CN114371926A - 一种精细化资源分配方法、装置、电子设备及介质 - Google Patents
一种精细化资源分配方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN114371926A CN114371926A CN202210279555.9A CN202210279555A CN114371926A CN 114371926 A CN114371926 A CN 114371926A CN 202210279555 A CN202210279555 A CN 202210279555A CN 114371926 A CN114371926 A CN 114371926A
- Authority
- CN
- China
- Prior art keywords
- target
- resources
- task
- container
- resource
- 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
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
- 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]
- G06F9/5005—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5011—Pool
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5021—Priority
-
- 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)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请提供了一种精细化资源分配方法、装置、电子设备及介质,包括:接收用户端发送的、携带有任务类型、任务优先级和目标资源的任务处理请求;根据任务类型,从资源池中多种类型的容器中,确定出与任务类型相匹配的第一类型容器,第一类型容器中包括至少一个第一容器;根据每个第一容器的剩余资源、目标资源和任务优先级,按照预设分配规则,从第一容器中确定出剩余资源满足目标资源的目标容器、目标处理资源;将目标容器中的目标处理资源与任务处理请求对应的任务绑定,并针对目标处理资源生成一指令集,以通过指令集控制绑定目标处理资源的任务在执行过程中处于隔离状态,从而基于容器细粒度为任务分配容器资源,提高资源利用率。
Description
技术领域
本申请涉及电数字数据处理领域,具体而言,涉及一种精细化资源分配方法、装置、电子设备及介质。
背景技术
随着计算机技术的不断发展,容器作为轻量级虚拟化技术,被广泛应用于云计算、安全等领域。不同的容器无需模拟硬件即可共享一个主操作系统,不需要将容器指令转换到物理资源上面,只需将每个容器的宿主隔离,从而实现了多个容器共享一个主机的资源。一般一台物理资源(也可以称为物理机)可以创建上百台容器,因此,容器是一种轻量级虚拟化技术,它能够在保持程序独立性的同时兼顾资源的共享,弹性资源调度和分配是容器最主要的特点。但是,现有的针对容器的资源调度和分配方法,是基于容器粗粒度进行调度的,为任务分配容器资源时采用独占容器的方式,这就使得资源利用率低。
发明内容
有鉴于此,本申请的目的在于提供一种精细化资源分配方法、装置、电子设备及介质,基于容器细粒度为任务分配容器资源,从而提高资源利用率。
本申请实施例提供的一种精细化资源分配方法,包括:
接收用户端发送的任务处理请求,所述任务处理请求携带有任务类型、任务优先级和目标资源;
根据所述任务处理请求携带的任务类型,从资源池中多种类型的容器中,确定出与所述任务类型相匹配的第一类型容器;所述第一类型容器中包括至少一个第一容器;
根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,并确定出所述目标容器中的目标处理资源;
将所述目标容器中的目标处理资源与所述任务处理请求对应的任务绑定,并针对所述目标处理资源生成一指令集,以通过所述指令集控制绑定所述目标处理资源的任务在执行过程中处于隔离状态。
在一些实施例中,所述的精细化资源分配方法中的,根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,并确定出所述目标容器中的目标处理资源,包括:
当所述任务优先级满足预设条件时,调整所述目标资源;其中,当所述任务处理请求的任务优先级大于第一预设优先级,增加所述目标资源;和/或当所述任务处理请求的任务优先级小于第二预设优先级,减少所述目标资源;
根据每个所述第一容器的剩余资源,从所述第一容器中确定出剩余资源满足所述调整后的目标资源的目标容器,并根据所述调整后的目标资源确定所述目标容器中的目标处理资源。
在一些实施例中,所述的精细化资源分配方法中的,当所述任务处理请求的任务优先级大于第一预设优先级,增加所述目标资源;包括:
根据所述任务优先级,确定所述目标资源的扩大倍数,并根据所述扩大倍数增加所述目标资源。
在一些实施例中,所述的精细化资源分配方法中的所述任务处理请求携带有用户端属性;
所述调整所述目标资源,包括:根据所述任务处理请求的任务优先级、目标资源、任务类型和用户端属性,通过训练好的预测模型,预测所述任务处理请求对应的任务在处理过程中所需的实际资源,并根据所述实际资源调整所述目标资源;其中,所述预测模型是根据所述第一类型容器的历史任务数据训练得到的。
