CN116055499A - 基于redis的集群任务智能化调度方法、设备、介质 - Google Patents

基于redis的集群任务智能化调度方法、设备、介质 Download PDF

Info

Publication number
CN116055499A
CN116055499A CN202310344818.4A CN202310344818A CN116055499A CN 116055499 A CN116055499 A CN 116055499A CN 202310344818 A CN202310344818 A CN 202310344818A CN 116055499 A CN116055499 A CN 116055499A
Authority
CN
China
Prior art keywords
node
task
redis
cluster
optimal
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
Application number
CN202310344818.4A
Other languages
English (en)
Inventor
尹寿长
韩威宏
王伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Sefon Software Co Ltd
Original Assignee
Chengdu Sefon Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Sefon Software Co Ltd filed Critical Chengdu Sefon Software Co Ltd
Priority to CN202310344818.4A priority Critical patent/CN116055499A/zh
Publication of CN116055499A publication Critical patent/CN116055499A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/10Protocols in which an application is distributed across nodes in the network
    • H04L67/1001Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004Server selection for load balancing
    • H04L67/1008Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00Digital computers in general; Data processing equipment in general
    • G06F15/16Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • G06F15/161Computing infrastructure, e.g. computer clusters, blade chassis or hardware partitioning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083Techniques for rebalancing the load in a distributed system
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/10Protocols in which an application is distributed across nodes in the network
    • H04L67/1001Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004Server selection for load balancing
    • H04L67/1012Server selection for load balancing based on compliance of requirements or conditions with available server resources
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/2866Architectures; Arrangements
    • H04L67/2895Intermediate processing functionally located close to the data provider application, e.g. reverse proxies
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及计算机技术技术领域,具体而言,涉及基于redis的集群任务智能化调度方法、设备、介质,包括:各节点均配置任务调度器;通过服务器将任务请求分发到集群的某个节点;通过redis分析集群节点运行状态,判断最优节点是否是当前节点;若是,任务调度器则接收并处理该任务,否则任务调度器将任务再次转发到最优节点。集群节点没有主从之分,各节点均部署一套相同的任务调度器,通过两级式调度实现集群任务管理的智能化,能够根据集群中不同计算机节点工作状态智能化调度任务,实现任务的高效调度处理,提高集群资源利用率,保证集群高效、安全、稳定的运行。

Description

基于redis的集群任务智能化调度方法、设备、介质
技术领域
本发明涉及计算机技术技术领域,具体而言,涉及基于redis的集群任务智能化调度方法、设备、介质。
背景技术
集群是指将分散在不同地理位置的计算机(又称为节点)连接起来,组成空间上分散、逻辑上统一的计算集群,作为一个整体向用户提供服务。相比于一台计算机,其优势是将负载均衡到集群中的每台计算机上,以承载更高的访问量。集群任务调度是根据集群资源情况和任务类型将任务分配到工作节点,以实现负载均衡,集群资源合理分配,保证工作节点高效执行和系统运行的稳定性。
在现有技术中,主从节点方式实现集群任务调度的步骤有:
第一步,集群配置主节点,从节点。
第二步,集群初始化。
第三步,主节点周期性向从节点发送心跳信息。
第四步,从节点向主节点回复心跳信息,汇报当前节点运行状态。
第五步,主节点根据各从节点状态信息选取工作节点。
第六步,主节点将任务分发给工作节点。
在上述步骤处理用户任务请求时,通过向主节点的任务调度系统发送请求信息,主节点根据各从节点回复的心跳信息,选取最优的从节点作为任务接收节点,主节点将任务请求信息发给最优从节点。然而当用户发起负载小、工作量少但调度触发多样、调度运行复杂以及要求调度运维稳定可靠的轻型任务请求时,会产生一些问题,如(1)主节点需要管理集群中所有从节点会耗费大量管理成本;(2)从节点相比轻型任务过于巨大,造成节点资源的浪费;(3)单一调度系统对提交的任务进行调度执行时会面临大任务、大工作量、高并发的挑战,会产生巨大的调度压力。
发明内容
本发明的目的是提供基于redis的集群任务智能化调度方法、设备、介质,来解决现有技术中调度压力大的问题。
本发明的实施例通过以下技术方案实现:
第一方面,基于redis的集群任务智能化调度方法,包括:
接收任务请求,各节点均配置任务调度器,所述任务调度器用于接收处理或转发任务请求;
通过redis分析集群当前节点运行状态,判断当前节点是否是最优节点;
将任务请求分发至是最优节点的当前节点,任务调度器开始处理任务。
更进一步的是,还包括;
通过nginx服务器将任务请求分发到集群的某个节点;
通过redis分析集群节点运行状态,判断最优节点是否是当前节点;
若是,任务调度器则接收并处理该任务,否则任务调度器将任务再次转发到最优节点。
更进一步的是,还包括集群初始化,所述集群初始化包括:
读取系统设备文件,处理数据异常记录,初始化日志系统,启动对应数据库及服务器。
更进一步的是,还包括创建心跳服务,所述创建心跳服务包括:
各节点创建心跳服务线程;
设置心跳发送定时器,周期性发送节点心跳及资源使用情况;
在redis数据库中设置节点调度器的过期时间。
更进一步的是,还包括注册任务调度器,所述注册任务调度器包括:
向redis注册节点任务调度器信息,写入当前节点ip地址和端口号。
更进一步的是,所述写入当前节点ip地址和端口号还包括:
判断当前节点是否已注册;
若未注册,则进行写入当前节点ip地址和端口号;
若已注册,则判断当前节点是否存活,若存活则等待其它节点完成初始化,否则重新初始化;
将节点任务调度器信息写入redis有序集合中,完成节点任务调度器初始化。
更进一步的是,所述判断最优节点还包括确定最优节点,所述确定最优节点包括;
任务数最少且心跳正常的或资源最多且心跳正常的节点作为最优节点;
选择心跳状态正常的该节点作为最优节点;
若出现多个最优节点,则随机选取一个作为最优节点。
更进一步的是,还包括任务二次分发判断,所述任务二次分发判断包括;
判断当前节点与最优节点是否同为同一节点;
若不是,则将任务分发到最优节点;
若是,则接收任务进行处理。
更进一步的是,还包括;
根据任务请求信息在最优节点上创建任务进程;
创建完成后,更新redis数据库中最优节点的运行状态;
运行完成后,再次更新redis数据库中最优节点的运行状态。
第二方面,本发明还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序所述处理器执行所述计算机程序时实现上所述的基于redis的集群任务智能化调度方法。
第三方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现上述的基于redis的集群任务智能化调度方法。
本发明实施例的技术方案至少具有如下优点和有益效果:
1.本发明在集群节点上部署任务调度器,节点向redis发送心跳状态和当前运行任务信息,当节点收到任务请求后,通过redis分析当前集群节点运行状态,选取任务工作节点,实现任务的分发调度管理。
2.集群节点没有主从之分,各节点均部署一套相同的任务调度器,通过两级式调度实现集群任务管理的智能化,能够根据集群中不同计算机节点工作状态智能化调度任务,实现任务的高效调度处理,提高集群资源利用率,保证集群高效、安全、稳定的运行。
3. 本方法使用redis管理工作节点,智能化选取工作节点,能够有效节省集群的管理成本和节点源,易于集群扩展,部署简单,提高调度的便捷性和效率。
4.本方法采用两级任务调度,首先通过nginx反向代理服务将按照轮询策略将任务分配到工作节点,再根据redis查询获取最优工作节点是否是当前节点,完成任务的分发调度。
5.当不同任务的资源占用(内存/cpu/网络等资源的使用量,以及资源占用时间)比较平均时,能够解决任务阻塞问题,实现集群资源合理分配,资源利用率高。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本发明智能化调度方法结构图;
图2为本发明redis注册节点调度器流程图;
图3为本发明集群服务部署示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
需要对本发明的可能涉及的关键术语进行进一步的解释:
集群:即计算机集群,是一种计算机系统,将分散在不同地理位置的计算机(又称为节点)连接起来,组成空间上分散、逻辑上统一的计算集群,作为一个整体向用户提供服务。相比一台计算机,集群的优势在于将负载均衡到每台计算机上,可以承载更高的访问量。
分布式:即分布式集群,指将工作进行业务拆分,然后后由多种不同的服务器的处理,相当于并行的工作方式,客户端请求需要所有服务器共同进行处理。分布式一定集群,但是集群不一定是分布式。
负载均衡:将负载(工作任务)进行平衡、分摊到多个执行单元上运行。通常应用服务部署到多台服务器或计算机上,然后通过负载均衡将用户的任务请求分发到不同的服务器用来提高网站、应用、数据库或其他服务的性能以及可靠性。
任务调度: 将集群上的作业任务分配到一个或多个节点上的过程,以实现负载均衡,合理使用集群节点资源。
redis:一个支持网络交互的、可基于内存也可持久化的key-value数据库。常用做缓存。将一些读多写少的数据放置其中,实现数据的高效读取,有效减少数据库频繁访问读取的压力。
数据库(database,DB):是指长期存储在计算机内的、有组织的、可共享的数据的集合。数据库中的数据按一定的数学模型组织、描述和存储,具有较小的冗余,较高的数据独立性和易扩展性,并可为各种用户共享。
Hadoop:一个由Apache基金会所开发的分布式系统基础架构,它实现了一个分布式文件系统(Distributed FileSystem),其中一个组件是HDFS(Hadoop DistributedFileSystem)。HDFS具有高容错性的特点,并且设计用来部署在低廉的硬件上;而且它提供高吞吐量来访问应用程序的数据,适合那些有着超大数据集的应用程序。
请参照图1,本发明提供的基于redis的集群任务智能化调度方法,
S101:接收任务请求,各节点均配置任务调度器,所述任务调度器用于接收处理或转发任务请求;
S102:通过redis分析集群当前节点运行状态,判断当前节点是否是最优节点;
S103:将任务请求分发至是最优节点的当前节点,任务调度器开始处理任务。
在本实施例中,采用nginx反向代理服务器提供反向代理的作用,集群收到服务请求后,会首先通过代理机制转发到某一个服务节点,使用nginx可以起到保护网站安全的作用,来自Internet的请求一般都必须先经过代理服务器,所以在采用nginx反向代理服务器的情况下,判断顺序如本实施例以下提供的步骤所示。
S201:通过nginx服务器将任务请求分发到集群的某个节点;
S202:通过redis分析集群节点运行状态,判断最优节点是否是当前节点;
S203:若是,任务调度器则接收并处理该任务,否则任务调度器将任务再次转发到最优节点。
在本发明中,集群节点没有主从之分,在每个节点均部署有一套相同的任务调节器,通过两级式调度实现集群任务管理的智能化,本发明中,服务器采用nginx服务器,nginx能实现本发明中所需的反向代理服务。
首先用户发送应用请求,应用请求通过redis分析集群节点的运行状态,判断最优节点是否是当前节点,如果是则接收并处理该任务,否则将任务再次转发到最优节点。最终,实现用户应用的智能化调度。
在上述步骤之前还应进行一些必要的步骤。
首先需要进行集群初始化,具体的, 读取系统配置文件,处理数据库异常记录,初始化日志系统等,启动redis数据库、nginx代理服务。
其次,进行创建心跳服务,具体的,各节点创建心跳服务线程,设置心跳发送定时器,周期性发送节点心跳及资源使用情况等信息,并在redis数据库中设置节点调度器的过期时间,清理不存活的节点。
请参考图2,关于任务调度器,需要进行注册,向redis注册节点调度器信息,写入当前节点ip地址和端口号。具体地,先判断当前节点是否已注册,如果存在,则判断当前节点是否存活,如果存活,则等待其它节点完成初始化,否则重新初始化。将节点任务调度器信息写入redis有序集合中,完成节点任务调度器初始化。
请再次参考图1,注册完任务调度器后,任务调度器则开始等待任务,即各节点任务调度器初始化完成后,等待用户应用的任务请求。
任务调度器接收任务,具体的,通过反向代理服务将应用发送的任务请求转发到集群中一个节点,记为node-initial,node-initial根据集群运行状态确定是处理当前任务还是转发到其它节点。
进而,进行查询节点运行状态,节点接收到nginx转发的任务后,通过查询redis缓存获得集群各节点当前运行状态即节点运行任务数和资源情况等。
在此之前,需要确定最优节点。具体的是,根据任务数最少、资源最多等原则,选择心跳状态正常的节点作为最优节点(记为node-prefered);如果有多个备选最优节点,则随机选取一个作为最优节点。
任务二次分发判断。节点任务调度器判断是否将接收的任务进行二次分发。具体地,判断node-initial与node-prefered是否是同一个节点,如果不是,则将任务分发到node-prefered;如果是,则接收任务并进行下一步。
创建任务进程。根据任务请求信息在节点node-prefered上创建任务进程,处理任务。创建任务成功后,更新redis数据库中节点node-prefered的运行状态,主要包括将任务数值加1和资源使用情况。任务进程结束。任务处理完毕,更新redis数据库中节点node-prefered的节点运行状态,主要包括将任务数值减1和资源使用情况。
下面结合具体可实施例子进行进一步的解释说明:
请参考图3,现有一个服务集群,向外提供服务1、服务2和服务3等3种应用服务;包含四个节点,分别是节点1、节点2、节点3、节点4;集群所有节点中均部署了相同的应用服务程序、任务调度器,同时也安装了nginx、redis。
集群初始化。读取系统配置文件,处理数据库异常记录,初始化日志系统等,启动redis数据库、nginx代理服务。nginx以轮询机制进行集群负载的均衡,即每个请求按时间顺序逐一分配到应用服务器,如果应用服务器宕机,自动剔除,剩下的继续轮询。
创建心跳服务。节点1、节点2、节点3和节点创建心跳服务线程,周期性向redis发送节点心跳及资源使用情况等信息,并在redis中设置节点调度器的过期时间,清理不存活的节点。
注册任务调度器。注册节点任务调度器信息,写入当前节点ip地址和端口号。具体地,先判断当前节点是否已注册,如果存在,则判断当前节点是否存活,如果存活,则等待其它节点完成初始化,否则重新初始化。将节点任务调度器信息写入redis有序集合中,完成节点任务调度器初始化。
调度器等待任务。各应用服务节点任务调度器初始化完成后,等待用户应用的任务请求。
接收任务。用户发起服务1的应用请求,nginx将服务1应用请求发送到节点2,节点2的任务调度器判断是否接收任务。
查询节点运行状态。节点2任务调度器查询redis获得集群各节点运行任务数、资源使用情况。
确定最优节点。根据任务数最少、资源最多等原则,选择心跳状态正常的节点4作为最优节点。
任务二次分发判断。由于接收任务的节点2与最优节点(节点4)不是同一个节点,节点2的任务调度器将接收的任务再次分发给节点4。
创建任务进程。节点4创建服务1的任务进程,向用户提供服务1。
节点任务数加1。创建任务成功后,更新redis数据库中节点4的运行状态。
任务进程结束。任务处理完毕,更新redis数据库中节点4的运行状态。
本发明在集群节点上部署任务调度器,节点向redis发送心跳状态和当前运行任务信息,当节点收到任务请求后,通过redis分析当前集群节点运行状态,选取任务工作节点,实现任务的分发调度管理。集群节点没有主从之分,各节点均部署一套相同的任务调度器,通过两级式调度实现集群任务管理的智能化,能够根据集群中不同计算机节点工作状态智能化调度任务,实现任务的高效调度处理,提高集群资源利用率,保证集群高效、安全、稳定的运行。
另外,在本发明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。该计算机软件产品存储在一个存储介质中,包括若干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)执行本发明各个实施例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(ROM,Read — OnlyMemory)、随机存取存储器(RAM,Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.基于redis的集群任务智能化调度方法,其特征在于,包括:
接收任务请求,各节点均配置任务调度器,所述任务调度器用于接收处理或转发任务请求;
通过redis分析集群当前节点运行状态,判断当前节点是否是最优节点;
将任务请求分发至是最优节点的当前节点,任务调度器开始处理任务。
2.根据权利要求1所述的基于redis的集群任务智能化调度方法,其特征在于,还包括;
通过nginx服务器将任务请求分发到集群的某个节点;
通过redis分析集群节点运行状态,判断最优节点是否是当前节点;
若是,任务调度器则接收并处理该任务,否则任务调度器将任务再次转发到最优节点。
3.根据权利要求1所述的基于redis的集群任务智能化调度方法,其特征在于,还包括集群初始化,所述集群初始化包括:
读取系统设备文件,处理数据异常记录,初始化日志系统,启动对应数据库及服务器。
4.根据权利要求1所述的基于redis的集群任务智能化调度方法,其特征在于,还包括创建心跳服务,所述创建心跳服务包括:
各节点创建心跳服务线程;
设置心跳发送定时器,周期性发送节点心跳及资源使用情况;
在redis数据库中设置节点调度器的过期时间;
还包括注册任务调度器,所述注册任务调度器包括:
向redis注册节点任务调度器信息,写入当前节点ip地址和端口号。
5.根据权利要求4所述的基于redis的集群任务智能化调度方法,其特征在于,所述写入当前节点ip地址和端口号还包括:
判断当前节点是否已注册;
若未注册,则进行写入当前节点ip地址和端口号;
若已注册,则判断当前节点是否存活,若存活则等待其它节点完成初始化,否则重新初始化;
将节点任务调度器信息写入redis有序集合中,完成节点任务调度器初始化。
6.根据权利要求1所述的基于redis的集群任务智能化调度方法,其特征在于,所述判断最优节点还包括确定最优节点,所述确定最优节点包括;
任务数最少且心跳正常的或资源最多且心跳正常的节点作为最优节点;
若出现多个最优节点,则随机选取一个作为最优节点。
7.根据权利要求6所述的基于redis的集群任务智能化调度方法,其特征在于,还包括任务二次分发判断,所述任务二次分发判断包括;
判断当前节点与最优节点是否同为同一节点;
若不是,则将任务分发到最优节点;
若是,则接收任务进行处理。
8.根据权利要求1所述的基于redis的集群任务智能化调度方法,其特征在于,还包括;
根据任务请求信息在最优节点上创建任务进程;
创建完成后,更新redis数据库中最优节点的运行状态;
运行完成后,再次更新redis数据库中最优节点的运行状态。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,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至8中任一项所述的基于redis的集群任务智能化调度方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的基于redis的集群任务智能化调度方法。
CN202310344818.4A 2023-04-03 2023-04-03 基于redis的集群任务智能化调度方法、设备、介质 Pending CN116055499A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310344818.4A CN116055499A (zh) 2023-04-03 2023-04-03 基于redis的集群任务智能化调度方法、设备、介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310344818.4A CN116055499A (zh) 2023-04-03 2023-04-03 基于redis的集群任务智能化调度方法、设备、介质

Publications (1)

Publication Number Publication Date
CN116055499A true CN116055499A (zh) 2023-05-02

Family

ID=86122220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310344818.4A Pending CN116055499A (zh) 2023-04-03 2023-04-03 基于redis的集群任务智能化调度方法、设备、介质

Country Status (1)

Country Link
CN (1) CN116055499A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116436768A (zh) * 2023-06-14 2023-07-14 北京理想信息科技有限公司 基于交叉心跳监测的自动备援方法、系统、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109451056A (zh) * 2018-12-20 2019-03-08 中国软件与技术服务股份有限公司 多集群间服务器动态分配方法及系统
CN111367653A (zh) * 2020-01-19 2020-07-03 江苏海事职业技术学院 一种流计算任务管理方法
CN111694663A (zh) * 2020-06-02 2020-09-22 中国工商银行股份有限公司 服务器集群的负载均衡方法、装置及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109451056A (zh) * 2018-12-20 2019-03-08 中国软件与技术服务股份有限公司 多集群间服务器动态分配方法及系统
CN111367653A (zh) * 2020-01-19 2020-07-03 江苏海事职业技术学院 一种流计算任务管理方法
CN111694663A (zh) * 2020-06-02 2020-09-22 中国工商银行股份有限公司 服务器集群的负载均衡方法、装置及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116436768A (zh) * 2023-06-14 2023-07-14 北京理想信息科技有限公司 基于交叉心跳监测的自动备援方法、系统、设备及介质
CN116436768B (zh) * 2023-06-14 2023-08-15 北京理想信息科技有限公司 基于交叉心跳监测的自动备援方法、系统、设备及介质

Similar Documents

Publication Publication Date Title
US8051170B2 (en) Distributed computing based on multiple nodes with determined capacity selectively joining resource groups having resource requirements
US11687555B2 (en) Conditional master election in distributed databases
JP6353924B2 (ja) ブロックベースストレージに対するデータボリュームの耐久性状態の低減
US10394611B2 (en) Scaling computing clusters in a distributed computing system
US8930409B2 (en) System and method for supporting named operations in a distributed data grid
US9053167B1 (en) Storage device selection for database partition replicas
US7610582B2 (en) Managing a computer system with blades
US9870269B1 (en) Job allocation in a clustered environment
US20100042675A1 (en) Request processing method and computer system
US10127077B2 (en) Event distribution pattern for use with a distributed data grid
CA2533744C (en) Hierarchical management of the dynamic allocation of resources in a multi-node system
JP2007503628A (ja) クラスタ化されたコンピューティングシステムにおける高速なアプリケーション通知
CN102821000A (zh) 提高PaaS平台可用性的方法
CN106796537B (zh) 计算集群中的分布式组件
CN103581332A (zh) HDFS架构及HDFS架构中NameNode节点的压力分解方法
US20200042608A1 (en) Distributed file system load balancing based on available node capacity
CN110727508A (zh) 一种任务调度系统和调度方法
CN116055499A (zh) 基于redis的集群任务智能化调度方法、设备、介质
Sadooghi et al. Fabriq: Leveraging distributed hash tables towards distributed publish-subscribe message queues
US20200004861A1 (en) Method and system for implementing parallel database queries
KR100989490B1 (ko) 각 서버간 부하 분산 시스템 및 그 방법
US11256440B2 (en) Method and distributed storage system for aggregating statistics
CN113630317A (zh) 一种数据传输方法、装置、非易失性存储介质及电子装置
CN111294383A (zh) 物联网服务管理系统
Jeanvoine et al. RW-OGS: an optimized randomwalk protocol for resource discovery in large scale dynamic Grids

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: 20230502