CN115454629A - 基于云原生技术的ai算法与微服务调度方法及其装置 - Google Patents
基于云原生技术的ai算法与微服务调度方法及其装置 Download PDFInfo
- Publication number
- CN115454629A CN115454629A CN202211057729.3A CN202211057729A CN115454629A CN 115454629 A CN115454629 A CN 115454629A CN 202211057729 A CN202211057729 A CN 202211057729A CN 115454629 A CN115454629 A CN 115454629A
- Authority
- CN
- China
- Prior art keywords
- application
- target
- target application
- micro
- algorithm
- 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
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]
- G06F9/5061—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
-
- 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
- G06F2009/45575—Starting, stopping, suspending or resuming virtual machine instances
Abstract
本申请提供了一种基于云原生技术的AI算法与微服务调度方法及其装置,通过预设的镜像构建引擎创建目标镜像,获取应用配置模板和解析函数,根据解析函数对应用配置模板进行解析得到应用部署参数,根据应用部署参数在k8s集群中容器化部署目标镜像,得到目标应用,当目标应用满足预设的容器调度条件,则获取目标应用的资源变更事件,确定资源变更事件的事件类型,根据事件类型调用对应的事件处理函数对目标应用进行容器调度,能够为不同算法、微服务提供不同的算法和微服务运行环境,无需重复搭建运行环境,当算法和微服务运行出错后,通过容器调度能够将算法和微服务部署于合适的节点,以快速恢复算法服务和微服务。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种基于云原生技术的AI算法与微服务调度方法及其装置。
背景技术
相关技术中,为了将算法部署到合适的运行环境中,需要在物理机上搭建适合算法运行的环境,但是不同算法的运行环境存在差异,且算法运行过程中,会出现程序崩溃、服务器宕机的情况,导致算法运行出错,算法运行环境的差异性、搭建过程的重复性以及算法运行出错的情况,严重拖慢了算法的应用进度。
发明内容
本申请实施例的主要目的在于提出一种基于云原生技术的AI算法与微服务调度方法及其装置,能够为不同算法提供稳定的算法运行环境,在算法运行出错时,能够快速恢复算法服务,且避免重复搭建运行环境,实现了算法的快速应用。
为实现上述目的,本申请实施例的第一方面提出了一种基于云原生技术的AI算法与微服务调度方法,所述方法包括:
基于预设的镜像构建引擎创建目标镜像;
获取应用配置模板和解析函数;
根据所述解析函数对所述应用配置模板进行解析,得到应用部署参数;
根据所述应用部署参数在k8s集群中容器化部署所述目标镜像,得到目标应用;
当所述目标应用满足预设的容器调度条件,则获取所述目标应用的资源变更事件;
确定所述资源变更事件的事件类型,根据所述事件类型调用对应的事件处理函数对所述目标应用进行容器调度。
在一些实施例,所述根据所述事件类型调用对应的事件处理函数对所述目标应用进行容器调度,包括:
若所述事件类型为处理事件,则根据预设的第一插件运行顺序调用处理插件,基于所述处理插件对k8s集群的多个节点中进行筛选,得到多个初始节点;
获取预设的打分函数;
根据所述打分函数对所述初始节点进行打分,得到所述初始节点对应的得分数值;
根据所述得分数值得到所述初始节点的编排顺序;
根据所述编排顺序从多个初始节点中确定目标节点,将所述目标节点与所述目标应用进行绑定,以使所述目标应用运行于所述目标节点。
在一些实施例,所述根据所述事件类型调用对应的事件处理函数对所述目标应用进行容器调度,包括:
若所述事件类型为后处理事件,则根据预设的第二插件运行顺序调用后处理插件,基于所述后处理插件对所述k8s集群中的节点添加标记,得到目标节点;
将所述目标节点与所述目标应用进行绑定,以使所述目标应用运行于所述目标节点。
在一些实施例,所述当所述目标应用满足预设的容器调度条件,则获取所述目标应用的资源变更事件,包括:
将所述目标应用加入调度队列;
若所述调度队列中存在其他应用,则根据预设的优先级顺序对所述调度队列中的全部应用进行排序,得到所述目标应用的优先级;
若所述优先级为预设的目标优先级,且所述目标应用中包括预设的容器调度信息,则获取所述目标应用的资源变更事件。
在一些实施例,在所述将所述目标应用加入调度队列之后,所述基于云原生技术的AI算法与微服务调度方法还包括:
若所述调度队列中仅存在所述目标应用,且所述目标应用包括预设的容器调度信息,则获取所述目标应用的资源变更事件。
在一些实施例,在所述获取所述目标应用的资源变更事件之后,所述基于云原生技术的AI算法与微服务调度方法还包括:
