CN113867922A - 一种适用于互感器计量性能在线监测系统的任务调度方法 - Google Patents

一种适用于互感器计量性能在线监测系统的任务调度方法 Download PDF

Info

Publication number
CN113867922A
CN113867922A CN202111456268.2A CN202111456268A CN113867922A CN 113867922 A CN113867922 A CN 113867922A CN 202111456268 A CN202111456268 A CN 202111456268A CN 113867922 A CN113867922 A CN 113867922A
Authority
CN
China
Prior art keywords
data
constraint condition
task
task scheduling
execution
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
Application number
CN202111456268.2A
Other languages
English (en)
Other versions
CN113867922B (zh
Inventor
赵杰
夏治武
冯宽
汪鑫
张沙沙
洪晨
周瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Gelanruo Intelligent Technology Co ltd
Original Assignee
Wuhan Glory Road Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Glory Road Intelligent Technology Co ltd filed Critical Wuhan Glory Road Intelligent Technology Co ltd
Priority to CN202111456268.2A priority Critical patent/CN113867922B/zh
Publication of CN113867922A publication Critical patent/CN113867922A/zh
Application granted granted Critical
Publication of CN113867922B publication Critical patent/CN113867922B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F9/46—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种适用于互感器计量性能在线监测系统的任务调度方法，包括：建立以任务执行时间最小为目标的最优任务调度的目标函数；确定最优任务调度的约束条件包括：第一约束条件和第二约束条件，第一约束条件为每个执行节点分配的数据个数之和等于当前任务将要处理的数据个数，第二约束条件为每个执行节点分配的数据个数为正整数；对第二约束条件进行松弛后，建立最优任务调度的凸优化问题并求解；对得到的解进行调整处理后得到满足第一约束条件和第二约束条件的最优解；通过建立一个以最小任务执行时间目标，各执行节点分配数据个数及总和为约束条件的优化问题模型，在保证任务执行时间最短的情况下维持系统的负载均衡。

