CN113760497A - 一种调度任务配置方法和装置 - Google Patents

Abstract

本发明公开了调度任务配置方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括根据spark调度任务的id从数据集市历史执行日志中采集任务的相关信息，输入至DDPG模型的Actor网络，得到动作空间值；将动作空间值和信息输入至DDPG模型中的Critic网络训练得到奖赏值，对网络损失函数计算得到最大奖赏值对应的DDPG模型作为配置模型；获取当前spark调度任务的目标信息，通过配置模型得到spark配置参数，执行当前spark调度任务。从而，解决现有由于设置Spark配置参数的精度低、效率差而影响调度任务处理性能的问题。

Description

一种调度任务配置方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种调度任务配置方法和装置。

背景技术

Spark是UC Berkeley AMP lab所开源的类Hadoop MapReduce通用并行框架。由于Spark具有将中间结果存储在内存中的特点，Spark运行迭代和交互式程序比传统的磁盘计算框架Hadoop提高了10倍。Spark配置参数优化一直是大数据系统的研究热点之一，由于配置参数众多(多于100个)，性能受配置参数影响很大，应用程序具有不同特点。因此使用默认配置远未达到最佳性能。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

现有技术是进行手动配置参数和自动配置参数，其中手动配置参数方法弊端在于太耗时，而且要求用户对Spark的运行机制、参数的意义，作用和取值范围具有较深的了解。用户需要手动增大或减少Spark参数值，然后配置Spark，运行应用程序，找到使执行时间最短的参数值。由于不同集群环境、不同应用程序、和不同输入数据集的最优配置参数不同，手动配置参数方法是一个耗时、枯燥的工作。

发明内容

有鉴于此，本发明实施例提供一种调度任务配置方法和装置，能够解决现有由于设置Spark配置参数的精度低、效率差而影响调度任务处理性能的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种调度任务配置方法，包括根据spark调度任务的id，从数据集市历史执行日志中采集任务的相关信息；将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值；其中，所述DDPG模型中的Actor网络采用Encoder-Decoder模型；将所述动作空间值和所述信息输入至预设DDPG模型中的Critic网络进行训练，以得到对应的奖赏值；进而根据所述奖赏值对预设的网络损失函数进行计算，以得到最大奖赏值对应的DDPG模型作为配置模型；

得到最终获取当前spark调度任务的目标信息，通过所述的配置模型得到对应的spark配置参数，进而基于所述spark配置参数执行当前spark调度任务。

可选地，从数据集市历史执行日志中采集任务的相关信息，包括：

spark配置参数、spark调度任务执行完成后数据集市反馈的相关指标以及启动spark调度任务时生成的有向无环图中各个stage包括的算子以及任务信息。

可选地，将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值，包括：

利用Encoder-Decoder模型中的编码器，拼接所述各个stage包括的算子以及任务信息作为输入层进行嵌入，以得到每个stage对应的嵌入向量n*m维的矩阵；进而通过卷积神经网络对所述矩阵进行处理，以将处理后的矩阵输出。

可选地，通过卷积神经网络对所述矩阵进行处理之前，包括：

将所有stage对应的嵌入向量n*m维的矩阵分别通过预设的拼接模型生成一个二维矩阵。

可选地，将处理后的矩阵输出，包括：

将处理后的矩阵输入至预设的循环神经网络中，以将所述循环神经网络处理后的矩阵输出。

可选地，输入至预设的循环神经网络中之后，包括：

将通过所述循环神经网络输出的矩阵，输入至注意力层，以识别每个状态空间的重要性标签以及每个状态空间的算子对所述相关指标的影响度标签。

可选地，将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值，包括：

利用Encoder-Decoder模型中的解码器，对编码后的信息利用卷积神经网络进行解码得到待处理配置参数，以从所述待处理配置参数中随机抽取得到最终的配置参数，作为所述信息对应的动作空间值。

