队列列表，根据预设释放比例分批次释放队列列表中的资源池的对应计算资源。

参考图3所示，图3示意性示出了根据本发明的一些实施例的超额释放流程应用实例的示意图，下面进行详细说明。

步骤S301，启动并初始化抢占资源线程Preemption；

步骤S302，判断集群中是否有剩余计算资源(该剩余资源比例可以进行配置)；

步骤S303，当确定集群中没有剩余计算资源时，执行步骤S305；

步骤S304，当确定集群中有剩余计算资源时，返回执行步骤S302；

步骤S305，判断集群是否有队列超额使用了计算资源并且需要释放计算资源；

步骤S306，当确定集群中有队列超额使用计算资源并且需要释放计算资源时，执行步骤S308；

步骤S307，当确定集群没有队列超额使用计算资源并且不需要释放计算资源时，返回并执行步骤S302；

步骤S308，计算集群中超额使用计算资源的队列可以释放的计算资源量；

步骤S309，根据预先设置的释放比例，分批次对额使用计算资源的队列进行释放计算资源；

步骤S310，向计算节点服务NodeManager发送结束管理器Kill Container事件。

参考图4所示，图4示意性示出了根据本发明的一些实施例的资源调度执行流程的示意图，下面进行详细说明。

步骤S401，用户通过客户端Client将目标作业提交到YARN的资源管理服务ResourceManager上；

步骤S402，资源管理服务ResourceManager通过调度器线程Scheduler寻找一个计算节点的分配计算资源Container，并通过Container启动应用程序资源请求线程AppMaster；

步骤S403，应用程序资源请求线程AppMaster会根据目标作业所需的计算资源向调度器线程Scheduler请求计算资源；

步骤S404，当计算资源请求成功后，根据返回的可分配计算资源信息在对应的计算节点上启动Normal Container服务；

步骤S405，当发现资源池已满并且可以借用计算资源时，启动抢占资源线程Preemption，通过抢占资源线程将计算资源超额分配给AppMaster；

步骤S406，当应用程序资源请求线程AppMaster接收到超额分配的计算资源时，通知远程节点启动抢占资源管理器Preemption Container并对借用计算资源的资源池进行标记。

需要说明的是，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

此外，在本示例实施例中，还提供了一种资源调度装置。参照图5所示，该资源调度装置500包括：接收单元510用于接收抢占资源线程的抢占资源请求；获取单元520用于响应于所述抢占资源请求，获取需要计算资源的目标作业；判断单元530用于根据所述目标作业判断整体集群是否有足够的剩余计算资源并且是否可以抢占计算资源；超额分配单元540用于当确定所述整体集群没有足够的所述剩余计算资源并且可以抢占计算资源时，将所述计算资源超额分配给所述目标作业。

在本发明的一种示例性实施例中，基于前述方案，接收单元510包括：发送单元，用于接收目标作业，并将所述目标作业发送到对应的资源请求线程；计算资源判断单元，用于基于所述资源请求线程，判断所述目标作业对应的资源池是否有剩余计算资源；确定接收单元，用于当确定所述资源池没有所述剩余计算资源时，接收所述抢占资源线程的抢占资源请求。

在本发明的一种示例性实施例中，基于前述方案，计算资源判断单元被配置为：获取计算节点的节点心跳，将所述节点心跳发送到资源请求线程；根据所述节点心跳判断所述目标作业对应的资源池是否有剩余计算资源。

在本发明的一种示例性实施例中，基于前述方案，超额分配单元540被配置为：当确定所述资源池有所述剩余计算资源时，将计算资源直接分配给对应的内存结构，并且等待所述资源请求线程获取下一次的心跳获取。

在本发明的一种示例性实施例中，基于前述方案，超额分配单元540被配置为：判断单个队列是否有需要资源的作业；当确定单个队列有需要资源的作业时，根据所述目标作业已经使用的计算资源量计算得到整体集群中可以抢占的计算资源量；基于所述可以抢占的计算资源量，将所述计算资源超额分配给所述目标作业。

在本发明的一种示例性实施例中，基于前述方案，所述资源调度装置还包括：释放资源判断单元，用于基于所述抢占资源线程，判断整体集群是否有队列超额使用计算资源并且是否需要释放所述计算资源；队列获取单元，用于当确定整体集群有队列超额使用计算资源并且需要释放所述计算资源时，获取所有超额使用计算资源的队列；超额释放单元，用于根据预设释放比例分批次释放所述超额使用计算资源的队列的计算资源。