在一些实施例中,所述的精细化资源分配方法中的,根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,包括:
若所述第一容器中的剩余资源均无法满足所述目标资源,且所述任务处理请求的任务优先级满足预设抢占条件时,则按照预设抢占规则,确定出所述目标容器,并停止所述目标容器中正在执行的任务,以使所述目标容器中的剩余资源满足所述目标资源。
在一些实施例中,所述的精细化资源分配方法中的,根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,包括:
若所述第一容器中的剩余资源均无法满足所述目标资源,且所述任务处理请求的任务优先级大于第三预设优先级时,则从资源池中确定出第二类型容器;所述第二类型容器中包括至少一个第二容器;
根据每个所述第二容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第二容器中确定出剩余资源满足所述目标资源的目标容器。
在一些实施例中,所述的精细化资源分配方法中的,根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,包括:
当多个第一容器的剩余资源满足所述目标资源时,确定剩余资源与目标资源之间差额不小于预设边缘阈值的第一容器为所述目标容器。
在一些实施例中,还提供一种精细化资源分配装置,包括:
接收模块,用于接收用户端发送的任务处理请求,所述任务处理请求携带有任务类型、任务优先级和目标资源;
第一确定模块,用于根据所述任务处理请求携带的任务类型,从资源池中多种类型的容器中,确定出与所述任务类型相匹配的第一类型容器;所述第一类型容器中包括至少一个第一容器;
第二确定模块,用于根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,并确定出所述目标容器中的目标处理资源;
绑定模块,用于将所述目标容器中的目标处理资源与所述任务处理请求对应的任务绑定,并针对所述目标处理资源生成一指令集,以通过所述指令集控制绑定所述目标处理资源的任务在执行过程中处于隔离状态。
在一些实施例中,还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行所述的精细化资源分配方法的步骤。
在一些实施例中,还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行所述的精细化资源分配方法的步骤。
本申请所述的一种精细化资源分配方法、装置、电子设备及介质,首先根据任务类型,从预先部署的多种类型的容器中,确定出与所述任务类型相匹配的第一类型容器,一种类型的容器处理同种类型的任务,优化了系统中由于容器中的一种资源的限制导致另一种资源未被充分利用的情况,使得整个系统的资源都能够被更加充分的利用;然后每个容器中可以同时执行多个任务,从而实现基于细粒度的容器资源调度,实现精细化资源分配,从而提高整个系统的资源利用率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所述精细化资源分配方法的方法流程图。
图2示出了本申请实施例所述确定目标容器及目标处理资源的方法流程图。
图3示出了本申请实施例所述根据任务优先级建立的任务队列的示意图。
图4示出了本申请实施例所述另一种确定目标容器及目标处理资源的方法流程图。
图5示出了本申请实施例所述精细化资源分配装置的结构示意图。
图6示出了本申请实施例所述电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
随着计算机技术的不断发展,容器作为轻量级虚拟化技术,被广泛应用于云计算、安全等领域。不同的容器无需模拟硬件即可共享一个主操作系统,不需要将容器指令转换到物理资源上面,只需将每个容器的宿主隔离,从而实现了多个容器共享一个主机的资源。一般一台物理资源(也可以称为物理机)可以创建上百台容器,因此,容器是一种轻量级虚拟化技术,它能够在保持程序独立性的同时兼顾资源的共享,弹性资源调度和分配是容器最主要的特点。但是,现有的针对容器的资源调度和分配方法,是基于容器粗粒度进行调度的,为任务分配容器资源时采用独占容器的方式,这就使得资源利用率低。
具体的,所述基于容器粗粒度进行调度的,即为一个任务分配一个独立的容器,不同的任务所需资源不同,该任务并一定能够充分利用该容器的计算资源;而且,容器的计算资源通常包括CPU、内存、存储这几种不同类型的资源;不同的任务对于不同类型的资源的需求是不同的。以机器学习为例,训练任务需要占用大量的CPU、内存;但是开发任务(即写代码)基本上不消耗CPU、内存,但是对于存储资源要求较高。但是,现有技术在为任务分配资源时,一是为一个任务分配一个独立的容器,这就导致有些容器的资源未被充分利用;二是容器中有些的类型的资源被充分利用,有些类型的资源未被充分利用,例如为开发任务分配资源时,存储资源被充分利用了,但是CPU资源被大量浪费了。
基于此,本申请实施例提供一种精细化资源分配方法、装置、电子设备及介质,根据容器要处理的任务类型,在部署容器时,将容器部署为不同类型的容器;并且根据任务的任务类型,为任务分配类型匹配的容器,从而使得容器中每种资源都能得到更加充分的利用,同时,基于细粒度分配容器中的资源,即一个容器可以执行多个处于相互隔离状态的任务,从而使得容器的资源被充分利用。
