CN115766884A - 计算任务处理方法、装置、设备及介质 - Google Patents
计算任务处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115766884A CN115766884A CN202211391379.4A CN202211391379A CN115766884A CN 115766884 A CN115766884 A CN 115766884A CN 202211391379 A CN202211391379 A CN 202211391379A CN 115766884 A CN115766884 A CN 115766884A
- Authority
- CN
- China
- Prior art keywords
- current
- computing
- target
- nodes
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了一种计算任务处理方法、装置、设备及介质,涉及计算机技术领域,包括:获取目标终端的当前计算任务的数据包、当前计算任务的标识信息,利用标识信息确定当前计算任务的计算类型;确定所有算力节点与接入路由器的路径距离,基于计算类型、当前网络链路状态信息、所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及路径距离,从所有算力节点中筛选出目标算力节点,利用软件定义网络方式和分段路由技术规划目标算力节点与接入路由器之间的目标传输路径;利用带宽预留机制将数据包传输至目标算力节点,目标算力节点利用资源预留机制对当前计算任务的数据包进行处理。能够实现高质量计算任务处理以及高质量计算任务传输。
Description
技术领域
本发明涉及计算机技术领域,特别涉及计算任务处理方法、装置、设备及介质。
背景技术
随着边缘计算以及智能终端设备的大量部署,用户终端接入并使用这些海量的分布式计算资源变得更加方便快捷。然而,如何更加高效地利用这些计算资源成为当前亟需解决的问题。单一的边缘计算节点资源受限,难以有效快速处理计算任务,特别是对于一些计算密集型的计算任务,可能导致边缘计算节点负载重、计算任务处理时间长的问题;虽然计算资源呈现出泛在部署的趋势,但是边缘计算节点之间,以及边缘计算节点与云计算节点之间缺乏有效协同机制,计算任务的分配与调度机制尚不完善,造成计算资源利用率低。因此,为更加高效利用网络边缘的海量分布式计算资源,推动分布式边缘计算与网络的深度融合及协同处理,算力网络(CPN,compute power networking)的概念得以提出。算力网络旨在将分布式计算节点打通互联、统筹调度,通过对网络架构和协议的改进,实现网络和计算资源的优化和高效利用。算力网络一经提出,就得到了学术界和产业界的广泛关注,诸如智能制造、智能驾驶等新业务,不仅需要高性能的算力资源,还要求网络提供确定性、可靠性的保障,以满足新业务功能和性能需求。然而,当前的网络还不能实现算力节点之间的端到端确定性传输和算力高效调度,这就迫切要求开展基于确定性的算力网络技术研究,构建连通异构泛在算力节点,保障传输低时延、高可靠、路径最优化的确定性算力网络,以满足计算任务在算力节点间端到端高质量、确定性的传输和调度。
传统的算力网络调度方法,只是解决能不能处理计算任务或有没有处理计算任务的问题,而算力网络今后应该解决的问题是是如何高质量的计算、高质量传输;目前的现有技术中计算任务的分发调度策略基于网络链路资源方案,但是不能充分保证确定的用于处理计算任务的算力节点以及在传输计算任务时的传输路径都是最优的,进而导致无法实现真正的高质量的计算、高质量传输。
综上可见,如何实现高质量计算任务处理以及高质量计算任务传输是本领域有待解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种计算任务处理方法、装置、设备及介质,能够实现高质量计算任务处理以及高质量计算任务传输。其具体方案如下:
第一方面,本申请公开了一种计算任务处理方法,应用于确定性算力网络系统,包括:
建立目标终端与所述确定性算力网络系统中接入路由器的传输连接,并基于所述传输连接获取所述目标终端的当前计算任务的数据包、所述当前计算任务的标识信息,利用所述标识信息确定所述当前计算任务的计算类型;
分别确定所有算力节点与所述接入路由器的路径距离,并基于所述计算类型、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出目标算力节点,利用软件定义网络方式和分段路由技术规划所述目标算力节点与所述接入路由器之间的目标传输路径;
基于所述目标传输路径,并利用带宽预留机制将所述数据包传输至所述目标算力节点,以便所述目标算力节点利用资源预留机制对所述当前计算任务的所述数据包进行处理。
可选的,所述基于所述传输连接获取所述目标终端的当前计算任务的数据包、所述当前计算任务的标识信息之前,还包括:
若当前计算任务的类型为计算密集型,则通过目标终端对所述当前计算任务的预设标识位置进行设置,以得到与所述计算密集型对应的所述当前计算任务的标识信息;
和/或,若当前计算任务的类型为时间敏感型,则通过目标终端对所述当前计算任务的预设标识位置进行设置,以得到与所述时间敏感型对应的所述当前计算任务的标识信息。
可选的,所述基于所述计算类型、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出目标算力节点之前,还包括:
获取当前网络链路状态信息、算力节点服务载体信息以及包含所述所有算力节点的当前负载信息的当前算力资源状态信息。
可选的,所述基于所述计算类型、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出目标算力节点,包括:
基于所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述当前所有算力节点中筛选出当前算力节点,并计算出所述数据包从所述接入路由器传输至所述当前算力节点的传输时间,基于所述当前算力节点的传输时间判断所述当前算力节点是否满足所述数据包中属性信息的时延条件;
若不满足则将所述当前算力节点从所述当前所有算力节点中剔除,以得到下一所有算力节点,并将所述下一所有算力节点更新为所述当前所有算力节点,重新跳转至所述基于所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述当前所有算力节点中筛选出当前算力节点的步骤,直至所述当前算力节点满足所述时延条件,以便将所述当前算力节点判定为目标算力节点。
可选的,所述基于所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述当前所有算力节点中筛选出当前算力节点,包括:
确定所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离的权重系数和评分值;
利用所述权重系数对所述评分值进行加权计算,以得到所述当前所有算力节点的加权计算结果,并基于从大到小的顺序从所述加权计算结果筛选出当前算力节点。
可选的,所述确定所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离的权重系数,包括:
若当前网络链路状态信息满足第一预设条件,则缩小所述当前网络链路状态信息的权重系数至第一预设阈值,并确定所述计算类型、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离的权重系数;
若所述当前计算任务满足第二预设条件,则提高所述计算类型的权重系数至第二预设阈值,并确定所述当前网络链路状态信息、所述当前算力资源状态信息、所述算力节点服务载体信息以及所述路径距离的权重系数。
可选的,所述利用软件定义网络方式和分段路由技术规划所述目标算力节点与所述接入路由器之间的目标传输路径,包括:
规划出所述目标算力节点与所述接入路由器之间的传输路径,以得到包含若干条所述传输路径的路径库,并基于从小到大的顺序从所述路径库中筛选出当前传输路径,判断所述当前传输路径的任务流是否小于预设任务流阈值;
若小于则判定所述当前传输路径为目标传输路径,若不小于则将所述当前传输路径从所述路径库中剔除,并重新跳转至所述基于从小到大的顺序从若干条所述传输路径中筛选出当前传输路径的步骤,直至所述当前传输路径的任务流小于所述预设任务流阈值,从而得到目标传输路径。
第二方面,本申请公开了一种计算任务处理装置,应用于确定性算力网络系统,包括:
路径距离确定模块,用于获取当前计算任务的数据包、所述当前计算任务的标识信息以及所述当前计算任务的属性信息,并利用所述标识信息确定所述当前计算任务的计算类型,确定所有算力节点与目标终端的路径距离;
目标节点筛选模块,用于基于所述属性信息、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出满足预设算力节点计算资源预留机制的目标算力节点;
处理模块,用于规划所述目标算力节点与所述目标终端之间的目标传输路径,并基于所述目标传输路径将所述数据包传输至所述目标算力节点,以便所述目标算力节点基于所述数据包对所述当前计算任务进行处理。
第三方面,本申请公开了一种电子设备,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现前述公开的计算任务处理方法的步骤。
第四方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述公开的计算任务处理方法的步骤。
可见,本申请建立目标终端与所述确定性算力网络系统中接入路由器的传输连接,并基于所述传输连接获取所述目标终端的当前计算任务的数据包、所述当前计算任务的标识信息,利用所述标识信息确定所述当前计算任务的计算类型;分别确定所有算力节点与所述接入路由器的路径距离,并基于所述计算类型、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出目标算力节点,利用软件定义网络方式和分段路由技术规划所述目标算力节点与所述接入路由器之间的目标传输路径;基于所述目标传输路径,并利用带宽预留机制将所述数据包传输至所述目标算力节点,以便所述目标算力节点利用资源预留机制对所述当前计算任务的所述数据包进行处理。由此可见,本申请在确定目标算力节点时,需要将计算类型、当前网络链路状态信息、所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及路径距离都纳入考虑范围内,使得筛选出的目标算力节点能够满足当前计算任务所需的网络链路状态、算力资源状态、服务载体、计算类型以及路径距离,并且对目标算力节点进行资源预留处理,即后续目标算力节点利用资源预留机制处理当前计算任务的数据包,进而保证目标算力节点有充足的计算资源对当前计算任务处理,也即保证了可以高质量处理当前计算任务;在规划目标算力节点与接入路由器之间的目标传输路径时,采用了利用软件定义网络方式和分段路由技术,使得目标传输路径为所有传输路径中最优的,又因为在传输当前计算任务的数据包时采用宽带预留机制,保证该目标传输路径有充足的宽带资源将将当前计算任务的数据包传输至目标算力节点,也即可以高质量的将当前计算任务的数据包传输至目标算力节点。
附图说明
为了更清楚地说明本申请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的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种计算任务处理方法流程图;
图2为本申请公开的一种具体的计算任务处理方法流程图;
图3为本申请公开的一种具体的计算任务处理方法流程图;
图4为本申请公开的一种具体的计算任务处理示意图;
图5为本申请公开的一种计算任务处理装置结构示意图;
图6为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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,本领域普通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。
传统的算力网络调度方法,只是解决能不能处理计算任务或有没有处理计算任务的问题,而算力网络今后应该解决的问题是是如何高质量的计算、高质量传输;目前的现有技术中计算任务的分发调度策略基于网络链路资源方案,但是不能充分保证确定的用于处理计算任务的算力节点以及在传输计算任务时的传输路径都是最优的,进而导致无法实现真正的高质量的计算、高质量传输。
为此本申请相应的提供了一种计算任务处理方案,能够实现高质量计算任务处理以及高质量计算任务传输。
参见图1所示,本申请实施例公开了一种计算任务处理方法,应用于确定性算力网络系统,包括:
步骤S11:建立目标终端与所述确定性算力网络系统中接入路由器的传输连接,并基于所述传输连接获取所述目标终端的当前计算任务的数据包、所述当前计算任务的标识信息,利用所述标识信息确定所述当前计算任务的计算类型。
本实施例中,所述基于所述传输连接获取所述目标终端的当前计算任务的数据包、所述当前计算任务的标识信息之前,还包括:若当前计算任务的类型为计算密集型,则通过目标终端对所述当前计算任务的预设标识位置进行设置,以得到与所述计算密集型对应的所述当前计算任务的标识信息;和/或,若当前计算任务的类型为时间敏感型,则通过目标终端对所述当前计算任务的预设标识位置进行设置,以得到与所述时间敏感型对应的所述当前计算任务的标识信息。可以理解的是,可以通过目标终端对当前计算任务进行添加标识处理,即对当前计算任务的预设标识位置进行设置,以得到与计算类型对应的标识信息,计算类型可以为计算密集型或时间敏感型,也可以既是计算密集型,又是时间敏感型,例如自动驾驶计算任务、AR(Augmented Reality,即增强现实)/VR(Virtual Reality,即虚拟现实)计算任务,这些任务需要进行大量的计算,并且还需要在较短的时间内处理完成,那么进一步也说明了这种计算任务需要较高的传输速度、处理速度。
需要注意的是,确定性算力网络系统包括预设数据平面和预设管控平面,其中,数据平面中包含接入路由器,预设数据平面建立目标终端与接入路由器的传输连接;接入路由器基于传输连接获取目标终端的当前计算任务的数据包、当前计算任务的标识信息,并将数据包和标识信息上报至预设管控平面。
步骤S12:分别确定所有算力节点与所述接入路由器的路径距离,并基于所述计算类型、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出目标算力节点,利用软件定义网络方式和分段路由技术规划所述目标算力节点与所述接入路由器之间的目标传输路径。
本实施例中,所述基于所述计算类型、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出目标算力节点之前,还包括:获取当前网络链路状态信息、算力节点服务载体信息以及包含所述所有算力节点的当前负载信息的当前算力资源状态信息。预设管控平面接收预设数据平面上报的数据包和标识信息,并且预设管控平面还需要获取当前网络链路状态信息、算力节点服务载体信息以及包含所有算力节点的当前负载信息的当前算力资源状态信息。其中,当前网络链路状态信息是指当前各个算力节点与对应的路由器直连网络的状态,并包含关于网络类型以及网络中与当前路由器相邻的所有路由器的信息;当前算力资源状态信息可以包括当前并行计算资源、当前串行计算资源、当前负载信息,例如CPU(Central Processing Unit)、GPU(Graphics Processing Unit)的当前负载情况;算力节点服务载体信息即为各个算力节点中服务载体信息,服务载体例如为虚拟机、容器。
可以理解的是,本实施例中,需要利用计算类型、当前网络链路状态信息、当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所有算力节点中筛选出合理的目标算力节点,筛选的方法例如为加权计算,把计算类型、当前网络链路状态信息、当前算力资源状态信息、算力节点服务载体信息以及所述路径距离作为参数,基于当前计算任务的实际情况,为各个参数赋予权重系数,因为考虑了计算类型、当前网络链路状态信息、当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,因此尽可能的筛选出当前网络链路状态最优、当前算力资源状态最好、算力节点服务载体与当前计算任务和计算类型相匹配、路径距离最短的目标算力节点,以便能够高质量的利用目标算力节点处理当前计算任务,其中,若路径距离较短的算力节点A中没有对应的服务载体C,而筛选出的目标算力节点B与接入路由器之间的传输时间较长,那么可以利用serverless技术,在计算节点A启动对应的计算机中服务载体C,并利用服务载体C处理当前计算任务。
本实施例中,利用软件定义网络方式和分段路由技术规划目标算力节点与接入路由器之间的目标传输路径,可以理解的是,目标算力节点与接入路由器之间可以存在多个传输路径,为了快速传输当前计算任务的数据包,可以尽可能缩短传输路径,即最短的传输路径作为目标传输路径。
步骤S13:基于所述目标传输路径,并利用带宽预留机制将所述数据包传输至所述目标算力节点,以便所述目标算力节点利用资源预留机制对所述当前计算任务的所述数据包进行处理。
本实施例中,带宽预留即为把对应的带宽预先分配给确定性算力网络系统和目标算力节点的应用程序过程,可以预先根据当前计算任务的重要性和/或延迟敏感性确定当前计算任务的分配优先级,这样就最大限度地利用了可用带宽,也即首先确定出传输当前计算任务所需的宽带,当进行传输当前计算任务时,则利用该宽带进行传输,保证当前计算任务有充分的宽带资源用于传输,又因为目标传输路径在所有传输路径中为较短的,那么可以缩短传输时间,进一步的提高了传输质量。
可以理解的是,本实施例中,资源预留即为在确定出目标算力节点之后,在目标算力节点中确定出需要处理当前计算任务所需的计算资源,当目标算力节点接收到数据包之后,利用该计算资源处理当前计算任务,以保证有充足的计算资源处理当前计算任务,即高质量处理当前计算任务。
可见,本申请建立目标终端与所述确定性算力网络系统中接入路由器的传输连接,并基于所述传输连接获取所述目标终端的当前计算任务的数据包、所述当前计算任务的标识信息,利用所述标识信息确定所述当前计算任务的计算类型;分别确定所有算力节点与所述接入路由器的路径距离,并基于所述计算类型、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出目标算力节点,利用软件定义网络方式和分段路由技术规划所述目标算力节点与所述接入路由器之间的目标传输路径;基于所述目标传输路径,并利用带宽预留机制将所述数据包传输至所述目标算力节点,以便所述目标算力节点利用资源预留机制对所述当前计算任务的所述数据包进行处理。由此可见,本申请在确定目标算力节点时,需要将计算类型、当前网络链路状态信息、所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及路径距离都纳入考虑范围内,使得筛选出的目标算力节点能够满足当前计算任务所需的网络链路状态、算力资源状态、服务载体、计算类型以及路径距离,并且对目标算力节点进行资源预留处理,即后续目标算力节点利用资源预留机制处理当前计算任务的数据包,进而保证目标算力节点有充足的计算资源对当前计算任务处理,也即保证了可以高质量处理当前计算任务;在规划目标算力节点与接入路由器之间的目标传输路径时,采用了利用软件定义网络方式和分段路由技术,使得目标传输路径为所有传输路径中最优的,又因为在传输当前计算任务的数据包时采用宽带预留机制,保证该目标传输路径有充足的宽带资源将将当前计算任务的数据包传输至目标算力节点,也即可以高质量的将当前计算任务的数据包传输至目标算力节点。
参见图2所示,本申请实施例公开了一种具体的计算任务处理方法,应用于确定性算力网络系统,包括:
步骤S21:建立目标终端与所述确定性算力网络系统中接入路由器的传输连接,并基于所述传输连接获取所述目标终端的当前计算任务的数据包、所述当前计算任务的标识信息,利用所述标识信息确定所述当前计算任务的计算类型。
步骤S22:分别确定所有算力节点与所述接入路由器的路径距离,并基于所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述当前所有算力节点中筛选出当前算力节点,并计算出所述数据包从所述接入路由器传输至所述当前算力节点的传输时间,基于所述当前算力节点的传输时间判断所述当前算力节点是否满足所述数据包中属性信息的时延条件。
本实施例中,所述基于所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述当前所有算力节点中筛选出当前算力节点,包括:确定所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离的权重系数和评分值;利用所述权重系数对所述评分值进行加权计算,以得到所述当前所有算力节点的加权计算结果,并基于从大到小的顺序从所述加权计算结果筛选出当前算力节点。可以理解的是,计算类型、当前网络链路状态信息、当前算力资源状态信息、算力节点服务载体信息以及路径距离各项参数的权重系数之和为1,其中,各项参数的权重系数可以基于实际情况进行赋值,例如计算类型的权重系数为0.3、当前网络链路状态信息的权重系数为0.2、当前算力资源状态信息的权重系数为0.1、算力节点服务载体信息的权重系数为0.2、路径距离的权重系数为0.2。为了可以将各项参数进行加权计算,可以对各项参数进行评估,以得到各项参数的评分值,各项参数的评分值用于反映当前各项参数的状态,即各项参数的状态越好,评分值越低,评估方法可以是由专业技术人员基于实际情况进行评估。其中,加权计算相关公式可以如下所示:
R=αA+βB+γC+δD+εE;
式中,R表示加权计算结果,A表示计算类型的评分值,α表示计算类型的权重系数,B表示当前网络链路状态信息的评分值,β表示当前网络链路状态信息的权重系数,C表示当前算力资源状态信息的评分值,γ表示当前算力资源状态信息的权重系数,D表示算力节点服务载体信息的评分值,δ表示算力节点服务载体信息的权重系数,E表示路径距离的评分值,ε表示路径距离的权重系数。
本实施例中,所述确定所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离的权重系数,包括:若当前网络链路状态信息满足第一预设条件,则缩小所述当前网络链路状态信息的权重系数至第一预设阈值,并确定所述计算类型、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离的权重系数;若所述当前计算任务满足第二预设条件,则提高所述计算类型的权重系数至第二预设阈值,并确定所述当前网络链路状态信息、所述当前算力资源状态信息、所述算力节点服务载体信息以及所述路径距离的权重系数。其中,在确定各项参数的权重系数时,如果当前网络链路状态信息表征当前的网络链路状态较好,即各个算力节点与各自对应的路由器的网络连接状态都较好,数据传输时丢包、排队情况较少,则满足第一预设条件,那么说明当前网络链路状态信息这项参数对数据传输影响很小,因此可以降低当前网络链路状态信息的权重系数至0.1,并适当提高其他各项参数的权重系数,以筛选出更合理的算力节点;如果当前计算任务需要进行大量计算,则说明其计算类型是计算密集型和/或时间敏感型,即满足第二预设条件因此需要将计算类型这项参数的权重系数提高至第二预设阈值,例如当前计算任务需要进行神经网络训练,即需要进行大量计算,对CPU的要求更高,则将计算类型的权重系数确定为第二预设阈值0.4。需要注意的是,从当前所有算力节点中筛选出当前算力节点后,还需要计算出数据包从接入路由器传输至当前算力节点的传输时间,然后基于当前算力节点的传输时间判断所述当前算力节点是否满足数据包中属性信息的时延条件,例如属性信息中时延条件为最高传输时间为10ms,而从接入路由器传输至当前算力节点的传输时间为9ms,因此满足属性信息中时延条件,那么当前算力节点即为目标算力节点。
步骤S23:若不满足则将所述当前算力节点从所述当前所有算力节点中剔除,以得到下一所有算力节点,并将所述下一所有算力节点更新为所述当前所有算力节点,重新跳转至所述基于所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述当前所有算力节点中筛选出当前算力节点的步骤,直至所述当前算力节点满足所述时延条件,以便将所述当前算力节点判定为目标算力节点。
本实施例中,如果当前算力节点不满足例如属性信息中时延条件,例如属性信息中时延条件为最高传输时间为1ms,而从接入路由器传输至当前算力节点的传输时间为2ms,因此不满足属性信息中时延条件,那么当前算力节点不可以目标算力节点,并且从当前所有算力节点中剔除,以得到下一所有算力节点,然后再重新筛选出当前算力节点,直至筛选出目标算力节点。可以理解的是,可以在目标算力节点中预留出与的确计算任务所需的计算资源,以便后续可以利用资源预留机制对的确计算任务进行处理。需要注意的是,如果当前有多个计算任务同时到达同一目标算力节点,可以预先为每个计算任务设置处理优先级,以便目标算力节点基于处理优先级的顺序进行处理,例如计算任务A的处理优先级为最高级、计算任务B的处理优先级为中级、计算任务C的处理优先级为最低级,以便当计算任务A、B、C同时到达目标算力节点F时,目标算力节点的处理顺序可以计算任务A、B、C;另外,如果处理优先级为最高级的计算任务E到达目标算力节点时H,目标算力节点H正在处理处理优先级为最低级的计算任务F,那么目标算力节点H可以中断处理计算任务F,并在对应的计算处理单元处理计算任务E,使得计算任务E无需排队等待。
步骤S24:基于所述目标传输路径,并利用带宽预留机制将所述数据包传输至所述目标算力节点,以便所述目标算力节点利用资源预留机制对所述当前计算任务的所述数据包进行处理。
由此可见,本申请在筛选出目标算力节点时,利用加权计算方法,充分考虑了计算类型、当前网络链路状态信息、当前算力资源状态信息、算力节点服务载体信息以及路径距离各项参数对当前计算任务传输与处理的影响,以得到更加合理的目标算力节点,以便可以高质量处理当前计算任务。
参见图3所示,本申请实施例公开了一种具体的计算任务处理方法,应用于确定性算力网络系统,包括:
步骤S31:建立目标终端与所述确定性算力网络系统中接入路由器的传输连接,并基于所述传输连接获取所述目标终端的当前计算任务的数据包、所述当前计算任务的标识信息,利用所述标识信息确定所述当前计算任务的计算类型。
步骤S32:分别确定所有算力节点与所述接入路由器的路径距离,并基于所述计算类型、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出目标算力节点。
步骤S33:规划出所述目标算力节点与所述接入路由器之间的传输路径,以得到包含若干条所述传输路径的路径库,并基于从小到大的顺序从所述路径库中筛选出当前传输路径,判断所述当前传输路径的任务流是否小于预设任务流阈值。
本实施例中,筛选出目标算力节点之后,构建确定性传输路径。具体地,SDN(Software-defined networking,即软件定义网络控制器通过南向接口协议实现对数据平面设备和数据包转发的控制;在确定性算力网络管控平面,集成SDN控制器功能;另一方面,SR(Segment Routing,即分段路由)通过一个有序指令列表(segment)转发数据分组。因此,SDN与SR结合,SDN控制器实现路由路径的规划和决策,形成SR路径信息列表,然后SDN控制器通过南向接口,向算网路由设备下发带有SR路径信息的路由指令,算网路由设备严格按照路由指令转发数据包,实现对传输路径的确定性管控。利用SDN)方式、SR技术,首先构建目标算力节点与接入路由器之间的所有传输路径,并优先筛选出路径距离最短的传输路径,判断该传输路径是否到确定性任务流的上限,也即需要判断该传输路径的当前已用于传输数据的带宽资源是否小于预设任务流阈值,以此保证后续利用该传输路径进行传输时,有充分的带宽资源用于传输。例如规划出目标算力节点与接入路由器之间的传输路径为3条,因此得到了包含传输路径A、传输路径B、传输路径C的路径库,可以将传输路径A、传输路径B、传输路径C按照从小到大的顺序排列,例如排列后的顺序为:传输路径A<传输路径C<传输路径B,筛选出最小的传输路径以作为当前传输路径,即传输路径A,并判断传输路径A的任务流是否小于预设任务流阈值。
步骤S34:若小于则判定所述当前传输路径为目标传输路径,若不小于则将所述当前传输路径从所述路径库中剔除,并重新跳转至所述基于从小到大的顺序从若干条所述传输路径中筛选出当前传输路径的步骤,直至所述当前传输路径的任务流小于所述预设任务流阈值,从而得到目标传输路径。
可以理解的是,本实施例中,如果传输路径A的任务流小于预设任务流阈值,那么传输路径A作为目标传输路径;如果传输路径A不小于预设任务流阈值,则将传输路径A从路径库中提出,然后将传输路径C作为当前传输路径,如果传输路径C的任务流小于预设任务流阈值,则传输路径C为目标传输路径,并且在传输路径C中确定出用于传输当前计算任务的数据包的带宽资源,以便可以保证有充足的带宽资源将数据包进行传输,提高数据的传输质量。
本实施例中,为了降低传输当前计算任务数据包的时间以及不存在丢包问题、堵塞问题的几率,采用带宽资源预留机制之外,还可以结合队列调度优化机制,保障传输的时延抖动确定性。带宽资源预留机制即对指定的传输路径,设置只传输目标计算任务数据包,通过让计算任务数据包的独享传输链路的带宽资源,保证不发生拥塞问题;队列调度优化机制是指可以为当前计算任务设置传输优先级,例如当前计算任务的传输优先级为最高级,如果当前计算任务的数据包与其他低等级的数据包在路由交换节点发生冲突,可以优先传输当前计算任务的数据包。
步骤S35:基于所述目标传输路径,并利用带宽预留机制将所述数据包传输至所述目标算力节点,以便所述目标算力节点利用资源预留机制对所述当前计算任务的所述数据包进行处理。
由此可见,本申请中在确定目标传输路径时,不仅仅考虑路径的大小,还需要考虑传输路径的任务流是否小于预设任务流阈值,以便筛选出路径距离尽可能短、任务流小于预设任务流阈值的目标传输路径,目标传输路径的长度尽可能短可以降低数据传输时间,提高传输效率,而目标传输路径的任务流小于预设任务流阈值,以保证目标传输路径中可以有充分的宽带资源将数据包进行传输,实现了高质量的数据传输。
下面以图4所示的一种具体的计算任务处理示意图为例,对本申请中的技术方案进行说明。确定性算力网络系统包括预设数据平面和预设管控平面,其中,数据平面中包含接入路由器,预设管控平面包括算力服务感知单元、算力资源感知单元、网络资源感知单元、网络路径规划单元、算力资源保障单元、网络时延控制单元、算力任务调度单元、网络资源保障单元。
预设数据平面建立目标终端与接入路由器的传输连接;接入路由器基于传输连接获取目标终端的当前计算任务的数据包、当前计算任务的标识信息,并将数据包和标识信息上报至预设管控平面;预设管控平面基于标识信息确定当前计算任务的计算类型,确定所有算力节点与接入路由器的路径距离,算力服务感知单元获取算力节点服务载体信息,算力资源感知单元获取所有算力节点的当前算力资源状态信息,网络资源感知单元获取当前网络链路状态信息。
基于计算类型、当前网络链路状态信息、所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及路径距离,从所有算力节点中筛选出目标算力节点,其中在筛选目标算力节点网络的过程中,网络时延控制单元确定数据包从接入路由器传输至当前算力节点的传输时间,并利用传输时间、数据包中属性信息的时延条件筛选目标算力节点,确定出目标算力节点之后,算力资源保障单元确定目标算力节点中预留与当前计算任务对应的计算资源。
路径规划单元利用软件定义网络方式和分段路由技术规划目标算力节点与接入路由器之间的目标传输路径,网络资源保障单元在目标传输路径中确定出用于传输当前计算任务的数据包的宽带资源,以保障数据包有充足的宽带资源,提高传输质量。
通过目标传输路径将数据包传输至目标算力节点后,当发生多个任务同时到达同一目标算力节点时,算力任务调度单元可以确定每个计算任务的处理顺序,可以合理处理计算任务。
参见图5所示,本申请实施例公开了一种计算任务处理装置,应用于确定性算力网络系统,包括:
路径距离确定模块11,用于获取当前计算任务的数据包、所述当前计算任务的标识信息以及所述当前计算任务的属性信息,并利用所述标识信息确定所述当前计算任务的计算类型,然后确定所有算力节点与目标终端的路径距离;
目标节点筛选模块12,用于基于所述属性信息、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息以及所述路径距离,从所述所有算力节点中筛选出满足预设算力节点计算资源预留机制的目标算力节点;
处理模块13,用于规划所述目标算力节点与所述目标终端之间的目标传输路径,并基于所述目标传输路径将所述数据包传输至所述目标算力节点,以便所述目标算力节点基于所述数据包对所述当前计算任务进行处理。
其中,关于上述各个模块更加具体的工作过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
可见,本申请建立目标终端与所述确定性算力网络系统中接入路由器的传输连接,并基于所述传输连接获取所述目标终端的当前计算任务的数据包、所述当前计算任务的标识信息,利用所述标识信息确定所述当前计算任务的计算类型;分别确定所有算力节点与所述接入路由器的路径距离,并基于所述计算类型、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出目标算力节点,利用软件定义网络方式和分段路由技术规划所述目标算力节点与所述接入路由器之间的目标传输路径;基于所述目标传输路径,并利用带宽预留机制将所述数据包传输至所述目标算力节点,以便所述目标算力节点利用资源预留机制对所述当前计算任务的所述数据包进行处理。由此可见,本申请在确定目标算力节点时,需要将计算类型、当前网络链路状态信息、所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及路径距离都纳入考虑范围内,使得筛选出的目标算力节点能够满足当前计算任务所需的网络链路状态、算力资源状态、服务载体、计算类型以及路径距离,并且对目标算力节点进行资源预留处理,即后续目标算力节点利用资源预留机制处理当前计算任务的数据包,进而保证目标算力节点有充足的计算资源对当前计算任务处理,也即保证了可以高质量处理当前计算任务;在规划目标算力节点与接入路由器之间的目标传输路径时,采用了利用软件定义网络方式和分段路由技术,使得目标传输路径为所有传输路径中最优的,又因为在传输当前计算任务的数据包时采用宽带预留机制,保证该目标传输路径有充足的宽带资源将将当前计算任务的数据包传输至目标算力节点,也即可以高质量的将当前计算任务的数据包传输至目标算力节点。
进一步的,本申请实施例还提供了一种电子设备。图6是根据一示例性实施例示出的电子设备20结构图,图中的内容不能认为是对本申请的使用范围的任何限制。
图6为本申请实施例提供的一种电子设备的结构示意图。具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的由电子设备执行的计算任务处理方法中的相关步骤。
本实施例中,电源23用于为电子设备上的各硬件设备提供工作电压;通信接口24能够为电子设备创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
其中,处理器21可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器21可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器21可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器21还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源包括操作系统221、计算机程序222及数据223等,存储方式可以是短暂存储或者永久存储。
其中,操作系统221用于管理与控制电子设备上的各硬件设备以及计算机程序222,以实现处理器21对存储器22中海量数据223的运算与处理,其可以是Windows、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备执行的计算任务处理方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。数据223除了可以包括电子设备接收到的由外部设备传输进来的数据,也可以包括由自身输入输出接口25采集到的数据等。
进一步的,本申请实施例还公开了一种计算机可读存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器加载并执行时,实现前述任一实施例公开的由计算任务处理过程中执行的方法步骤。
最后,还需要说明的是,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。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、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种计算任务处理方法、装置、设备及介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种计算任务处理方法,其特征在于,应用于确定性算力网络系统,包括:
建立目标终端与所述确定性算力网络系统中接入路由器的传输连接,并基于所述传输连接获取所述目标终端的当前计算任务的数据包、所述当前计算任务的标识信息,利用所述标识信息确定所述当前计算任务的计算类型;
分别确定所有算力节点与所述接入路由器的路径距离,并基于所述计算类型、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出目标算力节点,利用软件定义网络方式和分段路由技术规划所述目标算力节点与所述接入路由器之间的目标传输路径;
基于所述目标传输路径,并利用带宽预留机制将所述数据包传输至所述目标算力节点,以便所述目标算力节点利用资源预留机制对所述当前计算任务的所述数据包进行处理。
2.根据权利要求1所述的计算任务处理方法,其特征在于,所述基于所述传输连接获取所述目标终端的当前计算任务的数据包、所述当前计算任务的标识信息之前,还包括:
若当前计算任务的类型为计算密集型,则通过目标终端对所述当前计算任务的预设标识位置进行设置,以得到与所述计算密集型对应的所述当前计算任务的标识信息;
和/或,若当前计算任务的类型为时间敏感型,则通过目标终端对所述当前计算任务的预设标识位置进行设置,以得到与所述时间敏感型对应的所述当前计算任务的标识信息。
3.根据权利要求2所述的计算任务处理方法,其特征在于,所述基于所述计算类型、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出目标算力节点之前,还包括:
获取当前网络链路状态信息、算力节点服务载体信息以及包含所述所有算力节点的当前负载信息的当前算力资源状态信息。
4.根据权利要求1至3任一项所述的计算任务处理方法,其特征在于,所述基于所述计算类型、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出目标算力节点,包括:
基于所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述当前所有算力节点中筛选出当前算力节点,并计算出所述数据包从所述接入路由器传输至所述当前算力节点的传输时间,基于所述当前算力节点的传输时间判断所述当前算力节点是否满足所述数据包中属性信息的时延条件;
若不满足则将所述当前算力节点从所述当前所有算力节点中剔除,以得到下一所有算力节点,并将所述下一所有算力节点更新为所述当前所有算力节点,重新跳转至所述基于所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述当前所有算力节点中筛选出当前算力节点的步骤,直至所述当前算力节点满足所述时延条件,以便将所述当前算力节点判定为目标算力节点。
5.根据权利要求4所述的计算任务处理方法,其特征在于,所述基于所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述当前所有算力节点中筛选出当前算力节点,包括:
确定所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离的权重系数和评分值;
利用所述权重系数对所述评分值进行加权计算,以得到所述当前所有算力节点的加权计算结果,并基于从大到小的顺序从所述加权计算结果筛选出当前算力节点。
6.根据权利要求5所述的计算任务处理方法,其特征在于,所述确定所述计算类型、当前网络链路状态信息、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离的权重系数,包括:
若当前网络链路状态信息满足第一预设条件,则缩小所述当前网络链路状态信息的权重系数至第一预设阈值,并确定所述计算类型、当前所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离的权重系数;
若所述当前计算任务满足第二预设条件,则提高所述计算类型的权重系数至第二预设阈值,并确定所述当前网络链路状态信息、所述当前算力资源状态信息、所述算力节点服务载体信息以及所述路径距离的权重系数。
7.根据权利要求1所述的计算任务处理方法,其特征在于,所述利用软件定义网络方式和分段路由技术规划所述目标算力节点与所述接入路由器之间的目标传输路径,包括:
规划出所述目标算力节点与所述接入路由器之间的传输路径,以得到包含若干条所述传输路径的路径库,并基于从小到大的顺序从所述路径库中筛选出当前传输路径,判断所述当前传输路径的任务流是否小于预设任务流阈值;
若小于则判定所述当前传输路径为目标传输路径,若不小于则将所述当前传输路径从所述路径库中剔除,并重新跳转至所述基于从小到大的顺序从若干条所述传输路径中筛选出当前传输路径的步骤,直至所述当前传输路径的任务流小于所述预设任务流阈值,从而得到目标传输路径。
8.一种计算任务处理装置,其特征在于,应用于确定性算力网络系统,包括:
路径距离确定模块,用于获取当前计算任务的数据包、所述当前计算任务的标识信息以及所述当前计算任务的属性信息,并利用所述标识信息确定所述当前计算任务的计算类型,确定所有算力节点与目标终端的路径距离;
目标节点筛选模块,用于基于所述属性信息、当前网络链路状态信息、所述所有算力节点的当前算力资源状态信息、算力节点服务载体信息以及所述路径距离,从所述所有算力节点中筛选出满足预设算力节点计算资源预留机制的目标算力节点;
处理模块,用于规划所述目标算力节点与所述目标终端之间的目标传输路径,并基于所述目标传输路径将所述数据包传输至所述目标算力节点,以便所述目标算力节点基于所述数据包对所述当前计算任务进行处理。
9.一种电子设备,其特征在于,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至7任一项所述的计算任务处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的计算任务处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211391379.4A CN115766884A (zh) | 2022-11-08 | 2022-11-08 | 计算任务处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211391379.4A CN115766884A (zh) | 2022-11-08 | 2022-11-08 | 计算任务处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115766884A true CN115766884A (zh) | 2023-03-07 |
Family
ID=85367947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211391379.4A Pending CN115766884A (zh) | 2022-11-08 | 2022-11-08 | 计算任务处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115766884A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116566992A (zh) * | 2023-07-10 | 2023-08-08 | 北京智芯微电子科技有限公司 | 边缘计算的动态协同方法、装置、计算机设备和存储介质 |
CN116582540A (zh) * | 2023-07-10 | 2023-08-11 | 北京智芯微电子科技有限公司 | 边缘计算的通信协同方法、装置、计算机设备和存储介质 |
CN116909758A (zh) * | 2023-09-13 | 2023-10-20 | 中移(苏州)软件技术有限公司 | 算力任务的处理方法、装置及电子设备 |
-
2022
- 2022-11-08 CN CN202211391379.4A patent/CN115766884A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116566992A (zh) * | 2023-07-10 | 2023-08-08 | 北京智芯微电子科技有限公司 | 边缘计算的动态协同方法、装置、计算机设备和存储介质 |
CN116582540A (zh) * | 2023-07-10 | 2023-08-11 | 北京智芯微电子科技有限公司 | 边缘计算的通信协同方法、装置、计算机设备和存储介质 |
CN116566992B (zh) * | 2023-07-10 | 2023-11-28 | 北京智芯微电子科技有限公司 | 边缘计算的动态协同方法、装置、计算机设备和存储介质 |
CN116582540B (zh) * | 2023-07-10 | 2024-01-16 | 北京智芯微电子科技有限公司 | 边缘计算的通信协同方法、装置、计算机设备和存储介质 |
CN116909758A (zh) * | 2023-09-13 | 2023-10-20 | 中移(苏州)软件技术有限公司 | 算力任务的处理方法、装置及电子设备 |
CN116909758B (zh) * | 2023-09-13 | 2024-01-26 | 中移(苏州)软件技术有限公司 | 算力任务的处理方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110505099B (zh) | 一种基于迁移a-c学习的服务功能链部署方法 | |
CN115766884A (zh) | 计算任务处理方法、装置、设备及介质 | |
US10805804B2 (en) | Network control method, apparatus, and system, and storage medium | |
CN107454015B (zh) | 一种基于OF-DiffServ模型的QoS控制方法及系统 | |
CN104426799A (zh) | 通信量和负载感知动态队列管理 | |
CN114268537B (zh) | 面向确定性网络的网络切片生成及动态配置系统及方法 | |
Sun et al. | Enhancing the user experience in vehicular edge computing networks: An adaptive resource allocation approach | |
Shi et al. | Real-time communication analysis with a priority share policy in on-chip networks | |
US11601876B2 (en) | Method for controlling the admission of slices into a virtualized telecommunication network and the congestion likely to be generated between services instantiated on said slices | |
CN110753319A (zh) | 异构车联网中面向异质业务的分布式资源分配方法及系统 | |
US7675916B2 (en) | Systems and methods for dynamically adjusting QoS parameters | |
CN111343097B (zh) | 链路负载均衡的方法、装置、电子设备及存储介质 | |
Bülbül et al. | Towards SDN-based dynamic path reconfiguration for time sensitive networking | |
EP3776226B1 (en) | Fine grain traffic shaping offload for a network interface card | |
Cattelan et al. | Iterative design space exploration for networks requiring performance guarantees | |
EP2996293B1 (en) | A packet scheduling networking device for deadline aware data flows | |
CN109792411B (zh) | 用于管理端到端连接的设备和方法 | |
CN115883490A (zh) | 基于sdn的分布式计算通信一体化调度方法及相关组件 | |
JP2002359634A (ja) | 通信経路設計方法、通信経路設計装置及びプログラム | |
US10986036B1 (en) | Method and apparatus for orchestrating resources in multi-access edge computing (MEC) network | |
CN110086662B (zh) | 一种需求定义网络的实现方法及网络架构 | |
Maity et al. | Resq: Reinforcement learning-based queue allocation in software-defined queuing framework | |
Sedaghat et al. | R2T-DSDN: reliable real-time distributed controller-based SDN | |
KR100712965B1 (ko) | QoS 관리 방법 및 시스템 | |
Wang et al. | NCC: Neighbor-aware Congestion Control based on Reinforcement Learning for Datacenter Networks |
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 |