CN112286631A - 一种Kubernetes资源调度方法、装置与电子设备 - Google Patents
一种Kubernetes资源调度方法、装置与电子设备 Download PDFInfo
- Publication number
- CN112286631A CN112286631A CN202011142760.8A CN202011142760A CN112286631A CN 112286631 A CN112286631 A CN 112286631A CN 202011142760 A CN202011142760 A CN 202011142760A CN 112286631 A CN112286631 A CN 112286631A
- Authority
- CN
- China
- Prior art keywords
- task
- resource
- node
- tasks
- scheduling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种Kubernetes资源调度方法，对整体任务与可运行节点进行分组分配，然后进行统一调度，如果调度失败则进行回滚释放资源，调整每个任务所需资源，再进行分组分配。S1、获取任务组，判断目前空余资源总和是否满足任务组所需要的整体资源，如不满足则不进行调度，如果满足则进入步骤S2；S2、获取任务组中各任务所需资源情况，并获取可用于执行该任务的Kubernetes节点和节点资源情况；S3、根据任务组中各任务所需资源情况，以及可用于执行该任务的Kubernetes节点和节点资源情况，对任务组中各任务进行分组；S5、根据任务和节点分组，进行资源调度。本发明还提供了相应的Kubernetes资源调度装置及电子设备。本发明使集群能有效进行调度，提高了任务调度的成功率。
Description
技术领域
本发明属于云计算技术领域，更具体地，涉及一种Kubernetes资源调度方法、装置与电子设备。
背景技术
关于Kubernetes资源调用方法，目前原生Kubernetes并没有采用组任务资源调用，即针对一项具有多job任务的一组调度任务，多个job之间有相互的依赖关系，Kubernetes会对job进行依次调度，不会进行整体资源分配，可能会出现后续调度的job无法满足调度需要，而由于依赖关系，可以进行调度成功的job会一直处于running状态，占用系统资源，而整体任务会处于阻塞状态。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提出一种Kubernetes资源调度方法，采用更加优化的组策略调度算法，尤其针对大批量、一次性作业任务，能使集群能有效进行调度，提高了任务调度的成功率，减少了因任务阻塞而出现的资源占用浪费情况。
为实现上述目的，按照本发明的一个方面，提供了一种Kubernetes资源调度方法，对整体任务与可运行节点进行分组分配，然后进行统一调度，如果调度失败则进行回滚释放资源，调整每个任务所需资源，再进行分组分配。
本发明的一个实施例中，所述方法包括：
S1、获取任务组，判断目前空余资源总和是否满足任务组所需要的整体资源，如不满足则不进行调度，如果满足则进入步骤S2；
S2、获取任务组中各任务所需资源情况，并获取可用于执行该任务的Kubernetes节点和节点资源情况；
S3、根据任务组中各任务所需资源情况，以及可用于执行该任务的Kubernetes节点和节点资源情况，对任务组中各任务进行分组；
S5、根据任务和节点分组，进行资源调度。
本发明的一个实施例中，所述步骤S3包括：
S31、初始化候选任务组列表L，即针对各个节点，可以运行哪些任务；
S32、获取节点可执行任务数量M和job可分配节点数量N；
S33、以节点为目标，选取M最大的节点，如有多个最大，随机取一节点；
S34、针对该节点，从L中选取可执行job，选择N最小的job，如有多个最小，随机取一job；
S35、将该job分配至该节点，删除L中该job，重复S32～S35；
S36、重复S31-S35，直至所有任务分配完毕；
S37、形成最终调度列表，即各任务分配至哪些节点运行。
本发明的一个实施例中，在所述步骤S5中如果调度失败，则执行步骤S6，所述步骤S6包括：
对整体任务组进行回滚，对已分配任务进行删除，并重复步骤S2-S6。
本发明的一个实施例中，所述方法还包括步骤S7，所述步骤S7包括：
对整体任务组进行回滚，对已分配任务进行删除，对任务组任务进行重新分配，使单个任务所占用资源减少，整体任务个数增加，并重复步骤S2-S7。
本发明的一个实施例中，所述方法还包括步骤S4，所述步骤S4包括：
S4、如果在步骤S3中分组未能完成，则重复步骤S2-S4。
按照本发明的另一方面，还提供了一种Kubernetes资源调度装置，包括资源判断模块、资源获取模块、任务分组模块和资源调度模块，其中：
所述资源判断模块，用于获取任务组，判断目前空余资源总和是否满足任务组所需要的整体资源，如不满足则不进行调度，如果满足则跳转至所述资源获取模块；
所述资源获取模块，用于获取任务组中各任务所需资源情况，并获取可用于执行该任务的Kubernetes节点和节点资源情况；
所述任务分组模块，用于根据任务组中各任务所需资源情况，以及可用于执行该任务的Kubernetes节点和节点资源情况，对任务组中各任务进行分组；
所述资源调度模块，用于根据任务和节点分组，进行资源调度。
本发明的一个实施例中，所述任务分组模块根据任务组中各任务所需资源情况，以及可用于执行该任务的Kubernetes节点和节点资源情况，对任务组中各任务进行分组，具体为：
S31、初始化候选任务组列表L，即针对各个节点，可以运行哪些任务；
S32、获取节点可执行任务数量M和job可分配节点数量N；
S33、以节点为目标，选取M最大的节点，如有多个最大，随机取一节点；
S34、针对该节点，从L中选取可执行job，选择N最小的job，如有多个最小，随机取一job；
S35、将该job分配至该节点，删除L中该job，重复S32～S35；
S36、重复S31-S35，直至所有任务分配完毕；
S37、形成最终调度列表，即各任务分配至哪些节点运行。
本发明的一个实施例中，所述Kubernetes资源调度装置还包括回滚模块，其中：
所述回滚模块，用于当所述资源调度模块调度失败时，对整体任务组进行回滚，对已分配任务进行删除，并跳转至所述资源获取模块，重新进行资源调度；或者，
所述回滚模块，用于对整体任务组进行回滚，对已分配任务进行删除，对任务组任务进行重新分配，使单个任务所占用资源减少，整体任务个数增加，并跳转至所述资源获取模块，重新进行资源调度。
按照本发明的另一方面，还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上述Kubernetes资源调度方法。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有如下有益效果：
(1)本发明所提供的Kubernetes资源调度方法，优化了Kubernetes资源调度策略，提升了资源利用率，减少了因资源问题导致任务阻塞而造成的资源浪费；
(2)本发明所提供的Kubernetes资源分配方式减少了资源碎片产生，提升了大批量计算任务调度成功的概率。
附图说明
图1为本发明实施例中Kubernetes资源调度方法的流程示意图；
图2为本发明实施例中一种任务和资源节点分组算法示意图，表示各job可单独运行的节点；
图3为本发明实施例中Kubernetes资源调度装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明需要解决现有技术中Kubernetes调度大批量一次性作业任务发生的调度阻塞问题：
原生Kubernetes以单个pod分配，不能进行整体规划，大批量计算任务，涉及多个pod，部分pod分配阻塞，造成资源浪费或任务无法执行；
目前存在的支持组规划的方法，依然以单个任务进行考虑资源分配，一定程度能解决集群资源浪费问题，但没有考虑到其他任务的执行导致的集群资源的动态变化，依然会导致阻塞情况；目前存在的支持组规划的方法，以最优方式分配或按时间排序，容易形成资源碎片化现象，导致总体资源足够而无法满足实际需求的情况，造成任务无法顺利执行。
为解决该技术问题，本发明所采用的技术方案是：
对整体任务与可运行节点进行分组分配，然后进行统一调度，如果调度失败则进行回滚释放资源，调整每个任务所需资源，再进行分组分配。如图1所示，包括：
S1、获取任务组，判断目前空余资源总和是否满足任务组所需要的整体资源，如不满足则不进行调度，如果满足则进入步骤S2；
具体地，首先获取任务组，对任务组所需要的整体资源进行校验，如果所需整体资源超过Kubernetes目前空余资源总和，则不进行调度，因为任务无论怎么分配将都不会满足任务运行资源要求；如校验通过，则进行步骤S2；
S2、获取任务组各任务所需资源情况，并获取可用于执行该任务的Kubernetes节点和节点资源情况；
S3、根据任务组中各任务所需资源情况，以及可用于执行该任务的Kubernetes节点和节点资源情况，对任务组中各任务进行分组；
通过资源分配算法进行分组，本发明实施例中，任务与节点的分组算法，如图2所示，具体包括：
S31、初始化候选任务组列表，记为L，即针对各个节点，可以运行哪些任务；例如：
Node1：job1、job2、···
······
NodeN:job2、jobn、···
S32、获取节点可执行任务数量记为M和job可分配节点数量记为N；
S33、以节点为目标，选取M最大的节点，如有多个最大，随机取一节点；
S34、针对该节点，从L中选取可执行job，选择N最小的job，如有多个最小，随机取一job；
S35、将该job分配至该节点，删除L中该job，重复S32～S35；
或者，本步骤也可以为：将该job分配至该节点，删除L中该job，同时该节点的可执行任务数量M更新为M-1；如果可分配至该节点的剩余job数大于0，重复S34-S35；如果可分配至该节点的剩余job数为0，且剩余未分配job数不为0，则重复S32-S35；如果剩余未分配job数为0，则任务分配完成；
S36、重复S31-S35，直至所有任务分配完毕；
S37、形成最终调度列表，即各任务分配至哪些节点运行；例如：
Node1：job1、job2、···
······
NodeN:job3、job4···
通过上述任务与节点的分组算法，可以满足如下需求：A.任务组具备原子性，要么完全调度成功，要么不调度挂起占用资源；B.考虑节点资源变动，不锁定资源，调度失败直接回滚释放资源；C.调度算法适用Kubernetes调度大批量作业，不会造成过多资源碎片；D.节点利用率高，尽可能使资源总数满足的情况下调度成功；
S4、如果在步骤S3中分组未能完成(即节点分配完毕而L中仍有job)，则重复步骤S2-S4，如果分组完成则执行步骤S5；
S5、根据任务和节点分组，进行资源调度，调度成功，则执行完成，流程结束；调度失败，则执行步骤S6；
S6、调度执行失败(任务分组完成但执行失败，表明集群对任务组执行资源满足但资源紧张，再执行过程中资源变动造成调度执行失败)，则对整体任务组进行回滚(回滚是Kubernetes原生功能，即回复部署之前的状态，释放资源)，对已分配任务进行删除，进行可选步骤7或重复步骤S2-S6；
S7、步骤S7为可选步骤，对任务组任务进行重新分配，使单个任务所占用资源减少，整体任务个数增加，重复步骤S2-S7。
本发明技术方案适用用于大批量、一次性作业，以下结合一具体实施例以Spark一次性作业任务为例说明本发明技术方案。
S21、对某一一次性Spark(是一个大数据开源项目)任务，由Spark调度器生成多个executor(Spark任务执行单元)，每个executor代表一个单个任务，整体作为任务组，每个executor将作为一个job任务运行在Kubernetes上。对executor任务组所需要的整体资源进行校验，如果所需整体资源超过Kubernetes目前空余资源总和，则不进行调度，因为任务无论怎么分配将都不会满足任务运行资源要求。如校验通过，则进行步骤S22。
S22、获取executor任务组各任务所需资源情况，并获取可用于执行该任务的Kubernetes节点(node)和节点资源情况；
S23、通过资源分配算法进行分组(分组算法见前文描述，一个job(一种Kubernetes调度资源)对应一个executor)；
S24、如果分组完成，则执行程序，如果分组未能完成，则重复步骤S22-S24，如果分组完成则执行步骤S25；
S25、根据任务和节点分组，进行资源调度，在Kubernetes上以deployment(一种Kubernetes调度资源)将各executor分配至相应node形成pod(一种Kubernetes调度资源)进行执行，调度执行成功，则执行完成，流程结束；调度执行失败，则执行步骤6；
S26、调度执行失败，则对整体任务组进行回滚，即对该deployment进行删除，相应pod自动删除，进行可选步骤S27或重复步骤S22-S26；
S27、步骤S27为可选步骤，对任务组任务进行重新调度分配(Spark调度器执行)，使该Spark任务分成更多executor，每个executor所占用资源减少。重复步骤S22-S27。
进一步地，本发明还提供了一种Kubernetes资源调度装置，如图3所示，包括资源判断模块、资源获取模块、任务分组模块和资源调度模块，其中：
所述资源判断模块，用于获取任务组，判断目前空余资源总和是否满足任务组所需要的整体资源，如不满足则不进行调度，如果满足则跳转至所述资源获取模块；
所述资源获取模块，用于获取任务组中各任务所需资源情况，并获取可用于执行该任务的Kubernetes节点和节点资源情况；
所述任务分组模块，用于根据任务组中各任务所需资源情况，以及可用于执行该任务的Kubernetes节点和节点资源情况，对任务组中各任务进行分组；
所述资源调度模块，用于根据任务和节点分组，进行资源调度。
进一步地，所述任务分组模块根据任务组中各任务所需资源情况，以及可用于执行该任务的Kubernetes节点和节点资源情况，对任务组中各任务进行分组，具体为：
S31、初始化候选任务组列表L，即针对各个节点，可以运行哪些任务；
S32、获取节点可执行任务数量M和job可分配节点数量N；
S33、以节点为目标，选取M最大的节点，如有多个最大，随机取一节点；
S34、针对该节点，从L中选取可执行job，选择N最小的job，如有多个最小，随机取一job；
S35、将该job分配至该节点，删除L中该job，重复S32～S35；
S36、重复S31-S35，直至所有任务分配完毕；
S37、形成最终调度列表，即各任务分配至哪些节点运行。
进一步地，所述Kubernetes资源调度装置，还包括回滚模块，其中：
所述回滚模块，用于当所述资源调度模块调度失败时，对整体任务组进行回滚，对已分配任务进行删除，并转所述资源获取模块，重新进行资源调度；或者，
所述回滚模块，用于对整体任务组进行回滚，对已分配任务进行删除，对任务组任务进行重新分配，使单个任务所占用资源减少，整体任务个数增加，并转所述资源获取模块，重新进行资源调度。
进一步地，本发明还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上述Kubernetes资源调度方法。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种Kubernetes资源调度方法，其特征在于，对整体任务与可运行节点进行分组分配，然后进行统一调度，如果调度失败则进行回滚释放资源，调整每个任务所需资源，再进行分组分配。
2.如权利要求1所述的Kubernetes资源调度方法，其特征在于，包括：
S1、获取任务组，判断目前空余资源总和是否满足任务组所需要的整体资源，如不满足则不进行调度，如果满足则进入步骤S2；
S2、获取任务组中各任务所需资源情况，并获取可用于执行该任务的Kubernetes节点和节点资源情况；
S3、根据任务组中各任务所需资源情况，以及可用于执行该任务的Kubernetes节点和节点资源情况，对任务组中各任务进行分组；
S5、根据任务和节点分组，进行资源调度。
3.如权利要求2所述的Kubernetes资源调度方法，其特征在于，所述步骤S3包括：
S31、初始化候选任务组列表L，即针对各个节点，可以运行哪些任务；
S32、获取节点可执行任务数量M和job可分配节点数量N；
S33、以节点为目标，选取M最大的节点，如有多个最大，随机取一节点；
S34、针对该节点，从L中选取可执行job，选择N最小的job，如有多个最小，随机取一job；
S35、将该job分配至该节点，删除L中该job，重复S32～S35；
S36、重复S31-S35，直至所有任务分配完毕；
S37、形成最终调度列表，即各任务分配至哪些节点运行。
4.如权利要求2或3所述的Kubernetes资源调度方法，其特征在于，在所述步骤S5中如果调度失败，则执行步骤S6，所述步骤S6包括：
对整体任务组进行回滚，对已分配任务进行删除，并重复步骤S2-S6。
5.如权利要求2或3所述的Kubernetes资源调度方法，其特征在于，所述方法还包括步骤S7，所述步骤S7包括：
对整体任务组进行回滚，对已分配任务进行删除，对任务组任务进行重新分配，使单个任务所占用资源减少，整体任务个数增加，并重复步骤S2-S7。
6.如权利要求2或3所述的Kubernetes资源调度方法，其特征在于，所述方法还包括步骤S4，所述步骤S4包括：
S4、如果在步骤S3中分组未能完成，则重复步骤S2-S4。
7.一种Kubernetes资源调度装置，其特征在于，包括资源判断模块、资源获取模块、任务分组模块和资源调度模块，其中：
所述资源判断模块，用于获取任务组，判断目前空余资源总和是否满足任务组所需要的整体资源，如不满足则不进行调度，如果满足则跳转至所述资源获取模块；
所述资源获取模块，用于获取任务组中各任务所需资源情况，并获取可用于执行该任务的Kubernetes节点和节点资源情况；
所述任务分组模块，用于根据任务组中各任务所需资源情况，以及可用于执行该任务的Kubernetes节点和节点资源情况，对任务组中各任务进行分组；
所述资源调度模块，用于根据任务和节点分组，进行资源调度。
8.如权利要求7所述的Kubernetes资源调度装置，其特征在于，所述任务分组模块根据任务组中各任务所需资源情况，以及可用于执行该任务的Kubernetes节点和节点资源情况，对任务组中各任务进行分组，具体为：
S31、初始化候选任务组列表L，即针对各个节点，可以运行哪些任务；
S32、获取节点可执行任务数量M和job可分配节点数量N；
S33、以节点为目标，选取M最大的节点，如有多个最大，随机取一节点；
S34、针对该节点，从L中选取可执行job，选择N最小的job，如有多个最小，随机取一job；
S35、将该job分配至该节点，删除L中该job，重复S32～S35；
S36、重复S31-S35，直至所有任务分配完毕；
S37、形成最终调度列表，即各任务分配至哪些节点运行。
9.如权利要求7或8所述的Kubernetes资源调度装置，其特征在于，还包括回滚模块，其中：
所述回滚模块，用于当所述资源调度模块调度失败时，对整体任务组进行回滚，对已分配任务进行删除，并跳转至所述资源获取模块，重新进行资源调度；或者，
所述回滚模块，用于对整体任务组进行回滚，对已分配任务进行删除，对任务组任务进行重新分配，使单个任务所占用资源减少，整体任务个数增加，并跳转至所述资源获取模块，重新进行资源调度。
10.一种电子设备，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至6任一项所述的Kubernetes资源调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011142760.8A CN112286631B (zh) | 2020-10-23 | 2020-10-23 | 一种Kubernetes资源调度方法、装置与电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011142760.8A CN112286631B (zh) | 2020-10-23 | 2020-10-23 | 一种Kubernetes资源调度方法、装置与电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112286631A true CN112286631A (zh) | 2021-01-29 |
| CN112286631B CN112286631B (zh) | 2022-07-01 |
Family
ID=74424677
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011142760.8A Active CN112286631B (zh) | 2020-10-23 | 2020-10-23 | 一种Kubernetes资源调度方法、装置与电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112286631B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113722079A (zh) * | 2021-11-03 | 2021-11-30 | 北京云歌科技有限责任公司 | 基于目标应用的任务调度分配方法、装置、设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104462370A (zh) * | 2014-12-09 | 2015-03-25 | 北京百度网讯科技有限公司 | 分布式任务调度系统及方法 |
| US20190087232A1 (en) * | 2017-09-19 | 2019-03-21 | Shane Anthony Bergsma | System and method for distributed resource requirement and allocation |
| CN109614211A (zh) * | 2018-11-28 | 2019-04-12 | 新华三技术有限公司合肥分公司 | 分布式任务预调度方法及装置 |
| US20190132203A1 (en) * | 2017-10-31 | 2019-05-02 | Myndshft Technologies, Inc. | System and method for configuring an adaptive computing cluster |
| CN109960585A (zh) * | 2019-02-02 | 2019-07-02 | 浙江工业大学 | 一种基于kubernetes的资源调度方法 |
| CN111666158A (zh) * | 2020-06-23 | 2020-09-15 | 中信银行股份有限公司 | 一种基于Kubernetes的容器调度方法、装置、存储介质及电子设备 |
-
2020
- 2020-10-23 CN CN202011142760.8A patent/CN112286631B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104462370A (zh) * | 2014-12-09 | 2015-03-25 | 北京百度网讯科技有限公司 | 分布式任务调度系统及方法 |
| US20190087232A1 (en) * | 2017-09-19 | 2019-03-21 | Shane Anthony Bergsma | System and method for distributed resource requirement and allocation |
| US20190132203A1 (en) * | 2017-10-31 | 2019-05-02 | Myndshft Technologies, Inc. | System and method for configuring an adaptive computing cluster |
| CN109614211A (zh) * | 2018-11-28 | 2019-04-12 | 新华三技术有限公司合肥分公司 | 分布式任务预调度方法及装置 |
| CN109960585A (zh) * | 2019-02-02 | 2019-07-02 | 浙江工业大学 | 一种基于kubernetes的资源调度方法 |
| CN111666158A (zh) * | 2020-06-23 | 2020-09-15 | 中信银行股份有限公司 | 一种基于Kubernetes的容器调度方法、装置、存储介质及电子设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113722079A (zh) * | 2021-11-03 | 2021-11-30 | 北京云歌科技有限责任公司 | 基于目标应用的任务调度分配方法、装置、设备及介质 |
| CN113722079B (zh) * | 2021-11-03 | 2022-03-11 | 北京云歌科技有限责任公司 | 基于目标应用的任务调度分配方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112286631B (zh) | 2022-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110413391B (zh) | 基于容器集群的深度学习任务服务质量保证方法和系统 | |
| US8458712B2 (en) | System and method for multi-level preemption scheduling in high performance processing | |
| US8918792B2 (en) | Workflow monitoring and control system, monitoring and control method, and monitoring and control program | |
| CN109581983B (zh) | 基于多智能体的测控资源调度分配的方法和设备 | |
| CN101743534A (zh) | 通过增长和收缩资源分配来进行调度 | |
| CN103500119B (zh) | 一种基于预调度的任务分配方法 | |
| JP2012215933A (ja) | ジョブ管理システム及びジョブ管理方法 | |
| CN111651864B (zh) | 一种事件集中发射式多异构时间队列优化仿真执行方法及系统 | |
| CN107515781B (zh) | 一种基于多处理器的确定性任务调度及负载均衡系统 | |
| CN112286631B (zh) | 一种Kubernetes资源调度方法、装置与电子设备 | |
| CN116010064A (zh) | Dag作业调度和集群管理的方法、系统及装置 | |
| CN115951983A (zh) | 任务调度方法、装置、系统和电子设备 | |
| CN115934362A (zh) | 面向深度学习的服务器无感知计算集群调度方法及产品 | |
| CN115809772A (zh) | 一种基于规则的航天测控资源调度冲突消解方法 | |
| CN106775975B (zh) | 进程调度方法及装置 | |
| CN111240824A (zh) | 一种cpu资源调度方法及电子设备 | |
| CN117435324A (zh) | 基于容器化的任务调度方法 | |
| CN111143063B (zh) | 任务的资源预约方法及装置 | |
| CN116360922A (zh) | 集群资源调度方法、装置、计算机设备和存储介质 | |
| CN116263715A (zh) | 一种面向云原生智能排版服务的自动缩放系统及方法 | |
| CN112114958A (zh) | 资源隔离方法、分布式平台、计算机设备和存储介质 | |
| CN115629854A (zh) | 分布式任务调度方法、系统、电子设备和存储介质 | |
| CN114489970A (zh) | Kubernetes中利用Coscheduling插件实现队列排序的方法及系统 | |
| CN111950869A (zh) | 改进航天测控网调度问题初始解的迭代求解方法及系统 | |
| CN113301087A (zh) | 资源调度方法、装置、计算设备和介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |