CN113448737A - 一种在多任务系统使用的高速均衡分配方法 - Google Patents
一种在多任务系统使用的高速均衡分配方法 Download PDFInfo
- Publication number
- CN113448737A CN113448737A CN202110846538.4A CN202110846538A CN113448737A CN 113448737 A CN113448737 A CN 113448737A CN 202110846538 A CN202110846538 A CN 202110846538A CN 113448737 A CN113448737 A CN 113448737A
- Authority
- CN
- China
- Prior art keywords
- task
- time
- information
- detailed
- real
- 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 23
- 238000013507 mapping Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种在多任务系统使用的高速均衡分配方法，包括以下步骤：将任务ID作为key，将详细任务信息作为value，每个任务列表对应一个Map集合，并把所有任务列表组合成一个集合；初始化对每个任务列表加上时间戳；遍历所有任务列表标记并均衡放出任务列表；守护任务列表并查询数据库获取最新任务列表；对任务列表的每个详细任务信息加上时间戳；遍历所有详细任务信息标记并均衡放出详细任务信息；循环执行步骤四至步骤六。本发明解决了有限资源被多软件系统调用时合理分配给每个系统，让有限资源利用率最大化，让有限资源实时最新，能够把有限资源合理分配到每个多任务系统，实现利用最大化，保障有限资源的有效性。
Description
技术领域
本发明属于任务分配领域，尤其涉及一种在多任务系统使用的高速均衡分配方法。
背景技术
目前系统对资源的分配方式，通常是系统都给任务分配足够多的资源，以保证任务的正确执行。在这种分配方式下，资源总是过量分配的。但是，这种过量分配资源的方式会导致系统资源利用率的低下。进而，资源利用率低下的系统在单位时间内通过有限的资源能够执行的任务就非常有限，这直接导致了系统并发任务量较小、任务吞吐量较低。
发明内容
本发明的目的在于克服现有技术存在的以上问题，提供一种在多任务系统使用的高速均衡分配方法。
为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
一种在多任务系统使用的高速均衡分配方法，所述方法包括以下步骤：
步骤一：将任务ID作为key，将详细任务信息作为value，每个任务列表对应一个Map集合，并把所有任务列表组合成一个集合；
步骤二：初始化对每个任务列表加上时间戳；
步骤三：遍历所有任务列表标记并均衡放出任务列表；
步骤四：守护任务列表并查询数据库获取最新任务列表；
步骤五：对任务列表的每个详细任务信息加上时间戳；
步骤六：遍历所有详细任务信息标记并均衡放出详细任务信息；
步骤七：循环执行步骤四至步骤六。
进一步地，所述步骤一中Map集合为Map<String,Object>集合。
进一步地，所述步骤五执行后，将时间戳标记加载同步到LinkedList<Map<String,Object>>集合。
进一步地，所述步骤二和步骤五中的时间戳均用于标记使用时间、被分配时间和对比下次放出时间。
进一步地，所述步骤六中具体包括：
S1：按照预定时间间隔向各个任务节点发送任务参数获取请求，并接收来自各个任务节点的详细任务信息、负载任务量以及任务类型，且进行本地存储；
S2：根据详细任务信息与时间戳的映射关系，按时间戳排序形成实时任务状态信息依次发送至控制节点；
S3：控制节点依次对比所有空余工作节点缓存大小与实时任务状态信息所需运行空间，若符合要求则该工作节点接收实时任务状态信息并执行，否则循环控制该工作节点对比下一个实时任务状态信息。
进一步地，所述控制节点对所有工作节点进行实时数据监测，当工作节点出现空间剩余时，根据最新实时任务状态信息，重复上述步骤S3。
本发明的有益效果是：
本发明解决了有限资源被多软件系统调用时合理分配给每个系统，让有限资源利用率最大化，让有限资源实时最新，能够把有限资源合理分配到每个多任务系统，实现利用最大化，保障有限资源的有效性；有限资源都能得到充分的利用，利用率得以提高，同时在单位时间内通过有限的资源能够执行的任务数量也随之增大，从而使系统并发任务量增大以及任务的吞吐量增大。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
一种在多任务系统使用的高速均衡分配方法，所述方法包括以下步骤：
步骤一：将任务ID作为key，将详细任务信息作为value，每个任务列表对应一个Map<String,Object>集合，并把所有任务列表组合成一个集合；
步骤二：初始化对每个任务列表加上时间戳；
步骤三：遍历所有任务列表标记并均衡放出任务列表；
步骤四：守护任务列表并查询数据库获取最新任务列表；
步骤五：对任务列表的每个详细任务信息加上时间戳，然后将时间戳标记加载同步到LinkedList<Map<String,Object>>集合；
步骤六：遍历所有详细任务信息标记并均衡放出详细任务信息；
步骤七：循环执行步骤四至步骤六。
进一步地，所述步骤一中Map集合为。
上述时间戳均用于标记使用时间、被分配时间和对比下次放出时间。
其中，步骤六中具体包括：
S1：按照预定时间间隔向各个任务节点发送任务参数获取请求，并接收来自各个任务节点的详细任务信息、负载任务量以及任务类型，且进行本地存储；
S2：根据详细任务信息与时间戳的映射关系，按时间戳排序形成实时任务状态信息依次发送至控制节点；
