CN111475256A - 资源分配方法、装置及系统 - Google Patents
资源分配方法、装置及系统 Download PDFInfo
- Publication number
- CN111475256A CN111475256A CN202010191095.5A CN202010191095A CN111475256A CN 111475256 A CN111475256 A CN 111475256A CN 202010191095 A CN202010191095 A CN 202010191095A CN 111475256 A CN111475256 A CN 111475256A
- Authority
- CN
- China
- Prior art keywords
- preset
- display card
- resource allocation
- class
- load
- 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
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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
Abstract
本公开提供一种资源分配方法、装置及系统,涉及计算机技术领域,该方便包括:获取绘图指令,所述绘图指令携带有虚拟机VM标识,所述VM标识用于指示VM的类型;基于预设对应关系,确定与所述VM标识对应的图像处理资源;将所述对应的图像处理资源分配给对应的VM,执行所述绘图指令。本公开能够合理分配图像处理资源,提高绘图指令的执行效率以及图像处理资源的利用率。
Description
技术领域
本公开涉及计算机图像技术领域,尤其涉及资源分配方法、装置及系统。
背景技术
云端虚拟化技术当前发展以及非常迅速。随着各个公有云/私有云平台的进一步发展,对于虚拟桌面云平台的需求进一步加大。当前的技术方案一般为在云端Host主机中,安装数个GPU物理显卡,逐个映射到客户的虚拟机(Virtual Machine,VM)的虚拟显卡上,达到渲染和处理客户机3D指令的功能。由于VM所在的云端Host主机对应的物理机上的图像处理单元(Graphic Processing Unit,GPU)插槽有限,云端Host主机无法支持太多的客户机VM,更进一步,受限于云端主机的处理器架构和操作系统,可能无法使用厂家自身提供的以期能够发挥出GPU的最佳性能的商业驱动。
为了解决上述GPU插槽有限的问题,提出了图形处理器池(Graphics ProcessingUnit,GPU POOL),GPU POOL集中管理多个GPU物理显卡资源,GPU Pool可向各VM分配GPU虚拟资源,也就是说,多个VM可以共享一个GPU物理显卡,这样,云端Host主机支持的VM的数量,不会受到GPU插槽的限制。同时GPU Pool使用X86架构的处理器和Windows/Linux操作系统,可以使用厂家优化的商业驱动,能够彻底释放GPU的处理能力,发挥出GPU的最佳性能。如何合理分配各VM的GPU资源,提高绘图指令的执行效率以及GPU资源的利用率,是尚待解决的问题。
发明内容
本公开实施例提供一种资源分配方法、装置及系统,本公开能够合理分配图像处理资源,提高绘图指令的执行效率以及图像处理资源的利用率。所述技术方案如下:
根据本公开实施例的第一方面,提供一种资源分配方法,该方法包括:
获取绘图指令,绘图指令携带有虚拟机VM标识,VM标识用于指示VM的类型;
基于预设对应关系,确定与VM标识对应的图像处理资源;
将对应的图像处理资源分配给对应的VM,执行绘图指令。
在一个实施例中,VM类型包括以下至少之一:
科学计算类、人工智能AI类、第一3D游戏类、3D绘图软件类、桌面办公软件类、第二3D游戏类。
在一个实施例中,基于预设对应关系,确定与VM标识对应的图像处理资源包括:
查询预设的第一对照关系表,确定与VM标识对应配置的第一显卡,预设的第一对照关系表中存储有VM标识和多种配置的显卡的对应关系。
在一个实施例中,该方法还包括:
监控第一显卡对应的负载;
判断负载是否满足预设条件;
在负载满足预设条件时,调整第一显卡对应的负载。
在一个实施例中,判断第一显卡对应的负载是否满足预设条件包括:
判断第一显卡对应的负载是否超过预设的重负载阈值;
若超过,判断第一显卡上是否执行多个VM标识对应的绘图指令;
若是执行多个VM标识对应的绘图指令,则第一显卡对应的负载满足预设条件;
相应的,调整第一显卡对应的负载包括:
将部分VM标识对应的绘图指令从第一显卡迁移到第二显卡,第二显卡对应的负载不超过预设的重负载阈值,第二显卡的配置不低于第一显卡。
监控各图像处理显卡对应的负载情况,当某图像处理显卡对应的负载过重时,可以将该图像处理显卡对应的VM迁移到负载较轻的GPU物理显卡上,以使各图像处理显卡对应的负载均衡。
根据本公开实施例的第二方面,提供一种资源分配方法,应用于资源分配装置,该资源分配装置包括至少一个虚拟机VM,该方法包括:
获取操作消息;
确定与所述操作消息对应的第一虚拟机VM,并判断第一VM的VM类型;根据所述VM类型查询预设的第二对照关系表,确定对应的VM标识第二预设关系表中存储有VM类型和VM标识的对应关系;
基于所述VM标识生成绘图指令。
在一个实施例中,VM的类型包括以下至少之一:
科学计算类、人工智能AI类、第一3D游戏类、3D绘图软件类、桌面办公软件类、第二3D游戏类。
根据本公开实施例的第三方面,提供一种资源分配装置,该资源分配装置包括:
获取模块,用于获取绘图指令,绘图指令携带有虚拟机VM标识,VM标识用于指示VM的类型;
确定模块,用于基于预设对应关系,确定与VM标识对应的图像处理资源;
分配模块,用于将对应的图像处理资源分配给对应的VM,执行绘图指令。
根据本公开实施例的第四方面,提供一种资源分配装置,该资源分配装置包括至少一个虚拟机VM和处理器,该处理器用于执行:
获取操作消息;
确定与所述操作消息对应的第一虚拟机VM,并判断第一VM的VM类型;根据所述VM类型查询预设的第二对照关系表,确定对应的VM标识第二预设关系表中存储有VM类型和VM标识的对应关系;
基于所述VM标识生成绘图指令。
根据本公开实施例的第五方面,提供一种资源分配系统,该系统包括第三方面描述的资源分配装置和第四方面描述的资源分配装置。
在本公开中,可以根据渲染指令的用于指示VM类型的VM标识,评估执行该渲染指令所需的图像处理资源不仅使得各VM下发的渲染指令能够被高效执行,而且可以提高各GPU物理显卡的资源利用率。
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,并不能限制本公开。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是本公开实施例提供的一种资源分配方法流程图;
图2是本公开实施例提供的一种资源分配方法流程图;
图3是本公开实施例提供的一种调整第一显卡对应的负载流程图;
图4是本公开实施例提供的一种资源分配方法流程图;
图5是本公开实施例提供的一种资源分配装置结构图;
图6是本公开实施例提供的一种资源分配装置结构图;
图7是本公开实施例提供的一种资源分配系统结构图;
图8是本公开实施例提供的一种资源调度系统结构图;
图9是本公开实施例提供的基于图8系统的执行方法流程图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
以下描述的一部分明确地或者暗含地涉及算法和对计算机存储器内数据的操作的功能或者符号表示。这些算法的描述和功能或者符号表示是资源分配领域内技术人员用于更有效地向本领域内其它技术人员表达他们工作实质的方法。此处通常将算法设想为生成期望结果的一系列有条理的步骤。这些步骤是需要对诸如能够存储、传送、组合、对比以及通过其它方式操控的电、磁或者光信号的物理量进行物理操控的步骤。
除非特别说明,否则如以下可显而易见地,应该理解本说明书通篇使用的诸如“接收”、“渲染”、“解析”、“发送”、“获取”、“分配”等术语的讨论,涉及计算机系统或者类似电子设备的动作和处理,上述的电子设备将表示为计算机系统内物理量的数据操控和转换成同样表示为计算机系统或者其它信息存储、传输或者显示设备内物理量的其它数据。
说明书还公开了用于执行方法操作的设备。这种设备为所需的目的而特别构成,或者可以包括通用计算机或者其它存储在计算机中的计算机程序选择性启动或者重新配置的其它设备。本文介绍的算法和显示不是固有地与任何具体计算机或者其它设备相关。各种通用机器可以根据本文教导的程序一起使用。可替换地,用于执行所要求的方法步骤的更特殊的设备构造是可以适用的。常规的通用计算机的结构将在以下描述中介绍。
此外,由于可以由计算机代码实施本文描述方法的各步骤对本领域技术人员是显而易见的,因此本说明书还暗含地公开计算机程序。该计算机程序不试图限制于任何具体的编程语言及其执行。应该理解,可以使用多种编程语言及其代码以执行本文包含的公开的教导。此外,该计算机程序不试图限制于任何具体的控制流。在不脱离本发明精神或者范围的情况下,存在许多其它种类的、可以使用不同控制流的计算机程序。
而且,可以并行地而不是顺序地执行计算机程序的一个或者多个步骤。这种计算机程序可以存储在任何计算机可读介质上。计算机可读介质可以包括的存储设备诸如为磁盘或者光盘、存储器芯片或者适于与通用计算机接口的其它存储设备等。计算机可读介质还可以包括诸如在因特网系统中的硬接线介质,或者无线介质。当在这种通用计算机上加载和执行计算机程序时,计算机程序有效地产生实施优选方法的步骤的设备。
本发明还可被实施为硬件模块。更具体地,在硬件意义下,模块是被设计为与其它部件或模块一起使用的功能性硬件单元。例如,模块可使用分立电子部件实施,或者其可以形成整个电子电路诸如特定用途集成电路(ASIC)的一部分。还存在许多其它可能。本领域技术人员应理解,该系统还可被实施为硬件和软件模块的组合。
图1是本公开实施例提供的一种资源分配方法流程图,如图1所示的资源分配方法包括以下步骤:
步骤101、获取绘图指令,绘图指令携带有虚拟机VM标识,VM标识用于指示VM的类型;
VM类型包括以下至少之一:
科学计算类、人工智能AI类、第一3D游戏类、3D绘图软件类、桌面办公软件类、第二3D游戏类。
步骤102、基于预设对应关系,确定与VM标识对应的图像处理资源;
可选的,可以通过查询预设的第一对照关系表,确定与VM标识对应配置的第一显卡,预设的第一对照关系表中存储有VM标识和多种配置的显卡的对应关系。
图像处理资源包括不同配置的GPU物理显卡。
确定第一VM标识对应的图像处理资源为第一配置的显卡,第一VM标识用于指示VM类型为科学计算类或人工智能AI类;
确定第二VM标识对应的图像处理资源为第二配置的显卡,第二VM标识用于指示VM类型为第一3D游戏类VM;
确定第三VM标识对应的图像处理资源为第三配置的显卡,第三VM标识用于指示VM类型为3D绘图软件类VM;
确定第四VM标识对应的图像处理资源为第四配置的显卡,第四VM标识用于指示VM类型为桌面办公软件或第二3D游戏类VM。
第一3D游戏类VM指的是大型3D游戏类VM,第二3D游戏类VM指的是小型3D游戏类VM,具体的贵司可以由用户设定,也可以通过生成的绘图指令数量判断。如果游戏类对应的3D绘图指令大于预设阈值,可以判定是大型3D游戏类VM,反之属于小型3D游戏类VM。
具体的原理可以参考表1。
表1
具体实现过程中,预设的第一对照关系表可以按照表2的形式设计,具体的对照含义参考表1。
序号 | VM的标识 | GPU物理显卡 |
1 | A | GPUa |
2 | B | GPUb |
3 | C | GPUc |
4 | D | GPUd |
表2
如表1和表2所示,序号为1的VM属于科学计算、AI类,这类VM是重度GPU计算能力使用者,应该配置高端CUDA(科学计算)显卡,GPUa即为高端CUDA(科学计算)显卡,因此,为属于科学计算、AI类的VM A分配GPUa;序号为2的VM属于大型3D游戏类,这类VM是重度GPU使用者,应该配置高端游戏显卡,GPUb即为高端游戏显卡,因此,为属于大型3D游戏类的VM B分配GPUb;序号为2的VM属于3D绘图软件类,这类VM是重度并专业GPU使用者,应该配置高端专业显卡,GPUc即为高端专业显卡,因此,为属于3D绘图软件类的VM C分配GPUc;序号为2的VM属于桌面办公软件+小型3D游戏类,这类VM是轻度GPU使用者,应该配置中低端游戏显卡,或者多台VM共享同一个高端游戏显卡,GPUd即为中低端游戏显卡,因此,为属于小型3D游戏类的VM D分配GPUd。
比如VM1预设为科学计算、AI类,VM2预设为大型3D游戏类等,用户可以根据自己的使用需求,确定使用哪个VM比较合适,当用户需要使用AI软件时,可以选择使用VM1,当用户需要使用大型3D游戏时,可以选择使用VM2。
具体的,可以根据实际情况,可以根据使用的应用软件的类型对VM进行分类,不同类型的VM对GPU资源的需求差异交叉,并且根据分类情况,为各种VM匹配能够满足其渲染需求的GPU物理显卡,生成各类VM与GPU物理显卡的对应关系表,这样,GPU调度模块就能够根据预置的VM与GPU物理显卡的对应关系表,为各VM确定所对应的GPU物理显卡。
比如,虚拟机VM1属于大型3D游戏类,对GPU的渲染能力要求较高,那么,可以为该VM1分配高端游戏显卡,这样,该VM1就可以有充足的GPU资源来运行大型3D游戏。
步骤103、将对应的图像处理资源分配给对应的VM,执行绘图指令。
如图2所示,对应的图像处理资源是对应的第一显卡,该方法还可以包括:
步骤104、调整第一显卡对应的负载。
如图3所示,步骤104具体包括:
步骤1041、监控第一显卡对应的负载;
具体的,在GPU物理显卡执行绘图指令的过程中,可以对承担渲染任务的GPU物理显卡的GPU负载情况进行监控。
步骤1042、判断第一显卡对应的负载是否满足预设条件;
可选的,判断第一显卡对应的负载是否满足预设条件包括:
判断第一显卡对应的负载是否超过预设的重负载阈值;
若超过,判断第一显卡上是否执行多个VM标识对应的绘图指令;
若是执行多个VM标识对应的绘图指令,则判断负载满足预设条件。
步骤1043、在负载满足预设条件时,调整第一显卡对应的负载。
可以通过将部分VM标识对应的绘图指令从第一显卡迁移到第二显卡,第二显卡对应的负载不超过预设的重负载阈值,第二显卡的配置不低于第一显卡。
该实施例中,第一显卡对应的负载超过预设的重负载阈值,则说明第一显卡的负载过重;可以理解的,这里提到的第二显卡,是指第一显卡以外的,负载较轻(不超过预设的重负载阈值)的显卡;第二显卡的配置不低于第一显卡的配置,即第二显卡的性能强于或等于当前使用的显卡。
由于GPU物理显卡对应的负载过重时可能导致所执行的渲染指令耗费的时间过长或出现GPU物理显卡的系统崩溃故障等问题,因此,本公开所述通过监控GPU物理显卡对应的负载情况,对GPU POOL中的各GPU物理显卡上承载的VM进行动态调整,使得各GPU物理显卡对应的负载均衡,保证渲染指令能够被高效执行。
图4是本公开实施例提供的一种资源分配方法流程图,该方法应用于资源分配装置,该资源分配装置包括至少一个虚拟机VM,如图4所示的资源分配方法包括:
步骤401、获取操作消息;
步骤402、确定与操作消息对应的第一虚拟机VM,并判断第一VM的VM类型;
VM的类型包括以下至少之一:
科学计算类、人工智能AI类、第一3D游戏类、3D绘图软件类、桌面办公软件类、第二3D游戏类。
步骤403、根据VM类型查询预设的第二对照关系表,确定对应的VM标识;
第二预设关系表中存储有VM类型和VM标识的对应关系;
步骤404、基于VM标识生成绘图指令。
图5是本公开实施例提供的一种资源分配装置,如图5所示的资源分配装置50包括:
获取模块501,用于获取绘图指令,绘图指令携带有虚拟机VM标识,VM标识用于指示VM的类型;
确定模块502,用于基于预设对应关系,确定与VM标识对应的图像处理资源;
可选的,确定模块502具体用于通过查询预设的第一对照关系表,确定与VM标识对应配置的第一显卡,预设的第一对照关系表中存储有VM标识和多种配置的显卡的对应关系。
分配模块503,用于将对应的图像处理资源分配给对应的VM,执行绘图指令。
可选的,该资源分配装置还可以包括调整模块,用于调整显卡对应的负载。
可选的,调整模块包括:
监控子模块,用于监控显卡对应的负载;
判断子模块,用于判断负载是否满足预设条件;
判断子模块具体用于:
判断第一显卡对应的负载是否超过预设的重负载阈值;
若超过,判断第一显卡上是否执行多个VM标识对应的绘图指令;
若是执行多个VM标识对应的绘图指令,则判断负载满足预设条件。
调整子模块,用于在负载满足预设条件时,调整显卡对应的负载。
具体的,可以通过将部分VM标识对应的绘图指令从第一显卡迁移到第二显卡,第二显卡对应的负载不超过预设的重负载阈值,第二显卡的配置不低于第一显卡。
图6是本公开实施例提供的一种资源分配装置,如图6所示的资源分配装置60包括:虚拟机VM601和处理器602,处理器602用于执行:
获取操作消息;
确定与操作消息对应的第一虚拟机VM,并判断第一VM的VM类型;
根据VM类型查询预设的第二对照关系表,确定对应的VM标识;
基于所述VM标识生成绘图指令。
图7是本公开实施例提供的一种资源分配系统,如图7所示的资源分配装置70包括:第一资资源分配装置701和第二资源分配装置702。第一资源分配装置701和第二资源分配装置702分别对应上述的资源分配装置50和资源分配装置60。
图8为本公开提供的一种资源分配系统结构图,如图8所示的系统包括云端主机和GPU POOL,其中第二资源分配装置集成在云端主机中,第一资源分配装置集成在GPU POOL中。GPU POOL中还包括GPU调度模块,用于根据VM的种类为VM分配GPU资源。云端HOST(QEMUon HOST)主机所在的云端主机和GPU POOL所在的物理机是物理分离的。GPU POOL所在的物理机可以包括多个GPU物理显卡。每个GPU物理显卡对应一个GPU管理模块(GPU Server)。HOST所在的云端主机上运行多个VM,管理VM的控制台模块(Console)和虚拟显卡设备(VD,Virtual 2D/3D video Device)。
图9是基于图8系统执行的方法流程图,如图9所示,包括以下步骤:
步骤901、用户通过零终端登录云端主机上的VM。
步骤902、零终端根据用户的操作,向VM发送键盘和鼠标事件(Keyboard andMouse event)。
步骤903、VM接收到键盘和鼠标事件,应用程序会响应该键盘和鼠标事件;
进一步的,根据键盘和鼠标事件来更新桌面应用程序的窗口内容,窗口内容的变化会产生新的绘图指令,虚拟显卡会将新生成的绘图指令截获,最终控制台模块(Console)会将绘图指令发送给GPU POOL进行渲染。
步骤904、GPU POOL中的GPU调度模块在接收到VM发送的绘图指令之后,根据预设的VM与GPU物理显卡的对应关系,确定该VM的绘图指令对应的GPU物理显卡。.
可以理解的,该GPU物理显卡即为分配给该VM的GPU虚拟资源。
需要说明的是,可以事先设置各VM的类型,以及各类VM与GPU物理显卡的对应关系。
也就是说,每个VM的类型是预设好的,各VM通过标识符来区分,GPU调度模块在接收到绘图指令时就能够获取发送方VM的标识符。VM的类型取决于该VM上运行的应用程序的类型。
步骤905、GPU调度模块控制由分配给VM的GPU物理显卡来执行该绘图指令。
在本步骤中,GPU调度模块可以将绘图指令转发给分配给VM的GPU物理显卡,由该GPU物理显卡,执行该绘图指令。
比如,分配给VM1的GPU物理显卡为高端游戏显卡,那么,可以由该高端游戏显卡来执行VM1中的应用。
在此过程中,GPU POOL监控物理显卡的负载情况,并实时或周期性的调整。
具体的,可以由GPU管理模块监控所管理的GPU物理显卡对应的负载情况,并将获取的GPU物理显卡对应的负载情况上报给GPU调度模块。由GPU调度模块根据预设的重负载阈值,对GPU POOL中的GPU物理显卡所承担的渲染任务进行动态调节。
GPU调度模块判断各CPU物理显卡的GPU负载超过预设的重负载阈值,若超过,则说明GPU物理显卡对应的负载过重;再判断该GPU物理显卡上是否还承载有多个VM的渲染任务,若有,则可以将部分VM从该GPU物理显卡迁移到其他GPU物理显卡上,可以理解的,这里提到的其他GPU物理显卡,是指GPU负载较轻的,具体可以是GPU负载低于预设的轻负载阈值的GPU物理显卡;若无,则可以将该VM从当前使用的GPU物理显卡迁移到其他GPU物理显卡上,这里提到的其他GPU物理显卡的GPU性能强于当前使用的GPU物理显卡。
步骤906、GPU POOL采集渲染后的画面,对采集到的画面进行编码,生成编码数据,将编码数据发送给零终端,由零终端解码后显示。
步骤907、零终端对接收到的编码数据进行解码后显示给用户。
基于上述图1和图4对应的实施例中所描述的资源分配方法,本公开实施例还提供一种计算机可读存储介质,例如,非临时性计算机可读存储介质可以是只读存储器(英文:Read Only Memory,ROM)、随机存取存储器(英文:Random Access Memory,RAM)、CD-ROM、磁带、软盘和光数据存储装置等。该存储介质上存储有计算机指令,用于执行上述图1和图4对应的实施例中所描述的资源分配方法,此处不再赘述。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。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下面的权利要求指出。
Claims (10)
1.一种资源分配方法,其特征在于,所述方法包括:
获取绘图指令,所述绘图指令携带有虚拟机VM标识,所述VM标识用于指示VM的类型;
基于预设对应关系,确定与所述VM标识对应的图像处理资源;
将所述对应的图像处理资源分配给对应的VM,执行所述绘图指令。
2.根据权利要求1所述的方法,其特征在于,所述VM类型包括以下至少之一:
科学计算类、人工智能AI类、第一3D游戏类、3D绘图软件类、桌面办公软件类、第二3D游戏类。
3.根据权利要求2所述的方法,其特征在于,所述基于预设对应关系,确定与所述VM标识对应的图像处理资源包括:
查询预设的第一对照关系表,确定与所述VM标识对应配置的第一显卡,预设的第一对照关系表中存储有VM标识和多种配置的显卡的对应关系。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:调整所述第一显卡对应的负载;
调整所述第一显卡对应的负载包括:
监控所述第一显卡对应的负载;
判断所述第一显卡对应的负载是否满足预设条件;
在所述第一显卡对应的负载满足预设条件时,调整所述第一显卡对应的负载。
5.根据权利要求4所述的方法,其特征在于,所述判断所述第一显卡对应的负载是否满足预设条件包括:
判断所述第一显卡对应的负载是否超过预设的重负载阈值;
若超过,判断所述第一显卡上是否执行多个VM标识对应的绘图指令;
若是执行多个VM标识对应的绘图指令,则判断负载满足预设条件。
相应的,调整所述第一显卡对应的负载包括:
将部分VM标识对应的绘图指令从所述第一显卡迁移到第二显卡,所述第二显卡对应的负载不超过预设的重负载阈值,第二显卡的配置不低于第一显卡。
6.一种资源分配方法,应用于资源分配装置,其特征在于,所述资源分配装置包括至少一个虚拟机VM,所述方法包括:
获取操作消息;
确定与所述操作消息对应的第一虚拟机VM,并判断第一VM的VM类型;
根据所述VM类型查询预设的第二对照关系表,确定对应的VM标识第二预设关系表中存储有VM类型和VM标识的对应关系;
基于所述VM标识生成绘图指令。
7.根据权利要求1所述的方法,其特征在于,所述VM的类型包括以下至少之一:
科学计算类、人工智能AI类、第一3D游戏类、3D绘图软件类、桌面办公软件类、第二3D游戏类。
8.一种资源分配装置,其特征在于,所述资源分配装置包括:
获取模块,用于获取绘图指令,所述绘图指令携带有虚拟机VM标识,所述VM标识用于指示VM的类型;
确定模块,用于基于预设对应关系,确定与所述VM标识对应的图像处理资源;
分配模块,用于将所述对应的图像处理资源分配给对应的VM,执行所述绘图指令。
9.一种资源分配装置,其特征在于,所述资源分配装置包括至少一个虚拟机VM和处理器,所述处理器用于执行:
获取操作消息;
确定与所述操作消息对应的第一虚拟机VM,并判断第一VM的VM类型;根据所述VM类型查询预设的第二对照关系表,确定对应的VM标识第二预设关系表中存储有VM类型和VM标识的对应关系;
基于所述VM标识生成绘图指令。
10.一种资源分配系统,其特征在于,所述系统包括权利要求8所述的资源分配装置和权利要求9所述的资源分配装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010191095.5A CN111475256A (zh) | 2020-03-18 | 2020-03-18 | 资源分配方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010191095.5A CN111475256A (zh) | 2020-03-18 | 2020-03-18 | 资源分配方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111475256A true CN111475256A (zh) | 2020-07-31 |
Family
ID=71747536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010191095.5A Pending CN111475256A (zh) | 2020-03-18 | 2020-03-18 | 资源分配方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111475256A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112422876A (zh) * | 2020-10-14 | 2021-02-26 | 西安万像电子科技有限公司 | 图像处理方法和服务器 |
CN112506672A (zh) * | 2021-02-04 | 2021-03-16 | 江苏北弓智能科技有限公司 | 面向虚拟gpu的云手机在线调度与迁移的方法及装置 |
CN114661465A (zh) * | 2022-03-17 | 2022-06-24 | 维塔科技(北京)有限公司 | 资源管理的方法、装置、存储介质及电子设备 |
CN116775217A (zh) * | 2023-06-27 | 2023-09-19 | 深圳市青葡萄科技有限公司 | 一种云桌面vgpu实现方法、装置、设备及存储介质 |
-
2020
- 2020-03-18 CN CN202010191095.5A patent/CN111475256A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112422876A (zh) * | 2020-10-14 | 2021-02-26 | 西安万像电子科技有限公司 | 图像处理方法和服务器 |
CN112506672A (zh) * | 2021-02-04 | 2021-03-16 | 江苏北弓智能科技有限公司 | 面向虚拟gpu的云手机在线调度与迁移的方法及装置 |
CN112506672B (zh) * | 2021-02-04 | 2021-06-22 | 江苏北弓智能科技有限公司 | 面向虚拟gpu的云手机在线调度与迁移的方法及装置 |
CN114661465A (zh) * | 2022-03-17 | 2022-06-24 | 维塔科技(北京)有限公司 | 资源管理的方法、装置、存储介质及电子设备 |
CN116775217A (zh) * | 2023-06-27 | 2023-09-19 | 深圳市青葡萄科技有限公司 | 一种云桌面vgpu实现方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111475256A (zh) | 资源分配方法、装置及系统 | |
US7036123B2 (en) | System using fair-share scheduling technique to schedule processes within each processor set based on the number of shares assigned to each process group | |
US20110173329A1 (en) | Methods and Apparatus for Coordinated Energy Management in Virtualized Data Centers | |
US20170017511A1 (en) | Method for memory management in virtual machines, and corresponding system and computer program product | |
CN111966500A (zh) | 资源调度方法、装置、电子设备及存储介质 | |
CN102946409A (zh) | 从多个服务器向客户机递送单个终端用户体验 | |
WO2006103687A1 (en) | Partitioned resource reallocation system and method | |
CN111506434B (zh) | 一种任务处理方法、装置及计算机可读存储介质 | |
EP3748508A1 (en) | Memory management in virtualized computing | |
WO2023273238A1 (zh) | 图形处理资源调配方法、装置、设备及存储介质 | |
US10778807B2 (en) | Scheduling cluster resources to a job based on its type, particular scheduling algorithm,and resource availability in a particular resource stability sub-levels | |
CN113849312A (zh) | 数据处理任务的分配方法、装置、电子设备及存储介质 | |
CN112102457A (zh) | 3d渲染方法及系统 | |
CN112269628A (zh) | 资源调度系统及方法 | |
CN114625533A (zh) | 分布式任务调度方法、装置、电子设备及存储介质 | |
CN115904761A (zh) | 片上系统、车辆及视频处理单元虚拟化方法 | |
CN116075809A (zh) | 边缘区域中计算节点和基础设施节点之间的自动节点互换 | |
CN108829516B (zh) | 一种图形处理器资源虚拟化调度方法 | |
CN111949398A (zh) | 资源调度方法及装置 | |
CN110704195A (zh) | 一种cpu调整方法、服务器及计算机可读存储介质 | |
CN115098272A (zh) | Gpu资源调度方法、调度器、电子设备和存储介质 | |
US11663026B2 (en) | Allocation of accelerator resources based on job type | |
CN111475255A (zh) | 图像处理方法、服务器及系统 | |
KR20160084215A (ko) | 최적 클라우드 스트리밍 서비스를 위한 동적 어플리케이션 처리 방법 및 이를 위한 장치 | |
CN111475285A (zh) | 资源分配方法及装置 |
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 |