下面对本申请实施例所提供的一种精细化资源分配方法、装置、电子设备及介质进行详细的介绍。
参照图1所示,图1示出了本申请实施例所述精细化资源分配方法的方法流程图;其中,所述精细化资源分配方法包括步骤S101-S104;具体的,包括以下步骤:
S101,接收用户端发送的任务处理请求,所述任务处理请求携带有任务类型、任务优先级和目标资源;
S102,根据所述任务处理请求携带的任务类型,从资源池中多种类型的容器中,确定出与所述任务类型相匹配的第一类型容器;所述第一类型容器中包括至少一个第一容器;
S103,根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,并确定出所述目标容器中的目标处理资源;
S104,将所述目标容器中的目标处理资源与所述任务处理请求对应的任务绑定,并针对所述目标处理资源生成一指令集,以通过所述指令集控制绑定所述目标处理资源的任务在执行过程中处于隔离状态。
在本申请实施例中,所述精细化资源分配方法可以运行于服务器中。当精细化资源分配方法运行于服务器时,该精细化资源分配方法则可以基于云交互系统来实现与执行,其中,云交互系统至少包括服务器和用户端设备(也即终端设备),所述用户端设备至少为一个。
实际上,在SaaS多用户场景中,资源利用率更低,更加需要对容器资源进行精细化分配。
具体的,每一个用户端设备与服务器之间可以通过有线网络/无线网络的方式,按照预先设定的通信协议(如RTSP(Real Time Streaming Protocol,实时流传输协议)协议等)进行数据传输与交互。
这里,在所述步骤S101中,所述任务处理请求携带有任务类型、任务优先级和目标资源;所述任务类型可以为任务类型标识,任务优先级可以为优先级权重,目标资源为每种类型的目标资源;以机器学习为例,所述任务类型可以为训练任务或开发任务,所述任务处理请求中携带有任务类型标识,以表征所述任务处理请求对应的任务为训练任务还是开发任务;所述目标资源包括CPU资源、内存资源和存储资源,例如,所述任务处理请求中携带的参数有:00001(训练任务)、1.2(优先级权重)、CPU2核、内存10M、存储100M;或者00010(开发任务)、1.0(优先级权重)、CPU0.1核、内存2M、存储1000M。
这里,所述任务类型不同,通常情况下,目标资源不同,有的任务需要的目标资源多,有的任务需要的目标资源少;且目标组员中各种类型资源分布不同,有的任务需要的CPU资源多、存储资源少,有的任务需要的CPU资源少、存储资源多等等。
所述任务优先级,可以根据任务类型确定,不同类型的任务优先级不同;例如,为运行时间的任务赋予更高优先级,从而使得整个系统中的任务平均响应时间最短;所述任务优先级,还可以根据用户端标识确定,不同的用户端标识中携带有用户端等级,用户端等级越高,任务优先级越高;也可以综合考量用户端等级和任务类型,确定任务的优先级权重。
通过合理的设置优先级,能够优化资源调度、提高系统的任务处理效率。
在所述步骤S102中,所述资源池中多种类型的容器,可以预先根据该系统中预备处理的任务的类型部署。不同类型的容器中的处理资源不同,处理资源中配置的多种类型的资源分布结构不同。
以机器学习为例,所述任务类型可以为训练任务或开发任务,可以部署两种类型的容器,一种类型的容器为训练型,一种类型的容器为开发型;训练型容器中部署有更多的CPU资源;开发型容器中部署的CPU资源少,存储资源多;所述容器部署可以通过k8s(Kubernetes)等容器编码工具实现。
这里,在所述步骤S102中,根据任务处理请求携带的任务类型,从资源池中多种类型的容器中,确定出与所述任务类型相匹配的第一类型容器;包括:根据任务处理请求携带的任务类型标识,从资源池中多种类型的容器中,确定出与所述任务类型相匹配的第一类型容器,例如,任务类型标识为00001(训练任务),则确定训练型容器为第一类型容器;任务类型标识为00010(开发任务),则确定开发型容器为第一类型容器。
针对系统中由于容器中的一种资源的限制导致另一种资源未被充分利用的情况,根据任务类型,将容器预先部署为不同类型的容器,每种容器处理同种类型的任务,使得整个系统的资源都能够被更加充分的利用。
在所述步骤S103中,每个所述第一容器的剩余资源,即所述容器基于细粒度进行资源配置时,单个任务不再以独占的形式运行在单个容器中;即单个容器中执行一个或多个任务;针对正在执行其他任务的第一容器,分别确定出每个第一容器的剩余资源。
按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器;具体如下:针对多个第一容器,依次判断第一容器中的剩余资源是否满足所述目标资源,若满足,则确定该第一容器为目标容器;若不满足,则判断下一个第一容器的剩余资源是否满足所述目标资源,直至确定出目标容器。
换句话说,即,当存在多个第一容器的剩余资源满足所述目标资源时,任选一第一容器确定为目标容器,通常情况下,为第一个满足所述目标资源的第一容器。
在一些实施例中,为了更加合理的利用容器中的资源,所述根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,包括:
当多个第一容器的剩余资源满足所述目标资源时,确定剩余资源与目标资源之间差额不小于(即大于或等于)预设边缘阈值的第一容器为所述目标容器。
这里,即获取每个第一容器的剩余资源,再分别计算每个第一容器的剩余资源减去目标资源之后的差值,若某一第一容器剩余资源与目标资源之间差额大于或等于预设边缘阈值,则该容器优选的被确定为目标容器;反之,在存在至少一个第一容器的剩余资源与目标资源之间差额大于或等于预设边缘阈值,剩余资源与目标资源之间差额小于预设边缘阈值的第一容器则不会被确定为目标容器。
这是为了提高容器中处理资源的边缘利用率,从而提高系统的整体资源利用率。例如:两个第一容器,第一个第一容器中的剩余内存为20M,第二个第一容器中的剩余内存为30M,任务处理请求中的目标资源中的内存为17M,若将第一个第一容器中的17M剩余内存分配给任务处理请求对应的任务,则第一容器中的剩余内存为3M,剩余内存难以再满足另一个任务的需求,就被浪费了。反之,若将第一个第二容器中的17M剩余内存分配给任务处理请求对应的任务,则第一容器中的剩余内存为13M,剩余内存可以再满足另一个任务的需求,实现容器资源的充分利用。
确定出所述目标容器中的目标处理资源,即根据所述任务处理请求的目标资源和任务优先级,确定出所述目标容器中的目标处理资源。
在所述步骤S104中,针对所述目标处理资源生成一指令集,以通过所述指令集控制绑定所述目标处理资源的任务在执行过程中处于隔离状态,可以通过Cgroup(ControlGroups)实现,Cgroup可以实现进程组隔离(Isolation)。比如:使用ns子系统可以使不同的进程组使用不同的namespace,以达到隔离的目的,不同的进程组有各自的进程、网络、文件系统挂载空间,从而使得一个容器中能够同时执行多个不同的任务,且多个不同的任务在执行过程中处于隔离状态,从而实现基于细粒度的容器资源调度,实现精细化资源分配,从而提高整个系统的资源利用率。
本申请实施例中,首先根据任务类型,从预先部署的多种类型的容器中,确定出与所述任务类型相匹配的第一类型容器,一种类型的容器处理同种类型的任务,优化了系统中由于容器中的一种资源的限制导致另一种资源未被充分利用的情况,使得整个系统的资源都能够被更加充分的利用;同时,每个容器中可以同时执行多个任务,从而实现基于细粒度的容器资源调度,实现精细化资源分配,从而提高整个系统的资源利用率。
在实际的实施过程中,有些任务的优先级很高,必须优先保证该任务的处理效率;有些任务的优先级较低,可以适当降低该任务的处理效率。若是按照所述任务处理请求携带的目标资源,直接为所述容器分配处理资源,并不一定能保证理想的任务处理效率。
图2示出了本申请实施例所述确定目标容器及目标处理资源的方法流程图。基于此,在本申请实施例中,所述步骤S103中,如图2所示,提供一种确定目标容器及目标处理资源的方法,具体如下:根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,并确定出所述目标容器中的目标处理资源,包括:
S1031,当所述任务优先级满足预设条件时,调整所述目标资源;其中,当所述任务处理请求的任务优先级大于第一预设优先级,增加所述目标资源;和/或当所述任务处理请求的任务优先级小于第二预设优先级,减少所述目标资源;
S1032,根据每个所述第一容器的剩余资源,从所述第一容器中确定出剩余资源满足所述调整后的目标资源的目标容器,并根据所述调整后的目标资源确定所述目标容器中的目标处理资源。
这里,通过任务优先级,合理的调整所述目标资源。其中,可以仅仅当所述任务处理请求的任务优先级大于第一预设优先级,增加所述目标资源;或者仅仅当所述任务处理请求的任务优先级小于第二预设优先级,减少所述目标资源;或者当所述任务处理请求的任务优先级大于第一预设优先级,增加所述目标资源;或当所述任务处理请求的任务优先级小于第二预设优先级,减少所述目标资源。
其中,调整所述目标资源时,可以仅仅调整目标资源中的一种类型的资源或多种类型的资源;也可以调整全部类型的资源。
调整后的目标资源能够更加合理的保证理想的任务处理效率,也就实现了更为精细化的资源调度。例如:针对用时较短的任务,其任务优先级更高,为该任务分配更多的资源,提高该任务的处理效率,从而尽快结束该任务,释放容器中的资源去处理其他任务,从而提高了容器的资源利用率。
针对优先级较低的任务,例如,下载任务,在资源比较紧张的时候,为该任务分配较少的资源,从而优先保证其他任务的处理速度。
针对高级别的用户的任务,其任务优先级较高,为该任务分配更多的资源,提高该任务的处理效率,保证用户体验。
基于此,当所述任务处理请求的任务优先级大于第一预设优先级,增加所述目标资源;包括:
根据所述任务优先级,确定所述目标资源的扩大倍数,并根据所述扩大倍数增加所述目标资源。
例如,所述任务处理请求中的目标资源为:CPU2核、内存10M、存储100M;由于该训练任务的优先级较高,因为,调整所述训练任务的目标资源为1.2倍,即CPU2.4核、内存12M、存储100M。
本申请实施例中,为了更加合理的调整所述任务的目标资源,特别是为了实现在保证任务处理效率的同时合理的减少任务的目标资源,本申请实施例提供根据该客户端的该类型任务的历史任务数据,调整所述目标资源的方法。
具体的,所述任务处理请求携带有用户端属性;所述调整所述目标资源,包括:根据所述任务处理请求的任务优先级、目标资源、任务类型和用户端属性,通过训练好的预测模型,预测所述任务处理请求对应的任务在处理过程中所需的实际资源,并根据所述实际资源调整所述目标资源;其中,所述预测模型是根据所述第一类型容器的历史任务数据训练得到的。
示例性的,例如,某客户端发送的任务处理请求对应的任务A,要求20M存储资源,但是根据所述预测模型的该某客户端的任务A进行分析,发现在以往的历史任务数据中,所述任务A在执行过程中仅仅需要10M存储资源,也就是浪费了10M的存储资源,此时,即可根据所述预测模型预测的实际资源调整所述目标资源,在保证任务处理效率的同时合理的减少任务的目标资源,提高系统的资源利用率。
同时,根据预测结果,合理的增加任务的目标资源,也能够在保证任务处理效率的同时提高系统的资源利用率。
本申请实施例中,所述预测模型可以为逻辑回归模型或支持向量机模型。
在根据所述任务处理请求进行资源分配时,针对多个任务处理请求,根据任务优先级建立任务队列。图3示出了本申请实施例所述根据任务优先级建立的任务队列的示意图。如图3所示,首先将任务优先级划分为多个优先级队列301,每个优先级队列301对应一个优先级权重范围,同时,在每个优先级队列301,任务按照任务优先级由高到低进行排序。
当接收到新的任务处理请求时,首先根据任务优先级判断任务处理请求所属的优先级队列301,例如,任务JobA1属于队列A,即确定任务JobA1排列在队列A中。然后根据任务优先级判断该任务在队列中的位置;例如任务JobA1的优先级不高于队列A中的任一个任务,即将任务JobA1插入队列尾部;任务JobA1的优先级高于队列A中的任务JobA2,即将任务JobA1插入任务JobA2前方,优先从资源池302中该任务JobA1分配容器资源。
也就是说,任务处理请求中的任务优先级,确定了为任务处理请求中的任务分配处理资源的顺序。
本申请实施例中,任务优先级除了决定为任务处理请求中的任务分配处理资源的顺序外,还决定了实际分配给任务的处理资源;除此之外,本申请实施例中的任务优先级,还决定了容器中处理资源的分配方式,以根据任务优先级更加精细的调度资源,使整个系统的资源利用率和任务处理效率更加合理。
具体的,所述根据任务优先级确定容器中处理资源分配方式的方法如下:根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,包括:
若所述第一容器中的剩余资源均无法满足所述目标资源,且所述任务处理请求的任务优先级满足预设抢占条件时,则按照预设抢占规则,确定出所述目标容器,并停止所述目标容器中正在执行的任务,以使所述目标容器中的剩余资源满足所述目标资源。
也就是说,将所述任务处理请求中的任务优先级与第一容器中正在执行的任务的任务优先级进行对比,若任务处理请求中的任务优先级更高,则停止所述目标容器中正在执行的任务,释放处理资源,实现抢占式资源调度,从而进一步的提高资源利用率。
其中,所述停止所述目标容器中正在执行的任务,可以终止所述目标容器中正在执行的任务,或者暂停述目标容器中正在执行的任务。
图4示出了本申请实施例所述另一种确定目标容器及目标处理资源的方法流程图。当第一容器中的剩余资源均无法满足所述目标资源,如图4所示,本申请实施例提供一种确定目标容器及目标处理资源的方法,具体如下:根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,包括:
S401、若所述第一容器中的剩余资源均无法满足所述目标资源,且所述任务处理请求的任务优先级大于第三预设优先级时,则从资源池中确定出第二类型容器;所述第二类型容器中包括至少一个第二容器;
S402、根据每个所述第二容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第二容器中确定出剩余资源满足所述目标资源的目标容器。
也就是说,当与任务类型相匹配的第一类型的容器均没有处理资源时,若该任务的优先级很高,可以从另一种类型的容器中为所述任务分配处理资源,更加灵活的保证任务处理效率和资源利用率。
本申请实施例还提供一种精细化资源分配装置,图5示出了本申请实施例所述精细化资源分配装置的结构示意图。如图5所示,所述装置包括:
接收模块501,用于接收用户端发送的任务处理请求,所述任务处理请求携带有任务类型、任务优先级和目标资源;
第一确定模块502,用于根据所述任务处理请求携带的任务类型,从资源池中多种类型的容器中,确定出与所述任务类型相匹配的第一类型容器;所述第一类型容器中包括至少一个第一容器;
第二确定模块503,用于根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,并确定出所述目标容器中的目标处理资源;
绑定模块504,用于将所述目标容器中的目标处理资源与所述任务处理请求对应的任务绑定,并针对所述目标处理资源生成一指令集,以通过所述指令集控制绑定所述目标处理资源的任务在执行过程中处于隔离状态。
在一些实施例中,所述第二确定模块,在根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,并确定出所述目标容器中的目标处理资源,具体用于:当所述任务优先级满足预设条件时,调整所述目标资源;其中,当所述任务处理请求的任务优先级大于第一预设优先级,增加所述目标资源;和/或当所述任务处理请求的任务优先级小于第二预设优先级,减少所述目标资源;
根据每个所述第一容器的剩余资源,从所述第一容器中确定出剩余资源满足所述调整后的目标资源的目标容器,并根据所述调整后的目标资源确定所述目标容器中的目标处理资源。
在一些实施例中,所述第二确定模块,在当所述任务处理请求的任务优先级大于第一预设优先级,增加所述目标资源时,具体用于:根据所述任务优先级,确定所述目标资源的扩大倍数,并根据所述扩大倍数增加所述目标资源。
在一些实施例中,所述任务处理请求携带有用户端属性;所述第二确定模块,在调整所述目标资源时,具体用于:根据所述任务处理请求的任务优先级、目标资源、任务类型和用户端属性,通过训练好的预测模型,预测所述任务处理请求对应的任务在处理过程中所需的实际资源,并根据所述实际资源调整所述目标资源;其中,所述预测模型是根据所述第一类型容器的历史任务数据训练得到的。
在一些实施例中,所述第二确定模块,在根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器时,具体用于:若所述第一容器中的剩余资源均无法满足所述目标资源,且所述任务处理请求的任务优先级满足预设抢占条件时,则按照预设抢占规则,确定出所述目标容器,并停止所述目标容器中正在执行的任务,以使所述目标容器中的剩余资源满足所述目标资源。
在一些实施例中,所述第二确定模块,在根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器时,具体用于:若所述第一容器中的剩余资源均无法满足所述目标资源,且所述任务处理请求的任务优先级大于第三预设优先级时,则从资源池中确定出第二类型容器;所述第二类型容器中包括至少一个第二容器;
根据每个所述第二容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第二容器中确定出剩余资源满足所述目标资源的目标容器。
在一些实施例中,所述第二确定模块,在根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,具体用于:当多个第一容器的剩余资源满足所述目标资源时,确定剩余资源与目标资源之间差额不小于预设边缘阈值的第一容器为所述目标容器。
图6示出了本申请实施例所述电子设备的结构示意图。如图6所示,本申请实施例还提供一种电子设备600,包括:处理器602、存储器601和总线,所述存储器601存储有所述处理器602可执行的机器可读指令,当电子设备600运行时,所述处理器602与所述存储器601之间通过总线通信,所述机器可读指令被所述处理器602执行时执行所述的精细化资源分配方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行所述的精细化资源分配方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,平台服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种精细化资源分配方法,其特征在于,所述方法包括:
接收用户端发送的任务处理请求,所述任务处理请求携带有任务类型、任务优先级和目标资源;
根据所述任务处理请求携带的任务类型,从资源池中多种类型的容器中,确定出与所述任务类型相匹配的第一类型容器;所述第一类型容器中包括至少一个第一容器;
根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,并确定出所述目标容器中的目标处理资源;
将所述目标容器中的目标处理资源与所述任务处理请求对应的任务绑定,并针对所述目标处理资源生成一指令集,以通过所述指令集控制绑定所述目标处理资源的任务在执行过程中处于隔离状态。
2.根据权利要求1所述的精细化资源分配方法,其特征在于,根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,并确定出所述目标容器中的目标处理资源,包括:
当所述任务优先级满足预设条件时,调整所述目标资源;其中,当所述任务处理请求的任务优先级大于第一预设优先级,增加所述目标资源;和/或当所述任务处理请求的任务优先级小于第二预设优先级,减少所述目标资源;
根据每个所述第一容器的剩余资源,从所述第一容器中确定出剩余资源满足所述调整后的目标资源的目标容器,并根据所述调整后的目标资源确定所述目标容器中的目标处理资源。
3.根据权利要求2所述的精细化资源分配方法,其特征在于,当所述任务处理请求的任务优先级大于第一预设优先级,增加所述目标资源;包括:
根据所述任务优先级,确定所述目标资源的扩大倍数,并根据所述扩大倍数增加所述目标资源。
4.根据权利要求2所述的精细化资源分配方法,其特征在于,所述任务处理请求携带有用户端属性;
所述调整所述目标资源,包括:根据所述任务处理请求的任务优先级、目标资源、任务类型和用户端属性,通过训练好的预测模型,预测所述任务处理请求对应的任务在处理过程中所需的实际资源,并根据所述实际资源调整所述目标资源;其中,所述预测模型是根据所述第一类型容器的历史任务数据训练得到的。
5.根据权利要求1所述的精细化资源分配方法,其特征在于,根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,包括:
若所述第一容器中的剩余资源均无法满足所述目标资源,且所述任务处理请求的任务优先级满足预设抢占条件时,则按照预设抢占规则,确定出所述目标容器,并停止所述目标容器中正在执行的任务,以使所述目标容器中的剩余资源满足所述目标资源。
6.根据权利要求1所述的精细化资源分配方法,其特征在于,根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,包括:
若所述第一容器中的剩余资源均无法满足所述目标资源,且所述任务处理请求的任务优先级大于第三预设优先级时,则从资源池中确定出第二类型容器;所述第二类型容器中包括至少一个第二容器;
根据每个所述第二容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第二容器中确定出剩余资源满足所述目标资源的目标容器。
7.根据权利要求1所述的精细化资源分配方法,其特征在于,根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,包括:
当多个第一容器的剩余资源满足所述目标资源时,确定剩余资源与目标资源之间差额不小于预设边缘阈值的第一容器为所述目标容器。
8.一种精细化资源分配装置,其特征在于,所述装置包括:
接收模块,用于接收用户端发送的任务处理请求,所述任务处理请求携带有任务类型、任务优先级和目标资源;
第一确定模块,用于根据所述任务处理请求携带的任务类型,从资源池中多种类型的容器中,确定出与所述任务类型相匹配的第一类型容器;所述第一类型容器中包括至少一个第一容器;
第二确定模块,用于根据每个所述第一容器的剩余资源、所述任务处理请求的目标资源和任务优先级,按照预设分配规则,从所述第一容器中确定出剩余资源满足所述目标资源的目标容器,并确定出所述目标容器中的目标处理资源;
绑定模块,用于将所述目标容器中的目标处理资源与所述任务处理请求对应的任务绑定,并针对所述目标处理资源生成一指令集,以通过所述指令集控制绑定所述目标处理资源的任务在执行过程中处于隔离状态。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至7任意一项所述的精细化资源分配方法的步骤。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至7任意一项所述的精细化资源分配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210279555.9A CN114371926B (zh) | 2022-03-22 | 2022-03-22 | 一种精细化资源分配方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210279555.9A CN114371926B (zh) | 2022-03-22 | 2022-03-22 | 一种精细化资源分配方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114371926A true CN114371926A (zh) | 2022-04-19 |
CN114371926B CN114371926B (zh) | 2022-05-17 |
Family
ID=81146262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210279555.9A Active CN114371926B (zh) | 2022-03-22 | 2022-03-22 | 一种精细化资源分配方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114371926B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115237589A (zh) * | 2022-06-21 | 2022-10-25 | 中科驭数(北京)科技有限公司 | 一种基于sr-iov的虚拟化方法、装置和设备 |
WO2023207623A1 (zh) * | 2022-04-24 | 2023-11-02 | 阿里巴巴(中国)有限公司 | 任务处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107071045A (zh) * | 2017-05-08 | 2017-08-18 | 深信服科技股份有限公司 | 一种基于多租户的资源调度系统 |
CN112187864A (zh) * | 2020-09-02 | 2021-01-05 | 深圳市欢太科技有限公司 | 负载均衡方法、装置、存储介质及电子设备 |
CN113268310A (zh) * | 2021-04-12 | 2021-08-17 | 新浪网技术(中国)有限公司 | 一种Pod资源配额调整方法、装置、电子设备及存储介质 |
US20210303328A1 (en) * | 2020-03-30 | 2021-09-30 | Wipro Limited | Method and system for efficient utilization of resources in containers |
CN113971068A (zh) * | 2020-07-24 | 2022-01-25 | 中移(苏州)软件技术有限公司 | 资源调整方法、装置、设备和存储介质 |
CN114116092A (zh) * | 2021-11-09 | 2022-03-01 | 北京百度网讯科技有限公司 | 云桌面系统处理方法、云桌面系统控制方法以及相关设备 |
-
2022
- 2022-03-22 CN CN202210279555.9A patent/CN114371926B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107071045A (zh) * | 2017-05-08 | 2017-08-18 | 深信服科技股份有限公司 | 一种基于多租户的资源调度系统 |