Description

一种适用于互感器计量性能在线监测系统的任务调度方法
技术领域
本发明涉及智能电网领域，尤其涉及一种适用于互感器计量性能在线监测系统的任务调度方法。
背景技术
互感器计量性能在线监测系统可以实现在不需停电、不需要检测人员到现场的前提下，评估互感器的实时运行误差。根据误差评估结果指导互感器定向停电检定和运维，节省大量人力物力，及时发现超差的互感器,实现电量追补，维护电能贸易公平。
互感器计量性能在线监测系统以用电信息采集系统作为平台层，并通过构建数据同步任务从用电信息采集系统同步档案数据、评估数据等基础数据。此类任务的特点是，任务需要处理的数据集较大，且对数据集中的每一条数据均执行相同的操作，随着任务要处理的数据规模的增加，任务执行的复杂性将会越来越高，复杂性高的任务在单一的执行节点上独立执行会造成执行节点的压力过大，甚至有可能出现任务无法在单一节点上独立完成的情况。为了减轻执行节点的压力，保证任务的顺利执行，可以通过部署多个执行节点来并行执行此类任务。而如何对此类任务进行调度，以达到良好的性能，保证任务调度系统负载均衡，是上述问题的关键。
XXL-Job、Elastic-Job等任务调度框架，采用轮询分片或权重分片等静态分片策略进行任务调度。但其无法自适应各种规模数据集；节点权重分配较难，需要依靠经验值；性能不能达到最优。
基于有向无环图DAG的任务调度算法，主要用于解决有关联的任务调度问题，对于解决互感器计量性能在线监测系统中的问题来说，其复杂度较高。
发明内容
本发明针对现有技术中存在的技术问题，提供一种适用于互感器计量性能在线监测系统的任务调度方法，通过建立一个以最小任务执行时间目标，各执行节点分配数据个数及总和为约束条件的优化问题模型，在保证任务执行时间最短的情况下维持系统的负载均衡。
根据本发明的第一方面，提供了一种适用于互感器计量性能在线监测系统的任务调度方法，包括：
步骤1，建立以任务执行时间最小为目标的最优任务调度的目标函数；
步骤2，确定所述最优任务调度的约束条件包括：第一约束条件和第二约束条件，所述第一约束条件为每个执行节点分配的数据个数之和等于当前任务将要处理的数据个数，所述第二约束条件为每个执行节点分配的数据个数为正整数；
步骤3，对所述第二约束条件进行松弛后，建立所述最优任务调度的凸优化问题并求解；
步骤4，对所述步骤3得到的解进行调整处理后得到满足所述第一约束条件和第二约束条件的最优解。
在上述技术方案的基础上，本发明还可以作出如下改进。
可选的，所述步骤1包括：
建立任意第i个所述执行节点的任务执行时间与数据规模间的线性回归模型为：
Figure 685615DEST_PATH_IMAGE001
；
其中，
Figure 327949DEST_PATH_IMAGE002
表示
Figure 479575DEST_PATH_IMAGE003
对
Figure 385214DEST_PATH_IMAGE004
的影响因子,
Figure 419030DEST_PATH_IMAGE005
表示其他附加影响因子；
Figure 65387DEST_PATH_IMAGE003
表示第i个执行 节点分配的要处理的数据个数，
Figure 868258DEST_PATH_IMAGE004
表示第i个执行节点在执行
Figure 616902DEST_PATH_IMAGE003
个数据时所需要的执行时 间，i=1，2，……，n,n表示执行节点的总个数；
所述步骤1中的所述目标函数为：
Figure 138013DEST_PATH_IMAGE006
；
Figure 590991DEST_PATH_IMAGE007
。
可选的，所述互感器计量性能在线监测系统通过构建数据同步任务来获取数据；
所述数据同步任务需要处理的数据是一个大数量的数据集合，且对数据集合中每条数据执行的操作逻辑一致。
可选的，所述步骤1中建立所述线性回归模型的过程包括：
建立第i个执行节点的任务执行时间计算函数：
Figure 248369DEST_PATH_IMAGE008
；
Figure 492881DEST_PATH_IMAGE009
表示第i个执行节点的网络带宽,
Figure 970130DEST_PATH_IMAGE010
表示第i个执行节点的CPU处理能力,
Figure 898903DEST_PATH_IMAGE011
、
Figure 879628DEST_PATH_IMAGE012
、
Figure 373670DEST_PATH_IMAGE013
和
Figure 869373DEST_PATH_IMAGE014
分别表示网络带宽、CPU处理能力、数据集大小以及其他附加因素对任务执行时间 的影响因子；
对参数进行简化，得到每个所述执行节点的所述线性回归模型。
可选的，对所述第二约束条件进行松弛后的数学表示为：
Figure 398575DEST_PATH_IMAGE015
；
Figure 171490DEST_PATH_IMAGE003
表示第i个执行节点分配的要处理的数据个数，n表示执行节点的总个数。
可选的，所述步骤4对所述步骤3得到的解
Figure 204078DEST_PATH_IMAGE016
进行调整处理的 过程包括：
步骤401，对每个所述执行节点分配的数据个数向下取整，得到各个所述执行节点 分配数据个数的下界为
Figure 718236DEST_PATH_IMAGE017
；
步骤402，计算剩余未分配的数据个数
Figure 51129DEST_PATH_IMAGE018
，
Figure 803184DEST_PATH_IMAGE019
表示任务 将要处理的数据总个数;
步骤403，将所述剩余未分配的数据个数m分配到各个所述执行节点上，基于重新计算的任务执行时间确定所述最优解。
可选的，所述步骤403包括：
步骤40301，依次计算各个所述执行节点上多分配1、2……m个数据的任务执行时间与最优任务执行时间之间的差值，得到执行时间差值矩阵为：
Figure 563330DEST_PATH_IMAGE020
；
其中，
Figure 765116DEST_PATH_IMAGE021
，i=1，2，…，n；j=1，2，…，m；
Figure 636120DEST_PATH_IMAGE022
表示步骤3中通 过建立所述凸优化问题求解得的最优执行时间；
步骤40302，对所述执行时间差值矩阵中的各个元素进行从小到大的排序后得到（i,j）形式的元组列表；
步骤40303，遍历所述元组列表，得到每个所述执行节点分配的数据增量
Figure 242682DEST_PATH_IMAGE023
，
Figure 642571DEST_PATH_IMAGE024
表示节点i上可分配的剩余数据个数,直至剩余未分配 的数据全部被分配后结束；
步骤40304，将每个执行节点分配数据个数的下界与分配数据增量相加，得到所述 最优解中每个执行节点分配的数据个数为
Figure 131321DEST_PATH_IMAGE025
。
根据本发明的第二方面，提供一种适用于互感器计量性能在线监测系统的任务调度系统，包括：目标函数建立模块、约束条件建立模块、约束条件松弛模块和最优解确定模块；
所述目标函数建立模块，用于建立以任务执行时间最小为目标的最优任务调度的目标函数；
所述约束条件建立模块，用于确定所述最优任务调度的约束条件包括：第一约束条件和第二约束条件，所述第一约束条件为每个执行节点分配的数据个数之和等于当前任务将要处理的数据个数，所述第二约束条件为每个执行节点分配的数据个数为正整数；
所述约束条件松弛模块，用于对所述第二约束条件进行松弛后，建立所述最优任务调度的凸优化问题并求解；
所述最优解确定模块，对所述约束条件松弛模块得到的解进行调整处理后得到满足所述第一约束条件和第二约束条件的最优解。
根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现适用于互感器计量性能在线监测系统的任务调度方法的步骤。
根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现适用于互感器计量性能在线监测系统的任务调度方法的步骤。
本发明提供的一种适用于互感器计量性能在线监测系统的任务调度方法、系统、电子设备及存储介质，通过建立一个以最小任务执行时间目标，各执行节点分配数据个数及总和为约束条件的优化问题模型，以及一种该优化问题的求解算法，该算法性能接近最优解，在保证任务执行时间最短的情况下维持系统的负载均衡，并且针对不同数据规模及执行节点个数具备良好的自适应性。
附图说明
图1为本发明提供的一种适用于互感器计量性能在线监测系统的任务调度方法的流程图；
图2为本发明提供的一种适用于互感器计量性能在线监测系统的任务调度系统的结构框图；
图3（a）本发明提供的一种实施例中规模数据为100时每个执行节点分配数据集的对比示意图；
图3（b）本发明提供的一种实施例中规模数据为100时每个执行节点的执行时间的对比示意图；
图4（a）本发明提供的一种实施例中规模数据为1000时每个执行节点分配数据集的对比示意图；
图4（b）本发明提供的一种实施例中规模数据为1000时每个执行节点的执行时间的对比示意图；
图5（a）本发明提供的一种实施例中规模数据为10000时每个执行节点分配数据集的对比示意图；
图5（b）本发明提供的一种实施例中规模数据为10000时每个执行节点的执行时间的对比示意图；
图6本发明提供的一种实施例中不同规模数据时最小任务执行时间的对比示意图；
图7（a）本发明提供的另一种实施例中规模数据为100时每个执行节点分配数据集的对比示意图；
图7（b）本发明提供的另一种实施例中规模数据为100时每个执行节点的执行时间的对比示意图；
图8（a）本发明提供的另一种实施例中规模数据为1000时每个执行节点分配数据集的对比示意图；
图8（b）本发明提供的另一种实施例中规模数据为1000时每个执行节点的执行时间的对比示意图；
图9（a）本发明提供的另一种实施例中规模数据为10000时每个执行节点分配数据集的对比示意图；
图9（b）本发明提供的另一种实施例中规模数据为10000时每个执行节点的执行时间的对比示意图；
图10本发明提供的另一种实施例中不同规模数据时最小任务执行时间的对比示意图；
图11为本发明提供的一种可能的电子设备的硬件结构示意图；
图12为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
图1为本发明提供的一种适用于互感器计量性能在线监测系统的任务调度方法的流程图，如图1所示，该任务调度方法包括：
步骤1，建立以任务执行时间最小为目标的最优任务调度的目标函数。
步骤2，确定最优任务调度的约束条件包括：第一约束条件和第二约束条件，第一约束条件为每个执行节点分配的数据个数之和等于当前任务将要处理的数据个数，第二约束条件为每个执行节点分配的数据个数为正整数。
步骤3，对第二约束条件进行松弛后，建立最优任务调度的凸优化问题并求解。
步骤4，对步骤3得到的解进行调整处理后得到满足第一约束条件和第二约束条件的最优解。
本发明提供一种适用于互感器计量性能在线监测系统的任务调度方法，通过建立一个以最小任务执行时间目标，各执行节点分配数据个数及总和为约束条件的优化问题模型，在保证任务执行时间最短的情况下维持系统的负载均衡。
实施例1
本发明提供的实施例1为本发明提供的一种适用于互感器计量性能在线监测系统的任务调度方法的实施例，结合图1可知，该实施例包括：
步骤1，建立以任务执行时间最小为目标的最优任务调度的目标函数。
在一种可能的实施例方式中，建立各个执行节点的任务执行时间计算函数：
建立第i个执行节点的任务执行时间计算函数：
Figure 553818DEST_PATH_IMAGE008
；
Figure 483728DEST_PATH_IMAGE009
表示第i个执行节点的网络带宽,
Figure 461043DEST_PATH_IMAGE010
表示第i个执行节点的CPU处理能力,
Figure 840684DEST_PATH_IMAGE011
、
Figure 522332DEST_PATH_IMAGE012
、
Figure 837907DEST_PATH_IMAGE013
和
Figure 110757DEST_PATH_IMAGE014
分别表示网络带宽、CPU处理能力、数据集大小以及其他附加因素对任务执行时间 的影响因子；
Figure 777361DEST_PATH_IMAGE003
表示第i个执行节点分配的要处理的数据个数。
通过线性回归模型，对参数进行简化，得到每个任务执行节点的线性回归模型。
在一种可能的实施例方式中，任意第i个执行节点的任务执行时间与数据规模间 的线性回归模型为：
Figure 59438DEST_PATH_IMAGE001
。
其中，
Figure 698361DEST_PATH_IMAGE002
表示
Figure 811286DEST_PATH_IMAGE003
对
Figure 106132DEST_PATH_IMAGE004
的影响因子,
Figure 129583DEST_PATH_IMAGE005
表示其他附加影响因子；
Figure 901973DEST_PATH_IMAGE004
表示第i个执行 节点在执行
Figure 578942DEST_PATH_IMAGE003
个数据时所需要的执行时间，i=1，2，……，n,n表示执行节点的总个数.
在一种可能的实施例方式中，任务调度系统中有n个执行节点，那么任务执行时间
Figure 361085DEST_PATH_IMAGE027
取决于所有执行节点中耗时最长的那个节点所花费的时间，即目标函数为：
Figure 922647DEST_PATH_IMAGE006
，保 证任务执行时间最短。
Figure 143020DEST_PATH_IMAGE007
。
步骤2，确定最优任务调度的约束条件包括：第一约束条件和第二约束条件，第一约束条件为每个执行节点分配的数据个数之和等于当前任务将要处理的数据个数，第二约束条件为每个执行节点分配的数据个数为正整数。
可以理解的是，第一约束条件和第二约束条件转换为数学表示分别为：
