CN111711575A - 分布式多站融合系统故障诊断与流量动态调度方法 - Google Patents
分布式多站融合系统故障诊断与流量动态调度方法 Download PDFInfo
- Publication number
- CN111711575A CN111711575A CN202010190984.XA CN202010190984A CN111711575A CN 111711575 A CN111711575 A CN 111711575A CN 202010190984 A CN202010190984 A CN 202010190984A CN 111711575 A CN111711575 A CN 111711575A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- station
- task
- flow
- traffic
- 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 32
- 230000004927 fusion Effects 0.000 title claims abstract description 23
- 238000003745 diagnosis Methods 0.000 title claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000012856 packing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
-
- 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
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
- H04L47/62—Queue scheduling characterised by scheduling criteria
- H04L47/622—Queue service order
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multi Processors (AREA)
Abstract
本发明提供了分布式多站融合系统故障诊断与流量动态调度方法,包括基于容量水位动态均衡技术确定分布式多站融合系统内每个站点的负载情况,根据得到的负载情况确定需要进行流量调配的站点;建立调度顺序队列,根据队列顺序选取待调度流量;接收调度站点的选择流程图,选取适合接收流量的站点;将需要调出的流量转移至适合接收流量的站点,更新各站点的资源状态。通过对多站融合系统故障的感知、决策、执行技术方面的信息收集与分析,提出多站融合系统的流量调度方法,以及基于容量水位的动态均衡技术的过载保护技术,使站点流量切换过程中,风险较低,流量切换后,系统资源利用率较高。
Description
技术领域
本发明属于计算机领域,特别涉及分布式多站融合系统故障诊断与流量动态调度方法。
背景技术
计算资源监测是站点全维度核心健康指标及健康阈值进行收集与分析,不但要对站点的运行状态进行研究分析,还要在站点负载运行异常时进行流量调度,将超载的流量调度到其他站点,保证本站点的稳定运行。在进行流量调度时,调度中心根据接收到的调度请求,在多个站点中选择最合适的站点进行流量调度。
一般地,现有分布式多站融合系统中总是将站点的CPU使用率,GPU使用率以及内存使用率加权后的值作为站点的计算资源使用率,以此来判断站点的负载情况。但这种方法在某些极端情况,比如CPU使用率和内存使用率为100%而GPU使用率为0%,是无法准确判断出站点负载情况的,也不能很好的调度该站点的GPU资源。同时,现有的分布式多站融合系统流量调度方法并不能很好的解决,不同类型的任务对资源的需求不同,站点分配不当会造成完成时间过长,资源利用率降低这种现象。
发明内容
为了解决现有技术中存在的缺点和不足,本发明提供分布式多站融合系统故障诊断与流量动态调度方法,该方法检测电力多站融合系统运维过程各站点计算资源的使用情况,同时对负载站点进行流量调度,维持站点的正常运行。
为实现上述目的,本发明采取的技术方案包括:
基于容量水位动态均衡技术确定分布式多站融合系统内每个站点的负载情况,根据得到的负载情况确定需要进行流量调配的站点;
建立调度顺序队列,根据队列顺序选取待调度流量;
接收调度站点的选择流程图,选取适合接收流量的站点;
将需要调出的流量转移至适合接收流量的站点,更新各站点的资源状态。
可选的,所述基于容量水位动态均衡技术确定分布式多站融合系统内每个站点的负载情况,根据得到的负载情况确定需要调出的流量,包括:
建立对应不同类型任务的任务标签,统计属于同类任务标签的站点资源占用率;
设定安全水位线,统计站点资源利用率超出安全水位线的任务所对应的站点。
可选的,所述建立对应不同类型任务的任务标签,统计属于同类任务标签的站点资源占用率,包括:
设置每个任务提交时代表该任务的任务类型的任务标签;
获取任务运行需要的计算资源信息以及总计算资源信息,
结合计算资源信息以及总计算资源信息计算该任务需要的资源与站点总资源的比例,得到代表资源使用情况的资源占用率。
可选的,所述建立调度顺序队列,根据队列顺序选取待调度流量,包括:
每个站点按照CPU,GPU以及内存的顺序初始化一个调度顺序队列;
依据调度顺序队列,依次查询站点的计算资源是否处于负载状态,若CPU 处于负载状态,则从站点任务队列中选择一个CPU密集型任务;若GPU处于负载状态,则从站点任务队列中选择一个深度学习型任务;若内存处于负载状态,则从站点内存任务队列中选择一个I/O密集型任务;
选择完成后,将流量调度请求以及该任务所需要的计算资源数打包构成待调度流量。
可选的,所述接收调度站点的选择流程图,选取适合接收流量的站点,包括:
确定调度流量标签相对应的计算资源i,若调度流量对应的标签为CPU密集型,则对应的计算资源为CPU;若调度流量对应的标签为I/O密集型,则对应的计算资源为内存;否则,对应的计算资源为GPU,
在调度中心里,将每个站点按照可提供计算资源i数量的多少依次放入计算资源i相对应的链表中,
将调度流量所需要的计算资源依次与链表中的站点可提供的计算资源进行比对,选择第一个配对成功的站点作为适合接收流量的站点。
可选的,所述方法还包括:
若遍历整个链表,都不能找到满足调度任务的资源需求的站点,则将调度任务返回给调度中心。
可选的,所述将需要调出的流量转移至适合接收流量的站点,更新各站点的资源状态,包括:
计算资源数量是否满足调度流量对计算资源的需求;
进行流量调度的站点原本可供调度的计算资源数量减去调度的流量所需要的计算资源数,作为流量调度后可供调度的计算资源;
将流量调度后该站点可供调度的计算资源数量上传,上传完成后更新对应各站点的中心数据库。
可选的,所述方法还包括:
如果没有站点拥有足够的计算资源接收流量,则有调度中心提供计算资源。
可选的,所述方法还包括:
统计调度中心可提供的计算资源数量,
判断调度中心可提供的计算资源数量是否满足调度任务对计算资源的需求,
若满足,由调度中心进行调度服务;若不满足,则将调度任务加入等待队列中,等待资源释放后再进行调度。
本发明提供的技术方案带来的有益效果是:
通过检测电力多站融合系统运维过程各站点计算资源的使用情况,同时对负载站点进行流量调度,维持站点的正常运行。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例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附图。
图1是本发明提供的分布式多站融合系统故障诊断与流量动态调度方法的流程示意图。
具体实施方式
为使本发明的结构和优点更加清楚,下面将结合附图对本发明的结构作进一步地描述。
实施例一
针对分布式多站融合系统,提出一种对站点计算资源使用情况进行全面诊断以及根据诊断情况对流量进行动态调度的方法,成为本领域技术人员需要解决的问题。
本发明采取的技术方案为:设计分布式多站融合系统故障诊断与流量动态调度方法,如图1所示,包括:
11、基于容量水位动态均衡技术确定分布式多站融合系统内每个站点的负载情况,根据得到的负载情况确定需要进行流量调配的站点;
12、建立调度顺序队列,根据队列顺序选取待调度流量;
13、接收调度站点的选择流程图,选取适合接收流量的站点;
14、将需要调出的流量转移至适合接收流量的站点,更新各站点的资源状态。
在实施中,对分布式多站融合系统内的每一个计算任务,根据该任务需要的计算资源情况,设置标签,确定任务类型。根据分布式多站融合系统调度中心以及各站点计算资源CPU,GPU以及内存的使用情况,基于容量水位动态均衡技术对站点的负载情况进行判断。每个站点根据负载情况,每隔一段时间t 统计可供调度的计算资源数量,发送给调度中心。
需要进行流量调度的站点,根据该站点自身计算资源的使用情况,确定调度的任务类型,将调度请求发送给调度中心,更新站点自身计算资源的使用情况。调度中心根据每个站点可供调度的计算资源数量,确定由哪个站点接收流量。若没有站点可以接收流量调度,则由调度中心提供服务。
提供调度服务的站点更新自身负载情况和可供调度的计算资源数量,并将可供调度的计算资源数量发送给调度中心。本发明提供了分布式多站融合系统故障诊断与流量动态调度方法,整个方法包括四个主要部分:站点状态检测、调出流量的选择、接收调度站点的选择和更新各站点的资源状态。
一、站点状态检测:
站点状态检测,主要用于检测电力多站融合系统运维过程各站点计算资源的使用情况,对站点负载情况进行判断。
在每个任务提交时,都要设置一个标签代表该任务的任务类型
(1)获取任务运行需要的计算资源信息,CPU:x,GPU:y,内存:z。
(2)获取该站点所拥有的总计算资源,CPU:C,GPU:G,内存:M。
基于容量水位动态均衡技术对站点的负载情况进行判断。
(1)读取/proc文件,获得CPU,GPU以及内存的使用情况。
(2)设置水位上限以及安全水位线;水位上限(vh):表明该站点的最大承载能力,一但超过该水位限,则很大程度发生过载。水位上线作为触发流量动态调度的界限值。
安全水位线(vb):站点计算资源负载处于安全水位线以下,几乎不会发生风险。此时,该站点可向外界提供资源,进行流量调度。水位上限以及安全水位线可根据实际情况进行设置,也可根据整个站点的实际运行情况动态选取。本专利选取的水位上限为80%,安全水位线为50%。
(3)从CPU,GPU,内存三个方面分别对站点负载情况进行判断,任一计算资源的使用率超过水位上限(vh)都认为站点处于负载状态,需要进行流量调度。
站点可向外界提供计算资源数量的计算,用来与任务需要的计算资源数量进行比对,确定站点能否接收流量调度。
(1)获得站点CPU,GPU以及内存的使用情况x[i]以及站点拥有的计算资源i的总量M[i],i=1代表CPU,i=2代表GPU,i=3代表内存。
(2)将x[i]与vh,vb进行比较。若x[i]≥vh,i处于负载状态,可向外界提供的计算数量为0;若vb≤x[i]<vh,i虽不处于负载状态,但已经超出安全水位线,站点也需要维持自身的正常运行,可调度资源数也为0;若x[i]<vb,i 处在安全水位线以下,可以向外界提供资源。提供的资源数:(x[i]-vb)×M[i]。
(3)i从1到3进行循环,得到站点可提供的计算资源数量并按顺序上传到调度中心。
从CPU,GPU以及内存三个三面对站点运行状态进行检测,只要有一个计算资源的使用率超过水位上限(vh)都认为站点处于负载状态,需要进行流量调度。
二、调出流量的选择
根据站点的负载状态,选择调出何种类型的流量,具体包括以下步骤:
(1)每个站点按照CPU,GPU以及内存的顺序初始化一个调度顺序队列。
(2)依据调度顺序队列,依次查询站点的计算资源是否处于负载状态。若 CPU处于负载状态,则从站点任务队列中选择一个CPU密集型任务;若GPU 处于负载状态,则从站点任务队列中选择一个深度学习型任务;若内存处于负载状态,则从站点内存任务队列中选择一个I/O密集型任务。
(3)选择完成后,将流量调度请求以及该任务所需要的计算资源数一同发送给调度中心。
(4)有站点接收流量调度后,发起流量调度请求的站点重新计算站点负载情况。若依旧处于负载状态,则按照站点流量调度顺序队列继续向前查询,进行流量调出,直至站点运行状态处于安全状态。
三、接收调度站点的选择
接收调度站点的选择流程图,选择最适合接收流量的站点,可以减少调度任务完成的时间,提高站点资源利用率,具体包括以下步骤:
(1)确定调度流量标签相对应的计算资源i。若调度流量对应的标签为CPU 密集型,则对应的计算资源为CPU;若调度流量对应的标签为I/O密集型,则对应的计算资源为内存;否则,对应的计算资源为GPU。
(2)在调度中心里,将每个站点按照可提供计算资源i数量的多少依次放入计算资源i相对应的链表中。
(3)将调度流量所需要的计算资源依次与链表中的站点可提供的计算资源进行比对,选择第一个配对成功的站点。
(4)若遍历整个链表,都不能找到满足调度任务的资源需求的站点,则将调度任务返回给调度中心。
其中,所述调度中心进行流量调度,具体包括:
(1)统计调度中心可提供的计算资源数量。
(2)判断调度中心可提供的计算资源数量是否满足调度流量对计算资源的需求。
(3)若满足,由调度中心进行调度服务;若不满足,则将调度任务加入等待队列中,等待资源释放后再进行调度。
四、更新各站点的资源状态,具体包括以下步骤:
(1)进行流量调度的站点原本可供调度的计算资源数量减去调度的流量所需要的计算资源数,作为流量调度后可供调度的计算资源。
(2)将流量调度后该站点可供调度的计算资源数量上传至调度中心。
(3)更新调度中心数据库。
如果没有站点拥有足够的计算资源接收流量,则有调度中心提供计算资源,具体包括以下步骤:
(1)统计调度中心可提供的计算资源数量。
(2)判断调度中心可提供的计算资源数量是否满足调度任务对计算资源的需求。
(3)若满足,由调度中心进行调度服务;若不满足,则将调度任务加入等待队列中,等待资源释放后再进行调度。
上述实施例中的各个序号仅仅为了描述,不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.分布式多站融合系统故障诊断与流量动态调度方法,其特征在于,所述方法包括:
基于容量水位动态均衡技术确定分布式多站融合系统内每个站点的负载情况,根据得到的负载情况确定需要进行流量调配的站点;
建立调度顺序队列,根据队列顺序选取待调度流量;
接收调度站点的选择流程图,选取适合接收流量的站点;
将需要调出的流量转移至适合接收流量的站点,更新各站点的资源状态。
2.根据权利要求1所述的分布式多站融合系统故障诊断与流量动态调度方法,其特征在于,所述基于容量水位动态均衡技术确定分布式多站融合系统内每个站点的负载情况,根据得到的负载情况确定需要调出的流量,包括:
建立对应不同类型任务的任务标签,统计属于同类任务标签的站点资源占用率;
设定安全水位线,统计站点资源利用率超出安全水位线的任务所对应的站点。
3.根据权利要求2所述的分布式多站融合系统故障诊断与流量动态调度方法,其特征在于,所述建立对应不同类型任务的任务标签,统计属于同类任务标签的站点资源占用率,包括:
设置每个任务提交时代表该任务的任务类型的任务标签;
获取任务运行需要的计算资源信息以及总计算资源信息,
结合计算资源信息以及总计算资源信息计算该任务需要的资源与站点总资源的比例,得到代表资源使用情况的资源占用率。
4.根据权利要求1所述的分布式多站融合系统故障诊断与流量动态调度方法,其特征在于,所述建立调度顺序队列,根据队列顺序选取待调度流量,包括:
每个站点按照CPU,GPU以及内存的顺序初始化一个调度顺序队列;
依据调度顺序队列,依次查询站点的计算资源是否处于负载状态,若CPU处于负载状态,则从站点任务队列中选择一个CPU密集型任务;若GPU处于负载状态,则从站点任务队列中选择一个深度学习型任务;若内存处于负载状态,则从站点内存任务队列中选择一个I/O密集型任务;
选择完成后,将流量调度请求以及该任务所需要的计算资源数打包构成待调度流量。
5.根据权利要求1所述的分布式多站融合系统故障诊断与流量动态调度方法,其特征在于,所述接收调度站点的选择流程图,选取适合接收流量的站点,包括:
确定调度流量标签相对应的计算资源i,若调度流量对应的标签为CPU密集型,则对应的计算资源为CPU;若调度流量对应的标签为I/O密集型,则对应的计算资源为内存;否则,对应的计算资源为GPU,
在调度中心里,将每个站点按照可提供计算资源i数量的多少依次放入计算资源i相对应的链表中,
将调度流量所需要的计算资源依次与链表中的站点可提供的计算资源进行比对,选择第一个配对成功的站点作为适合接收流量的站点。
6.根据权利要求5述的分布式多站融合系统故障诊断与流量动态调度方法,其特征在于,所述方法还包括:
若遍历整个链表,都不能找到满足调度任务的资源需求的站点,则将调度任务返回给调度中心。
7.根据权利要求1所述的分布式多站融合系统故障诊断与流量动态调度方法,其特征在于,所述将需要调出的流量转移至适合接收流量的站点,更新各站点的资源状态,包括:
计算资源数量是否满足调度流量对计算资源的需求;
进行流量调度的站点原本可供调度的计算资源数量减去调度的流量所需要的计算资源数,作为流量调度后可供调度的计算资源;
将流量调度后该站点可供调度的计算资源数量上传,上传完成后更新对应各站点的中心数据库。
8.根据权利要求1所述的分布式多站融合系统故障诊断与流量动态调度方法,其特征在于,所述方法还包括:
如果没有站点拥有足够的计算资源接收流量,则有调度中心提供计算资源。
9.根据权利要求8所述的分布式多站融合系统故障诊断与流量动态调度方法,其特征在于,所述方法还包括:
统计调度中心可提供的计算资源数量,
判断调度中心可提供的计算资源数量是否满足调度任务对计算资源的需求,
若满足,由调度中心进行调度服务;若不满足,则将调度任务加入等待队列中,等待资源释放后再进行调度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010190984.XA CN111711575A (zh) | 2020-03-18 | 2020-03-18 | 分布式多站融合系统故障诊断与流量动态调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010190984.XA CN111711575A (zh) | 2020-03-18 | 2020-03-18 | 分布式多站融合系统故障诊断与流量动态调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111711575A true CN111711575A (zh) | 2020-09-25 |
Family
ID=72536557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010190984.XA Pending CN111711575A (zh) | 2020-03-18 | 2020-03-18 | 分布式多站融合系统故障诊断与流量动态调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111711575A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708011A (zh) * | 2012-05-11 | 2012-10-03 | 南京邮电大学 | 一种面向云计算平台任务调度的多级负载评估方法 |
US20140026144A1 (en) * | 2012-07-23 | 2014-01-23 | Brandon John Pack | Systems And Methods For Load Balancing Of Time-Based Tasks In A Distributed Computing System |
CN107220108A (zh) * | 2017-07-06 | 2017-09-29 | 山东超越数控电子有限公司 | 一种实现云数据中心负载均衡的方法和系统 |
CN109510775A (zh) * | 2018-11-12 | 2019-03-22 | 网宿科技股份有限公司 | 定向流量的调度方法、鉴权装置、网络设备及存储介质 |
CN110389838A (zh) * | 2019-07-24 | 2019-10-29 | 北京邮电大学 | 一种适用于虚拟资源的实时调度和在线迁移管控方法 |
CN110764908A (zh) * | 2019-10-12 | 2020-02-07 | 腾讯云计算(北京)有限责任公司 | 一种负载调节方法、装置、服务器及存储介质 |
-
2020
- 2020-03-18 CN CN202010190984.XA patent/CN111711575A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708011A (zh) * | 2012-05-11 | 2012-10-03 | 南京邮电大学 | 一种面向云计算平台任务调度的多级负载评估方法 |
US20140026144A1 (en) * | 2012-07-23 | 2014-01-23 | Brandon John Pack | Systems And Methods For Load Balancing Of Time-Based Tasks In A Distributed Computing System |
CN107220108A (zh) * | 2017-07-06 | 2017-09-29 | 山东超越数控电子有限公司 | 一种实现云数据中心负载均衡的方法和系统 |
CN109510775A (zh) * | 2018-11-12 | 2019-03-22 | 网宿科技股份有限公司 | 定向流量的调度方法、鉴权装置、网络设备及存储介质 |
CN110389838A (zh) * | 2019-07-24 | 2019-10-29 | 北京邮电大学 | 一种适用于虚拟资源的实时调度和在线迁移管控方法 |
CN110764908A (zh) * | 2019-10-12 | 2020-02-07 | 腾讯云计算(北京)有限责任公司 | 一种负载调节方法、装置、服务器及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10474504B2 (en) | Distributed node intra-group task scheduling method and system | |
CN101715003B (zh) | 互操作平台的负载控制优化方法 | |
CN102111337A (zh) | 任务调度方法和系统 | |
CN109819047B (zh) | 一种基于激励机制的移动边缘计算资源分配方法 | |
CN108347352B (zh) | 一种电力系统中信息系统及设备性能的诊断方法 | |
CN112261120B (zh) | 一种配电物联网云边协同任务卸载方法及装置 | |
CN113010576A (zh) | 云计算系统容量评估的方法、装置、设备和存储介质 | |
CN110784894B (zh) | Lte系统负载均衡方法和装置 | |
CN108711007A (zh) | 一种能源一体化采集系统的多任务实时调度方法 | |
CN115796399B (zh) | 基于电力物资的智能调度方法、装置、设备及存储介质 | |
CN115730749B (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
CN114500543B (zh) | 一种基于分布式的弹性边缘采集系统及其应用方法 | |
CN115034927A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN111858031A (zh) | 一种集群分布式资源调度方法、装置、设备及存储介质 | |
CN117349026B (zh) | 一种用于aigc模型训练的分布式算力调度系统 | |
CN111711575A (zh) | 分布式多站融合系统故障诊断与流量动态调度方法 | |
CN109101395A (zh) | 一种基于lstm的高性能计算集群应用监控方法及系统 | |
CN116937645A (zh) | 充电站集群调控潜力评估方法、装置、设备及介质 | |
CN112561129A (zh) | 一种基于配电线路故障信息的抢修物资调配方法 | |
CN116600329A (zh) | 一种消息错误识别码定界方法及装置 | |
CN115775047A (zh) | 一种区域电力供需分析预测方法、系统及存储介质 | |
CN109359810A (zh) | 一种基于多策略均衡的电力通信传输网运行状态评估方法 | |
CN110348681B (zh) | 一种电力cps动态负荷分配方法 | |
CN111338788A (zh) | 资源配额审批方法、存储介质 | |
CN116578406B (zh) | 面向分布式机器学习系统的任务平台连续运行调度方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200925 |