S3：控制节点依次对比所有空余工作节点缓存大小与实时任务状态信息所需运行空间，若符合要求则该工作节点接收实时任务状态信息并执行，否则循环控制该工作节点对比下一个实时任务状态信息。
控制节点对所有工作节点进行实时数据监测，当工作节点出现空间剩余时，根据最新实时任务状态信息，重复上述步骤S3。
本发明解决了有限资源被多软件系统调用时合理分配给每个系统，让有限资源利用率最大化，让有限资源实时最新，能够把有限资源合理分配到每个多任务系统，实现利用最大化，保障有限资源的有效性；有限资源都能得到充分的利用，利用率得以提高，同时在单位时间内通过有限的资源能够执行的任务数量也随之增大，从而使系统并发任务量增大以及任务的吞吐量增大。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
Claims (6)
1.一种在多任务系统使用的高速均衡分配方法，其特征在于：所述方法包括以下步骤：
步骤一：将任务ID作为key，将详细任务信息作为value，每个任务列表对应一个Map集合，并把所有任务列表组合成一个集合；
步骤二：初始化对每个任务列表加上时间戳；
步骤三：遍历所有任务列表标记并均衡放出任务列表；
步骤四：守护任务列表并查询数据库获取最新任务列表；
步骤五：对任务列表的每个详细任务信息加上时间戳；
步骤六：遍历所有详细任务信息标记并均衡放出详细任务信息；
步骤七：循环执行步骤四至步骤六。
2.根据权利要求1所述的一种在多任务系统使用的高速均衡分配方法，其特征在于：所述步骤一中Map集合为Map<String,Object>集合。
3.根据权利要求1所述的一种在多任务系统使用的高速均衡分配方法，其特征在于：所述步骤五执行后，将时间戳标记加载同步到LinkedList<Map<String,Object>>集合。
4.根据权利要求1所述的一种在多任务系统使用的高速均衡分配方法，其特征在于：所述步骤二和步骤五中的时间戳均用于标记使用时间、被分配时间和对比下次放出时间。
5.根据权利要求1所述的一种在多任务系统使用的高速均衡分配方法，其特征在于：所述步骤六中具体包括：
S1：按照预定时间间隔向各个任务节点发送任务参数获取请求，并接收来自各个任务节点的详细任务信息、负载任务量以及任务类型，且进行本地存储；
S2：根据详细任务信息与时间戳的映射关系，按时间戳排序形成实时任务状态信息依次发送至控制节点；
S3：控制节点依次对比所有空余工作节点缓存大小与实时任务状态信息所需运行空间，若符合要求则该工作节点接收实时任务状态信息并执行，否则循环控制该工作节点对比下一个实时任务状态信息。
6.根据权利要求5所述的一种在多任务系统使用的高速均衡分配方法，其特征在于：所述控制节点对所有工作节点进行实时数据监测，当工作节点出现空间剩余时，根据最新实时任务状态信息，重复上述步骤S3。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110846538.4A CN113448737B (zh) | 2021-07-26 | 2021-07-26 | 一种在多任务系统使用的高速均衡分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110846538.4A CN113448737B (zh) | 2021-07-26 | 2021-07-26 | 一种在多任务系统使用的高速均衡分配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113448737A true CN113448737A (zh) | 2021-09-28 |
| CN113448737B CN113448737B (zh) | 2024-03-22 |
Family
ID=77817303
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110846538.4A Active CN113448737B (zh) | 2021-07-26 | 2021-07-26 | 一种在多任务系统使用的高速均衡分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113448737B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105471985A (zh) * | 2015-11-23 | 2016-04-06 | 北京农业信息技术研究中心 | 负载均衡方法及云平台计算方法、云平台 |
| CN106921754A (zh) * | 2017-05-04 | 2017-07-04 | 泰康保险集团股份有限公司 | 集群系统的负载均衡方法、装置、介质和电子设备 |
| US20190108069A1 (en) * | 2016-09-30 | 2019-04-11 | Tencent Technology (Shenzhen) Company Limited | Distributed resource allocation method, allocation node, and access node |
| CN110888739A (zh) * | 2019-11-22 | 2020-03-17 | 南京甄视智能科技有限公司 | 延迟任务的分布式处理方法与装置 |
| CN111045804A (zh) * | 2019-11-26 | 2020-04-21 | 泰康保险集团股份有限公司 | 一种任务分配方法、装置、介质及电子设备 |
-
2021
- 2021-07-26 CN CN202110846538.4A patent/CN113448737B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105471985A (zh) * | 2015-11-23 | 2016-04-06 | 北京农业信息技术研究中心 | 负载均衡方法及云平台计算方法、云平台 |
