CN115098240A - 一种多处理器应用调度方法和系统及存储介质 - Google Patents
一种多处理器应用调度方法和系统及存储介质 Download PDFInfo
- Publication number
- CN115098240A CN115098240A CN202210877304.0A CN202210877304A CN115098240A CN 115098240 A CN115098240 A CN 115098240A CN 202210877304 A CN202210877304 A CN 202210877304A CN 115098240 A CN115098240 A CN 115098240A
- Authority
- CN
- China
- Prior art keywords
- task
- tasks
- proximity
- grouping
- multiprocessor
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/48—Indexing scheme relating to G06F9/48
- G06F2209/484—Precedence
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multi Processors (AREA)
Abstract
Description
技术领域
本发明涉及计算技术技术领域,尤其涉及一种多处理器应用调度方法和系统及存储介质。
背景技术
目前,计算资源进行高性能计算研究已经在国内得到了极大的普及。尤其是多处理器、多核、并行计算等技术得到广泛应用,然而,大部分针对任务的调度策略都存在一些不可忽略的问题:第一,由于任务调度的不充分性,导致作业的排队时间过长,造成调度效率低下,现有的调度没有对任务进行进一步的细分或分组处理;第二,由于没有对调度任务进行特征的准确提取分类,导致任务调度分配不合理,需要大规模处理器进行计算的作业无法被高效调度到对应的调度队列中进行处理,从而增加了大量时间开销;第三,由于该调度策略未使用有效的策略,导致负载过重的作业不能被有效调度到可提供大量节点的调度队列中处理,从而造成严重的状况,并形成了较为严重的调度性能瓶颈。
新型的多个处理器或多核处理器的部署,也使得任务计算效率大大提升,且也存在任务的接近度计算,但现有的接近度只是简单的对比,难以满足由此带来任务准确分配和处理器资源使用等问题,且现有技术计算效率低、准确地低、不能满足用户实际需要。
因此,为满足多任务多处理器调度充分利用的需求,如何应对任务的亟需合理调度,处理器的充分利用,实现计算的高效、准确、用户满意度高的任务调度技术迫在眉睫。
发明内容
本发明的主要目的在于提供一种多处理器应用调度方法及装置,旨在解决现有技术中任务调度的不充分性的技术问题。
为实现上述目的,本发明提供了一种多处理器应用调度方法,其包括:
多个处理器,处理器包括第一硬件线程、第二硬件线程和任务管理器;
步骤1、初始化:所有处理器开启,获取多处理器参数,接收一组任务集合,任务分解器对任务进行分解;
步骤3、根据,,,...,的顺序,将任务进行分配至对应分组中,当N=1时,每个剩余的未分配任务将单独分组,并在分组过程结束时跳至步骤(6);否则,从剩余任务中找到具有接近度最高的两个任务,并将它们添加到集群分组中;如果有多对接近度最高的任务,则选择两个任务其运行时间的之和最接近,M表示任务数量,表示任务的运行时间;
步骤4、如果分组中的任务数小于设定阈值,然后将剩余任务根据任务接近度加权值添加至分组中,所述任务接近度加权值即:分别计算每个分组中每两个任务的接近度,对分组内所有任务的接近度进行二次方计算然后求和得到该分组的加权值,将待分配任务分配至加权值最大的分组;若多个剩余任务加权值相同,则选择任务运行时间最大的任务;
步骤5、循环步骤3、步骤4直至剩余任务分配完成;
步骤6、任务分组完成,调度规划器通过动态和静态算法进行任务分组到处理节点的映射,实时分发器将任务分组分配至对应处理节点执行任务。
优选地,所述获取多处理器参数包括获取多处理器的核心数、全局或分区使用标识;所述调度规划器包括全局固定优先级、全局最早截止期优先、分区固定优先级方式对分组任务进行规划。
优选地,所述多个处理器是指集成了多核CPU、多CPU或多主机上的处理器核或多个主机服务器;多源多核系统中的核,可以是对称的也可以是非对称的;任务集合是可以分配到多核处理器上执行的任务的集合。
优选地,所述根据任务特征信息和接近度得到分组数量N,以及每个分组的任务数,包括根据任务特征信息包括文件大小、文件数目、文件类型、镜像名称、镜像大小、镜像哈希码、程序文本长度、外部获取的数据集大小设置分组数量N;计算每两个任务之间的接近度,根据接近度最高和最低只差确定设定分组数量。
其中特征向量通过卷积神经网络提取,用SPP-Net卷积核去提取特征,即初始化的卷积核在反向传播的过程中,无限去拟合目标特征向量,具体为将任务执行文件、任务执行对象参数输入卷积神经网络进行拟合计算,进而输出特征集;、分别表示执行任务A和任务B的程序逻辑判断数量,、分别表示执行任务A和任务B的内存大小,、分别表示执行任务A和任务B的程序文本长度,、分别表示执行任务A和任务B的第n个特征;分别表示对应程序逻辑判断数量、内存大小、程序文本长度、第n个特征的权值系数。
本发明还提供一种多处理器应用调度系统,包括:多个处理器,处理器包括第一硬件线程、第二硬件线程和任务管理器;
初始化模块:所有处理器开启,获取多处理器参数,接收一组任务集合,任务分解器对任务进行分解;
步骤3、根据,,,...,的顺序,将任务进行分配至对应分组中,当N=1时,每个剩余的未分配任务将单独分组,并在分组过程结束时跳至步骤(6);否则,从剩余任务中找到具有接近度最高的两个任务,并将它们添加到集群分组中;如果有多对接近度最高的任务,则选择两个任务其运行时间的之和最接近,M表示任务数量,表示任务的运行时间;
步骤4、如果分组中的任务数小于设定阈值,然后将剩余任务根据任务接近度加权值添加至分组中,所述任务接近度加权值即:分别计算每个分组中每两个任务的接近度,对分组内所有任务的接近度进行二次方计算然后求和得到该分组的加权值,将待分配任务分配至加权值最大的分组;若多个剩余任务加权值相同,则选择任务运行时间最大的任务;
步骤5、循环步骤3、步骤4直至剩余任务分配完成;
步骤6、任务分组完成,调度规划器通过动态和静态算法进行任务分组到处理节点的映射,实时分发器将任务分组分配至对应处理节点执行任务。
优选地,所述获取多处理器参数包括获取多处理器的核心数、全局或分区使用标识;所述调度规划器包括全局固定优先级、全局最早截止期优先、分区固定优先级方式对分组任务进行规划。
优选地,所述多个处理器是指集成了多核CPU、多CPU或多主机上的处理器核或多个主机服务器;多源多核系统中的核,可以是对称的也可以是非对称的;任务集合是可以分配到多核处理器上执行的任务的集合。
优选地,所述根据任务特征信息和接近度得到分组数量N,以及每个分组的任务数,包括根据任务特征信息包括文件大小、文件数目、文件类型、镜像名称、镜像大小、镜像哈希码、程序文本长度、外部获取的数据集大小设置分组数量N;计算每两个任务之间的接近度,根据接近度最高和最低只差确定设定分组数量。
其中特征向量通过卷积神经网络提取,用SPP-Net卷积核去提取特征,初始化的卷积核在反向传播的过程中,无限去拟合目标特征向量;、分别表示执行任务A和任务B的程序逻辑判断数量,、分别表示执行任务A和任务B的内存大小,、分别表示执行任务A和任务B的程序文本长度,、分别表示执行任务A和任务B的第n个特征;分别表示对应程序逻辑判断数量、内存大小、程序文本长度、第n个特征的权值系数。
本发明还提供一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现所述一种多处理器应用调度方法的步骤。
本发明还提供一种存储介质,其内存储有处理器可执行指令,所述指令由一个或一个以上处理器加载,以执行所述一种多处理器应用调度方法。
本发明的多处理器应用调度方法和系统,通过计算每两个任务之间的接近度,并根据任务特征信息和接近度得到分组数量,大大增强了根据任务特点进行分组,并将不同分组对应不同处理器,能够大大增强任务处理效率;且本申请的分组过程中,充分考虑任务之间接近度的利用,通过对分组内所有任务的接近度进行二次方计算然后求和得到该分组的加权值的计算实现合理分组;加权值的计算实现了任务与组的最大程度匹配;此外通过卷积神经网络提取特征向量并进行接近度的计算,以及权值系数的设置提高了特征提取准确度以及计算效率。
附图说明
图1是本发明实施例方案实施流程。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
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。
实施例1:
参照图1,图1为本发明文件生成方法一实施例流程示意图。本发明的一种多处理器应用调度方法,其包括:
多个处理器,处理器包括第一硬件线程、第二硬件线程和任务管理器;
步骤1、初始化:所有处理器开启,获取多处理器参数,接收一组任务集合,任务分解器对任务进行分解;
步骤3、根据,,,...,的顺序,将任务进行分配至对应分组中,当N=1时,每个剩余的未分配任务将单独分组,并在分组过程结束时跳至步骤(6);否则,从剩余任务中找到具有接近度最高的两个任务,并将它们添加到集群分组中;如果有多对接近度最高的任务,则选择两个任务其运行时间的之和最接近,M表示任务数量,表示任务的运行时间;
步骤4、如果分组中的任务数小于设定阈值,然后将剩余任务根据任务接近度加权值添加至分组中,所述任务接近度加权值即:分别计算每个分组中每两个任务的接近度,对分组内所有任务的接近度进行二次方计算然后求和得到该分组的加权值,将待分配任务分配至加权值最大的分组;若多个剩余任务加权值相同,则选择任务运行时间最大的任务;
步骤5、循环步骤3、步骤4直至剩余任务分配完成;
步骤6、任务分组完成,调度规划器通过动态和静态算法进行任务分组到处理节点的映射,实时分发器将任务分组分配至对应处理节点执行任务。
在一些实施例中,所述获取多处理器参数包括获取多处理器的核心数、全局或分区使用标识;所述调度规划器包括全局固定优先级、全局最早截止期优先、分区固定优先级方式对分组任务进行规划。
在一些实施例中,所述多个处理器是指集成了多核CPU、多CPU或多主机上的处理器核或多个主机服务器;多源多核系统中的核,可以是对称的也可以是非对称的;任务集合是可以分配到多核处理器上执行的任务的集合。
在一些实施例中,所述根据任务特征信息和接近度得到分组数量N,以及每个分组的任务数,包括根据任务特征信息包括文件大小、文件数目、文件类型、镜像名称、镜像大小、镜像哈希码、程序文本长度、外部获取的数据集大小设置分组数量N;计算每两个任务之间的接近度,根据接近度最高和最低只差确定设定分组数量。
其中特征向量通过卷积神经网络提取,用SPP-Net卷积核去提取特征,初始化的卷积核在反向传播的过程中,无限去拟合目标特征向量;、分别表示执行任务A和任务B的程序逻辑判断数量,、分别表示执行任务A和任务B的内存大小,分别表示执行任务A和任务B的程序文本长度,、分别表示执行任务A和任务B的第n个特征;分别表示对应程序逻辑判断数量、内存大小、程序文本长度、第n个特征的权值系数。
实施例2:
本发明还提供一种多处理器应用调度系统,包括:多个处理器,处理器包括第一硬件线程、第二硬件线程和任务管理器;
初始化模块:所有处理器开启,获取多处理器参数,接收一组任务集合,任务分解器对任务进行分解;
步骤3、根据,,,...,的顺序,将任务进行分配至对应分组中,当N=1时,每个剩余的未分配任务将单独分组,并在分组过程结束时跳至步骤(6);否则,从剩余任务中找到具有接近度最高的两个任务,并将它们添加到集群分组中;如果有多对接近度最高的任务,则选择两个任务其运行时间的之和最接近,M表示任务数量,表示任务的运行时间;
步骤4、如果分组中的任务数小于设定阈值,然后将剩余任务根据任务接近度加权值添加至分组中,所述任务接近度加权值即:分别计算每个分组中每两个任务的接近度,对分组内所有任务的接近度进行二次方计算然后求和得到该分组的加权值,将待分配任务分配至加权值最大的分组;若多个剩余任务加权值相同,则选择任务运行时间最大的任务;
步骤5、循环步骤3、步骤4直至剩余任务分配完成;
步骤6、任务分组完成,调度规划器通过动态和静态算法进行任务分组到处理节点的映射,实时分发器将任务分组分配至对应处理节点执行任务。
优选地,所述获取多处理器参数包括获取多处理器的核心数、全局或分区使用标识;所述调度规划器包括全局固定优先级、全局最早截止期优先、分区固定优先级方式对分组任务进行规划。
优选地,所述多个处理器是指集成了多核CPU、多CPU或多主机上的处理器核或多个主机服务器;多源多核系统中的核,可以是对称的也可以是非对称的;任务集合是可以分配到多核处理器上执行的任务的集合。
优选地,所述根据任务特征信息和接近度得到分组数量N,以及每个分组的任务数,包括根据任务特征信息包括文件大小、文件数目、文件类型、镜像名称、镜像大小、镜像哈希码、程序文本长度、外部获取的数据集大小设置分组数量N;计算每两个任务之间的接近度,根据接近度最高和最低只差确定设定分组数量。
其中特征向量通过卷积神经网络提取,用SPP-Net卷积核去提取特征,初始化的卷积核在反向传播的过程中,无限去拟合目标特征向量;、分别表示执行任务A和任务B的程序逻辑判断数量,、分别表示执行任务A和任务B的内存大小,分别表示执行任务A和任务B的程序文本长度,、分别表示执行任务A和任务B的第n个特征;分别表示对应程序逻辑判断数量、内存大小、程序文本长度、第n个特征的权值系数。
本发明还提供一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现所述一种多处理器应用调度方法的步骤。
本发明还提供一种存储介质,其内存储有处理器可执行指令,所述指令由一个或一个以上处理器加载,以执行所述一种多处理器应用调度方法。
本发明的多处理器应用调度方法和系统,通过计算每两个任务之间的接近度,并根据任务特征信息和接近度得到分组数量,大大增强了根据任务特点进行分组,并将不同分组对应不同处理器,能够大大增强任务处理效率;且本申请的分组过程中,充分考虑任务之间接近度的利用,通过对分组内所有任务的接近度进行二次方计算然后求和得到该分组的加权值的计算实现合理分组;加权值的计算实现了任务与组的最大程度匹配;此外通过ELO结合卷积神经网络提取特征向量并进行接近度的计算,提高了特征提取准确度以及计算效率。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
本领域技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品,因此本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (11)
1.一种多处理器应用调度方法,其特征在于,包括:步骤1、初始化:所有处理器开启,获取多处理器参数,接收一组任务集合,任务分解器对任务进行分解;
步骤3、根据,,,...,的顺序,将任务进行分配至对应分组中,当N=1时,每个剩余的未分配任务将单独分组,并在分组过程结束时跳至步骤6;否则,从剩余任务中找到具有接近度最高的两个任务,并将它们添加到集群分组中;如果有多对接近度最高的任务,则选择两个任务其运行时间的之和最接近,M表示任务数量,表示任务的运行时间;
步骤4、如果分组中的任务数小于设定阈值,然后将剩余任务根据任务接近度加权值添加至分组中,所述任务接近度加权值即:分别计算每个分组中每两个任务的接近度,对分组内所有任务的接近度进行二次方计算然后求和得到该分组的加权值,将待分配任务分配至加权值最大的分组;若多个剩余任务加权值相同,则选择任务运行时间最大的任务;
步骤5、循环步骤3、步骤4直至剩余任务分配完成;
步骤6、任务分组完成,调度规划器通过动态和静态算法进行任务分组到处理节点的映射,实时分发器将任务分组分配至对应处理节点执行任务。
2.如权利要求1所述的多处理器应用调度方法,其特征在于,所述获取多处理器参数包括获取多处理器的核心数、全局或分区使用标识;所述调度规划器包括全局固定优先级、全局最早截止期优先、分区固定优先级方式对分组任务进行规划。
3.如权利要求2所述的一种多处理器应用调度方法,其特征在于,所述多个处理器是指集成了多核CPU、多CPU或多主机上的处理器核或多个主机服务器;多源多核系统中的核,可以是对称的也可以是非对称的;任务集合是可以分配到多核处理器上执行的任务的集合。
6.一种多处理器应用调度系统,其特征在于,包括:多个处理器,处理器包括:
初始化模块,所有处理器开启,获取多处理器参数,接收一组任务集合,任务分解器对任务进行分解;
任务分组模块,根据,,,...,的顺序,将任务进行分配至对应分组中,当N=1时,每个剩余的未分配任务将单独分组,并在分组过程结束时任务分组完成;否则,从剩余任务中找到具有接近度最高的两个任务,并将它们添加到集群分组中;如果有多对接近度最高的任务,则选择两个任务其运行时间的之和最接近,M表示任务数量,表示任务的运行时间;
任务分组优化模块,如果分组中的任务数小于设定阈值,然后将剩余任务根据任务接近度加权值添加至分组中,所述任务接近度加权值即:分别计算每个分组中每两个任务的接近度,对分组内所有任务的接近度进行二次方计算然后求和得到该分组的加权值,将待分配任务分配至加权值最大的分组;若多个剩余任务加权值相同,则选择任务运行时间最大的任务;
循环模块,执行循环任务分组模块、任务分组优化模块直至剩余任务分配完成;
任务执行模块,任务分组完成,调度规划器通过动态和静态算法进行任务分组到处理节点的映射,实时分发器将任务分组分配至对应处理节点执行任务。
7.如权利要求6所述的一种多处理器应用调度系统,其特征在于,所述获取多处理器参数包括获取多处理器的核心数、全局或分区使用标识;所述调度规划器包括全局固定优先级、全局最早截止期优先、分区固定优先级方式对分组任务进行规划。
8.如权利要求7所述的一种多处理器应用调度系统,其特征在于,所述多个处理器是指集成了多核CPU、多CPU或多主机上的处理器核或多个主机服务器;多源多核系统中的核,可以是对称的也可以是非对称的;任务集合是可以分配到多核处理器上执行的任务的集合。
11.一种存储介质,其内存储有处理器可执行指令,所述指令由一个或一个以上处理器加载,以执行如权利要求1至5中任一项所述一种多处理器应用调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210877304.0A CN115098240B (zh) | 2022-07-25 | 2022-07-25 | 一种多处理器应用调度方法和系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210877304.0A CN115098240B (zh) | 2022-07-25 | 2022-07-25 | 一种多处理器应用调度方法和系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115098240A true CN115098240A (zh) | 2022-09-23 |
CN115098240B CN115098240B (zh) | 2022-11-15 |
Family
ID=83298239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210877304.0A Active CN115098240B (zh) | 2022-07-25 | 2022-07-25 | 一种多处理器应用调度方法和系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115098240B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115981865A (zh) * | 2022-12-29 | 2023-04-18 | 广州趣研网络科技有限公司 | 一种业务资源调度方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160098300A1 (en) * | 2014-10-02 | 2016-04-07 | Media Tek Inc. | Multi-core processor systems and methods for assigning tasks in a multi-core processor system |
CN111598486A (zh) * | 2020-06-09 | 2020-08-28 | 拉扎斯网络科技(上海)有限公司 | 任务分组方法、平台、服务器及存储介质 |
CN111694648A (zh) * | 2020-06-09 | 2020-09-22 | 北京百度网讯科技有限公司 | 一种任务调度方法、装置以及电子设备 |
CN112667380A (zh) * | 2020-12-30 | 2021-04-16 | 珠海亿智电子科技有限公司 | 多处理器任务调度方法、装置及存储介质 |
US20210263781A1 (en) * | 2020-02-22 | 2021-08-26 | International Business Machines Corporation | Dispatching tasks on processors based on memory access efficiency |
CN114706689A (zh) * | 2022-05-17 | 2022-07-05 | 中诚华隆计算机技术有限公司 | 一种基于子任务特性的多核处理器任务调度方法及系统 |
-
2022
- 2022-07-25 CN CN202210877304.0A patent/CN115098240B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160098300A1 (en) * | 2014-10-02 | 2016-04-07 | Media Tek Inc. | Multi-core processor systems and methods for assigning tasks in a multi-core processor system |
US20210263781A1 (en) * | 2020-02-22 | 2021-08-26 | International Business Machines Corporation | Dispatching tasks on processors based on memory access efficiency |
CN111598486A (zh) * | 2020-06-09 | 2020-08-28 | 拉扎斯网络科技(上海)有限公司 | 任务分组方法、平台、服务器及存储介质 |
CN111694648A (zh) * | 2020-06-09 | 2020-09-22 | 北京百度网讯科技有限公司 | 一种任务调度方法、装置以及电子设备 |
CN112667380A (zh) * | 2020-12-30 | 2021-04-16 | 珠海亿智电子科技有限公司 | 多处理器任务调度方法、装置及存储介质 |
CN114706689A (zh) * | 2022-05-17 | 2022-07-05 | 中诚华隆计算机技术有限公司 | 一种基于子任务特性的多核处理器任务调度方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115981865A (zh) * | 2022-12-29 | 2023-04-18 | 广州趣研网络科技有限公司 | 一种业务资源调度方法、装置、电子设备及存储介质 |
CN115981865B (zh) * | 2022-12-29 | 2024-05-07 | 广州趣研网络科技有限公司 | 一种业务资源调度方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115098240B (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nabi et al. | DRALBA: Dynamic and resource aware load balanced scheduling approach for cloud computing | |
CN112416585B (zh) | 面向深度学习的gpu资源管理与智能化调度方法 | |
CN111431961A (zh) | 一种云数据中心的节能任务分配方法 | |
CN114610474B (zh) | 一种异构超算环境下多策略的作业调度方法及系统 | |
Hosseini | A new shuffled genetic-based task scheduling algorithm in heterogeneous distributed systems | |
CN109710372B (zh) | 一种基于猫头鹰搜索算法的计算密集型云工作流调度方法 | |
CN106934537A (zh) | 基于反向工作流调度的子期限获取优化方法 | |
CN115098240B (zh) | 一种多处理器应用调度方法和系统及存储介质 | |
Biswas et al. | Multi-level queue for task scheduling in heterogeneous distributed computing system | |
Shi et al. | A task scheduling approach for cloud resource management | |
Singh et al. | A comparative study of various scheduling algorithms in cloud computing | |
CN114579284A (zh) | 任务调度方法及装置 | |
CN112306642B (zh) | 一种基于稳定匹配博弈理论的工作流调度方法 | |
Kumar et al. | Delay-based workflow scheduling for cost optimization in heterogeneous cloud system | |
Dubey et al. | QoS driven task scheduling in cloud computing | |
CN112882805A (zh) | 一种任务资源约束的利润优化调度方法 | |
Rashmi et al. | Deadline constrained Cost Effective Workflow scheduler for Hadoop clusters in cloud datacenter | |
Mala et al. | Resource allocation in cloud using enhanced max-min algorithm | |
Arif | A Hybrid MinMin & Round Robin Approach for task scheduling in cloud computing | |
Genez et al. | A flexible scheduler for workflow ensembles | |
CN111522637B (zh) | 一种基于成本效益的storm任务调度方法 | |
Suresh et al. | Prioritized user demand approach for scheduling meta tasks on heterogeneous grid environment | |
Kim et al. | An allocation and provisioning model of science cloud for high throughput computing applications | |
Aida et al. | Performance enhancement of scheduling algorithm in heterogeneous distributed computing systems | |
Sharma et al. | An optimized task scheduling in cloud computing using priority |
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 |