CN114596009A - 智算中心的算力资源部署方法、装置、设备及存储介质 - Google Patents

智算中心的算力资源部署方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114596009A
CN114596009A CN202210495846.1A CN202210495846A CN114596009A CN 114596009 A CN114596009 A CN 114596009A CN 202210495846 A CN202210495846 A CN 202210495846A CN 114596009 A CN114596009 A CN 114596009A
Authority
CN
China
Prior art keywords
production
benefit
stage
computing
power
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
CN202210495846.1A
Other languages
English (en)
Other versions
CN114596009B (zh
Inventor
崔坤磊
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.)
Suzhou Inspur Intelligent Technology Co Ltd
Original Assignee
Suzhou Inspur 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 Suzhou Inspur Intelligent Technology Co Ltd filed Critical Suzhou Inspur Intelligent Technology Co Ltd
Priority to CN202210495846.1A priority Critical patent/CN114596009B/zh
Publication of CN114596009A publication Critical patent/CN114596009A/zh
Application granted granted Critical
Publication of CN114596009B publication Critical patent/CN114596009B/zh
Priority to PCT/CN2022/123402 priority patent/WO2023216500A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种智算中心的算力资源部署方法、装置、电子设备及可读存储介质，应用于计算机技术领域中的智算中心。其中，方法包括响应阶段划分指令，对所有待计划生产周期进行划分，生成多个满足预设关联关系的生产阶段。根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系；其中，每个生产阶段的固定生产计算力小于等于相应的计算力库存量和计算力生产规划之和。当满足总效益最优条件时，根据效益与计算力生产数量关系确定每个生产阶段的计算力生产规划，进而可基于各生产阶段的计算力生产规划进行算力资源部署，实现智算中心计算力资源的最优部署。

Description

智算中心的算力资源部署方法、装置、设备及存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种智算中心的算力资源部署方法、装置、电子设备及可读存储介质。
背景技术
智算中心是智慧时代最主要的计算力生产中心，它以融合架构计算系统为平台，以数据为资源，能够以强大算力驱动AI（Artificial Intelligence，人工智能）模型对数据进行深度加工，源源不断地产生各种智慧计算服务，并通过网络以云服务形式供应给组织及个人。计算在发展过程中从最初的数值计算逐渐演变为科学计算、关键计算和智慧计算。每种计算都有相应的算力中心去支撑。承载科学计算的算力中心是超算中心。承载当前企业应用、政府应用和个人应用的算力中心是数量众多的各类数据中心。当前人工智能计算需求正呈指数级增长，未来在社会总计算需求中将占据80%以上，承载这种需求的就是AI算力中心，即智算中心。智算中心具有开放标准、集约高效和普适普惠三个基本要求。超过80%的企业都在其数据中心中应用了开源软件技术，如OpenStack、K8S（Kubernetes）、Hadoop（海杜普）、TensorFlow等，面向云计算、大数据、人工智能等场景的开源基础软件已经成为了智算中心软件平台的事实标准。开放的计算技术可以节省电力、降低系统故障率、提高运维效率和投资收益率，对计算资源的交付速度可达到每天1万台。
相关技术在对智算中心的算力资源进行部署时，通常是在已知未来生产周期计划的前提下，严格按照当前计算力需求量进行生产调度与部署。但是，这种方式并不是最优的算力资源部署策略，尤其是在面对智算中心大规模生产的应用场景中，采用相关技术会造成较大的成本浪费。
鉴于此，如何实现对智算中心计算力资源的最优部署，是所属领域技术人员需要解决的技术问题。
发明内容
本申请提供了一种智算中心的算力资源部署方法、装置、电子设备及可读存储介质，实现智算中心计算力资源的最优部署。
为解决上述技术问题，本发明实施例提供以下技术方案：
本发明实施例一方面提供了一种智算中心的算力资源部署方法，应用于智算中心，包括：
响应阶段划分指令，将所有待计划生产周期进行划分，以生成多个满足预设关联关系的生产阶段；
根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系；
当满足总效益最优条件时，基于所述效益与计算力生产数量关系，确定每个生产阶段的计算力生产规划；其中，每个生产阶段的固定生产计算力小于等于相应的计算力库存量和计算力生产规划之和。
可选的，所述当满足总效益最优条件时，基于所述效益与计算力生产数量关系，确定每个生产阶段的计算力生产规划，包括：
基于所述效益与计算力生产数量关系，按照从最后一个生产阶段到第一个生产阶段的顺序，依次确定以每个生产阶段为起点到整个生产过程结束的阶段效益；
当所述第一个生产阶段的阶段效益最大时，计算所述第一个生产阶段的第一计算力生产规划；
根据所述第一计算力生产规划、和相邻生产阶段的计算力库存量之间的关系，按照从第二个生产阶段到最后一个生产阶段的顺序，依次确定各生产阶段相应的计算力库存量和计算力生产规划。
可选的，所述将所有待计划生产周期进行划分，以生成多个满足预设关联关系的生产阶段，包括：
通过解析所述阶段划分指令，得到划分标准单位；
按照所述划分标准单位，对所有待计划生产周期进行划分，得到多个生产阶段；
其中，各生产阶段包括计算力库存量和阶段结束计算力，所述第一个生产阶段的计算力库存量为所有待计划生产周期开始之前的库存量，所述最后一个生产阶段的计算力产量与计算力需求相同；每个生产阶段的阶段结束计算力为相邻的下一个生产阶段的计算力库存量；每个生产阶段的阶段结束计算力根据相应生产阶段的计算力库存量和计算力生产规划确定。
可选的，所述根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系之前，还包括：
获取效益信息，以根据所述效益信息，确定每个生产阶段的阶段效益；
其中，所述效益信息包括效益表征因子、每个生产阶段的阶段效益与阶段计算力产量的函数关系。
可选的，所述根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系之前，还包括：
当接收到生产订单请求，通过解析所述生产订单请求，得到订单交付时间和交付计算节点总数；
根据所述订单交付时间和所述交付计算节点总数，确定每个生产阶段的固定生产计算力。
可选的，所述根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系，包括：
基于目标生产阶段的计算力库存量、计算力生产规划和效益表征因子，生成所述目标生产阶段的目标阶段效益；
根据目标生产阶段的计算力库存量、固定生产计算力和计算力生产规划，确定所述目标生产阶段的下一个生产阶段的计算力库存量，以用于生成所述目标生产阶段的下一个生产阶段的相邻阶段效益；
基于所述目标阶段效益和所述相邻阶段效益，生成用于表示效益与计算力生产数量关系的效益表征函数。
可选的，所述基于所述目标阶段效益和所述相邻阶段效益，生成用于表示效益与计算力生产数量关系的效益表征函数，包括：
若所述效益表征因子所属效益类型为降低型效益，调用第一效益表征函数关系式计算所述目标生产阶段的效益表征函数；所述第一效益表征函数关系式为：
Figure 523354DEST_PATH_IMAGE001
式中，x k 为所述目标生产阶段的计算力库存量，f k (x k )为所述目标生产阶段的目标生产阶段的效益表征函数，u k 为所述目标生产阶段的计算力生产规划，d k (x k ，u k )为所述目标阶段效益，f k+1(x k+1)为所述目标生产阶段的下一个生产阶段的效益表征函数，N为生产阶段总数。
可选的，所述基于所述目标阶段效益和所述相邻阶段效益，生成用于表示效益与计算力生产数量关系的效益表征函数，包括：
若所述效益表征因子所属效益类型为增长型效益，调用第二效益表征函数关系式计算所述目标生产阶段的效益表征函数；所述第二效益表征函数关系式为：
Figure 808842DEST_PATH_IMAGE002
式中，x k 为所述目标生产阶段的计算力库存量，f k (x k )为所述目标生产阶段的目标生产阶段的效益表征函数，u k 为所述目标生产阶段的计算力生产规划，d k (x k ，u k )为所述目标阶段效益，f k+1(x k+1)为所述目标生产阶段的下一个生产阶段的效益表征函数，N为生产阶段总数。
本发明实施例另一方面提供了一种智算中心的算力资源部署装置，应用于智算中心，包括：
生产分段模块，用于响应阶段划分指令，将所有待计划生产周期进行划分，以生成多个满足预设关联关系的生产阶段；
效益与产量关系确定模块，用于根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系；每个生产阶段的固定生产计算力小于等于相应的计算力库存量和计算力生产规划之和；
生产规划生成模块，用于当满足总效益最优条件时，基于所述效益与计算力生产数量关系，确定每个生产阶段的计算力生产规划。
本发明实施例还提供了一种电子设备，包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如前任一项所述智算中心的算力资源部署方法的步骤。
本发明实施例最后还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前任一项所述智算中心的算力资源部署方法的步骤。
本申请提供的技术方案的优点在于，将所需计算力资源的未来生产周期按照指定标准进行分阶段，从而可将整个计算力生产计划部署在多个生产阶段，各生产阶段彼此联系又互相影响，在满足每个生产阶段的计算量需求的基础上，确定相应阶段的最优效益下的计算力生产规划，最终可确定最优效益下的算力资源生产计划，从而可最大程度地降低成本浪费，实现对智算中心算力资源的最优部署。
此外，本发明实施例还针对智算中心的算力资源部署方法提供了相应的实现装置、电子设备及可读存储介质，进一步使得所述方法更具有实用性，所述装置、电子设备及可读存储介质具有相应的优点。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
为了更清楚的说明本发明实施例或相关技术的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1为本发明实施例提供的一种智算中心的算力资源部署方法的流程示意图；
图2为本发明实施例提供的一个示例性应用场景中的各生产阶段之间的关系示意图；
图3为本发明实施例提供的智算中心的算力资源部署装置的一种具体实施方式结构图；
图4为本发明实施例提供的电子设备的一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后，下面详细的说明本申请的各种非限制性实施方式。
首先参见图1，图1为本发明实施例提供的一种智算中心的算力资源部署方法的流程示意图，应用于智算中心，本发明实施例可包括以下内容：
S101：响应阶段划分指令，将所有待计划生产周期进行划分，以生成多个满足预设关联关系的生产阶段。
在本实施例中，阶段划分指令可通过人机交互页面进行下发，阶段划分指令包括阶段的划分标准单位和需要划分的周期，需要划分的周期也即所有待计划生产周期。所有待计划生产周期为执行算力资源部署操作的所有时间段，也就是生产计算力资源的所有时间段，本实施例将所有待计划生产周期作为一个整体时间段。算力资源可包括多种类型资源，计算力资源例如可为计算节点，也即可采用计算节点的数量表示对计算力的衡量。进一步的，阶段划分指令还可携带算力资源类型字段。系统在接收到阶段划分指令之后，从该指令中提取划分标准单位和需要划分的周期，划分标准单位可根据实际需求也即需要划分得到的生产阶段、计算力资源需求量和待计划生产周期时长进行灵活选择。划分标准单位可为月、周、季度等等。按照划分标准单位将该整体时间段划分为多个时间阶段，每个时间阶段为一个生产阶段。举例来说，可将未来几个生产周期的计算力生产计划按月为单位进行分阶段划分。也即通过解析阶段划分指令，得到划分标准单位；按照划分标准单位，对所有待计划生产周期进行划分，得到多个生产阶段。本实施例在每个生产阶段均会生产计算力，各生产阶段共同组成所有待计划生产周期，所以各生产阶段的计算力产量在整个时间轴周期上具有一定的数值关系以及各生产阶段在整个生产周期上具有互相联系，上述各生产阶段之间的关系也即本步骤所称的预设关联关系。结合图2所示，每个生产阶段都有初始状态和结束状态，状态表示系统在某一生产阶段所处的位置或所处的状态，其结束状态为下一个阶段的初始状态；某一生产阶段的状态确定以后，从该状态演变到下一生产阶段状态所做的决定称为决策也即算力资源规划或者是称为计算力生产规划。某一个生产阶段的初始状态和决策确定后，下一个阶段的初始状态就随之而定。也就是说，每一个生产阶段都需要做出决策，每一个生产阶段的结果依赖于其初始状态和该生产阶段的决策。第一个生产阶段的初始状态为整个生产周期的初始状态，最后一个生产阶段的结束状态是整个生产周期的结束状态。对于各生产阶段均生产计算力资源的应用场景，各生产阶段均可包括计算力库存量和阶段结束计算力，计算力库存量即为每个生产阶段还未开始执行计算力资源生产之前，就已经具备的计算力资源，是每个生产阶段的库存量。阶段结束计算力是指经过该生产阶段进行计算力生产操作之后，所得到的所有计算力资源。第一个生产阶段的计算力库存量为所有待计划生产周期开始之前的库存量，最后一个生产阶段的计算力产量与计算力需求相同。当然，用户可通过人机交互界面预先下发在所有待计划生产周期内所需求的计算力资源总量，也即计算力需求。所需求的计算力资源部署在所有待计划生产周期内进行生产。也就是说，用户可根据自己的需要自行提出对计算力规模的需求，可以简单表述为需要多少计算节点，并将需求如交付时间和交付节点数量提交给智算中心；智算中心根据用户需求规划和指定计算力生产计划。这样所有待计划生产周期如未来几个月的计算力需求是已知的、可信的。每个生产阶段的阶段结束计算力为相邻的下一个生产阶段的计算力库存量；每个生产阶段的阶段结束计算力根据相应生产阶段的计算力库存量和计算力生产规划确定。
S102：根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系。
在本步骤中，目标生产阶段可为上个步骤所划分的多个生产阶段中的任意一个生产阶段，计算力库存量为该目标生产阶段的库存量，固定生产计算力为目标生产阶段的用户需求计算力资源，计算力生产规划为该目标生产阶段的计划要生产的计算力资源。计算力生产规划与预先获取的计算力需求也即固定生产计算力并不完全相同，可以理解的是，为了保证整体效益最佳，每个生产阶段可能会生产比该生产阶段最初的用户需求的计算力资源多，也可能会比该生产阶段最初的用户需求计算力资源少，但是整体所需求的计算力资源必须要满足，这就需要每个生产阶段的固定生产计算力小于等于相应的计算力库存量和计算力生产规划之和。基于S101可知，将作为一个整体的所有待计划生产周期划分为多个不同的生产阶段，通过确定每个生产阶段相应的计算力生产规划，使得各生产阶段的计算力生产规划合起来为所有待计划生产周期的最优计算力生产规划。也就是说，将所有待计划生产周期作为一个整体再划分为若干个相互联系的过程，在每个生产阶段都需要做出决策，并且一个生产阶段的决策确定以后，会影响下一个生产阶段的决策，从而影响整个决策的结果。本实施例就是要在允许的范围内选择一个最优决策，使整个系统在预定标准下达到最佳效果。预定标准通常可基于效益来确定，也即在满足用户的计算力资源需求基础上实现整体效益最佳。所以需要使得在所有生产阶段的效益之和最佳时，确定每个生产阶段的效益与计算力生产数量关系。系统某个生产阶段的状态一经确定，执行该生产阶段的决策所得的效益即为阶段效益，阶段效益是整个系统效益的一部分，阶段效益可根据预先设置的效益信息来计算，可将效益信息存储至指定路径下，或者是用户输入效益信息。效益信息可包括效益表征因子、每个生产阶段的阶段效益与阶段计算力产量的函数关系。效益表征因子即为表征效益的参数，举例来说，效益为生产成本，则效益表征因子为生产成本系数，效益为仓储成本，则效益表征因子为仓储成本系数。阶段效益与阶段计算力产量的函数关系可为预先设置好的，以效益为生产成本为例，若设置每个生产阶段的生产成本与产量的平方成正比，也即为该生产阶段的阶段效益与阶段计算力产量的函数关系。
为了更加便于实施，智算中心计算力的算力资源生产过程可以为订单式生产。可根据用户需求规划计算力的生产，也即固定生产计算力可通过订单方式告知智算中心，当计算力资源为计算力节点，在根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系之前，当接收到生产订单请求，通过解析该生产订单请求，得到订单交付时间和交付计算节点总数；根据订单交付时间和交付计算节点总数，确定每个生产阶段的固定生产计算力，也即该生产阶段的用户需求计算力资源。
S103：当满足总效益最优条件时，基于效益与计算力生产数量关系，确定每个生产阶段的计算力生产规划。
在上个步骤确定目标生产阶段的效益与计算力生产数量关系之后，基于S101可知各生产阶段的关联关系，可基于目标生产阶段的效益与计算力生产数量关系依次计算得到其余各生产阶段的效益与计算力生产数量关系，在满足总效益最优条件如成本降低到最小时，逐步将生产计划分解，既要满足每个生产阶段的计算力需求，也要保证总的生产计划的总效益最高，通过基础数学知识依次计算得到每个生产阶段的计算力生产规划。在确定每个生产阶段的计算力成产规划之后，智算中心将用户所需求的所有计算力资源基于计算力生产规划部署在各生产阶段。
在本发明实施例提供的技术方案中，将所需计算力资源的未来生产周期按照指定标准进行分阶段，从而可将整个计算力生产计划部署在多个生产阶段，各生产阶段彼此联系又互相影响，在满足每个生产阶段的计算量需求的基础上，确定相应阶段的最优效益下的计算力生产规划，最终可确定最优效益下的算力资源生产计划，从而可最大程度地降低成本浪费，实现对智算中心算力资源的最优部署。
需要说明的是，本申请中各步骤间没有严格的先后执行顺序，只要符合逻辑上的顺序，则这些步骤可以同时执行，也可按照某种预设顺序执行，图1只是一种示意方式，并不代表只能是这样的执行顺序。
在上述实施例中，对于如何执行步骤S103并不做限定，本实施例中给出每个生产阶段的计算力生产规划的一种可选的确定方式，可包括如下步骤：
基于效益与计算力生产数量关系，按照从最后一个生产阶段到第一个生产阶段的顺序，依次确定以每个生产阶段为起点到整个生产过程结束的阶段效益；
当第一个生产阶段的阶段效益最大时，计算第一个生产阶段的第一计算力生产规划；
根据第一计算力生产规划、和相邻生产阶段的计算力库存量之间的关系，按照从第二个生产阶段到最后一个生产阶段的顺序，依次确定各生产阶段相应的计算力库存量和计算力生产规划。
在本实施例中，目标生产阶段可为最后一个生产阶段，基于最后一个生产阶段的效益与计算力生产数量关系，可以从终点一个生产阶段一个生产阶段地反推，在满足用户所需求的生产计划的前提下，得到每个生产阶段到终点的最优化的产量与效益；在计算出第一个生产阶段的最优生产计划后，可以顺序推算出每一生产阶段的生产计划，且总的效益最优。整个过程计算简单，易于实施。
在上述实施例中，对于如何执行步骤S102并不做限定，本实施例中给出效益与计算力生产数量关系的一种可选的确定方式，可包括如下步骤：
基于目标生产阶段的计算力库存量、计算力生产规划和效益表征因子，生成目标生产阶段的目标阶段效益；
根据目标生产阶段的计算力库存量、固定生产计算力和计算力生产规划，确定目标生产阶段的下一个生产阶段的计算力库存量，以用于生成目标生产阶段的下一个生产阶段的相邻阶段效益；
基于目标阶段效益和相邻阶段效益，生成用于表示效益与计算力生产数量关系的效益表征函数。
在本实施例中，效益表征函数可以定义在全过程上，也可以定义在后部分的子过程上，效益表征函数往往是各阶段效益的某种和式。执行最优策略后效益表征函数值也应当是最高或最低。可以理解的是，效益表征函数是系统执行某一策略所产生效益的数量表示，根据不同的实际情况，效益可以是效益的提升，如利润、距离、产量等；效益也可以是效益的降低，如生产成本、仓储成本、资源消耗等。基于此，本实施例基于不同效益类型给出了不同的效益表征函数，可包括下述内容：
若效益表征因子所属效益类型为降低型效益，降低型效益是指数值越小效益反而更优的类型，如生产成本、仓储成本、资源消耗等。调用第一效益表征函数关系式计算目标生产阶段的效益表征函数；第一效益表征函数关系式可表述为：
Figure 608170DEST_PATH_IMAGE003
式中，x k 为目标生产阶段的计算力库存量，f k (x k )为目标生产阶段的目标生产阶段的效益表征函数，u k 为目标生产阶段的计算力生产规划，d k (x k ，u k )为目标阶段效益，f k+1(x k+1)为目标生产阶段的下一个生产阶段的效益表征函数，N为生产阶段总数。
若效益表征因子所属效益类型为增长型效益，增长型效益是指数值越大效益更优的类型，如利润、距离、产量等。调用第二效益表征函数关系式计算目标生产阶段的效益表征函数；第二效益表征函数关系式可表示为：
Figure 502527DEST_PATH_IMAGE002
式中，x k 为目标生产阶段的计算力库存量，f k (x k )为目标生产阶段的目标生产阶段的效益表征函数，u k 为目标生产阶段的计算力生产规划，d k (x k ，u k )为目标阶段效益，f k+1(x k+1)为目标生产阶段的下一个生产阶段的效益表征函数，N为生产阶段总数。
由上可知，本实施例采用效益表征函数来定量表示效益与计算力生产数量关系，有利于提升整个生产规划部署效率，且给出了不同效益类型对应的效益表征函数，实用性更好。
为了使所属领域技术人员更加清楚明白本申请的技术方案，本申请还提供了一个示意性的例子，可包括下述内容：
在本示意性例子中，所有待计划生产周期为未来四个月，计算力资源为计算节点数量，用户在未来四个月的固定计算力生产订单需求为600台计算节点、700台计算节点、500台计算节点、1200台计算节点。本实施例的效益为成本，并将计算力成本简单归类为两类：仓储成本和生产成本，不做过于细化的划分，所有成本可以归为以上两类当中。实际的仓储成本和生产成本可能较复杂，在实际操作中可以定义仓储成本函数、生产成本函数，也可以简单地用系数描述，即仓储成本系数、生产成本系数。每台计算节点的仓储成本系数为1，生产成本系数为0.005，每个月的生产成本与产量的平方成正比。
基于上述实施例，未来计算力的生产计划是可以分阶段的，为便于理解和实施，本实施例以月度为单位对总生产计划分阶段，将未来四个月按月度划分为多个生产阶段，根据用户提交的交付时间和交付节点数量需求可以很容易得到每个月的计算力需求。第k个月月初已有的计算力为状态变量x k ，第k个月需要生产的计算节点数量即计算力生产规划或者是说计算节点生产规划为决策变量u k ；则从状态x k 采取策略u k 后的状态转移方程也即从x k 到x k+1的状态转移方程为：x k+1=x k +u k -A k ；其中A k 为每个月的固定计算节点的订单数量，是已知的，即A 1=600，A 2=700，A 3=500，A 4=1200。实际生产中已经下单进入生产计划的计算力必须满足，因此在采取计算节点生产规划u k 后需要确保x k+1不能为负。本实施例的阶段效益体现在生产成本上，每个生产阶段的生产成本可表示为：d k (x k ,u k )=x k +0.005(u k )2。目标生产阶段为最后一个生产阶段，目标生产阶段的效益表征函数可为：
Figure 729109DEST_PATH_IMAGE004
其中，f k (x k )定义为从状态x k 出发到整个生产过程结束后的成本，且要满足x k +u k ≥A k 。那么本实施例要解决的技术问题即为在满足每月订单数量的前提下，也即根据智算中心未来几个生产周期的计算力需求，如何制定计算节点的生产计划，将成本降低到最小。本实施例从最后一个生产阶段开始回溯，计算得到第一个生产阶段的计算节点生产规划，再顺序计算得到每一个生产阶段的计算节点生产规划，计算过程可如下所示：
从最后一个生产阶段也即k=4计算，因最后一个生产阶段计算力的产量即计算节点总数刚好满足当前生产阶段的需求，对f 4(x 4)=min{x 4+0.005(u 4)2}求极值，则可得到u 4=A 4-x 4=1200-x 4，进而可计算得到f 4(x 4)=7200-11x 4+0.005(x 4)2。本实施例要确定每个生产阶段的计算节点生产规划u k ，即每个生产阶段应该生产多少计算节点，每个生产阶段的初始状态x k ，即当前库存计算节点数量视为已知量。基于效益表征函数和状态转移函数计算k=3对应生产阶段的数据：该生产阶段的计算力生产规划为u 3，f 3(x 3)=min{x 3+0.005(u 3)2+7200-11(x 3+u 3 -500)+0.005(x 3+u 3-500)2}。当f 3(x 3)最小时，f 3(x 3)的导函数为0，据此可对f 3(x 3)求导，得到x 3和u 3的关系为0.01u 3-11+0.01(x 3+u 3-500)=0，也即u 3=800-0.5x 3，通过将u 3代入f 3(x 3)消掉u 3可计算得到f 3(x 3)=7550 -7x 3+0.0025(x 3)2。依此类推，再计算k=2时的f 2(x 2)，对f 2(x 2)求导可得u 2=700-x 2/3，代入可得f 2(x 2)=10000-6x 2+0.005(x 2)2/3。为了使说明书更加简明扼要，具体计算过程请参阅k=3时计算过程，此处便不再赘述。最后计算k=1时的情况。整个问题的效益表征函数即f 1(x 1)，那么最优的生产调度决策下f 1(x 1)一定是收益最高的也即对f 1(x 1)=min{x 1+ 0.005u 1 2+10000-6(x 1+u 1-600)+0.005(x 1+u 1-600)2/3}求导可以得到0.01u 1 -6+0.01(x 1+u 1-600)/3=0。其中，x 1是已知量，即智算中心当前已有的库存计算节点是已知的，这是整个问题的初始状态。假设x 1=0，根据上述求导后关系式可以计算得到u 1=600，即在整个生产部署过程中，第一生产阶段的计算力产量应当为600台；f 1(x 1)=11800，即最优生产调度决策的成本为11800，这就是最低成本。得到u 1后，根据每个生产阶段的状态转移方程、求导得到的u k 和x k 的关系式，便可得到每一生产阶段的库存量和最优生产策略：x 1=0，x 2=0，x 3=0，x 4=300，u 1=600，u 2=700，u 3=800，u 4=900。应用本实施例的技术方案，总的生产成本最少，为11800。
在实际应用场景中，可将上述方法所依赖的计算机程序形成为智算中心的算力资源部署程序内嵌于处理器中，通过程序化运行便可确定算力资源的部署情况，不仅可满足用户的生产需求，而且可保证效益最优。
本发明实施例还针对智算中心的算力资源部署方法提供了相应的装置，进一步使得方法更具有实用性。其中，装置可从功能模块的角度和硬件的角度分别说明。下面对本发明实施例提供的智算中心的算力资源部署装置进行介绍，下文描述的智算中心的算力资源部署装置与上文描述的智算中心的算力资源部署方法可相互对应参照。
基于功能模块的角度，参见图3，图3为本发明实施例提供的智算中心的算力资源部署装置在一种具体实施方式下的结构图，应用于智算中心，该装置可包括：
生产分段模块301，用于响应阶段划分指令，将所有待计划生产周期进行划分，以生成多个满足预设关联关系的生产阶段；
效益与产量关系确定模块302，用于根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系；每个生产阶段的固定生产计算力小于等于相应的计算力库存量和计算力生产规划之和；
生产规划生成模块303，用于当满足总效益最优条件时，基于效益与计算力生产数量关系，确定每个生产阶段的计算力生产规划。
可选的，在本实施例的一些实施方式中，上述生产规划生成模块303还可用于：基于效益与计算力生产数量关系，按照从最后一个生产阶段到第一个生产阶段的顺序，依次确定以每个生产阶段为起点到整个生产过程结束的阶段效益；当第一个生产阶段的阶段效益最大时，计算第一个生产阶段的第一计算力生产规划；根据第一计算力生产规划、和相邻生产阶段的计算力库存量之间的关系，按照从第二个生产阶段到最后一个生产阶段的顺序，依次确定各生产阶段相应的计算力库存量和计算力生产规划。
作为本实施例的一个可选的实施方式，上述生产分段模块301可进一步用于：通过解析阶段划分指令，得到划分标准单位；按照划分标准单位，对所有待计划生产周期进行划分，得到多个生产阶段；其中，各生产阶段包括计算力库存量和阶段结束计算力，第一个生产阶段的计算力库存量为所有待计划生产周期开始之前的库存量，最后一个生产阶段的计算力产量与计算力需求相同；每个生产阶段的阶段结束计算力为相邻的下一个生产阶段的计算力库存量；每个生产阶段的阶段结束计算力根据相应生产阶段的计算力库存量和计算力生产规划确定。
作为本实施例的另外一种可选的实施方式，上述装置还可包括效益信息获取模块，用于获取效益信息，以根据效益信息，确定每个生产阶段的阶段效益；其中，效益信息包括效益表征因子、每个生产阶段的阶段效益与阶段计算力产量的函数关系。
作为本实施例的再一种可选的实施方式，上述装置例如还可包括固定生产计算力确定模块，用于当接收到生产订单请求，通过解析生产订单请求，得到订单交付时间和交付计算节点总数；根据订单交付时间和交付计算节点总数，确定每个生产阶段的固定生产计算力。
可选的，在本实施例的一些实施方式中，上述效益与产量关系确定模块302还可用于：基于目标生产阶段的计算力库存量、计算力生产规划和效益表征因子，生成目标生产阶段的目标阶段效益；根据目标生产阶段的计算力库存量、固定生产计算力和计算力生产规划，确定目标生产阶段的下一个生产阶段的计算力库存量，以用于生成目标生产阶段的下一个生产阶段的相邻阶段效益；基于目标阶段效益和相邻阶段效益，生成用于表示效益与计算力生产数量关系的效益表征函数。
作为上述实施例的一种可选的实施方式，该效益与产量关系确定模块302可进一步用于：若效益表征因子所属效益类型为降低型效益，调用第一效益表征函数关系式计算目标生产阶段的效益表征函数；第一效益表征函数关系式为：
Figure 767472DEST_PATH_IMAGE003
式中，x k 为目标生产阶段的计算力库存量，f k (x k )为目标生产阶段的目标生产阶段的效益表征函数，u k 为目标生产阶段的计算力生产规划，d k (x k ，u k )为目标阶段效益，f k+1(x k+1)为目标生产阶段的下一个生产阶段的效益表征函数，N为生产阶段总数。
作为上述实施例的另一种可选的实施方式，该效益与产量关系确定模块302还可进一步用于：若效益表征因子所属效益类型为增长型效益，调用第二效益表征函数关系式计算目标生产阶段的效益表征函数；第二效益表征函数关系式为：
Figure 495126DEST_PATH_IMAGE002
式中，x k 为目标生产阶段的计算力库存量，f k (x k )为目标生产阶段的目标生产阶段的效益表征函数，u k 为目标生产阶段的计算力生产规划，d k (x k ，u k )为目标阶段效益，f k+1(x k+1)为目标生产阶段的下一个生产阶段的效益表征函数，N为生产阶段总数。
本发明实施例所述智算中心的算力资源部署装置的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例可实现对智算中心计算力资源的最优部署。
上文中提到的智算中心的算力资源部署装置是从功能模块的角度描述，进一步的，本申请还提供一种电子设备，是从硬件角度描述。图4为本申请实施例提供的电子设备在一种实施方式下的结构示意图。如图4所示，该电子设备包括存储器40，用于存储计算机程序；处理器41，用于执行计算机程序时实现如上述任一实施例提到的智算中心的算力资源部署方法的步骤。
其中，处理器41可以包括一个或多个处理核心，比如4核心处理器、8核心处理器，处理器41还可为控制器、微控制器、微处理器或其他数据处理芯片等。处理器41可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable GateArray，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器41也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central Processing Unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器41可以集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器41还可以包括AI(ArtificialIntelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器40可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器40还可包括高速随机存取存储器以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。存储器40在一些实施例中可以是电子设备的内部存储单元，例如服务器的硬盘。存储器40在另一些实施例中也可以是电子设备的外部存储设备，例如服务器上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（SecureDigital，SD）卡，闪存卡（Flash Card）等。进一步地，存储器40还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器40不仅可以用于存储安装于电子设备的应用软件及各类数据，例如：执行漏洞处理方法的程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。本实施例中，存储器40至少用于存储以下计算机程序401，其中，该计算机程序被处理器41加载并执行之后，能够实现前述任一实施例公开的智算中心的算力资源部署方法的相关步骤。另外，存储器40所存储的资源还可以包括操作系统402和数据403等，存储方式可以是短暂存储或者永久存储。其中，操作系统402可以包括Windows、Unix、Linux等。数据403可以包括但不限于智算中心的算力资源部署结果对应的数据等。
在一些实施例中，上述电子设备还可包括有显示屏42、输入输出接口43、通信接口44或者称为网络接口、电源45以及通信总线46。其中，显示屏42、输入输出接口43比如键盘（Keyboard）属于用户接口，可选的用户接口还可以包括标准的有线接口、无线接口等。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。通信接口44可选的可以包括有线接口和/或无线接口，如WI-FI接口、蓝牙接口等，通常用于在电子设备与其他电子设备之间建立通信连接。通信总线46可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extendedindustry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
本领域技术人员可以理解，图4中示出的结构并不构成对该电子设备的限定，可以包括比图示更多或更少的组件，例如还可包括实现各类功能的传感器47。
本发明实施例所述电子设备的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例可实现对智算中心计算力资源的最优部署。
可以理解的是，如果上述实施例中的智算中心的算力资源部署方法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全部或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，执行本申请各个实施例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、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电可擦除可编程ROM、寄存器、硬盘、多媒体卡、卡型存储器（例如SD或DX存储器等）、磁性存储器、可移动磁盘、CD-ROM、磁碟或者光盘等各种可以存储程序代码的介质。
基于此，本发明实施例还提供了一种可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时如上任意一实施例所述智算中心的算力资源部署方法的步骤。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的硬件包括装置及电子设备而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
以上对本申请所提供的一种智算中心的算力资源部署方法、装置、电子设备及可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

Claims (11)

1.一种智算中心的算力资源部署方法，其特征在于，应用于智算中心，包括：
响应阶段划分指令，将所有待计划生产周期进行划分，以生成多个满足预设关联关系的生产阶段；
根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系；
当满足总效益最优条件时，基于所述效益与计算力生产数量关系，确定每个生产阶段的计算力生产规划；
其中，每个生产阶段的固定生产计算力小于等于相应的计算力库存量和计算力生产规划之和。
2.根据权利要求1所述的智算中心的算力资源部署方法，其特征在于，所述当满足总效益最优条件时，基于所述效益与计算力生产数量关系，确定每个生产阶段的计算力生产规划，包括：
基于所述效益与计算力生产数量关系，按照从最后一个生产阶段到第一个生产阶段的顺序，依次确定以每个生产阶段为起点到整个生产过程结束的阶段效益；
当所述第一个生产阶段的阶段效益最大时，计算所述第一个生产阶段的第一计算力生产规划；
根据所述第一计算力生产规划和相邻生产阶段的计算力库存量之间的关系，按照从第二个生产阶段到最后一个生产阶段的顺序，依次确定各生产阶段相应的计算力库存量和计算力生产规划。
3.根据权利要求2所述的智算中心的算力资源部署方法，其特征在于，所述将所有待计划生产周期进行划分，以生成多个满足预设关联关系的生产阶段，包括：
通过解析所述阶段划分指令，得到划分标准单位；
按照所述划分标准单位，对所有待计划生产周期进行划分，得到多个生产阶段；
其中，各生产阶段包括计算力库存量和阶段结束计算力，所述第一个生产阶段的计算力库存量为所有待计划生产周期开始之前的库存量，所述最后一个生产阶段的计算力产量与计算力需求相同；每个生产阶段的阶段结束计算力为相邻的下一个生产阶段的计算力库存量；每个生产阶段的阶段结束计算力根据相应生产阶段的计算力库存量和计算力生产规划确定。
4.根据权利要求1所述的智算中心的算力资源部署方法，其特征在于，所述根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系之前，还包括：
获取效益信息，以根据所述效益信息，确定每个生产阶段的阶段效益；
其中，所述效益信息包括效益表征因子、每个生产阶段的阶段效益与阶段计算力产量的函数关系。
5.根据权利要求1所述的智算中心的算力资源部署方法，其特征在于，所述根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系之前，还包括：
当接收到生产订单请求，通过解析所述生产订单请求，得到订单交付时间和交付计算节点总数；
根据所述订单交付时间和所述交付计算节点总数，确定每个生产阶段的固定生产计算力。
6.根据权利要求1至5任意一项所述的智算中心的算力资源部署方法，其特征在于，所述根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系，包括：
基于目标生产阶段的计算力库存量、计算力生产规划和效益表征因子，生成所述目标生产阶段的目标阶段效益；
根据目标生产阶段的计算力库存量、固定生产计算力和计算力生产规划，确定所述目标生产阶段的下一个生产阶段的计算力库存量，以用于生成所述目标生产阶段的下一个生产阶段的相邻阶段效益；
基于所述目标阶段效益和所述相邻阶段效益，生成用于表示效益与计算力生产数量关系的效益表征函数。
7.根据权利要求6所述的智算中心的算力资源部署方法，其特征在于，所述基于所述目标阶段效益和所述相邻阶段效益，生成用于表示效益与计算力生产数量关系的效益表征函数，包括：
若所述效益表征因子所属效益类型为降低型效益，调用第一效益表征函数关系式计算所述目标生产阶段的效益表征函数；所述第一效益表征函数关系式为：
Figure DEST_PATH_IMAGE001
式中，x k 为所述目标生产阶段的计算力库存量，f k (x k )为所述目标生产阶段的目标生产阶段的效益表征函数，u k 为所述目标生产阶段的计算力生产规划，d k (x k ，u k )为所述目标阶段效益，f k+1(x k+1)为所述目标生产阶段的下一个生产阶段的效益表征函数，N为生产阶段总数。
8.根据权利要求6所述的智算中心的算力资源部署方法，其特征在于，所述基于所述目标阶段效益和所述相邻阶段效益，生成用于表示效益与计算力生产数量关系的效益表征函数，包括：
若所述效益表征因子所属效益类型为增长型效益，调用第二效益表征函数关系式计算所述目标生产阶段的效益表征函数；所述第二效益表征函数关系式为：
Figure 717292DEST_PATH_IMAGE002
式中，x k 为所述目标生产阶段的计算力库存量，f k (x k )为所述目标生产阶段的目标生产阶段的效益表征函数，u k 为所述目标生产阶段的计算力生产规划，d k (x k ，u k )为所述目标阶段效益，f k+1(x k+1)为所述目标生产阶段的下一个生产阶段的效益表征函数，N为生产阶段总数。
9.一种智算中心的算力资源部署装置，其特征在于，应用于智算中心，包括：
生产分段模块，用于响应阶段划分指令，将所有待计划生产周期进行划分，以生成多个满足预设关联关系的生产阶段；
效益与产量关系确定模块，用于根据目标生产阶段的计算力库存量、固定生产计算力、计算力生产规划和效益表征因子，生成效益与计算力生产数量关系；每个生产阶段的固定生产计算力小于等于相应的计算力库存量和计算力生产规划之和；
生产规划生成模块，用于当满足总效益最优条件时，基于所述效益与计算力生产数量关系，确定每个生产阶段的计算力生产规划。
10.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至8任一项所述智算中心的算力资源部署方法的步骤。
11.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述智算中心的算力资源部署方法的步骤。
CN202210495846.1A 2022-05-09 2022-05-09 智算中心的算力资源部署方法、装置、设备及存储介质 Active CN114596009B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210495846.1A CN114596009B (zh) 2022-05-09 2022-05-09 智算中心的算力资源部署方法、装置、设备及存储介质
PCT/CN2022/123402 WO2023216500A1 (zh) 2022-05-09 2022-09-30 智算中心的算力资源部署方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210495846.1A CN114596009B (zh) 2022-05-09 2022-05-09 智算中心的算力资源部署方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114596009A true CN114596009A (zh) 2022-06-07
CN114596009B CN114596009B (zh) 2022-07-22

Family

ID=81812603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210495846.1A Active CN114596009B (zh) 2022-05-09 2022-05-09 智算中心的算力资源部署方法、装置、设备及存储介质

Country Status (2)

Country Link
CN (1) CN114596009B (zh)
WO (1) WO2023216500A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023216500A1 (zh) * 2022-05-09 2023-11-16 苏州元脑智能科技有限公司 智算中心的算力资源部署方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170371636A1 (en) * 2016-06-27 2017-12-28 Vmware, Inc. Methods and systems to optimize cost and automate a development and operations deployment pipeline
CN112650590A (zh) * 2020-12-29 2021-04-13 北京奇艺世纪科技有限公司 任务的处理方法、装置及系统、分配方法和装置
CN112769641A (zh) * 2020-12-24 2021-05-07 电子科技大学长三角研究院(衢州) 面向智能数据处理的区块链算力优化调度方法
CN113986535A (zh) * 2021-10-19 2022-01-28 北京三快在线科技有限公司 算力资源的调节方法、装置、存储介质和电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109583749B (zh) * 2018-11-27 2022-11-08 中国人民解放军海军大连舰艇学院 一种基于动态规划的软件研制成本智能控制方法及系统
CN111680877A (zh) * 2020-05-06 2020-09-18 杭州传化智能制造科技有限公司 产线调度方法、装置、计算机设备和计算机可读存储介质
CN114416352B (zh) * 2021-12-29 2024-10-11 中国电信股份有限公司 算力资源分配方法、装置、电子设备及储存介质
CN114596009B (zh) * 2022-05-09 2022-07-22 苏州浪潮智能科技有限公司 智算中心的算力资源部署方法、装置、设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170371636A1 (en) * 2016-06-27 2017-12-28 Vmware, Inc. Methods and systems to optimize cost and automate a development and operations deployment pipeline
CN112769641A (zh) * 2020-12-24 2021-05-07 电子科技大学长三角研究院(衢州) 面向智能数据处理的区块链算力优化调度方法
CN112650590A (zh) * 2020-12-29 2021-04-13 北京奇艺世纪科技有限公司 任务的处理方法、装置及系统、分配方法和装置
CN113986535A (zh) * 2021-10-19 2022-01-28 北京三快在线科技有限公司 算力资源的调节方法、装置、存储介质和电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李海滨等: "全国一体化大数据中心体系构建背景下企业数据中心科学规划的思考", 《电信工程技术与标准化》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023216500A1 (zh) * 2022-05-09 2023-11-16 苏州元脑智能科技有限公司 智算中心的算力资源部署方法、装置、设备及存储介质

Also Published As

Publication number Publication date
WO2023216500A1 (zh) 2023-11-16
CN114596009B (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
US10884795B2 (en) Dynamic accelerator scheduling and grouping for deep learning jobs in a computing cluster
US8589929B2 (en) System to provide regular and green computing services
CN110086650B (zh) 面向分布式机器学习任务的云资源在线调度方法及装置
US20120310939A1 (en) Systems And Methods For Clustering Time Series Data Based On Forecast Distributions
US20120290862A1 (en) Optimizing energy consumption utilized for workload processing in a networked computing environment
EP4394595A1 (en) Job solving method and apparatus
CN113886080B (zh) 高性能集群任务调度方法、装置、电子设备及存储介质
CN105719221A (zh) 针对多任务的路径协同规划方法和装置
CN110287018A (zh) 批量任务编排方法及装置
US10635492B2 (en) Leveraging shared work to enhance job performance across analytics platforms
CN114596009B (zh) 智算中心的算力资源部署方法、装置、设备及存储介质
CN113515382A (zh) 云资源的分配方法、装置、电子设备及程序产品
CN111782359A (zh) 分布式计算系统任务分配方法及相关设备
CN104598311A (zh) 一种面向Hadoop的实时作业公平调度的方法和装置
Peng et al. Genetic Algorithm‐Based Task Scheduling in Cloud Computing Using MapReduce Framework
CN111124644A (zh) 任务调度资源的确定方法、装置及系统
CN111274667B (zh) 一种跨尺度材料计算软件集成计算系统及方法
CN117827392A (zh) 一种计算任务的分布式计算系统、方法、电子设备及介质
CN115964182B (zh) 资源的调度方法和系统
Ilyashenko et al. Algorithms for planning resource-intensive computing tasks in a hybrid supercomputer environment for simulating the characteristics of a quantum rotation sensor and performing engineering calculations
US20230214252A1 (en) System and method of path execution optimization
CN114138453B (zh) 一种适合边缘计算环境的资源优化分配方法与系统
KR20220121680A (ko) 딥러닝 네트워크 구성 방법, 딥러닝 자동화 플랫폼 서비스 시스템 및 이를 위한 컴퓨터 프로그램
CN115187097A (zh) 一种任务排期方法、装置、电子设备以及计算机存储介质
CN115291980A (zh) 业务弹窗控制方法、装置、计算机设备及存储介质

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