CN116382916A - 用于云电脑算力集群的资源调度方法、系统及电子设备 - Google Patents
用于云电脑算力集群的资源调度方法、系统及电子设备 Download PDFInfo
- Publication number
- CN116382916A CN116382916A CN202310375991.0A CN202310375991A CN116382916A CN 116382916 A CN116382916 A CN 116382916A CN 202310375991 A CN202310375991 A CN 202310375991A CN 116382916 A CN116382916 A CN 116382916A
- Authority
- CN
- China
- Prior art keywords
- resource scheduling
- resource
- node
- computing
- computing power
- 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 50
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000010276 construction Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 5
- 239000003550 marker Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011664 signaling Effects 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]
- G06F9/5005—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于云电脑算力集群的资源调度方法、系统及电子设备，涉及云计算技术领域。该方法包括：录入目标云电脑算力集群的计算资源信息，并构建资源调度初始架构；录入并根据历史应用场景样本数据对资源调度初始架构进行训练优化，以构建资源调度模型；获取用户的应用场景需求；基于资源调度模型对应用场景需求进行分析，生成并根据分析结果调取对应的计算资源。本发明可针对不同场景进行高效精准的资源调度，满足多种应用需求。
Description
技术领域
本发明涉及云计算技术领域，具体而言，涉及一种用于云电脑算力集群的资源调度方法、系统及电子设备。
背景技术
云电脑是一种整体服务方案，包括云端资源、传输协议和云终端。用开放式云终端通过传输协议，把桌面、应用、硬件等资源以按需服务、弹性分配的服务模式提供给用户。云电脑将计算和处理能力(包括CPU、显卡算力和存储)集中到数据中心，通过远端算力调取，实现资源拉取，形成资源池。所有CPU和高端显卡算力的运算，都在云端完成，通过移动网络向用户传输图像，实现用户交互。
云电脑核心算力集群拥有大量优质算力资源，满足各种规模下的集中部署和统一资源调度。但是由于资源庞大，应用场景多且繁杂，现有技术无法实现高效精准的资源调度，容易出现延迟或者误差，数据遗漏等问题，无法很好的满足用户使用需求。
发明内容
为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种用于云电脑算力集群的资源调度方法、系统及电子设备，可针对不同场景进行高效精准的资源调度，满足多种应用需求。
为解决上述技术问题，本发明采用的技术方案为：
第一方面，本发明实施例提供一种用于云电脑算力集群的资源调度方法，包括以下步骤：
录入目标云电脑算力集群的计算资源信息，并构建资源调度初始架构；
录入并根据历史应用场景样本数据对资源调度初始架构进行训练优化，以构建资源调度模型；
获取用户的应用场景需求；
基于资源调度模型对应用场景需求进行分析，生成并根据分析结果调取对应的计算资源。
本方法结合精准的计算资源信息构建针对性的资源调度初始架构，结合计算节点进行高效快速的资源调度；为了进一步保证用户的使用效果，结合不同的应用场景及其对应的所需的计算资源对资源调度初始架构进行训练优化，进而构建一个更为精准的资源调度模型，基于该模型对应用户的实时应用需求进行分析，进而实现高效的计算资源调度，更好的满足用户的需求。本发明针对不同场景进行高效精准的资源调度，满足多种应用需求。
基于第一方面，在本发明的一些实施例中，上述构建资源调度初始架构包括以下步骤：
提取并根据目标云电脑算力集群的计算资源信息中的资源标记设定第一资源调度节点；
提取并根据目标云电脑算力集群的计算资源信息中的各个计算节点资源量设定第二资源调度节点；
根据第一资源调度节点和第二资源调度节点构建资源调度初始架构。