| US20190108069A1 (en) * | 2016-09-30 | 2019-04-11 | Tencent Technology (Shenzhen) Company Limited | Distributed resource allocation method, allocation node, and access node |
| CN106921754A (zh) * | 2017-05-04 | 2017-07-04 | 泰康保险集团股份有限公司 | 集群系统的负载均衡方法、装置、介质和电子设备 |
| CN110888739A (zh) * | 2019-11-22 | 2020-03-17 | 南京甄视智能科技有限公司 | 延迟任务的分布式处理方法与装置 |
| CN111045804A (zh) * | 2019-11-26 | 2020-04-21 | 泰康保险集团股份有限公司 | 一种任务分配方法、装置、介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113448737B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104317650A (zh) | 一种面向Map/Reduce型海量数据处理平台的作业调度方法 | |
| CN101140528B (zh) | 一种实现集群内定时任务负载分担的方法及装置 | |
| US20050071597A1 (en) | Method and apparatus for executing dynamic memory management with object-oriented program | |
| CN102193814A (zh) | 嵌入式虚拟化内存动态分配方法及系统 | |
| CN109257399B (zh) | 云平台应用程序管理方法及管理平台、存储介质 | |
| CN102495759A (zh) | 一种云计算环境中作业调度的方法 | |
| CN107844372B (zh) | 一种内存分配的方法、系统 | |
| CN107506145A (zh) | 一种物理存储调度方法及云主机创建方法 | |
| CN113485797A (zh) | 一种面向数据获取任务的调度方法 | |
| CN106033442A (zh) | 一种基于共享内存体系结构的并行广度优先搜索方法 | |
| CN112307105A (zh) | 基于多线程的定时任务运行方法、装置、设备及存储介质 | |
| CN108282526A (zh) | 双集群间服务器动态分配方法及系统 | |
| CN113590281B (zh) | 基于动态集中式调度的分布式并行模糊测试方法及系统 | |
| CN113448737A (zh) | 一种在多任务系统使用的高速均衡分配方法 | |
| US20090204654A1 (en) | System and method for asynchronous parallel garbage collection | |
| CN113835897A (zh) | 一种在分布式计算集群Kubernetes上对GPU资源进行分配使用的方法 | |
| CN110275777B (zh) | 一种资源调度系统 | |
| CN115469979B (zh) | 量子控制系统的调度装置、方法以及量子计算机 | |
| CN1307558C (zh) | 通信系统中分系统间的虚拟内存分配管理方法 | |
| CN112148546A (zh) | 电力系统静态安全分析并行计算系统及方法 | |
| CN115664988A (zh) | 一种面向Kubernetes的复杂服务部署和调度方法 | |
| CN113301087B (zh) | 资源调度方法、装置、计算设备和介质 | |
| CN107590003B (zh) | 一种Spark任务分配方法和系统 | |
| CN115525418A (zh) | 多内核多分组操作系统构建方法 | |
| Sabu et al. | SMILEY: a mixed-criticality real-time task scheduler for multicore systems |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240228 Address after: Room A601, 5th Floor, Building A, Mudan Science and Technology Building, No. 2 Huayuan Road, Haidian District, Beijing, 100191 Applicant after: Beijing Qingbo Intelligent Technology Co.,Ltd. Country or region after: China Address before: 230031 1701, block D, phase III (South District), Huguang road independent innovation industrial base, Shushan Economic Development Zone, Hefei City, Anhui Province Applicant before: Anhui Qingbo Big Data Technology Co.,Ltd. Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |