CN115185667B - 可视化应用的加速方法、装置、电子设备和存储介质 - Google Patents
可视化应用的加速方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115185667B CN115185667B CN202211110118.0A CN202211110118A CN115185667B CN 115185667 B CN115185667 B CN 115185667B CN 202211110118 A CN202211110118 A CN 202211110118A CN 115185667 B CN115185667 B CN 115185667B
- Authority
- CN
- China
- Prior art keywords
- gpu
- application
- target
- visualization
- task
- 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
- G06F9/44—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
- 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
- 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
-
- 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
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- 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
Abstract
本公开涉及一种可视化应用的加速方法、装置、电子设备和存储介质。方法包括:接收可视化请求,并根据可视化请求生成任务工单;根据任务工单和统计的当前所有GPU节点的GPU设备使用率,确定待分配任务的目标GPU设备;根据任务工单和目标GPU设备,启动对应的应用容器引擎,以使应用容器引擎显示生成可视化请求的目标可视化应用的操作界面。本公开提供的方法,能够充分利用GPU资源高效快速的进行远程可视化应用GPU加速,且当GPU物理节点较多时,也能高效的进行管理。
Description
技术领域
本公开涉及计算机应用技术领域,尤其涉及一种可视化应用的加速方法、装置、电子设备和存储介质。
背景技术
随着高性能计算技术的发展,一些应用软件需要通过可视化的方式进行远程处理,只应用中央处理器(Central Processing Unit,CPU)不能满足远程可视化应用加速的需求,需要使用图形处理器(Graphics Processing Unit,GPU)进行加速,以提高应用软件整体的计算性能。
目前多是通过在GPU物理节点上部署VituralGL和TurboVNC来进行远程可视化应用GPU加速,但是,该种方式对GPU资源的利用率比较低,当GPU物理节点较多时,部署、管理耗时较长。
发明内容
为了解决上述技术问题,本公开提供了一种可视化应用的加速方法、装置、电子设备和存储介质,能够充分利用GPU资源高效快速的进行远程可视化应用GPU加速,且当GPU物理节点较多时,也能高效的进行管理。
第一方面,本公开实施例提供了一种可视化应用的加速方法,所述方法包括:
接收可视化请求,并根据所述可视化请求生成任务工单;
根据所述任务工单和统计的当前所有GPU节点的GPU设备使用率,确定待分配任务的目标GPU设备;
根据所述任务工单和所述目标GPU设备,启动对应的应用容器引擎,以使所述应用容器引擎显示生成所述可视化请求的目标可视化应用的操作界面。
可选的,所述任务工单包括GPU资源需求,所述根据所述任务工单和统计的当前所有GPU节点的GPU设备使用率,确定待分配任务的目标GPU设备,包括:
统计当前所有GPU节点的GPU设备使用率,计算满足所述GPU资源需求的至少一个GPU设备;
查询所述至少一个GPU设备中每个GPU设备当前正在运行的任务数量;
将所述至少一个GPU设备中任务数量最少的GPU设备作为待分配任务的目标GPU设备。
可选的,所述任务工单还包括所述目标可视化应用的应用名称。
可选的,所述根据所述任务工单和所述目标GPU设备,启动对应的应用容器引擎,以使所述应用容器引擎显示生成所述可视化请求的目标可视化应用的操作界面,包括:
确定所述目标GPU设备对应的GPU节点;
根据所述目标可视化应用的应用名称,启动所述目标可视化应用对应的应用容器引擎,以使所述应用容器引擎调用所述GPU节点上的所述目标GPU设备来显示所述目标可视化应用的操作界面。
可选的,所述任务工单还包括全局任务标识和用户名,其中,所述全局任务标识用于标识可视化任务,所述用户名是指登录网页的名称,所述网页包括至少一个可视化应用的标识,所述可视化请求为所述至少一个可视化应用中标识被触发的目标可视化应用生成的。
可选的,所述方法还包括:
获取所述可视化请求对应的开始时间;
根据所述开始时间、所述全局任务标识、所述用户名、所述目标GPU设备的编号以及数量,生成任务信息,并将所述任务信息记录到记账数据库中;
监控所述应用容器引擎的运行情况以更新所述记账数据库中记录的任务信息。
可选的,所述监控所述应用容器引擎的运行情况以更新所述记账数据库中记录的任务信息,包括:
响应于所述目标可视化应用的关闭请求,获取所述应用容器引擎结束运行的结束时间;
