CN115543582A - 超算算力网络统一调度方法、系统及设备 - Google Patents
超算算力网络统一调度方法、系统及设备 Download PDFInfo
- Publication number
- CN115543582A CN115543582A CN202211376398.XA CN202211376398A CN115543582A CN 115543582 A CN115543582 A CN 115543582A CN 202211376398 A CN202211376398 A CN 202211376398A CN 115543582 A CN115543582 A CN 115543582A
- Authority
- CN
- China
- Prior art keywords
- computing power
- data
- calculation
- centralized
- scheduling
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 84
- 238000013499 data model Methods 0.000 claims abstract description 21
- RYAUSSKQMZRMAI-YESZJQIVSA-N (S)-fenpropimorph Chemical compound C([C@@H](C)CC=1C=CC(=CC=1)C(C)(C)C)N1C[C@H](C)O[C@H](C)C1 RYAUSSKQMZRMAI-YESZJQIVSA-N 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
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
- G06F9/46—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
-
- 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
- G06F2209/5017—Task decomposition
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种超算算力网络统一调度方法,包括以下步骤:在原有算力调度平台上建立集中调度平台,在集中调度平台内部设置若干类型的数据集,将原有算力调度平台的数据存储至所述数据集;对算力的运行数据进行记录;对不同类型运算算力需求的最大值和运算时间进行统计,形成相关数据存储至数据集;构建算力数据模型,在计算过程中实时更新校正;集中调度平台获取算力任务,将算力任务存储到数据集,根据类型对算力任务进行拆分;将拆分的算力任务分发至原有算力调度平台,由原有算力调度平台对算力任务进行优先级运算的调度;对优先级运算的数据进行集中运算。本发明将算力进行集中统一调度,提高算力网络利用率。
Description
技术领域
本发明涉及超算算力网络技术领域,更具体地,涉及超算算力网络统一调度方法、系统及设备。
背景技术
算力网络是“一种根据业务需求,在云、网、边之间按需分配和灵活调度运算资源、存储资源以及网络资源的新型信息基础设施”。
利用云网融合技术以及SDN/NFV等新型网络技术,将边缘运算节点、云运算节点以及含广域网在内的各类网络资源深度融合在一起,减少边缘运算节点的管控复杂度,并通过集中控制或者分布式调度方法与云运算节点的运算和存储资源、广域网的网络资源进行协同,组成新一代信息基础设施,为客户提供包含运算、存储和连接的整体算力服务,并根据业务特性提供灵活、可调度的按需服务。
目前,算力网络不能够统一对其进行调度,只能够进行单独处理调度,算力之间的使用较为分散,不便于进行算力的统一使用。
发明内容
本发明旨在克服上述现有技术的至少一种缺陷,提供一种超算算力网络统一调度方法,对超算算力网络进行统一调度,集中管理,有利于提高超算算力的调度效率和灵活管理。
具体包括以下步骤:
S1、在原有算力调度平台上建立集中调度平台,在集中调度平台内部设置若干类型的数据集,将原有算力调度平台的数据存储至所述数据集;
S2、对算力的运行数据进行记录;
S3、对不同类型运算算力需求的最大值和运算时间进行统计,形成相关数据存储至数据集;
S4、构建算力数据模型,在计算过程中实时更新校正;
S5、集中调度平台获取算力任务,将算力任务存储到数据集,根据类型对算力任务进行拆分;
S6、将拆分的算力任务分发至原有算力调度平台,由原有算力调度平台对算力任务进行优先级运算的调度;
S7、对优先级运算的数据进行集中运算。
算力具有多样性,根据使用需求不同,可以分为多种类型,比如游戏算法、图形渲染、分布式运算、通用算力等,根据处理器架构不同,性能不同,响应速度不同,成本要求不同,可以分为x86CPU通用算力,智能算力,低时延算力等,不同类型的算力需要分类整合后进行调配,因此需要设置数据集对算力使用信息进行存储,本发明还通过算力数据模型对数据进行统计建模,在计算过程中实时更新校正,更有利于算力数据的管理和优化,进而有利于超算算力的调度处理。具体为对不同类型运算算力需求的最大值和运算时间进行统计,形成相关数据存储至数据集,算力需求的最大值和运算时间代表超算算力的最大边际,根据该数据存储和分析,有利于超算算力的统一分析、管理。
建立了数据集和算力数据模型后,可以根据数据集和算力数据模型,对算力任务进行拆分,由于算力的多样性,根据数据集和算力数据模型进行算力任务的拆分,有利于效率最大化,实现超算算力的灵活、可调度的按需服务。
进一步,在S1中,集中调度平台对算力任务进行统一调度,获取算力任务后,直接提交至集中调度平台。
本发明的集中调度平台对获取的算力任务进行统一调度管理,有利于提高超算算力的调度效率和灵活管理。
进一步,在S2中,所述对算力的运行数据进行记录包括:根据各算力网络中所集中运算过的信息类型进行集中,在不同类型的数据集中根据各算力网络运算的速度进行排名。
根据信息类型对算力网络的运行数据进行集中,再根据速度进行排名,有利于后续对超算算力网络的统计、管理和优化。
进一步,在S3中,对不同类型运算算力需求的最大值和运算时间进行统计包括:根据所建立数据集内部信息类型进行分别计算,并对其进行计算速度的排名。
对不同类型运算算力需求的最大值和运算时间进行统计,即对超算算力网络使用者端的数据进行统计,根据数据集内部建立的算力网络信息类型进行计算和排名,有利于全方位统计数据,提高算力网络运行和使用的效率。
进一步,在S4中,所述数据模型对各算力网络实际运行情况进行实时监测,并在进行算力任务的分配时对各算力网络所需要运算的时间以及运算效率进行预测计算。
根据算力网络的实际运行情况,进行动态实时的监测,在算力任务分配时对算力网络运算时间和运算效率进行预测计算,有利于优化完善算力数据模型,进而有利于对算力网络的管理,提高算力网络运行效率。
进一步,在S5中,算力任务进行拆分时对完整性进行检测。
在数据传输过程中,算力任务包含大量数据,容易产生损坏和丢失等现象,因此需要对算力任务的完整性进行检测,可以针对不同类型的数据,预编制编码方法,实现算力任务的完整性检测,保证算力网络调配的稳定性,同时保持兼容性。
进一步,在S6中,所述分发为:根据算力任务对应类型的排名进行分发,根据需要运算的任务优先级和完成该算力任务所需要的消耗决定分发方案。
根据算力任务对应的类型的排名进行分发,根据任务优先级和消耗分发方法,进而可以提高算力网络的利用率,精准服务用户,实现更高的算力性价比。
进一步,对优先级运算的数据进行集中运算具体包括:在各算力网络运算出该类型结果并进行集中,依照拆分前的逻辑对其进行组合,根据该任务最适配的算力网络进行最终结果的运算。
对根据拆分前的逻辑进行组合,匹配最适配的算力网络,实现对最终结果的运算,进而有利于为用户提供最适合的算力网络资源服务,提高算力网络的利用率。
本发明还提供一种基于人工智能场景的算网储调度系统,包括:
集中调度平台,用于对原有算力调度平台进行管理,具体包括:在集中调度平台内部设置若干类型的数据集,将原有算力调度平台的数据存储至所述数据集,获取算力任务,将算力任务存储到数据集,根据类型对算力任务进行拆分,将拆分的算力任务分发至原有算力调度平台,由原有算力调度平台对算力任务进行优先级运算的调度;
运行数据记录模块,用于对算力的运行数据进行记录;
算力需求统计模块,用于对不同类型运算算力需求的最大值和运算时间进行统计,形成相关数据存储至数据集;
算力数据模型,用于动态管理算力数据,在计算过程中实时更新校正;
集中运算模块,用于对优先级运算的数据进行集中运算。
算力具有多样性,根据使用需求不同,可以分为多种类型,比如游戏算法、图形渲染、分布式运算、通用算力等,根据处理器架构不同,性能不同,响应速度不同,成本要求不同,可以分为x86CPU通用算力,智能算力,低时延算力等,不同类型的算力需要分类整合后进行调配,因此需要设置数据集对算力使用信息进行存储,本发明还通过算力数据模型对数据进行统计建模,在计算过程中实时更新校正,更有利于算力数据的管理和优化,进而有利于超算算力的调度处理。具体为对不同类型运算算力需求的最大值和运算时间进行统计,形成相关数据存储至数据集,算力需求的最大值和运算时间代表超算算力的最大边际,根据该数据存储和分析,有利于超算算力的统一分析、管理。
本发明还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述超算算力网络统一调度方法。
本发明的超算算力网络统一调度设备与超算算力网络统一调度方法基于同样的发明构思,在此不再赘述。
与现有技术相比,本发明的有益效果为:
1.有利于超算算力的统一分析、管理。
2.有利于效率最大化,实现超算算力的灵活、可调度的按需服务。
3.有利于提高超算算力的调度效率和灵活管理。
4.有利于全方位统计数据,提高算力网络运行和使用的效率。
5.实现算力任务的完整性检测,保证算力网络调配的稳定性,同时保持兼容性。
6.有利于为用户提供最适合的算力网络资源服务,提高算力网络的利用率。
附图说明
图1为本发明的超算算力网络统一调度方法流程图。
具体实施方式
本发明附图仅用于示例性说明,不能理解为对本发明的限制。为了更好说明以下实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
实施例1
如图1所示,本实施例提供一种超算算力网络统一调度方法,包括以下步骤:
S1、在原有算力调度平台上建立集中调度平台,在集中调度平台内部设置若干类型的数据集,将原有算力调度平台的数据存储至所述数据集;
S2、对算力的运行数据进行记录;
S3、对不同类型运算算力需求的最大值和运算时间进行统计,形成相关数据存储至数据集;
S4、构建算力数据模型,在计算过程中实时更新校正;
S5、集中调度平台获取算力任务,将算力任务存储到数据集,根据类型对算力任务进行拆分;
S6、将拆分的算力任务分发至原有算力调度平台,由原有算力调度平台对算力任务进行优先级运算的调度;
S7、对优先级运算的数据进行集中运算。
算力具有多样性,根据使用需求不同,可以分为多种类型,比如游戏算法、图形渲染、分布式运算、通用算力等,根据处理器架构不同,性能不同,响应速度不同,成本要求不同,可以分为x86CPU通用算力,智能算力,低时延算力等,不同类型的算力需要分类整合后进行调配,因此需要设置数据集对算力使用信息进行存储,本发明还通过算力数据模型对数据进行统计建模,在计算过程中实时更新校正,更有利于算力数据的管理和优化,进而有利于超算算力的调度处理。具体为对不同类型运算算力需求的最大值和运算时间进行统计,形成相关数据存储至数据集,算力需求的最大值和运算时间代表超算算力的最大边际,根据该数据存储和分析,有利于超算算力的统一分析、管理。
建立了数据集和算力数据模型后,可以根据数据集和算力数据模型,对算力任务进行拆分,由于算力的多样性,根据数据集和算力数据模型进行算力任务的拆分,有利于效率最大化,实现超算算力的灵活、可调度的按需服务。
优选地,在S1中,集中调度平台对算力任务进行统一调度,获取算力任务后,直接提交至集中调度平台。
本发明的集中调度平台对获取的算力任务进行统一调度管理,有利于提高超算算力的调度效率和灵活管理。
优选地,在S2中,所述对算力的运行数据进行记录包括:根据各算力网络中所集中运算过的信息类型进行集中,在不同类型的数据集中根据各算力网络运算的速度进行排名。
根据信息类型对算力网络的运行数据进行集中,再根据速度进行排名,有利于后续对超算算力网络的统计、管理和优化。
优选地,在S3中,对不同类型运算算力需求的最大值和运算时间进行统计包括:根据所建立数据集内部信息类型进行分别计算,并对其进行计算速度的排名。
对不同类型运算算力需求的最大值和运算时间进行统计,即对超算算力网络使用者端的数据进行统计,根据数据集内部建立的算力网络信息类型进行计算和排名,有利于全方位统计数据,提高算力网络运行和使用的效率。
优选地,在S4中,所述数据模型对各算力网络实际运行情况进行实时监测,并在进行算力任务的分配时对各算力网络所需要运算的时间以及运算效率进行预测计算。
根据算力网络的实际运行情况,进行动态实时的监测,在算力任务分配时对算力网络运算时间和运算效率进行预测计算,有利于优化完善算力数据模型,进而有利于对算力网络的管理,提高算力网络运行效率。
优选地,在S5中,算力任务进行拆分时对完整性进行检测。
在数据传输过程中,算力任务包含大量数据,容易产生损坏和丢失等现象,因此需要对算力任务的完整性进行检测,可以针对不同类型的数据,预编制编码方法,实现算力任务的完整性检测,保证算力网络调配的稳定性,同时保持兼容性。
优选地,在S6中,所述分发为:根据算力任务对应类型的排名进行分发,根据需要运算的任务优先级和完成该算力任务所需要的消耗决定分发方案。
根据算力任务对应的类型的排名进行分发,根据任务优先级和消耗分发方法,进而可以提高算力网络的利用率,精准服务用户,实现更高的算力性价比。
优选地,对优先级运算的数据进行集中运算具体包括:在各算力网络运算出该类型结果并进行集中,依照拆分前的逻辑对其进行组合,根据该任务最适配的算力网络进行最终结果的运算。
对根据拆分前的逻辑进行组合,匹配最适配的算力网络,实现对最终结果的运算,进而有利于为用户提供最适合的算力网络资源服务,提高算力网络的利用率。
实施例2
本实施例提供一种超算算力网络统一调度系统,包括:
集中调度平台,用于对原有算力调度平台进行管理,具体包括:在集中调度平台内部设置若干类型的数据集,将原有算力调度平台的数据存储至所述数据集,获取算力任务,将算力任务存储到数据集,根据类型对算力任务进行拆分,将拆分的算力任务分发至原有算力调度平台,由原有算力调度平台对算力任务进行优先级运算的调度;
运行数据记录模块,用于对算力的运行数据进行记录;
算力需求统计模块,用于对不同类型运算算力需求的最大值和运算时间进行统计,形成相关数据存储至数据集;
算力数据模型,用于动态管理算力数据,在计算过程中实时更新校正;
集中运算模块,用于对优先级运算的数据进行集中运算。
算力具有多样性,根据使用需求不同,可以分为多种类型,比如游戏算法、图形渲染、分布式运算、通用算力等,根据处理器架构不同,性能不同,响应速度不同,成本要求不同,可以分为x86CPU通用算力,智能算力,低时延算力等,不同类型的算力需要分类整合后进行调配,因此需要设置数据集对算力使用信息进行存储,本发明还通过算力数据模型对数据进行统计建模,在计算过程中实时更新校正,更有利于算力数据的管理和优化,进而有利于超算算力的调度处理。具体为对不同类型运算算力需求的最大值和运算时间进行统计,形成相关数据存储至数据集,算力需求的最大值和运算时间代表超算算力的最大边际,根据该数据存储和分析,有利于超算算力的统一分析、管理。
建立了数据集和算力数据模型后,可以根据数据集和算力数据模型,对算力任务进行拆分,由于算力的多样性,根据数据集和算力数据模型进行算力任务的拆分,有利于效率最大化,实现超算算力的灵活、可调度的按需服务。
显然,本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例,而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种超算算力网络统一调度方法,其特征在于,包括以下步骤:
S1、在原有算力调度平台上建立集中调度平台,在集中调度平台内部设置若干类型的数据集,将原有算力调度平台的数据存储至所述数据集;
S2、对算力的运行数据进行记录;
S3、对不同类型运算算力需求的最大值和运算时间进行统计,形成相关数据存储至数据集;
S4、构建算力数据模型,在计算过程中实时更新校正;
S5、集中调度平台获取算力任务,将算力任务存储到数据集,根据类型对算力任务进行拆分;
S6、将拆分的算力任务分发至原有算力调度平台,由原有算力调度平台对算力任务进行优先级运算的调度;
S7、对优先级运算的数据进行集中运算。
2.根据权利要求1所述的超算算力网络统一调度方法,其特征在于,在S1中,集中调度平台对算力任务进行统一调度,获取算力任务后,直接提交至集中调度平台。
3.根据权利要求1所述的超算算力网络统一调度方法,其特征在于,在S2中,根据各算力网络中所集中运算过的信息类型进行集中,在不同类型的数据集中根据各算力网络运算的速度进行排名。
4.根据权利要求1所述的超算算力网络统一调度方法,其特征在于,在S3中,对不同类型运算算力需求的最大值和运算时间进行统计包括:根据所建立数据集内部信息类型进行分别计算,并对其进行计算速度的排名。
5.根据权利要求1所述的超算算力网络统一调度方法,其特征在于,在S4中,所述数据模型对各算力网络实际运行情况进行实时监测,并在进行算力任务的分配时对各算力网络所需要运算的时间以及运算效率进行预测计算。
6.根据权利要求1所述的超算算力网络统一调度方法,其特征在于,在S5中,算力任务进行拆分时对完整性进行检测。
7.根据权利要求1所述的超算算力网络统一调度方法,其特征在于,在S6中,所述分发为:根据算力任务对应类型的排名进行分发,根据需要运算的任务优先级和完成该算力任务所需要的消耗决定分发方案。
8.根据权利要求1所述的超算算力网络统一调度方法,其特征在于,对优先级运算的数据进行集中运算具体包括:在各算力网络运算出该类型结果并进行集中,依照拆分前的逻辑对其进行组合,根据该任务最适配的算力网络进行最终结果的运算。
9.一种超算算力网络统一调度系统,其特征在于,包括:
集中调度平台,用于对原有算力调度平台进行管理,具体包括:在集中调度平台内部设置若干类型的数据集,将原有算力调度平台的数据存储至所述数据集,获取算力任务,将算力任务存储到数据集,根据类型对算力任务进行拆分,将拆分的算力任务分发至原有算力调度平台,由原有算力调度平台对算力任务进行优先级运算的调度;
运行数据记录模块,用于对算力的运行数据进行记录;
算力需求统计模块,用于对不同类型运算算力需求的最大值和运算时间进行统计,形成相关数据存储至数据集;
算力数据模型,用于动态管理算力数据,在计算过程中实时更新校正;
集中运算模块,用于对优先级运算的数据进行集中运算。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~8任一项所述的超算算力网络统一调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211376398.XA CN115543582A (zh) | 2022-11-04 | 2022-11-04 | 超算算力网络统一调度方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211376398.XA CN115543582A (zh) | 2022-11-04 | 2022-11-04 | 超算算力网络统一调度方法、系统及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115543582A true CN115543582A (zh) | 2022-12-30 |
Family
ID=84720701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211376398.XA Pending CN115543582A (zh) | 2022-11-04 | 2022-11-04 | 超算算力网络统一调度方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115543582A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117687798A (zh) * | 2024-02-01 | 2024-03-12 | 浪潮通信信息系统有限公司 | 一种算力网络原生应用管控方法、系统及存储介质 |
-
2022
- 2022-11-04 CN CN202211376398.XA patent/CN115543582A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117687798A (zh) * | 2024-02-01 | 2024-03-12 | 浪潮通信信息系统有限公司 | 一种算力网络原生应用管控方法、系统及存储介质 |
CN117687798B (zh) * | 2024-02-01 | 2024-05-10 | 浪潮通信信息系统有限公司 | 一种算力网络原生应用管控方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109491790B (zh) | 基于容器的工业物联网边缘计算资源分配方法及系统 | |
CN109451072A (zh) | 一种基于Kafka的消息缓存系统和方法 | |
US20190207869A1 (en) | Intelligent Placement within a Data Center | |
CN103309946B (zh) | 多媒体文件处理方法、装置及系统 | |
CN108845878A (zh) | 基于无服务器计算的大数据处理方法及装置 | |
Liu et al. | Task scheduling in fog enabled Internet of Things for smart cities | |
CN111045828A (zh) | 基于配电网台区终端的分布式边缘计算方法和相关装置 | |
CN104915407A (zh) | 一种基于Hadoop多作业环境下的资源调度方法 | |
CN103927229A (zh) | 在动态可用服务器集群中调度映射化简作业 | |
CN105718364A (zh) | 一种云计算平台中计算资源能力动态评估方法 | |
CN105373432B (zh) | 一种基于虚拟资源状态预测的云计算资源调度方法 | |
CN106815254A (zh) | 一种数据处理方法和装置 | |
CN114610474B (zh) | 一种异构超算环境下多策略的作业调度方法及系统 | |
CN114996018A (zh) | 面向异构计算的资源调度方法、节点、系统、设备及介质 | |
CN111597043A (zh) | 一种全场景边缘计算方法、装置及系统 | |
CN115543624A (zh) | 异构算力编排调度方法、系统、设备及存储介质 | |
CN108270805A (zh) | 用于数据处理的资源分配方法及装置 | |
CN115421930B (zh) | 任务处理方法、系统、装置、设备及计算机可读存储介质 | |
CN115134371A (zh) | 包含边缘网络算力资源的调度方法、系统、设备及介质 | |
CN115543582A (zh) | 超算算力网络统一调度方法、系统及设备 | |
CN115037590B (zh) | 一种网络虚拟化体系结构以及虚拟化方法 | |
CN109976873B (zh) | 容器化分布式计算框架的调度方案获取方法及调度方法 | |
CN113014649B (zh) | 一种基于深度学习的云物联负载均衡方法、装置及设备 | |
CN114138488A (zh) | 一种基于弹性高性能计算的云原生实现方法及系统 | |
Liu et al. | DCNSim: A data center network simulator |
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 |