CN114780227B - 一种基于芯粒化网络处理器架构的任务调度映射方法及系统 - Google Patents
一种基于芯粒化网络处理器架构的任务调度映射方法及系统 Download PDFInfo
- Publication number
- CN114780227B CN114780227B CN202210696774.7A CN202210696774A CN114780227B CN 114780227 B CN114780227 B CN 114780227B CN 202210696774 A CN202210696774 A CN 202210696774A CN 114780227 B CN114780227 B CN 114780227B
- Authority
- CN
- China
- Prior art keywords
- processing
- core
- task
- network
- network processor
- 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.)
- Active
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
-
- 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)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于芯粒化网络处理器架构的任务调度映射方法,包括如下步骤:根据网络处理应用任务获取任务数据流图;构建芯粒化网络处理器架构参数化模型;将任务调度映射转化为第一问题;根据所述任务数据流图和所述芯粒化网络处理器架构参数化模型,构建包括预设条件的第一问题数学模型,其中,所述第一问题数学模型包括第一问题价值系数;根据所述第一问题价值系数和预设算法,获取所述第一问题的最优解。该方法逻辑清晰,安全、有效、可靠,能快速形成任务调度映射最优路径,最大程度满足网络处理性能。与该方法属于同一技术构思的系统也同样能产生上述的技术效果。
Description
技术领域
本发明涉及网络处理器设计技术领域,特别是涉及一种基于芯粒化网络处理器架构的任务调度映射方法及系统。
背景技术
芯粒化网络处理器由功能较为独立、成熟的芯粒裸片组合构成,能够有效的利用多芯片的灵活重组,提供性能、功能的优化布局。将网络应用的不同任务一一对应地映射到芯粒化网络处理器体系结构上异构资源上执行,不同的调度映射方法所带来的性能、灵活性各不相同。芯粒化网络处理器任务调度映射方法,决定了任务在体系结构上的实现方式、处理性能和效率。
芯粒化网络处理器上的任务调度映射,相较于传统的任务调度映射更加复杂。首先,芯粒化网络处理器集成大量异构资源,如交换芯片、通用多核处理器、FPGA等,同一任务到不同资源域上的调度映射,具有不同的收益和开销,评估更复杂。其次,芯粒化网络处理器包含的大量异构资源,这些异构资源域间和域内的通信代价多样化,因此任务在芯粒化网络处理器上的调度映射,涉及多样化的异构资源域间和域内通信。再次,由于网络处理器的网络应用场景多样,网络流量复杂多变,因此除考虑任务在芯粒化网络处理器的调度映射外,还需考虑网络流量特征。最后,芯粒化网络处理器自身架构导致资源结构空间更大,资源结构的搜索空间远远大于仅仅包含多核或众核的通用处理器。
目前任务映射的大多对多核任务分配、异构SOC任务分配等的研究比较深入,通过将应用转换为任务图,并通过任务图来求解较优解。对任务图求最优解是一个典型的NP问题,所以一直致力于求解近优解。目前采用的算法大致分为两类,一类是通用的优化算法,比如遗传算法、模拟退火算法等等,第二类是一些专门的启发式求解算法,这种算法种类很多,可以针对不同类型的系统,针对不同的优化目标,比如负载均衡、网络延迟、功率分配等。而针对网络处理应用在芯粒化网络处理器上的任务分配方面的研究欠缺。
因此,提供一种可以快速形成任务调度映射最优路径,最大程度满足网络处理性能的基于芯粒化网络处理器架构的任务调度映射方法及系统是本领域技术人员亟待解决的问题。
发明内容
本发明的目的在于提供一种基于芯粒化网络处理器架构的任务调度映射方法及系统,该方法逻辑清晰,安全、有效、可靠,能快速形成任务调度映射最优路径,最大程度满足网络处理性能。
基于以上目的,本发明提供的技术方案如下:
一种基于芯粒化网络处理器架构的任务调度映射方法,包括如下步骤:
根据网络处理应用任务获取任务数据流图;
构建芯粒化网络处理器架构参数化模型;
将任务调度映射转化为第一问题;
根据所述任务数据流图和所述芯粒化网络处理器架构参数化模型,构建包括预设条件的第一问题数学模型,其中,所述第一问题数学模型包括第一问题价值系数;
根据所述第一问题价值系数和预设算法,获取所述第一问题的最优解。
优选地,所述数据流图包括:图节点、边和权值;
所述图节点用于表示若干个独立的处理子功能;
所述边用于表示网络流量传输通道;
所述权值用于表示根据流量传输要求预设的任意两个任务节点连接边的延迟值。
优选地,所述芯粒化网络处理器架构参数化模型包括:资源集合和会议集合;
所述资源集合具体包括:网络处理器中的通用处理器资源集合、交换芯片资源集合和可编程加速器资源集合;
所述会议集合具体包括:网络处理器中已选定的配置结构和资源组织结构。
优选地,所述预设条件包括:第一条件和第二条件;
所述第一条件具体为:所述处理子功能的数量是否与承担处理功能的资源集合数量相等;
所述第二条件具体为:部分所述处理子功能是否与所述承担处理功能的资源集合匹配。
优选地,根据所述任务数据流图和所述参数化模型,构建包括预设条件的第一问题数学模型具体包括如下步骤:
将所述处理子功能映射在所述承担处理功能的资源集合上调度执行;
判断所述第一条件是否成立;
判断所述第二条件是否成立;
若上述判断结果任一为否,则根据所述第一问题构建所述第一问题数学模型。
优选地,所述第一问题价值系数具体为:由第i个处理资源承担第j个处理子功能所需的任务映射时间,表示为当前处理时间和传输至当前处理资源的传输延迟的总和。
优选地,在根据所述第一问题价值系数和预设算法,获取所述第一问题的最优解之前还包括,获取所述第一问题价值系数的值;
获取所述第一问题价值系数的值具体包括如下步骤:
设第j-1个处理子功能映射到第m个处理资源上调度执行,则第j个处理子功能映射到第i个处理资源上调度执行的处理时间表示为:第i个处理资源上的执行时间与数据由第m个处理资源传输到第i个处理资源的传输延迟时间之和;
若所述第一条件判断不成立,则添加对应的虚拟处理子功能或虚拟处理资源,此时的所述第一问题价值系数的值取0;
若所述第二条件判断不成立,则将所述传输延迟时间和所述第一问题价值系数的值均取最大值。
优选地,所述根据所述第一问题价值系数和预设算法,获取所述第一问题的最优解包括如下步骤:
根据已获取的所述第一问题价值系数的值构建价值系数矩阵;
根据预设算法求解所述构建价值系数矩阵,以获取所述第一问题的最优解;
其中,所述预设算法具体为匈牙利求解算法。
一种基于芯粒化网络处理器架构的任务调度映射系统,包括:
获取模块,用于根据网络处理应用任务获取任务数据流图;
第一模型模块,用于构建芯粒化网络处理器架构参数化模型;
转化模块,用于将任务调度映射转化为第一问题;
第二模型模块,用于根据所述任务流数据流图、所述芯粒化网络处理器架构参数化模型,构建包括预设条件的第一问题数学模型;
计算模块,用于根据第一问题价值系数和预设算法获取第一问题的最优解;
设置模块,用于预设条件和预设算法;
其中,所述第一问题数学模型包括所述第一问题价值系数。
本发明所提供的基于芯粒化网络处理器架构的任务调度映射方法,通过调用网络处理应用任务,从中获取任务数据流图;并构建芯粒化网络处理器架构参数化模型;随后将任务调度映射转化为第一问题,第一问题即为非标准指派问题;随后根据任务数据流图和芯粒化网络处理器架构参数化模型,构建非标准指派问题的数学模型,在该数学模型中提前预设有相应的条件;该数学模型包括非标准指派问题的价值系数;最后根据非标准指派问题价值系数和提前预设好的算法,计算获取非标准指派问题的最优解。本发明充分考虑网络流量特征和异构资源间的通信代价,平衡芯粒化网络处理器处理负载,从而获得最优解,该最优解即为最大程度满足网络处理性能的任务调度映射最优路径。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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基于芯粒化网络处理器架构的任务调度映射方法流程图;
图2为本发明实施例提供的由步骤S1所获取的任务数据流图;
图3为本发明实施例提供的步骤S4的方法流程图;
图4为本发明实施例提供的步骤A1的具体应用示意图;
图5为本发明实施例提供的步骤S5的方法流程图;
图6为本发明实施例提供的一种基于芯粒化网络处理器架构的任务调度映射系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。
本发明实施例采用递进的方式撰写。
本发明实施例提供了一种基于芯粒化网络处理器架构的任务调度映射方法及系统。主要解决现有技术中,网络处理应用在芯粒化网络处理器上的任务分配方面中任务调度映射路径选择较差、难以满足网络处理性能的技术问题。
如图1所示,一种基于芯粒化网络处理器架构的任务调度映射方法,包括如下步骤:
S1.根据网络处理应用任务获取任务数据流图;
S2.构建芯粒化网络处理器架构参数化模型;
S3.将任务调度映射转化为第一问题;
S4.根据任务数据流图和芯粒化网络处理器架构参数化模型,构建包括预设条件的第一问题数学模型,其中,第一问题数学模型包括第一问题价值系数;
S5.根据第一问题价值系数和预设算法,获取第一问题的最优解。
步骤S1中,分析网络处理应用任务、调用网络处理应用任务程序,根据该应用任务程序获取任务数据流图;
步骤S2中,根据芯粒化网络处理器架构构建参数化模型,芯粒化网络处理器体系结构记为Arch=(Resource, Conference);
步骤S3中,第一问题具体为非标准指派问题,即将任务调度映射转化为运筹学范畴中的非标准指派问题;
步骤S4中,预设条件后,根据任务数据流图和芯粒化网络处理器架构参数化模型构建第一问题数学模型,即非标准指派问题的数学模型。其中,该数学模型中包括有非标准指派问题的价值系数Cij。
步骤S5中,根据非标准指派问题的价值系数Cij和预设算法,计算获取非标准指派问题的最优解,该最优解即为最大程度满足网络处理性能的任务调度映射最优路径。
优选地,数据流图包括:图节点、边和权值;
图节点用于表示若干个独立的处理子功能;
边用于表示网络流量传输通道;
权值用于表示根据流量传输要求预设的任意两个任务节点连接边的延迟值。
如图2所示,实际运用过程中,图2是由网络处理应用程序获取的任务数据流图G(Ti ,Tj ,Dij)(0≤i,j≤Num ,i,j∈N,N为正整数,Num为该任务图的子任务节点个数),Ti ,Tj为图集中任意两个子任务节点,这些任务子节点表示若干独立的处理子功能;边表示为Dij,它是网络流量数据交互通道,包含流量传输要求所定义的任意两个子任务节点Ti和Tj连接边的传输数据和传输延迟。
优选地,芯粒化网络处理器架构参数化模型包括:资源集合和会议集合;
资源集合具体包括:网络处理器中的通用处理器资源集合、交换芯片资源集合和可编程加速器资源集合;
会议集合具体包括:网络处理器中已选定的配置结构和资源组织结构。
实际运用过程中,芯粒化网络处理器体系结构记为Arch=(Resource,Conference),其具体为:Resource={C, S, F}为异构处理资源的集合。其中C表示芯粒化网络处理器中的通用处理器集合,并假定每个通用处理器核具有相同配置结构和处理能力;S表示交换芯片资源集合;F表示可编程加速器资源集合;Conference=(CF, structrue)由异构资源配置CF和资源组织结构structure构成。CF表示芯粒化网络处理器设计中选定的配置结构,描述了中每种资源的数目和硬件配置参数。为论述方便,Conference仅考虑每种异构资源内包含的资源数目,于是Arch可以表示为如下所示,Arch=(C1,C2..Cx,S1,S2..Sy,F1,F2..Fz)(x,y,z∈N,N为正整数)
优选地,预设条件包括:第一条件和第二条件;
第一条件具体为:处理子功能的数量是否与承担处理功能的资源集合数量相等;
第二条件具体为:部分处理子功能是否与承担处理功能的资源集合匹配。
需要说明的是,任务到资源的映射,可以抽象成指派问题。但与传统指派问题求解方法不同的是,本发明所提供的计算最优解的方法,需要在特定的限制条件下,构建非标准指派数学模型。其中,特定的限制条件具体为:处理子任务数和承担处理的资源集合数是否相等;受限于异构处理资源处理能力,有些处理子功能与某些承担处理的资源是否匹配。
如图3所示,优选地,根据任务数据流图和参数化模型,构建包括预设条件的第一问题数学模型具体包括如下步骤:
A1.将处理子功能映射在承担处理功能的资源集合上调度执行;
A2.判断第一条件是否成立;
A3.判断第二条件是否成立;
A4.若上述判断结果任一为否,则根据第一问题构建第一问题数学模型。
如图4所示,步骤A1中,将处理子功能映射到承担处理功能的资源集合上调度执行。以图2为例,处理子任务数为Num,承担处理的资源集合数为x+y+z。第T1个处理子功能映射到S1上调度执行,那么第T3个处理子功能映射到F3个处理资源上调度执行的处理时间表示为,F3处理资源上的执行时间加上数据由处理资源S1传递到处理资源F3的传输延迟时间。
步骤A2、A3和A4中,判断第一条件或第二条件是否成立,条件成立则为标准指派问题,其中第一条件和第二条件中有任意一条不成立,则为非标准指派问题。在该特定限制条件下,根据非标准指派问题构件非标准指派数学模型。
优选地,第一问题价值系数具体为:由第i个处理资源承担第j个处理子功能所需的任务映射时间,表示为当前处理时间和传输至当前处理资源的传输延迟的总和。
实际运用过程中,非标准指派问题系数具体为处理子功能映射到承担处理功能的资源集合上调度执行所需的映射时间。该映射时间在本实施例中可以表示为第i个处理资源上的执行时间加上数据由第m个处理资源传递到第i个处理资源的传输延迟时间。
优选地,在根据第一问题价值系数和预设算法,获取第一问题的最优解之前还包括,获取第一问题价值系数的值;
获取第一问题价值系数的值具体包括如下步骤:
设第j-1个处理子功能映射到第m个处理资源上调度执行,则第j个处理子功能映射到第i个处理资源上调度执行的处理时间表示为:第i个处理资源上的执行时间与数据由第m个处理资源传输到第i个处理资源的传输延迟时间之和;
若第一条件判断不成立,则添加对应的虚拟处理子功能或虚拟处理资源,此时的第一问题价值系数的值取0;
若第二条件判断不成立,则将传输延迟时间和第一问题价值系数的值均取最大值。
实际运用过程中,当由于步骤A2中第一条件不成立,即处理子任务数和承担处理的资源集合数不等,若处理子任务数大于承担处理的资源集合数,则相应的添加虚拟处理资源;若处理子任务书小于承担处理的资源集合数,则相应的添加虚拟的处理子功能,此时虚拟的价值系数Cij取0;
当由于步骤A3中的第二条件不成立,即受限于异构处理资源处理能力,有些处理子功能不能由某些资源承担处理,则将传输延迟时间和价值系数Cij设置为最大数值M,下表中仅示意了部分虚拟系数值,和因子任务无法在对应资源上部署设置的M值为例,其他权值未在下表中写入,应根据实际延迟值填入。
优选地,根据第一问题价值系数和预设算法,获取第一问题的最优解包括如下步骤:
B1根据已获取的第一问题价值系数的值构建价值系数矩阵;
B2根据预设算法求解构建价值系数矩阵,以获取第一问题的最优解;
其中,预设算法具体为匈牙利求解算法。
如图5所示,实际运用过程中,根据价值系数Cij构建价值系数矩阵X=(Xij),利用匈牙利求解算法求解决策变量矩阵,获得非标准指派问题的最优解,完成基于非标准指派的芯粒化网络处理器任务调度映射。
如图6所示,一种基于芯粒化网络处理器架构的任务调度映射系统,包括:
获取模块,用于根据网络处理应用任务获取任务数据流图;
第一模型模块,用于构建芯粒化网络处理器架构参数化模型;
转化模块,用于将任务调度映射转化为第一问题;
第二模型模块,用于根据任务流数据流图、芯粒化网络处理器架构参数化模型,构建包括预设条件的第一问题数学模型;
计算模块,用于根据第一问题价值系数和预设算法获取第一问题的最优解;
设置模块,用于预设条件和预设算法;
其中,第一问题数学模型包括第一问题价值系数。
实际运用过程中,本系统通过获取模块调用网络处理应用任务程序从而获取任务数据流图,并将任务数据流图传输至第二模型模块;通过第一模型模块构建芯粒化网络处理器架构参数化模型,并将该参数化模型传输至第二模型模块;通过转化模块将任务调度映射问题转化为第一问题,即非标准指派问题;根据第二模型模块中的任务流数据流图、芯粒化网络处理器架构参数化模型构建包括设置模块所预设条件的第一问题数学模型,即非标准指派问题数学模型,非标准指派问题数学模型中包括非标准指派问题价值系数,并将非标准指派问题价值系数传输至计算模块;计算模块根据设置模块所预设算法和非标准指派问题价值系数计算获取非标准指派问题的最优解。
在本申请所提供的实施例中,应该理解到,所揭露的方法和装置,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,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,如:多个模块或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或模块的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
另外,在本发明各实施例中的各功能模块可以全部集成在一个处理器中,也可以是各模块分别单独作为一个器件,也可以两个或两个以上模块集成在一个器件中;本发明各实施例中的各功能模块既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令及相关的硬件来完成,前述的程序指令可以存储于计算机可读取存储介质中,该程序指令在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种基于芯粒化网络处理器架构的任务调度映射方法及系统进行了详细介绍。对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种基于芯粒化网络处理器架构的任务调度映射方法,其特征在于,包括如下步骤:
根据网络处理应用任务获取任务数据流图;
构建芯粒化网络处理器架构参数化模型;
将任务调度映射转化为第一问题;
根据所述任务数据流图和所述芯粒化网络处理器架构参数化模型,构建包括预设条件的第一问题数学模型,其中,所述第一问题数学模型包括第一问题价值系数;
根据所述第一问题价值系数和预设算法,获取所述第一问题的最优解;
其中,所述第一问题具体为非标准指派问题。
2.如权利要求1所述的基于芯粒化网络处理器架构的任务调度映射方法,其特征在于,所述数据流图包括:图节点、边和权值;
所述图节点用于表示若干个独立的处理子功能;
所述边用于表示网络流量传输通道;
所述权值用于表示根据流量传输要求预设的任意两个任务节点连接边的延迟值。
3.如权利要求2所述的基于芯粒化网络处理器架构的任务调度映射方法,其特征在于,所述芯粒化网络处理器架构参数化模型包括:资源集合和会议集合;
所述资源集合具体包括:网络处理器中的通用处理器资源集合、交换芯片资源集合和可编程加速器资源集合;
所述会议集合具体包括:网络处理器中已选定的配置结构和资源组织结构。
4.如权利要求3所述的基于芯粒化网络处理器架构的任务调度映射方法,其特征在于,所述预设条件包括:第一条件和第二条件;
所述第一条件具体为:所述处理子功能的数量是否与承担处理功能的资源集合数量相等;
所述第二条件具体为:部分所述处理子功能是否与所述承担处理功能的资源集合匹配。
5.如权利要求4所述的基于芯粒化网络处理器架构的任务调度映射方法,其特征在于,根据所述任务数据流图和所述参数化模型,构建包括预设条件的第一问题数学模型具体包括如下步骤:
将所述处理子功能映射在所述承担处理功能的资源集合上调度执行;
判断所述第一条件是否成立;
判断所述第二条件是否成立;
若上述判断结果任一为否,则根据所述第一问题构建所述第一问题数学模型。
6.如权利要求5所述的基于芯粒化网络处理器架构的任务调度映射方法,其特征在于,所述第一问题价值系数具体为:由第i个处理资源承担第j个处理子功能所需的任务映射时间,表示为当前处理时间和传输至当前处理资源的传输延迟的总和。
7.如权利要求6所述的基于芯粒化网络处理器架构的任务调度映射方法,其特征在于,在根据所述第一问题价值系数和预设算法,获取所述第一问题的最优解之前还包括,获取所述第一问题价值系数的值;
获取所述第一问题价值系数的值具体包括如下步骤:
设第j-1个处理子功能映射到第m个处理资源上调度执行,则第j个处理子功能映射到第i个处理资源上调度执行的处理时间表示为:第i个处理资源上的执行时间与数据由第m个处理资源传输到第i个处理资源的传输延迟时间之和;
若所述第一条件判断不成立,则添加对应的虚拟处理子功能或虚拟处理资源,此时的所述第一问题价值系数的值取0;
若所述第二条件判断不成立,则将所述传输延迟时间和所述第一问题价值系数的值均取最大值。
8.如权利要求7所述的基于芯粒化网络处理器架构的任务调度映射方法,其特征在于,所述根据所述第一问题价值系数和预设算法,获取所述第一问题的最优解包括如下步骤:
根据已获取的所述第一问题价值系数的值构建价值系数矩阵;
根据预设算法求解所述构建价值系数矩阵,以获取所述第一问题的最优解;
其中,所述预设算法具体为匈牙利求解算法。
9.一种基于芯粒化网络处理器架构的任务调度映射系统,其特征在于,包括:
获取模块,用于根据网络处理应用任务获取任务数据流图;
第一模型模块,用于构建芯粒化网络处理器架构参数化模型;
转化模块,用于将任务调度映射转化为第一问题;
第二模型模块,用于根据所述任务流数据流图、所述芯粒化网络处理器架构参数化模型,构建包括预设条件的第一问题数学模型;
计算模块,用于根据第一问题价值系数和预设算法获取第一问题的最优解;
设置模块,用于预设条件和预设算法;
其中,所述第一问题数学模型包括所述第一问题价值系数;
其中,所述第一问题具体为非标准指派问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210696774.7A CN114780227B (zh) | 2022-06-20 | 2022-06-20 | 一种基于芯粒化网络处理器架构的任务调度映射方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210696774.7A CN114780227B (zh) | 2022-06-20 | 2022-06-20 | 一种基于芯粒化网络处理器架构的任务调度映射方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114780227A CN114780227A (zh) | 2022-07-22 |
CN114780227B true CN114780227B (zh) | 2022-09-23 |
Family
ID=82420559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210696774.7A Active CN114780227B (zh) | 2022-06-20 | 2022-06-20 | 一种基于芯粒化网络处理器架构的任务调度映射方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114780227B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115658274B (zh) * | 2022-11-14 | 2023-06-06 | 之江实验室 | 芯粒中神经网络推理的模块化调度方法、装置和计算设备 |
CN116048809B (zh) * | 2023-02-02 | 2023-12-22 | 广州万协通信息技术有限公司 | 多芯粒异构安全芯片的任务处理方法及安全芯片装置 |
CN116501503B (zh) * | 2023-06-27 | 2023-09-15 | 上海燧原科技有限公司 | 负载任务的架构映射方法、装置、计算机设备及介质 |
CN116560005B (zh) * | 2023-07-12 | 2023-09-08 | 中诚华隆计算机技术有限公司 | 一种基于光学互联的芯粒实现方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942101A (zh) * | 2013-01-21 | 2014-07-23 | 中国科学院声学研究所 | 一种基于多核网络处理器的实时任务调度方法及系统 |
US10803548B2 (en) * | 2019-03-15 | 2020-10-13 | Intel Corporation | Disaggregation of SOC architecture |
WO2021108356A1 (en) * | 2019-11-26 | 2021-06-03 | Mythic, Inc. | Tile subsystem and method for automated data flow and data processing within an integrated circuit architecture |
CN112149369B (zh) * | 2020-09-21 | 2024-04-05 | 交叉信息核心技术研究院(西安)有限公司 | 基于芯粒架构的多核封装级系统及其面向芯粒的任务映射方法 |
-
2022
- 2022-06-20 CN CN202210696774.7A patent/CN114780227B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114780227A (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114780227B (zh) | 一种基于芯粒化网络处理器架构的任务调度映射方法及系统 | |
CN111768006B (zh) | 一种人工智能模型的训练方法、装置、设备及存储介质 | |
CN111427679B (zh) | 面向边缘计算的计算任务调度方法、系统、装置 | |
CN108268317B (zh) | 一种资源分配方法及装置 | |
CN102469126B (zh) | 一种应用调度系统、方法和相关装置 | |
CN105487930A (zh) | 一种基于Hadoop的任务优化调度方法 | |
CN110162388A (zh) | 一种任务调度方法、系统及终端设备 | |
CN112540841B (zh) | 任务调度的方法、装置、处理器与电子设备 | |
CN103699445A (zh) | 一种任务调度方法、装置及系统 | |
Wided et al. | Load balancing with Job Migration Algorithm for improving performance on grid computing: Experimental Results | |
WO2024016596A1 (zh) | 容器集群调度的方法、装置、设备及存储介质 | |
WO2020134133A1 (zh) | 一种资源配置方法、变电站及计算机可读存储介质 | |
CN115134371A (zh) | 包含边缘网络算力资源的调度方法、系统、设备及介质 | |
CN115460216A (zh) | 算力资源调度方法和装置、算力资源调度设备、系统 | |
CN115543624A (zh) | 异构算力编排调度方法、系统、设备及存储介质 | |
Wang et al. | Task scheduling for MapReduce in heterogeneous networks | |
CN108984286A (zh) | 一种云计算平台的资源调度方法和系统 | |
CN111209098A (zh) | 一种智能渲染调度方法、服务器、管理节点及存储介质 | |
CN114666335A (zh) | 一种基于dds的分布式系统负载均衡装置 | |
CN109144691B (zh) | 一种面向多核处理器的任务调度分配方法 | |
CN111158904A (zh) | 一种任务调度方法、装置、服务器及介质 | |
CN117435324B (zh) | 基于容器化的任务调度方法 | |
Shah et al. | Agent based priority heuristic for job scheduling on computational grids | |
CN117608760A (zh) | 应用于Kubernetes的云上应用混合部署方法 | |
CN117707763A (zh) | 分层算力调度方法、系统、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 |