将所述资源变更事件加入工作队列;
从所述工作队列中取出所述资源变更事件。
在一些实施例,所述基于云原生技术的AI算法与微服务调度方法还包括:
根据预设的监控组件对k8s集群中的节点进行监控,得到监控数据;
将所述监控数据存储至预设的数据库;
接收查询指令;
根据所述查询指令从所述数据库中获取目标监控数据。
为实现上述目的,本申请实施例的第二方面提出了一种基于云原生技术的AI算法与微服务调度装置,所述装置包括:
镜像构建模块,用于基于预设的镜像构建引擎创建目标镜像;
第一获取模块,用于获取应用配置模板和解析函数;
解析模块,用于根据所述解析函数对所述应用配置模板进行解析,得到应用部署参数;
部署模块,用于根据所述应用部署参数在k8s集群中容器化部署所述目标镜像,得到目标应用;
第二获取模块,用于当所述目标应用满足预设的容器调度条件,则获取所述目标应用的资源变更事件;
容器调度模块,用于确定所述资源变更事件的事件类型,根据所述事件类型调用对应的事件处理函数对所述目标应用进行容器调度。
为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现上述第一方面所述的方法。
为实现上述目的,本申请实施例的第四方面提出了一种存储介质,所述存储介质为计算机可读存储介质,用于计算机可读存储,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述第一方面所述的方法。
本申请提出的基于云原生技术的AI算法与微服务调度方法、基于云原生技术的AI算法与微服务调度装置、电子设备及存储介质,其通过预设的镜像构建引擎创建目标镜像,获取应用配置模板和解析函数,根据解析函数对应用配置模板进行解析,得到应用部署参数,根据应用部署参数在k8s集群中容器化部署目标镜像,得到目标应用,当目标应用满足预设的容器调度条件,则获取目标应用的资源变更事件,确定资源变更事件的事件类型,根据事件类型调用对应的事件处理函数对目标应用进行容器调度,本申请实施例通过在物理机上搭建k8s集群,根据目标镜像和应用部署参数将算法容器化部署于k8s集群中的节点上,以使算法运行于对应的节点,根据不同算法选择不同的目标镜像,基于不同的目标镜像创建不同的容器,能够为不同算法提供不同的算法运行环境,无需重复搭建运行环境,当算法运行出错后,通过容器调度能够将算法和微服务部署于合适的节点,以快速恢复算法服务和微服务,实现了算法和微服务的快速应用。
附图说明
图1是本申请实施例提供的基于云原生技术的AI算法与微服务调度方法的流程图;
图2是图1中的步骤S150的第一流程图;
图3是图1中的步骤S150的第二流程图;
图4是图1中的步骤S160的第一流程图;
图5是图1中的步骤S160的第二流程图;
图6是图1中的步骤S140的流程图;
图7是本申请实施例提供的基于云原生技术的AI算法与微服务调度装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
相关技术中,为了将算法部署到合适的运行环境中,需要在物理机上搭建适合算法运行的环境,但是不同算法的运行环境存在差异,且算法运行过程中,会出现程序崩溃、服务器宕机的情况,导致算法运行出错,算法运行环境的差异性、搭建过程的重复性以及算法运行出错的情况,严重拖慢了算法的应用进度。
基于此,本申请实施例提供了一种基于云原生技术的AI算法与微服务调度方法和装置、电子设备及存储介质,旨在为不同算法提供稳定的算法运行环境,并在算法运行出错时,能够快速恢复算法服务,以实现算法的快速应用。
本申请实施例提供的基于云原生技术的AI算法与微服务调度方法和装置、电子设备及存储介质,具体通过如下实施例进行说明,首先描述本申请实施例中的基于云原生技术的AI算法与微服务调度方法。
本申请实施例提供的基于云原生技术的AI算法与微服务调度方法,涉及互联网技术领域。本申请实施例提供的基于云原生技术的AI算法与微服务调度方法可应用于终端中,也可应用于服务器端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等;服务器端可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式系统,还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器;软件可以是实现基于云原生技术的AI算法与微服务调度方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
图1是本申请实施例提供的基于云原生技术的AI算法与微服务调度方法的一个可选的流程图,图1中的方法可以包括但不限于包括步骤S110至步骤S160。
步骤S110,基于预设的镜像构建引擎创建目标镜像;
步骤S120,获取应用配置模板和解析函数;
步骤S130,根据解析函数对应用配置模板进行解析,得到应用部署参数;
步骤S140,根据应用部署参数在k8s集群中容器化部署目标镜像,得到目标应用;
步骤S150,当目标应用满足预设的容器调度条件,则获取目标应用的资源变更事件;
步骤S160,确定资源变更事件的事件类型,根据事件类型调用对应的事件处理函数对目标应用进行容器调度。