Figure 990890DEST_PATH_IMAGE028
(1)
Figure 588224DEST_PATH_IMAGE029
(2)
其中，
Figure 15795DEST_PATH_IMAGE019
表示任务将要处理的数据总个数。
步骤3，对第二约束条件进行松弛后，建立最优任务调度的凸优化问题并求解。
在一种可能的实施例方式中，对第二约束条件进行松弛后的数学表示为：
Figure 152991DEST_PATH_IMAGE015
，即表示对于任一
Figure 375024DEST_PATH_IMAGE003
均满足大于等于1。
Figure 194076DEST_PATH_IMAGE003
表示第i个执行节点分配的要处理的数据个数，n表示执行节点的总个数。
基于上述目标函数和松弛后的约束条件可以得到一个容易求解的凸优化问题:
target:
Figure 399840DEST_PATH_IMAGE006
s.t.：
Figure 722368DEST_PATH_IMAGE030
(1)
Figure 787407DEST_PATH_IMAGE031
(2)
可以理解的是，在绝大多数条件下，步骤3中对该凸优化问题求得的解：
Figure 359334DEST_PATH_IMAGE016
中每个元素均为大于1的实数。在实际工程中，每个执行节点分配的 数据必须是正整数，因此还需执行步骤4，对步骤3中的最优解进行处理，得到满足正整数约 束的解。步骤4中采用最优解执行快速调整算法，得到满足每个执行节点分配的数据个数为 正整数的解。
步骤4，对步骤3得到的解进行调整处理后得到满足第一约束条件和第二约束条件的最优解。
在一种可能的实施例方式中，步骤4对步骤3得到的解
Figure 659865DEST_PATH_IMAGE016
进行 调整处理的过程包括：
步骤401，对每个执行节点分配的数据个数向下取整，即对解d中每一个元素向下 取整，得到各个执行节点分配数据个数的下界为
Figure 633637DEST_PATH_IMAGE017
。
步骤402，计算剩余未分配的数据个数
Figure 728632DEST_PATH_IMAGE018
。
步骤403，将剩余未分配的数据个数m分配到各个执行节点上，基于重新计算的任务执行时间确定最优解。
在一种可能的实施例方式中，步骤403包括：
步骤40301，依次计算各个执行节点上多分配1、2……m个数据的任务执行时间与 最优任务执行时间之间的差值，即分别计算每个节点上执行
Figure 784925DEST_PATH_IMAGE032
个数 据与最优执行时间
Figure 92410DEST_PATH_IMAGE022
的差值，得到执行时间差值矩阵为：
Figure 717426DEST_PATH_IMAGE020
。
其中，
Figure 452164DEST_PATH_IMAGE021
，i=1，2，…，n；j=1，2，…，m；
Figure 733104DEST_PATH_IMAGE022
表示步骤3 中通过建立凸优化问题求解得的最优执行时间。
步骤40302，对执行时间差值矩阵中的各个元素进行从小到大的排序后得到（i,j）形式的元组列表。
其中i表示任务执行节点，j表示剩余分配在节点i上的增量数据个数，例如如下表示：
[(3,1), (2,1), (1,1), (4,1), (3,2), (5,1), (3,3), (2,2), …]
步骤40303，遍历元组列表，得到每个执行节点分配的数据增量
Figure 641017DEST_PATH_IMAGE033
，
Figure 323802DEST_PATH_IMAGE024
表示节点i上可分配的剩余数据个数,直至剩余未 分配的数据全部被分配后结束，即满足
Figure 26179DEST_PATH_IMAGE034
时结束。
步骤40304，将每个执行节点分配数据个数的下界与分配数据增量相加，得到最优 解中每个执行节点分配的数据个数为
Figure 794415DEST_PATH_IMAGE035
。
在一种可能的实施例方式中，互感器计量性能在线监测系统通过构建数据同步任务来进行获取数据，该数据同步任务具有如下特征:
1）需要处理的数据是一个数据集合，且数量大；
2）对数据集合中每条数据执行的操作逻辑一致。如图2所示为
实施例2
本发明提供的实施例2为本发明提供的一种适用于互感器计量性能在线监测系统的任务调度系统的实施例，图2为本发明实施例提供的一种适用于互感器计量性能在线监测系统的任务调度系统结构图，结合图2可知，该实施例包括：目标函数建立模块、约束条件建立模块、约束条件松弛模块和最优解确定模块。
目标函数建立模块，用于建立以任务执行时间最小为目标的最优任务调度的目标函数。
约束条件建立模块，用于确定最优任务调度的约束条件包括：第一约束条件和第二约束条件，第一约束条件为每个执行节点分配的数据个数之和等于当前任务将要处理的数据个数，第二约束条件为每个执行节点分配的数据个数为正整数。
约束条件松弛模块，用于对第二约束条件进行松弛后，建立最优任务调度的凸优化问题并求解。
最优解确定模块，对约束条件松弛模块得到的解进行调整处理后得到满足第一约束条件和第二约束条件的最优解。
可以理解的是，本发明提供的一种适用于互感器计量性能在线监测系统的任务调度系统与前述各实施例提供的适用于互感器计量性能在线监测系统的任务调度方法相对应，适用于互感器计量性能在线监测系统的任务调度系统的相关技术特征可参考适用于互感器计量性能在线监测系统的任务调度方法的相关技术特征，在此不再赘述。
实施例3
本发明提供的实施例3为本发明提供的一种适用于互感器计量性能在线监测系统 的任务调度方法的具体应用实施例，该具体应用实施例中，一个具有5个执行节点的任务调 度系统，各节点的
Figure 240440DEST_PATH_IMAGE036
和
Figure 40381DEST_PATH_IMAGE037
取值如下表所示:
Figure 851342DEST_PATH_IMAGE038
如图3（a）、3（b）、4（a）、4（b）、5（a）和图5（b）所示为不同规模数据下每个执行节点 分配数据集和执行时间对比示意图，结合图3（a）、3（b）、4（a）、4（b）、5（a）和图5（b）可知，在 不同规模数据下，最优分片策略(最优策略)、本发明算法分片策略(本案策略)、加权分片策 略(节点权重是基于线性回归模型得到的
Figure 372453DEST_PATH_IMAGE036
值进行配置)、轮询分片策略下各个节点分配的 数据个数以及任务执行时间。如图6所示为不同数据集下各种分片策略的最小任务执行时 间的对比示意图。
另外5个不同的任务执行节点，各节点的
Figure 356590DEST_PATH_IMAGE036
和
Figure 13967DEST_PATH_IMAGE037
取值如下：
Figure 261409DEST_PATH_IMAGE039
如图7（a）、7（b）、8（a）、8（b）、9（a）和图9（b）所示为不同规模数据下每个执行节点分配数据集和执行时间对比示意图，如图10所示为不同数据集下各种分片策略的最小任务执行时间的对比示意图。从上述具体应用实施例可知，本发明提供的一种适用于互感器计量性能在线监测系统的任务调度方法，能够保证系统负载均衡；能够使得分片调度后的任务执行时间达到最小；算法对各种不同的数据规模及任务执行节点具有良好的自适应性。
请参阅图11，图11为本发明实施例提供的电子设备的实施例示意图。如图11所示，本发明实施例提了一种电子设备，包括存储器1310、处理器1320及存储在存储器1310上并可在处理器1320上运行的计算机程序1311，处理器1320执行计算机程序1311时实现以下步骤：建立以任务执行时间最小为目标的最优任务调度的目标函数；确定最优任务调度的约束条件包括：第一约束条件和第二约束条件，第一约束条件为每个执行节点分配的数据个数之和等于当前任务将要处理的数据个数，第二约束条件为每个执行节点分配的数据个数为正整数；对第二约束条件进行松弛后，建立最优任务调度的凸优化问题并求解；对得到的解进行调整处理后得到满足第一约束条件和第二约束条件的最优解。
请参阅图12，图12为本发明提供的一种计算机可读存储介质的实施例示意图。如图12所示，本实施例提供了一种计算机可读存储介质1400，其上存储有计算机程序1411，该计算机程序1411被处理器执行时实现如下步骤：建立以任务执行时间最小为目标的最优任务调度的目标函数；确定最优任务调度的约束条件包括：第一约束条件和第二约束条件，第一约束条件为每个执行节点分配的数据个数之和等于当前任务将要处理的数据个数，第二约束条件为每个执行节点分配的数据个数为正整数；对第二约束条件进行松弛后，建立最优任务调度的凸优化问题并求解；对得到的解进行调整处理后得到满足第一约束条件和第二约束条件的最优解。
本发明实施例提供的一种适用于互感器计量性能在线监测系统的任务调度方法、系统、电子设备及存储介质，通过建立一个以最小任务执行时间目标，各执行节点分配数据个数及总和为约束条件的优化问题模型，以及一种该优化问题的求解算法，该算法性能接近最优解，在保证任务执行时间最短的情况下维持系统的负载均衡，并且针对不同数据规模及执行节点个数具备良好的自适应性。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (10)

1.一种适用于互感器计量性能在线监测系统的任务调度方法，其特征在于，所述任务调度方法包括：
步骤1，建立以任务执行时间最小为目标的最优任务调度的目标函数；
步骤2，确定所述最优任务调度的约束条件包括：第一约束条件和第二约束条件，所述第一约束条件为每个执行节点分配的数据个数之和等于当前任务将要处理的数据个数，所述第二约束条件为每个执行节点分配的数据个数为正整数；
步骤3，对所述第二约束条件进行松弛后，建立所述最优任务调度的凸优化问题并求解；
步骤4，对所述步骤3得到的解进行调整处理后得到满足所述第一约束条件和第二约束条件的最优解。
2.根据权利要求1所述的任务调度方法，其特征在于，所述互感器计量性能在线监测系统通过构建数据同步任务来获取数据；
所述数据同步任务需要处理的数据是一个大数量的数据集合，且对数据集合中每条数据执行的操作逻辑一致。
3.根据权利要求1所述的任务调度方法，其特征在于，所述步骤1包括：
建立任意第i个所述执行节点的任务执行时间与数据规模间的线性回归模型为：
Figure 618129DEST_PATH_IMAGE001
；
其中，
Figure 609218DEST_PATH_IMAGE002
表示
Figure 386681DEST_PATH_IMAGE003
对
Figure 539445DEST_PATH_IMAGE004
的影响因子,
Figure 766640DEST_PATH_IMAGE005
表示其他附加影响因子；
Figure 420475DEST_PATH_IMAGE003
表示第i个执行节点分 配的要处理的数据个数，
Figure 786865DEST_PATH_IMAGE004
表示第i个执行节点在执行
Figure 110530DEST_PATH_IMAGE003
个数据时所需要的执行时间，i= 1，2，……，n，n表示执行节点的总个数；
所述目标函数为：
Figure 827951DEST_PATH_IMAGE006
；
Figure 19898DEST_PATH_IMAGE007
。
4.根据权利要求3所述的任务调度方法，其特征在于，所述步骤1中建立所述线性回归模型的过程包括：
建立第i个执行节点的任务执行时间计算函数：
Figure 240795DEST_PATH_IMAGE008
；
Figure 266519DEST_PATH_IMAGE009
表示第i个执行节点的网络带宽,
Figure 940077DEST_PATH_IMAGE010
表示第i个执行节点的CPU处理能力，
Figure 935715DEST_PATH_IMAGE011
、
Figure 414714DEST_PATH_IMAGE012
、
Figure 611340DEST_PATH_IMAGE013
和
Figure 896828DEST_PATH_IMAGE014
分别表示网络带宽、CPU处理能力、数据集大小以及其他附加因素对任务执行时间的影 响因子；
对参数进行简化，得到每个所述执行节点的所述线性回归模型。
5.根据权利要求1所述的任务调度方法，其特征在于，对所述第二约束条件进行松弛后的数学表示为：
Figure 571522DEST_PATH_IMAGE015
；
Figure 32591DEST_PATH_IMAGE003
表示第i个执行节点分配的要处理的数据个数，n表示执行节点的总个数。
6.根据权利要求3所述的任务调度方法，其特征在于，所述步骤4对所述步骤3得到的解
Figure 806643DEST_PATH_IMAGE016
进行调整处理的过程包括：
步骤401，对每个所述执行节点分配的数据个数向下取整，得到各个所述执行节点分配 数据个数的下界为
Figure 579427DEST_PATH_IMAGE017
；
步骤402，计算剩余未分配的数据个数
Figure 792233DEST_PATH_IMAGE018
，
Figure 107808DEST_PATH_IMAGE019
表示任务将要 处理的数据总个数;
步骤403，将所述剩余未分配的数据个数m分配到各个所述执行节点上，基于重新计算的任务执行时间确定所述最优解。
7.根据权利要求6所述的任务调度方法，其特征在于，所述步骤403包括：
步骤40301，依次计算各个所述执行节点上多分配1、2……m个数据的任务执行时间与最优任务执行时间之间的差值，得到执行时间差值矩阵为：
Figure 643307DEST_PATH_IMAGE020
；
其中，
Figure 309912DEST_PATH_IMAGE021
，i=1，2，…，n；j=1，2，…，m；
Figure 326410DEST_PATH_IMAGE022
表示步骤3中通过建 立所述凸优化问题求解得的最优执行时间；
步骤40302，对所述执行时间差值矩阵中的各个元素进行从小到大的排序后得到（i,j）形式的元组列表；
步骤40303，遍历所述元组列表，得到每个所述执行节点分配的数据增量
Figure 434174DEST_PATH_IMAGE023
,
Figure 143504DEST_PATH_IMAGE024
表示节点i上可分配的剩余数据个数,直至剩余未分配 的数据全部被分配后结束；
步骤40304，将每个执行节点分配数据个数的下界与分配数据增量相加，得到所述最优 解中每个执行节点分配的数据个数为
Figure 562984DEST_PATH_IMAGE025
。
8.一种适用于互感器计量性能在线监测系统的任务调度系统，其特征在于，所述任务调度系统包括：目标函数建立模块、约束条件建立模块、约束条件松弛模块和最优解确定模块；
所述目标函数建立模块，用于建立以任务执行时间最小为目标的最优任务调度的目标函数；
所述约束条件建立模块，用于确定所述最优任务调度的约束条件包括：第一约束条件和第二约束条件，所述第一约束条件为每个执行节点分配的数据个数之和等于当前任务将要处理的数据个数，所述第二约束条件为每个执行节点分配的数据个数为正整数；
所述约束条件松弛模块，用于对所述第二约束条件进行松弛后，建立所述最优任务调度的凸优化问题并求解；
所述最优解确定模块，对所述约束条件松弛模块得到的解进行调整处理后得到满足所述第一约束条件和第二约束条件的最优解。
9.一种电子设备，其特征在于，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1-7任一项所述的适用于互感器计量性能在线监测系统的任务调度方法的步骤。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-7任一项所述的适用于互感器计量性能在线监测系统的任务调度方法的步骤。
CN202111456268.2A 2021-12-02 2021-12-02 一种适用于互感器计量性能在线监测系统的任务调度方法 Active CN113867922B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111456268.2A CN113867922B (zh) 2021-12-02 2021-12-02 一种适用于互感器计量性能在线监测系统的任务调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111456268.2A CN113867922B (zh) 2021-12-02 2021-12-02 一种适用于互感器计量性能在线监测系统的任务调度方法

Publications (2)

Publication Number Publication Date
CN113867922A true CN113867922A (zh) 2021-12-31
CN113867922B CN113867922B (zh) 2022-02-22

Family

ID=78985554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111456268.2A Active CN113867922B (zh) 2021-12-02 2021-12-02 一种适用于互感器计量性能在线监测系统的任务调度方法

Country Status (1)

Country Link
CN (1) CN113867922B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120065953A1 (en) * 2010-09-14 2012-03-15 Fujitsu Limited Computer-readable, non-transitory medium storing simulation program, simulation apparatus and simulation method
US20120284727A1 (en) * 2011-05-05 2012-11-08 Alcatel-Lucent Scheduling in Mapreduce-Like Systems for Fast Completion Time
CN112381265A (zh) * 2020-10-19 2021-02-19 长沙理工大学 基于无人机的充电和任务卸载系统及其任务耗时优化方法
CN112911537A (zh) * 2021-02-20 2021-06-04 广东工业大学 一种多无人机信息采集系统任务时间最小化的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120065953A1 (en) * 2010-09-14 2012-03-15 Fujitsu Limited Computer-readable, non-transitory medium storing simulation program, simulation apparatus and simulation method
US20120284727A1 (en) * 2011-05-05 2012-11-08 Alcatel-Lucent Scheduling in Mapreduce-Like Systems for Fast Completion Time
CN112381265A (zh) * 2020-10-19 2021-02-19 长沙理工大学 基于无人机的充电和任务卸载系统及其任务耗时优化方法
CN112911537A (zh) * 2021-02-20 2021-06-04 广东工业大学 一种多无人机信息采集系统任务时间最小化的方法

Also Published As

Publication number Publication date
CN113867922B (zh) 2022-02-22

Similar Documents

Publication Publication Date Title
CN103745107B (zh) 基于故障模式的装备基层级维修保障仿真系统构建方法
CN109144724A (zh) 一种微服务资源调度系统及方法
CN112685170B (zh) 备份策略的动态优化
US10671440B2 (en) Resource usage prediction for cluster provisioning
CN103942609B (zh) 产品服务供应链优化设计方法
Wu et al. Risk measure of job shop scheduling with random machine breakdowns
CN109409780B (zh) 变更处理方法、装置、计算机设备和存储介质
CN110414826A (zh) 一种云制造环境下柔性多任务前摄性调度优化方法
CN109117269A (zh) 一种分布式系统虚拟机调度方法、装置和可读存储介质
CN115085202A (zh) 电网多区域智能功率协同优化方法、装置、设备及介质
CN111950929A (zh) 一种项目型任务的工作量均衡分配方法和设备
CN111078380B (zh) 一种多目标任务调度方法及系统
CN113867922B (zh) 一种适用于互感器计量性能在线监测系统的任务调度方法
CN106682441A (zh) 一种基于层次分析法的指标权重量化方法及系统
CN106447302A (zh) 一种智能分单方法
CN116450451A (zh) 一种服务器硬件管理方法、系统、设备及存储介质
CN106708624A (zh) 一种多工作域计算资源的自适应调整方法
CN110619489A (zh) 一种电网自动电压控制策略评价方法及可读存储介质
CN115525979A (zh) 一种主动配电网可调度能力的多时间尺度评估方法及系统
Banicescu et al. Towards the robustness of dynamic loop scheduling on large-scale heterogeneous distributed systems
CN114331229A (zh) 一种装备保障方案的综合权衡方法及系统
Zhou et al. Research on power battery formation production scheduling problem with limited waiting time constraints
CN110673084A (zh) 一种电能计量装置状态评估方法、装置及可读存储介质
CN109754175A (zh) 用于对行政审批事项的办结时限进行压缩预测的计算模型及其应用
CN107729150A (zh) 一种异构集群安监设备最小能耗节点的寻址方法

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Patentee after: Wuhan Gelanruo Intelligent Technology Co.,Ltd.

Address before: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Patentee before: WUHAN GLORY ROAD INTELLIGENT TECHNOLOGY Co.,Ltd.