CN115543624A - 异构算力编排调度方法、系统、设备及存储介质 - Google Patents
异构算力编排调度方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN115543624A CN115543624A CN202211252883.6A CN202211252883A CN115543624A CN 115543624 A CN115543624 A CN 115543624A CN 202211252883 A CN202211252883 A CN 202211252883A CN 115543624 A CN115543624 A CN 115543624A
- Authority
- CN
- China
- Prior art keywords
- computing
- user
- computing power
- scheduling
- database
- 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 18
- 238000003860 storage Methods 0.000 title claims description 5
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000007726 management method Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000013468 resource allocation Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 3
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000013439 planning Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research 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
- G06F9/50—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
- G06F9/46—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
-
- 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)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种异构算力编排调度方法，包括：获取若干用户任务；根据数据库识别用户任务；根据用户任务种类确定算力资源需求；根据算力资源需求建立动态调度模型，确定调度策略；根据调度策略对算力资源进行分配，算力管理服务器统一编排若干用户任务；将用户任务中需要计算的数据加密并上传到云计算平台；云计算平台将所述数据存储并协同边缘计算平台进行计算；所述数据库用于存储用户的历史数据。通过数据库调取数据库中历史用户任务所需的历史算力，从而判断出不同用户任务的算力，快速确定算力需求，用以对用户任务进行快速匹配寻找合适的算力资源，进而可以对复杂的用户任务进行高效处理。
Description
技术领域
本发明涉及云计算领域，更具体地，涉及异构算力编排调度方法、系统、设备及存储介质。
背景技术
云计算是分布式计算的一种，指的是通过网络将巨大的数据计算处理程序分解成无数个应用，然后，通过多部服务器组成的系统进行处理和分析这些应用得到结果并返回给用户。云计算早期，通过分布式计算，解决任务分发，并进行计算结果的合并。因而，云计算又称为网格计算。通过这项技术，可以在很短的时间内完成对数以万计的数据的处理，从而达到强大的网络服务。
异构计算是云计算的一个研究领域，目前已经被广泛地应用于生产和生活当中，其主要应用场景有图像处理、视频处理、计算和深度学习。异构计算能够针对多种不同的应用快速给出高性价比的方案，由于异构计算可全面适合人工智能和大数据时代处理海量数据的需求，因此异构计算成为了数据中心、智能手机、5G、智能驾驶等应用领域的主流芯片架构。
异构算力是伴随着面向算力网络的泛在连接，算力呈现异构性的趋势。另一方面，随着芯片以及硬件的开源化，不同的设备厂商结合不同的场景，设计并开发了适合的计算芯片进行数据处理。从而促进了算力市场从传统的通用性向专用性的趋势发展。在对用户的需要进行计算任务时，一般直接根据芯片的计算能力来对用户任务所需的算力资源进行编排调度，但是在算力资源调度时后续提供的用户任务均需要芯片计算会造成芯片计算的压力过大，使得匹配算力需求效率较低。
发明内容
本发明旨在克服上述现有技术的至少一种缺陷，提供一种异构算力编排调度方法，解决上述背景技术提出的算力资源调度时后续提供的用户任务均需要芯片计算会造成芯片计算的压力过大的问题。本发明采取的技术方案是，获取若干用户任务；根据数据库识别用户任务；根据用户任务种类确定算力资源需求；根据算力资源需求建立动态调度模型，确定调度策略；根据调度策略对算力资源进行分配，算力管理服务器统一编排若干用户任务；将用户任务中需要计算的数据加密并上传到云计算平台；云计算平台将所述数据存储并协同边缘计算平台进行计算；所述数据库用于存储用户的历史数据。通过数据库调取数据库中历史用户任务所需的历史算力，从而判断出不同用户任务的算力，快速确定算力需求，用以对用户任务进行快速匹配寻找合适的算力资源，进而可以对复杂的用户任务进行高效处理，避免需要过度使用算力芯片计算，导致算力芯片压力过大。
进一步，根据数据库识别用户任务包括：根据数据库中的历史数据，识别用户任务的种类和优先级。用户任务可以包括多种类型和优先度，云计算环境下的任务种类和优先级的识别，实质是将n个任务合理调度给m个异构资源，以便高效完成任务，可以视为一个NP-hard问题，由于解NP-hard问题的函数值仅有相对最优解，因此在任务调度中经常将最短任务完成时间跨度设定为目标函数。将调度目标函数将不仅以任务完成时间跨度度量，而是作为一个QoS效用函数，新的效用函数将以执行成本约束、资源可靠性约束和任务完成时间约束来计算。
进一步，根据用户任务种类确定算力资源需求后计算可调度的算力资源余量，根据算力资源需求和算力资源余量建立动态调度模型，确定调度策略。通过计算可调度的资源余量，可以更好地建立动态调度模型，确定调度策略，进而对复杂的用户任务进行高效处理，避免需要过度使用算力芯片计算，导致算力芯片压力过大。
进一步，根据数据库识别用户任务包括将用户任务与数据库中对应用户的历史数据进行比对，确定算力资源需求。通过对历史数据的比对，确定用户的历史算力资源需求，进而可以更好地进行算力资源的匹配，达到对用户任务高效处理，避免进程阻塞，减少算力芯片压力的效果。
进一步，根据算力资源需求，基于动态规划算法建立动态调度模型，确定调度策略。通过动态规划算法，将大问题划为小问题，进而逐步获取最优解，将最佳的调度策略视为最优解，建立动态规划模型。
进一步，根据调度策略结合动态规划算法对算力资源进行分配，算力管理服务器根据优先级统一编排若干用户任务。结合调度策略与动态规划算法，对算力资源进行分配，得到用户任务的优先级，进而算力管理服务器可以根据优先级统一编排若干的用户任务。
进一步，云计算平台协同对应的边缘计算平台，对图像、视频和语音数据进行分析计算。在本发明的应用场景下，数据具有异构型且数据量较大，数据处理的应用程序具有多样性，不同应用程序所关联的用户任务又不尽相同，对于用户任务的管理具有较大的复杂性，而简单的中间件软件结构无法有效保证用户的计算任务可行性、应用程序的可靠性以及资源利用的最大化。同时，面向不同应用或场景的边缘计算系统所要实现的功能有所差异性。因此，需要应用边缘计算平台对不同的用户任务进行分析计算，进而达到对用户任务进行高效处理，提高计算效率的技术效果。
本发明还提供一种异构算力编排调度系统，包括：任务获取模块，用于获取若干用户任务；用户任务识别模块，用于结合数据库识别用户任务；数据库，用于存储用户的历史数据；调度策略模块，用于根据算力资源需求建立动态调度模型，确定调度策略；算力资源分配模块，用于根据调度策略对算力资源进行分配；算力管理服务器，用于统一编排若干用户任务；加密模块，用于将用户任务中需要计算的数据加密并上传到云计算平台；云计算平台，用于将所述数据存储并协同边缘计算平台进行计算。
异构算力芯片可以计算出用户任务的算力资源需求，并且得到剩余算力资源的余量，同时通过历史经验池和数据库调取数据库中历史用户任务所需的历史算力，从而判断出不同用户任务的算力，方便快速确定算力需求，用以快速对新增的用户任务进行快速匹配合适的异构算力。
根据调度策略对算力资源进行管理，通过算力管理服务器将编排的所有算力资源项目根据任务的优先级进行排序，之后，通过服务网络将多项用户任务的算力分配数据上传到调度终端的云计算平台，通过云计算平台协同边缘计算模块对图像、视频和语音进行快速分析处理，从而可以对复杂的用户任务进行高效处理。
本发明的设备和存储介质与异构算力管理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.可以对复杂的用户任务进行高效处理。
2.避免需要过度使用算力芯片计算，导致算力芯片压力过大。
3.提高计算效率。
附图说明
图1为本发明的异构算力编排调度方法的流程图。
图2为本发明实施的系统结构图。
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，本实施例提供一种异构算力管理方法，包括：
S1、获取若干用户任务；
S2、根据数据库识别用户任务；
S3、根据用户任务种类确定算力资源需求；
S4、根据算力资源需求建立动态调度模型，确定调度策略；
S5、根据调度策略对算力资源进行分配，算力管理服务器统一编排若干用户任务；
S6、将用户任务中需要计算的数据加密并上传到云计算平台；
S7、云计算平台将所述数据存储并协同边缘计算平台进行计算；
所述数据库用于存储用户的历史数据。
本实施例通过数据库调取数据库中历史用户任务所需的历史算力，从而判断出不同用户任务的算力，快速确定算力需求，用以对用户任务进行快速匹配寻找合适的算力资源，进而可以对复杂的用户任务进行高效处理，避免需要过度使用算力芯片计算，导致算力芯片压力过大。
可以通过异构算力芯片计算出用户任务的算力资源需求，并且得到剩余算力资源的余量，同时通过历史经验池和数据库调取数据库中历史用户任务所需的历史算力，从而判断出不同用户任务的算力，方便快速确定算力需求，用以快速对新增的用户任务进行快速匹配合适的异构算力。
根据调度策略对算力资源进行管理，通过算力管理服务器将编排的所有算力资源项目根据任务的优先级进行排序，之后，通过服务网络将多项用户任务的算力分配数据上传到调度终端的云计算平台，通过云计算平台协同边缘计算模块对图像、视频和语音进行快速分析处理，从而可以对复杂的用户任务进行高效处理。
优选地，根据数据库识别用户任务包括：根据数据库中的历史数据，识别用户任务的种类和优先级。用户任务可以包括多种类型和优先度，云计算环境下的任务种类和优先级的识别，实质是将n个任务合理调度给m个异构资源，以便高效完成任务，可以视为一个NP-hard问题，由于解NP-hard问题的函数值仅有相对最优解，因此在任务调度中经常将最短任务完成时间跨度设定为目标函数。将调度目标函数将不仅以任务完成时间跨度度量，而是作为一个QoS效用函数，新的效用函数将以执行成本约束、资源可靠性约束和任务完成时间约束来计算。
优选地，根据用户任务种类确定算力资源需求后计算可调度的算力资源余量，根据算力资源需求和算力资源余量建立动态调度模型，确定调度策略。通过计算可调度的资源余量，可以更好地建立动态调度模型，确定调度策略，进而对复杂的用户任务进行高效处理，避免需要过度使用算力芯片计算，导致算力芯片压力过大。
优选地，根据数据库识别用户任务包括将用户任务与数据库中对应用户的历史数据进行比对，确定算力资源需求。通过对历史数据的比对，确定用户的历史算力资源需求，进而可以更好地进行算力资源的匹配，达到对用户任务高效处理，避免进程阻塞，减少算力芯片压力的效果。
优选地，根据算力资源需求，基于动态规划算法建立动态调度模型，确定调度策略。通过动态规划算法，将大问题划为小问题，进而逐步获取最优解，将最佳的调度策略视为最优解，建立动态规划模型。
优选地，根据调度策略结合动态规划算法对算力资源进行分配，算力管理服务器根据优先级统一编排若干用户任务。结合调度策略与动态规划算法，对算力资源进行分配，得到用户任务的优先级，进而算力管理服务器可以根据优先级统一编排若干的用户任务。
优选地，云计算平台协同对应的边缘计算平台，对图像、视频和语音数据进行分析计算。在本发明的应用场景下，数据具有异构型且数据量较大，数据处理的应用程序具有多样性，不同应用程序所关联的用户任务又不尽相同，对于用户任务的管理具有较大的复杂性，而简单的中间件软件结构无法有效保证用户的计算任务可行性、应用程序的可靠性以及资源利用的最大化。同时，面向不同应用或场景的边缘计算系统所要实现的功能有所差异性。因此，需要应用边缘计算平台对不同的用户任务进行分析计算，进而达到对用户任务进行高效处理，提高计算效率的技术效果。
实施例2
如图2所示，本实施例提供一种异构算力编排调度系统，包括：任务获取模块，用于获取若干用户任务；用户任务识别模块，用于结合数据库识别用户任务；数据库，用于存储用户的历史数据；
调度策略模块，用于根据算力资源需求建立动态调度模型，确定调度策略；算力资源分配模块，用于根据调度策略对算力资源进行分配；算力管理服务器，用于统一编排若干用户任务；
加密模块，用于将用户任务中需要计算的数据加密并上传到云计算平台；云计算平台，用于将所述数据存储并协同边缘计算平台进行计算。
异构算力芯片可以计算出用户任务的算力资源需求，并且得到剩余算力资源的余量，同时通过历史经验池和数据库调取数据库中历史用户任务所需的历史算力，从而判断出不同用户任务的算力，方便快速确定算力需求，用以快速对新增的用户任务进行快速匹配合适的异构算力。
根据调度策略对算力资源进行管理，通过算力管理服务器将编排的所有算力资源项目根据任务的优先级进行排序，之后，通过服务网络将多项用户任务的算力分配数据上传到调度终端的云计算平台，通过云计算平台协同边缘计算模块对图像、视频和语音进行快速分析处理，从而可以对复杂的用户任务进行高效处理。
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)
1.一种异构算力编排调度方法，其特征在于，包括：
获取若干用户任务；
根据数据库识别用户任务；
根据用户任务种类确定算力资源需求；
根据算力资源需求建立动态调度模型，确定调度策略；
根据调度策略对算力资源进行分配，算力管理服务器统一编排若干用户任务；
将用户任务中需要计算的数据加密并上传到云计算平台；
云计算平台将所述数据存储并协同边缘计算平台进行计算；
所述数据库用于存储用户的历史数据。
2.根据权利要求1所述的异构算力编排调度方法，其特征在于，根据数据库识别用户任务包括：根据数据库中的历史数据，识别用户任务的种类和优先级。
3.根据权利要求1所述的异构算力编排调度方法，其特征在于，
根据用户任务种类确定算力资源需求后计算可调度的算力资源余量，根据算力资源需求和算力资源余量建立动态调度模型，确定调度策略。
4.根据权利要求1所述的异构算力编排调度方法，其特征在于，根据数据库识别用户任务包括将用户任务与数据库中对应用户的历史数据进行比对，确定算力资源需求。
5.根据权利要求1所述的异构算力编排调度方法，其特征在于，根据算力资源需求，基于动态规划算法建立动态调度模型，确定调度策略。
6.根据权利要求1所述的异构算力编排调度方法，其特征在于，根据调度策略结合动态规划算法对算力资源进行分配，算力管理服务器根据优先级统一编排若干用户任务。
7.根据权利要求1所述的异构算力编排调度方法，其特征在于，云计算平台协同对应的边缘计算平台，对图像、视频和语音数据进行分析计算。
8.一种异构算力编排调度系统，其特征在于，包括：
任务获取模块，用于获取若干用户任务；
用户任务识别模块，用于结合数据库识别用户任务；
数据库，用于存储用户的历史数据；
调度策略模块，用于根据算力资源需求建立动态调度模型，确定调度策略；
算力资源分配模块，用于根据调度策略对算力资源进行分配；
算力管理服务器，用于统一编排若干用户任务；
加密模块，用于将用户任务中需要计算的数据加密并上传到云计算平台；
云计算平台，用于将所述数据存储并协同边缘计算平台进行计算。
9.一种计算机设备，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1～7任一项所述的异构算力编排调度方法。
10.一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权利要求1～7任一项所述的异构算力编排调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211252883.6A CN115543624A (zh) | 2022-10-13 | 2022-10-13 | 异构算力编排调度方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211252883.6A CN115543624A (zh) | 2022-10-13 | 2022-10-13 | 异构算力编排调度方法、系统、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115543624A true CN115543624A (zh) | 2022-12-30 |
Family
ID=84733713
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211252883.6A Pending CN115543624A (zh) | 2022-10-13 | 2022-10-13 | 异构算力编排调度方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115543624A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115952009A (zh) * | 2023-03-15 | 2023-04-11 | 北京泰尔英福科技有限公司 | 基于算网融合特征的数据中心推荐方法及装置 |
| CN116737178A (zh) * | 2023-08-10 | 2023-09-12 | 北京万界数据科技有限责任公司 | 一种训练任务编排方法及系统 |
| CN116865952A (zh) * | 2023-05-23 | 2023-10-10 | 江苏华存电子科技有限公司 | 一种数据的加密管理方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103365729A (zh) * | 2013-07-19 | 2013-10-23 | 哈尔滨工业大学深圳研究生院 | 一种基于任务类型的动态MapReduce 调度方法及系统 |
-
2022
- 2022-10-13 CN CN202211252883.6A patent/CN115543624A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103365729A (zh) * | 2013-07-19 | 2013-10-23 | 哈尔滨工业大学深圳研究生院 | 一种基于任务类型的动态MapReduce 调度方法及系统 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115952009A (zh) * | 2023-03-15 | 2023-04-11 | 北京泰尔英福科技有限公司 | 基于算网融合特征的数据中心推荐方法及装置 |
| CN116865952A (zh) * | 2023-05-23 | 2023-10-10 | 江苏华存电子科技有限公司 | 一种数据的加密管理方法及系统 |
| CN116865952B (zh) * | 2023-05-23 | 2024-02-20 | 江苏华存电子科技有限公司 | 一种数据的加密管理方法及系统 |
| CN116737178A (zh) * | 2023-08-10 | 2023-09-12 | 北京万界数据科技有限责任公司 | 一种训练任务编排方法及系统 |
| CN116737178B (zh) * | 2023-08-10 | 2023-10-20 | 北京万界数据科技有限责任公司 | 一种训练任务编排方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10474504B2 (en) | Distributed node intra-group task scheduling method and system | |
| CN115543624A (zh) | 异构算力编排调度方法、系统、设备及存储介质 | |
| WO2021159638A1 (zh) | 集群队列资源的调度方法、装置、设备及存储介质 | |
| CN114741207B (zh) | 一种基于多维度组合并行的gpu资源调度方法和系统 | |
| CN110069341B (zh) | 边缘计算中结合功能按需配置的有依赖关系任务的调度方法 | |
| CN113037877B (zh) | 云边端架构下时空数据及资源调度的优化方法 | |
| Liu et al. | Quantitative workload analysis and prediction using Google cluster traces | |
| CN114610474B (zh) | 一种异构超算环境下多策略的作业调度方法及系统 | |
| CN111459641B (zh) | 一种跨机房的任务调度和任务处理的方法及装置 | |
| CN109861850B (zh) | 一种基于sla的无状态云工作流负载均衡调度的方法 | |
| CN106130960B (zh) | 盗号行为的判断系统、负载调度方法和装置 | |
| CN115134371A (zh) | 包含边缘网络算力资源的调度方法、系统、设备及介质 | |
| CN112365366A (zh) | 一种基于智能化5g切片的微电网管理方法及系统 | |
| CN105824705B (zh) | 一种任务分配方法和电子设备 | |
| CN114327811A (zh) | 一种任务调度方法、装置、设备及可读存储介质 | |
| CN115794341A (zh) | 基于人工智能的任务调度方法、装置、设备及存储介质 | |
| CN108132840A (zh) | 一种分布式系统中的资源调度方法及装置 | |
| CN116402318B (zh) | 面向配电网的多级算力资源分配方法、装置及网络架构 | |
| CN112948109A (zh) | 一种ai计算集群的配额弹性调度方法、装置及介质 | |
| CN117311973A (zh) | 计算设备调度方法、装置、非易失性存储介质及电子设备 | |
| Oliveira et al. | Optimizing query prices for data-as-a-service | |
| CN112099932A (zh) | 边缘计算中软-硬截止期任务卸载的最佳定价方法及系统 | |
| CN117076882A (zh) | 一种云服务资源动态预测管理方法 | |
| CN117435335A (zh) | 算力调度方法、装置、计算机设备和存储介质 | |
| CN115543582A (zh) | 超算算力网络统一调度方法、系统及设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221230 |