CN113268342A - 一种面向边缘i/o密集型应用的混合cpu调度方法 - Google Patents
一种面向边缘i/o密集型应用的混合cpu调度方法 Download PDFInfo
- Publication number
- CN113268342A CN113268342A CN202110499175.1A CN202110499175A CN113268342A CN 113268342 A CN113268342 A CN 113268342A CN 202110499175 A CN202110499175 A CN 202110499175A CN 113268342 A CN113268342 A CN 113268342A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- resources
- resource
- scheduler
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 130
- 230000006399 behavior Effects 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 238000013139 quantization Methods 0.000 claims abstract description 4
- 230000015654 memory Effects 0.000 claims description 10
- 230000008447 perception Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 5
- 238000010998 test method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241001137251 Corvidae Species 0.000 description 1
- 240000007651 Rubus glaucus Species 0.000 description 1
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000015108 pies Nutrition 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- 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)
- Debugging And Monitoring (AREA)
Abstract
一种面向边缘I/O密集型应用的混合CPU调度方法。本发明涉及一种提升边缘I/O密集型应用实时性与吞吐量的混合CPU调度方法。本发明中的I/O性能度量模块能对当前系统的各种I/O资源进行性能剖析，并根据I/O资源的量化参数为进程分配默认I/O资源的消耗阈值。本发明中的I/O资源需求感知模块能对进程的各种I/O行为实时监控，量化进程运行时对各种I/O资源的需求。本发明中的混合调度模块能对不同类型的任务使用不同的策略进行调度，对实时任务采用FIFO调度器保证实时性；对普通I/O密集型进程采用I/O资源需求感知调度器并根据进程对I/O资源的需求更新调度权重，从而影响调度行为。本发明可以提升系统的I/O密集型任务的实时性和吞吐量。
Description
技术领域
本发明涉及边缘计算和操作系统领域，特别涉及一种提升边缘I/O密集型应用实时性与吞吐量的混合CPU调度方法。
背景技术
在真实的边缘场景中，由于边缘设备有限的存储和I/O资源，大量实时数据的处理任务呈现I/O密集型的特点。对于这类任务，主要解决的问题有两点：(1)高优先级任务的实时性保证。在边缘系统中，很多任务都对延迟敏感度较高，其最大的特点就是数据的处理和事件的响应有着严格的时间约束。操作系统应保证这些任务在运行时能完全利用系统的I/O资源从而降低时延、提升实时性。(2)依据不同任务的IO负载情况，合理分配IO资源。对于实时性要求相对宽松，延迟敏感度较低的I/O密集型任务，如边缘存储、数据转发等，它们对I/O资源的需求量各不相同，同一个任务的需求量也随时间变化而变化。因此需要动态地根据不同任务当前的I/O资源需求合理地进行调度，让I/O资源需求更大任务多占有CPU并及时处理内核缓冲区的数据，减少系统的内存压力，从而提升整个系统的吞吐量。传统调度方法无法满足上述两点需求，本发明通过提出一种提升边缘I/O密集型应用实时性与吞吐量的混合CPU调度方法解决上述两个问题。
通用场景下的CPU调度算法主要以完全公平调度器(CFS)为代表。完全公平调度器抛弃以前固定时间片和固定调度周期的设计，而是根据进程的优先级(nice)动态分配每次运行的时间片CFS，作为通用调度算法无法满足边缘场景下重要任务实时性需求。另一方面针对I/O密集型应用，人们更关心其对I/O资源的需求和使用情况，而CFS无法对其进行有效感知，进而合理调度进程，提升应用的实时性与吞吐量。
传统实时CPU调度算法有基于多优先级队列的先进先出(FIFO)算法和时间片轮转(Round-Robin)算法。对于前者来说，整个系统中有N个任务队列，分别对应0～N-1的优先级，每个新产生的任务将被置于该任务优先级对应的队列尾端，每次调度器重新调度时从高优先级队列开始遍历，选取第一个非空队列并从队头弹出任务。每个任务持续运行直到其主动放弃其时间片或被更高优先级任务抢占。时间片轮转算法总体架构与先进先出算法类似，但每个进程有个固定的时间片，当时间片用完之后，任务被重新置于队列尾端并再次调度。传统实时调度算法虽然能保证高优先级任务的实时性，但无论是FIFO还是Round-Robin，在进程时间片用完或运行完毕之前，都无法响应其它相同优先级的进程。这一方面对其它进程造成较大的响应延迟导致应用实时性的下降，另外堆积的数据无法及时处理，对内存也有不小的负担，造成整个系统的吞吐量的降低，因此无法适应边缘端的I/O密集型应用场景。
发明内容
根据现有调度方法不足，本发明实现的一种提升边缘I/O密集型应用实时性与吞吐量的混合CPU调度方法采用以下三个模块：
(1)系统I/O性能度量模块
该模块的功能是对当前系统的各种I/O资源进行性能度量，并根据各种I/O资源的量化参数，为进程分配默认I/O资源的消耗量。边缘计算的节点呈现异构性特点，不同的设备如树莓派、PC、智能手机都能成为计算资源而被使用。不同设备的I/O资源差异很大，因此需要以统一的压力测试模块对其进行性能度量与剖析。该模块将系统I/O资源分为存储I/O、网络I/O，并使用标准压力测试方法对其进行压力测试得到相关性能参数。
(2)I/O资源需求感知模块
该模块的功能是对进程的各种I/O行为实时监控，统计量化每个进程对各种I/O资源的需求并保存在进程结构体中，这些信息是调度器做出调度决策的依据。
(3)混合调度模块
该模块是本发明的核心，主要功能是对不同类型的任务使用不同的算法进行调度。整个调度模块分为FIFO调度器和I/O资源感知调度器两个子模块。FIFO调度器负责调度实时任务，I/O资源感知调度器负责调度普通进程。每个进程内部维护一个调度权重参数，该参数的大小直接决定了未来一段时间内该进程占据CPU的时间片长短。调度器内部采用大根堆管理进程调度实体，每次调度时挑选运行权重最大的进程。每次调度结束时根据进程的运行时间与对I/O资源的消耗更新其调度权重，从而使对I/O资源需求更多的进程有更大几率被调度运行，提升IO密集型任务的实时性与吞吐量。
基于上述模块，该方法包括如下步骤：
步骤1：使用I/O性能度量模块对系统的I/O资源进行剖析，并得到磁盘读写带宽(disk_bandwidth)、网络传输带宽(net_bandwidth)。
步骤2：根据新产生的进程的优先级高低，将其绑定到对应的调度器。默认将0～100区间范围的优先级绑定至FIFO调度器，其它绑定至IO资源感知调度器。
步骤3：根据目前整个系统运行进程的数量和负载，设置进程对网络、磁盘I/O资源的使用阈值(default_net_consum、default_disk_consum)。
步骤4：调度运行FIFO调度器中的高优先级任务，直到所有高优先级任务运行完毕。
步骤5：运行I/O资源感知调度器中的普通进程，每次选择大根堆中调度权重最大的进程。I/O资源需求感知模块会跟踪该进程的I/O行为并记录该进程对网络、磁盘资源的使用情况(cur_net_consum、cur_disk_consum)和常驻内存集(RSS)的变化。
步骤6：每次进程的运行时间片到期时，根据进程的cur_net_consum、cur_disk_consum和RSS,更新进程的调度权重数值,将该进程重新插入大根堆中。
步骤7：重复步骤5、6，直到所有普通进程运行完毕或者有新的高优先级任务出现。
本发明的有益效果：本发明针对边缘I/O密集型的应用场景，提出一种提升边缘I/O密集型应用实时性与吞吐量的混合CPU调度算法。对于高优先级任务采用FIFO调度器，保证其优先完成，提升了任务实时性。对于普通进程，采用I/O资源感知调度器，根据进程的IO需求大小分配时间片，提升了I/O密集型任务的吞吐量。
附图说明
图1为模型组件结构图；
图2为I/O性能度量示意图；
图3为I/O资源需求感知示意图；
图4为FIFO调度器示意图；
图5为I/O资源感知调度器的示意图；
图6为方法执行流程图。
具体实施方式
