CN115080197A - 计算任务调度方法、装置、电子设备和存储介质 - Google Patents

计算任务调度方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115080197A
CN115080197A CN202110270059.2A CN202110270059A CN115080197A CN 115080197 A CN115080197 A CN 115080197A CN 202110270059 A CN202110270059 A CN 202110270059A CN 115080197 A CN115080197 A CN 115080197A
Authority
CN
China
Prior art keywords
resource
node
task
scheduling
working
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
Application number
CN202110270059.2A
Other languages
English (en)
Inventor
刘丰恺
李伟泽
周济
陈都
张毅
王峻青
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.)
Tianyi Cloud Technology Co Ltd
Original Assignee
Tianyi Cloud 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 Tianyi Cloud Technology Co Ltd filed Critical Tianyi Cloud Technology Co Ltd
Priority to CN202110270059.2A priority Critical patent/CN115080197A/zh
Publication of CN115080197A publication Critical patent/CN115080197A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提供了一种计算任务调度方法、装置、电子设备和计算机可读存储介质，涉及通信领域。其中，计算任务调度方法包括：获取待调度的计算任务的资源需求量；获取节点列表中每个工作节点的资源剩余量；在检测到工作节点的资源剩余量和资源需求量均不匹配时，基于工作节点的资源剩余量、资源需求量以及预设的任务调度阈值数组之间的关系，确定节点列表中与计算任务适配的适配节点；将计算任务调度至适配节点，其中，任务调度阈值数组基于历史任务的资源使用量确定。通过本公开的技术方案，将计算任务调度至适配节点，实现对计算任务的调度，以使计算任务进行合理分配，进而提高工作节点的资源利用率，从而有利于提升计算任务的处理效率。

Description

计算任务调度方法、装置、电子设备和存储介质
技术领域
本公开涉及通信领域，尤其涉及一种计算任务调度方法、装置、电子设备和计算机可读存储介质。
背景技术
深度学习(DL，Deep Learning)的计算任务主要依赖于服务器中的GPU(GraphicProcessing Unit，图形处理单元)。但是由于GPU计算成本高，因此在进行计算任务分配时，需要使GPU资源得到充分利用。
相关技术中，在基于GPU进行计算任务的调度时，通常将计算任务调度到资源剩余最多的GPU上运行，这样的调度方式易使计算任务所需的GPU资源与GPU实际剩余的资源相差较大，导致GPU的资源利用率较低。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种计算任务调度方法、装置、电子设备和计算机可读存储介质，至少在一定程度上能够改善相关技术中的方式导致的GPU的资源利用率较低的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一个方面，提供一种计算任务调度方法，包括：获取待调度的计算任务的资源需求量；获取节点列表中每个工作节点的资源剩余量；在检测到所述工作节点的资源剩余量和所述资源需求量均不匹配时，基于所述工作节点的资源剩余量、所述资源需求量以及预设的任务调度阈值数组之间的关系，确定所述节点列表中与所述计算任务适配的适配节点；将所述计算任务调度至所述适配节点，其中，所述任务调度阈值数组基于历史任务的资源使用量确定。
在一个实施例中，所述基于所述工作节点的资源剩余量、所述资源需求量以及所述任务调度阈值数组之间的关系，确定所述节点列表中与所述计算任务适配的适配节点包括：基于所述节点列表中的工作节点排列顺序，逐一检测资源差值与所述任务调度阈值数组之间是否满足调度规则，所述资源差值为所述工作节点的资源剩余量与所述资源需求量之间的差值；在检测到所述资源差值与所述任务调度阈值数组之间满足所述调度规则时，将与所述资源差值对应的所述工作节点确定为所述第一适配节点，其中，所述调度规则用于将工作节点的资源利用率配置为大于比率阈值。
在一个实施例中，在获取待调度的计算任务的资源需求量之前，还包括：基于所述历史任务的资源使用量确定上限阈值和下限阈值；确定所述上限阈值与所述下限阈值之间的中间值；基于所述上限阈值、所述中间值和所述下限阈值配置所述任务调度阈值数组。
在一个实施例中，所述在检测到所述资源差值与所述任务调度阈值数组之间满足所述调度规则时，将与所述资源差值对应的所述工作节点确定为所述第一适配节点包括：在检测到所述资源差值大于所述上限阈值时，确定所述资源差值与所述任务调度阈值数组之间满足所述调度规则，并将与所述资源差值对应的所述工作节点确定为所述第一适配节点。
在一个实施例中，所述中间值包括第一中间值和第二中间值，所述在检测到所述资源差值与所述任务调度阈值数组之间满足所述调度规则时，将与所述资源差值对应的所述工作节点确定为所述第一适配节点还包括：在检测到所述资源差值大于或等于所述第二中间值，小于或等于所述第一中间值时，确定所述资源差值与所述任务调度阈值数组之间满足所述调度规则，并将与所述资源差值对应的所述工作节点确定为所述第一适配节点；以及将所述第一适配节点调整到所述节点列表的首位，其中，所述第一中间值和所述第二中间值基于分位数规则和所述比率阈值生成。
在一个实施例中，所述基于所述工作节点的资源剩余量、所述资源需求量以及所述任务调度阈值数组之间的关系，确定所述节点列表中与所述计算任务适配的适配节点还包括：在检测到所述资源差值与所述任务调度阈值数组之间不满足所述调度规则时，根据参考规则确定的第二适配节点，以将所述计算任务下发至所述第二适配节点，其中，所述参考规则用于在后续的计算任务调度时，将第二适配节点的所述资源差值调整至满足所述调度规则。
在一个实施例中，还包括：在检测到任一所述工作节点的资源剩余量和所述资源需求量匹配时，将所述计算任务调度至任一所述工作节点。
根据本公开的第二方面，提供一种计算任务调度装置，包括：第一获取模块，用于获取待调度的计算任务的资源需求量；第二获取模块，用于获取节点列表中每个工作节点的资源剩余量；确定模块，用于在检测到所述工作节点的资源剩余量和所述资源需求量均不匹配时，基于所述工作节点的资源剩余量、所述资源需求量以及预设的任务调度阈值数组之间的关系，确定所述节点列表中与所述计算任务适配的适配节点；调度模块，用于将所述计算任务调度至所述适配节点，其中，所述任务调度阈值数组基于历史任务的资源使用量确定。
根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述任意一项的计算任务调度方法。
根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任意一项的计算任务调度方法。
本公开的实施例所提供的计算任务调度方案，通过获取计算任务的资源需求量和节点列表中工作节点的资源剩余量，表示需要适配的计算任务和工作节点的信息，通过预设的任务调度阈值数组表示历史任务来统计历史任务的资源需求情况，进而能够基于资源剩余量、资源需求量以及任务调度阈值数组之间的关系，在节点列表中选择最适配的工作节点，作为适配节点，将计算任务调度至适配节点，实现对计算任务的调度，以使计算任务进行合理分配，进而提高工作节点的资源利用率，从而有利于提升计算任务的处理效率。
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和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示出本公开实施例中一种计算任务调度系统结构的示意图；
图2示出本公开实施例中一种计算任务调度方法的流程图；
图3示出本公开实施例中另一种计算任务调度方法的流程图；
图4示出本公开实施例中再一种计算任务调度方法的流程图；
图5示出本公开实施例中又一种计算任务调度方法的流程图；
图6示出本公开实施例中一种计算任务调度装置的示意图；
图7示出本公开实施例中一种计算任务调度装置的示意图；
图8示出本公开实施例中一种电子设备的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本申请提供的方案，通过获取计算任务的资源需求量和节点列表中工作节点的资源剩余量，表示需要适配的计算任务和工作节点的信息，通过预设的任务调度阈值数组表示历史任务来统计历史任务的资源需求情况，进而能够基于资源剩余量、资源需求量以及任务调度阈值数组之间的关系，在节点列表中选择最适配的工作节点，作为，将计算任务调度至适配节点，实现对计算任务的调度，以使计算任务进行合理分配，进而提高工作节点的资源利用率，从而有利于提升计算任务的处理效率。
本申请实施例提供的方案涉及任务调度等技术，具体通过如下实施例进行说明。
图1示出本公开实施例中一种计算任务调度系统的结构示意图，包括多个终端120和服务器集群140。
终端120可以是手机、游戏主机、平板电脑、电子书阅读器、智能眼镜、MP4(MovingPicture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、智能家居设备、AR(Augmented Reality，增强现实)设备、VR(Virtual Reality，虚拟现实)设备等移动终端，或者，终端120也可以是个人计算机(Personal Computer，PC)，比如膝上型便携计算机和台式计算机等等。
其中，终端120中可以安装有用于提供的计算任务调度的应用程序。
终端120与服务器集群140之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。
服务器集群140是一台服务器，或者由若干台服务器组成，或者是一个虚拟化平台，或者是一个云计算服务中心。服务器集群140用于为提供计算任务调度应用程序提供后台服务。可选地，服务器集群140承担主要计算工作，终端120承担次要计算工作；或者，服务器集群140承担次要计算工作，终端120承担主要计算工作；或者，终端120和服务器集群140之间采用分布式计算架构进行协同计算。
在一些可选的实施例中，服务器集群140用于存储计算任务调度模型等。
可选地，不同的终端120中安装的应用程序的客户端是相同的，或两个终端120上安装的应用程序的客户端是不同控制系统平台的同一类型应用程序的客户端。基于终端平台的不同，该应用程序的客户端的具体形态也可以不同，比如，该应用程序客户端可以是手机客户端、PC客户端或者全球广域网(World Wide Web，Web)客户端等。
本领域技术人员可以知晓，上述终端120的数量可以更多或更少。比如上述终端可以仅为一个，或者上述终端为几十个或几百个，或者更多数量。本申请实施例对终端的数量和设备类型不加以限定。
可选的，该系统还可以包括管理设备(图1未示出)，该管理设备与服务器集群140之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。
可选的，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(Hyper Text Mark-up Language，HTML)、可扩展标记语言(ExtensibleMarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(InternetProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
下面，将结合附图及实施例对本示例实施方式中的计算任务调度方法中的各个步骤进行更详细的说明。
图2示出本公开实施例中一种计算任务调度方法流程图。本公开实施例提供的方法可以由任意具备计算处理能力的电子设备执行，例如如图1中的终端120和/或服务器集群140。在下面的举例说明中，以终端120为执行主体进行示例说明。
如图2所示，终端120执行计算任务调度方法，包括以下步骤：
步骤S202，获取待调度的计算任务的资源需求量。
其中，计算任务被配置在计算任务队列中，通过获取计算任务队列，以进一步获取计算任务队列中的计算任务，以及计算任务的资源需求量。
另外，计算任务可以为GPU计算任务。
步骤S204，获取节点列表中每个工作节点的资源剩余量。
其中，节点列表即为GPU主机列表，节点列表中的工作节点即为GPU主机。
步骤S206，在检测到工作节点的资源剩余量和资源需求量均不匹配时，基于工作节点的资源剩余量、资源需求量以及预设的任务调度阈值数组之间的关系，确定节点列表中与计算任务适配的适配节点。
其中，检测工作节点的资源剩余量和资源需求量是否匹配的一种实现方式为：检测该工作节点的资源剩余量刚好等于待分配的计算任务的资源需求量。如果不等于，则可视为工作节点的资源剩余量和资源需求量不匹配。
另外，预设的任务调度阈值数组可以为工作节点处理过的历史任务所占用的资源需求量确定，通过对历史任务的资源需求量的统计，并基于统计结果配置任务调度阈值数组，以基于工作节点的资源剩余量与任务调度阈值数组中的调度阈值之间的关系，将计算任务合理调度至适配的工作节点，以实现工作节点GPU资源的高效利用。
具体地，任务调度阈值数组至少可以包括历史任务的最大资源需求量和历史任务的最小资源需求量。
步骤S208，将计算任务调度至适配节点，其中，任务调度阈值数组基于历史任务的资源使用量确定。
其中，采用调度节点实现将计算任务分派至适配节点。
在该实施例中，通过获取计算任务的资源需求量和节点列表中工作节点的资源剩余量，表示需要适配的计算任务和工作节点的信息，通过预设的任务调度阈值数组表示历史任务来统计历史任务的资源需求情况，进而能够基于资源剩余量、资源需求量以及任务调度阈值数组之间的关系，在节点列表中选择最适配的工作节点，作为适配节点，将计算任务调度至适配节点，实现对计算任务的调度，以使计算任务进行合理分配，进而提高工作节点的资源利用率，从而有利于提升计算任务的处理效率。
如图3所示，在一个实施例中，步骤S206，基于工作节点的资源剩余量、资源需求量以及任务调度阈值数组之间的关系，确定节点列表中与计算任务适配的适配节点的一种实现方式，包括：
步骤S302，基于节点列表中的工作节点排列顺序，逐一检测资源差值与任务调度阈值数组之间是否满足调度规则，资源差值为工作节点的资源剩余量与资源需求量之间的差值。
其中，将工作节点在节点列表中指定排列顺序排列，指定排列顺序可以理解为从前至后逐渐实现较高的资源利用率的配置。
步骤S304，检测资源差值与任务调度阈值数组之间满足是否调度规则。
其中，调度规则指在将计算任务调度至适配的工作节点后，使适配的工作节点的资源占用率逐渐配置为大于比率阈值。
步骤S306，在检测到资源差值与任务调度阈值数组之间满足调度规则时，将与资源差值对应的工作节点确定为第一适配节点，其中，调度规则用于将工作节点的资源利用率配置为大于比率阈值。
在该实施例中，按照排列顺序逐一计算工作节点的资源剩余量和待调度的计算任务的资源需求量之间的资源差值，只要检测到该资源差值与任务调度阈值数组之间的关系满足调度规则，则就将该工作节点确定为第一适配节点，并将计算任务调度至该第一适配节点，通过调度规则的设置，可以提高具有GPU工作节点的资源利用率，进而能够减少GPU的投入率。
具体地，基于资源差值，将计算任务队列中的一个计算任务与节点列表中的工作节点逐一进行适配，在适配成功后，进行计算任务分配，直至计算任务队列中的所有计算任务被调度完毕。
在一个实施例中，在获取待调度的计算任务的资源需求量之前，还包括：基于历史任务的资源使用量配置任务调度阈值数组。
在该实施例中，通过收集历史任务的资源使用量，统计历史任务在计算时所需的资源，以确定包括最大资源需求量、最小资源需求量，以及评价资源需求量等，通过基于以上数据配置任务调度阈值数组，以保证计算任务分配的合理性。
在一个实施例中，基于历史任务的资源使用量配置任务调度阈值数组包括：基于历史任务的资源使用量确定上限阈值和下限阈值；基于分位数规则确定上限阈值与下限阈值之间的第一中间值和第二中间值；基于上限阈值、第一中间值、第二中间值和下限阈值配置任务调度阈值数组。
在该实施例中，分位数(Quantile)，亦称分位点，是指将一个随机变量的概率分布范围分为几个等份的数值点，在确定上限阈值和下限阈值之后，采用五分位的方式得到另外两个中间值，基于四个阈值划分出得到五个数值范围，以进一步基于资源差值与数值范围之间的匹配结果，确定资源差值所属的数值范围，确定资源差值与任务调度阈值数组之间是否满足调度规则，以在满足调度规则时，实现计算任务的调度。
如图4所示，在一个实施例中，步骤S306，在检测到资源差值与任务调度阈值数组之间满足调度规则时，将与资源差值对应的工作节点确定为第一适配节点的一种实现方式包括：
步骤S402，检测资源差值和任务调度阈值数组之间的关系。
步骤S404，在检测到资源差值大于上限阈值时，确定资源差值与任务调度阈值数组之间满足调度规则，并将与资源差值对应的工作节点确定为第一适配节点。
其中，在检测到资源差值大于上限阈值时，表明在将计算任务调度至该工作节点后，在下一轮任务调度时仍具有较多的剩余资源。
在检测到资源差小于下限阈值时，表明该工作节点不是该计算任务的第一适配节点，即若将该计算任务调度至该工作节点后，仍具有一定的剩余资源，但剩余资源无法承载下一个计算任务的调度，导致该工作节点的资源无法得到高效的利用。
在一个实施例中，步骤S306，在检测到资源差值与任务调度阈值数组之间满足调度规则时，将与资源差值对应的工作节点确定为第一适配节点的一种实现方式，还包括：
步骤S406，在检测到资源差值大于或等于第二中间值，小于或等于第一中间值时，确定资源差值与任务调度阈值数组之间满足调度规则，并将与资源差值对应的工作节点确定为第一适配节点。
步骤S408，将第一适配节点调整到节点列表的首位，其中，第一中间值和第二中间值基于分位数规则和比率阈值生成。
基于统计结果，在检测到资源差值大于或等于第二中间值，小于或等于第一中间值时，表明具有较大概率在下一轮计算任务分配时，该节点的剩余资源被分配完，从而能够最大化利用节点剩余资源。
在检测到资源差值小于或等于上限阈值，大于第一中间值时，由于无法确定在下一轮计算任务分配后，其剩余资源是否仍满足后续的任务分配，因此不将其确定为第一适配节点。
在检测到资源差大于或等于下限阈值，小于第二中间值时，若将该计算任务调度至该工作节点后，仍具有一定的剩余资源，但剩余资源无法承载下一个计算任务的调度，也导致该工作节点的资源无法得到高效的利用。
在该实施例中，通过设置上限阈值、第一中间值、第二中间值和下限阈值，划分出5个数值区域，在这5个数值区域内，在检测到资源差值大于上限阈值，或大于或等于第二中间值，小于或等于第一中间值时，表明资源差值和任务调度阈值数组之间满足调度规则，此时直接将计算任务下发至该节点，实现工作节点资源的高效利用。