另外，本发明还提供了一种调度任务配置装置，包括获取模块，用于根据spark调度任务的id，从数据集市历史执行日志中采集任务的相关信息；将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值；其中，所述DDPG模型中的Actor网络采用Encoder-Decoder模型；将所述动作空间值和所述信息输入至预设DDPG模型中的Critic网络进行训练，以得到对应的奖赏值；进而根据所述奖赏值对预设的网络损失函数进行计算，以得到最大奖赏值对应的DDPG模型作为配置模型；得到最终；处理模块，用于获取当前spark调度任务的目标信息，通过所述的配置模型得到对应的spark配置参数，进而基于所述spark配置参数执行当前spark调度任务。

上述发明中的一个实施例具有如下优点或有益效果：本发明通过强化学习算法DDPG、Encoder-Decoder模型及历史spark任务的执行效果评估指标(执行时间，累计使用内存资源量，任务读写数据量，磁盘IO大小等)计算出spark任务执行中配置的最佳参数。从而，本发明实现了精准、快速的spark参数配置，大幅度提高spark调度任务的性能。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明第一实施例的调度任务配置方法的主要流程的示意图；

图2是根据本发明实施例的有向无环图中stage的示意图；

图3是根据本发明第二实施例的调度任务配置方法的示意图；

图4是根据本发明实施例的二维矩阵的示意图；

图5是根据本发明实施例的调度任务配置装置的主要模块的示意图；

图6是本发明实施例可以应用于其中的示例性系统架构图；

图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明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，而不会背离本发明的范围和精神。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。

图1是根据本发明第一实施例的调度任务配置方法的主要流程的示意图，如图1所示，所述调度任务配置方法包括：

步骤S101，根据spark调度任务的id，从数据集市历史执行日志中采集任务的相关信息。

在本发明的实施例中，Spark任务执行中，每次任务启动前都首先生成该任务对应的有向无环图DAG，后续执行中按照该有向无环图进行执行，执行最后可以获得该任务的执行时间，累计使用内存资源量，任务读写数据量，磁盘IO大小等等指标。可以将数据集市环境看作Environment，则spark任务的参数配置问题可以被视为MDP决策问题。

其中，每次任务执行时，智能体Agent根据该任务的配置参数，将应用程序打包提交给数据集市，数据集市根据所述应用程序，执行任务并获得反馈信号，其中反馈信息可以包括执行时间，累计使用内存资源量，任务读写数据量，磁盘IO大小等。智能体Agent根据数据集市的反馈信息对配置参数进行修改，并重新打包再提交，数据集市重新执行并获得反馈信息，直至数据集市获得的反馈信息能够达到预设指标要求。

还有，使用有向无环图DAG对Spark中的弹性分布式数据集RDD的关系进行建模，描述了RDD的依赖关系，这种关系也被称之为lineage，RDD的依赖关系使用Dependency维护，DAG在Spark中的对应的实现为DAGScheduler。弹性分布式数据集RDD为一种高度受限的共享内存模型。有向无环图DAG指的是一个无回路的有向图。

数据集市也叫数据市场，是一个从操作的数据和其他的为某个特殊的专业人员团体服务的数据源中收集数据的仓库。

在一些实施例中，从数据集市历史执行日志中采集任务的相关信息可以包括spark配置参数、spark调度任务执行完成后数据集市反馈的相关指标以及启动spark调度任务时生成的有向无环图中各个stage包括的算子以及任务task信息(如图2所示)。

其中，spark配置参数可以包括driver最大使用cpu(线程)数、单个executor申请堆内内存大小、单个executor最大并发任务task数、executor数等。而所述的driver是在spark开发过程中，用户提交的一段应用程序，用于创建spark的上下文，划分数据集并生成有向无环图，与spark中的其他组进行协调，协调资源等等。所述的executor是spark中应用程序执行的进程，一个执行进程中包括了多个执行任务。