以下结合附图对本发明作进一步说明。
本发明提出一种面向边缘端I/O密集型任务的混合CPU调度方法。它使用多队列先进先出调度算法保证边缘端高优先级的实时性。对于普通的I/O密集型任务，I/O资源感知调度器能基于进程的IO资源需求做出调度决策，尽可能多调度对I/O资源需求更多的任务，从而提升整体吞吐量。该方法使用三个组件：1)I/O性能度量模块；2)I/O资源需求感知模块3)混合调度模块。
图1为本方法模型组件结构图。
(1)I/O性能度量模块
本发明的混合调度模块中的I/O资源感知调度器算法会根据不同进程对系统I/O资源的需求做出决策，决策基于两点：整个系统的I/O性能参数和该进程对I/O资源的消耗。本模块主要的工作是对当前系统的I/O性能进行度量，以此得到I/O性能参数，并结合当前系统的进程数量，为每个进程设置默认I/O资源消耗量。对于系统可用的I/O资源，可以分成存储I/O和网络I/O。实际上大部分的I/O密集型应用程序只用到这两类I/O资源。因此本模块主要对这两种I/O资源的性能进行度量。
图2为I/O性能度量示意图。
各异的存储介质直接影响了系统存储性能。边缘端的存储资源呈现异构性，不同的设备可能采用完全不同的存储介质，如：硬盘(HHD)、固态硬盘(SSD)、闪存(Flash)。不同的存储介质直接影响了系统的读写性能。另一方面，对系统的I/O存储性能度量可以以不同的I/O操作作为维度，如顺序、随机读写，同步、异步读写等。由于边缘端的I/O密集型应用的I/O操作大部分是顺序且同步的。因此本模块对于存储I/O的度量主要聚焦于顺序同步读写带宽。顺序同步读写速率的压力测试，采用Linux常见命令dd，每次写入(读取)4KB，一共写入300000次，最后分别得到系统读写带宽的量化指标(disk_bandwidth)。
对于网络I/O性能的度量，可以从时延、传输速率、带宽等角度进行分析。本模块主要聚焦于网络的带宽性能，并且采用iperf3命令测试得到系统的最大网络带宽(net_bandwidth)。
接下来则是根据以上得到的量化参数对每个进程的默认I/O资源使用量进行计算和设置。对于实时进程(rt_task)，最重要的是保证实时性，不应该限制其I/O资源的使用，因此无需设置。而对于普通进程(norm_task)则采用公平分配的方式，结合系统的I/O性能量化参数、进程的数量(task_count)、实际运行时间(delta_exec)进行设置。其具体公式如下：
(2)I/O资源需求感知模块
本模块的主要工作是以进程为单位，对每个非实时进程的I/O操作进行记录，并对该进程的各种I/O资源的使用情况进行统计。作为接下来的调度算法的决策依据。
图3为I/O资源需求感知示意图。
根据使用I/O资源的类别和消耗行为可以将每个进程的I/O操作大致分为网络发送、网络接收、磁盘读取、磁盘写入。为了对这些行为进行监控、需要在操作系统内核的相关函数中添加钩子函数。具体需要添加钩子函数的位置如表1所示。其中vfs_read、vfs_write为整个系统中对文件进行写入和读取操作必经过的函数，sock_recvmsg和sock_sendmsg是TCP和UDP的发送接收都会经过的函数。
| 名称 | 位置 | 描述 |
| vfs_read | fs/read_write.c | 文件读取 |
| vfs_write | fs/read_write.c | 文件写入 |
| sock_recvmsg | net/socket.c | 网络接收 |
| sock_sendmsg | net/socket.c | 网络发送 |
表1
对进程的监控信息包括进行I/O操作的字节数、进行该I/O操作的次数等。最后将相关信息整理保存在进程的结构体当中，其中作为调度依据的信息字段有：进程在本次调度中的当前I/O资源消耗(cur_net_consum、cur_disk_consum)、在上一次调度中的历史I/O资源消耗(pre_net_consum、pre_disk_consum)、本次调度时的常驻内存集(cur_rss)和上一次调度的历史常驻内存集(pre_rss)。
(3)混合调度模块
混合调度模块是本发明的核心部分，主要包含FIFO调度器和I/O资源感知调度器两部分。每次当一个新进程被用户fork出来时，根据用户设置的优先级选择合适的调度器进行绑定。
进程绑定对应调度器具体过程如下：
图4为FIFO调度器的示意图。
整个FIFO调度器包含N个运行队列，分别对应编号为0～N-1的CPU。每个运行队列内部包含Max_Prio个不同的先进先出链表(queue)，分别对应优先级为0～Max_Prio-1的任务，为了加速查找第一个非空链表的过程，调度器使用一个位图(bitmap)来记录每个链表是否为空。每次进行调度时，通过位图找到第一个对应的优先级最高且非空的链表。将选中的链表头部节点摘除链表并运行，直到该进程运行完毕或者有更高优先级的任务入队。