US20210303328A1 (en) * | 2020-03-30 | 2021-09-30 | Wipro Limited | Method and system for efficient utilization of resources in containers |
CN113971068A (zh) * | 2020-07-24 | 2022-01-25 | 中移(苏州)软件技术有限公司 | 资源调整方法、装置、设备和存储介质 |
CN112187864A (zh) * | 2020-09-02 | 2021-01-05 | 深圳市欢太科技有限公司 | 负载均衡方法、装置、存储介质及电子设备 |
CN113268310A (zh) * | 2021-04-12 | 2021-08-17 | 新浪网技术(中国)有限公司 | 一种Pod资源配额调整方法、装置、电子设备及存储介质 |
CN114116092A (zh) * | 2021-11-09 | 2022-03-01 | 北京百度网讯科技有限公司 | 云桌面系统处理方法、云桌面系统控制方法以及相关设备 |
Non-Patent Citations (2)
Title |
---|
ZHE ZHANG等: "Lark: an effective approach for software-defined networking in high throughput computing clusters", 《FUTURE GENERATION COMPUTER SYSTEMS》 * |
龚坤等: "容器云多维资源利用率均衡调度研究", 《计算机应用研究》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023207623A1 (zh) * | 2022-04-24 | 2023-11-02 | 阿里巴巴(中国)有限公司 | 任务处理方法 |
CN115237589A (zh) * | 2022-06-21 | 2022-10-25 | 中科驭数(北京)科技有限公司 | 一种基于sr-iov的虚拟化方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114371926B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108345501B (zh) | 一种分布式资源调度方法和系统 | |
CN114371926B (zh) | 一种精细化资源分配方法、装置、电子设备及介质 | |
US9916183B2 (en) | Scheduling mapreduce jobs in a cluster of dynamically available servers | |
EP3553657A1 (en) | Method and device for allocating distributed system task | |
CN107222531B (zh) | 一种容器云资源调度方法 | |
CN110389816B (zh) | 用于资源调度的方法、装置以及计算机可读介质 | |
US20110067030A1 (en) | Flow based scheduling | |
CN109564528B (zh) | 分布式计算中计算资源分配的系统和方法 | |
CN112416585B (zh) | 面向深度学习的gpu资源管理与智能化调度方法 | |
WO2019036084A1 (en) | SYSTEMS AND METHODS FOR PROVIDING A GUARANTEED LOT | |
CN107832143B (zh) | 一种物理机资源的处理方法和装置 | |
CN112783659B (zh) | 一种资源分配方法、装置、计算机设备及存储介质 | |
CN114327843A (zh) | 任务调度方法及装置 | |
CN104917839A (zh) | 一种用于云计算环境下的负载均衡方法 | |
CN111597044A (zh) | 任务调度方法、装置、存储介质及电子设备 | |
CN113626173B (zh) | 调度方法、装置及存储介质 | |
CN114721818A (zh) | 一种基于Kubernetes集群的GPU分时共享方法和系统 | |
CN114327894A (zh) | 资源分配方法、装置、电子设备及存储介质 | |
CN102184124B (zh) | 任务调度方法及系统 | |
CN111930485B (zh) | 一种基于性能表现的作业调度方法 | |
CN111506414A (zh) | 资源调度方法、装置、设备、系统及可读存储介质 | |
CN110716809B (zh) | 用于调度云资源的方法和装置 | |
CN109189581B (zh) | 一种作业调度方法和装置 | |
CN108228323B (zh) | 基于数据本地性的Hadoop任务调度方法及装置 | |
CN112130979B (zh) | 调度任务及训练神经网络模型的方法、装置、终端和介质 |
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 |