CN114896054A - 一种跨异构计算引擎的大数据任务调度方法、设备及介质 - Google Patents
一种跨异构计算引擎的大数据任务调度方法、设备及介质 Download PDFInfo
- Publication number
- CN114896054A CN114896054A CN202210377333.0A CN202210377333A CN114896054A CN 114896054 A CN114896054 A CN 114896054A CN 202210377333 A CN202210377333 A CN 202210377333A CN 114896054 A CN114896054 A CN 114896054A
- Authority
- CN
- China
- Prior art keywords
- task
- workflow
- big data
- execution
- scheduling method
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004519 manufacturing process Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000013515 script Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000002085 persistent effect Effects 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 8
- 239000012141 concentrate Substances 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
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
- G06F9/50—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
-
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed 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)
- Stored Programmes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种跨异构计算引擎的大数据任务调度方法、设备及介质，属于大数据领域，包括步骤：S1，定义任务工作流统一描述模型；S2，可视化编排任务工作流；S3，对任务工作流进行解析；S4，将任务工作流按策略分发到调度服务器上；S5，下发任务工作流的作业到具体的计算引擎上执行，并管理任务工作流的执行状态。本发明针对现有业务需求和技术发展不足之处，解决了跨异构计算引擎的任务调度问题，屏蔽了大数据开发复杂性，使用户能够专注业务逻辑本身，提高了工作效率。
Description
技术领域
本发明涉及大数据领域，更为具体的，涉及一种跨异构计算引擎的大数据任务调度方法、设备及介质。
背景技术
目前，大型行业数据中心进行建设时，通常需要考虑海量异构高维数据的接入汇聚、分级存储、联合生产和容灾备份等因素，涉及多个物理位置不同的数据中心形成跨域“一朵云”，对外提供云和大数据服务。为充分利用各家云厂商的优势服务，又避免厂商绑定，择优采用了多个云厂商的大数据组件，进而在进行大数据生产时，所需的数据资源往往可能分布在技术体制不同的物理数据中心上，如基于Hadoop的开源系云平台(如华为云等)、闭源系的阿里云等。
在数据生产过程中，一个生产任务可能需要对开源系的Hive、Spark、Flink等，或闭源系的阿里Maxcompute等多种异构计算引擎进行组合调度使用，以满足特定的业务需求。
为实现跨中心的联合数据生产，需要解决生产任务的跨异构计算引擎调度问题，将任务调度到对应数据中心的计算引擎上执行，保证生产需要的数据在哪里，计算就在哪里。不同云厂商计算引擎的异构会带来任务调度的复杂性，为适配不同厂商不同类型的计算引擎，数据生产需要支持跨异构引擎的统一调度，在数据生产执行时，调用与之匹配的计算引擎来完成计算。
目前的计算引擎调度框架更侧重于对单类型计算引擎自身的调度优化，从而实现调度效率最大化。Hive基于底层Hadoop平台封装了一层SQL，利用MapReduce框架进行大数据处理；Spark基于内存计算进行微批流处理；Flink通过JobManger任务调度器管理Slot，把任务分配到合适的Slot等待执行。
针对使用多种类型计算引擎的业务场景，应用系统使用时存在以下3类问题：1)系统开发复杂，需根据每类计算引擎特点进行开发适配；2)与特定厂商的大数据平台紧耦合、强绑定，业务逻辑均“硬编码”在应用系统中，维护升级难度大；3)大数据任务工作流不支持多类型计算引擎的混合编排，无法支持跨引擎的联合生产。
发明内容
本发明的目的在于克服现有技术的不足，提供一种跨异构计算引擎的大数据任务调度方法、设备及介质，针对现有业务需求和技术发展不足之处，解决了跨异构计算引擎的任务调度问题，屏蔽了大数据开发复杂性，使用户能够专注业务逻辑本身，提高了工作效率。
本发明的目的是通过以下方案实现的：
一种跨异构计算引擎的大数据任务调度方法，包括以下步骤：
S1，定义任务工作流统一描述模型；
S2，可视化编排任务工作流；
S3，对任务工作流进行解析；
S4，将任务工作流按策略分发到调度服务器上；
S5，下发任务工作流的作业到具体的计算引擎上执行，并管理任务工作流的执行状态。
进一步地，在步骤S1中，所述任务工作流中的节点，包括控制节点和计算节点，控制节点用于表达业务流程逻辑，计算节点用于适配不同的计算引擎并完成计算执行。
进一步地，在步骤S1中，所述任务工作流统一模型采用key/value格式文本文件作为统一描述文件；任务工作流节点设置全局唯一标识；在计算节点指明其计算类型；计算节点包括功能配置信息；当工作流节点有依赖关系时在统一描述文件中指明节点间的依赖关系及依赖数据。
进一步地，在步骤S2中，包括如下子步骤：
S21，将大数据生产加工用到的业务、算法、知识形成模型共享库；
S22，从模型共享库中导入模型并抽象为可视化组件；
S23，对可视化组件进行操作；
S24，生成工作流统一描述文件，持久化到任务工作流库中。
进一步地，在步骤S3中，所述对任务工作流解析，包括任务内解析和任务间解析；
任务内解析通过从任务工作流库中获取工作流统一描述文件，解析并提前工作流执行所需的作业计算引擎类型、运行命令或脚本信息、依赖信息、作业执行顺序；
任务间解析基于任务内解析的结果，分析各个任务工作流的依赖关系，确定各任务工作流的执行顺序。
进一步地，在步骤S4中，包括子步骤：
S41，配置调度服务器为集群模式；
S42，检测调度服务器集群的使用情况，分析各调度服务器的压力，将工作流任务分发给压力最小的调度服务器；
S43，调度服务器将工作流中的各作业调度到具体的计算引擎上执行。
进一步地，在步骤S5中，通过插件方式从不同类型的计算引擎上获取工作流作业的相应执行状态数据。
进一步地，所述调度服务器集群的数量至少三个，且调度策略设置为动态负载均衡策略。
一种计算机设备，包括处理器和存储器，在存储器中存储有计算机程序，当所述计算机程序被处理器加载并执行如上任一项所述的方法。
一种计算机可读存储介质，在计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器加载并执行如上任一项所述的方法。
本发明的有益效果包括：
本发明针对使用多种类型计算引擎的业务场景下，大数据资源联合生产存在开发适配复杂、与特定平台紧耦合、生产任务工作流无法支持多类型计算引擎混合编排等难题，有效满足了跨异构计算引擎的大数据任务调度需求，屏蔽了大数据开发复杂性，使用户专注业务逻辑本身，有效提升了工作效率。
本发明在进行任务调度时，配置调度服务器为集群模式，采集策略为动态负载均衡策略，选择其中压力最小的调度服务器调度任务，有效提升了任务调度的效率。
附图说明
为了更清楚地说明本发明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性的前提下，还可以根据这些附图获得其他的附图。
图1本发明实施例的方法步骤流程图；
图2是本发明实施例的工作流统一描述文件示例图。
具体实施方式
本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。
本发明实施例提供一种跨异构计算引擎的大数据任务调度方法，旨在解决应用系统基于多种计算引擎进行大数据生产任务时，存在开发适配复杂、与特定平台紧耦合、生产任务工作流无法支持多类型计算引擎混合编排等问题。如图1所示，包括如下步骤：定义任务工作流统一描述模型；可视化编排任务工作流；对任务工作流进行解析；将任务工作流按策略分发到调度服务器上；下发任务工作流的作业到具体的计算引擎上执行，并管理任务工作流的执行状态。
在本实施例的具体实施过程中，工作流中的节点包括控制节点和计算节点两类，控制节点表达业务流程逻辑，计算节点适配不同的计算引擎并完成计算执行。控制节点类型分为六种：开始节点、结束节点、失败节点、分支节点、汇聚节点和判断节点。计算节点包括Hive、MR、SQL、Java、Shell、Spark、Flink、MaxCompute等，还可根据实际情况灵活适配新类型的节点。
更进一步的，工作流统一模型采用key/value格式文本文件作为统一描述文件，示例如图2所示，具体包括以下内容：1)任务工作流节点必须拥有全局唯一标识，用于快速查找、定位节点；2)计算节点必须指明其计算类型；3)计算节点必须包括明确的功能配置信息，如具体的命令、指定的运行脚本等；4)工作流节点有依赖关系时必须在统一描述文件中明确，指明节点间的依赖关系及依赖数据。
在本实施例中，可视化编排工作流的流程，主要包括以下步骤：
①将大数据生产加工用到的业务、算法、知识等形成模型共享库；
②从模型共享库中导入模型并抽象为可视化组件；
③对可视化组件进行拖拽、联接、编辑等操作；
④生成工作流统一描述文件，持久化到任务工作流库中。
在本实施例中，任务工作流解析包括任务内解析和任务间解析两类。任务内解析通过从任务工作流库中获取工作流统一描述文件，解析并提前工作流执行所需的作业计算引擎类型、运行命令或脚本信息、依赖信息、作业执行顺序等；任务间解析基于任务内解析的结果，分析各个任务工作流的依赖关系，确定各任务工作流的执行顺序。
在本实施例中，任务工作流分发策略方法，包括如下步骤：
①配置调度服务器为集群模式；
②检测调度服务器集群的使用情况，分析各调度服务器的压力，将工作流任务分发给压力最小的调度服务器；
③调度服务器将工作流中的各作业调度到具体的计算引擎上执行。
更进一步的，调度服务器集群数量至少为3个，调度策略为动态负载均衡策略，能有效提升工作流调度能力，防止单点故障。
在本实施例中，下发任务工作流的作业到具体的计算引擎上执行，并管理任务工作流的执行状态，执行状态包括就绪、等待、运行、异常、完成等，通过插件方式实现从不同类型的计算引擎上获取工作流作业的相应执行状态数据。
实施例1
一种跨异构计算引擎的大数据任务调度方法，包括以下步骤：
S1，定义任务工作流统一描述模型；
S2，可视化编排任务工作流；
S3，对任务工作流进行解析；
S4，将任务工作流按策略分发到调度服务器上；
S5，下发任务工作流的作业到具体的计算引擎上执行，并管理任务工作流的执行状态。
实施例2
在实施例1的基础上，在步骤S1中，所述任务工作流中的节点，包括控制节点和计算节点，控制节点用于表达业务流程逻辑，计算节点用于适配不同的计算引擎并完成计算执行。
实施例3
在实施例1的基础上，在步骤S1中，所述任务工作流统一模型采用key/value格式文本文件作为统一描述文件；任务工作流节点设置全局唯一标识；在计算节点指明其计算类型；计算节点包括功能配置信息；当工作流节点有依赖关系时在统一描述文件中指明节点间的依赖关系及依赖数据。
实施例4
在实施例1的基础上，在步骤S2中，包括如下子步骤：
S21，将大数据生产加工用到的业务、算法、知识形成模型共享库；
S22，从模型共享库中导入模型并抽象为可视化组件；
S23，对可视化组件进行操作；
S24，生成工作流统一描述文件，持久化到任务工作流库中。
实施例5
在实施例1的基础上，在步骤S3中，所述对任务工作流解析，包括任务内解析和任务间解析；
任务内解析通过从任务工作流库中获取工作流统一描述文件，解析并提前工作流执行所需的作业计算引擎类型、运行命令或脚本信息、依赖信息、作业执行顺序；
任务间解析基于任务内解析的结果，分析各个任务工作流的依赖关系，确定各任务工作流的执行顺序。
实施例6
在实施例1的基础上，在步骤S4中，包括子步骤：
S41，配置调度服务器为集群模式；
S42，检测调度服务器集群的使用情况，分析各调度服务器的压力，将工作流任务分发给压力最小的调度服务器；
S43，调度服务器将工作流中的各作业调度到具体的计算引擎上执行。
实施例7
在实施例1的基础上，在步骤S5中，通过插件方式从不同类型的计算引擎上获取工作流作业的相应执行状态数据。
实施例8
在实施例6的基础上，所述调度服务器集群的数量至少三个，且调度策略设置为动态负载均衡策略。
实施例9
一种计算机设备，包括处理器和存储器，在存储器中存储有计算机程序，当所述计算机程序被处理器加载并执行如实施例1～实施例8中任一项所述的方法。
实施例10
一种计算机可读存储介质，在计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器加载并执行如实施例1～实施例8中任一项所述的方法。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面，本申请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电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。
除以上实例以外，本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例，各个实施例的特征可以互换或替换，本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种跨异构计算引擎的大数据任务调度方法，其特征在于，包括以下步骤：
S1，定义任务工作流统一描述模型；
S2，可视化编排任务工作流；
S3，对任务工作流进行解析；
S4，将任务工作流按策略分发到调度服务器上；
S5，下发任务工作流的作业到具体的计算引擎上执行，并管理任务工作流的执行状态。
2.根据权利要求1所述的跨异构计算引擎的大数据任务调度方法，其特征在于，在步骤S1中，所述任务工作流中的节点，包括控制节点和计算节点，控制节点用于表达业务流程逻辑，计算节点用于适配不同的计算引擎并完成计算执行。
3.根据权利要求1所述的跨异构计算引擎的大数据任务调度方法，其特征在于，在步骤S1中，所述任务工作流统一模型采用key/value格式文本文件作为统一描述文件；任务工作流节点设置全局唯一标识；在计算节点指明其计算类型；计算节点包括功能配置信息；当工作流节点有依赖关系时在统一描述文件中指明节点间的依赖关系及依赖数据。
4.根据权利要求1所述的跨异构计算引擎的大数据任务调度方法，其特征在于，在步骤S2中，包括如下子步骤：
S21，将大数据生产加工用到的业务、算法、知识形成模型共享库；
S22，从模型共享库中导入模型并抽象为可视化组件；
S23，对可视化组件进行操作；
S24，生成工作流统一描述文件，持久化到任务工作流库中。
5.根据权利要求1所述的跨异构计算引擎的大数据任务调度方法，其特征在于，在步骤S3中，所述对任务工作流解析，包括任务内解析和任务间解析；
任务内解析通过从任务工作流库中获取工作流统一描述文件，解析并提前工作流执行所需的作业计算引擎类型、运行命令或脚本信息、依赖信息、作业执行顺序；
任务间解析基于任务内解析的结果，分析各个任务工作流的依赖关系，确定各任务工作流的执行顺序。
6.根据权利要求1所述的跨异构计算引擎的大数据任务调度方法，其特征在于，在步骤S4中，包括子步骤：
S41，配置调度服务器为集群模式；
S42，检测调度服务器集群的使用情况，分析各调度服务器的压力，将工作流任务分发给压力最小的调度服务器；
S43，调度服务器将工作流中的各作业调度到具体的计算引擎上执行。
7.根据权利要求1所述的跨异构计算引擎的大数据任务调度方法，其特征在于，在步骤S5中，通过插件方式从不同类型的计算引擎上获取工作流作业的相应执行状态数据。
8.根据权利要求6所述的跨异构计算引擎的大数据任务调度方法，其特征在于，所述调度服务器集群的数量至少三个，且调度策略设置为动态负载均衡策略。
9.一种计算机设备，其特征在于，包括处理器和存储器，在存储器中存储有计算机程序，当所述计算机程序被处理器加载并执行如权利要求1～8中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，在计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器加载并执行如权利要求1～8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210377333.0A CN114896054A (zh) | 2022-04-12 | 2022-04-12 | 一种跨异构计算引擎的大数据任务调度方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210377333.0A CN114896054A (zh) | 2022-04-12 | 2022-04-12 | 一种跨异构计算引擎的大数据任务调度方法、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114896054A true CN114896054A (zh) | 2022-08-12 |
Family
ID=82717657
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210377333.0A Pending CN114896054A (zh) | 2022-04-12 | 2022-04-12 | 一种跨异构计算引擎的大数据任务调度方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114896054A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024152655A1 (zh) * | 2023-01-19 | 2024-07-25 | 深圳前海环融联易信息科技服务有限公司 | 基于云原生的工作流编排方法、装置、设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101986603A (zh) * | 2010-08-24 | 2011-03-16 | 大唐软件技术股份有限公司 | 一种基于数据驱动的工作流动态流程构建方法和系统 |
| CN103761111A (zh) * | 2014-02-19 | 2014-04-30 | 中国科学院软件研究所 | 一种基于bpel语言构建数据密集型工作流引擎的方法及其系统 |
| CN110069334A (zh) * | 2019-05-05 | 2019-07-30 | 重庆天蓬网络有限公司 | 一种基于包管理的分布式数据作业调度的方法和系统 |
| US10447546B1 (en) * | 2015-06-24 | 2019-10-15 | EMC IP Holding Company LLC | Customized visualizations for data centers |
| CN110795219A (zh) * | 2019-10-24 | 2020-02-14 | 华东计算技术研究所（中国电子科技集团公司第三十二研究所） | 适用于多种计算框架的资源调度方法及系统 |
| CN113220431A (zh) * | 2021-04-29 | 2021-08-06 | 西安易联趣网络科技有限责任公司 | 跨云的分布式数据任务调度方法、设备及存储介质 |
-
2022
- 2022-04-12 CN CN202210377333.0A patent/CN114896054A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101986603A (zh) * | 2010-08-24 | 2011-03-16 | 大唐软件技术股份有限公司 | 一种基于数据驱动的工作流动态流程构建方法和系统 |
| CN103761111A (zh) * | 2014-02-19 | 2014-04-30 | 中国科学院软件研究所 | 一种基于bpel语言构建数据密集型工作流引擎的方法及其系统 |
| US10447546B1 (en) * | 2015-06-24 | 2019-10-15 | EMC IP Holding Company LLC | Customized visualizations for data centers |
| CN110069334A (zh) * | 2019-05-05 | 2019-07-30 | 重庆天蓬网络有限公司 | 一种基于包管理的分布式数据作业调度的方法和系统 |
| CN110795219A (zh) * | 2019-10-24 | 2020-02-14 | 华东计算技术研究所（中国电子科技集团公司第三十二研究所） | 适用于多种计算框架的资源调度方法及系统 |
| CN113220431A (zh) * | 2021-04-29 | 2021-08-06 | 西安易联趣网络科技有限责任公司 | 跨云的分布式数据任务调度方法、设备及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024152655A1 (zh) * | 2023-01-19 | 2024-07-25 | 深圳前海环融联易信息科技服务有限公司 | 基于云原生的工作流编排方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110795219B (zh) | 适用于多种计算框架的资源调度方法及系统 | |
| US9336288B2 (en) | Workflow controller compatibility | |
| US9729615B2 (en) | System and method for collaborative designing, development, deployment, execution, monitoring and maintenance of enterprise applications | |
| CN111949454B (zh) | 一种基于微服务组件的数据库系统及相关方法 | |
| US9594637B2 (en) | Deploying parallel data integration applications to distributed computing environments | |
| CN108243012B (zh) | 在线计费系统ocs中计费应用处理系统、方法及装置 | |
| CN113569987A (zh) | 模型训练方法和装置 | |
| CN112214280A (zh) | 一种电力系统仿真的云化方法及系统 | |
| CN111682973B (zh) | 一种边缘云的编排方法及系统 | |
| JP2017522630A (ja) | ワークロード自動化およびデータ系統分析 | |
| CN102012840A (zh) | 一种数据的批量调度方法和系统 | |
| Davami et al. | Fog-based architecture for scheduling multiple workflows with high availability requirement | |
| US10498817B1 (en) | Performance tuning in distributed computing systems | |
| CN108829505A (zh) | 一种分布式调度系统及方法 | |
| CN113254174A (zh) | 一种rpa机器人流程自动化实现系统和方法 | |
| CN105338045A (zh) | 一种云计算资源的处理装置、方法及云计算系统 | |
| CN110569113A (zh) | 分布式任务的调度方法及系统、计算机可读存储介质 | |
| CN112581080A (zh) | 一种轻量级的分布式工作流引擎构建系统 | |
| CN114896054A (zh) | 一种跨异构计算引擎的大数据任务调度方法、设备及介质 | |
| CN113886111A (zh) | 一种基于工作流的数据分析模型计算引擎系统及运行方法 | |
| CN112565416B (zh) | 基于云原生的大规模边缘安卓设备纳管系统及其纳管方法 | |
| EP4024761A1 (en) | Communication method and apparatus for multiple management domains | |
| Bianchi et al. | An ASM-based model for grid job management | |
| CN112148546A (zh) | 电力系统静态安全分析并行计算系统及方法 | |
| CN115858499A (zh) | 一种数据库分区处理方法、装置、计算机设备和存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220812 |