基于所述结束时间更新所述记账数据库中记录的任务信息。
可选的,显示所述操作界面后,所述方法还包括:
响应于所述目标可视化应用的操作请求,生成可视化处理任务;
启动所述应用容器引擎,以使所述应用容器引擎调用所述目标GPU设备对所述可视化处理任务进行处理。
第二方面,本公开实施例提供了一种可视化应用的加速装置,所述装置包括:
接收单元,用于接收可视化请求,并根据所述可视化请求生成任务工单;
确定单元,用于根据所述任务工单和统计的当前所有GPU节点的GPU设备使用率,确定待分配任务的目标GPU设备;
加速单元,用于根据所述任务工单和所述目标GPU设备,启动对应的应用容器引擎,以使所述应用容器引擎显示生成所述可视化请求的目标可视化应用的操作界面。
第三方面,本公开实施例提供了一种电子设备,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现上述的可视化应用的加速方法。
第四方面,本公开实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的可视化应用的加速方法的步骤。
本公开实施例提供了一种可视化应用的加速方法,包括:接收可视化请求,并根据可视化请求生成任务工单;根据任务工单和统计的当前所有GPU节点的GPU设备使用率,确定待分配任务的目标GPU设备;根据任务工单和目标GPU设备,启动对应的应用容器引擎,以使应用容器引擎显示生成可视化请求的目标可视化应用的操作界面。本公开提供的方法,能够充分利用GPU资源高效快速的进行远程可视化应用GPU加速,且当GPU物理节点较多时,也能高效的进行管理。
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。
为了更清楚地说明本公开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,对于本领域普通技术人员而言,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为本公开实施例提供的一种可视化应用的加速方法的流程示意图;
图2为本公开实施例提供的一种异构集群的结构示意图;
图3为本公开实施例提供的一种资源管理模块的结构示意图;
图4为本公开实施例提供的一种网页的示意图;
图5为本公开实施例提供的一种应用容器引擎的结构示意图;
图6为本公开实施例提供的一种可视化应用的加速方法的流程示意图;
图7为本公开实施例提供的一种可视化应用的加速装置的结构示意图;
图8为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
目前,在GPU物理节点上部署“VituralGL和TurboVNC”是目前常用的远程可视化应用GPU加速方案,具有单机部署以及使用方便的有点,但是还具有一下缺点:1)GPU节点较多的时候,对于GPU设备的部署以及管理的效率都比较低;2)在异构集群环境下,GPU设备处理完的数据需要拷贝到集群上,以便进行下一步处理,流程繁琐,当需要拷贝的数据量较大时,耗费的时间比较长;3)针对所有GPU设备没有负载均衡机制,GPU资源利用不充分。
针对上述技术问题,本公开实施例提供了一种可视化应用的加速方法,具体的,本公开提供的方法应用在异构集群环境中,在接收到远程可视化请求后,通过应用容器引擎(docker)直接调用GPU资源进行远程可视化应用加速,以提高可视化应用的操作界面的显示速度,同时在docker上部署VituralGL和TurboVNC实现远程可视化应用的GPU加速,其中,TurboVNC协议用于远程桌面连接,VirtualGL将远程Linux主机的显卡渲染好的画面通过网络传输到客户端,可以充分利用远程主机的显卡资源,TurboVNC与VirtualGL相结合,为远程显示具有交互性能的三维(3-dimensional,3D)应用程序,3D应用程序可以理解为三维可视化应用。其次,在docker上部署用户模块和存储模块,实现对集群用户环境和存储环境的统一,提高管理效率。另外,通过基于GPU使用率和任务数的负载均衡算法提高GPU使用率,以充分利用GPU资源高效快速的进行远程可视化应用GPU加速。
图1为本公开实施例提供的一种可视化应用的加速方法的流程示意图,应用于资源管理模块,具体包括如图1所示的如下步骤S110至S130:
示例性的,参见图2,图2为本公开实施例提供的一种异构集群的结构示意图,图2包括网页端(web端)、多个可视化应用程序(App-1至App-n)、多个应用容器引擎(docker-1至docker-n)、多个GPU节点(GPU节点-1至GPU节点-n)、多个GPU设备(GPU-1至GPU-n)和资源管理模块,GPU节点-1为GPU节点的节点编号,GPU-1为GPU设备的设备编号。其中,用户登录web端后,web端会显示多个可视化应用程序,用户可以通过点击显示的可视化应用程序的标识生成可视化请求,基于可视化请求调用GPU设备进行加速,并在web端显示该可视化应用的操作界面。每个可视化应用程序都存在对应的应用容器引擎,例如图2中所示的App-1和docker-1对应,且每个应用容器引擎都可以连接1个GPU节点,但是每个GPU节点可以同时连接多个应用容器引擎,如图2所示,docker-1和docker-2连接的都是GPU节点-1,docker-n连接的是GPU节点-2,其他应用容器引擎和GPU节点之间的连接关系在此不作赘述。可理解的是,每个应用容器引擎连接的GPU节点会随着GPU资源的使用情况发生变化,例如,在图2所示的示例的基础上,GPU节点-1上资源使用率比较高,GPU节点-2的资源使用率比较低,该种情况下,若App-1生成可视化请求后,通过负载均衡为App-1分配的GPU资源是GPU节点-2上的,此时docker-1就连接GPU节点-2了,不再连接GPU节点-1。每个GPU节点都挂载至少一个GPU设备,GPU设备为具体执行可视化应用的操作任务的运行设备,同一个可视化应用可以使用一个GPU节点上的至少一个GPU设备进行加速,具体使用情况在此不作限定,可根据用户需求自行设定。
