CN112035220A - 开发机操作任务的处理方法、装置、设备以及存储介质 - Google Patents

开发机操作任务的处理方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN112035220A
CN112035220A CN202011058788.3A CN202011058788A CN112035220A CN 112035220 A CN112035220 A CN 112035220A CN 202011058788 A CN202011058788 A CN 202011058788A CN 112035220 A CN112035220 A CN 112035220A
Authority
CN
China
Prior art keywords
development machine
task
operation task
gpu
target
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
Application number
CN202011058788.3A
Other languages
English (en)
Inventor
骆宝童
张恒华
胡在斌
黄凯文
孟凯
苏伟江
翟晓宇
李盼盼
李振国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011058788.3A priority Critical patent/CN112035220A/zh
Publication of CN112035220A publication Critical patent/CN112035220A/zh
Priority to EP21161072.0A priority patent/EP3869336A1/en
Priority to US17/194,845 priority patent/US20210191780A1/en
Priority to KR1020210033233A priority patent/KR20210036874A/ko
Priority to JP2021044060A priority patent/JP7170768B2/ja
Pending legal-status Critical Current

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
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • 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
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2379—Updates performed during online database operations; commit processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • 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
    • G06F9/451—Execution arrangements for user interfaces
    • 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
    • G06F9/468—Specific access rights for resources, e.g. using capability register
    • 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
    • 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
    • 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
    • G06Q10/0633—Workflow analysis
    • 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
    • G06F2009/45562—Creating, deleting, cloning virtual machine instances
    • 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
    • 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
    • G06F2009/45595—Network integration; Enabling network access in virtual machine instances
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/504—Resource capping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/509—Offload
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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 Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Human Computer Interaction (AREA)
  • Stored Programmes (AREA)

Abstract

本申请公开了开发机操作任务的处理方法、装置、设备以及存储介质，涉及人工智能的深度学习领域。具体实现方案为：接收客户端发起的任务创建请求；根据任务创建请求，生成开发机操作任务；为开发机操作任务分配执行开发机操作任务所需的目标图像处理器GPU；向集群节点中的主节点发送开发机操作任务请求，任务请求用于请求在目标GPU上执行开发机操作任务。相比于现有技术，本申请通过使用docker容器在GPU上执行开发机操作任务，从而可以直接利用本地主机的操作系统，进而提高了物理机的硬件的利用率。

Description

开发机操作任务的处理方法、装置、设备以及存储介质
技术领域
本申请涉及数据处理中的人工智能的深度学习领域，尤其涉及一种开发机操作任务的处理方法、装置、设备以及存储介质。
背景技术
自从深度学习的概念被提出以来，深度学习在理论和应用落地方面都有巨大的进步。现有的深度学习训练任务都运行在高性能图形处理器(graphics processing unit，GPU)集群上，为了达到开发、训练环境一致的目的，开发人员大都也使用GPU开发机进行开发调试工作。
当前开发机的主流方式是通过平台虚拟化技术将计算机、存储和网络硬件间建立了一个抽象的虚拟化平台，从而使得物理机的所有硬件被统一到一个虚拟化层中。在虚拟化平台顶部创建有与物理机有相同硬件结构的虚拟机，开发人员可以在虚拟机上进行开发机操作任务。由于虚拟机之间互不干扰，从而可以实现对系统资源的保护。
然而，虚拟机需要对物理机的真实硬件层进行封装，并且，虚拟化也必然占用一部分物理机的资源，导致损失一部分物理机的性能，从而使得物理机的硬件的利用率较低。
发明内容
本申请提供了一种用于开发机操作任务的处理方法、装置、设备以及存储介质。
根据本申请的一方面，提供了一种开发机操作任务的处理方法，接收客户端发起的任务创建请求；
根据所述任务创建请求，生成开发机操作任务；
为所述开发机操作任务分配执行所述开发机操作任务所需的目标图像处理器GPU；
向集群节点中的主节点发送所述开发机操作任务请求，所述任务请求用于请求在所述目标GPU上执行所述开发机操作任务。
根据本申请的第二方面，提供了一种开发机操作任务的处理方法，包括：
所接收任务管理服务器发送的开发机操作任务请求，所述任务请求用于请求在目标GPU上执行所述开发机操作任务；
根据集群节点中的多个工作节点的运行状态，确定目标工作节点；
调度所述目标工作节点的docker容器在所述目标GPU上执行所述开发机操作任务。
根据本申请的第三方面，提供了一种开发机操作任务的处理装置，包括：
接收模块，用于接收客户端发起的任务创建请求；
处理模块，用于根据所述任务创建请求，生成开发机操作任务；为所述开发机操作任务分配执行所述开发机操作任务所需的目标图像处理器GPU；
发送模块，用于向集群节点中的主节点发送所述开发机操作任务请求，所述任务请求用于请求在所述目标GPU上执行所述开发机操作任务。
根据本申请的第四方面，提供了一种开发机操作任务的处理装置，包括：
接收模块，用于接收任务管理服务器发送的开发机操作任务请求，所述任务请求用于请求在目标GPU上执行所述开发机操作任务；
处理模块，用于根据集群节点中的多个工作节点的运行状态，确定目标工作节点；调度所述目标工作节点的docker容器在所述目标GPU上执行所述开发机操作任务。
根据本申请的第五方面，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如第一方面所述的方法。
根据本申请的第六方面，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上述第一方面所述的方法。
根据本申请的技术解决了物理机的硬件的利用率较的问题。相比于现有技术，本申请通过使用Docker容器在图形处理器GPU上执行开发机操作任务，从而可以直接利用本地主机的操作系统，从而可以提高物理机的硬件的利用率。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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为本申请实施例提供的一种开发机操作任务的处理方法的场景示意图；
图2为本申请实施例提供的一种开发机操作任务的系统架构图；
图3为本申请实施例提供的一种开发机操作任务的处理方法的信令交互图；
图4为本申请实施例提供的一种开发机操作任务的处理方法的流程示意图；
图5为本申请实施例提供的另一种开发机操作任务的处理方法的流程示意图；
图6为本申请实施例提供的一种开发机操作任务的处理装置的结构示意图；
图7为本申请实施例提供的另一种开发机操作任务的处理装置的结构示意图；
图8是可以实现本申请实施例的开发机操作任务的处理方法的场景图。
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。
当前开发机的主流方式是通过平台虚拟化技术将计算机、存储和网络硬件间建立了一个抽象的虚拟化平台，从而使得物理机的所有硬件被统一到一个虚拟化层中。在虚拟化平台顶部创建有与物理机有相同硬件结构的虚拟机，开发人员可以在虚拟机上进行开发机操作任务。由于虚拟机之间互不干扰，从而可以实现对系统资源的保护。
然而，虚拟机需要对物理机的真实硬件层进行封装，并且，虚拟化也必然占用一部分物理机的资源，导致损失一部分物理机的性能，从而使得物理机的硬件的利用率较低。
本申请提供一种开发机操作任务的处理方法及装置，应用于数据处理中的人工智能的深度学习领域，以解决物理机的硬件的利用率低的技术问题，达到提高物理机的硬件的利用率的效果。本申请的发明构思是：通过为开发机操作任务分配执行开发机操作任务所需的目标GPU，再向集群节点中的主节点发送开发机操作任务请求，由主节点调度目标工作节点的docker容器在目标GPU上执行开发机操作任务。
为了清楚理解本申请的技术方案，下面对本申请中涉及的名词进行解释：
开发机：提供给开发人员，在软件开发过程中通过自身的代码来获取软件代码，并对获取到的代码进行编译和调试的软件程序。
Docker容器：一个开源的应用容器引擎，可以使开发人员以统一的方式打包应用以及依赖包到一个可移植的容器中，然后发布到任何安装了docker引擎的服务器上。
快照：关于指定数据集合的一个完全可用拷贝，该拷贝包括相应数据在某个时间点的映像。
块设备：是输入输出(in/out，i/o)设备中的一类，用于将信息存储在固定大小的块中。
下面对本申请的使用场景进行说明。
图1为本申请实施例提供的一种开发机操作任务的处理方法的场景示意图。如图1所示，当用户需要进行开发机创建、开发机删除等开发机操作任务时，可以通过客户端101向开发机任务处理系统的任务管理服务器102发送任务创建请求。任务管理服务器102在接收到客户端101发送的任务创建请求后，为任务创建请求中的开发机操作任务分配执行开发机操作任务所需的GPU，再向集群节点中的主节点103发送开发机操作任务请求，由主节点103调度工作节点104的docker容器在目标GPU上执行开发机操作任务。
其中，客户端101可以包括但不限于：平板电脑、个人计算机(personal computer，PC)、笔记本电脑、个人数字助理(personal digital assistant，PDA)、手机等设备。
需要说明的是，本申请技术方案的应用场景可以是图1中的开发机操作任务的处理场景，但并不限于此，还可以应用于其他相关的场景中。
图2为本申请实施例提供的一种开发机操作任务的系统架构图。如图2所示，客户端、任务管理服务器、集群节点、GPU和任务数据库。上述客户端包括UI界面和平台层，用户通过在UI界面上进行操作从而触发平台层中的模块通过Open API向任务数据库发送任务创建请求。任务数据库在接收到任务创建请求后，将任务创建请求发送给任务管理服务器。任务管理服务器包含多个服务单元，任务管理服务器用于对任务创建请求进行处理，并向集群节点中的主节点发送开发机操作任务请求。集群节点中的主节点接收到开发机操作任务请求后，调度目标工作节点的docker容器在目标GPU上执行开发机操作任务。