在本发明的一种示例性实施例中，基于前述方案，超额释放单元被配置为：获取所有超额使用计算资源的队列，并按照所述队列的超额计算资源量对所述队列进行倒序排列以生成队列列表；根据预设释放比例分批次释放所述队列列表中每个队列对应的计算资源。

上述中资源调度装置各模块的具体细节已经在对应的资源调度方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了资源调度装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，在本发明的示例性实施例中，还提供了一种能够实现上述资源调度方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。

下面参照图6来描述根据本发明的这种实施例的电子设备600。图6所示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如，所述处理单元610可以执行如图1中所示的步骤S110，接收抢占资源线程的抢占资源请求；步骤S120，响应于所述抢占资源请求，获取需要计算资源的目标作业；步骤S130，根据所述目标作业判断整体集群是否有足够的剩余计算资源并且是否可以抢占计算资源；步骤S140，当确定所述整体集群没有足够的所述剩余计算资源并且可以抢占计算资源时，将所述计算资源超额分配给所述目标作业。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)621和/或高速缓存存储单元622，还可以进一步包括只读存储单元(ROM)623。

存储单元620还可以包括具有一组(至少一个)程序模块625的程序/实用工具624，这样的程序模块625包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备670(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本发明实施例的方法。

在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。

参考图7所示，描述了根据本发明的实施例的用于实现上述资源调度方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品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为但不限于电、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。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

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发明操作的程序代码，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。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施例的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种基于Hadoop集群的资源调度方法，其特征在于，包括：

接收抢占资源线程的抢占资源请求；

响应于所述抢占资源请求，获取需要计算资源的目标作业；

根据所述目标作业判断整体集群是否有足够的剩余计算资源并且是否可以抢占计算资源；

当确定所述整体集群没有足够的所述剩余计算资源并且可以抢占计算资源时，将所述计算资源超额分配给所述目标作业。

2.根据权利要求1所述的资源调度方法，其特征在于，接收抢占资源线程的抢占资源请求，包括：

接收目标作业，并将所述目标作业发送到对应的资源请求线程；

基于所述资源请求线程，判断所述目标作业对应的资源池是否有剩余计算资源；

当确定所述资源池没有所述剩余计算资源时，接收所述抢占资源线程的抢占资源请求。

3.根据权利要求2所述的资源调度方法，其特征在于，判断所述目标作业对应的资源池是否有剩余计算资源，包括：

获取计算节点的节点心跳，将所述节点心跳发送到资源请求线程；

根据所述节点心跳判断所述目标作业对应的资源池是否有剩余计算资源。

4.根据权利要求3所述的资源调度方法，其特征在于，所述当确定所述资源池没有所述剩余计算资源时，还包括：

当确定所述资源池有所述剩余计算资源时，将计算资源直接分配给对应的内存结构，并且等待所述资源请求线程获取下一次的心跳获取。

5.根据权利要求2所述的资源调度方法，其特征在于，所述将所述计算资源超额分配给所述目标作业，包括：

判断单个队列是否有需要资源的作业；

当确定单个队列有需要资源的作业时，根据所述目标作业已经使用的计算资源量计算得到整体集群中可以抢占的计算资源量；

基于所述可以抢占的计算资源量，将所述计算资源超额分配给所述目标作业。

6.根据权利要求1所述的资源调度方法，其特征在于，所述资源调度方法还包括：

基于所述抢占资源线程，判断整体集群是否有队列超额使用计算资源并且是否需要释放所述计算资源；

当确定整体集群有队列超额使用计算资源并且需要释放所述计算资源时，获取所有超额使用计算资源的队列；

根据预设释放比例分批次释放所述超额使用计算资源的队列的计算资源。

7.根据权利要求6所述的资源调度方法，其特征在于，根据预设释放比例分批次释放所述超额使用计算资源的队列的计算资源，包括：

获取所有超额使用计算资源的队列，并按照所述队列的超额计算资源量对所述队列进行倒序排列以生成队列列表；

根据预设释放比例分批次释放所述队列列表中每个队列对应的计算资源。

8.一种资源调度装置，其特征在于，包括：

接收单元，用于接收抢占资源线程的抢占资源请求；

获取单元，用于响应于所述抢占资源请求，获取需要计算资源的目标作业；

判断单元，用于根据所述目标作业判断整体集群是否有足够的剩余计算资源并且是否可以抢占计算资源；

超额分配单元，用于当确定所述整体集群没有足够的所述剩余计算资源并且可以抢占计算资源时，将所述计算资源超额分配给所述目标作业。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如权利要求1至7中任一项所述的资源调度方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的资源调度方法。

Images