示例性的,参见图3,图3为本公开实施例提供的一种资源管理模块的结构示意图,该资源管理模块300和上述图2中的资源管理模块相同,其中,资源管理模块300包括多个子模块,多个子模块之间可以进行通信,多个子模块为任务队列子模块301、资源分配子模块302、负载均衡子模块303和资源记账子模块304,资源管理模块还包括记账数据库305。基于资源管理模块300执行可视化应用GPU加速方法,具体通过下述步骤进行详细说明。
S110、接收可视化请求,并根据所述可视化请求生成任务工单。
其中,所述任务工单包括GPU资源需求、所述可视化应用的应用名称、全局任务标识和用户名,其中,所述全局任务标识用于标识可视化任务,所述用户名是指登录网页的名称,所述网页包括至少一个可视化应用的标识,所述可视化请求为所述至少一个可视化应用中标识被触发的目标可视化应用生成的。
可理解的,用户登录网页端后,在网页端显示的多个可视化应用的标识中点击目标可视化应用的标识,生成目标可视化应用的可视化请求,可视化请求是指请求显示目标可视化应用的操作界面。资源管理模块中的任务队列子模块接收到可视化请求后,根据可视化请求生成包括全局任务标识(ID)、目标可视化应用的应用名称、用户名以及GPU资源需求的任务工单,可视化请求中包括目标可视化应用的基本信息和用户信息,具体包括的内容不作限定。生成任务工单后,将该任务工单按照先进先出的原则加入到任务队列子模块中的待处理任务队列中,待处理任务队列包括多个待处理的任务工单,多个待处理的任务工单可能是多个用户基于网页端触发的,按照生成的时间顺序加入待处理任务队列中,例如用户A点击其登录的网页上显示的可视化应用1后生成任务工单1加入待处理任务队列中,随后,用户B同样点击了其登录的网页上显示的可视化应用1后生成任务工单2加入待处理任务队列中,该种情况下,任务工单1的处理优先级要高于任务工单2,任务工单1处理完成后会在用户A登录的网页上显示可视化应用1的操作界面,任务工单2处理完成后会在用户B登录的网页上显示可视化应用1的操作界面,对于资源管理模块来说,不同用户之间任务处理顺序不同,但是各用户之间是互不影响的,也就是说,多个用户处于同一异构集群环境中,通过网页进行远程可视化。
示例性的,参见图4,图4为本公开实施例提供的一种网页的示意图,用户登录的网页400包括多个可视化应用的标识显示区域410和第一关闭标识420,标识显示区域410中显示的各标识记为411至413,例如,可视化应用1的标识411、可视化应用2的标识412以及可视化应用3的标识413,触发可视化应用的标识后,会生成该可视化应用的可视化请求,基于可视化请求进行GPU加速以在网页400上显示该可视化应用的操作界面。点击可视化应用1的标识411后,生成可视化应用1对应的可视化请求1,资源管理模块基于可视化请求1,通过可视化应用1对应的应用容器引擎1调用GPU设备1显示可视化应用1的操作界面414。第一关闭标识420用于关闭网页400,触发第一关闭标识420后,即可关闭网页400。
S120、根据所述任务工单和统计的当前所有GPU节点的GPU设备使用率,确定待分配任务的目标GPU设备。
可理解的,在上述S110的基础上,资源分配子模块从任务队列子模块中取出任务工单,并将任务工单中的GPU资源需求发送给负载均衡子模块,负载均衡子模块统计当前所有GPU节点的GPU设备使用率,也就是统计上述图2中GPU节点-1至GPU节点-n上各GPU节点上配置的每个GPU设备的使用率,随后根据GPU资源需求和当前所有GPU设备使用率确定待分配任务的目标GPU设备,目标GPU设备用于远程目标可视化应用加速。
可选的,确定待分配任务的目标GPU设备,具体可以通过下述步骤实现:
统计当前所有GPU节点的GPU设备使用率,计算满足所述GPU资源需求的至少一个GPU设备;查询所述至少一个GPU设备中每个GPU设备当前正在运行的任务数量;将所述至少一个GPU设备中任务数量最少的GPU设备作为待分配任务的目标GPU设备。
可理解的,负载均衡子模块统计当前所有GPU节点的GPU设备使用率,计算满足GPU资源需求、使用率最低的GPU设备作为符合条件的GPU设备,其中,GPU资源需求包括GPU设备的数量需求、GPU设备的可使用率需求,具体的,首先计算满足GPU设备的可使用率需求作为符合条件的GPU设备,例如,App-1远程运行所需2个GPU设备且该所需的2个GPU设备的可使用率要大于70%,一种可行的限定方式是2个GPU设备的可使用率都大于70%,另一种可行的限定方式是2个GPU设备的可使用率之和要大于70%,具体限定方式不作限定,满足GPU资源需求才能支持App-1的远程运行,符合条件的GPU设备的数量要大于等于GPU设备的需求数量。然后到记账数据库去查询所有符合条件的GPU设备当前正在运行的任务数,根据GPU设备的数量需求将任务数最少的GPU设备作为待分配任务的目标GPU设备,例如,符合条件的GPU设备的数量为5个,查询5个符合条件的GPU设备各自运行的任务数,并按照各自运行的任务数由小到大进行排序,在排序后的符合条件的GPU设备中选取目标GPU设备,选取出的目标GPU设备的数量和GPU设备的需求数量相同,例如,在5个符合条件的GPU设备中选取2个GPU设备作为待分配任务的目标GPU设备,2个GPU设备运行的任务数要少于其他GPU设备。
S130、根据所述任务工单和所述目标GPU设备,启动对应的应用容器引擎,以使所述应用容器引擎显示生成所述可视化请求的目标可视化应用的操作界面。
可选的,显示目标可视化应用的操作界面,具体可以通过下述步骤实现:
确定所述目标GPU设备对应的GPU节点;根据所述目标可视化应用的应用名称,启动所述目标可视化应用对应的应用容器引擎,以使所述应用容器引擎调用所述GPU节点上的所述目标GPU设备来显示所述目标可视化应用的操作界面。
可理解的,在上述S120的基础上,确定目标GPU设备后,获取目标GPU设备的设备编号以及对应的GPU节点的节点编号,例如,2个目标GPU设备的编号为GPU-1和GPU-3,对应的GPU节点的节点编号为GPU节点-2,随后将目标GPU设备的设备编号以及对应的GPU节点的节点编号返回至资源分配子模块,资源分配子模块根据目标GPU设备的设备编号、对应的GPU节点的节点编号、任务工单中的用户名、目标可视化应用的应用名称,启动目标可视化应用对应的docker,通过docker调用对应的GPU节点上指定设备编号的目标GPU设备,将目标可视化应用的操作界面显示在web端。例如,启动App-1对应的docker-1,通过docker-1调用GPU节点-2上的设备编号为GPU-1和GPU-3的2个目标GPU设备将App-1的操作界面显示在web端。
示例性的,参见图5,图5为本公开实施例提供的一种应用容器引擎的结构示意图,应用容器引擎(Docker)内部模块500包括GPU驱动501、VituralGL502、TurboVNC503、集群存储模块504和集群用户模块505,其中,GPU驱动501用于驱动GPU设备,集群存储模块504用于存储集群的相关内容,集群用户模块505用于存储不同用户的信息。具体的,通过docker内部署的VituralGL、TurboVNC和GPU驱动调用对应的GPU节点上指定设备编号的目标GPU设备将目标可视化应用的操作界面显示在web端。
可选的,所述方法还包括:
获取所述可视化请求对应的开始时间;根据所述开始时间、所述全局任务标识、所述用户名、所述目标GPU设备的编号以及数量,生成任务信息,并将所述任务信息记录到记账数据库中;监控所述应用容器引擎的运行情况以更新所述记账数据库中记录的任务信息。
可理解的,资源分配子模块获取可视化请求对应的开始时间,并根据开始时间、全局任务标识、用户名、目标GPU设备的编号以及数量生成任务信息,随后将任务信息发送至资源记账子模块,其中,开始时间用以标记可视化任务的开始执行时间,开始时间可以是接收到可视化请求的时间,或者生成任务工单的时间,还或者是显示操作界面的时间,设置开始时间便于对可视化任务进行记录,开始时间的具体确定方式不作赘述。随后,资源记账子模块将任务信息记录到记账数据库,同时在可视化任务所在的GPU节点上启动一个记账进程(agent)来监控该可视化任务所在docker的运行情况,例如,每隔1秒钟将任务信息更新到记账数据库,具体可以更新可执行任务的当前执行情况。
可选的,更新所述记账数据库中记录的任务信息,具体可以通过下述步骤实现:
响应于所述目标可视化应用的关闭请求,获取所述应用容器引擎结束运行的结束时间;基于所述结束时间更新所述记账数据库中记录的任务信息。
可理解的,在上述示例的基础上,用户登录网页400后,点击可视化应用1的标识411后,显示可视化应用1的操作界面414,操作界面414中包括用于关闭可视化应用1的第二关闭标识415,还包括操作区域416,用户基于操作界面414进行交互,交互完成后,可以点击第二关闭标识415关闭可视化应用1,此时,GPU节点上的记账agent检测到可视化应用1的可视化任务所在的docker结束运行,将任务完成信息更新到记账数据库,同时该记账agent结束运行,任务完成信息主要包括docker的结束时间,或者可视化应用1的运行结束时间。
可选的,显示所述操作界面后,所述方法还包括:
响应于所述目标可视化应用的操作请求,生成可视化处理任务;启动所述应用容器引擎,以使所述应用容器引擎调用所述目标GPU设备对所述可视化处理任务进行处理。
可理解的,在网页400上显示操作界面414后,基于操作界面414进行交互,具体的,可以在操作界面414上通过docker内部署的集群存储模块和集群用户模块,调整可视化应用1的参数,提交可视化操作请求。例如,基于操作界面414选择集群存储模块上已经存在的输入文件,并选择集群存储模块上已经存在的输出文件目录,在操作界面414上对输入文件进行处理。资源管理模块响应于可视化应用1的操作请求,生成可视化处理任务,并运行可视化处理任务,具体的,通过可视化应用1对应的docker内部署的VituralGL和GPU驱动调用GPU节点上指定设备编号的GPU设备1进行加速。可理解的是,根据可视化请求确定运行目标可视化应用的目标GPU设备后,在目标可视化应用未关闭之前的所有操作,均由目标GPU设备来执行,在目标可视化任务的一次运行中,目标GPU设备不会更改,下一次运行目标可视化应用的目标GPU设备和前一次的目标GPU设备可能相同也可能不同,也就是会实时根据当前所有GPU设备使用率为可视化应用动态分配GPU设备,以实现负载均衡,充分利用GPU资源。
本公开实施例提供的一种可视化应用的加速方法,应用于资源管理模块,适用于异构集群环境,包括:接收可视化请求,并根据可视化请求生成任务工单,根据任务工单和统计的当前所有GPU节点的GPU设备使用率,确定待分配任务的目标GPU设备,通过进行负载均衡计算得到目标GPU设备,可以提高GPU设备的利用率,以充分利用GPU资源。随后根据任务工单和目标GPU设备,启动对应的应用容器引擎,以使应用容器引擎显示生成可视化请求的目标可视化应用的操作界面,多个应用容器引擎还包括集群存储模块和集群用户模块,也就是构建统一的用户环境和存储环境,对数据进行远程可视化GPU加速处理后,不需要拷贝数据到集群上,可以直接调用集群的其他计算资源对数据进行下一步处理。其次,在可视化任务的执行过程中,可以对docker的全生命周期进行记录,也就是实时监控记录docker的运行情况,并将所有运行数据和任务信息存放在记账数据库中,web前端可以通过时间区间、用户名、GPU设备的型号等条件在记账数据库中查询统计用户的GPU使用情况。
在上述实施例的基础上,图6为本公开实施例提供的一种可视化应用的加速方法的流程示意图,适用于异构集群环境,具体包括如下步骤S610至S660:
S610、响应于目标可视化应用标识的触发操作,生成可视化请求。
可理解的,用户登录网页后,触发网页上显示的多个可视化应用标识中的目标可视化应用标识,生成该目标可视化应用的可视化请求,可视化请求用于请求在网页中显示该目标可视化应用的操作界面。
S620、基于可视化请求生成包含全局任务标识、目标可视化应用的应用名称、用户名和GPU资源需求的任务工单,并将任务工单放入任务队列中。
可理解的,在上述S610的基础上,将基于可视化请求生成的任务工单加入到任务队列中,并在任务队列中按照先进先出的原则获取待处理的任务工单,下述示例以获取S620生成的任务工单为例进行说明。
S630、根据任务工单、统计的当前所有GPU设备使用率以及每个GPU设备运行的任务数,确定待分配任务的目标GPU设备。
可理解的,在上述S620的基础上,根据任务工单中GPU资源需求、统计的所有GPU设备使用率和每个GPU设备运行的任务数,计算适合分配给目标可视化应用的GPU资源,也就是对可视化应用进行加速的目标GPU设备,同时获取目标GPU设备的设备编号以及对应的GPU节点的节点编号。
S640、根据目标GPU设备的设备编号、对应的GPU节点的节点编号、用户名和应用名称,启动目标可视化应用对应的docker以在网页上显示可视化操作界面,并部署记账进程记录、更新任务信息。
可理解的,在上述S630的基础上,根据目标GPU设备的设备编号、对应的GPU节点的节点编号、用户名和应用名称生成任务信息,同时启动目标可视化应用对应的docker,以使docker通过内部模块TurboVNC、VirtualGL和GPU驱动调用GPU节点上的目标GPU设备在网页上显示可视化操作界面。
S650、接收远程可视化处理任务,通过docker内部模块调用目标GPU设备进行加速。
可理解的,在上述S640的基础上,用户在网页上显示的可视化操作界面上进行处理操作,生成可视化处理任务,通过docker内部模块调用目标GPU设备进行加速,也就是由目标GPU设备支持用户在可视化操作界面上进行交互处理。
S660、响应于可视化操作界面中关闭标识的触发操作,记账进程更新任务完成状态后结束目标可视化应用的运行。
可理解的,在上述S650的基础上,用户点击可视化操作界面上的关闭标识,响应于可视化操作界面中关闭标识的触发操作,通过记账进程更新任务完成状态,随后结束目标可视化应用的运行。
图7为本公开实施例提供的一种可视化应用的加速装置的结构示意图。本公开实施例提供的可视化应用的加速装置可以执行上述可视化应用的加速方法实施例提供的处理流程,如图7所示,可视化应用的加速装置700包括接收单元710、确定单元720和加速单元730,其中:
接收单元710,用于接收可视化请求,并根据所述可视化请求生成任务工单;
确定单元720,用于根据所述任务工单和统计的当前所有GPU节点的GPU设备使用率,确定待分配任务的目标GPU设备;
加速单元730,用于根据所述任务工单和所述目标GPU设备,启动对应的应用容器引擎,以使所述应用容器引擎显示生成所述可视化请求的目标可视化应用的操作界面。
可选的,所述任务工单包括GPU资源需求。
可选的,确定单元720用于:
统计当前所有GPU节点的GPU设备使用率,计算满足所述GPU资源需求的至少一个GPU设备;
查询所述至少一个GPU设备中每个GPU设备当前正在运行的任务数量;
将所述至少一个GPU设备中任务数量最少的GPU设备作为待分配任务的目标GPU设备。
可选的,所述任务工单还包括所述目标可视化应用的应用名称。
可选的,加速单元730用于:
确定所述目标GPU设备对应的GPU节点;
根据所述目标可视化应用的应用名称,启动所述目标可视化应用对应的应用容器引擎,以使所述应用容器引擎调用所述GPU节点上的所述目标GPU设备来显示所述目标可视化应用的操作界面。
可选的,所述任务工单还包括全局任务标识和用户名,其中,所述全局任务标识用于标识可视化任务,所述用户名是指登录网页的名称,所述网页包括至少一个可视化应用的标识,所述可视化请求为所述至少一个可视化应用中标识被触发的目标可视化应用生成的。
可选的,装置700还用于:
获取所述可视化请求对应的开始时间;
根据所述开始时间、所述全局任务标识、所述用户名、所述目标GPU设备的编号以及数量,生成任务信息,并将所述任务信息记录到记账数据库中;
监控所述应用容器引擎的运行情况以更新所述记账数据库中记录的任务信息。
可选的,装置700用于:
响应于所述目标可视化应用的关闭请求,获取所述应用容器引擎结束运行的结束时间;
基于所述结束时间更新所述记账数据库中记录的任务信息。
可选的,装置700还用于:
响应于所述目标可视化应用的操作请求,生成可视化处理任务;
启动所述应用容器引擎,以使所述应用容器引擎调用所述目标GPU设备对所述可视化处理任务进行处理。
图7所示实施例的可视化应用的加速装置可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图8为本公开实施例提供的电子设备的结构示意图。下面具体参考图8,其示出了适于用来实现本公开实施例中的电子设备800的结构示意图。本公开实施例中的电子设备800可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)、可穿戴电子设备等等的移动终端以及诸如数字TV、台式计算机、智能家居设备等等的固定终端。图8示出的电子设备仅仅是一个示例,不应对本公开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可以包括处理装置801,处理装置801可以是中央处理器、图形处理器等,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理以实现如本公开所述的实施例的可视化应用的加速方法。在RAM 803中,还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码,从而实现如上所述的可视化应用的加速方法。在这样的实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM 802被安装。在该计算机程序被处理装置801执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机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。而在本公开中,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,其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、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。计算机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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述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。
可选的,当上述一个或者多个程序被该电子设备执行时,该电子设备还可以执行上述实施例所述的其他步骤。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开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。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
另外,本公开实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现上述实施例所述的可视化应用的加速方法。
此外,本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序或指令,该计算机程序或指令被处理器执行时实现如上所述的可视化应用的加速方法。
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、物品或者网关不仅包括那些要素,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、物品或者网关所固有的要素。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、物品或者网关中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的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公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,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)
1.一种可视化应用的加速方法,其特征在于,所述方法包括:
接收可视化请求,并根据所述可视化请求生成任务工单,其中,所述可视化请求为网页显示的至少一个可视化应用中标识被触发的目标可视化应用生成的;
根据所述任务工单和统计的当前所有GPU节点的GPU设备使用率,确定待分配任务的目标GPU设备;
根据所述任务工单和所述目标GPU设备,启动对应的应用容器引擎,以使所述应用容器引擎显示生成所述可视化请求的目标可视化应用的操作界面;
所述任务工单还包括所述目标可视化应用的应用名称;
其中,所述根据所述任务工单和所述目标GPU设备,启动对应的应用容器引擎,以使所述应用容器引擎显示生成所述可视化请求的目标可视化应用的操作界面,包括:
确定所述目标GPU设备对应的GPU节点,其中,所述目标GPU设备为所述GPU节点上挂载的多个GPU设备;
根据所述目标可视化应用的应用名称,启动所述目标可视化应用对应的应用容器引擎,以使所述应用容器引擎调用所述GPU节点上的所述目标GPU设备来显示所述目标可视化应用的操作界面;其中,每个可视化应用都存在一个固定的应用容器引擎。
2.根据权利要求1所述的方法,其特征在于,所述任务工单包括GPU资源需求,所述根据所述任务工单和统计的当前所有GPU节点的GPU设备使用率,确定待分配任务的目标GPU设备,包括:
统计当前所有GPU节点的GPU设备使用率,计算满足所述GPU资源需求的至少一个GPU设备;
查询所述至少一个GPU设备中每个GPU设备当前正在运行的任务数量;
将所述至少一个GPU设备中任务数量最少的GPU设备作为待分配任务的目标GPU设备。
3.根据权利要求1所述的方法,其特征在于,所述任务工单还包括全局任务标识和用户名,其中,所述全局任务标识用于标识可视化任务,所述用户名是指登录网页的名称。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获取所述可视化请求对应的开始时间;
根据所述开始时间、所述全局任务标识、所述用户名、所述目标GPU设备的编号以及数量,生成任务信息,并将所述任务信息记录到记账数据库中;
监控所述应用容器引擎的运行情况以更新所述记账数据库中记录的任务信息。
5.根据权利要求4所述的方法,其特征在于,所述监控所述应用容器引擎的运行情况以更新所述记账数据库中记录的任务信息,包括:
响应于所述目标可视化应用的关闭请求,获取所述应用容器引擎结束运行的结束时间;
基于所述结束时间更新所述记账数据库中记录的任务信息。
6.根据权利要求1所述的方法,其特征在于,显示所述操作界面后,所述方法还包括:
响应于所述目标可视化应用的操作请求,生成可视化处理任务;
启动所述应用容器引擎,以使所述应用容器引擎调用所述目标GPU设备对所述可视化处理任务进行处理。
7.一种可视化应用的加速装置,其特征在于,所述装置包括:
接收单元,用于接收可视化请求,并根据所述可视化请求生成任务工单,所述任务工单还包括目标可视化应用的应用名称,其中,所述可视化请求为网页显示的至少一个可视化应用中标识被触发的目标可视化应用生成的;
确定单元,用于根据所述任务工单和统计的当前所有GPU节点的GPU设备使用率,确定待分配任务的目标GPU设备;
加速单元,用于根据所述任务工单和所述目标GPU设备,启动对应的应用容器引擎,以使所述应用容器引擎显示生成所述可视化请求的目标可视化应用的操作界面;
其中,所述加速单元用于:
确定所述目标GPU设备对应的GPU节点,其中,所述目标GPU设备为所述GPU节点上挂载的多个GPU设备;
根据所述目标可视化应用的应用名称,启动所述目标可视化应用对应的应用容器引擎,以使所述应用容器引擎调用所述GPU节点上的所述目标GPU设备来显示所述目标可视化应用的操作界面;其中,每个可视化应用都存在一个固定的应用容器引擎。
8.一种电子设备,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1至6中任一所述的可视化应用的加速方法。
9.一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如权利要求1至6中任一所述的可视化应用的加速方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211110118.0A CN115185667B (zh) | 2022-09-13 | 2022-09-13 | 可视化应用的加速方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211110118.0A CN115185667B (zh) | 2022-09-13 | 2022-09-13 | 可视化应用的加速方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115185667A CN115185667A (zh) | 2022-10-14 |
CN115185667B true CN115185667B (zh) | 2022-12-20 |
Family
ID=83524554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211110118.0A Active CN115185667B (zh) | 2022-09-13 | 2022-09-13 | 可视化应用的加速方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115185667B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106354563A (zh) * | 2016-08-29 | 2017-01-25 | 广州市香港科大霍英东研究院 | 用于3d重建的分布式计算系统以及3d重建方法 |
CN108388460A (zh) * | 2018-02-05 | 2018-08-10 | 中国人民解放军战略支援部队航天工程大学 | 基于图形集群的远程实时渲染平台构建方法 |
CN108958892A (zh) * | 2018-08-14 | 2018-12-07 | 郑州云海信息技术有限公司 | 一种创建用于深度学习作业的容器的方法和装置 |
CN112001351A (zh) * | 2020-09-01 | 2020-11-27 | 城云科技(中国)有限公司 | 多个视频流处理方法、系统、计算机设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020228036A1 (zh) * | 2019-05-16 | 2020-11-19 | 深圳市欢太科技有限公司 | 任务处理方法、装置、系统、电子设备及存储介质 |
CN112948291A (zh) * | 2019-12-11 | 2021-06-11 | 中科寒武纪科技股份有限公司 | 数据传输方法、电子设备和可读存储介质 |
CN111833993B (zh) * | 2020-07-18 | 2024-04-19 | 贵州精准健康数据有限公司 | 一种基于ai的区域影像远程质控管理系统 |
US20210385865A1 (en) * | 2020-09-03 | 2021-12-09 | Intel Corporation | Intelligent transport system co-channel coexistence frame structure with asymmetric gap durations |
US20210409335A1 (en) * | 2020-09-11 | 2021-12-30 | Intel Corporation | Multi-access management service packet classification and prioritization techniques |
-
2022
- 2022-09-13 CN CN202211110118.0A patent/CN115185667B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106354563A (zh) * | 2016-08-29 | 2017-01-25 | 广州市香港科大霍英东研究院 | 用于3d重建的分布式计算系统以及3d重建方法 |
CN108388460A (zh) * | 2018-02-05 | 2018-08-10 | 中国人民解放军战略支援部队航天工程大学 | 基于图形集群的远程实时渲染平台构建方法 |
CN108958892A (zh) * | 2018-08-14 | 2018-12-07 | 郑州云海信息技术有限公司 | 一种创建用于深度学习作业的容器的方法和装置 |
CN112001351A (zh) * | 2020-09-01 | 2020-11-27 | 城云科技(中国)有限公司 | 多个视频流处理方法、系统、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115185667A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299348B (zh) | 一种数据查询方法、装置、电子设备及存储介质 | |
CN110753089B (zh) | 一种管理客户端的方法、装置、介质和电子设备 | |
CN110781373B (zh) | 榜单更新方法、装置、可读介质和电子设备 | |
CN111246228B (zh) | 直播间礼物资源更新方法、装置、介质及电子设备 | |
CN112379982B (zh) | 任务处理方法、装置、电子设备及计算机可读存储介质 | |
CN113254105B (zh) | 资源处理方法和装置、存储介质和电子设备 | |
CN110391938A (zh) | 用于部署服务的方法和装置 | |
CN111198859A (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN115237589A (zh) | 一种基于sr-iov的虚拟化方法、装置和设备 | |
CN108764866B (zh) | 用于分配资源、领取资源的方法和设备 | |
CN111178781A (zh) | 在线应答系统的应答资源分配方法、装置、设备及介质 | |
CN110928594A (zh) | 服务开发方法和平台 | |
CN110717123B (zh) | 页面响应方法、装置、电子设备及存储介质 | |
CN115185667B (zh) | 可视化应用的加速方法、装置、电子设备和存储介质 | |
CN112306685A (zh) | 任务隔离方法、装置、电子设备及计算机可读介质 | |
CN111798251A (zh) | 房源数据的验证方法、装置和电子设备 | |
CN110730109A (zh) | 用于生成信息的方法和装置 | |
CN114817409A (zh) | 一种标签生成方法、装置、设备及介质 | |
CN111694670B (zh) | 资源分配方法、装置、设备和计算机可读介质 | |
CN114035861A (zh) | 集群配置方法、装置、电子设备和计算机可读介质 | |
CN111274104B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN113127561B (zh) | 业务单号的生成方法、装置、电子设备和存储介质 | |
CN113420400A (zh) | 一种路由关系建立方法、请求处理方法、装置及设备 | |
CN111222048A (zh) | 用户数量的查询计算方法、装置、电子设备、及存储介质 | |
CN112311840A (zh) | 一种多终端数据同步方法、装置、设备及介质 |
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 |