CN116192670A - 环境部署方法、装置、设备及介质 - Google Patents

环境部署方法、装置、设备及介质 Download PDF

Info

Publication number
CN116192670A
CN116192670A CN202310117872.5A CN202310117872A CN116192670A CN 116192670 A CN116192670 A CN 116192670A CN 202310117872 A CN202310117872 A CN 202310117872A CN 116192670 A CN116192670 A CN 116192670A
Authority
CN
China
Prior art keywords
environment
target
configuration information
computing
resource
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
CN202310117872.5A
Other languages
English (en)
Inventor
王国彬
胡鸣人
钱正宇
施恩
袁正雄
褚振方
李金麒
罗阳
黄悦
钱洋
王宽
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202310117872.5A priority Critical patent/CN116192670A/zh
Publication of CN116192670A publication Critical patent/CN116192670A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/30—Creation or generation of source code
    • G06F8/31—Programming languages or programming paradigms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/30—Creation or generation of source code
    • G06F8/37—Compiler construction; Parser generation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/02—Standardisation; Integration
    • H04L41/0233—Object-oriented techniques, for representation of network management data, e.g. common object request broker architecture [CORBA]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/02—Standardisation; Integration
    • H04L41/0246—Exchanging or transporting network management information using the Internet; Embedding network management web servers in network elements; Web-services-based protocols
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Machine Translation (AREA)
  • Stored Programmes (AREA)

Abstract

本公开提供了一种环境部署方法、装置、设备及介质，涉及人工智能领域，具体涉及云平台技术和资源分配技术领域。具体实现方案为：获取基于通用语言编写的环境配置信息，所述环境配置信息用于确定目标环境的上下文；通过与所述通用语言对应的通用语言解析器，将所述环境配置信息转换得到所述目标环境的元信息；根据所述目标环境的元信息，生成所述目标环境的数据包；获取所述目标环境的资源配置信息，所述资源配置信息用于为所述目标环境分配运行所需的资源；根据所述目标环境的数据包和资源配置信息，在指定的环境中构建所述目标环境，其中，所述目标环境中用于运行人工智能应用。本公开实施例可以提高环境部署效率。

Description

环境部署方法、装置、设备及介质
技术领域
本公开涉及人工智能领域，具体涉及云平台技术和资源分配技术领域，尤其涉及一种环境部署方法、装置、设备及介质。
背景技术
近些年，以深度学习为代表的人工智能技术飞速发展，各行各业都在落地相关技术成果。
其中AI(Artificial Intelligence，人工智能)开发环境是AI落地的第一步，算法工程师在AI开发环境中进行模型到开发调试，产出模型，最终将模型应用到生产环境上。
发明内容
本公开提供了一种环境部署方法、装置、设备及介质。
根据本公开的一方面，提供了一种环境部署方法，包括：
获取基于通用语言编写的环境配置信息，所述环境配置信息用于确定目标环境的上下文；
通过与所述通用语言对应的通用语言解析器，将所述环境配置信息转换得到所述目标环境的元信息；
根据所述目标环境的元信息，生成所述目标环境的数据包；
获取所述目标环境的资源配置信息，所述资源配置信息用于为所述目标环境分配运行所需的资源；
根据所述目标环境的数据包和资源配置信息，在指定的环境中构建所述目标环境，其中，所述目标环境中用于运行人工智能应用。
根据本公开的一方面，提供了一种环境部署装置，包括：
配置信息获取模块，用于获取基于通用语言编写的环境配置信息，所述环境配置信息用于确定目标环境的上下文；
元信息获取模块，用于通过与所述通用语言对应的通用语言解析器，将所述环境配置信息转换得到所述目标环境的元信息；
数据打包模块，用于根据所述目标环境的元信息，生成所述目标环境的数据包；
资源获取模块，用于获取所述目标环境的资源配置信息，所述资源配置信息用于为所述目标环境分配运行所需的资源；
环境构建模块，用于根据所述目标环境的数据包和资源配置信息，在指定的环境中构建所述目标环境，其中，所述目标环境中用于运行人工智能应用。
根据本公开的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开任一实施例所述的人工智能的数据处理方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开任一实施例所述的人工智能的数据处理方法。
根据本公开的另一方面，提供了一种计算机程序对象，包括计算机程序，所述计算机程序在被处理器执行时实现本公开任一实施例所述的人工智能的数据处理方法。
本公开实施例可以提高环境部署效率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开实施例公开的一种环境部署方法的流程图；
图2是根据本公开实施例公开的另一种环境部署方法的流程图；
图3是根据本公开实施例公开的一种环境部署方法的场景图；
图4是根据本公开实施例公开的一种环境部署方法的场景图；
图5是根据本公开实施例公开的一种环境部署方法的场景图；
图6是根据本公开实施例公开的一种环境部署装置的结构示意图；
图7是用来实现本公开实施例的环境部署方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开实施例公开的一种环境部署方法的流程图，本实施例可以适用于部署应用运行的环境的情况。本实施例方法可以由环境部署装置来执行，该装置可采用软件和/或硬件的方式实现，并具体配置于具有一定数据运算能力的电子设备中，该电子设备可以是服务器设备。
S101、获取基于通用语言编写的环境配置信息，所述环境配置信息用于确定目标环境的上下文。
本公开实施例部署的环境用于运行应用。部署的环境可以是开发环境或者生产环境等。通用语言用于编写环境配置信息。通用语言可以理解为通俗易懂且学习门槛低的语言。可以将底层实现细节进行抽象，并与通用语言的字符串进行映射，设计通用语言。使用通用语言定义环境的基础设施，通用语言可以替代了一些诸如Dockerfile，kubernetesYAML(Yet Another Markup Language，仍是一种标记语言)等语言，将复杂的环境的底层细节进行隐藏，降低了语言的学习难度和成本。
目标环境的上下文可以是指环境本身的数据以及依赖的数据等。环境配置信息可以包括：上下文的目录。目标环境的上下文的内容可以包括属性内容和应用代码内容。属性内容包括目标环境的框架、输入参数和输出参数等。
环境配置信息由用户提供，用户学习通用语言，并基于通用语言编写待部署的目标环境的环境配置信息。
S102、通过与所述通用语言对应的通用语言解析器，将所述环境配置信息转换得到所述目标环境的元信息。
通用语言解析器可以识别通用语言的数据。通用语言解析器用于将通用语言转换为当前电子设备可识别的语言。通用语言解析器支持主流机器学习框架和深度学习框架，并且屏蔽不同框架的底层差异，使用户只需要关注其核心工作内容，不需要掌握底层技术相关领域知识。同时，通过统一的构建语言，可以避免可维护性差的问题。
元信息可以是指描述目标环境的信息。示例性的，目标环境的元信息可以包括下述至少一项：目标环境的操作系统类型、可运行的应用的语言类型、发布方式和依赖信息等。实际上，不同框架的语言编写的配置信息都需要转换为环境的元信息，基于元信息进行后续的环境构建。通过建立一个功能易懂学习门槛低的通用语言，可以降低环境部署的学习成本。
S103、根据所述目标环境的元信息，生成所述目标环境的数据包。
目标环境的数据包包括目标环境关联的数据，具体是目标环境本身关联的文件系统和上下文关联的文件系统。具体的，目标环境的数据包包括按层封装好的文件系统，和描述数据包的元信息。目标环境的元信息可以确定目标环境关联的文件系统的结构，从而确定描述数据包的元信息。根据目标环境的元信息和目标环境关联的数据，对目标环境关联的数据进行打包，并生成数据包的元数据，组合形成目标环境的数据包。
S104、获取所述目标环境的资源配置信息，所述资源配置信息用于为所述目标环境分配运行所需的资源。
资源配置信息可以由用户指定。在可分配的计算资源和存储资源中，根据资源配置信息为目标环境分配资源，目标环境运行时可以使用分配的计算资源执行计算任务，使用分配的存储资源读写数据。示例性的，资源配置信息可以是满足目标环境运行的资源下限。资源配置信息可以由用户指定，也可以根据目标环境的性能确定。
S105、根据所述目标环境的数据包和资源配置信息，在指定的环境中构建所述目标环境，其中，所述目标环境中用于运行人工智能应用。
指定的环境可以是指在集群或者节点等设备。在指定的环境中构建目标环境，具体是在指定的环境中加载目标环境的数据包，并创建目标环境，并且配置目标环境运行时可使用的资源，实现构建目标环境。在目标环境构建之后，用户可以在目标环境中部署人工智能应用，并运行人工智能应用。在一个具体的例子中，将图像处理模型部署到目标环境中运行，用户可以与目标环境通信，调用图像处理模型进行图像处理，图像处理模型在运行时可以使用目标环境的资源。
可选的，环境部署方法还包括：将所述目标环境的环境配置信息、元信息和数据包进行发布，以使公众用户进行下载。
当前电子设备将目标环境的环境配置信息、元信息和数据包进行关联存储，并进行关联发布。公众用户可以在当前电子设备上浏览到发布的信息，并从当前电子设备中下载发布的信息，从而下载目标环境的环境配置信息、元信息和数据包，实现目标环境的共享。
用户在成功构建环境后，可以进行分享，具体的，将其目标环境的环境配置信息、元信息和数据包作为目标环境关联的数据上传到当前电子设备中。用户可以分享，标记版本，发布这些目标环境关联的数据，其他的用户可以直接从当前电子设备上下载这些目标环境关联的数据，进行环境构建，实现环境的团队协作。从而实现人工智能应用更好的复现。
通过共享环境关联的数据，可以实现应用依赖环境可复现性，以及实现团队协作开发人工智能应用，并且在底层基础设施变换后，可以快速重建环境，提高团队协作速度，减少外部平台与实际开发环境脱节，提高开发环境的稳定性。
在现有技术中，可以采用YAML语言或者Bash语言编写环境配置信息，而这些领域需要用户花费大量时间学习，并且不同配置型语言和程序脚本也不存在固定的编写的范式和标准，难以进行维护。
根据本公开的技术方案，通过通用语言解析器，将基于通用语言编写的环境配置信息转换得到目标环境的元信息，并基于元信息对目标环境相关的数据进行打包，生成目标环境的数据包，并将目标环境的数据包在指定的环境中加载，构建目标环境，同时为目标环境分配资源，实现部署目标环境，提高目标环境的可维护性，减少环境部署的学习成本和复杂性，简化环境部署的操作，从而提高环境部署的效率。
图2是根据本公开实施例公开的另一种环境部署方法的流程图，基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。数据包包括容器镜像文件，将根据所述目标环境的数据包和资源配置信息，在指定的环境中构建所述目标环境，具体化为：在指定的环境中加载所述目标环境的容器镜像文件，所述指定的环境包括本地服务器或者云服务器；根据所述容器镜像文件，所述指定的环境中创建所述目标环境的目标容器；根据所述资源配置信息，为所述目标容器调度计算节点，以及分配存储空间。
S201、获取基于通用语言编写的环境配置信息，所述环境配置信息用于确定目标环境的上下文。
S202、通过与所述通用语言对应的通用语言解析器，将所述环境配置信息转换得到所述目标环境的元信息。
S203、根据所述目标环境的元信息，生成所述目标环境的数据包，所述数据包包括容器镜像文件。
将目标环境以容器形式部署，实现目标环境与其他环境的隔离。不同容器之间共享主机内核，但运行时相互独立，不占用除自己本身之外的其他可执行文件的内容。容器镜像文件是由按层封装好的文件系统和描述镜像的元数据构成的文件系统包，包含人工智能应用所需要的系统、环境和配置等。此外，容器镜像文件还可以包括人工智能应用本身。容器镜像文件解压安装后，创建并运行相应的容器。
S204、获取所述目标环境的资源配置信息，所述资源配置信息用于为所述目标环境分配运行所需的资源。
S205、在指定的环境中加载所述目标环境的容器镜像文件。
指定的环境包括本地服务器和/或云服务器等。本地服务器可以是指本地集群。云服务器可以是指网络中云上集群。在本地服务器加载目标环境的容器镜像文件，在本地服务器创建容器，即实现在本地构建目标环境；在云服务器加载目标环境的容器镜像文件，在云服务器创建容器，即实现在云上构建目标环境。
S206，根据所述容器镜像文件，在所述指定的环境中创建所述目标环境的目标容器。
将容器镜像文件安装解压到指定环境中，创建目标环境的目标容器。目标容器可以理解为目标环境，为人工智能应用提供运行的环境。
S207，根据所述资源配置信息，为所述目标容器调度计算节点，以及分配存储空间，其中，所述目标环境中用于运行人工智能应用。
指定的环境中存在大量计算节点，可以从大量计算节点中调度部分计算节点，为容器所使用。以及指定的环境中存在大量存储空间，可以从大量存储空间中指定部分存储空间，为容器所使用。
可选的，根据所述容器镜像文件，在所述指定的环境中创建所述目标环境的目标容器，包括：调用云资源调用接口，在所述云资源调用接口对应的云服务器中创建所述目标容器。
当前电子设备提供云资源调用接口，以向外调用云资源。云资源调用接口用于引入云资源。可以通过云资源调用接口，将容器镜像文件下载到云服务器中，由云服务器安装容器镜像文件，并创建目标容器。由云服务器提供资源运行目标容器。用户若使用云服务器中目标容器，可以与该云服务器进行通信。此外，还可以通过调用云资源的SDK(SoftwareDevelopment Kit，软件工具开发包)，在对应的云服务器中创建目标容器。
通过调用云资源调用接口，在云服务器中创建目标容器，实现引入云资源，可以集成其他云计算产品资源，降低本地服务压力，同时可以对外使用更多样性的云资源，实现有效利用云资源。
可选的，所述根据所述资源配置信息，为所述目标容器调度计算节点，以及分配存储空间，包括：根据所述资源配置信息，确定所述目标容器运行所需的计算资源和存储资源，所述计算资源包括中央处理器资源或图像处理器资源；获取当前可调度的计算节点的拓扑信息和各所述计算节点支持的计算资源；根据所述目标容器运行所需的计算资源、当前可调度的计算节点的拓扑信息和各所述计算节点支持的计算资源，为所述目标容器调度计算节点；在当前可分配的存储空间中，根据所述目标容器运行所需的存储资源，为所述目标容器分配存储空间。
当前电子设备统一管理全部集群资源，为了保证不同开发团队和用户安全以及有效地使用集群资源，需要为开发团队分配资源配额，当前电子设备允许团队管理员为开发团队或者项目设置资源配额。
资源配置信息用于在资源配额的范围内，确定适用于目标环境的资源。资源通常包括计算资源和存储资源，计算资源用于执行计算，存储资源用于存储运行过程关联的数据。计算资源可以包括下述至少一项：CPU(Central Processing Unit，中央处理器)、内存和GPU(Graphic Processing Unit，图形处理器)。CPU用于处理通用的计算任务。GPU特别适用于处理图像相关的计算任务。内存用于运行应用。
计算节点的拓扑信息可以包括计算节点之间的通信方式和拓扑结构等。计算节点支持的计算资源可以是指计算节点可提供的计算资源。调度器可以根据计算节点支持的计算资源和计算节点的拓扑信息，选择最佳调度方式，例如，选择至少一个集群中至少一个计算节点，为目标容器提供计算资源。存储空间可以包括存储类的总卷数或磁盘空间量等。
当前可调度的计算节点可以是排除其他已经占用的计算节点之外的计算节点。当前可分配的存储空间可以是排除其他已经占用的存储空间之外的可用存储空间。当前可调度的计算资源以及当前可分配的存储资源，表明目标容器分配的资源和其他容器或者其他进度分配的资源等相互独立，使用时互不干扰，增加资源隔离机制。此外，当前可调度的计算资源以及当前可分配的存储资源可以根据资源配额确定，可以根据创建目标环境的用户的权限，确定该用户拥有的资源配额，根据资源配额确定当前可调度的计算资源以及当前可分配的存储资源。
通过具体化计算资源的类型，丰富资源多样性，有效利用资源，在当前可调度和可分配的资源内进行资源分配，可以有效避免不同容器以及不同环境之间的资源复用，提高资源隔离性，实现多租户多集群的空间隔离和资源隔离，减少环境之间相互干扰，提高环境稳定性。
可选的，所述获取当前可调度的计算节点的拓扑信息和各所述计算节点支持的计算资源，包括：在全局可调度的计算节点中排除已经分配的计算节点，将剩余的计算节点，确定为当前可调度的计算节点；获取所述当前可调度的计算节点的拓扑信息和各所述计算节点支持的计算资源。
全局可调度的计算节点，可以包括本地可调度的计算节点，以及云服务器中可调度的计算节点。可以根据目标环境的创建用户的资源配额，确定目标环境的全局可调度的计算节点，并在全局可调度的计算节点中排除已分配的计算节点，得到当前可调度的计算节点。当前电子设备管理全部的计算资源，并将全部的计算节点确定为全局可调度的计算节点。
当前电子设备可以提供GPU共享调度，以及GPU和CPU拓扑感知调度等功能。GPU共享调度可以降低使用GPU的经济成本，保障程序运行的稳定性，调度器基于计算节点的拓扑信息，如GPU卡之间的NVLink或PcleSwitch(peripheral component interconnectexpress，外部设备互联总线接口芯片)等通信方式、CPU的NUMA拓扑结构等，在集群维度进行最佳的调度选择，为工作负载提供更好的性能。并且提升异构资源使用效率。
通过在全局可调度的计算节点中排除已经分配的计算节点，得到的剩余计算节点确定为当前可调度的计算节点，可以实现全局调度，并且增加调度的范围和广度，在全局调度的维度下，分配各环境的计算资源，提高异构资源的有效利用率。
可选的，所述在当前可分配的存储空间中，根据所述目标容器运行所需的存储资源，为所述目标容器分配存储空间，包括：在当前可分配的存储空间中，根据所述目标容器运行所需的存储资源，调用云资源调用接口，创建所述目标容器的存储空间。
可以通过云资源调用接口，在云服务器中，创建目标容器的存储空间，目标容器在运行时可以将数据读写到该云服务器上的存储空间中。用户若使用目标容器对云服务器中存储空间进行读写，目标容器可以与该云服务器进行通信。此外，还可以通过调用云资源的SDK(Software Development Kit，软件工具开发包)，在对应的云服务器中创建存储空间。
通过调用云资源调用接口，在云服务器中创建目标容器的存储空间，实现引入云资源，可以集成其他云产品存储资源，降低本地服务压力，同时可以对外使用更多样性的云资源，实现有效利用云资源。
根据本公开的技术方案，通过容器镜像文件封装目标环境关联的数据，并在本地或云上下载安装容器镜像文件，创建目标环境的目标容器，实现快速在本地或云上部署目标环境，并有效实现环境的空间隔离，提高环境运行稳定性，根据资源配置信息分配计算资源和存储资源，可以有效利用资源，增加环境部署灵活性。
图3是根据本公开实施例公开的一种环境部署方法的场景图。实现环境部署方法的环境部署系统具体包括：构建模块、环境空间管理模块和团队协作模块。
用户开发目标环境，并将相关数据上传至环境部署系统，其中，环境部署系统配置于前述实施例中电子设备中。环境部署系统中构建模块基于开发的目标环境，生成目标环境的容器镜像文件。容器镜像文件环境部署系统一方面将容器镜像文件写入容器镜像仓库中，另一方面将容器镜像文件和关联的数据写入环境空间数据。
环境空间数据是发布数据，团队协作模块可以从环境空间数据中下载发布的容器镜像文件、其环境配置信息和其元信息等关联数据，实现环境共享和团队协作。
在环境需要部署时，环境空间管理模块从环境空间数据中获取容器镜像文件，并发送至指定的环境中。指定的环境下载并安装容器镜像文件，创建对应的容器，相当于实现在指定的环境中部署目标环境。针对不同的目标环境的目标容器，在相应的资源配额中分配资源，同时调度器根据分配的资源进行环境空间调度，具体是调度计算节点以提供计算资源。其中，资源配额可以区分团队，不同团队申请或者配置不同的资源最大值，确定为资源配额。团队在资源配额的范围内为该团队的多个开发环境分别分配资源。
此外，环境空间管理模块还可以调用云资源调用接口，引入云资源，例如，创建云上存储空间，或者将目标容器创建在云服务器中。
具体的，如图4所示构建模块的场景图，构建模块是面向算法工程师使用的终端命令行程序，其最终产物是包含完整开发环境的容器镜像文件。用户可以在任一操作系统安装，并在终端命令行调用，终端命令行主要帮助用户创建其开发环境，其主要包含通用语言解析器和构建引擎。通过构建模块，实现快速按需构建的功能，
具体的，用户上传基于通用语言编写的环境配置信息，其中，环境配置信息用于确定目标环境的上下文。终端命令行工具执行环境配置信息，并将环境配置信息传输至通用语言解析器。其中，设计基于通用语言来抽象所有的底层细节，使用该通用语言来定义所有环境的基础设施。该通用语言非常易于用户学习掌握及应用。用户需要明确定义环境的理想状态，例如操作系统，CUDA版本、Python版本以及使用的机器学习框架等。这个通用语言代替了诸如Dockerfile或kubernetes YAML这些配置语言，将复杂的环境细节隐藏起来。
通用语言解析器，将环境配置信息转换得到目标环境的元信息，并确定容器镜像文件的元信息。通过通用语言和通用语言解析器，实现支持主流机器学习和深度学习框架的能力，并且屏蔽底层差异，使算法工程师等使用者只需要关注其核心工作内容，不需要掌握容器，服务器相关领域知识。同时，通过统一的通用语言，可以避免可维护性差的问题。
通用语言解析器将目标环境的元信息发送至构建引擎，由构建引擎生成目标环境的容器镜像文件。构建引擎首先选择构建发生的具体环境，可以选择在本地服务器上直接构建，实现本地快捷使用目标环境。也可以选择在远程构建环境来提高构建效率和速度，比如可以选择在容器编排系统(云服务器)内进行构建，通过调用集群的高性能CPU(这些可能是本地服务器不具有的)来更加迅速的构建，之后可以直接在集群中部署或者将环境容器镜像拉取到本地使用。在这个过程中，构建引擎会充分利用缓存来提高再次构建的效率。构建引擎产出构建你就的最终产物，即环境容器镜像文件。
构建引擎是最终执行环境构建的模块，用户可以选择在云环境上执行构建，充分利用云资源来提高构建效率，同时有效利用开发资源，避免资源浪费。
如图5所示环境空间管理模块的场景图，环境空间管理模块是环境部署系统本身提供的资源协调、资源分配和资源回收的能力的模块，其最终产物是一个在容器编排系统运行的容器，即目标环境。空间管理模块包含资源配额设置模块，资源调度模块和云资源引入模块等。
环境部署系统统一管理所有集群资源。为了保证不同开发团队和用户安全、有效地使用集群资源，需要为开发团队分配资源配额，在上一阶段构建模块产出目标环境的容器镜像文件后，环境空间管理模块允许团队管理员为开发团队或者项目设置资源配额，资源配额包含计算资源和存储资源，其中，计算资源包括CPU和内存，或GPU等。存储资源包括给定存储类的总卷数或磁盘空间量。
具体的，团队的管理用户通过资源配额设置模块，设置该团队的资源上限，即确定该团队的资源配额。根据创建环境的用户所属团队的资源配额，获取在全局可调度的计算节点中确定当前可调度的计算节点，以及在全局可分配的存储空间中确定当前可分配的存储空间。
环境部署系统中资源调度模块为目标环境提供GPU共享调度、GPU和CPU拓扑感知调度等功能。GPU共享调度可以降低使用GPU的经济成本，保障程序运行的稳定性，调度器基于计算节点资源的拓扑信息，如GPU卡之间的NVLink、PcleSwitch等通信方式和CPU的NUMA(Non-Uniform Memory Architecture，非统一内存架构)拓扑结构等，在集群维度进行最佳的调度选择，为工作负载提供更好的性能。并且提升异构资源使用效率。
具体的，资源调度模块根据目标容器运行所需的计算资源、当前可调度的计算节点的拓扑信息和各计算节点支持的计算资源，为目标容器调度计算节点；在当前可分配的存储空间中，根据目标容器运行所需的存储资源，为目标容器分配存储空间。
云资源引入模块调用云厂商的相关接口，即云资源调用接口，创建和使用云计算相关资源，例如对象存储，云硬盘和网关等，满足AI开发的日常使用。具体的，调用云资源调用接口，在云资源调用接口对应的云服务器中创建目标容器；或者，创建目标容器的存储空间。
环境空间管理模块支持了多租户多集群的开发空间资源隔离，弹性调度，提升异构资源使用效率。有效提高环境的可复现性，避免产生配置漂移，支持快速迁移。当底层基础设施变化后，例如机器系统重装，或者虚拟机重建等，环境可以快速有效的重建。同时保证运行平台和实际开发环境尽量统一。
针对团队协作模块，团队协作模块用于可以下载已发布的目标环境的环境配置信息、元信息和容器镜像文件。
团队协作模块是用户分享自己开发的环境的模块，用户在构建模块成功构建环境后，其构建使用的环境配置信息，以及最终构建产出的容器镜像文件都会上传到环境部署系统内。用户可以分享、标记版本和发布这些内容，团队中其他的用户可以直接从环境部署系统上下载这些元信息，进行自己的环境构建，实现环境的团队协作。算法工程师的工作成果也可以更好的复现。
最后创建了目标环境之后，可以在目标环境中部署人工智能应用，并基于目标环境分配的资源运行人工智能应用。
现有的AI的开发环境，在环境管理上多还处于低效的重复的人工介入的方式。具体环境管理内容如下：
a.在开发环境构建环节，多基于物理机或物理机上的虚拟机进行开发环境的调试和构建，少数使用Docker来提高环境可复现性。需要在开发环境上通过脚本程序维护开发环境。
b.依赖虚拟机虚拟化能力对底层计算资源例如CPU，内存，显卡进行隔离。依赖第三方软件的能力进行环境隔离，例如Python软件体系内的Conda、venv、以及Docker等基于容器的隔离技术。
c.团队协作多依赖外部平台，例如文档记录或者Git代码版本管理平台，环境本身不携带团队协作功能。
上述方式造成的缺点为：
a.可维护性差，在AI开发环境中有非常多不同计算机系统领域的配置型语言和程序脚本，例如，容器镜像的事实上标准构建语言是由开源社区驱动的Dockerfile语言，容器编排系统的事实上标准定义文件是YAML语言，对Linux环境进行操作的Bash脚本语言等。这些领域并不是专精于算法方向的算法工程师能掌握的，这些配置型语言和程序脚本也不存在固定的编写的范式和标准，难以进行维护。
b.缺乏有效的隔离机制，没有环境隔离也无法做到资源隔离，不同方向AI开发需要的资源并不完全，从操作系统到操作系统类库，编程语言，编程语言类库，以及机器学习类库，在一个物理机器上多人协作会影响环境的稳定性。
c.可复现性差，容易产生配置漂移，迁移困难。当底层基础设施变化后，例如机器系统重装，或者虚拟机重建等，环境都无法快速有效的重建，团队协作能力匮乏，内部集成度低，容易出现外部平台和实际开发环境脱节的情况。
d.缺乏平台化管理，开发资源没有有效利用，对内造成资源浪费，也缺少对其他云计算产品资源的集成，对外作为商业化服务较为困难。
本公开实施例可以实现快速按需构建，加速重复性模型开发。支持主流机器学习框架和深度学习框架(如PaddlePaddle，Tensorflow、PyTorch，Keras、caffe和MXNet等)和多种环境等，屏蔽底层差异并承担非算法相关工作，提供全生命周期方案与一站式管控。并且实现多租户多集群的开发空间资源隔离，弹性调度，提升异构资源使用效率。同时团队协作化实现环境可复现性。整合其他云计算资源，与云上其他资源深度整合。
根据本公开的实施例，图6是本公开实施例中的环境部署装置的结构图，本公开实施例适用于部署应用运行的环境的情况。该装置采用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备中。
如图6所示的一种环境部署装置600，包括：配置信息获取模块601、元信息获取模块602、数据打包模块603、资源获取模块604和环境构建模块605。其中，
配置信息获取模块601，用于获取基于通用语言编写的环境配置信息，环境配置信息用于确定目标环境的上下文；
元信息获取模块602，用于通过与通用语言对应的通用语言解析器，将环境配置信息转换得到目标环境的元信息；
数据打包模块603，用于根据目标环境的元信息，生成目标环境的数据包；
资源获取模块604，用于获取目标环境的资源配置信息，资源配置信息用于为目标环境分配运行所需的资源；
环境构建模块605，用于根据目标环境的数据包和资源配置信息，在指定的环境中构建目标环境，其中，目标环境中用于运行人工智能应用。
根据本公开的技术方案，通过通用语言解析器，将基于通用语言编写的环境配置信息转换得到目标环境的元信息，并基于元信息对目标环境相关的数据进行打包，生成目标环境的数据包，并将目标环境的数据包在指定的环境中加载，构建目标环境，同时为目标环境分配资源，实现部署目标环境，提高目标环境的可维护性，减少环境部署的学习成本和复杂性，简化环境部署的操作，从而提高环境部署的效率。
进一步的，数据包包括容器镜像文件；环境构建模块605，包括：镜像加载单元，用于在指定的环境中加载目标环境的容器镜像文件；容器创建单元，用于根据容器镜像文件，在指定的环境中创建目标环境的目标容器；资源分配单元，用于根据资源配置信息，为目标容器调度计算节点，以及分配存储空间。
进一步的，容器创建单元，包括：容器云创建子单元，用于调用云资源调用接口，在云资源调用接口对应的云服务器中创建目标容器。
进一步的，资源分配单元，包括：所需资源获取子单元，用于根据资源配置信息，确定目标容器运行所需的计算资源和存储资源，计算资源包括中央处理器资源或图像处理器资源；可调度计算资源获取子单元，用于获取当前可调度的计算节点的拓扑信息和各计算节点支持的计算资源；计算节点调度子单元，用于根据目标容器运行所需的计算资源、当前可调度的计算节点的拓扑信息和各计算节点支持的计算资源，为目标容器调度计算节点；存储空间分配子单元，用于在当前可分配的存储空间中，根据目标容器运行所需的存储资源，为目标容器分配存储空间。
进一步的，可调度计算资源获取子单元，具体用于：在全局可调度的计算节点中排除已经分配的计算节点，将剩余的计算节点，确定为当前可调度的计算节点；获取当前可调度的计算节点的拓扑信息和各计算节点支持的计算资源。
进一步的，存储空间分配子单元，具体用于：在当前可分配的存储空间中，根据目标容器运行所需的存储资源，调用云资源调用接口，创建目标容器的存储空间。
进一步的，环境部署装置，还包括：发布模块，用于将目标环境的环境配置信息、元信息和数据包进行发布，以使公众用户进行下载。
上述环境部署装置可执行本公开任意实施例所提供的环境部署方法，具备执行环境部署方法相应的功能模块和有益效果。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序对象。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性区域图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如环境部署方法。例如，在一些实施例中，环境部署方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的环境部署方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行环境部署方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准对象(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或区域图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing)，指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用和存储设备等，并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提供的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种环境部署方法，包括：
获取基于通用语言编写的环境配置信息，所述环境配置信息用于确定目标环境的上下文；
通过与所述通用语言对应的通用语言解析器，将所述环境配置信息转换得到所述目标环境的元信息；
根据所述目标环境的元信息，生成所述目标环境的数据包；
获取所述目标环境的资源配置信息，所述资源配置信息用于为所述目标环境分配运行所需的资源；
根据所述目标环境的数据包和资源配置信息，在指定的环境中构建所述目标环境，其中，所述目标环境中用于运行人工智能应用。
2.根据权利要求1所述的方法，其中，所述数据包包括容器镜像文件；
所述根据所述目标环境的数据包和资源配置信息，在指定的环境中构建所述目标环境，包括：
在指定的环境中加载所述目标环境的容器镜像文件；
根据所述容器镜像文件，在所述指定的环境中创建所述目标环境的目标容器；
根据所述资源配置信息，为所述目标容器调度计算节点，以及分配存储空间。
3.根据权利要求2所述的方法，其中，所述根据所述容器镜像文件，在所述指定的环境中创建所述目标环境的目标容器，包括：
调用云资源调用接口，在所述云资源调用接口对应的云服务器中创建所述目标容器。
4.根据权利要求2所述的方法，其中，所述根据所述资源配置信息，为所述目标容器调度计算节点，以及分配存储空间，包括：
根据所述资源配置信息，确定所述目标容器运行所需的计算资源和存储资源，所述计算资源包括中央处理器资源或图像处理器资源；
获取当前可调度的计算节点的拓扑信息和各所述计算节点支持的计算资源；
根据所述目标容器运行所需的计算资源、当前可调度的计算节点的拓扑信息和各所述计算节点支持的计算资源，为所述目标容器调度计算节点；
在当前可分配的存储空间中，根据所述目标容器运行所需的存储资源，为所述目标容器分配存储空间。
5.根据权利要求4所述的方法，其中，所述获取当前可调度的计算节点的拓扑信息和各所述计算节点支持的计算资源，包括：
在全局可调度的计算节点中排除已经分配的计算节点，将剩余的计算节点，确定为当前可调度的计算节点；
获取所述当前可调度的计算节点的拓扑信息和各所述计算节点支持的计算资源。
6.根据权利要求4所述的方法，其中，所述在当前可分配的存储空间中，根据所述目标容器运行所需的存储资源，为所述目标容器分配存储空间，包括：
在当前可分配的存储空间中，根据所述目标容器运行所需的存储资源，调用所述云资源调用接口，创建所述目标容器的存储空间。
7.根据权利要求1所述的方法，还包括：
将所述目标环境的环境配置信息、元信息和数据包进行发布，以使公众用户进行下载。
8.一种环境部署装置，包括：
配置信息获取模块，用于获取基于通用语言编写的环境配置信息，所述环境配置信息用于确定目标环境的上下文；
元信息获取模块，用于通过与所述通用语言对应的通用语言解析器，将所述环境配置信息转换得到所述目标环境的元信息；
数据打包模块，用于根据所述目标环境的元信息，生成所述目标环境的数据包；
资源获取模块，用于获取所述目标环境的资源配置信息，所述资源配置信息用于为所述目标环境分配运行所需的资源；
环境构建模块，用于根据所述目标环境的数据包和资源配置信息，在指定的环境中构建所述目标环境，其中，所述目标环境中用于运行人工智能应用。
9.根据权利要求8所述的装置，其中，所述数据包包括容器镜像文件；所述环境构建模块，包括：
镜像加载单元，用于在指定的环境中加载所述目标环境的容器镜像文件；
容器创建单元，用于根据所述容器镜像文件，在所述指定的环境中创建所述目标环境的目标容器；
资源分配单元，用于根据所述资源配置信息，为所述目标容器调度计算节点，以及分配存储空间。
10.根据权利要求9所述的装置，其中，容器创建单元，包括：
容器云创建子单元，用于调用云资源调用接口，在所述云资源调用接口对应的云服务器中创建所述目标容器。
11.根据权利要求9所述的装置，其中，所述资源分配单元，包括：
所需资源获取子单元，用于根据所述资源配置信息，确定所述目标容器运行所需的计算资源和存储资源，所述计算资源包括中央处理器资源或图像处理器资源；
可调度计算资源获取子单元，用于获取当前可调度的计算节点的拓扑信息和各所述计算节点支持的计算资源；
计算节点调度子单元，用于根据所述目标容器运行所需的计算资源、当前可调度的计算节点的拓扑信息和各所述计算节点支持的计算资源，为所述目标容器调度计算节点；
存储空间分配子单元，用于在当前可分配的存储空间中，根据所述目标容器运行所需的存储资源，为所述目标容器分配存储空间。
12.根据权利要求11所述的装置，其中，所述可调度计算资源获取子单元，具体用于：
在全局可调度的计算节点中排除已经分配的计算节点，将剩余的计算节点，确定为当前可调度的计算节点；
获取所述当前可调度的计算节点的拓扑信息和各所述计算节点支持的计算资源。
13.根据权利要求11所述的装置，其中，所述存储空间分配子单元，具体用于：
在当前可分配的存储空间中，根据所述目标容器运行所需的存储资源，调用所述云资源调用接口，创建所述目标容器的存储空间。
14.根据权利要求8所述的装置，还包括：
发布模块，用于将所述目标环境的环境配置信息、元信息和数据包进行发布，以使公众用户进行下载。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的环境部署方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的环境部署方法。
17.一种计算机程序对象，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的环境部署方法。
CN202310117872.5A 2023-02-02 2023-02-02 环境部署方法、装置、设备及介质 Pending CN116192670A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310117872.5A CN116192670A (zh) 2023-02-02 2023-02-02 环境部署方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310117872.5A CN116192670A (zh) 2023-02-02 2023-02-02 环境部署方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN116192670A true CN116192670A (zh) 2023-05-30

Family

ID=86432307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310117872.5A Pending CN116192670A (zh) 2023-02-02 2023-02-02 环境部署方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116192670A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117785486A (zh) * 2024-02-27 2024-03-29 融科联创(天津)信息技术有限公司 环境资源调配方法、装置、设备和介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117785486A (zh) * 2024-02-27 2024-03-29 融科联创(天津)信息技术有限公司 环境资源调配方法、装置、设备和介质
CN117785486B (zh) * 2024-02-27 2024-05-24 融科联创(天津)信息技术有限公司 环境资源调配方法、装置、设备和介质

Similar Documents

Publication Publication Date Title
CN106789339B (zh) 一种基于轻量级虚拟化架构的分布式云仿真方法与系统
CN112866333B (zh) 基于云原生的微服务场景优化方法、系统、设备和介质
Arcangeli et al. Automatic deployment of distributed software systems: Definitions and state of the art
CN105677446A (zh) 分布式仿真平台的可视化建模方法
CN109561147A (zh) 一种异构云管理方法及系统、异构云管理系统构建方法
US20190079744A1 (en) Systems and methods for a policy-driven orchestration of deployment of distributed applications
CN111310936A (zh) 机器学习训练的构建方法、平台、装置、设备及存储介质
Taura et al. Design and implementation of GXP make—A workflow system based on make
CN104391701A (zh) 一种能效评估软件开发方法
CN113687913A (zh) 一种面向边缘计算异构环境的轻量级应用适配方法
WO2023065707A1 (zh) 一种页面显示方法及装置
CN116192670A (zh) 环境部署方法、装置、设备及介质
CN111443919B (zh) Dsp多核处理器上sca核心框架的实现方法
CN114880249A (zh) 航天测控综合测试软件框架系统及运行方法
CN102664952B (zh) 一种对嵌入式设备集群管理及监控的方法
CN114912897A (zh) 工作流执行方法、工作流编排方法及电子设备
CN113377493A (zh) 一种容器云仿真系统及其设计方法
CN111563253B (zh) 智能合约运行方法、装置、设备及存储介质
CN111767059B (zh) 深度学习模型的部署方法、装置、电子设备和存储介质
CN116502437A (zh) 一种基于云+端架构的信号级仿真平台云化方法
CN110413285A (zh) 一种部署云端服务的方法以及开发云端服务的方法
Bračevac et al. CPL: A core language for cloud computing
CN108334374A (zh) 组件动态加载与执行的方法和装置
CN114285698B (zh) 一种嵌入式操作系统上基于K3s的DDS通信中间件的构建方法
CN115509531A (zh) 基于前端技术的微前端实现方法、装置、终端及存储介质

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