可以理解，上述开发机操作任务的处理方法可以通过本申请实施例提供的开发机操作任务的处理装置实现，开发机操作任务的处理装置可以是某个设备的部分或全部，例如可以是上述任务管理服务器和集群主节点。
下面以集成或安装有相关执行代码的任务管理服务器和集群主节点为例，以具体地实施例对本申请实施例的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图3为本申请实施例提供的一种开发机操作任务的处理方法的信令交互图，本申请涉及的是如何处理开发机操作任务，如图3所示，该方法包括：
S201、任务管理服务器接收客户端发起的任务创建请求。
其中，开发机操作任务用于包括以下至少一项：创建开发机、删除开发机、重启开发机和重装开发机。
在本申请中，当用户需要对开发机进行操作时，可以通过在客户端上进行操作，从而使客户端发送任务创建请求。在一些实施例中，客户端可以直接向任务管理服务器发送任务创建请求。在另一些实施例中，客户端可以先向任务数据库发送任务创建请求。随后，任务数据库再将任务创建请求发送给任务管理服务器。
S202、任务管理服务器根据任务创建请求，生成开发机操作任务。
在本步骤中，当任务管理服务器接收到客户端发起的任务创建请求后，可以根据任务创建请求，生成开发机操作任务。
本申请实施例对于如何生成开发机操作任务不做限制，示例性的，任务创建请求中可以包含有用户输入的任务需求数据。根据用户输入的任务需求数据，任务管理服务器可以生成开发机操作任务。
在本申请中，任务管理服务器生成开发机操作任务后，可以在任务队列中添加开发机操作任务。
应理解，本申请实施例对于如何在任务队列中添加开发机操作任务不做限制。在一些实施例中，任务管理服务器中的任务调度程序(task scheduler)服务单元可以调度开发机操作任务，再基于开发机操作任务的类型，将开发机操作任务添加到对应的任务队列中。
S203、任务管理服务器为开发机操作任务分配执行开发机操作任务所需的目标GPU。
在一些实施例中，任务管理服务器可以根据开发机操作任务所需的资源，分配执行操作任务所需的目标GPU。
在另一些实施例中，集群中的GPU的运行状况也可以作为确定目标GPU的依据。针对在执行任务中的GPU，或者故障中的GPU，任务管理服务器可以避免将其作为目标GPU。
应理解，在确定目标GPU的过程中，任务管理服务器还可以校验用户的权限。示例性的，任务管理服务器可以确定开发机操作任务所属的用户组，不同的用户组对应不同的资源使用权限。随后，根据所属的用户组对应的资源使用权限，以及开发机操作任务所需的资源，任务管理服务器可以分配执行操作任务所需的目标GPU。
应理解，用户组并不会直接与用户进行绑定，即不会通过给用户组授予某个用户，从而使这个用户组包含的用户拥有权限。在本申请中，系统管理模块可以通过查找预先设置的实体表以及关联表，从而确定用户的权限。其中，实体表可以包括权限表、角色表、用户表和用户组表等，关联表可以包括用户-用户组关联表、角色-用户组关联表和权限-角色关联表等。
本申请中，通过为不同的用户组设置不同的资源使用权限，从而可以根据用户组对应的资源使用权限为开发机操作任务所需的目标GPU，从而实现对对用户组所能使用的资源进行合理管控。
在另一些实施例中，任务创建请求中还包括有执行开发机操作任务所需资源额度。相应的，任务管理服务器在确定开发机操作任务所属的用户组的资源使用额度后，可以将开发机操作任务所需资源额度和用户组的资源使用额度进行比较，若用户组的资源使用额度大于或等于开发机操作任务所需的资源量，则分配执行操作任务所需的目标GPU。若用户组的资源使用额度小于开发机操作任务所需的资源量，则向客户端发出错误提示。相应的，在完成开发机操作任务后，任务管理服务器可以在用户组的资源使用额度中减去开发机操作任务所需的资源量。
本申请中，通过为用户组设置资源使用额度，从而使得用户组在一段时间内只可以使用小于或等于资源使用额度的资源量，进行开发机操作任务，从而避免了用户组过量使用资源。
应理解，用户组管理员还可以调用开放应用程序接口(open applicationprogramming interface，Open Api)，确定用户组的资源额度，从而对用户组所能使用的资源进行限制。
在一些实施例中，对于GPU利用率不高的开发机，系统管理模块还可以根据GPU的利用率，进行通报甚至资源释放。
示例性的，任务管理服务器可以在任务数据库中查询开发机操作任务对目标GPU的资源利用率。若开发机操作任务对GPU的资源利用率低于第一阈值，任务管理服务器则向主节点发送释放任务指示，释放任务指示在所目标GPU上释放开发机操作任务。
在一些实施例中，对于GPU利用率较高的开发机，任务管理服务器还可以重新为开发机操作任务分配目标GPU。
示例性的，任务管理服务器可以在任务数据库中查询目标GPU的资源利用率。若目标GPU的资源利用率超过第二阈值，则重新为开发机操作任务分配目标GPU。基于重新分配的GPU向主节点发送开发机操作任务请求。
本申请中，通过上述方式，任务管理服务器可以实现对开发机操作任务、用户组等的高效管理，从而无需开发人员手动处理开发机运维问题。
S204、任务管理服务器向集群节点中的主节点发送开发机操作任务请求，任务请求用于请求在目标GPU上执行开发机操作任务。
在本申请中，任务管理服务器为开发机操作任务分配执行开发机操作任务所需的目标图像处理器GPU后，可以向集群节点中的主节点发送开发机操作任务请求，从而在目标GPU上执行开发机操作任务。
应理解，本申请实施例对于如何将开发机操作任务请求发送给集群节点中的主节点不做限制。在一些实施例中，可以通过任务处理(task worker)服务单元可以将开发机操作任务发送给主节点。
其中，集群节点之间具体可以为Kubernetes(K8S)架构。
下面对K8S架构进行说明。K8S架构可以将GPU划分为一个主节点(K8S Master)和一群工作节点，主节点负责维护集群的目标状态，运行集群管理相关的一组进程，该进程可例如kube-apiserver、controller-manager和scheduler。上述进程可以实现集群的资源管理以及工作节点上的Pod(一种编程语言)调度等。其中，工作节点运行真正的应用程序，工作节点上K8S管理的最小运行单元pod，以及kubelet、kube-proxy进程。Kubelet和kube-proxy进程负责pod创建、启动、监控、重启、销毁以及集群内服务的发现和负载均衡等。
在一些可选的实施方式中，在向集群节点中的主节点发送开发机操作任务请求之后，任务管理服务器还可以对开发机操作任务对应的开发机的快照进行更新，快照为开发机的数据之间的逻辑关系。
需要说明的是，开发机的快照的更新可以包括开发机的快照的创建和开发机的快照的删除。对开发机的快照进行更新具体可以通过task worker服务单元完成。
在一些可选的实施方式中，在向集群节点中的主节点发送开发机操作任务请求之后，任务管理服务器还可以确定开发机操作任务所需的块设备，块设备用于为开发机操作任务请求存储资源。
对开发机操作任务所需的块设备进行更新具体也可以通过任务管理模块中的任务状态同步(task status sync)服务单元完成。
此外，task status sync服务单元还可以对集群节点进行监控。
S205、主节点根据集群节点中的多个工作节点的运行状态，确定目标工作节点。
本申请实施例对于主节点如何根据集群节点中的多个工作节点的运行状态确定目标工作节点不做限制。
示例性的，主节点可以首先确定出满足要求的工作节点的运行状态，再从其中选择中目标工作节点。示例性的，主节点可以首先确定出发生故障的工作节点，再从除发生故障的工作节点以外的工作节点中确定出目标工作节点。
S206、主节点调度目标工作节点的docker容器在目标GPU上执行开发机操作任务。
在本步骤中，主节点根据集群节点中的多个工作节点的运行状态，确定目标工作节点后，可以调度目标工作节点的docker容器在目标GPU上执行开发机操作任务。
在一些实施例中，主节点还可以监控目标工作节点的开发机操作任务的执行进度和开发机操作任务对应的开发机的状态，并将开发机操作任务的执行进度和开发机操作任务对应的开发机的状态发送给任务数据库。
在一些实施例中，主节点还可以监控开发机操作任务对目标GPU的资源利用率，并将目标GPU的资源利用率发送给任务数据库。
在一些实施例中，主节点还将开发机操作任务对应的开发机的运行环境和运行数据通过远程挂载的方式存储在备份服务器上。当目标GPU故障后，通过备份服务器中存储的开发机的运行环境和运行数据，可以在其他GPU上快速对开发机进行恢复，继续执行开发机操作任务。
应理解，主节点调度目标工作节点的docker容器执行开发机操作任务时，可以直接利用本地主机的操作系统，使得其对系统资源的利用率更高，应用执行速度更快，内存损耗更低以及文件存储速度更快。同时，使用docker容器只占用MB级别的磁盘，相比虚拟机GB级别的磁盘占用，其对物理机资源占用更少，单机支持数量可达上千个。
应理解，由于docker容器应用由于直接运行于宿主内核，无需启动完整的操作系统。因此，相比于现有技术中的虚拟机，容器化管理模块使用docker容器可以大大节约了开发机的操作时间，其操作时间可以做到秒级甚至毫秒级。
应理解，通过开发机的快照中docker的镜像，可以提供除内核外完整的运行时环境，从而确保环境一致性。同时，还可以通过定制应用的docker镜像来解决开发机环境部署复杂、困难的问题。
应理解，容器化管理模块在执行开发机操作任务的同时，还可以将开发机操作任务对应的开发机的运行环境和运行数据通过远程挂载的方式存储在备份服务器上。通过备份服务器，若开发机任务处理系统中的物理机发生宕机、故障等问题，可以快速将开发机实例迁移至其他物理机之上，在保证数据安全的同时，降低了开发人员因为机器故障而等待的时间。
本申请实施例提供的发机操作任务的处理方法，任务管理服务器接收客户端发起的任务创建请求，随后，根据任务创建请求，生成开发机操作任务。其次，任务管理服务器为开发机操作任务分配执行开发机操作任务所需的目标图像处理器GPU，并向集群节点中的主节点发送开发机操作任务请求，该任务请求用于请求在目标GPU上执行开发机操作任务。相比于现有技术，本申请通过使用Docker容器在GPU上执行开发机操作任务，从而可以直接利用本地主机的操作系统，进而提高了物理机的硬件的利用率。
在上述实施例的基础上，下面对于如何为开发机操作任务分配执行开发机操作任务所需的目标图像处理器GPU进行说明。图4为本申请实施例提供的一种开发机操作任务的处理方法的流程示意图，该方法包括：
S301、任务管理服务器接收客户端发起的任务创建请求。
S302、任务管理服务器根据任务创建请求，生成开发机操作任务。
S301-S302的技术名词、技术效果、技术特征，以及可选实施方式，可参照图3所示的S201-S202理解，对于重复的内容，在此不再累述。
S303、任务管理服务器确定开发机操作任务所属的用户组，不同的用户组对应不同的资源使用权限。
示例性的，任务管理服务器可以基于客户端所登录的用户信息，确定开发机操作任务所属的用户组。
应理解，用户组并不会直接与用户进行绑定，即不会通过给用户组授予某个用户，从而使这个用户组包含的用户拥有权限。在本申请中，系统管理模块可以通过查找预先设置的实体表以及关联表，从而确定用户的权限。其中，实体表可以包括权限表、角色表、用户表和用户组表等，关联表可以包括用户-用户组关联表、角色-用户组关联表和权限-角色关联表等。
S304、任务管理服务器根据所属的用户组对应的资源使用权限，以及开发机操作任务所需的资源，分配执行操作任务所需的目标GPU。
在本步骤中，不同的用户组对应有不同的资源使用权限，任务管理服务器可以在具有资源使用权限的GPU中确定操作任务所需的目标GPU。
S305、任务管理服务器向集群节点中的主节点发送开发机操作任务请求，任务请求用于请求在目标GPU上执行开发机操作任务。
S305的技术名词、技术效果、技术特征，以及可选实施方式，可参照图3所示的S204理解，对于重复的内容，在此不再累述。
在上述实施例的基础上，图5为本申请实施例提供的另一种开发机操作任务的处理方法的流程示意图，该方法包括：
S401、任务管理服务器接收客户端发起的任务创建请求。
S402、任务管理服务器根据任务创建请求，生成开发机操作任务。
S403、任务管理服务器确定开发机操作任务所属的用户组，不同的用户组对应不同的资源使用权限。
S401-S402的技术名词、技术效果、技术特征，以及可选实施方式，可参照图4所示的S301-S303理解，对于重复的内容，在此不再累述。
S404、任务管理服务器确定开发机操作任务所属的用户组的资源使用额度。
其中，用户组的资源使用额度可以由用户组进行申请，再由管理员同意后确定。在确定用户组的资源使用额度，每次用户组使用资源，任务管理服务器均会在用户组的资源使用额度中减去使用的资源量。
S405、若用户组的资源使用额度大于或等于开发机操作任务所需的资源量，任务管理服务器则分配执行操作任务所需的目标GPU。
本申请中，任务管理服务器在确定开发机操作任务所属的用户组的资源使用额度后，可以将开发机操作任务所需资源额度和用户组的资源使用额度进行比较，若用户组的资源使用额度大于或等于开发机操作任务所需的资源量，则分配执行操作任务所需的目标GPU。若用户组的资源使用额度小于开发机操作任务所需的资源量，则向客户端发出错误提示。
S406、任务管理服务器在用户组的资源使用额度中减去开发机操作任务所需的资源量。
本申请实施例提供的发机操作任务的处理方法，任务管理服务器接收客户端发起的任务创建请求，随后，根据任务创建请求，生成开发机操作任务。其次，任务管理服务器为开发机操作任务分配执行开发机操作任务所需的目标图像处理器GPU，并向集群节点中的主节点发送开发机操作任务请求，该任务请求用于请求在目标GPU上执行开发机操作任务。相比于现有技术，本申请通过使用docker容器在GPU上执行开发机操作任务，从而可以直接利用本地主机的操作系统，进而提高了物理机的硬件的利用率。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序信息相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图6为本申请实施例提供的一种开发机操作任务的处理装置的结构示意图。该开发机操作任务的处理装置可以通过软件、硬件或者两者的结合实现，可例如上述的任务管理服务器或任务管理服务器中的芯片，用于执行上述的开发机操作任务的处理方法。如图6所示，该开发机操作任务的处理装置500包括：
接收模块501，用于接收客户端发起的任务创建请求；
处理模块502，用于根据任务创建请求，生成开发机操作任务；为开发机操作任务分配执行开发机操作任务所需的目标图像处理器GPU；
发送模块503，用于向集群节点中的主节点发送开发机操作任务请求，任务请求用于请求在目标GPU上执行开发机操作任务。
一种可选的实施方式中，其中，处理模块502，具体用于确定开发机操作任务所属的用户组，不同的用户组对应不同的资源使用权限；根据所属的用户组对应的资源使用权限，以及开发机操作任务所需的资源，分配执行操作任务所需的目标GPU。
一种可选的实施方式中，处理模块502，还用于确定开发机操作任务所属的用户组的资源使用额度；若用户组的资源使用额度大于或等于开发机操作任务所需的资源量，则分配执行操作任务所需的目标GPU。
一种可选的实施方式中，处理模块502，还用于在用户组的资源使用额度中减去开发机操作任务所需的资源量。
一种可选的实施方式中，其中，处理模块502，还用于在任务数据库中查询开发机操作任务对目标GPU的资源利用率；若开发机操作任务对GPU的资源利用率低于第一阈值，则向主节点发送释放任务指示，释放任务指示在所目标GPU上释放开发机操作任务。
一种可选的实施方式中，其中，处理模块502，还用于在任务数据库中查询目标GPU的资源利用率；若目标GPU的资源利用率超过第二阈值，则重新为开发机操作任务分配目标GPU；基于重新分配的GPU向主节点发送开发机操作任务请求。
一种可选的实施方式中，处理模块502，还用于对开发机操作任务对应的开发机的快照进行更新，快照为开发机的数据之间的逻辑关系。
一种可选的实施方式中，处理模块502，还用于确定开发机操作任务所需的块设备，块设备用于为开发机操作任务请求存储资源。
一种可选的实施方式中，开发机操作任务包括以下至少一项：创建开发机、删除开发机、重启开发机和重装开发机。
本申请实施例提供的开发机操作任务的处理装置，可以执行上述方法实施例中的开发机操作任务的处理方法中任务管理服务器侧的动作，其实现原理和技术效果类似，在此不再赘述。
图7为本申请实施例提供的另一种开发机操作任务的处理装置的结构示意图。该开发机操作任务的处理装置可以通过软件、硬件或者两者的结合实现，可例如上述的主节点或主节点中的芯片，用于执行上述的开发机操作任务的处理方法。如图7所示，该开发机操作任务的处理装置600包括：
接收模块601，用于接收任务管理服务器发送的开发机操作任务请求，任务请求用于请求在目标GPU上执行开发机操作任务；
处理模块602，用于根据集群节点中的多个工作节点的运行状态，确定目标工作节点；调度目标工作节点的docker容器在目标GPU上执行开发机操作任务。
一种可选的实施方式中，处理模块602，还用于监控目标工作节点的开发机操作任务的执行进度和开发机操作任务对应的开发机的状态；
装置还包括，发送模块603，用于将开发机操作任务的执行进度和开发机操作任务对应的开发机的状态发送给任务数据库。
一种可选的实施方式中，处理模块602，还用于监控开发机操作任务对目标GPU的资源利用率；
发送模块603，还用于将目标GPU的资源利用率发送给任务数据库。
一种可选的实施方式中，开发机操作任务包括以下至少一项：创建开发机、删除开发机、重启开发机和重装开发机。
本申请实施例提供的开发机操作任务的处理装置，可以执行上述方法实施例中的开发机操作任务的处理方法中主节点侧的动作，其实现原理和技术效果类似，在此不再赘述。
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开发机操作任务的处理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701、存储器702，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701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的开发机操作任务的处理方法。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开发机操作任务的处理方法。
存储器702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开发机操作任务的处理方法对应的程序指令/模块(例如，附图5和图6所示的接收模块、处理模块和发送模块)。处理器701通过运行存储在存储器702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开发机操作任务的处理方法。
存储器702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开发机操作任务的处理电子设备的使用所创建的数据等。此外，存储器702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702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至开发机操作任务的处理电子设备。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。
开发机操作任务的处理方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704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703可接收输入的数字或字符信息，以及产生与开发机操作任务的处理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704可以包括显示设备、辅助照明装置(例如，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(LCD)、发光二极管(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ASIC(专用集成电路)、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。
这些计算机程序(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机程序。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(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，CRT(阴极射线管)或者LCD(液晶显示器)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(LAN)、广域网(WAN)和互联网。
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。
本申请实施例还提供了一种芯片，包括处理器和接口。其中接口用于输入输出处理器所处理的数据或指令。处理器用于执行以上方法实施例中提供的方法。该芯片可以应用于服务器中。
本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁盘或者光盘等各种可以存储程序代码的介质，具体的，该计算机可读存储介质中存储有程序信息，程序信息用于上述方法。
本申请实施例还提供一种程序，该程序在被处理器执行时用于执行以上方法实施例提供的方法。
本申请实施例还提供一种程序产品，例如计算机可读存储介质，该程序产品中存储有指令，当其在计算机上运行时，使得计算机执行上述方法实施例提供的方法。
根据本申请实施例的技术方案，解决了物理机的硬件的利用率较的问题。相比于现有技术，本申请通过使用docker容器在图形处理器GPU上执行开发机操作任务，从而可以直接利用本地主机的操作系统，从而可以提高物理机的硬件的利用率。
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 (28)

1.一种开发机操作任务的处理方法，其中，所述方法包括：
接收客户端发起的任务创建请求；
根据所述任务创建请求，生成开发机操作任务；
为所述开发机操作任务分配执行所述开发机操作任务所需的目标图像处理器GPU；
向集群节点中的主节点发送所述开发机操作任务请求，所述任务请求用于请求在所述目标GPU上执行所述开发机操作任务。
2.根据权利要求1所述的方法，其中，所述为所述开发机操作任务分配执行所述开发机操作任务所需的目标图像处理器GPU，包括：
确定所述开发机操作任务所属的用户组，不同的所述用户组对应不同的资源使用权限；
根据所属的用户组对应的资源使用权限，以及所述开发机操作任务所需的资源，分配执行所述开发机操作任务所需的目标GPU。
3.根据权利要求2所述的方法，在所述确定所述开发机操作任务所属的用户组之后，还包括：
确定所述开发机操作任务所属的用户组的资源使用额度；
所述为所述开发机操作任务分配执行所述开发机操作任务所需的目标图像处理器GPU，包括：
若所述用户组的资源使用额度大于或等于所述开发机操作任务所需的资源量，则分配执行所述开发机操作任务所需的目标GPU。
4.根据权利要求3所述的方法，在所述分配执行所述开发机操作任务所需的目标GPU之后，所述方法还包括：
在所述用户组的资源使用额度中减去所述开发机操作任务所需的资源量。
5.根据权利要求1所述的方法，其中，所述方法还包括：
在任务数据库中查询所述开发机操作任务对所述目标GPU的资源利用率；
若所述开发机操作任务对所述GPU的资源利用率低于第一阈值，则向所述主节点发送释放任务指示，所述释放任务指示在所目标GPU上释放所述开发机操作任务。
6.根据权利要求1所述的方法，其中，所述方法还包括：
在任务数据库中查询所述目标GPU的资源利用率；
若所述目标GPU的资源利用率超过第二阈值，则重新为所述开发机操作任务分配目标GPU；
基于重新分配的GPU向所述主节点发送所述开发机操作任务请求。
7.根据权利要求1所述的方法，在所述向集群节点中的主节点发送所述开发机操作任务请求之后，所述方法还包括：
过程所述开发机操作任务对应的开发机的快照，所述快照为所述开发机的数据之间的逻辑关系。
8.根据权利要求1所述的方法，在所述向集群节点中的主节点发送所述开发机操作任务请求之后，所述方法还包括：
确定所述开发机操作任务所需的块设备，所述块设备用于为所述开发机操作任务请求存储资源。
9.根据权利要求1-8任一项所述的方法，所述开发机操作任务包括以下至少一项：创建所述开发机、删除所述开发机、重启所述开发机和重装所述开发机。
10.一种开发机操作任务的处理方法，其中，所述方法包括：
接收任务管理服务器发送的开发机操作任务请求，所述任务请求用于请求在目标GPU上执行所述开发机操作任务；
根据集群节点中的多个工作节点的运行状态，确定目标工作节点；
调度所述目标工作节点的docker容器在所述目标GPU上执行所述开发机操作任务。
11.根据权利要求10所述的方法，在所述调度所述目标工作节点的docker容器在所述目标GPU上执行所述开发机操作任务之后，所述方法还包括：
监控所述目标工作节点的开发机操作任务的执行进度和所述开发机操作任务对应的开发机的状态；
将所述开发机操作任务的执行进度和所述开发机操作任务对应的开发机的状态发送给所述任务数据库。
12.根据权利要求10所述的方法，在所述调度所述目标工作节点的docker容器在所述目标GPU上执行所述开发机操作任务之后，所述方法还包括：
监控所述开发机操作任务对所述目标GPU的资源利用率；
将所述目标GPU的资源利用率发送给所述任务数据库。
13.根据权利要求10-12任一项所述的方法，所述开发机操作任务包括以下至少一项：创建所述开发机、删除所述开发机、重启所述开发机和重装所述开发机。
14.一种开发机操作任务的处理装置，其中，所述装置包括：
接收模块，用于接收客户端发起的任务创建请求；
处理模块，用于根据所述任务创建请求，生成开发机操作任务；为所述开发机操作任务分配执行所述开发机操作任务所需的目标图像处理器GPU；
发送模块，用于向集群节点中的主节点发送所述开发机操作任务请求，所述任务请求用于请求在所述目标GPU上执行所述开发机操作任务。
15.根据权利要求14所述的装置，其中，所述处理模块，具体用于确定所述开发机操作任务所属的用户组，不同的所述用户组对应不同的资源使用权限；根据所属的用户组对应的资源使用权限，以及所述开发机操作任务所需的资源，分配执行所述开发机操作任务所需的目标GPU。
16.根据权利要求15所述的装置，所述处理模块，还用于确定所述开发机操作任务所属的用户组的资源使用额度；若所述用户组的资源使用额度大于或等于所述开发机操作任务所需的资源量，则分配执行所述开发机操作任务所需的目标GPU。
17.根据权利要求16所述的装置，所述处理模块，还用于在所述用户组的资源使用额度中减去所述开发机操作任务所需的资源量。
18.根据权利要求14所述的装置，其中，所述处理模块，还用于在任务数据库中查询所述开发机操作任务对所述目标GPU的资源利用率；若所述开发机操作任务对所述GPU的资源利用率低于第一阈值，则向所述主节点发送释放任务指示，所述释放任务指示在所目标GPU上释放所述开发机操作任务。
19.根据权利要求14所述的装置，其中，所述处理模块，还用于在任务数据库中查询所述目标GPU的资源利用率；若所述目标GPU的资源利用率超过第二阈值，则重新为所述开发机操作任务分配目标GPU；基于重新分配的GPU向所述主节点发送所述开发机操作任务请求。
20.根据权利要求14所述的装置，所述处理模块，还用于对所述开发机操作任务对应的开发机的快照进行更新，所述快照为所述开发机的数据之间的逻辑关系。
21.根据权利要求20所述的装置，所述处理模块，还用于确定所述开发机操作任务所需的块设备，所述块设备用于为所述开发机操作任务请求存储资源。
22.根据权利要求14-21任一项所述的装置，所述开发机操作任务包括以下至少一项：创建所述开发机、删除所述开发机、重启所述开发机和重装所述开发机。
23.一种开发机操作任务的处理装置，其中，所述装置包括：
接收模块，用于接收任务管理服务器发送的开发机操作任务请求，所述任务请求用于请求在目标GPU上执行所述开发机操作任务；
处理模块，用于根据集群节点中的多个工作节点的运行状态，确定目标工作节点；调度所述目标工作节点的docker容器在所述目标GPU上执行所述开发机操作任务。
24.根据权利要求23所述的装置，所述处理模块，还用于监控所述目标工作节点的开发机操作任务的执行进度和所述开发机操作任务对应的开发机的状态；
所述装置还包括，发送模块，用于将所述开发机操作任务的执行进度和所述开发机操作任务对应的开发机的状态发送给所述任务数据库。
25.根据权利要求23所述的装置，所述处理模块，还用于监控所述开发机操作任务对所述目标GPU的资源利用率；
所述发送模块，还用于将所述目标GPU的资源利用率发送给所述任务数据库。
26.根据权利要求23-25任一项所述的装置，所述开发机操作任务包括以下至少一项：创建所述开发机、删除所述开发机、重启所述开发机和重装所述开发机。
27.一种电子设备，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权利要求1-13中任一项所述的方法。
28.一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权利要求1-13中任一项所述的方法。
CN202011058788.3A 2020-09-30 2020-09-30 开发机操作任务的处理方法、装置、设备以及存储介质 Pending CN112035220A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202011058788.3A CN112035220A (zh) 2020-09-30 2020-09-30 开发机操作任务的处理方法、装置、设备以及存储介质
EP21161072.0A EP3869336A1 (en) 2020-09-30 2021-03-05 Method and apparatus for processing development machine operation task, device and storage medium
US17/194,845 US20210191780A1 (en) 2020-09-30 2021-03-08 Method and apparatus for processing development machine operation task, device and storage medium
KR1020210033233A KR20210036874A (ko) 2020-09-30 2021-03-15 개발 키트 조작 임무 처리 방법, 장치, 기기 및 저장매체
JP2021044060A JP7170768B2 (ja) 2020-09-30 2021-03-17 開発マシン操作タスクの処理方法、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011058788.3A CN112035220A (zh) 2020-09-30 2020-09-30 开发机操作任务的处理方法、装置、设备以及存储介质

Publications (1)

Publication Number Publication Date
CN112035220A true CN112035220A (zh) 2020-12-04

Family

ID=73573427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011058788.3A Pending CN112035220A (zh) 2020-09-30 2020-09-30 开发机操作任务的处理方法、装置、设备以及存储介质

Country Status (5)

Country Link
US (1) US20210191780A1 (zh)
EP (1) EP3869336A1 (zh)
JP (1) JP7170768B2 (zh)
KR (1) KR20210036874A (zh)
CN (1) CN112035220A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112783506A (zh) * 2021-01-29 2021-05-11 展讯通信（上海）有限公司 一种模型运行方法及相关装置

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113672368A (zh) * 2021-08-18 2021-11-19 上海哔哩哔哩科技有限公司 任务调度方法及系统
CN114172886A (zh) * 2021-11-29 2022-03-11 北京金山云网络技术有限公司 机器控制方法、装置、存储介质以及电子设备
CN114138499B (zh) * 2022-01-29 2022-05-06 苏州浪潮智能科技有限公司 Gpu资源利用率的监控方法、装置、计算机设备及介质
CN116069481B (zh) * 2023-04-06 2023-07-18 山东省计算中心（国家超级计算济南中心） 一种共享gpu资源的容器调度系统及调度方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107783818A (zh) * 2017-10-13 2018-03-09 北京百度网讯科技有限公司 深度学习任务处理方法、装置、设备及存储介质
CN108681777A (zh) * 2018-05-07 2018-10-19 北京京东尚科信息技术有限公司 一种基于分布式系统的机器学习程序运行的方法和装置
CN109144661A (zh) * 2018-07-05 2019-01-04 杭州电子科技大学 一种基于docker的深度学习管理方法
CN109213600A (zh) * 2018-09-11 2019-01-15 郑州云海信息技术有限公司 一种基于ai云的gpu资源调度方法和装置
CN109358944A (zh) * 2018-09-17 2019-02-19 深算科技（重庆）有限公司 深度学习分布式运算方法、装置、计算机设备及存储介质
CN109936604A (zh) * 2017-12-18 2019-06-25 北京图森未来科技有限公司 一种资源调度方法、装置和系统
US20190197655A1 (en) * 2017-04-14 2019-06-27 EMC IP Holding Company LLC Managing access to a resource pool of graphics processing units under fine grain control
CN110275761A (zh) * 2018-03-16 2019-09-24 华为技术有限公司 调度方法、装置和主节点
CN110888743A (zh) * 2019-11-27 2020-03-17 中科曙光国际信息产业有限公司 一种gpu资源使用方法、装置及存储介质
CN111090456A (zh) * 2019-12-06 2020-05-01 浪潮(北京)电子信息产业有限公司 一种深度学习开发环境的构建方法、装置、设备及介质
CN111400021A (zh) * 2019-01-02 2020-07-10 中国移动通信有限公司研究院 一种深度学习方法、装置及系统

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8151269B1 (en) * 2003-12-08 2012-04-03 Teradata Us, Inc. Database system having a service level goal responsive regulator
CN104750558B (zh) * 2013-12-31 2018-07-03 伊姆西公司 在分层配额系统中管理资源分配的方法和装置
US10454789B2 (en) 2015-10-19 2019-10-22 Draios, Inc. Automated service-oriented performance management
US9436585B1 (en) * 2015-11-19 2016-09-06 International Business Machines Corporation Image patching in an integrated development environment
US10373284B2 (en) 2016-12-12 2019-08-06 Amazon Technologies, Inc. Capacity reservation for virtualized graphics processing
US10691816B2 (en) 2017-02-24 2020-06-23 International Business Machines Corporation Applying host access control rules for data used in application containers
US10275851B1 (en) 2017-04-25 2019-04-30 EMC IP Holding Company LLC Checkpointing for GPU-as-a-service in cloud computing environment
CN111279319A (zh) 2017-09-30 2020-06-12 甲骨文国际公司 容器组的动态迁移
CN109726005B (zh) 2017-10-27 2023-02-28 伊姆西Ip控股有限责任公司 用于管理资源的方法、服务器系统和计算机可读介质
JP6753875B2 (ja) 2018-02-20 2020-09-09 株式会社日立製作所 運用管理システム及び運用管理方法
CN108769254B (zh) 2018-06-25 2019-09-20 星环信息科技（上海）有限公司 基于抢占式调度的资源共享使用方法、系统及设备
US11381476B2 (en) 2018-12-11 2022-07-05 Sap Se Standardized format for containerized applications
KR102032521B1 (ko) 2018-12-26 2019-10-15 래블업(주) 컨테이너 기반의 gpu 가상화 방법 및 시스템
JP6746741B1 (ja) 2019-03-08 2020-08-26 ラトナ株式会社 コンテナオーケストレーション技術を利用したセンサ情報処理システム、センサ情報処理システムの制御方法、センサ情報処理システムの制御に用いるコンピュータプログラム、及び、その記録媒体。
CN110532098B (zh) 2019-08-30 2022-03-08 广东星舆科技有限公司 提供gpu服务的方法及系统
CN110796591B (zh) * 2019-09-25 2023-11-03 广东浪潮大数据研究有限公司 一种gpu卡的使用方法及相关设备
CN111078398A (zh) * 2019-11-29 2020-04-28 苏州浪潮智能科技有限公司 一种gpu的分配方法、设备以及存储介质
CN110851285B (zh) 2020-01-14 2020-04-24 支付宝(杭州)信息技术有限公司 一种基于gpu虚拟化的资源复用方法、装置及设备
CN113391796B (zh) * 2020-03-13 2024-01-30 华为云计算技术有限公司 一种集成开发环境的构建方法、装置、设备及介质
CN111400051B (zh) 2020-03-31 2023-10-27 京东方科技集团股份有限公司 一种资源调度方法、装置及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190197655A1 (en) * 2017-04-14 2019-06-27 EMC IP Holding Company LLC Managing access to a resource pool of graphics processing units under fine grain control
CN107783818A (zh) * 2017-10-13 2018-03-09 北京百度网讯科技有限公司 深度学习任务处理方法、装置、设备及存储介质
CN109936604A (zh) * 2017-12-18 2019-06-25 北京图森未来科技有限公司 一种资源调度方法、装置和系统
CN110275761A (zh) * 2018-03-16 2019-09-24 华为技术有限公司 调度方法、装置和主节点
CN108681777A (zh) * 2018-05-07 2018-10-19 北京京东尚科信息技术有限公司 一种基于分布式系统的机器学习程序运行的方法和装置
CN109144661A (zh) * 2018-07-05 2019-01-04 杭州电子科技大学 一种基于docker的深度学习管理方法
CN109213600A (zh) * 2018-09-11 2019-01-15 郑州云海信息技术有限公司 一种基于ai云的gpu资源调度方法和装置
CN109358944A (zh) * 2018-09-17 2019-02-19 深算科技（重庆）有限公司 深度学习分布式运算方法、装置、计算机设备及存储介质
CN111400021A (zh) * 2019-01-02 2020-07-10 中国移动通信有限公司研究院 一种深度学习方法、装置及系统
CN110888743A (zh) * 2019-11-27 2020-03-17 中科曙光国际信息产业有限公司 一种gpu资源使用方法、装置及存储介质
CN111090456A (zh) * 2019-12-06 2020-05-01 浪潮(北京)电子信息产业有限公司 一种深度学习开发环境的构建方法、装置、设备及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HAMED HAMZEH ET AL.: "A New Approach to Calculate Resource Limits with Fairness in Kubernetes", 《2019 FIRST INTERNATIONAL CONFERENCE ON DIGITAL DATA PROCESSING》, 6 January 2020 (2020-01-06), pages 51 - 57 *
JIANBO HUANG ET AL.: "Design and Performance Modeling of A YARN-based GPU Resource Scheduling System", 《2019 IEEE 5TH INTERNATIONAL CONFERENCE ON COMPUTER AND COMMUNICATIONS》, 13 April 2020 (2020-04-13), pages 1897 - 1900 *
骆宝童: "多微云协作模式下的任务卸载算法研究", 《中国优秀硕士学位论文全文数据库》, 15 January 2019 (2019-01-15), pages 1 - 72 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112783506A (zh) * 2021-01-29 2021-05-11 展讯通信（上海）有限公司 一种模型运行方法及相关装置
CN112783506B (zh) * 2021-01-29 2022-09-30 展讯通信（上海）有限公司 一种模型运行方法及相关装置

Also Published As

Publication number Publication date
US20210191780A1 (en) 2021-06-24
KR20210036874A (ko) 2021-04-05
JP7170768B2 (ja) 2022-11-14
EP3869336A1 (en) 2021-08-25
JP2021099879A (ja) 2021-07-01

Similar Documents

Publication Publication Date Title
CN112035220A (zh) 开发机操作任务的处理方法、装置、设备以及存储介质
EP3876100A2 (en) Method and apparatus for sharing gpu, electronic device and readable storage medium
CN109286653B (zh) 智能云工程平台
US9501309B2 (en) Monitoring hypervisor and provisioned instances of hosted virtual machines using monitoring templates
US10193977B2 (en) System, device and process for dynamic tenant structure adjustment in a distributed resource management system
US8656387B2 (en) Method and system for workload distributing and processing across a network of replicated virtual machines
US20110185063A1 (en) Method and system for abstracting non-functional requirements based deployment of virtual machines
CN112104723B (zh) 一种多集群的数据处理系统及方法
US9397953B2 (en) Operation managing method for computer system, computer system and computer-readable storage medium having program thereon
US11740921B2 (en) Coordinated container scheduling for improved resource allocation in virtual computing environment
KR102651083B1 (ko) 다중―단일―테넌트 SaaS 서비스들의 관리
CN110704162A (zh) 物理机共享容器镜像的方法、装置、设备及存储介质
CN111290768A (zh) 一种容器化应用系统的更新方法、装置、设备和介质
CN111782341A (zh) 用于管理集群的方法和装置
CN111563253B (zh) 智能合约运行方法、装置、设备及存储介质
CN110908675B (zh) 运行环境获取方法、装置和电子设备
CN112527451B (zh) 容器资源池的管理方法、装置、设备以及存储介质
CN115576565A (zh) 应用程序的部署方法、装置、电子设备及存储介质
CN113051122B (zh) 性能数据获取方法、装置、电子设备和介质
US10908922B2 (en) Dataflow controller technology for dataflow execution graph
CN117742891A (zh) 带vDPA设备的虚拟机的创建方法、装置、设备及存储介质
CN114579146A (zh) 软件安装方法、装置、设备以及存储介质
CN116578430A (zh) 一种请求响应方法、装置、设备以及存储介质
CN114168258A (zh) 容器生产系统、方法、装置及计算机设备
CN111614494A (zh) 网络资源的仿真方法、装置、电子设备和计算机可读存储介质

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