在一些实施例的步骤S110中,镜像构建引擎为docker,将多个物理机组织成服务器集群,并在服务器集群的每个节点安装docker,根据docker将应用封装为目标镜像,以为容器运行提供支撑,其中目标镜像为算法镜像或者微服务镜像。可以理解的是,为了便于镜像复用,可以将目标镜像上传至镜像仓库。通过组织服务器集群的算力,能够提供稳定、开箱即用的算法运行环境,在不同的AI应用之间共享算法服务,最终实现大型分布式和大量算法任务的容器化并在容器云平台中调度。
本申请实施例基于amd64架构和linux操作系统搭建服务器集群,选用amd64架构的6台CPU服务器和1台GPU服务器作为物理机,并安装ubuntu20.04操作系统作为统一的服务器操作系统环境。需要说明的是,服务器操作系统安装完成后不添加其他应用以及依赖,保证单一的系统环境,所有服务器放置在同一局域网内,保证集群之间可联通,并保证所有服务器均可以连通外网,方便直接从外网访问资源。
本申请依据云原生的设计方式,使用容器技术和容器编排技术实现算法服务的运行环境封装,将底层的物理机环境和算法运行环境进行隔离,其中容器技术通过cgroup和namespace的限制和隔离技术为运行在linux系统上的进程提供了统一的运行模式,使运行在物理机服务器上的容器可以看作是资源受限的、视图隔离的进程,与传统虚拟机相比,容器具有启动和销毁速度快,资源占用小等优点。容器运行时是执行容器并在节点上管理容器镜像的软件,不同的容器运行时在性能上会有所区别,例如kata容器运行时会提供类似虚拟机的隔离环境,但是容器创建速度会受到影响;containerd容器运行时基于cgroup与namespace技术,提供的隔离性较弱,但是容器创建速度很快,是业界最常用的容器运行时。而docker将containerd作为其底层的容器运行时,并在上层提供了有关镜像和容器操作的封装,为用户提供了便捷的操作入口。
基于算法运行实例和微服务运行实例需要快速响应的特点,本申请实施例选用containerd作为容器运行时,使用docker作为镜像和容器管理的接口。
在一些实施例的步骤S120至步骤S130中,应用配置模板包括应用部署时的元数据,以解耦应用实现与应用部署,不需要在应用设计阶段就实现部署方式,只是通过暴露可扩展的接口,k8s集群根据元数据在该接口创建应用对应的容器,其中应用包括算法和微服务。应用配置模板必须与应用的实现相互配合,模板中的字段应当与应用实现过程中的逻辑相一致,例如在应用实现过程中应用需要创建几个容器,master容器负责执行下发任务和汇总数据,若干worker容器实现master容器下发的任务并上报执行结果,所以在应用配置模板中应当明确作为master容器的节点、作为worker容器的节点以及worker容器的数量等。通过应用配置模板可以使一个应用的多种部署方式,能够适用于对扩展性要求较高的场景,例如算法在运行前需要指定并行度、需要指定创建容器的数量等算法需要高度扩展的场景。
应用配置模板具体为{“category”:“mc”,“export”:1,“kind”:“Job”,“parallelNum”:2,“targetPort”:10080,“webPath”:“/result”,“template”:[{“name”:“master”,“serverPort”:10080,“masterPort”:10081},{“name”:“eval1”,“masterPort”:10081,“Port”:10083},{“name”:“eval2”,“masterPort”:10081,“Port”:10084}],“bestConfigInfo”:{“cpu”:“1核2线程”,“gpu”:“GTX960”,“memory”:“2GB”}},其中,category表示应用类型,“export”表示是否通过web暴露应用内容,1表示是,0表示否,“kind”表示k8s上的资源类型,“parallelNum”表示worker节点的并行数量,对应于template中的eval容器,“targetPort”表示应用对外暴露的端口,若“export”的值为1,则需要设置“webPath”,即web访问路径,“template”为应用创建时需要创建的容器模板,“bestConfigInfo”为应用所需的系统配置信息。应用配置模板为用户屏蔽了在kubernetes上创建应用时需要的种种细节,用户只需关心自己需要什么样的应用。
解析函数与应用类型一一对应,在解析函数中定义好模板中可以有哪些字段以及这些字段的取值范围,用户可以在这个范围内提交符合要求的模板,再交由解析函数解析得到应用部署参数,应用部署参数为应用配置模板中具体字段的取值,例如export、parallelNum等字段的取值,以将应用配置模板转化为kubernetes可以解析的资源,并在集群中调度和运行该资源。本申请通过docker和kubernetes搭建容器云平台,并在平台和应用配置模板间实现一层抽象,该抽象使得应用开发者可以只编写一次解析函数,就可以实现多种模板的解析,而不用针对每种模板都去编写符合kubernetes规范的资源文件,且应用配置模板相较于kubernetes规范的资源文件更加轻量。
在一些实施例的步骤S140中,将算法和微服务拆分为多个容器,通过将算法和微服务容器化,并基于容器编排技术将容器调度到集群中,实现算法和微服务的分布式运行。其中,容器编排技术是基于底层的容器之上的,对系统中创建的容器进行编排和调度,选择合适的容器编排技术将直接影响到是否以资源利用率最高的方式调度资源,是否以算法和微服务运行效率最高的方式组织编排。本申请选用kubernetes技术作为容器编排底座,将所有程序部署为kubernetes支持的资源,其与其他容器编排技术相比,提供了更加友好、更加多元的扩展方式,允许用户添加自定义的插件或者依据自己的实际情况扩展编排平台,而不仅限于其提供的功能。
在一些实施例的步骤S150中,预设的容器调度条件可以为创建目标应用、删除目标应用、终止目标应用等。基于kubernetes对外提供暴露的client-go客户端,监听来自master容器中apiserver因创建应用、删除应用、终止应用等操作产生的资源变更事件。通过将创建应用、删除应用和终止应用的操作暴露给用户,使用户能够根据需要随时启动或者停止应用。具体地,基于kubernetes对外提供暴露的client-go客户端,通过list-watch机制监听apiserver中关注的资源,并将资源缓存到本地,为方便之后从本地查找资源,使用indexer在本地建立索引。由于从接收到资源变更到建立索引完成有一定的时间间隔,为了解决资源消息产生与消费之间速度不匹配的问题,将资源缓存至client-go内部实现的缓冲中,该缓冲为delta fifo queue。
在一些实施例的步骤S160中,apiserver使用kafka作为微服务通信的通道,将资源变更事件发送至controller,controller与底层k8s集群通信,根据资源变更事件的事件类型调用对应的事件处理函数对目标应用进行容器调度,以监控和管理目标应用,通过容器调度能够为算法服务的运行提供稳定的运行环境,并在算法服务出错奔溃后能快速恢复并继续提供服务。需要说明的是,本申请使用Gin开源框架实现web服务。apiserver和controller均为微服务,apiserver微服务使用redis作为状态缓存,并使用mongodb将数据持久化。apiserver作为http服务对外暴露操作接口,使用分层的设计方式将整个服务从上至下分为三层:Service层、Dao层和Module层。Service层用于处理http请求,对请求进行校验、鉴权、解析、存储、转发等,根据业务逻辑调用下层进行具体逻辑处理;Dao层用于对底层数据进行封装或逻辑处理,对上层请求进行解封和调用下层;Module层用于apiserver与底层数据存储的交互。
微服务之间的通信方式包括两种,分别是本地通信方式和基于kubernetes提供的service通信方式。本地通信方式要求所有的微服务部署于同一物理机上;service通信方式中各微服务基于DNS域名的方式进行通信,通过将Pod的ip和一个域名绑定,使得微服务间的访问只需要关注域名,而不需要关注具体的ip。
需要说明的是,两个微服务apiserver和controller之间采用本地通信,这两个微服务与外部其他系统的通信采用DNS域名的方式进行通信,因此使用kafka作为消息中间件作为通信方式,实现各微服务和各系统间的异步通信。
本申请实施例所示意的步骤S110至步骤S160,通过预设的镜像构建引擎创建目标镜像,获取应用配置模板和解析函数,根据解析函数对应用配置模板进行解析,得到应用部署参数,根据应用部署参数在k8s集群中容器化部署目标镜像,得到目标应用,获取目标应用的资源变更事件,确定资源变更事件的事件类型,根据事件类型调用对应的事件处理函数对目标应用进行容器调度,本申请实施例通过在物理机上搭建k8s集群,根据目标镜像和应用部署参数将算法和微服务容器化部署于k8s集群中的节点上,以使算法和微服务运行于对应的节点,根据不同算法、不同微服务选择不同的目标镜像,基于不同的目标镜像创建不同的容器,能够为不同算法和微服务提供不同的算法运行环境和微服务运行环境,无需重复搭建运行环境,当算法和微服务运行出错后,通过容器调度能够将算法和微服务部署于合适的节点,以快速恢复算法服务和微服务,实现了算法和微服务的快速应用。
请参阅图2,在一些实施例中,步骤S150可以包括但不限于包括步骤S210至步骤S230:
步骤S210,将目标应用加入调度队列;
步骤S220,若调度队列中存在其他应用,则根据预设的优先级顺序对调度队列中的全部应用进行排序,得到目标应用的优先级;
步骤S230,若优先级为预设的目标优先级,且目标应用中包括预设的容器调度信息,则获取目标应用的资源变更事件。
在一些实施例的步骤S210之后,若调度队列中仅存在目标应用,且目标应用包括预设的容器调度信息,则获取目标应用的资源变更事件。
在一些实施例的步骤S220至步骤S230中,若调度队列中存在其他应用,则根据自定义的优先级顺序对调度队列中的全部应用进行排序,得到目标应用的优先级,若目标应用的优先级最高,且满足容器调度所需要的条件,例如目标应用需要绑定要求立即绑定的pv,目标应用包含计算Pod调度需要满足的信息,则获取目标应用的资源变更事件,其中Pod为kubernetes调度的基本单元。
请参阅图3,在一些实施例中,在步骤S150之后可以包括但不限于包括步骤S310至步骤S320:
步骤S310,将资源变更事件加入工作队列;
步骤S320,从工作队列中取出资源变更事件。
在一些实施例的步骤S310至步骤S320中,工作队列作为资源变更事件的缓冲,降低了事件通知的速度与事件消费速度之间的不匹配。从工作队列中消费资源变更事件,调用事件处理函数进行业务逻辑处理,以处理资源变更事件。
请参阅图4,在一些实施例中,步骤S160可以包括但不限于包括步骤S410至步骤S450:
步骤S410,若事件类型为处理事件,则根据预设的第一插件运行顺序调用处理插件,基于处理插件对k8s集群的多个节点中进行筛选,得到多个初始节点;
步骤S420,获取预设的打分函数;
步骤S430,根据打分函数对初始节点进行打分,得到初始节点对应的得分数值;
步骤S440,根据得分数值得到初始节点的编排顺序;
步骤S450,根据编排顺序从多个初始节点中确定目标节点,将目标节点与目标应用进行绑定,以使目标应用运行于目标节点。
在一些实施例的步骤S410至步骤S450中,若事件类型为处理事件,即目标应用处于调度的filter阶段,根据第一插件运行顺序调用filter插件,运行filter插件检查k8s集群中是否有合适的节点,以得到多个初始节点。若顺序执行filter插件时,某一插件返回失败,则后续插件也不会执行。根据打分函数对多个初始节点打分,得到每个初始节点对应的分数,对分数进行归一化,得到初始节点对应的得分数值,根据得分数值从高到低对各初始节点排序得到编排顺序,根据编排顺序确定得分数值最高的初始节点作为目标节点,将目标节点与目标应用进行绑定,以使目标应用以运行效率最高的方式运行于目标节点。
请参阅图5,在一些实施例,步骤S160还可以包括但不限于包括步骤S510至步骤S520:
步骤S510,若事件类型为后处理事件,则根据预设的第二插件运行顺序调用后处理插件,基于后处理插件对k8s集群中的节点添加标记,得到目标节点;
步骤S520,将目标节点与目标应用进行绑定,以使目标应用运行于目标节点。
在一些实施例的步骤S510至步骤S520中,在filter阶段,运行filter插件没有从k8s集群中检查得到合适的节点,则进入后处理阶段即postfilter阶段,事件类型为后处理事件,根据第二插件运行顺序调用postfilter插件,运行postfilter插件对k8s集群中的某一节点添加标记以抢占节点,得到目标节点,将目标节点与目标应用进行绑定,以使目标应用以运行效率最高的方式运行于目标节点。
需要说明的是,若某一后处理插件标记某一节点为可调度的,则不运行的后续的后处理插件。
本申请主要关注kubernetes两方面的扩展性,一方面是自定义控制器,一方面是自定义调度插件。自定义控制器基于kubernetes对外提供暴露的client-go客户端,通过list-watch机制监听apiserver中关注的资源,当资源发生变更时,如新增、更新或删除,调用处理函数消费资源事件,并进行具体业务逻辑处理该事件。自定义调度插件利用k8s调度器的插件扩展能力即scheduler framework,调度器的作用是为Pod选择一个适合运行的节点,选择节点的过程分为多个阶段,基于调度器插件来扩展每个调度阶段,并编译到原生调度器中。需要说明的是,Pod在创建时可以选择指定的调度器。选择节点的多个阶段依次为sort、prefilter、filter、postfilter、prescore、score、normalize score、reserve、permit、prebind、bind以及postbind。sort即排序阶段的作用为根据自定义的优先级排队Pod,prefilter即预处理阶段用于检查Pod是否满足调度所需的条件,filter即处理阶段用于以第一插件运行顺序运行filter插件以检查是否有合适的节点,postfilter即后处理阶段用于当filter阶段未检查到合适的节点时,以第二插件运行顺序运行后处理插件以抢占节点,prescore即预打分阶段用于为score阶段生成共享的调度信息,socre即打分阶段用于根据打分函数对filter阶段得到的节点进行打分,normalize score即打分归一化阶段用于将打分数值进行归一化,reserve即撤销阶段,经过之前的全部阶段说明该Pod可以调度,用于从缓存中扣除Pod资源,permit即许可阶段用于阻止、允许或者延迟Pod的绑定,prebind即预绑定阶段用于为bind阶段做准备,若本阶段发生错误,则执行unreserve阶段,pod会重新进入调度队列,bind即绑定阶段用于以预设的第三插件运行顺序调用绑定插件,并且由绑定插件决定是否处理当前Pod,当Pod被处理后会跳过其余插件,postbind即后绑定阶段用于在Pod成功绑定后做一些清理工作。
请参阅图6,在一些实施例中,在步骤S140之后可以包括但不限于包括步骤S610至步骤S640:
步骤S610,根据预设的监控组件对k8s集群中的节点进行监控,得到监控数据;
步骤S620,将监控数据存储至预设的数据库;
步骤S630,接收查询指令;
步骤S640,根据查询指令从数据库中获取目标监控数据。
在一些实施例的步骤S610至步骤S640中,基于docker和kubernetes的容器云平台搭建完成后就可以对外提供PaaS平台的服务,但是平台缺乏可观测性,即平台还缺少对有关集群进行观测的能力,而可观测性是衡量一个系统是否符合云原生规范的重要指标。系统在运行时暴露的问题有时是短暂的,需要通过观测系统来记录和统计,即通过可观测性分析系统在不同时段、不同位置的性能指标。kubesphere是基于kubernets的集成运维平台,功能包括租户管理、平台性能观测和容器负载观测与管理等,集成了prometheus提供的性能观测能力,并向用户暴露了更加方便的、易于管理的用户接口,作为kuberentes集群和物理机可观测性能力的保障,使用户不需要进入到平台后台进行命令行操作,只需要在其提供的dashboard界面上执行操作,就可以实现集群的指标收集和观测。
创建观测指标例如Pod数量、调用次数,当收到请求或者Pod创建时,自动调用该指标,以实现某一指标的观测,同时对promethues暴露http服务端的端口,通过pull机制定时拉取指标,实现对集群数据采集,并通过grafana对外展示该数据。
在promethues内部,通过retrival组件对k8集群中的节点进行监控,得到监控数据,该监控数据是基于http的pull方式拉取的时间序列数据,将监控数据存储至TSDB即时间序列数据库,通过httpserver提供http接口查询,以获取查询指令,根据查询指令从数据库中获取目标监控数据,并通过grafana可视化目标监控数据。
需要说明的是,PaaS平台的用户分为两类,一类是算法和微服务开发人员,一类是使用算法和微服务的普通用户。开发人员创建应用,将应用打包成镜像并上传到镜像仓库,设计应用配置模板以创建并上架应用到应用市场,普通用户无法创建应用,通过将应用市场的应用添加到个人仓库,以创建并运行应用实例。系统给应用开发者暴露应用创建、应用管理、应用和任务管理的接口,除应用开发者需要在后台编写应用外,其他操作只需要在web页面上进行操作。系统前端接收到用户请求后进行验证合法性并转发到后端,由后端执行具体业务逻辑,根据执行结果将响应返回到前端。
需要进一步说明的是,PaaS平台包括业务系统,业务系统包括apiserver微服务和controller微服务,该业务系统使用golang语言开发,基于三方件Gin实现http服务端,并遵循RESTful API,将这两个微服务包装为Statefulset资源,并配置响应的service资源实现集群内外访问,并使用NodePort方式对集群外提供访问接口,apiserver为业务系统的网关。应用开发者和普通用户在页面上的操作通过前端接口发送到后端,业务系统根据参数解析并执行具体的业务逻辑,其中涉及数据持久化的操作到放到apiserver微服务中执行,数据库数据会持久化到mongodb中,与微服务运行状态相关的数据会存放到redis中。由于业务系统包括系统内部通信和外部通信,两个微服务即apiserver和controller之间的通信为内部通信,外部通信即这两个微服务与外部其他系统的通信,所以使用kafka作为消息中间件作为通信方式,实现各微服务和各系统间的异步通信。
请参阅图7,本申请实施例还提供一种基于云原生技术的AI算法与微服务调度装置,可以实现上述基于云原生技术的AI算法与微服务调度方法,该装置包括:
镜像构建模块710,用于基于预设的镜像构建引擎创建目标镜像;
第一获取模块720,用于获取应用配置模板和解析函数;
解析模块730,用于根据解析函数对应用配置模板进行解析,得到应用部署参数;
部署模块740,用于根据应用部署参数在k8s集群中容器化部署目标镜像,得到目标应用;
第二获取模块750,用于当目标应用满足预设的容器调度条件,则获取目标应用的资源变更事件;
容器调度模块760,用于确定资源变更事件的事件类型,根据事件类型调用对应的事件处理函数对目标应用进行容器调度。
该基于云原生技术的AI算法与微服务调度装置的具体实施方式与上述基于云原生技术的AI算法与微服务调度方法的具体实施例基本相同,在此不再赘述。
本申请实施例还提供了一种电子设备,电子设备包括:存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线,程序被处理器执行时实现上述基于云原生技术的AI算法与微服务调度方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
本申请实施例还提供了一种电子设备,包括:
处理器,可以采用通用的CPU(CentralProcessingUnit,中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器,可以采用只读存储器(ReadOnlyMemory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory,RAM)等形式实现。存储器可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器中,并由处理器来调用执行本申请实施例的基于云原生技术的AI算法与微服务调度方法;
输入/输出接口,用于实现信息输入及输出;
通信接口,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线,在设备的各个组件(例如处理器、存储器、输入/输出接口和通信接口)之间传输信息;
其中处理器、存储器、输入/输出接口和通信接口通过总线实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质,存储介质为计算机可读存储介质,用于计算机可读存储,存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现上述基于云原生技术的AI算法与微服务调度方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的基于云原生技术的AI算法与微服务调度方法、基于云原生技术的AI算法与微服务调度装置、电子设备及存储介质,其通过预设的镜像构建引擎创建目标镜像,获取应用配置模板和解析函数,根据解析函数对应用配置模板进行解析,得到应用部署参数,根据应用部署参数在k8s集群中容器化部署目标镜像,得到目标应用,当目标应用满足预设的容器调度条件,则获取目标应用的资源变更事件,确定资源变更事件的事件类型,根据事件类型调用对应的事件处理函数对目标应用进行容器调度,本申请实施例通过在物理机上搭建k8s集群,根据目标镜像和应用部署参数将算法和微服务容器化部署于k8s集群中的节点上,以使算法和微服务运行于对应的节点,根据不同算法、不同微服务选择不同的目标镜像,基于不同的目标镜像创建不同的容器,能够为不同算法和微服务提供不同的算法运行环境和微服务运行环境,无需重复搭建运行环境,当算法和微服务运行出错后,通过容器调度能够将算法和微服务部署于合适的节点,以快速恢复算法服务和微服务,实现了算法和微服务的快速应用。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图1-6中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储介质中,包括多指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (10)
1.基于云原生技术的AI算法与微服务调度方法,其特征在于,所述方法包括:
基于预设的镜像构建引擎创建目标镜像;
获取应用配置模板和解析函数;
根据所述解析函数对所述应用配置模板进行解析,得到应用部署参数;
根据所述应用部署参数在k8s集群中容器化部署所述目标镜像,得到目标应用;
当所述目标应用满足预设的容器调度条件,则获取所述目标应用的资源变更事件;
确定所述资源变更事件的事件类型,根据所述事件类型调用对应的事件处理函数对所述目标应用进行容器调度。
2.根据权利要求1所述的基于云原生技术的AI算法与微服务调度方法,其特征在于,所述根据所述事件类型调用对应的事件处理函数对所述目标应用进行容器调度,包括:
若所述事件类型为处理事件,则根据预设的第一插件运行顺序调用处理插件,基于所述处理插件对k8s集群的多个节点中进行筛选,得到多个初始节点;
获取预设的打分函数;
根据所述打分函数对所述初始节点进行打分,得到所述初始节点对应的得分数值;
根据所述得分数值得到所述初始节点的编排顺序;
根据所述编排顺序从多个初始节点中确定目标节点,将所述目标节点与所述目标应用进行绑定,以使所述目标应用运行于所述目标节点。
3.根据权利要求1所述的基于云原生技术的AI算法与微服务调度方法,其特征在于,所述根据所述事件类型调用对应的事件处理函数对所述目标应用进行容器调度,包括:
若所述事件类型为后处理事件,则根据预设的第二插件运行顺序调用后处理插件,基于所述后处理插件对所述k8s集群中的节点添加标记,得到目标节点;
将所述目标节点与所述目标应用进行绑定,以使所述目标应用运行于所述目标节点。
4.根据权利要求1所述的基于云原生技术的AI算法与微服务调度方法,其特征在于,所述当所述目标应用满足预设的容器调度条件,则获取所述目标应用的资源变更事件,包括:
将所述目标应用加入调度队列;
若所述调度队列中存在其他应用,则根据预设的优先级顺序对所述调度队列中的全部应用进行排序,得到所述目标应用的优先级;
若所述优先级为预设的目标优先级,且所述目标应用中包括预设的容器调度信息,则获取所述目标应用的资源变更事件。
5.根据权利要求4所述的基于云原生技术的AI算法与微服务调度方法,其特征在于,在所述将所述目标应用加入调度队列之后,所述基于云原生技术的AI算法与微服务调度方法还包括:
若所述调度队列中仅存在所述目标应用,且所述目标应用包括预设的容器调度信息,则获取所述目标应用的资源变更事件。
6.根据权利要求1所述的基于云原生技术的AI算法与微服务调度方法,其特征在于,在所述获取所述目标应用的资源变更事件之后,所述基于云原生技术的AI算法与微服务调度方法还包括:
将所述资源变更事件加入工作队列;
从所述工作队列中取出所述资源变更事件。
7.根据权利要求1至6任一项所述的基于云原生技术的AI算法与微服务调度方法,其特征在于,所述基于云原生技术的AI算法与微服务调度方法还包括:
根据预设的监控组件对k8s集群中的节点进行监控,得到监控数据;
将所述监控数据存储至预设的数据库;
接收查询指令;
根据所述查询指令从所述数据库中获取目标监控数据。
8.基于云原生技术的AI算法与微服务调度装置,其特征在于,所述装置包括:
镜像构建模块,用于基于预设的镜像构建引擎创建目标镜像;
第一获取模块,用于获取应用配置模板和解析函数;
解析模块,用于根据所述解析函数对所述应用配置模板进行解析,得到应用部署参数;
部署模块,用于根据所述应用部署参数在k8s集群中容器化部署所述目标镜像,得到目标应用;
第二获取模块,用于当所述目标应用满足预设的容器调度条件,则获取所述目标应用的资源变更事件;
容器调度模块,用于确定所述资源变更事件的事件类型,根据所述事件类型调用对应的事件处理函数对所述目标应用进行容器调度。
9.电子设备,其特征在于,所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现如权利要求1至7任一项所述的方法的步骤。
10.存储介质,所述存储介质为计算机可读存储介质,用于计算机可读存储,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211057729.3A CN115454629A (zh) | 2022-08-30 | 2022-08-30 | 基于云原生技术的ai算法与微服务调度方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211057729.3A CN115454629A (zh) | 2022-08-30 | 2022-08-30 | 基于云原生技术的ai算法与微服务调度方法及其装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115454629A true CN115454629A (zh) | 2022-12-09 |
Family
ID=84300421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211057729.3A Pending CN115454629A (zh) | 2022-08-30 | 2022-08-30 | 基于云原生技术的ai算法与微服务调度方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115454629A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117093352A (zh) * | 2023-10-13 | 2023-11-21 | 之江实验室 | 基于模板的计算集群作业调度系统及方法、装置 |
CN117555586A (zh) * | 2024-01-11 | 2024-02-13 | 之江实验室 | 一种算法应用发布、管理及评分方法 |
-
2022
- 2022-08-30 CN CN202211057729.3A patent/CN115454629A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117093352A (zh) * | 2023-10-13 | 2023-11-21 | 之江实验室 | 基于模板的计算集群作业调度系统及方法、装置 |
CN117093352B (zh) * | 2023-10-13 | 2024-01-09 | 之江实验室 | 基于模板的计算集群作业调度系统及方法、装置 |
CN117555586A (zh) * | 2024-01-11 | 2024-02-13 | 之江实验室 | 一种算法应用发布、管理及评分方法 |
CN117555586B (zh) * | 2024-01-11 | 2024-03-22 | 之江实验室 | 一种算法应用发布、管理及评分方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110321152B (zh) | 一种软件开发平台 | |
CN109933522B (zh) | 一种自动化用例的测试方法、测试系统及存储介质 | |
CN107317724B (zh) | 基于云计算技术的数据采集系统及方法 | |
CN115454629A (zh) | 基于云原生技术的ai算法与微服务调度方法及其装置 | |
WO2017050146A1 (zh) | 终端应用app的加载方法及装置 | |
CN106776280B (zh) | 可配置性能测试装置 | |
US8806475B2 (en) | Techniques for conditional deployment of application artifacts | |
CN110908641B (zh) | 基于可视化的流计算平台、方法、设备和存储介质 | |
CN113504902B (zh) | 工业app集成开发系统及相关设备 | |
CN109885624A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN113791765B (zh) | 云服务的资源编排方法、装置、设备及存储介质 | |
CN101751288A (zh) | 应用进程调度的方法、设备及系统 | |
Zhang et al. | Mlmodelci: An automatic cloud platform for efficient mlaas | |
CN113094674A (zh) | 页面展示方法、装置、电子设备及存储介质 | |
BR102021002596A2 (pt) | Sistema de gerenciamento de operadores em nuvem dinamicamente alocado e método para o mesmo | |
Rattanapoka et al. | An MQTT-based IoT cloud platform with flow design by Node-RED | |
CN115392501A (zh) | 数据采集方法、装置、电子设备及存储介质 | |
CN104461893B (zh) | 数据处理方法与数据处理装置 | |
CN114064213A (zh) | 基于Kubernets容器环境的快速编排服务方法及系统 | |
CN110011827A (zh) | 面向医联体的多用户大数据分析服务系统和方法 | |
CN117076096A (zh) | 任务流程的执行方法、装置、计算机可读介质及电子设备 | |
CN116301876A (zh) | AI算法服务的DevOps开发方法 | |
CN112748855B (zh) | 处理高并发数据请求的方法和装置 | |
CN113254143B (zh) | 虚拟化网络功能网元编排调度方法、装置和系统 | |
CN114519477A (zh) | 大数据平台租户管理系统、方法、存储介质及电子设备 |
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 |