值得说明的是，本发明是基于DDPG模型(DDPG全称是Deep Deterministic PolicyGradient，即深度确定性策略梯度)进行训练得到的配置模型，而DDPG模型为Actor-Critic框架，即DDPG模型包括Actor网络和Critic网络，其中Actor网络就是Policy Gradient算法，Critic网络是Q-learning算法。本发明创造性地将Actor网络采用Encoder-Decoder模型对从数据集市历史执行日志中采集任务的相关信息进行处理。

spark调度任务执行完成后数据集市反馈的相关指标作为奖赏值reward，例如：任务执行完成后：完成执行时间，累计使用内存资源量，任务读写数据量，磁盘IO大小等指标综合加权值作为奖励reward。

较佳的实施例，每次启动spark任务时生成的DAG中各个stage包括的算子以及每个state中包括的任务task信息(例如：Task数，Duration时长，GC Time，ShuffleRead数据量，ShuffleWrite数据量等信息)作为状态空间state，即可以将状态空间state输入至Actor网络中得到对应的动作空间值action。

步骤S102，将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值；将所述动作空间值和所述信息输入至预设DDPG模型中的Critic网络进行训练，以得到对应的奖赏值；进而根据所述奖赏值对预设的网络损失函数进行计算，以得到最大奖赏值对应的DDPG模型作为配置模型。

得到最终。

在一些实施例中，将所述信息通过编码器Encoder进行编码，包括：

拼接所述各个stage包括的算子以及task信息作为输入层进行嵌入，以得到每个stage对应的嵌入向量n*m维的矩阵。然后，利用CNN层对所述矩阵进行处理，进而通过state输出层将处理后的矩阵输出。

其中，stage是Spark任务会根据RDD(spark弹性数据集)之间的依赖关系，形成一个有向无环图，并将其划分相互依赖的多个执行阶段，是由一组并行任务组成。

较佳地，通过InputLayer将状态空间参数(包括stage算子：sti，以及每个stage中包括的task任务信息：ei)做数据转换后变成one-hot格式数据，从而实现了对状态空间参数的拼接。

值得说明的是，将InputLayer拼接完成的状态空间参数通过EmbbedingLayer(嵌入层)进行嵌入得到嵌入向量n*m维的矩阵。其中，嵌入向量的大小可以依数据量及效果而预先设置。EmbbedingLayer可以将上一层InputLayer的输出进行嵌入，能够将上一层的输入层维度降低，且学习的参数量也降低。

另外，采用CNN层网络可以充分发现并学习各个stage之间的关系，从而更好的指导动作空间action以获得最大化奖赏值reward。最后的state输出层，用于encoder编码获得实时状态。

进一步地实施例，利用CNN层对所述矩阵进行处理之前，包括：

将所有stage对应的嵌入向量n*m维的矩阵都输入至预设的stage层，以基于预设拼接模型生成一个二维矩阵。也就是说，为了充分学习到状态空间中各stage间的联系，需要在EmbbedingLayer后面添加一层stage层(StageLayer)将该EmbbedingLayer转换成二维矩阵数据。

作为另一些进一步地实施例，通过state输出层将处理后的矩阵输出之前，可以将利用CNN层对所述矩阵处理后的矩阵，输入至预设的循环神经网络中。本发明为了能够基于每一轮的任务调参，更好的捕捉当次调参的特性，再在CNN层上再接一层循环神经网络，较佳地采用GRU Layer，基于“门”的内部机制，调节信息流，解决短时记忆问题。

优选地，输入至预设的循环神经网络中之后，还可以将通过所述循环神经网络输出的矩阵，输入至attention层(即注意力层)，以识别每个状态空间的重要性标签以及每个状态空间的算子对所述相关指标的影响度标签。也就是说，在GRU Layer的前提下再加一层attention层，从而可以识别每个state中的重要性，以及每个state中的算子对得到最终结果指标的影响度。

作为再一些实施例，对编码后的信息通过解码器Decoder得到相应的动作空间值，可以包括：对编码后的信息利用CNN进行解码得到待处理配置参数，再从所述待处理配置参数中随机抽取以获得spark的配置参数。具体的实施：

Encoder过程的二维矩阵利用CNN进行解码得到待处理配置参数ap(如图2中所示)，即得到当次训练的预测动作空间action，再从动作空间action中挑选出(本实施例随机挑选，是为了能够切断参数间的相关性，防止过拟合，从而更好的进行学习)部分有效参数保留存储到aval(如图2中所示)，并在每一轮中进行更新。最后将aval结果加入Spark任务中进行运行得到最终得到数据集市的反馈指标加权求和作为奖赏值reward。

在另一些实施例中，将所述动作空间值和所述状态空间值输入到Critic模型中拟合获得Q值(即奖赏值reward)时，是将输出的action值以及state共同输入到Critic模型中，经过多层网络训练后得到Q值(即奖赏值reward)。其中，Q值是强化学习过程中用于指导模型学习方向的一个函数值，即奖赏值reward。

值得说明的是，在基于预设的网络损失函数使得得到最终的奖赏值达到最大进而得到配置模型的时候，网络损失函数为：

其中，s为代表某个时刻代理(agent)的状态。a为代表在某个时刻下执行的动作。Q(s,a)表示智能体在某状态下采取某个动作并在之后采取最优动作条件下的打折的未来奖励。λ为待调的超参，是监督学习模型的权重。θ为Actor的网络参数。μ为在某时刻的状态下，对应actor的动作值。N为模型训练迭代次数。

公式的前半部分是依据每次更新的Q值与下一个状态next_state之间的网络计算差值获得的梯度，而后半部分是Actor网络中计算的参数，用于指导Actor网络参数来使得得到最终的奖赏值达到最大。

步骤S103，获取当前spark调度任务的目标信息，通过所述的配置模型得到对应的spark配置参数，进而基于所述spark配置参数执行当前spark调度任务。

综上所述，本发明实现了利用深度强化学习DDPG算法，结合Encoder-Decoder模型构建的基于解析spark任务中的有向无环图，配置spark最佳参数的方案。

图2是根据本发明第二实施例的调度任务配置方法的示意图，所述调度任务配置方法可以包括：

首先本发明利用了深度强化学习DDPG算法，在数据准备上是通过spark调度任务id获得从数据集市历史执行日志中采集任务的所有信息，例如：该任务是通过订单为主表，关联商品表获取其他维度信息比如部门信息，商品名称，采销人员账号信息等。较佳地，获取driver最大使用cpu(线程)数、单个executor申请堆内内存大小、单个executor最大并发task数、executor数等spark配置参数作为动作空间action。spark调度任务执行完成后数据集市反馈的相关指标作为奖赏reward。每次启动spark任务时生成的DAG中各个stage包括的算子以及每个state中包括的task信息(例如：Task数，Duration时长，GC Time，ShuffleRead数据量，ShuffleWrite数据量等信息)作为状态空间state。

然后，通过建立的Actor网络，先进行Encoder(编码器)过程再进行Decoder(解码器)过程。其中，Encoder(编码器)过程具体的包括：

通过InputLayer将状态空间参数(商品交易任务脚本执行时包括每个stage信息：sti，以及每个stage中包含的task信息)，包括的数值类型变量(如：(4,2,6,45,4……))以及离散型标量作one-hot处理之后(例如(1,0,0,0,0,0,0,0),(0,1,0,0,0,0,0,0),(0,0,1,0,0,0,0,0)))进行拼接。将上一层InputLayer在EmbbedingLayer(嵌入层)进行嵌入得到嵌入向量n*m维的矩阵(嵌入向量大小依数据量及效果而定)。为了在同一层网络充分学习到状态空间中各stage间的相互联系，添加一层StageLayer将该Embbeding层拼接成一个二维矩阵数据，(Embbeding层中得到了每个state的嵌入矩阵，StageLayer是将该嵌入矩阵拼接成一个大的二位矩阵(如图3所示))。然后再在StageLayer的下一层利用CNN层进行学习二维矩阵数据，其中采用CNN层网络可以充分发现并学习各个stage之间的关系，从而更好的指导action以获得最大化奖赏。为了能够基于每一轮的任务调参，更好的捕捉当次调参的特性，再在CNN层上再接一层循环神经网络，可以采用GRU Layer(即基于“门”的内部机制，调节信息流，解决短时记忆问题。)在GRU Layer层的前提下再加一层attention层可以识别每个state中的重要性，以及每个state中的算子对得到最终结果指标的影响度。最后接一个state输出层，添加state输出层用于encoder编码获得实时状态，至此Encoder编码过程已完成。

