CN113032092B - 分布式计算方法、装置及平台 - Google Patents
分布式计算方法、装置及平台 Download PDFInfo
- Publication number
- CN113032092B CN113032092B CN202110245936.0A CN202110245936A CN113032092B CN 113032092 B CN113032092 B CN 113032092B CN 202110245936 A CN202110245936 A CN 202110245936A CN 113032092 B CN113032092 B CN 113032092B
- Authority
- CN
- China
- Prior art keywords
- virtual private
- private cloud
- scheduling
- node
- service
- 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.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims description 20
- 238000007667 floating Methods 0.000 claims description 7
- 241001026509 Kata Species 0.000 claims description 6
- 238000002955 isolation Methods 0.000 abstract description 19
- 238000012545 processing Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F9/48—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]
- G06F9/5061—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
- G06F2009/45587—Isolation or security of 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
- G06F2009/45595—Network integration; Enabling network access in virtual machine instances
-
- 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)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer And Data Communications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开公开了分布式计算方法、装置及平台,涉及数据处理技术领域,尤其涉及云计算技术领域、大数据技术领域。具体实现方案为:接收作业任务请求,其中,作业任务请求中包括:对象标识和作业任务;确定服务的虚拟私有云的私有网络区中与对象标识对应的调度节点;将作业任务分配给调度节点,以使调度节点从私有网络区中与对象标识对应的执行节点中选择执行节点执行作业任务,在服务的虚拟私有云的私有网络区中为不同对象部署不同的调度节点和执行节点,能够实现多个对象之间执行节点之间的资源隔离,确保多个对象的作业任务之间的资源隔离,稳定对象的作业任务的执行时间,提升作业任务的执行效率。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及云计算技术领域、大数据技术领域,尤其涉及分布式计算方法、装置及平台。
背景技术
目前的分布式计算框架中,采用Spark引擎+Hadoop Yarn调度系统的结构,HadoopYarn调度系统在基础网络区部署调度节点和执行节点,提供基于线程监控的内存使用机制和基于Cgroup的资源隔离机制。上述方法中,Hadoop Yarn调度系统的资源隔离机制差,作业任务的执行时间和效率波动大。
发明内容
本公开提供了一种分布式计算方法、装置及平台。
根据本公开的一方面,提供了一种分布式计算方法,包括:接收作业任务请求,其中,所述作业任务请求中包括:对象标识和作业任务;确定服务的虚拟私有云的私有网络区中与所述对象标识对应的调度节点;将所述作业任务分配给所述调度节点,以使所述调度节点从所述私有网络区中与所述对象标识对应的执行节点中选择执行节点执行所述作业任务。
根据本公开的另一方面,提供了一种分布式计算装置,包括:接收模块,用于接收作业任务请求,其中,所述作业任务请求中包括:对象标识和作业任务;确定模块,用于确定服务的虚拟私有云的私有网络区中与所述对象标识对应的调度节点;分配模块,用于将所述作业任务分配给所述调度节点,以使所述调度节点从所述私有网络区中与所述对象标识对应的执行节点中选择执行节点执行所述作业任务。
根据第三方面,提供了一种分布式计算平台,包括:部署在集群上的服务的虚拟私有云和对象的虚拟私有云,其中,所述服务的虚拟私有云的私有网络区中部署有所述对象的调度节点和执行节点;所述服务的虚拟私有云与所述对象的虚拟私有云相互通讯,为所述对象的调度节点分配所述对象的作业任务;所述调度节点选择所述对象的执行节点;所述执行节点调用所述对象的虚拟私有云中的集群服务执行所述作业任务。
根据第四方面,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上所述的分布式计算方法。
根据第五方面,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如上所述的分布式计算方法。
根据第六方面,提供了一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,实现如上所述的分布式计算方法。
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,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是根据本公开第三实施例的示意图;
图4是根据本公开第四实施例的示意图;
图5是分布式计算平台的示意图;
图6是用来实现本公开实施例的分布式计算方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
下面参考附图描述本申请实施例的分布式计算方法、装置及平台。
图1是根据本申请第一实施例的示意图。其中,需要说明的是,本申请实施例的执行主体为分布式计算装置,分布式计算装置例如可以为分布式计算平台中的服务的虚拟私有云,或者服务的虚拟私有云中的节点。
如图1所示,分布式计算方法的具体实现过程如下:
步骤101,接收作业任务请求,其中,作业任务请求中包括:对象标识和作业任务。
本申请实施例中,执行分布式计算方法的分布式计算平台中可以包括:部署在集群上的服务的虚拟私有云和对象的虚拟私有云,其中,服务的虚拟私有云的私有网络区中部署有对象的调度节点和执行节点;服务的虚拟私有云与对象的虚拟私有云相互通讯,为对象的调度节点分配对象的作业任务;调度节点选择对象的执行节点;执行节点调用对象的虚拟私有云中的集群服务执行作业任务。
本申请实施例中,集群具体可以为开源的容器集群(Kubernetes,K8S),实现在容器组上部署调度节点和执行节点,实现资源隔离。
本申请实施例中,服务的虚拟私有云(Virtual Private Cloud,VPC)的私有网络区中可以包括:集群主节点(K8S Master)和多个集群从属节点(K8S Node),其中一个集群从属节点可以执行图1所示的方法。其中,该集群从属节点中可以部署Virtual Kubelet组件,通过该组件以及集群提供的API接口来执行图1所示的方法。
本申请实施例中,服务的虚拟私有云的私有网络区中的其他集群从属节点上可以存在多个容器组,其中一个容器组可以用于部署调度实例,得到对象的调度节点(driver);其他容器组上可以部署有多个执行实例,得到对象的多个执行节点(Executor)。
本申请实施例中,对象的虚拟私有云包括私有网络区和基础网络区。其中,对象的虚拟私有云的私有网络区可以包括以下集群服务中的至少一种:时序数据库(Time SeriesDatabase,TSDB)服务、搜索引擎(ElasticSearch,ES)数据库、数据仓库palo等。对象的虚拟私有云的基础网络区可以包括以下集群服务中的至少一种:KAFKA分布式日志系统、BOS服务等。
本申请实施例中,服务的虚拟私有云的私有网络区中的集群从属节点可以通过预设的API接口接收对象提供的携带对象标识和作业任务的作业任务请求,并进行处理。
本申请实施例中,对象标识例如可以为用户标识,其中,用户标识可以为用户的账号等唯一标识用户的内容。
需要说明的是,本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
步骤102,确定服务的虚拟私有云的私有网络区中与对象标识对应的调度节点。
本申请中,服务的虚拟私有云的私有网络区中可以部署有不同对象标识对应的调度节点和执行节点,从而实现不同对象对服务的虚拟私有云的私有网络区中资源的共享。
步骤103,将作业任务分配给调度节点,以使调度节点从私有网络区中与对象标识对应的执行节点中选择执行节点执行作业任务。
本申请实施例中,对象标识对应的调度节点和执行节点,位于服务的虚拟私有云的私有网络区中,而服务可以与多个对象对应,为多个对象提供服务,也就是说,多个对象标识对应的调度节点和执行节点均位于服务的虚拟私有云的私有网络区中,共同使用服务的虚拟私有云的私有网络区中的资源。在某个对象标识对应的调度节点和执行节点上的实例停止运行时,可以将相应的资源用于部署新的对象标识对应的调度节点和执行节点。因此,能够提高服务的虚拟私有云的私有网络区中资源的利用率。
综上,通过接收作业任务请求,其中,作业任务请求中包括:对象标识和作业任务;确定服务的虚拟私有云的私有网络区中与对象标识对应的调度节点;将作业任务分配给调度节点,以使调度节点从私有网络区中与对象标识对应的执行节点中选择执行节点执行作业任务,在服务的虚拟私有云的私有网络区中为不同对象部署不同的调度节点和执行节点,能够实现多个对象之间执行节点之间的资源隔离,确保多个对象的作业任务之间的资源隔离,稳定对象的作业任务的执行时间,提升作业任务的执行效率。
图2是根据本申请第二实施例的示意图。其中,需要说明的是,本申请实施例的执行主体为分布式计算装置,分布式计算装置例如可以为分布式计算平台中的服务的虚拟私有云,或者服务的虚拟私有云中的节点。
如图2所示,分布式计算方法的具体实现过程如下:
步骤201,为对象标识分配私有网络区中待部署调度实例的第一容器组和待部署执行实例的第二容器组。
本申请实施例中,执行主体为服务的虚拟私有云,或者服务的虚拟私有云中的节点,步骤201中的私有网络区指的是服务的虚拟私有云中的私有网络区。
本申请实施例中,第一容器组和第二容器组为不同的容器组。其中,为了实现一个对象的多个作业任务之间的资源隔离,提升对象的每个作业任务的执行效率,第一容器组和第二容器组可以为,kata容器组。其中,kata容器组基于kata-container技术启动容器,为容器提供虚拟机级别的高隔离,能够实现不同容器组之间内存、CPU、网络、磁盘的隔离。
步骤202,在第一容器组上部署调度实例,得到对象标识对应的调度节点。
步骤203,在第二容器组上部署执行实例,得到对象标识对应的执行节点。
本申请实施例中,为对象标识分配服务的虚拟私有云的私有网络中的容器组,用于部署调度实例和执行实例,以得到对象标识对应的调度节点和执行节点,而在不同的容器组上部署不同对象的调度实例和执行实例,能够实现多个对象之间执行节点之间的资源隔离,确保多个对象的作业任务之间的资源隔离,稳定对象的作业任务的执行时间,提升作业任务的执行效率。
本申请实施例中,调度实例和执行实例可以是预设的。在部署调度实例和执行实例后,可以对调度实例以及执行实例进行启动运行以及停止运行管理。
步骤204,接收作业任务请求,其中,作业任务请求中包括:对象标识和作业任务。
步骤205,确定服务的虚拟私有云的私有网络区中与对象标识对应的调度节点。
步骤206,将作业任务分配给调度节点,以使调度节点从私有网络区中与对象标识对应的执行节点中选择执行节点执行作业任务。
本申请实施例中,执行节点执行作业任务时需要调用的集群服务,部分位于对象标识对应的虚拟私有云的私有网络区中,部分位于对象标识对应的虚拟私有云的基础网络区中,不同网络区中集群服务的调用方法不同。对应的,执行节点执行作业任务的方式为,通过对象标识对应的浮动地址调用对象标识对应的虚拟私有云的私有网络区中的第一集群服务,和/或,通过对象标识对应的临时访问凭证调用对象标识对应的虚拟私有云的基础网络区中的第二集群服务,来执行作业任务。另外,通过临时访问凭证和浮动地址,也方便了服务的虚拟私有云与对象的虚拟私有云之间的访问。
本申请实施例中,针对对象标识对应的虚拟私有云的私有网络区中的第一集群服务,由于执行节点位于服务的虚拟私有云的私有网络区中,因此,执行节点需要先获取对象标识对应的浮动地址,通过浮动地址调用对象标识对应的虚拟私有云的私有网络区中的第一集群服务。而针对对象标识对应的虚拟私有云的基础网络区中的第二集群服务,由于执行节点与第二集群服务位于不同的网络区中,且第二集群服务位于基础网络区,因此,执行节点需要向基础网络区的相关服务STS发送请求,以获取对象标识对应的临时访问凭证,然后通过临时访问凭证调用第二集群服务。
本申请实施例中,步骤204、步骤205和步骤206的详细描述,可以参考图1所示实施例,此处不再做详细说明。
综上,通过为对象标识分配私有网络区中待部署调度实例的第一容器组和待部署执行实例的第二容器组;在第一容器组上部署调度实例,得到对象标识对应的调度节点;在第二容器组上部署执行实例,得到对象标识对应的执行节点;接收作业任务请求,其中,作业任务请求中包括:对象标识和作业任务;确定服务的虚拟私有云的私有网络区中与对象标识对应的调度节点;将作业任务分配给调度节点,以使调度节点从私有网络区中与对象标识对应的执行节点中选择执行节点执行作业任务,在服务的虚拟私有云的私有网络区中为不同对象部署不同的调度节点和执行节点,能够实现多个对象之间执行节点之间的资源隔离,确保多个对象的作业任务之间的资源隔离,稳定对象的作业任务的执行时间,提升作业任务的执行效率。
为了实现上述实施例,本申请实施例还提出一种分布式计算装置。
图3是根据本申请第三实施例的示意图。如图3所示,该分布式计算装置300包括:接收模块310、确定模块320和分配模块330。
其中,接收模块310,用于接收作业任务请求,其中,所述作业任务请求中包括:对象标识和作业任务;
确定模块320,用于确定服务的虚拟私有云的私有网络区中与所述对象标识对应的调度节点;
分配模块330,用于将所述作业任务分配给所述调度节点,以使所述调度节点从所述私有网络区中与所述对象标识对应的执行节点中选择执行节点执行所述作业任务。
作为本申请实施例的一种可能实现方式,结合参考图4,所述的装置还可以包括:部署模块340;
所述分配模块330,还用于为所述对象标识分配所述私有网络区中待部署调度实例的第一容器组和待部署执行实例的第二容器组;
所述部署模块340,用于在所述第一容器组上部署所述调度实例,得到所述对象标识对应的调度节点;在所述第二容器组上部署所述执行实例,得到所述对象标识对应的执行节点。
作为本申请实施例的一种可能实现方式,所述的装置还可以包括:管理模块,用于对所述调度实例和所述执行实例,进行启动运行以及停止运行管理。
作为本申请实施例的一种可能实现方式,所述第一容器组和所述第二容器组为,kata容器组。
作为本申请实施例的一种可能实现方式,所述虚拟私有云部署在开源的容器集群Kubernetes中。
作为本申请实施例的一种可能实现方式,所述执行节点执行所述作业任务的方式为,通过所述对象标识对应的浮动地址调用所述对象标识对应的虚拟私有云的私有网络区中的第一集群服务,和/或,通过所述对象标识对应的临时访问凭证调用所述对象标识对应的虚拟私有云的基础网络区中的第二集群服务,来执行所述作业任务。
综上,通过接收作业任务请求,其中,作业任务请求中包括:对象标识和作业任务;确定服务的虚拟私有云的私有网络区中与对象标识对应的调度节点;将作业任务分配给调度节点,以使调度节点从私有网络区中与对象标识对应的执行节点中选择执行节点执行作业任务,在服务的虚拟私有云的私有网络区中为不同对象部署不同的调度节点和执行节点,能够实现多个对象之间执行节点之间的资源隔离,确保多个对象的作业任务之间的资源隔离,稳定对象的作业任务的执行时间,提升作业任务的执行效率。
根据本公开的实施例,本公开还提供了一种分布式计算平台,如图5所示,包括:部署在集群上的服务的虚拟私有云和对象的虚拟私有云,其中,所述服务的虚拟私有云的私有网络区中部署有所述对象的调度节点和执行节点;所述服务的虚拟私有云与所述对象的虚拟私有云相互通讯,为所述对象的调度节点分配所述对象的作业任务;所述调度节点选择所述对象的执行节点;所述执行节点调用所述对象的虚拟私有云中的集群服务执行所述作业任务。
在图5中,集群具体可以为开源的容器集群(Kubernetes,K8S),实现在容器组上部署调度节点和执行节点,实现资源隔离。
在图5中,服务的虚拟私有云(Virtual Private Cloud,VPC)的私有网络区中可以包括:集群主节点(K8S Master)和多个集群从属节点(K8S Node),其中一个集群从属节点可以执行图1所示的方法。其中,该集群从属节点中可以部署Virtual Kubelet组件,通过该组件以及集群提供的API接口来执行图1所示的方法。
在图5中,服务的虚拟私有云的私有网络区中的其他集群从属节点上可以存在多个容器组,其中一个容器组可以用于部署调度实例,得到对象的调度节点(driver);其他容器组上可以部署有多个执行实例,得到对象的多个执行节点(Executor)。
在图5中,对象的虚拟私有云包括私有网络区和基础网络区。其中,对象的虚拟私有云的私有网络区可以包括以下集群服务中的至少一种:时序数据库(TimeSeriesDatabase,TSDB)服务、搜索引擎(ElasticSearch,ES)数据库、数据仓库palo等。对象的虚拟私有云的基础网络区可以包括以下集群服务中的至少一种:KAFKA分布式日志系统、BOS服务等。
本申请实施例中,服务的虚拟私有云的私有网络区中的集群从属节点可以通过预设的API接口接收对象提供的携带对象标识和作业任务的作业任务请求,并进行处理。
综上,分布式计算平台,包括:部署在集群上的服务的虚拟私有云和对象的虚拟私有云,其中,服务的虚拟私有云的私有网络区中部署有对象的调度节点和执行节点;服务的虚拟私有云与对象的虚拟私有云相互通讯,为对象的调度节点分配对象的作业任务;调度节点选择对象的执行节点;执行节点调用对象的虚拟私有云中的集群服务执行作业任务,从而能够实现多个对象之间执行节点之间的资源隔离,确保多个对象的作业任务之间的资源隔离,稳定对象的作业任务的执行时间,提升作业任务的执行效率。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。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/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如分布式计算方法。例如,在一些实施例中,分布式计算方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的分布式计算方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行分布式计算方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)、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。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
其中,需要说明的是,人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (11)
1.一种分布式计算方法,包括:
接收作业任务请求,其中,所述作业任务请求中包括:对象标识和作业任务;
确定服务的虚拟私有云的私有网络区中与所述对象标识对应的调度节点;
将所述作业任务分配给所述调度节点,以使所述调度节点从所述私有网络区中与所述对象标识对应的执行节点中选择执行节点执行所述作业任务;
在接收作业任务请求之前,还包括:
为所述对象标识分配所述私有网络区中待部署调度实例的第一容器组和待部署执行实例的第二容器组;
在所述第一容器组上部署所述调度实例,得到所述对象标识对应的调度节点;
在所述第二容器组上部署所述执行实例,得到所述对象标识对应的执行节点;
所述第一容器组和所述第二容器组为,kata容器组;
执行分布式计算方法的分布式计算平台包括:部署在集群上的服务的虚拟私有云和对象的虚拟私有云,其中,服务的虚拟私有云的私有网络区中部署有对象的调度节点和执行节点;服务的虚拟私有云与对象的虚拟私有云相互通讯,为对象的调度节点分配对象的作业任务;调度节点选择对象的执行节点;执行节点调用对象的虚拟私有云中的集群服务执行作业任务。
2.根据权利要求1所述的分布式计算方法,其中,还包括:
对所述调度实例和所述执行实例,进行启动运行以及停止运行管理。
3.根据权利要求1所述的分布式计算方法,其中,所述虚拟私有云部署在开源的容器集群Kubernetes中。
4.根据权利要求1所述的分布式计算方法,其中,所述执行节点执行所述作业任务的方式为,
通过所述对象标识对应的浮动地址调用所述对象标识对应的虚拟私有云的私有网络区中的第一集群服务,和/或,通过所述对象标识对应的临时访问凭证调用所述对象标识对应的虚拟私有云的基础网络区中的第二集群服务,来执行所述作业任务。
5.一种分布式计算装置,包括:
接收模块,用于接收作业任务请求,其中,所述作业任务请求中包括:对象标识和作业任务;
确定模块,用于确定服务的虚拟私有云的私有网络区中与所述对象标识对应的调度节点;
分配模块,用于将所述作业任务分配给所述调度节点,以使所述调度节点从所述私有网络区中与所述对象标识对应的执行节点中选择执行节点执行所述作业任务;
所述的分布式计算装置,还包括:部署模块;
所述分配模块,还用于为所述对象标识分配所述私有网络区中待部署调度实例的第一容器组和待部署执行实例的第二容器组;
所述部署模块,用于在所述第一容器组上部署所述调度实例,得到所述对象标识对应的调度节点;在所述第二容器组上部署所述执行实例,得到所述对象标识对应的执行节点;
所述第一容器组和所述第二容器组为,kata容器组;
分布式计算装置为分布式计算平台,分布式计算平台包括:部署在集群上的服务的虚拟私有云和对象的虚拟私有云,其中,服务的虚拟私有云的私有网络区中部署有对象的调度节点和执行节点;服务的虚拟私有云与对象的虚拟私有云相互通讯,为对象的调度节点分配对象的作业任务;调度节点选择对象的执行节点;执行节点调用对象的虚拟私有云中的集群服务执行作业任务。
6.根据权利要求5所述的分布式计算装置,其中,还包括:管理模块,用于对所述调度实例和所述执行实例,进行启动运行以及停止运行管理。
7.根据权利要求5所述的分布式计算装置,其中,所述虚拟私有云部署在开源的容器集群Kubernetes中。
8.根据权利要求5所述的分布式计算装置,其中,所述执行节点执行所述作业任务的方式为,
通过所述对象标识对应的浮动地址调用所述对象标识对应的虚拟私有云的私有网络区中的第一集群服务,和/或,通过所述对象标识对应的临时访问凭证调用所述对象标识对应的虚拟私有云的基础网络区中的第二集群服务,来执行所述作业任务。
9.一种分布式计算平台,包括:
部署在集群上的服务的虚拟私有云和对象的虚拟私有云,其中,所述服务的虚拟私有云的私有网络区中部署有所述对象的调度节点和执行节点;
所述服务的虚拟私有云与所述对象的虚拟私有云相互通讯,为所述对象的调度节点分配所述对象的作业任务;所述调度节点选择所述对象的执行节点;所述执行节点调用所述对象的虚拟私有云中的集群服务执行所述作业任务;
其中,分布式计算平台为对象标识分配所述私有网络区中待部署调度实例的第一容器组和待部署执行实例的第二容器组;在所述第一容器组上部署所述调度实例,得到所述对象标识对应的调度节点;在所述第二容器组上部署所述执行实例,得到所述对象标识对应的执行节点;所述第一容器组和所述第二容器组为,kata容器组;
所述服务的虚拟私有云的私有网络区中部署不同对象标识对应的调度节点和执行节点。
10. 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1-4任一项所述的方法。
11.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110245936.0A CN113032092B (zh) | 2021-03-05 | 2021-03-05 | 分布式计算方法、装置及平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110245936.0A CN113032092B (zh) | 2021-03-05 | 2021-03-05 | 分布式计算方法、装置及平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113032092A CN113032092A (zh) | 2021-06-25 |
CN113032092B true CN113032092B (zh) | 2023-08-08 |
Family
ID=76468081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110245936.0A Active CN113032092B (zh) | 2021-03-05 | 2021-03-05 | 分布式计算方法、装置及平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113032092B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116527639A (zh) * | 2022-01-24 | 2023-08-01 | 华为云计算技术有限公司 | 一种地址空间推荐方法、装置及相关设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107066319A (zh) * | 2017-01-17 | 2017-08-18 | 北京国电通网络技术有限公司 | 一种面向异构资源的多维调度系统 |
CN107181808A (zh) * | 2017-06-01 | 2017-09-19 | 安徽祥云科技有限公司 | 一种私有云系统及运行方法 |
CN107566541A (zh) * | 2017-08-03 | 2018-01-09 | 携程旅游信息技术(上海)有限公司 | 容器网络资源分配方法、系统、存储介质和电子设备 |
CN109885389A (zh) * | 2019-02-19 | 2019-06-14 | 山东浪潮云信息技术有限公司 | 一种基于容器的并行深度学习调度训练方法及系统 |
CN111104212A (zh) * | 2019-12-18 | 2020-05-05 | 秒针信息技术有限公司 | 一种调度任务执行方法、装置、电子设备及存储介质 |
WO2021017279A1 (zh) * | 2019-07-30 | 2021-02-04 | 平安科技(深圳)有限公司 | 基于Kubernetes和网络域的集群安全管理方法、装置及存储介质 |
-
2021
- 2021-03-05 CN CN202110245936.0A patent/CN113032092B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107066319A (zh) * | 2017-01-17 | 2017-08-18 | 北京国电通网络技术有限公司 | 一种面向异构资源的多维调度系统 |
CN107181808A (zh) * | 2017-06-01 | 2017-09-19 | 安徽祥云科技有限公司 | 一种私有云系统及运行方法 |
CN107566541A (zh) * | 2017-08-03 | 2018-01-09 | 携程旅游信息技术(上海)有限公司 | 容器网络资源分配方法、系统、存储介质和电子设备 |
CN109885389A (zh) * | 2019-02-19 | 2019-06-14 | 山东浪潮云信息技术有限公司 | 一种基于容器的并行深度学习调度训练方法及系统 |
WO2021017279A1 (zh) * | 2019-07-30 | 2021-02-04 | 平安科技(深圳)有限公司 | 基于Kubernetes和网络域的集群安全管理方法、装置及存储介质 |
CN111104212A (zh) * | 2019-12-18 | 2020-05-05 | 秒针信息技术有限公司 | 一种调度任务执行方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113032092A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112559182B (zh) | 资源分配方法、装置、设备及存储介质 | |
CN113849312B (zh) | 数据处理任务的分配方法、装置、电子设备及存储介质 | |
CN113032093B (zh) | 分布式计算方法、装置及平台 | |
CN114911598A (zh) | 任务调度方法、装置、设备以及存储介质 | |
CN115658311A (zh) | 一种资源的调度方法、装置、设备和介质 | |
CN113986497B (zh) | 基于多租户技术的队列调度方法、装置及系统 | |
CN112905314A (zh) | 异步处理方法、装置、电子设备、存储介质、及路侧设备 | |
CN114840323A (zh) | 任务处理方法、装置、系统、电子设备以及存储介质 | |
CN113032092B (zh) | 分布式计算方法、装置及平台 | |
CN114579323A (zh) | 一种线程处理方法、装置、设备及介质 | |
CN113703946B (zh) | 应用恢复方法及其装置、电子设备、计算机可读存储介质 | |
CN112860401B (zh) | 任务调度方法、装置、电子设备和存储介质 | |
CN112527509B (zh) | 一种资源分配方法、装置、电子设备及存储介质 | |
CN113742075A (zh) | 基于云端分布式系统的任务处理方法、装置及系统 | |
CN114090234A (zh) | 请求的调度方法、装置、电子设备和存储介质 | |
CN115328612A (zh) | 资源分配方法、装置、设备以及存储介质 | |
CN114662777A (zh) | 光伏组件串线排布确定方法、装置、电子设备及存储介质 | |
CN112905270A (zh) | 工作流实现方法、装置、平台、电子设备以及存储介质 | |
CN116594764A (zh) | 一种应用程序的更新方法、装置、电子设备和存储介质 | |
CN116821175A (zh) | 数据查询、索引服务创建方法、装置及电子设备 | |
CN116991562B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN115379000B (zh) | 服务平台的扩容方法、装置、电子设备以及存储介质 | |
CN113946414A (zh) | 一种任务处理方法、装置及电子设备 | |
CN118152096A (zh) | 任务分配方法、装置、设备及存储介质 | |
CN118113420A (zh) | 一种应用部署方法、装置、电子设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |