CN115168017B - 一种任务调度云平台及其任务调度方法 - Google Patents
一种任务调度云平台及其任务调度方法 Download PDFInfo
- Publication number
- CN115168017B CN115168017B CN202211092889.1A CN202211092889A CN115168017B CN 115168017 B CN115168017 B CN 115168017B CN 202211092889 A CN202211092889 A CN 202211092889A CN 115168017 B CN115168017 B CN 115168017B
- Authority
- CN
- China
- Prior art keywords
- node
- task
- resource
- processing
- cloud platform
- 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
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Multi Processors (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开一种任务调度云平台及其任务调度方法。所述方法包括:任务调度云平台接收各主机设备上传的任务处理请求;任务调度云平台获取各资源节点的风险因子,计算各资源节点处理主机设备的安全程度,选择高于预设安全值的若干资源节点进行任务调度处理,并更新这些资源节点的风险因子;任务调度云平台获取各资源节点性能参数,根据性能参数计算各资源节点的综合性能值;任务调度云平台根据各资源节点的综合性能值进行任务优化分配。采用本发明技术方案,能够实现云平台对于主机设备任务请求的合理优化调度,提高任务请求处理效率。
Description
技术领域
本发明涉及云计算技术领域,尤其涉及一种任务调度云平台及其任务调度方法。
背景技术
云计算平台也称为云平台,是指基于硬件资源和软件资源的服务,提供计算、网络和存储能力。云计算平台可以划分为3类:以数据存储为主的存储型云平台,以数据处理为主的计算型云平台以及计算和数据存储处理兼顾的综合云计算平台。现有的云平台在进行任务调度时通常是将任务分发给当前没有执行任务的设备中进行处理,而对于如何优化任务的发放是亟需解决的技术问题。基于此,本发明提出一种任务调度云平台及其任务调度方法。
发明内容
本发明提供了一种任务调度方法,包括:
任务调度云平台接收各主机设备上传的任务处理请求;
任务调度云平台获取各资源节点的风险因子,计算各资源节点处理主机设备的安全程度,选择高于预设安全值的若干资源节点进行任务调度处理,并更新这些资源节点的风险因子;
任务调度云平台获取各资源节点性能参数,根据性能参数计算各资源节点的综合性能值;
任务调度云平台根据各资源节点的综合性能值进行任务优化分配。
如上所述的一种任务调度方法,其中,任务调度云平台包括N个资源节点,资源节点为任务调度云平台的子服务器、服务商或虚拟机;每个资源节点具有各自的节点属性,包括节点风险因子、节点安全因子、节点性能参数。
如上所述的一种任务调度方法,其中,当某一资源节点需要加入云平台时,任务调度云平台根据资源节点的属性为其分配节点风险因子,节点风险因子随着处理主机设备请求动态更新。
如上所述的一种任务调度方法,其中,计算各资源节点处理主机设备的安全程度,具体为获取各资源节点属性、主机设备属性、任务属性,计算各资源节点处理主机设备的风险度;资源节点属性包括节点风险因子、节点安全因子,包括操作系统安全等级、软件安全等级、硬件安全等级、网络安全等级;主机设备属性包括主机网络协议安全等级、防护处理等级、云平台授权访问等级;任务属性包括反馈周期属性、优先级属性、紧急程度属性、难度属性。
如上所述的一种任务调度方法,其中,按照各资源节点的综合性能值的配比,对任务处理请求进行按比例分配,然后发送给对应比重的资源节点,待接收到处理任务的资源节点的任务处理响应后,将任务处理结果返回主机设备。
本发明还提供一种任务调度云平台,包括:
任务处理请求接收模块,用于接收各主机设备上传的任务处理请求;
任务调度节点选取模块,用于获取各资源节点的风险因子,计算各资源节点处理主机设备的安全程度,选择高于预设安全值的若干资源节点进行任务调度处理,并更新这些资源节点的风险因子;
资源节点综合性能值计算模块,用于获取各资源节点性能参数,根据性能参数计算各资源节点的综合性能值;
任务调度模块,用于根据各资源节点的综合性能值进行任务优化分配。
如上所述的一种任务调度云平台,其中,任务调度云平台包括N个资源节点,资源节点为任务调度云平台的子服务器、服务商或虚拟机;每个资源节点具有各自的节点属性,包括节点风险因子、节点安全因子、节点性能参数。
如上所述的一种任务调度云平台,其中,当某一资源节点需要加入云平台时,任务调度云平台根据资源节点的属性为其分配节点风险因子,节点风险因子随着处理主机设备请求动态更新。
如上所述的一种任务调度云平台,其中,任务调度节点选取模块中计算各资源节点处理主机设备的安全程度,具体为获取各资源节点属性、主机设备属性、任务属性,计算各资源节点处理主机设备的风险度;资源节点属性包括节点风险因子、节点安全因子,包括操作系统安全等级、软件安全等级、硬件安全等级、网络安全等级;主机设备属性包括主机网络协议安全等级、防护处理等级、云平台授权访问等级;任务属性包括反馈周期属性、优先级属性、紧急程度属性、难度属性。
如上所述的一种任务调度云平台,其中,任务调度模块,具体用于按照各资源节点的综合性能值的配比,对任务处理请求进行按比例分配,然后发送给对应比重的资源节点,待接收到处理任务的资源节点的任务处理响应后,将任务处理结果返回主机设备。
本发明实现的有益效果如下:采用本发明技术方案,能够实现云平台对于主机设备任务请求的合理优化调度,提高任务请求处理效率。
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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种任务调度方法流程图;
图2是本发明实施例二提供的一种任务调度云平台示意图。
具体实施方式
下面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。
实施例一
如图1所示,本发明实施例一提供一种任务调度方法,包括:
步骤110、任务调度云平台接收各主机设备上传的任务处理请求;
本申请提供的任务调度方法应用于任务调度云平台中,任务调度云平台包括N个资源节点,每个资源节点具有各自的节点属性,包括节点风险因子、节点安全因子、节点性能参数等,资源节点可以为任务调度云平台的子服务器、服务商或虚拟机。
资源节点在任务调度云平台中可以注册,当某一资源节点需要加入云平台时,任务调度云平台根据资源节点的属性为其分配节点风险因子,例如,若资源节点为管理员注册子服务器或虚拟机,则任务调度云平台初始为其分配的节点风险因子为,若资源节点为用户新注册的服务商,则任务调度云平台初始为其分配的节点风险因子为,其中,任务调度云平台为子服务器或虚拟机分配的初始节点风险因子高于为服务商分配的节点风险因子,和为预设值,可由任务调度云平台自行设定,在每个资源节点进行任务处理后,节点风险因子会根据处理主机设备请求的风险情况进行动态更新。
步骤120、任务调度云平台获取各资源节点的风险因子,计算各资源节点处理主机设备的安全程度,选择高于预设安全值的若干资源节点进行任务调度处理,并更新这些资源节点的风险因子;
由于在任务调度云平台中注册的资源节点的安全属性是不同的,不同安全属性的资源节点对主机设备的安全处理方式也存在不同,即对于不同主机设备的任务处理请求,需要选择安全处理方式比主机设备风险更高的资源节点进行任务调度处理,由此保证对于不同安全性的主机设备,任务调度云平台能够区别对待,使用不同的资源节点进行任务调度处理。
任务调度云平台获取各资源节点属性、主机设备属性、任务属性,计算各资源节点处理主机设备的风险度。其中,各资源节点属性包括节点风险因子、节点安全因子,包括操作系统安全等级、软件安全等级、硬件安全等级、网络安全等级,这些安全因子都是在节点注册时由任务调度云平台为节点评估所得,当节点中的软硬件、操作系统或网络安全有变动时会通知任务调度云平台进行重新评估;主机设备属性包括主机网络协议安全等级、防护处理等级、云平台授权访问等级,主机网络协议安全等级由主机设备向任务调度云平台发送时云平台根据主机设备网络协议类型设定,防护处理等级由主机设备与任务调度云平台之间的安全防火墙给定,云平台授权访问等级由任务调度云平台根据主机设备综合评估主机设备安全程度给定;任务属性包括反馈周期属性、优先级属性、紧急程度属性、难度属性等,任务属性由任务发起者本身决定,携带在任务处理请求中;根据存储的各资源节点的当前风险因子、主机设备的任务处理请求中的任务属性。
具体地,采用公式
计算各资源节点处理主机设备的安全程度,其中,为资源节点处理主机设备的安全程度;为资源节点运行状态,若运行正常则,若运行异常为;为节点风险因子;为节点安全因子,为节点安全因子对安全程度的影响权重,i的取值为1到N,例如节点安全因子包括操作系统安全等级、软件安全等级、硬件安全等级、网络安全等级,则N的取值为4;为主机设备属性,为主机设备属性对安全程度的影响权重,j的取值为1到M,例如主机设备属性包括主机网络协议安全等级、防护处理等级、云平台授权访问等级,则M的取值为3;为任务属性,为任务属性对安全程度的影响权重,k的取值为1到K,例如任务属性包括反馈周期属性、优先级属性、紧急程度属性、难度属性,则K的取值为4。
计算出各资源节点处理主机设备的安全程度之后,选择若干高于预设安全值的资源节点进行任务处理。在选择高于预设安全程度的若干资源节点之后,还包括更新这些资源节点的风险因子。具体地,由于资源节点的风险因子随着各种主机设备的访问,其风险程度会随着同一主机设备的访问而逐渐降低,即对于同一主机设备的访问,如果某一资源节点处理过多次该主机设备的任务,则认为该资源节点后续可以更好的处理该主机设备任务,则降低该风险因子的值,则在上述公式计算安全程度时,得到的资源节点处理主机设备的安全程度更高,更有利于该节点获取该主机设备的任务。
步骤130、任务调度云平台获取各资源节点性能参数,根据性能参数计算各资源节点的综合性能值;
各资源节点的性能参数包括存储容量参数、内存占用率、硬盘占用率、CPU使用率、被使用频率等,采用公式计算各资源节点的综合性能值,其中,为资源节点综合性能值,为资源节点运行状态,为被使用频率,为资源节点的性能参数,为资源接待性能参数对综合性能值的影响权重,p的取值为1到P,P为性能参数量,例如性能参数包括存储容量参数、内存占用率、硬盘占用率、CPU使用率,则P的取值为4。
步骤140、任务调度云平台根据各资源节点的综合性能值进行任务优化分配。
按照各资源节点的综合性能值的配比,对任务处理请求进行按比例分配,然后发送给对应比重的资源节点,待接收到处理任务的资源节点的任务处理响应后,将任务处理结果返回主机设备。具体地,例如选择H个资源节点,综合性能值分别为T 1 、T 2 、…、T h 、…、T H ,任务请求为G个,则分别为H个资源节点分配的任务请求量为,为第h个资源节点分配的任务请求。
实施例二
如图2所示,本发明实施例二提供一种任务调度云平台,任务调度云平台包括N个资源节点,每个资源节点具有各自的节点属性,包括节点风险因子、节点安全因子、节点性能参数等,资源节点可以为任务调度云平台的子服务器、服务商或虚拟机。资源节点在任务调度云平台中可以注册,当某一资源节点需要加入云平台时,任务调度云平台根据资源节点的属性为其分配节点风险因子,例如,若资源节点为管理员注册子服务器或虚拟机,则任务调度云平台初始为其分配的节点风险因子为,若资源节点为用户新注册的服务商,则任务调度云平台初始为其分配的节点风险因子为,其中,任务调度云平台为子服务器或虚拟机分配的初始节点风险因子高于为服务商分配的节点风险因子,和为预设值,可由任务调度云平台自行设定,在每个资源节点进行任务处理后,节点风险因子会根据处理主机设备请求的风险情况进行动态更新。
所述任务调度云平台具体包括:
任务处理请求接收模块21,用于接收各主机设备上传的任务处理请求;
任务调度节点选取模块22,用于获取各资源节点的风险因子,计算各资源节点处理主机设备的安全程度,选择高于预设安全值的若干资源节点进行任务调度处理,并更新这些资源节点的风险因子;
由于在任务调度云平台中注册的资源节点的安全属性是不同的,不同安全属性的资源节点对主机设备的安全处理方式也存在不同,即对于不同主机设备的任务处理请求,需要选择安全处理方式比主机设备风险更高的资源节点进行任务调度处理,由此保证对于不同安全性的主机设备,任务调度云平台能够区别对待,使用不同的资源节点进行任务调度处理。
任务调度云平台获取各资源节点属性、主机设备属性、任务属性,计算各资源节点处理主机设备的风险度。其中,各资源节点属性包括节点风险因子、节点安全因子,包括操作系统安全等级、软件安全等级、硬件安全等级、网络安全等级,这些安全因子都是在节点注册时由任务调度云平台为节点评估所得,当节点中的软硬件、操作系统或网络安全有变动时会通知任务调度云平台进行重新评估;主机设备属性包括主机网络协议安全等级、防护处理等级、云平台授权访问等级,主机网络协议安全等级由主机设备向任务调度云平台发送时云平台根据主机设备网络协议类型设定,防护处理等级由主机设备与任务调度云平台之间的安全防火墙给定,云平台授权访问等级由任务调度云平台根据主机设备综合评估主机设备安全程度给定;任务属性包括反馈周期属性、优先级属性、紧急程度属性、难度属性等,任务属性由任务发起者本身决定,携带在任务处理请求中;根据存储的各资源节点的当前风险因子、主机设备的任务处理请求中的任务属性。
