CN111666140A - 资源调度方法、装置、设备和存储介质 - Google Patents
资源调度方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111666140A CN111666140A CN202010470780.1A CN202010470780A CN111666140A CN 111666140 A CN111666140 A CN 111666140A CN 202010470780 A CN202010470780 A CN 202010470780A CN 111666140 A CN111666140 A CN 111666140A
- Authority
- CN
- China
- Prior art keywords
- application
- target application
- running
- resource scheduling
- computing
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/48—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for in-vehicle communication
-
- 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
- G06F9/505—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 considering the load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
-
- 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
- G06F9/5011—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
-
- 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
- G06F9/5038—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 considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- 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
- G06F9/5044—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 considering hardware capabilities
-
- 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]
- G06F9/5061—Partitioning or combining of resources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Navigation (AREA)
- Power Sources (AREA)
Abstract
本申请公开了一种资源调度方法、装置、设备和存储介质,涉及系统资源调度技术领域。具体实现方案为:监测当前系统是否能够负载已触发进入高算力场景的目标应用;若监测到所述系统无法负载所述目标应用,则对所述系统进行资源调度;基于调度后的系统资源运行处于高算力场景的所述目标应用。本申请实施例通过对应用及系统进行高算力场景的监测,以在监测到系统无法负载时,对系统资源进行调度,从而为进入高算力场景的应用提供充足的系统资源,不仅保障了进入高算力场景的应用能够流畅运行,避免应用出现卡顿等不良现象,而且无需对系统硬件配置进行升级,降低了系统硬件成本。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及系统资源调度技术领域,具体涉及一种资源调度方法、装置、设备和存储介质。
背景技术
在智能车载系统等智能设备当中,当加载运行的应用较多,或应用运行的功能较多时,系统CPU的占用率较高,由于占据了较大的CPU资源,且CPU调频连续缓慢耗时较长,无法及时追赶上应用的高算力场景,进而出现应用卡顿的现象。因此在不升级系统硬件配置的基础上,现有技术无法确保进入高算力场景的应用的流畅运行。
发明内容
提供了一种资源调度方法、装置、设备和存储介质,能够保障进入高算力场景的应用能够流畅运行。
根据第一方面,提供了一种资源调度方法,包括:
监测当前系统是否能够负载已触发进入高算力场景的目标应用;
若监测到所述系统无法负载所述目标应用,则对所述系统进行资源调度;
基于调度后的系统资源运行处于高算力场景的所述目标应用。
根据第二方面,提供了一种资源调度装置,包括:
系统监测模块,用于监测当前系统是否能够负载已触发进入高算力场景的目标应用;
资源调度模块,用于若监测到所述系统无法负载所述目标应用,则对所述系统进行资源调度;
应用运行模块,用于基于调度后的系统资源运行处于高算力场景的所述目标应用。
根据第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请任意实施例所述的资源调度方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请任意实施例所述的资源调度方法。
根据本申请的技术解决了如何在不升级系统硬件配置的基础上,确保进入高算力场景的应用流畅运行的问题。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请实施例的一种资源调度方法的流程图;
图2是根据本申请实施例的另一种资源调度方法的流程图;
图3是根据本申请实施例的系统监测的示例图;
图4是根据本申请实施例的另一种资源调度方法的流程图;
图5是根据本申请实施例的系统资源调度的示例图;
图6是根据本申请实施例的另一种资源调度方法的流程图;
图7是根据本申请实施例的一种资源调度装置的结构示意图;
图8是用来实现本申请实施例的资源调度方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请实施例的一种资源调度方法的流程图,本实施例可适用于在监测到当前系统中存在即将进入高算力场景的目标应用时,对系统进行资源调度,使得目标应用在进入高算力场景后能够流畅运行的情况,该方法可由一种资源调度装置来执行,该装置采用软件和/或硬件的方式实现,优选是配置于电子设备中,例如集成有智能车载系统的智能设备中。如图1所示,该方法具体包括如下:
S110、监测当前系统是否能够负载已触发进入高算力场景的目标应用。