如图3所示，步骤S206，在一个实施例中，基于工作节点的资源剩余量、资源需求量以及任务调度阈值数组之间的关系，确定节点列表中与计算任务适配的适配节点的一种实现方式中，还包括：
步骤S308，在检测到资源差值与任务调度阈值数组之间不满足调度规则时，确定满足参考规则的第二适配节点，其中，参考规则用于在后续的计算任务调度时，将第二适配节点的资源差值调整至满足调度规则。
在该实施例中，在检测到资源差值和任务调度阈值数组之间不满足调度规则时，因此在这种情况下，跳过该工作节点，继续检测下一工作节点的资源剩余量和计算任务的资源需求量之间的资源差值和任务调度阈值数组之间的关系是否满足调度规则，而在检测到节点列表中的所有工作节点均不满足调度规则时，此时放弃基于调度规则进行资源分配，并采用参考规则
参考规则的一种具体实现方式为，在工作队列中根据节点排列顺序逐一检测工作节点的资源剩余量是否大于计算任务的资源需求量，在检测到资源剩余量大于资源需求量时，进一步检测在将该计算任务下发至该工作节点后，工作节点的资源剩余量和资源需求量之间的资源差值是否满足调度规则，如果满足，则优先将计算任务调度至该工作节点，如果节点列表中的工作节点均不满足，则根据排列顺序确定排在前列的工作节点作为第二适配节点。
在该实施例中，通过设置参考规则，在检测到资源差值和任务调度阈值数组之间的关系不满足调度规则时，则可根据参考规则继续处理计算任务的调度工作，一方面，保证了计算任务调度操作的顺利执行，另一方面，结合调度规则和参考规则，也有利于保证工作节点中的GPU的高效利用，并进一步有利益提升计算任务的处理效率。
如图5所示，根据公开的另一个实施例的计算任务调度方法，包括：
步骤S502，根据历史任务的资源使用量确定四个参数数组(Min，A，B，Max)。
其中，Min是已知最小的资源需求，Max是已知最大的资源需求，而A，B分别是Min与Max间的分位数。
步骤S504，获取待调度的GPU计算任务队列和每个计算任务的GPU资源需求量。
步骤S506，获取用于计算任务的GPU节点列表和每个工作节点的GPU资源剩余量。
步骤S508，在检测到新的计算任务时，逐个对比各节点的资源剩余量和计算任务的资源需求量之间的关系。
步骤S510，在检测到任一工作节点的资源剩余量和资源需求量匹配时，将计算任务调度至该工作节点。
步骤S512，当工作节点的资源剩余量与待分配计算任务的资源需求量之差大于Max值时，将这个任务下发到该工作节点。
步骤S514，当该工作节点的资源剩余量与待分配计算任务的资源需求量之间的资源差值在A，B之间时，将这个任务下发到该工作节点。
步骤S516，将该工作节点在节点列表中的位置提到最前，以便下次优先分配任务到该工作节点。
步骤S518，当该工作节点的资源剩余量与待分配计算任务的资源需求量之差小于Min值时，跳过该工作节点尝试下一个工作节点。
步骤S520，若检查整个集群后未找到符合以上规则的工作节点时，放弃调度规则并采用参考规则为计算任务分配工作节点。
需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图6来描述根据本发明的这种实施方式的计算任务调度装置600。图6所示的计算任务调度装置600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
计算任务调度装置600以硬件模块的形式表现。计算任务调度装置600的组件可以包括但不限于：第一获取模块602，用于获取待调度的计算任务的资源需求量；第二获取模块604，用于获取节点列表中每个工作节点的资源剩余量；确定模块606，用于在检测到工作节点的资源剩余量和资源需求量均不匹配时，基于工作节点的资源剩余量、资源需求量以及预设的任务调度阈值数组之间的关系，确定节点列表中与计算任务适配的第一适配节点；调度模块608，用于将计算任务调度至第一适配节点，其中，任务调度阈值数组基于历史任务的资源使用量确定。
根据本公开的另一个的实施例的计算任务调度装置700，包括：
资源监控模块702、队列管理模块704、调度模块706、任务监控模块708和辅助模块710，各模块主要功能如下：
资源监控模块702用于监测各工作节点的关键资源的使用情况，通过获取监控数据确定各工作节点的资源剩余量。
队列管理模块704用于储存和管理待调度的计算任务，并获取计算任务的资源需求量。
调度模块706用于确定计算任务在哪些工作节点上运行。
任务监控模块708用于在工作节点上分配任务，并检测其占用的资源。
辅助模块710用于记录集群、节点及各计算任务的资源使用情况。
下面参照图8来描述根据本发明的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。
其中，存储单元存储有程序代码，程序代码可以被处理单元810执行，使得处理单元810执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元810可以执行如图2中所示的步骤S202至S208，以及本公开的计算任务调度方法中限定的其他步骤。
存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备860(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器850与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器850通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
根据本发明的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种计算任务调度方法，其特征在于，包括：
获取待调度的计算任务的资源需求量；
获取节点列表中每个工作节点的资源剩余量；
在检测到所述工作节点的资源剩余量和所述资源需求量均不匹配时，基于所述工作节点的资源剩余量、所述资源需求量以及预设的任务调度阈值数组之间的关系，确定所述节点列表中与所述计算任务适配的适配节点；
将所述计算任务调度至所述适配节点，
其中，所述任务调度阈值数组基于历史任务的资源使用量确定。
2.根据权利要求1所述的计算任务调度方法，其特征在于，所述基于所述工作节点的资源剩余量、所述资源需求量以及所述任务调度阈值数组之间的关系，确定所述节点列表中与所述计算任务适配的适配节点包括：
基于所述节点列表中的工作节点排列顺序，逐一检测资源差值与所述任务调度阈值数组之间是否满足调度规则，所述资源差值为所述工作节点的资源剩余量与所述资源需求量之间的差值；
在检测到所述资源差值与所述任务调度阈值数组之间满足所述调度规则时，将与所述资源差值对应的所述工作节点确定为第一适配节点，
其中，所述调度规则用于将工作节点的资源利用率配置为大于比率阈值。
3.根据权利要求2所述的计算任务调度方法，其特征在于，在获取待调度的计算任务的资源需求量之前，还包括：
基于所述历史任务的资源使用量确定上限阈值和下限阈值；
确定所述上限阈值与所述下限阈值之间的中间值；
基于所述上限阈值、所述中间值和所述下限阈值配置所述任务调度阈值数组。
4.根据权利要求3所述的计算任务调度方法，其特征在于，所述在检测到所述资源差值与所述任务调度阈值数组之间满足所述调度规则时，将与所述资源差值对应的所述工作节点确定为第一适配节点包括：
在检测到所述资源差值大于所述上限阈值时，确定所述资源差值与所述任务调度阈值数组之间满足所述调度规则，并将与所述资源差值对应的所述工作节点确定为所述第一适配节点。
5.根据权利要求3所述的计算任务调度方法，其特征在于，所述中间值包括第一中间值和第二中间值，所述在检测到所述资源差值与所述任务调度阈值数组之间满足所述调度规则时，将与所述资源差值对应的所述工作节点确定为所述第一适配节点还包括：
在检测到所述资源差值大于或等于所述第二中间值，小于或等于所述第一中间值时，确定所述资源差值与所述任务调度阈值数组之间满足所述调度规则，并将与所述资源差值对应的所述工作节点确定为所述第一适配节点；以及
将所述第一适配节点调整到所述节点列表的首位，
其中，所述第一中间值和所述第二中间值基于分位数规则和所述比率阈值生成。
6.根据权利要求2至所述的计算任务调度方法，其特征在于，所述基于所述工作节点的资源剩余量、所述资源需求量以及所述任务调度阈值数组之间的关系，确定所述节点列表中与所述计算任务适配的适配节点还包括：
在检测到所述资源差值与所述任务调度阈值数组之间不满足所述调度规则时，确定满足参考规则的第二适配节点，以将所述计算任务下发至所述第二适配节点，
其中，所述参考规则用于在后续的计算任务调度时，将第二适配节点的所述资源差值调整至满足所述调度规则。
7.根据权利要求1至6中所述任一项的计算任务调度方法，其特征在于，还包括：
在检测到任一所述工作节点的资源剩余量和所述资源需求量匹配时，将所述计算任务调度至任一所述工作节点。
8.一种计算任务调度装置，其特征在于，包括：
第一获取模块，用于获取待调度的计算任务的资源需求量；
第二获取模块，用于获取节点列表中每个工作节点的资源剩余量；
确定模块，用于在检测到所述工作节点的资源剩余量和所述资源需求量均不匹配时，基于所述工作节点的资源剩余量、所述资源需求量以及预设的任务调度阈值数组之间的关系，确定所述节点列表中与所述计算任务适配的适配节点；
调度模块，用于将所述计算任务调度至所述适配节点，
其中，所述任务调度阈值数组基于历史任务的资源使用量确定。
9.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所述的计算任务调度方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～7中任意一项所述的计算任务调度方法。
CN202110270059.2A 2021-03-12 2021-03-12 计算任务调度方法、装置、电子设备和存储介质 Pending CN115080197A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110270059.2A CN115080197A (zh) 2021-03-12 2021-03-12 计算任务调度方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110270059.2A CN115080197A (zh) 2021-03-12 2021-03-12 计算任务调度方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN115080197A true CN115080197A (zh) 2022-09-20

Family

ID=83241459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110270059.2A Pending CN115080197A (zh) 2021-03-12 2021-03-12 计算任务调度方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115080197A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116954869A (zh) * 2023-09-18 2023-10-27 武汉信安珞珈科技有限公司 任务调度系统及方法、设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116954869A (zh) * 2023-09-18 2023-10-27 武汉信安珞珈科技有限公司 任务调度系统及方法、设备
CN116954869B (zh) * 2023-09-18 2023-12-19 武汉信安珞珈科技有限公司 任务调度系统及方法、设备

Similar Documents

Publication Publication Date Title
CN108776934B (zh) 分布式数据计算方法、装置、计算机设备及可读存储介质
EP3553657A1 (en) Method and device for allocating distributed system task
US9323580B2 (en) Optimized resource management for map/reduce computing
CN109788315A (zh) 视频转码方法、装置及系统
CN106557369A (zh) 一种多线程的管理方法及系统
KR101471749B1 (ko) 클라우드 서비스의 가상자원 할당을 위한 퍼지 로직 기반의 자원평가 장치 및 방법
CN112508768B (zh) 单算子多模型流水线推理方法、系统、电子设备及介质
JP7270691B2 (ja) データをラベリングするための方法、装置、電子機器、記憶媒体およびコンピュータプログラム
CN115134371A (zh) 包含边缘网络算力资源的调度方法、系统、设备及介质
CN115766875A (zh) 边缘算力资源调度方法、装置、系统、电子设备及介质
CN115080197A (zh) 计算任务调度方法、装置、电子设备和存储介质
CN117149665B (zh) 持续集成方法、控制设备、持续集成系统及存储介质
CN109347982A (zh) 一种数据中心的调度方法及装置
US9501321B1 (en) Weighted service requests throttling
CN117014389A (zh) 算网资源配置方法及系统、电子设备、存储介质
WO2020047390A1 (en) Systems and methods for hybrid burst optimized regulated workload orchestration for infrastructure as a service
CN110069319A (zh) 一种面向朵云资源管理的多目标虚拟机调度方法及系统
CN115168042A (zh) 监控集群的管理方法及装置、计算机存储介质、电子设备
CN113703945B (zh) 微服务集群的调度方法、装置、设备及存储介质
CN115509744A (zh) 容器分配方法、系统、装置、设备及存储介质
CN114265692A (zh) 服务调度方法、装置、设备以及存储介质
CN114020469A (zh) 基于边缘节点的多任务学习方法、装置、介质与设备
CN114090247A (zh) 用于处理数据的方法、装置、设备以及存储介质
CN115344359A (zh) 算力资源分配方法、装置、计算机可读存储介质及设备
CN112367628A (zh) 一种电力物联网的智能化网络切片实例化方法及系统

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