具体地,采用公式
计算各资源节点处理主机设备的安全程度,其中,为资源节点处理主机设备的安全程度;为资源节点运行状态,若运行正常则,若运行异常为;为节点风险因子;为节点安全因子,为节点安全因子对安全程度的影响权重,i的取值为1到N,例如节点安全因子包括操作系统安全等级、软件安全等级、硬件安全等级、网络安全等级,则N的取值为4;为主机设备属性,为主机设备属性对安全程度的影响权重,j的取值为1到M,例如主机设备属性包括主机网络协议安全等级、防护处理等级、云平台授权访问等级,则M的取值为3;为任务属性,为任务属性对安全程度的影响权重,k的取值为1到K,例如任务属性包括反馈周期属性、优先级属性、紧急程度属性、难度属性,则K的取值为4。
计算出各资源节点处理主机设备的安全程度之后,选择若干高于预设安全值的资源节点进行任务处理。在选择高于预设安全程度的若干资源节点之后,还包括更新这些资源节点的风险因子。具体地,由于资源节点的风险因子随着各种主机设备的访问,其风险程度会随着同一主机设备的访问而逐渐降低,即对于同一主机设备的访问,如果某一资源节点处理过多次该主机设备的任务,则认为该资源节点后续可以更好的处理该主机设备任务,则降低该风险因子的值,则在上述公式计算安全程度时,得到的资源节点处理主机设备的安全程度更高,更有利于该节点获取该主机设备的任务。
资源节点综合性能值计算模块23,用于获取各资源节点性能参数,根据性能参数计算各资源节点的综合性能值;
各资源节点的性能参数包括存储容量参数、内存占用率、硬盘占用率、CPU使用率、被使用频率等,采用公式计算各资源节点的综合性能值,其中,为资源节点综合性能值,为资源节点运行状态,为被使用频率,为资源节点的性能参数,为资源接待性能参数对综合性能值的影响权重,p的取值为1到P,P为性能参数量,例如性能参数包括存储容量参数、内存占用率、硬盘占用率、CPU使用率,则P的取值为4。
任务调度模块24,用于根据各资源节点的综合性能值进行任务优化分配。
按照各资源节点的综合性能值的配比,对任务处理请求进行按比例分配,然后发送给对应比重的资源节点,待接收到处理任务的资源节点的任务处理响应后,将任务处理结果返回主机设备。具体地,例如选择H个资源节点,综合性能值分别为T1、T2、…、Th、…、TH,任务请求为G个,则分别为H个资源节点分配的任务请求量为,为第h个资源节点分配的任务请求。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (10)
1.一种任务调度方法,其特征在于,包括:
任务调度云平台接收各主机设备上传的任务处理请求;
任务调度云平台获取各资源节点的风险因子,计算各资源节点处理主机设备的安全程度,选择高于预设安全值的若干资源节点进行任务调度处理,并更新这些资源节点的风险因子;采用公式计算各资源节点处理主机设备的安全程度,其中,为资源节点处理主机设备的安全程度;为资源节点运行状态,若运行正常则,若运行异常为;为节点风险因子;为节点安全因子,为节点安全因子对安全程度的影响权重;为主机设备属性,为主机设备属性对安全程度的影响权重;为任务属性,为任务属性对安全程度的影响权重;
任务调度云平台获取各资源节点性能参数,根据性能参数计算各资源节点的综合性能值;采用公式计算各资源节点的综合性能值,其中,为资源节点综合性能值,为资源节点运行状态,为被使用频率,为资源节点的性能参数,为资源接待性能参数对综合性能值的影响权重,p的取值为1到P,P为性能参数量;
2.如权利要求1所述的一种任务调度方法,其特征在于,任务调度云平台包括N个资源节点,资源节点为任务调度云平台的子服务器、服务商或虚拟机;每个资源节点具有各自的节点属性,包括节点风险因子、节点安全因子、节点性能参数。
3.如权利要求2所述的一种任务调度方法,其特征在于,当某一资源节点需要加入云平台时,任务调度云平台根据资源节点的属性为其分配节点风险因子,节点风险因子随着处理主机设备请求动态更新。
4.如权利要求1所述的一种任务调度方法,其特征在于,计算各资源节点处理主机设备的安全程度,具体为获取各资源节点属性、主机设备属性、任务属性,计算各资源节点处理主机设备的风险度;资源节点属性包括节点风险因子、节点安全因子,包括操作系统安全等级、软件安全等级、硬件安全等级、网络安全等级;主机设备属性包括主机网络协议安全等级、防护处理等级、云平台授权访问等级;任务属性包括反馈周期属性、优先级属性、紧急程度属性、难度属性。
5.如权利要求1所述的一种任务调度方法,其特征在于,按照各资源节点的综合性能值的配比,对任务处理请求进行按比例分配,然后发送给对应比重的资源节点,待接收到处理任务的资源节点的任务处理响应后,将任务处理结果返回主机设备。
6.一种任务调度云平台,其特征在于,包括:
任务处理请求接收模块,用于接收各主机设备上传的任务处理请求;
任务调度节点选取模块,用于获取各资源节点的风险因子,计算各资源节点处理主机设备的安全程度,选择高于预设安全值的若干资源节点进行任务调度处理,并更新这些资源节点的风险因子;采用公式计算各资源节点处理主机设备的安全程度,其中,为资源节点处理主机设备的安全程度;为资源节点运行状态,若运行正常则,若运行异常为;为节点风险因子;为节点安全因子,为节点安全因子对安全程度的影响权重;为主机设备属性,为主机设备属性对安全程度的影响权重;为任务属性,为任务属性对安全程度的影响权重;
资源节点综合性能值计算模块,用于获取各资源节点性能参数,根据性能参数计算各资源节点的综合性能值;采用公式计算各资源节点的综合性能值,其中,为资源节点综合性能值,为资源节点运行状态,为被使用频率,为资源节点的性能参数,为资源接待性能参数对综合性能值的影响权重,p的取值为1到P,P为性能参数量;
7.如权利要求6所述的一种任务调度云平台,其特征在于,任务调度云平台包括N个资源节点,资源节点为任务调度云平台的子服务器、服务商或虚拟机;每个资源节点具有各自的节点属性,包括节点风险因子、节点安全因子、节点性能参数。
8.如权利要求7所述的一种任务调度云平台,其特征在于,当某一资源节点需要加入云平台时,任务调度云平台根据资源节点的属性为其分配节点风险因子,节点风险因子随着处理主机设备请求动态更新。
9.如权利要求6所述的一种任务调度云平台,其特征在于,任务调度节点选取模块中计算各资源节点处理主机设备的安全程度,具体为获取各资源节点属性、主机设备属性、任务属性,计算各资源节点处理主机设备的风险度;资源节点属性包括节点风险因子、节点安全因子,包括操作系统安全等级、软件安全等级、硬件安全等级、网络安全等级;主机设备属性包括主机网络协议安全等级、防护处理等级、云平台授权访问等级;任务属性包括反馈周期属性、优先级属性、紧急程度属性、难度属性。
10.如权利要求6所述的一种任务调度云平台,其特征在于,任务调度模块,具体用于按照各资源节点的综合性能值的配比,对任务处理请求进行按比例分配,然后发送给对应比重的资源节点,待接收到处理任务的资源节点的任务处理响应后,将任务处理结果返回主机设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211092889.1A CN115168017B (zh) | 2022-09-08 | 2022-09-08 | 一种任务调度云平台及其任务调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211092889.1A CN115168017B (zh) | 2022-09-08 | 2022-09-08 | 一种任务调度云平台及其任务调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115168017A CN115168017A (zh) | 2022-10-11 |
CN115168017B true CN115168017B (zh) | 2022-11-25 |
Family
ID=83481159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211092889.1A Active CN115168017B (zh) | 2022-09-08 | 2022-09-08 | 一种任务调度云平台及其任务调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115168017B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116719631B (zh) * | 2023-08-11 | 2024-01-09 | 之江实验室 | 一种分布式任务调度方法、装置、存储介质及电子设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101695081A (zh) * | 2009-09-30 | 2010-04-14 | 北京航空航天大学 | 一种网络服务的可信任务调度方法 |
CN102891773A (zh) * | 2011-07-18 | 2013-01-23 | 北京邮电大学 | 一种基于资源可信度评估的云计算sla管理框架 |
CN107239336B (zh) * | 2016-03-28 | 2022-09-09 | 中兴通讯股份有限公司 | 一种实现任务调度的方法及装置 |
CN108282333B (zh) * | 2018-03-02 | 2020-09-01 | 重庆邮电大学 | 工业云环境下多边缘节点协作模式下数据安全共享方法 |
CN113886089B (zh) * | 2021-10-21 | 2024-01-26 | 上海勃池信息技术有限公司 | 一种任务处理方法、装置、系统、设备及介质 |
CN114741955A (zh) * | 2022-01-25 | 2022-07-12 | 华北电力大学 | 一种基于安全云的多目标优化任务调度方法 |
-
2022
- 2022-09-08 CN CN202211092889.1A patent/CN115168017B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115168017A (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108667748B (zh) | 一种控制带宽的方法、装置、设备和存储介质 | |
CN109040259B (zh) | 一种基于mec的cdn节点分配方法和系统 | |
CN113709048A (zh) | 一种路由信息的发送、接收方法、网元及节点设备 | |
CN110858161A (zh) | 资源分配方法、装置、系统、设备和介质 | |
JP6380110B2 (ja) | リソース制御システム、制御パターン生成装置、制御装置、リソース制御方法及びプログラム | |
CN112131006A (zh) | 业务请求分配方法、装置、计算机设备和存储介质 | |
CN102724105B (zh) | 一种负载均衡方法和装置 | |
CN115168017B (zh) | 一种任务调度云平台及其任务调度方法 | |
CN112698952A (zh) | 计算资源统一管理方法、装置、计算机设备及存储介质 | |
CN111338750A (zh) | 执行节点的压力调节方法、装置、服务器及存储介质 | |
CN108200185B (zh) | 一种实现负载均衡的方法及装置 | |
CN109413117B (zh) | 分布式数据计算方法、装置、服务器及计算机存储介质 | |
CN110430236B (zh) | 一种部署业务的方法以及调度装置 | |
CN114745278B (zh) | 一种业务系统扩缩容的方法、装置、电子设备和存储介质 | |
CN110995802A (zh) | 任务的处理方法和装置、存储介质及电子装置 | |
Pakhrudin et al. | Cloud service analysis using round-robin algorithm for quality-of-service aware task placement for internet of things services | |
CN114554496A (zh) | 基于机器学习的5g网络切片资源分配方法 | |
CN112205023B (zh) | 蜂窝电信网络 | |
CN113377866A (zh) | 一种虚拟化数据库代理服务的负载均衡方法及装置 | |
US10447567B2 (en) | Control apparatus and processing method for control apparatus | |
CN115190034B (zh) | 基于边缘云计算的服务部署方法 | |
CN111045805A (zh) | 任务执行器的评级方法、装置、计算机设备以及存储介质 | |
KR102092937B1 (ko) | 자원 예측 장치 및 클라우드 서버 | |
JP6511006B2 (ja) | リソース割当管理装置および割当て先サーバ決定方法 | |
CN116436978B (zh) | 面向云计算的内存分配方法、内存获取方法、装置和设备 |
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 |