其中，进行Decoder(解码器)过程包括：编码完成后利用CNN进行解码得到ap，再从中随机抽取部分参数(为了能够切断参数间的相关性，防止过拟合，更好的进行学习)，得到了aval，这些有效的action就是得到最终输出值：spark的配置参数。

另外，critic模型是DDPG强化学习算法的组成部分，对Actor网络中输出的参数进行拟合，即将输出的action值及state共同输入到Critic模型中，经过多层网络训练后得到Q值。之后基于网络损失函数：

每间隔一定迭代次数后将训练的网络保存下来记一个目标网络Netqt，单次训练的网络记为Netqeval，每次aval作为输入会计算得到两个Q值：Qqt及Qeval，即对应上边的前半部分，而后半部分是Actor中计算的参数，用于指导Actor网络参数来使得得到最终的奖赏值达到最大。

重复以上过程直到整个调参过程结束为止，即为本轮训练结束，再添加其他id任务数据进行训练，得到最终输出训练后的配置模型。从而，获取当前spark调度任务的目标信息，通过训练后的配置模型得到对应的spark配置参数，执行当前spark调度任务。

图5是根据本发明实施例的调度任务配置装置的主要模块的示意图，如图5所示，所述调度任务配置装置500包括获取模块501和处理模块502。其中，获取模块501根据spark调度任务的id，从数据集市历史执行日志中采集任务的相关信息；将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值；其中，所述DDPG模型中的Actor网络采用Encoder-Decoder模型；将所述动作空间值和所述信息输入至预设DDPG模型中的Critic网络进行训练，以得到对应的奖赏值；进而根据所述奖赏值对预设的网络损失函数进行计算，以得到最大奖赏值对应的DDPG模型作为配置模型；得到最终；处理模块502获取当前spark调度任务的目标信息，通过所述的配置模型得到对应的spark配置参数，进而基于所述spark配置参数执行当前spark调度任务。

在一些实施例中，获取模块501从数据集市历史执行日志中采集任务的相关信息，包括：

spark配置参数、spark调度任务执行完成后数据集市反馈的相关指标以及启动spark调度任务时生成的有向无环图中各个stage包括的算子以及任务信息。

在一些实施例中，获取模块501将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值，包括：

利用Encoder-Decoder模型中的编码器，拼接所述各个stage包括的算子以及任务信息作为输入层进行嵌入，以得到每个stage对应的嵌入向量n*m维的矩阵；进而通过卷积神经网络对所述矩阵进行处理，以将处理后的矩阵输出。

在一些实施例中，获取模块501通过卷积神经网络对所述矩阵进行处理之前，包括：

将所有stage对应的嵌入向量n*m维的矩阵分别通过预设的拼接模型生成一个二维矩阵。

在一些实施例中，获取模块501将处理后的矩阵输出，包括：

将处理后的矩阵输入至预设的循环神经网络中，以将所述循环神经网络处理后的矩阵输出。

在一些实施例中，获取模块501输入至预设的循环神经网络中之后，包括：

将通过所述循环神经网络输出的矩阵，输入至注意力层，以识别每个状态空间的重要性标签以及每个状态空间的算子对所述相关指标的影响度标签。

在一些实施例中，获取模块501将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值，包括：

利用Encoder-Decoder模型中的解码器，对编码后的信息利用卷积神经网络进行解码得到待处理配置参数，再从所述待处理配置参数中随机抽取得到最终的配置参数，作为所述信息对应的动作空间值。

需要说明的是，在本发明所述调度任务配置方法和所述调度任务配置装置在具体实施内容上具有相应关系，故重复内容不再说明。

图6示出了可以应用本发明实施例的调度任务配置方法或调度任务配置装置的示例性系统架构600。

如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备601、602、603可以是具有调度任务配置屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的调度任务配置方法一般由服务器605执行，相应地，计算装置一般设置于服务器605中。

应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM703中，还存储有计算机系统700操作所需的各种程序和数据。CPU701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶调度任务配置器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块和处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括根据spark调度任务的id，从数据集市历史执行日志中采集任务的相关信息；将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值；其中，所述DDPG模型中的Actor网络采用Encoder-Decoder模型；将所述动作空间值和所述信息输入至预设DDPG模型中的Critic网络进行训练，以得到对应的奖赏值；进而根据所述奖赏值对预设的网络损失函数进行计算，以得到最大奖赏值对应的DDPG模型作为配置模型；得到最终；获取当前spark调度任务的目标信息，通过所述的配置模型得到对应的spark配置参数，进而基于所述spark配置参数执行当前spark调度任务。

根据本发明实施例的技术方案，能够解决现有由于设置Spark配置参数的精度低、效率差而影响调度任务处理性能的问题。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种调度任务配置方法，其特征在于，包括：

根据spark调度任务的id，从数据集市历史执行日志中采集任务的相关信息；

将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值；其中，所述DDPG模型中的Actor网络采用Encoder-Decoder模型；

将所述动作空间值和所述信息输入至预设DDPG模型中的Critic网络进行训练，以得到对应的奖赏值；进而根据所述奖赏值对预设的网络损失函数进行计算，以得到最大奖赏值对应的DDPG模型作为配置模型；

得到最终获取当前spark调度任务的目标信息，通过所述的配置模型得到对应的spark配置参数，进而基于所述spark配置参数执行当前spark调度任务。

2.根据权利要求1所述的方法，其特征在于，从数据集市历史执行日志中采集任务的相关信息，包括：

spark配置参数、spark调度任务执行完成后数据集市反馈的相关指标以及启动spark调度任务时生成的有向无环图中各个stage包括的算子以及任务信息。

3.根据权利要求2所述的方法，其特征在于，将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值，包括：

利用Encoder-Decoder模型中的编码器，拼接所述各个stage包括的算子以及任务信息作为输入层进行嵌入，以得到每个stage对应的嵌入向量n*m维的矩阵；进而通过卷积神经网络对所述矩阵进行处理，以将处理后的矩阵输出。

4.根据权利要求3所述的方法，其特征在于，通过卷积神经网络对所述矩阵进行处理之前，包括：

将所有stage对应的嵌入向量n*m维的矩阵分别通过预设的拼接模型生成一个二维矩阵。

5.根据权利要求3所述的方法，其特征在于，将处理后的矩阵输出，包括：

将处理后的矩阵输入至预设的循环神经网络中，以将所述循环神经网络处理后的矩阵输出。

6.根据权利要求5所述的方法，其特征在于，输入至预设的循环神经网络中之后，包括：

将通过所述循环神经网络输出的矩阵，输入至注意力层，以识别每个状态空间的重要性标签以及每个状态空间的算子对所述相关指标的影响度标签。

7.根据权利要求3-6任一所述的方法，其特征在于，将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值，包括：

利用Encoder-Decoder模型中的解码器，对编码后的信息利用卷积神经网络进行解码得到待处理配置参数，以从所述待处理配置参数中随机抽取得到最终的配置参数，作为所述信息对应的动作空间值。

8.一种调度任务配置装置，其特征在于，包括：

获取模块，用于根据spark调度任务的id，从数据集市历史执行日志中采集任务的相关信息；将所述信息输入至预设DDPG模型中的Actor网络，以得到所述信息对应的动作空间值；其中，所述DDPG模型中的Actor网络采用Encoder-Decoder模型；将所述动作空间值和所述信息输入至预设DDPG模型中的Critic网络进行训练，以得到对应的奖赏值；进而根据所述奖赏值对预设的网络损失函数进行计算，以得到最大奖赏值对应的DDPG模型作为配置模型；得到最终

处理模块，用于获取当前spark调度任务的目标信息，通过所述的配置模型得到对应的spark配置参数，进而基于所述spark配置参数执行当前spark调度任务。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images