FIFO算法具体描述如下
图5为I/O感知调度器的示意图。
I/O感知调度器主体是一个由进程调度实体组成的大根堆。大根堆内部依据每个进程的调度权重数值大小递减排列。每次调度器从大根堆中选择堆顶元素即调度权重最大的节点运行，直到进程的默认时间片到期，然后结合进程真实运行时间与进程对I/O资源的消耗情况对调度权重更新，再将节点重新插入堆中。
I/O感知调度算法具体如下：
结合进程的I/O资源使用情况重新更新进程的调度权重(updateWeight)是本方法的重点。
I/O资源感知调度器在每次更新调度权重时，会根据进程在本次调度中的当前I/O资源消耗(cur_net_consum、cur_disk_consum)、历史I/O资源消耗(pre_net_consum、pre_disk_consum)、系统分配的默认I/O资源(default_net_consum、default_disk_consum)以及当前和历史的常驻内存集(cur_rss、pre_rss)等因素，动态调整当前进程的调度权重，从而影响调度器的调度行为。
基于I/O资源使用感知的调度更新过程如下
基于上述描述，本发明方法的具体步骤是：
步骤1：使用I/O性能度量模块对系统的I/O做性能剖析，分别得到磁盘读写带宽(disk_bandwidth)、网络传输带宽(net_bandwidth)。
步骤2：根据进程的优先级高低，将其绑定至相对应的调度器。
步骤3：根据目前整个系统运行进程的数量，重新调整I/O资源的划分并设置普通进程对网络、磁盘I/O资源使用的阈值(default_net_consum、default_disk_consum)。
步骤4：根据先进先出调度算法运行高优先级任务，直到所有高优先级任务运行完毕。
步骤5：根据I/O资源感知调度算法，从红黑树中选取最左端节点对应的任务运行，跟踪普通进程的I/O行为并记录进程对网络、磁盘资源的使用情况(cur_net_consum、cur_disk_consum)和常驻内存集(RSS)。
步骤6：每次进程的最短运行时间片到期时，根据进程的cur_net_consum、cur_disk_consum、RSS以及运行时间,更新进程的调度权重，将该进程重新插入根据调度权重排序的大根堆中。
步骤7：重复步骤5、6，直到所有普通进程运行完毕或者有新的高优先级任务出现。
图6为方法执行流程图。
Claims (5)
1.一种面向边缘I/O密集型应用的混合CPU调度方法，其特征在于该方法具体包括：
步骤1：使用I/O性能度量模块对系统的I/O资源进行剖析，并得到磁盘读写带宽和网络传输带宽；
步骤2：根据新产生的进程的优先级高低，将其绑定到对应的调度器；默认将0~100区间范围的优先级绑定至FIFO调度器，其它绑定至IO资源感知调度器；
步骤3：根据目前整个系统运行进程的数量和负载，设置进程对网络I/O资源的使用阈值和磁盘I/O资源的使用阈值；
步骤4：调度运行FIFO调度器中的高优先级任务，直到所有高优先级任务运行完毕；
步骤5：运行I/O资源感知调度器中的普通进程，每次选择大根堆中调度权重最大的进程；I/O资源需求感知模块跟踪进程的I/O行为并记录该进程对网络和磁盘资源的使用情况以及常驻内存集的变化；
步骤6：每次进程的运行时间片到期时，根据进程对网络和磁盘资源的使用情况以及常驻内存集的变化，更新进程的调度权重数值，将该进程重新插入大根堆中；
步骤7：重复步骤5、6，直到所有普通进程运行完毕或者有新的高优先级任务出现。
2.根据权利要求1所述的一种面向边缘I/O密集型应用的混合CPU调度方法，其特征在于：所述的I/O性能度量模块能够对当前系统的各种I/O资源进行性能度量，并根据各种I/O资源的量化参数，为进程分配默认I/O资源的消耗量，该模块将系统I/O资源分为存储I/O、网络I/O，并使用标准压力测试方法对其进行压力测试得到相关性能参数。
3.根据权利要求1所述的一种面向边缘I/O密集型应用的混合CPU调度方法，其特征在于：所述的I/O资源需求感知模块能够对进程的各种I/O行为实时监控，统计量化每个进程对各种I/O资源的需求并保存在进程结构体中。
4.根据权利要求1所述的一种面向边缘I/O密集型应用的混合CPU调度方法，其特征在于：所述的FIFO调度器包含N个运行队列，分别对应编号为0~N-1的CPU；每个运行队列内部包含Max_Prio个不同的先进先出链表，分别对应优先级为0~Max_Prio-1的任务，为了加速查找第一个非空链表的过程，调度器使用一个位图来记录每个链表是否为空；每次进行调度时，通过位图找到第一个对应的优先级最高且非空的链表；将选中的链表头部节点摘除链表并运行，直到该进程运行完毕或者有更高优先级的任务入队。
5.根据权利要求1所述的一种面向边缘I/O密集型应用的混合CPU调度方法，其特征在于：所述的I/O资源感知调度器是一个由进程调度实体组成的大根堆；大根堆内部依据每个进程的调度权重数值大小递减排列；每次调度器从大根堆中选择堆顶元素即调度权重最大的节点运行，直到进程的默认时间片到期，然后结合进程真实运行时间与进程对I/O资源的消耗情况对调度权重更新，再将节点重新插入大根堆中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110499175.1A CN113268342B (zh) | 2021-05-08 | 2021-05-08 | 一种面向边缘i/o密集型应用的混合cpu调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110499175.1A CN113268342B (zh) | 2021-05-08 | 2021-05-08 | 一种面向边缘i/o密集型应用的混合cpu调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113268342A true CN113268342A (zh) | 2021-08-17 |
| CN113268342B CN113268342B (zh) | 2024-07-05 |
Family
ID=77230148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110499175.1A Active CN113268342B (zh) | 2021-05-08 | 2021-05-08 | 一种面向边缘i/o密集型应用的混合cpu调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113268342B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103049213A (zh) * | 2011-10-17 | 2013-04-17 | 中国移动通信集团公司 | 一种磁盘调度方法及装置 |
| CN104375883A (zh) * | 2014-12-03 | 2015-02-25 | 浪潮电子信息产业股份有限公司 | 一种cfs调度器 |
| US9600337B2 (en) * | 2014-09-30 | 2017-03-21 | Nimble Storage, Inc. | Congestion avoidance in network storage device using dynamic weights |
| CN108009006A (zh) * | 2016-11-02 | 2018-05-08 | 华为技术有限公司 | I/o请求的调度方法及装置 |
| CN111597018A (zh) * | 2020-04-21 | 2020-08-28 | 清华大学 | 一种机器人作业调度方法及装置 |
| CN112162826A (zh) * | 2020-10-13 | 2021-01-01 | 杭州电子科技大学 | 一种面向边缘计算的低功耗轻量级虚拟化方法 |
| CN112162865A (zh) * | 2020-11-03 | 2021-01-01 | 中国工商银行股份有限公司 | 服务器的调度方法、装置和服务器 |
-
2021
- 2021-05-08 CN CN202110499175.1A patent/CN113268342B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103049213A (zh) * | 2011-10-17 | 2013-04-17 | 中国移动通信集团公司 | 一种磁盘调度方法及装置 |
| US9600337B2 (en) * | 2014-09-30 | 2017-03-21 | Nimble Storage, Inc. | Congestion avoidance in network storage device using dynamic weights |
| CN104375883A (zh) * | 2014-12-03 | 2015-02-25 | 浪潮电子信息产业股份有限公司 | 一种cfs调度器 |
| CN108009006A (zh) * | 2016-11-02 | 2018-05-08 | 华为技术有限公司 | I/o请求的调度方法及装置 |
| CN111597018A (zh) * | 2020-04-21 | 2020-08-28 | 清华大学 | 一种机器人作业调度方法及装置 |
| CN112162826A (zh) * | 2020-10-13 | 2021-01-01 | 杭州电子科技大学 | 一种面向边缘计算的低功耗轻量级虚拟化方法 |
| CN112162865A (zh) * | 2020-11-03 | 2021-01-01 | 中国工商银行股份有限公司 | 服务器的调度方法、装置和服务器 |
Non-Patent Citations (1)
| Title |
|---|
| 麻双克;周兰凤;: "云计算环境下基于优先级的IO和网络密集型应用调度策略", 上海理工大学学报, no. 05, 15 October 2017 (2017-10-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113268342B (zh) | 2024-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110287245B (zh) | 用于分布式etl任务调度执行的方法及系统 | |
| US8701118B2 (en) | Adjusting thread priority to optimize computer system performance and the utilization of computer system resources | |
| US20020198924A1 (en) | Process scheduling method based on active program characteristics on process execution, programs using this method and data processors | |
| US10255114B2 (en) | Abnormality detection apparatus, control method, and program | |
| CN106681661B (zh) | 一种固态硬盘中读写调度方法及装置 | |
| KR101356033B1 (ko) | 하이브리드 주메모리 시스템 및 이를 위한 태스크 스케줄링 방법 | |
| WO2017162086A1 (zh) | 任务调度方法和装置 | |
| CN113228574A (zh) | 计算资源调度方法、调度器、物联网系统和计算机可读介质 | |
| Yang et al. | Performance-aware speculative resource oversubscription for large-scale clusters | |
| US20240319885A1 (en) | Workload management using a trained model | |
| CN107291539A (zh) | 基于资源重要程度的集群程序调度方法 | |
| CN114780244A (zh) | 容器云资源弹性分配方法、装置、计算机设备及介质 | |
| WO2024067095A1 (zh) | 小区流量控制方法、基站及存储介质 | |
| CN113268342B (zh) | 一种面向边缘i/o密集型应用的混合cpu调度方法 | |
| CN116501475B (zh) | 线程调度方法、系统以及介质 | |
| WO2019029721A1 (zh) | 任务的调度方法、装置、设备及存储介质 | |
| CN113906720A (zh) | 流量调度方法、设备及存储介质 | |
| CN110505596A (zh) | 一种传感器数据自适应采集实时上报方法 | |
| CN113282408B (zh) | 一种提高数据密集型应用实时性的cpu调度方法 | |
| CN115576924A (zh) | 一种数据迁移的方法 | |
| CN115576685A (zh) | 容器的调度方法、装置及计算机设备 | |
| CN115357368A (zh) | 一种基于异构环境感知的MapReduce作业调度方法 | |
| CN114020440A (zh) | 多级任务分类处理方法、装置、系统和存储介质 | |
| Bahr et al. | Smart priority queue algorithms for self-optimizing event storage | |
| CN113835868B (zh) | 一种基于反馈和公平队列的服务质量感知的缓存调度方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |