CN111353696A - 一种资源池的调度方法及装置 - Google Patents
一种资源池的调度方法及装置 Download PDFInfo
- Publication number
- CN111353696A CN111353696A CN202010119327.6A CN202010119327A CN111353696A CN 111353696 A CN111353696 A CN 111353696A CN 202010119327 A CN202010119327 A CN 202010119327A CN 111353696 A CN111353696 A CN 111353696A
- Authority
- CN
- China
- Prior art keywords
- execution time
- resource pool
- executed
- task
- scheduling
- 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 65
- 238000013515 script Methods 0.000 claims abstract description 30
- 238000004590 computer program Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003631 expected effect Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
Abstract
本发明提供了一种资源池的调度方法及装置，该方法包括：接收所述资源池待执行任务；获取所述待执行任务的历史执行时间以及客户对所述待执行任务的期望执行时间；根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。本发明可使得批量作业不受限于预先定义的流程与执行资源的性能，从而提升批量执行效率，达到批量执行时间可控制的预期效果。
Description
技术领域
本发明涉及通信技术领域，特别是涉及一种资源池的调度方法及装置。
背景技术
在大型应用的企业架构中，除了大量的联机事务处理外还存在海量的批量任务处理。批量任务涉及的数据量十分巨大，为满足海量数据处理的性能需求，常采用并发或者并行技术来提高效率。但常见的批量处理框架中，并发的粒度通常为人工事先定义的任务或步骤，模式相对固定，同时最高并发数受限于批量执行资源的容量与性能，批量处理时间不可控制。
发明内容
针对现有技术中的问题，本发明提供的资源池的调度方法及装置，可使得批量作业不受限于预先定义的流程与执行资源的性能，从而提升批量执行效率，达到批量执行时间可控制的预期效果。
为解决上述技术问题，本发明提供以下技术方案：
第一方面，本发明提供一种资源池的调度方法，包括：
接收所述资源池待执行任务；
获取所述待执行任务的历史执行时间以及客户对所述待执行任务的期望执行时间；
根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
一实施例中，资源池的调度方法还包括：
将所述待执行任务划分为多个子任务；
根据所述多个子任务之间的并发执行关系将所述多个子任务进行分组。
一实施例中，所述根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式，包括：
利用FFD算法，根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
一实施例中，资源池的调度方法还包括：
当所述待执行任务执行完毕之后，更新所述历史执行时间。
第二方面，本发明提供一种资源池的调度装置，包括：
任务接收单元，用于接收所述资源池待执行任务；
执行时间获取单元，用于获取所述待执行任务的历史执行时间以及客户对所述待执行任务的期望执行时间；
最优方案计算单元，用于根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
一实施例中，资源池的调度装置还包括：
任务划分单元，用于将所述待执行任务划分为多个子任务；
任务分组单元，用于根据所述多个子任务之间的并发执行关系将所述多个子任务进行分组。
一实施例中，所述最优方案计算单元具体用于利用FFD算法，根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
一实施例中，资源池的调度装置还包括：
执行时间更新单元，用于当所述待执行任务执行完毕之后，更新所述历史执行时间。
第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现资源池的调度方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现资源池的调度方法的步骤。
从上述描述可知，本发明实施例提供的资源池的调度方法及装置，根据批量期望执行时间与历史执行时间，自动拆分作业数据，按数据组并发执行，使并发不受限于事先定义的任务或步骤，并利用云平台及docker构建批量执行资源池，可动态伸缩、弹性扩展，使批量不受限于执行资源的性能，无最大并发数的限制，从而提高批量执行效率，实现批量任务执行时间可控制的效果。
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为本发明的实施例中资源池的调度方法流程示意图一；
图2为本发明的实施例中资源池的调度方法流程示意图二；
图3为本发明的实施例中步骤300的流程示意图；
图4为本发明的实施例中资源池的调度方法流程示意图三；
图5为本发明的具体应用实例中资源池的调度方法的流程示意图；
图6为本发明的具体应用实例中资源池的调度方法的思维导图；
图7为本发明的实施例中资源池的调度装置的结构框图一；
图8为本发明的实施例中资源池的调度装置的结构框图二；
图9为本发明的实施例中资源池的调度装置的结构框图三；
图10为本发明的实施例中的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例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作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。
本发明的实施例提供一种资源池的调度方法的具体实施方式，参见图1，该方法具体包括如下内容：
步骤100：接收所述资源池待执行任务。
可以理解的是，步骤100还包括配置批量任务的具体步骤、步骤间的依赖关系与处理顺序、步骤执行所依赖的环境等。
步骤200：获取所述待执行任务的历史执行时间以及客户对所述待执行任务的期望执行时间。
可以理解的是，大部分的待执行任务均为重复性执行任务，均可获得该待执行任务的历史执行时间，对于新加入执行没有历史执行时间时，则取其它类似步骤的平均耗时替代。
步骤300：根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
可以理解的是，步骤300可以实现的技术效果包括：可动态伸缩、弹性扩展，使批量不受限于执行资源的性能，无最大并发数的限制，从而提高批量执行效率，实现批量任务执行时间可控制的效果。
从上述描述可知，本发明实施例提供的资源池的调度方法，根据批量期望执行时间与历史执行时间，自动拆分作业数据，按数据组并发执行，使并发不受限于事先定义的任务或步骤，并利用云平台及docker构建批量执行资源池，可动态伸缩、弹性扩展，使批量不受限于执行资源的性能，无最大并发数的限制，从而提高批量执行效率，实现批量任务执行时间可控制的效果。
一实施例中，参见图2，资源池的调度方法还包括：
步骤400：将所述待执行任务划分为多个子任务。
步骤500：根据所述多个子任务之间的并发执行关系将所述多个子任务进行分组。
具体地，根据资源池执行子任务时的前驱、并发执行关系以及后继等关系，将多个子任务进行分组。
一实施例中，参见图3，步骤300进一步包括：
步骤301：利用FFD算法，根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
可以理解的是，FFD(First Fit Decreasing)近似算法是装箱问题中典型的启发式贪心算法，基本思路是将物品从大到小排序，然后依次将物品从前往后装入最先能容纳该物品的箱子，对应到本步骤是采用FFD(First Fit Decreasing)近似算法以求找到脚本分组的最优化方法。
一实施例中，参见图4，资源池的调度方法还包括：
步骤600：当所述待执行任务执行完毕之后，更新所述历史执行时间。
可以理解的是，及时更新任务的历史执行时间可以不断校正步骤301中的FFD算法的精准度，从而可以找到最优的分组方案。
从上述描述可知，本发明实施例提供的资源池的调度方法，根据批量期望执行时间与历史执行时间，自动拆分作业数据，按数据组并发执行，使并发不受限于事先定义的任务或步骤，并利用云平台及docker构建批量执行资源池，可动态伸缩、弹性扩展，使批量不受限于执行资源的性能，无最大并发数的限制，从而提高批量执行效率，实现批量任务执行时间可控制的效果。
为进一步地说明本方案，本发明以云平台及docker构建资源池以提供资源池的调度方法的具体应用实例，该具体应用实例具体包括如下内容，参见图5及图6。
S01：配置批量任务的具体步骤、步骤间的依赖关系与处理顺序、步骤执行所依赖的环境。
S02：设置批量作业开始时间、期望执行时间。
进一步地，还需设置批量总执行期望时长、单任务执行期望时长，另外，可以理解的是，该期望时间是框架拆分并发的依据。另外，需要收集和管理任务及任务步骤的历史执行平均耗时，该耗时是由任务历史执行所积累下来的，会在任务每次调度后被更新；
S03：取出任务的一个步骤及步骤对应要处理的数据。
具体地，同时取出该步骤期望的执行时间耗时及历史执行平均耗时，当步骤为新加入执行没有历史执行时间时，将取其它类似步骤的平均耗时替代。
S04：根据步骤期望耗时及历史执行耗时计算当前步骤所需并发及分组。
具体地，计算步骤采用FFD(First Fit Decreasing)近似算法以求找到脚本分组的最优化方法，进一步地，利用历史执行时间及期望执行时间分组的的方案，包括：
输入：脚本s1,s2,…,sn及用户期望执行时间T。
输出：满足用户期望的脚本分组L。
第1步：将脚本s1,s2,…,sn按其历史执行时间大小进行降序排列，假设t(a1)≥t(a2)≥…≥t(an)。
第2步：首先取出第一个脚本s1，建立第一个分组L1并将s1放入L1。
第3步：循环处理，从队列中取出下一个脚本i，依次将其放入现有分组中的每一个分组中，直到找到可以将其放入的分组Lk，假设第k个分组中所有脚本的总执行时间为T(k)，即T(k)+t(i)＜＝T，或现有分组已遍历完毕，即找不到一个分组可以将脚本置入则建立新的分组Lm。
第4步：依次处理所有脚本，直到得出满足用户期望执行时间的脚本分组L。
S05：将拆分后的数据及步骤执行相关的命令与程序打包，并向执行资源池申请10000个对应类型的执行结点。
步骤S06：创建容器。
接收到执行结点新增请求时，根据步骤执行所需的环境取得相应的镜像，自动创建容器。资源池新建结点后，并在新建结点中开始任务具体的执行。
步骤S07：监控任务步骤。
任务开始执行时，定时扫描步骤状态，监控任务步骤是否执行完成。
步骤S08：当步骤执行完成时，将结果回收并将容器销毁并释放资源。
步骤S09：检查当前步骤的状态。
检查当前步骤的状态，若所有并发均已执行完成，该装置将所有并发的结果汇总，返回给任务调度装置并更新该步骤的历史执行耗时。
重复S05至S09步骤，通过不断循环并发，将整个批量作业执行完成。执行过程相对动态与灵活，执行过程中支持不断调整，例如一场批量作业预期早上7点执行完成，当前置批量执行到了6点50，最后一个批量将执行30分钟，按照现有的批量执行方式，该批量只能按预定的方式执行到7点20从而耽误其它业务运行。通过使用本发明中的批量并行装置，将并发扩大3倍甚至更大，将使得批量在预期时间内按时执行完成。
从上述描述可知，本发明实施例提供的资源池的调度方法，根据批量期望执行时间与历史执行时间，自动拆分作业数据，按数据组并发执行，使并发不受限于事先定义的任务或步骤，并利用云平台及docker构建批量执行资源池，可动态伸缩、弹性扩展，使批量不受限于执行资源的性能，无最大并发数的限制，从而提高批量执行效率，实现批量任务执行时间可控制的效果。
基于同一发明构思，本申请实施例还提供了资源池的调度装置，可以用于实现上述实施例所描述的方法，如下面的实施例。由于资源池的调度装置解决问题的原理与银行网点现金用量预测方法相似，因此资源池的调度装置的实施可以参见银行网点现金用量预测方法实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本发明的实施例提供一种能够实现银行网点现金用量预测方法的资源池的调度装置的具体实施方式，参见图7，资源池的调度装置具体包括如下内容：
任务接收单元10，用于接收所述资源池待执行任务；
执行时间获取单元20，用于获取所述待执行任务的历史执行时间以及客户对所述待执行任务的期望执行时间；
最优方案计算单元30，用于根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
一实施例中，参见图8，资源池的调度装置还包括：
任务划分单元40，用于将所述待执行任务划分为多个子任务；
任务分组单元50，用于根据所述多个子任务之间的并发执行关系将所述多个子任务进行分组。
一实施例中，所述最优方案计算单元具体用于利用FFD算法，根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
一实施例中，参见图9，资源池的调度装置还包括：
执行时间更新单元60，用于当所述待执行任务执行完毕之后，更新所述历史执行时间。
从上述描述可知，本发明实施例提供的资源池的调度装置，根据批量期望执行时间与历史执行时间，自动拆分作业数据，按数据组并发执行，使并发不受限于事先定义的任务或步骤，并利用云平台及docker构建批量执行资源池，可动态伸缩、弹性扩展，使批量不受限于执行资源的性能，无最大并发数的限制，从而提高批量执行效率，实现批量任务执行时间可控制的效果。
本申请的实施例还提供能够实现上述实施例中的资源池的调度方法中全部步骤的一种电子设备的具体实施方式，参见图10，电子设备具体包括如下内容：
处理器(processor)1201、存储器(memory)1202、通信接口(CommunicationsInterface)1203和总线1204；
其中，处理器1201、存储器1202、通信接口1203通过总线1204完成相互间的通信；通信接口1203用于实现服务器端设备、记录设备以及客户端设备等相关设备之间的信息传输。
处理器1201用于调用存储器1202中的计算机程序，处理器执行计算机程序时实现上述实施例中的资源池的调度方法中的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
步骤100：接收所述资源池待执行任务。
步骤200：获取所述待执行任务的历史执行时间以及客户对所述待执行任务的期望执行时间。
步骤300：根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
从上述描述可知，本申请实施例中的电子设备，根据批量期望执行时间与历史执行时间，自动拆分作业数据，按数据组并发执行，使并发不受限于事先定义的任务或步骤，并利用云平台及docker构建批量执行资源池，可动态伸缩、弹性扩展，使批量不受限于执行资源的性能，无最大并发数的限制，从而提高批量执行效率，实现批量任务执行时间可控制的效果。
本申请的实施例还提供能够实现上述实施例中的资源池的调度方法中全部步骤的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的资源池的调度方法的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
步骤100：接收所述资源池待执行任务。
步骤200：获取所述待执行任务的历史执行时间以及客户对所述待执行任务的期望执行时间。
步骤300：根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
从上述描述可知，本申请实施例中的计算机可读存储介质，根据批量期望执行时间与历史执行时间，自动拆分作业数据，按数据组并发执行，使并发不受限于事先定义的任务或步骤，并利用云平台及docker构建批量执行资源池，可动态伸缩、弹性扩展，使批量不受限于执行资源的性能，无最大并发数的限制，从而提高批量执行效率，实现批量任务执行时间可控制的效果。
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，对于硬件+程序类实施例而言，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。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。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、产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、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本发明是参见根据本发明实施例的方法、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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例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，本说明书实施例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。
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，0例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
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。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。
Claims (10)
1.一种资源池的调度方法，其特征在于，包括：
接收所述资源池待执行任务；
获取所述待执行任务的历史执行时间以及客户对所述待执行任务的期望执行时间；
根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
2.根据权利要求1所述的资源池的调度方法，其特征在于，还包括：
将所述待执行任务划分为多个子任务；
根据所述多个子任务之间的并发执行关系将所述多个子任务进行分组。
3.根据权利要求1所述的资源池的调度方法，其特征在于，所述根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式，包括：
利用FFD算法，根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
4.根据权利要求1所述的资源池的调度方法，其特征在于，还包括：
当所述待执行任务执行完毕之后，更新所述历史执行时间。
5.一种资源池的调度装置，其特征在于，包括：
任务接收单元，用于接收所述资源池待执行任务；
执行时间获取单元，用于获取所述待执行任务的历史执行时间以及客户对所述待执行任务的期望执行时间；
最优方案计算单元，用于根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
6.根据权利要求5所述的资源池的调度装置，其特征在于，还包括：
任务划分单元，用于将所述待执行任务划分为多个子任务；
任务分组单元，用于根据所述多个子任务之间的并发执行关系将所述多个子任务进行分组。
7.根据权利要求5所述的资源池的调度装置，其特征在于，所述最优方案计算单元具体用于利用FFD算法，根据所述历史执行时间以及所述期望执行时间计算所述资源池对应的最优脚本分组以及并发方式。
8.根据权利要求5所述的资源池的调度装置，其特征在于，还包括：
执行时间更新单元，用于当所述待执行任务执行完毕之后，更新所述历史执行时间。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至4任一项所述资源池的调度方法的步骤。
10.一种计算机可读存储介质，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权利要求1至4任一项所述资源池的调度方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010119327.6A CN111353696A (zh) | 2020-02-26 | 2020-02-26 | 一种资源池的调度方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010119327.6A CN111353696A (zh) | 2020-02-26 | 2020-02-26 | 一种资源池的调度方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111353696A true CN111353696A (zh) | 2020-06-30 |
Family
ID=71198048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010119327.6A Pending CN111353696A (zh) | 2020-02-26 | 2020-02-26 | 一种资源池的调度方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111353696A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112214400A (zh) * | 2020-09-17 | 2021-01-12 | 浙江数链科技有限公司 | 一种自动化测试方法、装置、电子设备和可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140380322A1 (en) * | 2013-06-24 | 2014-12-25 | Sap Ag | Task Scheduling for Highly Concurrent Analytical and Transaction Workloads |
| CN107045456A (zh) * | 2016-02-05 | 2017-08-15 | 华为技术有限公司 | 一种资源分配方法及资源管理器 |
| CN108427602A (zh) * | 2017-02-14 | 2018-08-21 | 全球能源互联网研究院 | 一种分布式计算任务的协同调度方法及装置 |
| CN109144716A (zh) * | 2017-06-28 | 2019-01-04 | 中兴通讯股份有限公司 | 基于机器学习的操作系统调度方法及装置、设备 |
| CN110287018A (zh) * | 2019-07-04 | 2019-09-27 | 中国工商银行股份有限公司 | 批量任务编排方法及装置 |
-
2020
- 2020-02-26 CN CN202010119327.6A patent/CN111353696A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140380322A1 (en) * | 2013-06-24 | 2014-12-25 | Sap Ag | Task Scheduling for Highly Concurrent Analytical and Transaction Workloads |
| CN107045456A (zh) * | 2016-02-05 | 2017-08-15 | 华为技术有限公司 | 一种资源分配方法及资源管理器 |
| CN108427602A (zh) * | 2017-02-14 | 2018-08-21 | 全球能源互联网研究院 | 一种分布式计算任务的协同调度方法及装置 |
| CN109144716A (zh) * | 2017-06-28 | 2019-01-04 | 中兴通讯股份有限公司 | 基于机器学习的操作系统调度方法及装置、设备 |
| CN110287018A (zh) * | 2019-07-04 | 2019-09-27 | 中国工商银行股份有限公司 | 批量任务编排方法及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112214400A (zh) * | 2020-09-17 | 2021-01-12 | 浙江数链科技有限公司 | 一种自动化测试方法、装置、电子设备和可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Srirama et al. | Application deployment using containers with auto-scaling for microservices in cloud environment | |
| US10713088B2 (en) | Event-driven scheduling using directed acyclic graphs | |
| US10884795B2 (en) | Dynamic accelerator scheduling and grouping for deep learning jobs in a computing cluster | |
| US20220107842A1 (en) | Dynamically scaling out pods using a recursive way | |
| US20120290706A1 (en) | State control of remote hosts for management of distributed applications | |
| CN111176818B (zh) | 分布式预测的方法、装置、系统、电子设备及存储介质 | |
| US20150277980A1 (en) | Using predictive optimization to facilitate distributed computation in a multi-tenant system | |
| CN112748993A (zh) | 任务执行方法、装置、存储介质及电子设备 | |
| Imai et al. | Accurate resource prediction for hybrid IaaS clouds using workload-tailored elastic compute units | |
| Iserte et al. | Efficient scalable computing through flexible applications and adaptive workloads | |
| Thai et al. | Budget constrained execution of multiple bag-of-tasks applications on the cloud | |
| CN114816753A (zh) | 一种数据集群计算节点扩缩方法、装置、设备及介质 | |
| CN111190732A (zh) | 定时任务处理系统及方法、存储介质和电子设备 | |
| Werner et al. | HARDLESS: A generalized serverless compute architecture for hardware processing accelerators | |
| CN109102200B (zh) | 一种定时任务处理方法及装置 | |
| CN111353696A (zh) | 一种资源池的调度方法及装置 | |
| Amoretti et al. | Efficient autonomic cloud computing using online discrete event simulation | |
| CN110622146A (zh) | 设备因子图可编程合成机制 | |
| Davidović et al. | MPI parallelization of variable neighborhood search | |
| Kapil et al. | Resource aware scheduling in Hadoop for heterogeneous workloads based on load estimation | |
| US20230168940A1 (en) | Time-bound task management in parallel processing environment | |
| CN109684051A (zh) | 一种混合式大数据任务异步提交的方法和系统 | |
| Zeng et al. | Computing periodic request functions to speed-up the analysis of non-cyclic task models | |
| Loganathan et al. | Job scheduling with efficient resource monitoring in cloud datacenter | |
| Mosa et al. | Towards a cloud native big data platform using micado |
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 |
Application publication date: 20200630 |
|
| RJ01 | Rejection of invention patent application after publication |