在本申请具体实施例中,系统是指管理设备硬件与软件资源的计算机程序。系统中可以安装有多种应用程序(Application,App),并为应用程序提供运行环境。同一时间内,系统中可以存在一个或多个处于运行中的已运行应用,相应的,应用的运行占用了一定的系统资源。
本实施例中,算力是指中央处理器(Central Processing Unit,CPU)每秒的执行次数,例如CPU每秒执行1.4万次。应用的高算力场景是指耗费CPU算力较高的运行场景。例如,地图导航应用的远距离导航场景,以及智能语音应用的语音识别和解析场景等。当系统运行的应用较多,或者应用运行的功能较多时,系统CPU的占用率较高,由于占据了较大的CPU资源,所以系统容易出现卡顿等不良现象。
相应的,可以通过对系统中各个已运行应用的监测,将已触发进入但尚未进入高算力场景的已运行应用,确定为目标应用。其中,可以基于预设的高算力触发条件,根据各个已运行应用的运行状态数据,来确定应用的高算力场景是否被触发。从系统整体上看,目标应用的高算力场景必然导致系统进入高算力场景,例如CPU占用率超过92%。但是反之,CPU占用率较高时不一定有应用进入高算力场景。
示例性的,地图应用响应于用户的导航请求,获得用户输入的导航起止点信息,在地图应用根据导航起止点等运行状态数据进行导航路径规划之前,系统或系统中专用于系统监测的监测模块,若根据导航起止点判断本次导航为远距离导航,则可以确定该地图应用为高算力场景被触发的目标应用。但在系统负载压力检测以及系统资源调度之前,该地图应用还未执行导航路径的规划操作。
本实施例中,系统对于目标应用的负载是指,系统能够负担承载得起目标应用的运行,也就是说,系统能够为目标应用提供充足的系统资源,使得目标应用流畅运行,不会出现卡顿等降低用户体验的现象。可以理解的是,即使是目标应用的高算力场景被触发,但是若监测到系统能够负载目标应用,则表示后续目标应用能够流畅运行,无需系统资源调度。而若监测到系统无法负载目标应用,则后续目标应用的运行必然出现卡顿等现象,相应的,在目标应用进入高算力场景之前,需要对系统资源进行调度。
具体的,系统中可以集成有独立的系统监测模块,用于对应用和系统进行高算力场景的监测。针对于各个应用,可以预先设置各个应用对应的高算力场景触发条件。系统监测模块通过同步系统中已运行应用的运行状态数据,判别该已运行应用的运行状态数据是否满足对应的高算力触发条件,以此来确定目标应用。其次基于系统CPU的占用率或空闲率,根据系统中全部已运行应用的状态数据,计算系统负载压力分值。若系统负载压力分值大于负载压力阈值,则确定系统无法负载目标应用;反之,系统能够负载目标应用。
其中,随着车辆智能化的发展,智能车载系统中所携带的智能设备越来越多,例如智能音箱、智能后视镜、智能手机、智能车载盒子等,而这些智能设备中所携带的功能也越来越多,例如音乐、视频、地图、桌面启动器Launcher等。由于智能车载系统中所集成的芯片配置通常较低,而提高系统硬件配置会相应提高产品成本,影响产品销售。因此可选的,本实施中的系统可以为智能车载系统,相应的,目标应用包括但不局限于地图导航应用和智能语音应用等。
S120、若监测到系统无法负载目标应用,则对系统进行资源调度。
在本申请具体实施例中,当系统无法负载目标应用时,为了保障目标应用的流畅运行,目标应用自身需要更多的系统资源得以运行。相应的,本实施例中的系统资源调度是指,将更多的系统资源分配给目标应用运行使用。
示例性的,从系统方面,可以将系统中CPU的频率调至高频甚至是满频,以提高CPU的运行速度,提升系统的计算能力。从系统方面,还可以基于CPU的分时处理机制,将系统中目标应用的进程处理时长延长,并将剩余已运行应用的进程处理时长缩短,即优先处理目标应用。从应用方面,可以将系统中剩余已运行应用的静默功能进程暂停,也就是说,将剩余已运行应用中用户无感知或小感知的功能进程暂停,即尽可能将最大资源匀给目标应用使用。
S130、基于调度后的系统资源运行处于高算力场景的目标应用。
在本申请具体实施例中,在对系统资源进行调度之后,目标应用即可进入高算力场景,实现目标应用高算力场景对应的功能。例如在上述远距离导航场景中,地图导航应用即可进入远距离导航场景,规划远距离的导航路径,并向用户提供导航服务。此外,当监测到目标应用的高算力场景结束时,则可以将系统资源进行恢复。例如,恢复CPU频率,恢复CPU分时处理的进程,恢复各剩余已运行应用暂停的功能进程等。
本实施例的技术方案,监测当前系统是否能够负载已触发进入高算力场景的目标应用,并在监测到系统无法负载目标应用时,对系统进行资源调度,以便基于调度后的系统资源运行处于高算力场景的目标应用。本申请实施例通过对应用及系统进行高算力场景的监测,以在监测到系统无法负载时,对系统资源进行调度,从而为进入高算力场景的应用提供充足的系统资源,不仅保障了进入高算力场景的应用能够流畅运行,避免应用出现卡顿等不良现象,而且无需对系统硬件配置进行升级,降低了系统硬件成本。
图2是根据本申请实施例的另一种资源调度方法的流程图,本实施例在上述实施例的基础上,进一步对步骤S110中监测当前系统是否能够负载已触发进入高算力场景的目标应用进行解释说明,能够根据当前系统中已运行应用的运行状态数据,监测系统中是否存在已触发进入高算力场景的目标应用;若监测到系统中存在目标应用,则监测系统是否能够负载目标应用。如图2所示,该方法具体包括如下:
S210、根据当前系统中已运行应用的运行状态数据,监测系统中是否存在已触发进入高算力场景的目标应用。
在本申请具体实施例中,已运行应用是指系统中正在运行中的应用,例如,正在导航的地图导航应用,正在与用户语音交互的智能语音应用,以及正在播放音乐的音乐应用等。
本实施例中,运行状态数据可以包括已运行应用当前一切运行中接收或生成的数据,包括但不局限于应用基础参数、标识应用状态的参数、用户输入的数据、用户输入数据的属性参数等。示例性的,地图导航应用的运行状态数据至少可以包括车辆当前定位坐标、导航终点位置坐标、车辆速度以及路况等;智能语音应用的运行状态数据至少可以包括是否处于录音状态、是否处于解析状态、录音音频长度、录音时长等;音乐应用的运行状态数据至少可以包括是否处于播放状态、是否处于缓冲状态、是否处于解析状态、缓冲或解析的音频时长、缓冲或解析的音频文件大小等。
具体的,系统中可以集成有独立的系统监测模块,实时同步系统中各个已运行应用的运行状态数据,并根据各个已运行应用的运行状态数据,预测是否存在即将进入高算力场景的目标应用。
可选的,若检测到任意已运行应用的运行状态数据满足高算力场景触发条件,则将满足高算力场景触发条件的已运行应用确定为目标应用。
本实施例中,高算力场景触发条件用于判别应用是否即将进入高算力场景。系统中每个应用具有一个或多个高算力场景,每个高算力场景都具有对应的高算力场景触发条件。例如,地图导航应用的高算力场景可以包括远距离导航场景等;智能语音应用的高算力场景可以包括长时间录音场景、大音频文件语义解析场景等;音乐应用的高算力场景可以包括大音频文件的缓冲和解码场景等。
具体的,根据各个应用进入高算力场景时对系统资源的占用情况,可以预先定义各个应用的高算力场景,并为每个高算力场景设置高算力场景触发条件。从而系统监测模块在同步得到各个已运行应用的运行状态数据之后,对运行状态数据进行计算,或者直接将运行状态数据与对应的高算力场景触发条件进行比较,将满足高算力场景触发条件的已运行应用确定为目标应用。
示例性的,地图导航应用进行导航时,若基于导航起止点确定估计路径长度大于高算力场景阈值,和/或估计路径经过路口数量大于高算力场景阈值,则判断地图导航应用的高算力场景被触发;智能语音应用录音或解析时,若语音长度大于高算力场景阈值,则判断智能语音应用的高算力场景被触发;音乐应用缓冲或解码音频时,若音频时长或文件大小大于高算力场景阈值,则判断音乐应用的高算力场景被触发。
其中,通过预设的高算力场景触发条件,为应用高算力场景的预测提供依据,提高了高算力场景预测的准确性,以便确定系统中已运行应用当前的运行优先级,进而准确定位系统中当前需要保障流畅运行的即将进入高算力场景的目标应用。
S220、若监测到系统中存在目标应用,则监测系统是否能够负载目标应用。
在本申请具体实施例中,由于目标应用的高算力场景必然导致系统进入高算力场景,例如CPU占用率超过92%;但是反之,CPU占用率较高时不一定有应用进入高算力场景,例如CPU占用率超过92%时系统仍然能够负载地图导航应用的短距离导航。因此本实施例选择只有在监测到系统中存在已触发进入高算力场景的目标应用时,即准确定位系统中当前需要保障流畅运行的目标应用时,再去监测系统是否能够负载该目标应用。
具体的,本实施例可以在CPU占用率的基础上,结合系统中各个已运行应用的具体运行情况,来综合判断系统是否能够负载得起处于高算力场景的目标应用。若判断系统能够负载,则系统中各应用正常运行;若判断无法负载,则系统监测模块可以向已运行应用中目标应用之外的剩余已运行应用发送广播,以告知剩余已运行应用存在目标应用以及系统即将进入高算力场景,便于后续的系统资源调度。
可选的,根据系统中各已运行应用当前的运行状态数据,以及当前中央处理器CPU空闲率,计算系统负载压力分值;若检测到系统负载压力分值大于负载压力阈值,则确定系统无法负载目标应用。
本实施例中,CPU空闲率是指系统中未使用的系统资源占总资源的比重,CPU空闲率等于1减去CPU占用率。系统负载压力分值用于衡量系统当前的负载承受压力。系统负载压力分值越高,表示系统当前的压力越大,在当前系统环境中应用运行出现卡顿等不良现象的几率越大。其中,预先设置负载压力阈值,当检测到负载压力分值大于负载压力阈值时,则确定系统无法负载目标应用。
具体的,可以按照如下公式计算系统负载压力分值:系统负载压力分值=(CPU空闲率×权重0+应用1的运行状态数据×权重1+应用2的运行状态数据×权重2+……+应用N的运行状态数据×权重N)×100。
其中,应用1至应用N为系统中安装的全部应用。对于数值形式的运行状态数据可以直接代入,对于状态标识的运行状态数据,可以预先为其状态设置对应的代表分值,例如未处于录音状态的代表分值为0,处于录音状态的代表分值为0.8,从而将状态的代表分值代入。当应用没有运行时,相应的运行状态数据为零。由于各应用对于系统资源的占用情况不同,还可以为CPU空闲率以及各个应用设置对应的权重,权重0至权重N的总和为1。若假设系统负载压力分值的最大值为100分,负载压力阈值为85分,则当检测到当前的系统负载压力分值超过85分时,即可确定系统无法负载目标应用。
示例性的,图3为系统监测的示例图。如图3所示,运行状态数据可以细分为核心算力指标数据和触发高算力场景的场景数据。系统中的各个已运行应用可以实时地将核心算力指标数据同步给系统监测模块,当将可能触发高算力场景的场景数据传递给系统监测模块。从而系统监测模块实时地对应用进行监测,预测是否存在已触发高算力场景的目标应用。并在存在目标应用时,预测系统是否能够负载目标应用。最终在判断系统无法负载目标应用时,向已运行应用中目标应用之外的剩余已运行应用发送广播,以告知剩余已运行应用存在目标应用和系统即将进行高算力场景。例如,地图导航应用将自身经纬度、车速和路况等信息实时同步给系统监测模块,当接收到用户的导航请求时,将目的地经纬度传递给系统监测模块,以备系统监测模块实时监测。
其中,基于系统中各个已运行应用当前的运行状态数据以及CPU空闲率,通过计算系统负载压力分值来衡量系统对于处于高算力场景的目标应用的负载能力,避免了单纯依据CPU占用率等系统指标来评估系统负载压力时,忽略了真实需要保障运行的目标应用,提高了系统负载压力衡量的准确度,确保了在压力较大即存在目标应用运行卡顿隐患时才执行后续的系统资源调度,避免对于系统资源的无用调度。
本实施例通过首先对已运行应用的高算力场景进行监测,并在监测到系统中存在已触发进入高算力场景的目标应用时,再去预测系统是否能够负载处于高算力场景的目标应用,不仅锁定了系统中当前需要保障流畅运行的目标应用,而且进一步为系统负载压力的评估提供依据,以获得系统对于处于高算力场景的目标应用的真实负载能力,确保了在压力较大即存在目标应用运行卡顿隐患时才执行后续的系统资源调度,避免对于系统资源的无用调度。
S230、若监测到系统无法负载目标应用,则对系统进行资源调度。
S240、基于调度后的系统资源运行处于高算力场景的目标应用。
本实施例的技术方案,基于系统中当前运行的各个应用的运行状态数据,监测系统中是否存在已触发进入高算力场景的目标应用,只有在监测存在目标应用时,才监测系统对于处于高算力场景的目标应用的负载能力,从而在监测到系统无法负载应用的高算力场景时,对系统进行资源调度,以便应用基于调度后的系统资源运行处于高算力场景的目标应用。本申请实施例通过对应用及系统进行高算力场景的监测,以在监测到系统无法负载时,对系统资源进行调度,从而为进入高算力场景的应用提供充足的系统资源,不仅保障了进入高算力场景的应用能够流畅运行,避免应用出现卡顿等不良现象,而且无需对系统硬件配置进行升级,降低了系统硬件成本。
图4是根据本申请实施例的另一种资源调度方法的流程图,本实施例在上述实施例的基础上,进一步对步骤S120中系统资源调度进行解释说明,能够对系统中的CPU和/或未触发进入高算力场景的剩余已运行应用进行资源调度处理。如图4所示,该方法具体包括如下:
S410、监测当前系统是否能够负载已触发进入高算力场景的目标应用。
S420、若监测到系统无法负载目标应用,则对系统中的CPU和/或未触发进入高算力场景的剩余已运行应用进行资源调度处理。
在本申请具体实施例中,CPU的功效主要为处理指令、执行操作、控制时间和处理数据,CPU是对计算机的所有硬件资源(如存储器、输入输出单元)进行控制调配、执行通用运算的核心硬件单元。通过对CPU配置信息的更改,可以为目标应用提供更高的运行速率和运行时间。
本实施例中,剩余已运行应用是指已运行应用中,除了目标应用之外的应用,即未触发进入高算力场景的已运行应用。由于剩余已运行应用的运行也占据了一定的系统资源,因此可以对剩余已运行应用中进程处理状态的适应调整,为目标应用提供更多系统资源。
其中,对于CPU和剩余已运行应用中任意一项的调度,都可以为目标应用提供更多的系统资源,以支持高算力场景的运行。因此基于CPU和剩余已运行应用的系统资源调度方式可以独立使用,也可以结合使用。可以理解的是,结合使用的方式越多,为目标应用提供的系统资源越多,目标应用的运行越流畅。
本实施例不对系统硬件配置进行升级,而是对系统进行软件层面的系统资源调度,不仅维持了系统硬件配置原有的成本,避免系统硬件配置升级导致产品成本的增高以及产品销量的影响,而且还可以对系统中有限的资源进行灵活调度,以最大限度的挖掘能够助力目标应用高算力场景的运行,提高系统资源的利用率。
可选的,基于CPU的分时处理机制,将系统中目标应用的进程处理时长延长,并将剩余已运行应用的进程处理时长缩短。
本实施例中,CPU的分时处理机制是指,CPU由一个时钟控制,在一定的时间片内完成每一个任务的一部分,保存中间处理的结果,然后执行下一个任务的一部分并保存,如此循环直至全部任务处理完成。其中,每个任务的处理时间片是很短的,但由于CPU的计算速度很高,因此并不影响各个任务的处理结果。例如,分时运行A、B和C三个进程,运行A进程1s后运行B进程,运行B进程1s后运行C进程,运行C进程2s再运行A进程,如此循环直至处理完三个进程。
本实施例中,在CPU的分时处理机制中,在一个处理周期内,将目标应用的进程处理时长延长,并将剩余已运行应用的进程处理时长缩短,以将高算力进程置成近似实时进程。其中,本实施例不对进程处理时长的延长和缩短方式进行限定。例如,在上述示例中,假设A进程为高算力进程,则修改为运行A进程3s后运行B进程,运行B进程0.5s后运行C进程0.5s,如此循环。
其中,通过对CPU分时处理机制中各进程处理时间长度的调整,适当地调整了各个已运行应用中进程处理的优先级,以将更多的CPU运算能力从剩余已运行应用中匀给目标应用,提高了目标应用在一个CPU处理周期内的处理时长。
可选的,将系统中CPU的频率调至满频。
本实施例中,CPU的频率是指CPU的时钟频率,即CPU运算时的工作的频率(1秒内发生的同步脉冲数),决定了计算机的运行速度。满频是指CPU频率的最大值,相应的,CPU达到满频时,计算机的运行速度最大,数据处理能力最强。
本实施例中,可以预先为系统添加高算力场景下的CPU调频规则,当监测到系统无法负载已触发进入高算力场景的目标应用时,将CPU的频率直接上调至满频。例如,将CPU的最高频率写入系统地址sys/devices/system/cpu/cpu0/cpufreq/scaling_min_freq中,以使系统根据写入的频率进行直接调频。
其中,传统的CPU调频方式中,CPU的频率是连续变化的,整体调频时长较长。而目标应用的高算力场景是瞬时进入的,因此传统的CPU调频方式并不能追赶上高算力场景的进入,即高算力场景进入时,CPU频率还处于缓慢的调频过程中,进而无法支持处于高算力场景的目标应用。相对于现有技术,本实施例大幅度缩短了CPU的调频时间,以在最短时间内为目标应用提供最高的计算机运行速度,充分支持目标应用的流畅运行。
可选的,将系统中剩余已运行应用的静默功能进程暂停。
本实施例中,静默功能是指不会向用户进行任何提示或交互的功能,即用户的眼睛或耳朵无感知或小感知的功能。例如,系统后台的缓冲、解析、下载或监听等功能。
具体的,可以对已运行应用中的进程进行识别,确定各个已运行应用中的静默功能进程,并将静默功能进程全部暂停,即将对用户体验无影响的进程暂停,避免对用户体验无影响或影响较小的进程对于系统资源的占用,从而为目标应用匀出更多的系统资源,不影响用户的使用体验。
示例性的,由于音乐应用的音乐播放功能是用户完全感知的,因此保留音乐应用的音乐播放功能相关的进程。可以暂停剩余已运行应用中的后台监听功能、后台下载功能和后台上传功能等。
其中,本实施例不对静默功能的识别方式进行限定,任何可以识别静默功能的方式都可以应用于本实施例中。例如,可以预先对系统中的各个应用中的功能进行分类,以预先筛选出静默功能,从而将待检测功能与预设的静默功能进行比较,以识别静默功能。
S430、基于调度后的系统资源运行处于高算力场景的目标应用。
在本申请具体实施例中,在对系统资源进行调度之后,目标应用即可瞬时进入高算力场景,实现目标应用高算力场景对应的功能。其中,在目标应用运行的过程中,还可以基于上述实施例中对于应用及系统的监测方式,实时监测目标应用是否结束了高算力场景,通过系统负载压力分值的计算,确定系统是否结束了对于高算力场景的负载。并在监测到目标应用以及系统的高算力场景结束时,对于上述系统资源调度进行恢复,即恢复CPU频率,恢复CPU分时处理的进程,恢复各个剩余已运行应用暂停的功能进程。
示例性的,图5为系统资源调度的示例图。如图5所示,当确定目标应用以及系统即将进入高算力场景时,例如远距离导航,系统监测模块发送即将进入高算力场景的广播。相应的,系统接收该广播后,将CPU频率调至满频,并将目标应用中的高算力进程置成实时进程;剩余已运行应用接收该广播后,暂停后台监听、下载、上传等一系列静默功能进程。从而完成系统资源调度,进入高算力场景。并且当高算力场景结束时,系统恢复CPU频率以及应用进程优先级,剩余已运行应该恢复后台监听、下载、上传等一系列静默功能进程。从而完成高算力场景下系统资源的调度。
本实施例的技术方案,监测当前系统是否能够负载已触发进入高算力场景的目标应用,并在监测到系统无法负载目标应用时,对系统中的CPU和/或剩余已运行应用进行资源调度,以便基于调度后的系统资源运行处于高算力场景的目标应用。本申请实施例通过对应用及系统进行高算力场景的监测,以在监测到系统无法负载时,对系统资源进行调度,从而为进入高算力场景的应用提供充足的系统资源,不仅保障了进入高算力场景的应用能够流畅运行,避免应用出现卡顿等不良现象,而且无需对系统硬件配置进行升级,降低了系统硬件成本。
图6是根据本申请实施例的另一种资源调度方法的流程图,本实施例在上述实施例的基础上,进一步综合步骤S110和S120的实施方式。如图6所示,该方法具体包括如下:
S610、若检测到任意已运行应用的运行状态数据满足高算力场景触发条件,则将满足高算力场景触发条件的已运行应用确定为目标应用。
S620、根据系统中各已运行应用当前的运行状态数据,以及当前中央处理器CPU空闲率,计算系统负载压力分值。
S630、若检测到系统负载压力分值大于负载压力阈值,则确定系统无法负载目标应用。
S640、对系统进行资源调度,执行如下至少一种:基于CPU的分时处理机制,将系统中目标应用的进程处理时长延长,并将剩余已运行应用的进程处理时长缩短;将系统中CPU的频率调至满频;将系统中剩余已运行应用的静默功能进程暂停。
S650、基于调度后的系统资源运行处于高算力场景的目标应用。
本实施例的技术方案,通过对应用及系统进行高算力场景的监测,以在监测到系统无法负载时,对系统资源进行调度,从而为进入高算力场景的应用提供充足的系统资源,不仅保障了进入高算力场景的应用能够流畅运行,避免应用出现卡顿等不良现象,而且无需对系统硬件配置进行升级,降低了系统硬件成本。
图7是根据本申请实施例的一种资源调度装置的结构示意图,本实施例可适用于在监测到当前系统中存在即将进入高算力场景的目标应用时,对系统进行资源调度,使得目标应用在进入高算力场景后能够流畅运行的情况,该装置可实现本申请任意实施例所述的资源调度方法。该装置700具体包括如下:
系统监测模块710,用于监测当前系统是否能够负载已触发进入高算力场景的目标应用;
资源调度模块720,用于若监测到所述系统无法负载所述目标应用,则对所述系统进行资源调度;
应用运行模块730,用于基于调度后的系统资源运行处于高算力场景的所述目标应用。
可选的,所述系统监测模块710包括:
应用监测单元7101,用于根据当前系统中已运行应用的运行状态数据,监测所述系统中是否存在已触发进入高算力场景的目标应用;
系统监测单元7102,用于若监测到所述系统中存在所述目标应用,则监测所述系统是否能够负载所述目标应用。
可选的,所述应用监测单元7101具体用于:
若检测到任意已运行应用的运行状态数据满足高算力场景触发条件,则将满足高算力场景触发条件的已运行应用确定为目标应用。
可选的,所述系统监测单元7102具体用于:
根据所述系统中各已运行应用当前的运行状态数据,以及当前中央处理器CPU空闲率,计算系统负载压力分值;
若检测到所述系统负载压力分值大于负载压力阈值,则确定所述系统无法负载所述目标应用。
可选的,所述资源调度模块720具体用于:
对所述系统中的CPU和/或未触发进入高算力场景的剩余已运行应用进行资源调度处理。
可选的,所述资源调度模块720具体用于:
基于CPU的分时处理机制,将所述系统中目标应用的进程处理时长延长,并将所述剩余已运行应用的进程处理时长缩短。
可选的,所述资源调度模块720具体用于:
将所述系统中CPU的频率调至满频。
可选的,所述资源调度模块720具体用于:
将所述系统中剩余已运行应用的静默功能进程暂停。
可选的,所述系统为智能车载系统,所述目标应用至少包括地图导航应用和智能语音应用。
本实施例的技术方案,通过各个功能模块之间的相互配合,实现了应用运行状态数据的同步、目标应用高算力场景的监测、系统负载压力的监测、CPU频率的调配、CPU分时处理机制的调配、剩余已运行应用静默功能进程的暂停、高算力场景的进入、高算力场景的结束以及系统的恢复等功能。本申请实施例通过对应用及系统进行高算力场景的监测,以在监测到系统无法负载时,对系统资源进行调度,从而为进入高算力场景的应用提供充足的系统资源,不仅保障了进入高算力场景的应用能够流畅运行,避免应用出现卡顿的现象,而且无需对系统硬件配置进行升级,降低了系统硬件成本。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图8所示,是根据本申请实施例的资源调度方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,该电子设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface,GUI)的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的资源调度方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的资源调度方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的资源调度方法对应的程序指令/模块(例如,附图X所示的xx模块X01、xx模块x02和xx模块x03)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的资源调度方法。
存储器802可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据资源调度方法的电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至资源调度方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
资源调度方法的电子设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与资源调度方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,发光二极管(Light Emitting Diode,LED))和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LiquidCrystalDisplay,LCD)、LED显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuit,ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(Programmable Logic Device,PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,阴极射线管(Cathode Ray Tube,CRT)或者LCD监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(Local Area Network,LAN)、广域网(Wide AreaNetwork,WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过对应用及系统进行高算力场景的监测,以在监测到系统无法负载时,对系统资源进行调度,从而为进入高算力场景的应用提供充足的系统资源,不仅保障了进入高算力场景的应用能够流畅运行,避免应用出现卡顿等不良现象,而且无需对系统硬件配置进行升级,降低了系统硬件成本。
另外,上述申请中的一个实施例具有如下优点或有益效果:通过首先对已运行应用的高算力场景进行监测,并在监测到系统中存在已触发进入高算力场景的目标应用时,再去预测系统是否能够负载处于高算力场景的目标应用,不仅锁定了系统中当前需要保障流畅运行的目标应用,而且进一步为系统负载压力的评估提供依据,以获得系统对于处于高算力场景的目标应用的真实负载能力,确保了在压力较大即存在目标应用运行卡顿隐患时才执行后续的系统资源调度,避免对于系统资源的无用调度。
另外,上述申请中的一个实施例具有如下优点或有益效果:通过预设的高算力场景触发条件,为应用高算力场景的预测提供依据,提高了高算力场景预测的准确性,以便确定系统中已运行应用当前的运行优先级,进而准确定位系统中当前需要保障流畅运行的即将进入高算力场景的目标应用。
另外,上述申请中的一个实施例具有如下优点或有益效果:基于系统中各个已运行应用当前的运行状态数据以及CPU空闲率,通过计算系统负载压力分值来衡量系统对于处于高算力场景的目标应用的负载能力,避免了单纯依据CPU占用率等系统指标来评估系统负载压力时,忽略了真实需要保障运行的目标应用,提高了系统负载压力衡量的准确度,确保了在压力较大即存在目标应用运行卡顿隐患时才执行后续的系统资源调度,避免对于系统资源的无用调度。
另外,上述申请中的一个实施例具有如下优点或有益效果:不对系统硬件配置进行升级,而是对系统进行软件层面的系统资源调度,不仅维持了系统硬件配置原有的成本,避免系统硬件配置升级导致产品成本的增高以及产品销量的影响,而且还可以对系统中有限的资源进行灵活调度,以最大限度的挖掘能够助力目标应用高算力场景的运行,提高系统资源的利用率。
另外,上述申请中的一个实施例具有如下优点或有益效果:通过对CPU分时处理机制中各进程处理时间长度的调整,适当地调整了各个已运行应用中进程处理的优先级,以将更多的CPU运算能力从剩余已运行应用中匀给目标应用,提高了目标应用在一个CPU处理周期内的处理时长。
另外,上述申请中的一个实施例具有如下优点或有益效果:传统的CPU调频方式中,CPU的频率是连续变化的,整体调频时长较长。而目标应用的高算力场景是瞬时进入的,因此传统的CPU调频方式并不能追赶上高算力场景的进入,即高算力场景进入时,CPU频率还处于缓慢的调频过程中,进而无法支持处于高算力场景的目标应用。相对于现有技术,本实施例大幅度缩短了CPU的调频时间,以在最短时间内为目标应用提供最高的计算机运行速度,充分支持目标应用的流畅运行。
另外,上述申请中的一个实施例具有如下优点或有益效果:可以对已运行应用中的进程进行识别,确定各个已运行应用中的静默功能进程,并将静默功能进程全部暂停,即将对用户体验无影响的进程暂停,避免对用户体验无影响或影响较小的进程对于系统资源的占用,从而为目标应用匀出更多的系统资源,不影响用户的使用体验。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种资源调度方法,其特征在于,包括:
监测当前系统是否能够负载已触发进入高算力场景的目标应用;
若监测到所述系统无法负载所述目标应用,则对所述系统进行资源调度;
基于调度后的系统资源运行处于高算力场景的所述目标应用。
2.根据权利要求1所述的方法,其特征在于,所述监测当前系统是否能够负载已触发进入高算力场景的目标应用,包括:
根据当前系统中已运行应用的运行状态数据,监测所述系统中是否存在已触发进入高算力场景的目标应用;
若监测到所述系统中存在所述目标应用,则监测所述系统是否能够负载所述目标应用。
3.根据权利要求2所述的方法,其特征在于,所述根据当前系统中已运行应用的运行状态数据,监测所述系统中是否存在已触发进入高算力场景的目标应用,包括:
若检测到任意已运行应用的运行状态数据满足高算力场景触发条件,则将满足高算力场景触发条件的已运行应用确定为目标应用。
4.根据权利要求2所述的方法,其特征在于,所述监测所述系统是否能够负载所述目标应用,包括:
根据所述系统中各已运行应用当前的运行状态数据,以及当前中央处理器CPU空闲率,计算系统负载压力分值;
若检测到所述系统负载压力分值大于负载压力阈值,则确定所述系统无法负载所述目标应用。
5.根据权利要求1所述的方法,其特征在于,所述对所述系统进行资源调度,包括:
对所述系统中的CPU和/或未触发进入高算力场景的剩余已运行应用进行资源调度处理。
6.根据权利要求5所述的方法,其特征在于,对所述系统中的CPU进行资源调度处理,包括:
基于CPU的分时处理机制,将所述系统中目标应用的进程处理时长延长,并将所述剩余已运行应用的进程处理时长缩短。
7.根据权利要求5所述的方法,其特征在于,对所述系统中的CPU进行资源调度处理,包括:
将所述系统中CPU的频率调至满频。
8.根据权利要求5所述的方法,其特征在于,对所述系统中未触发进入高算力场景的剩余已运行应用进行资源调度处理,包括:
将所述系统中剩余已运行应用的静默功能进程暂停。
9.根据权利要求1所述的方法,其特征在于,所述系统为智能车载系统,所述目标应用至少包括地图导航应用和智能语音应用。
10.一种资源调度装置,其特征在于,包括:
系统监测模块,用于监测当前系统是否能够负载已触发进入高算力场景的目标应用;
资源调度模块,用于若监测到所述系统无法负载所述目标应用,则对所述系统进行资源调度;
应用运行模块,用于基于调度后的系统资源运行处于高算力场景的所述目标应用。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的资源调度方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的资源调度方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010470780.1A CN111666140A (zh) | 2020-05-28 | 2020-05-28 | 资源调度方法、装置、设备和存储介质 |
JP2020201112A JP7241729B2 (ja) | 2020-05-28 | 2020-12-03 | リソーススケジューリング方法、装置、設備、記憶媒体、及びプログラム |
EP21150301.6A EP3917180B1 (en) | 2020-05-28 | 2021-01-05 | Resource scheduling method and apparatus, electronic device, and storage medium |
US17/142,770 US11573836B2 (en) | 2020-05-28 | 2021-01-06 | Resource scheduling method and apparatus, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010470780.1A CN111666140A (zh) | 2020-05-28 | 2020-05-28 | 资源调度方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111666140A true CN111666140A (zh) | 2020-09-15 |
Family
ID=72385231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010470780.1A Pending CN111666140A (zh) | 2020-05-28 | 2020-05-28 | 资源调度方法、装置、设备和存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11573836B2 (zh) |
EP (1) | EP3917180B1 (zh) |
JP (1) | JP7241729B2 (zh) |
CN (1) | CN111666140A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112764933A (zh) * | 2021-01-27 | 2021-05-07 | 惠州Tcl移动通信有限公司 | 一种cpu配置方法、装置、终端及计算机可读存储介质 |
CN112799848A (zh) * | 2021-02-10 | 2021-05-14 | 联想(北京)有限公司 | 一种控制方法及装置 |
CN114205160A (zh) * | 2021-12-13 | 2022-03-18 | 深圳前海微众银行股份有限公司 | 基于区块链的数据处理方法、装置及电子设备 |
WO2022134965A1 (zh) * | 2020-12-25 | 2022-06-30 | 华为技术有限公司 | 一种算力资源的配置方法及设备 |
CN115391054A (zh) * | 2022-10-27 | 2022-11-25 | 宁波均联智行科技股份有限公司 | 车机系统的资源分配方法及车机系统 |
WO2023005702A1 (zh) * | 2021-07-28 | 2023-02-02 | 腾讯科技(深圳)有限公司 | 基于边缘计算的数据处理方法、装置、设备及存储介质 |
CN115756823A (zh) * | 2022-10-20 | 2023-03-07 | 广州汽车集团股份有限公司 | 服务发布方法、装置、车辆及存储介质 |
WO2023142906A1 (zh) * | 2022-01-28 | 2023-08-03 | 荣耀终端有限公司 | 一种功耗控制方法及装置 |
WO2023174373A1 (zh) * | 2022-03-18 | 2023-09-21 | 北京罗克维尔斯科技有限公司 | 进程调度方法、装置、设备及介质 |
WO2023202127A1 (zh) * | 2022-04-20 | 2023-10-26 | Oppo广东移动通信有限公司 | 应用管控方法、装置、存储介质以及电子设备 |
WO2023227075A1 (zh) * | 2022-05-27 | 2023-11-30 | 华为技术有限公司 | 一种资源管控方法、电子设备及介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116028208B (zh) * | 2022-05-16 | 2023-10-20 | 荣耀终端有限公司 | 系统负载确定方法、装置、设备和存储介质 |
CN115080254B (zh) * | 2022-08-24 | 2023-09-22 | 北京向量栈科技有限公司 | 一种用于调整计算集群中计算任务资源的方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102656539A (zh) * | 2009-12-16 | 2012-09-05 | 高通股份有限公司 | 用于基于所推断的工作负载并行性控制中央处理单元功率的系统和方法 |
CN103324270A (zh) * | 2013-06-25 | 2013-09-25 | 东莞宇龙通信科技有限公司 | 一种移动终端及调节其cpu频率的方法 |
CN105045367A (zh) * | 2015-01-16 | 2015-11-11 | 中国矿业大学 | 基于游戏负载预测的android系统设备功耗优化方法 |
CN110413417A (zh) * | 2019-08-02 | 2019-11-05 | 广州小鹏汽车科技有限公司 | 车载系统进程的运行优化方法、装置和系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090265707A1 (en) * | 2008-04-21 | 2009-10-22 | Microsoft Corporation | Optimizing application performance on virtual machines automatically with end-user preferences |
JP5441626B2 (ja) * | 2009-11-06 | 2014-03-12 | 日立オートモティブシステムズ株式会社 | 車載用マルチアプリ実行装置 |
JP2012058907A (ja) * | 2010-09-07 | 2012-03-22 | Nec Corp | 情報端末機器、利用状態報知方法およびプログラム |
EP2725450A4 (en) * | 2012-08-30 | 2015-07-08 | Huawei Device Co Ltd | METHOD AND DEVICE FOR CONTROLLING A CENTRAL UNIT |
CN102929383A (zh) | 2012-11-06 | 2013-02-13 | 山东大学 | 一种通过cpu动态调频技术降低嵌入式系统功耗的方法 |
CN104331328B (zh) | 2013-07-22 | 2018-06-12 | 中国电信股份有限公司 | 虚拟资源调度方法和虚拟资源调度装置 |
CN105260235A (zh) | 2015-09-23 | 2016-01-20 | 浪潮集团有限公司 | 一种云平台中基于应用场景的资源调度方法及装置 |
CN109960584A (zh) | 2019-01-30 | 2019-07-02 | 努比亚技术有限公司 | Cpu调频控制方法、终端及计算机可读存储介质 |
US11388054B2 (en) * | 2019-04-30 | 2022-07-12 | Intel Corporation | Modular I/O configurations for edge computing using disaggregated chiplets |
CN110597639B (zh) | 2019-09-23 | 2021-07-30 | 腾讯科技(深圳)有限公司 | Cpu分配控制方法、装置、服务器及存储介质 |
-
2020
- 2020-05-28 CN CN202010470780.1A patent/CN111666140A/zh active Pending
- 2020-12-03 JP JP2020201112A patent/JP7241729B2/ja active Active
-
2021
- 2021-01-05 EP EP21150301.6A patent/EP3917180B1/en active Active
- 2021-01-06 US US17/142,770 patent/US11573836B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102656539A (zh) * | 2009-12-16 | 2012-09-05 | 高通股份有限公司 | 用于基于所推断的工作负载并行性控制中央处理单元功率的系统和方法 |
CN103324270A (zh) * | 2013-06-25 | 2013-09-25 | 东莞宇龙通信科技有限公司 | 一种移动终端及调节其cpu频率的方法 |
CN105045367A (zh) * | 2015-01-16 | 2015-11-11 | 中国矿业大学 | 基于游戏负载预测的android系统设备功耗优化方法 |
CN110413417A (zh) * | 2019-08-02 | 2019-11-05 | 广州小鹏汽车科技有限公司 | 车载系统进程的运行优化方法、装置和系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022134965A1 (zh) * | 2020-12-25 | 2022-06-30 | 华为技术有限公司 | 一种算力资源的配置方法及设备 |
CN112764933A (zh) * | 2021-01-27 | 2021-05-07 | 惠州Tcl移动通信有限公司 | 一种cpu配置方法、装置、终端及计算机可读存储介质 |
CN112799848A (zh) * | 2021-02-10 | 2021-05-14 | 联想(北京)有限公司 | 一种控制方法及装置 |
WO2023005702A1 (zh) * | 2021-07-28 | 2023-02-02 | 腾讯科技(深圳)有限公司 | 基于边缘计算的数据处理方法、装置、设备及存储介质 |
CN114205160A (zh) * | 2021-12-13 | 2022-03-18 | 深圳前海微众银行股份有限公司 | 基于区块链的数据处理方法、装置及电子设备 |
WO2023142906A1 (zh) * | 2022-01-28 | 2023-08-03 | 荣耀终端有限公司 | 一种功耗控制方法及装置 |
WO2023174373A1 (zh) * | 2022-03-18 | 2023-09-21 | 北京罗克维尔斯科技有限公司 | 进程调度方法、装置、设备及介质 |
WO2023202127A1 (zh) * | 2022-04-20 | 2023-10-26 | Oppo广东移动通信有限公司 | 应用管控方法、装置、存储介质以及电子设备 |
WO2023227075A1 (zh) * | 2022-05-27 | 2023-11-30 | 华为技术有限公司 | 一种资源管控方法、电子设备及介质 |
CN115756823A (zh) * | 2022-10-20 | 2023-03-07 | 广州汽车集团股份有限公司 | 服务发布方法、装置、车辆及存储介质 |
CN115756823B (zh) * | 2022-10-20 | 2024-04-16 | 广州汽车集团股份有限公司 | 服务发布方法、装置、车辆及存储介质 |
CN115391054A (zh) * | 2022-10-27 | 2022-11-25 | 宁波均联智行科技股份有限公司 | 车机系统的资源分配方法及车机系统 |
Also Published As
Publication number | Publication date |
---|---|
US11573836B2 (en) | 2023-02-07 |
JP7241729B2 (ja) | 2023-03-17 |
EP3917180B1 (en) | 2023-01-04 |
EP3917180A1 (en) | 2021-12-01 |
US20210373952A1 (en) | 2021-12-02 |
JP2021190074A (ja) | 2021-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111666140A (zh) | 资源调度方法、装置、设备和存储介质 | |
CN111721317B (zh) | 生成导航信息的方法、装置 | |
US20200267352A1 (en) | Intelligent video analysis system and method | |
KR102424030B1 (ko) | 리소스 관리 방법 및 단말 장치 | |
US11768717B2 (en) | Adaptable pages, widgets and features based on real time application performance | |
US11088961B2 (en) | Monitoring data streams and scaling computing resources based on the data streams | |
CN110753131A (zh) | 微服务分布式限流方法及装置、存储介质和电子设备 | |
KR102480415B1 (ko) | 클라우드 서비스를 제공하는 적어도 하나의 클라우드 서버의 컴퓨팅 자원들을 관리하는 전자 장치 및 방법 | |
CN110399271B (zh) | 日志处理设备、方法、电子设备及计算机可读存储介质 | |
CN111966939A (zh) | 页面跳转方法及装置 | |
US20210018326A1 (en) | Arrival predictions based on destination specific model | |
US8539453B2 (en) | Autonomic I/O tracing and performance tuning | |
US9948742B1 (en) | Predictive caching of media content | |
US9454328B2 (en) | Controlling hierarchical storage | |
CN111506414A (zh) | 资源调度方法、装置、设备、系统及可读存储介质 | |
CN111459653B (zh) | 集群调度方法、装置和系统以及电子设备 | |
CN114298772A (zh) | 信息展示方法、装置、设备以及存储介质 | |
CN112965799A (zh) | 任务状态的提示方法、装置、电子设备和介质 | |
US10824386B2 (en) | Navigation system with message interchange mechanism and method of operation thereof | |
CN114064376A (zh) | 一种页面监测方法、装置、电子设备及介质 | |
US20230136226A1 (en) | Techniques for auto-tuning compute load resources | |
EP4366244A1 (en) | Multi-device synchronous playback method and apparatus | |
CN115687060A (zh) | 应用程序稳定性测试方法、装置、设备、介质及产品 | |
KR20210015590A (ko) | 가상 머신 관리 장치 및 방법 | |
CN114860455A (zh) | 一种请求处理方法、装置、设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211020 Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right |