基于第一方面，在本发明的一些实施例中，上述根据历史应用场景样本数据对资源调度初始架构进行训练优化，以构建资源调度模型的方法包括以下步骤：
根据历史应用场景样本数据中的应用场景及其资源调度数据对资源调度初始架构进行调度训练，对资源调度初始架构中的调度节点进行绑定标记，生成多个节点绑定标记信息；
根据节点绑定标记信息，基于资源调度初始架构构建资源调度模型。
基于第一方面，在本发明的一些实施例中，该用于云电脑算力集群的资源调度方法还包括以下步骤：
对用户的应用场景需求进行特征提取，以得到场景特征数据。
基于第一方面，在本发明的一些实施例中，上述基于资源调度模型对应用场景需求进行分析，生成并根据分析结果调取对应的计算资源的方法包括以下步骤：
将场景特征数据导入资源调度模型中，进行场景匹配，以确定目标场景；
根据目标场景，基于资源调度模型调取对应计算节点的计算资源。
第二方面，本发明实施例提供一种用于云电脑算力集群的资源调度系统，包括初始架构构建模块、架构优化模块、需求获取模块以及资源调度模块，其中：
初始架构构建模块，用于录入目标云电脑算力集群的计算资源信息，并构建资源调度初始架构；
架构优化模块，用于录入并根据历史应用场景样本数据对资源调度初始架构进行训练优化，以构建资源调度模型；
需求获取模块，用于获取用户的应用场景需求；
资源调度模块，用于基于资源调度模型对应用场景需求进行分析，生成并根据分析结果调取对应的计算资源。
本系统通过初始架构构建模块、架构优化模块、需求获取模块以及资源调度模块等多个模块的配合，结合精准的计算资源信息构建针对性的资源调度初始架构，结合计算节点进行高效快速的资源调度；为了进一步保证用户的使用效果，结合不同的应用场景及其对应的所需的计算资源对资源调度初始架构进行训练优化，进而构建一个更为精准的资源调度模型，基于该模型对应用户的实时应用需求进行分析，进而实现高效的计算资源调度，更好的满足用户的需求。本发明针对不同场景进行高效精准的资源调度，满足多种应用需求。
基于第二方面，在本发明的一些实施例中，上述初始架构构建模块包括标记节点设定单元、资源量节点设定单元以及架构构建单元，其中：
标记节点设定单元，用于提取并根据目标云电脑算力集群的计算资源信息中的资源标记设定第一资源调度节点；
资源量节点设定单元，用于提取并根据目标云电脑算力集群的计算资源信息中的各个计算节点资源量设定第二资源调度节点；
架构构建单元，用于根据第一资源调度节点和第二资源调度节点构建资源调度初始架构。
基于第二方面，在本发明的一些实施例中，上述架构优化模块包括场景匹配单元和模型构建单元，其中：
场景匹配单元，用于根据历史应用场景样本数据中的应用场景及其资源调度数据对资源调度初始架构进行调度训练，对资源调度初始架构中的调度节点进行绑定标记，生成多个节点绑定标记信息；
模型构建单元，用于根据节点绑定标记信息，基于资源调度初始架构构建资源调度模型。
第三方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当一个或多个程序被处理器执行时，实现如上述第一方面中任一项的方法。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
本发明实施例至少具有如下优点或有益效果：
本发明实施例提供一种用于云电脑算力集群的资源调度方法、系统及电子设备，结合精准的计算资源信息构建针对性的资源调度初始架构，结合计算节点进行高效快速的资源调度；为了进一步保证用户的使用效果，结合不同的应用场景及其对应的所需的计算资源对资源调度初始架构进行训练优化，进而构建一个更为精准的资源调度模型，基于该模型对应用户的实时应用需求进行分析，进而实现高效的计算资源调度，更好的满足用户的需求。本发明针对不同场景进行高效精准的资源调度，满足多种应用需求。
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为本发明实施例一种用于云电脑算力集群的资源调度方法的流程图；
图2为本发明实施例一种用于云电脑算力集群的资源调度方法中构建资源调度初始架构的流程图；
图3为本发明实施例一种用于云电脑算力集群的资源调度方法中进行架构训练优化的流程图；
图4为本发明实施例一种用于云电脑算力集群的资源调度系统的原理框图；
图5为本发明实施例提供的一种电子设备的结构框图。
附图标记说明：100、初始架构构建模块；200、架构优化模块；300、需求获取模块；400、资源调度模块；101、存储器；102、处理器；103、通信接口。
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。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
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”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。
在本发明实施例的描述中，“多个”代表至少2个。
实施例：
如图1-图3所示，第一方面，本发明实施例提供一种用于云电脑算力集群的资源调度方法，包括以下步骤：
S1、录入目标云电脑算力集群的计算资源信息，并构建资源调度初始架构；
进一步地，如图2所示，包括：
S11、提取并根据目标云电脑算力集群的计算资源信息中的资源标记设定第一资源调度节点；
S12、提取并根据目标云电脑算力集群的计算资源信息中的各个计算节点资源量设定第二资源调度节点；
S13、根据第一资源调度节点和第二资源调度节点构建资源调度初始架构。
在本发明的一些实施例中，为了更好的实现算力集群庞大的计算资源的调度效果，结合不同算力节点的资源来源标记以及对应的计算资源量分别构建对应的资源调度节点，并基于此构建一个合理的资源调度初始架构，将各个节点及其计算资源进行关联调度，为后续提供有效支撑。
S2、录入并根据历史应用场景样本数据对资源调度初始架构进行训练优化，以构建资源调度模型；
进一步地，如图3所示，包括：
S21、根据历史应用场景样本数据中的应用场景及其资源调度数据对资源调度初始架构进行调度训练，对资源调度初始架构中的调度节点进行绑定标记，生成多个节点绑定标记信息；
S22、根据节点绑定标记信息，基于资源调度初始架构构建资源调度模型。
在本发明的一些实施例中，为了更好的满足用户的应用需求，结合实时的应用场景进行高效精准的资源调度；通过历史应用场景样本数据的场景与调度情况对资源调度初始架构进行优化，以应用场景为目标对象，构建不同应用场景下的资源调度架构，将对应的计算节点想关联，形成多个关联绑定架构，基于此，构建一个全面的资源调度模型，以便后续可以结合用户的应用场景需求进行高效且精准的计算资源调度，大大提高资源调度的效率，为用户提供更好的服务。
S3、获取用户的应用场景需求；
进一步地，还包括：对用户的应用场景需求进行特征提取，以得到场景特征数据。
在本发明的一些实施例中，为了进一步提高数据处理效率，减少数据冗余，提取用户的应用场景需求中的场景特征数据，为后续提供精准的数据支撑，同时减少后续的分析处理量。
S4、基于资源调度模型对应用场景需求进行分析，生成并根据分析结果调取对应的计算资源。
进一步地，包括：将场景特征数据导入资源调度模型中，进行场景匹配，以确定目标场景；根据目标场景，基于资源调度模型调取对应计算节点的计算资源。
在本发明的一些实施例中，结合场景特征进行高效精准的场景匹配，进而确定对应的所需的计算资源，确定对应的关联绑定架构，基于资源调度模型调取对应的计算节点的计算资源，实现高效精准的资源调度。
本方法结合精准的计算资源信息构建针对性的资源调度初始架构，结合计算节点进行高效快速的资源调度；为了进一步保证用户的使用效果，结合不同的应用场景及其对应的所需的计算资源对资源调度初始架构进行训练优化，进而构建一个更为精准的资源调度模型，基于该模型对应用户的实时应用需求进行分析，进而实现高效的计算资源调度，更好的满足用户的需求。本发明针对不同场景进行高效精准的资源调度，满足多种应用需求。
如图4所示，第二方面，本发明实施例提供一种用于云电脑算力集群的资源调度系统，包括初始架构构建模块100、架构优化模块200、需求获取模块300以及资源调度模块400，其中：
初始架构构建模块100，用于录入目标云电脑算力集群的计算资源信息，并构建资源调度初始架构；
架构优化模块200，用于录入并根据历史应用场景样本数据对资源调度初始架构进行训练优化，以构建资源调度模型；
需求获取模块300，用于获取用户的应用场景需求；
资源调度模块400，用于基于资源调度模型对应用场景需求进行分析，生成并根据分析结果调取对应的计算资源。
本系统通过初始架构构建模块100、架构优化模块200、需求获取模块300以及资源调度模块400等多个模块的配合，结合精准的计算资源信息构建针对性的资源调度初始架构，结合计算节点进行高效快速的资源调度；为了进一步保证用户的使用效果，结合不同的应用场景及其对应的所需的计算资源对资源调度初始架构进行训练优化，进而构建一个更为精准的资源调度模型，基于该模型对应用户的实时应用需求进行分析，进而实现高效的计算资源调度，更好的满足用户的需求。本发明针对不同场景进行高效精准的资源调度，满足多种应用需求。
基于第二方面，在本发明的一些实施例中，上述初始架构构建模块100包括标记节点设定单元、资源量节点设定单元以及架构构建单元，其中：
标记节点设定单元，用于提取并根据目标云电脑算力集群的计算资源信息中的资源标记设定第一资源调度节点；
资源量节点设定单元，用于提取并根据目标云电脑算力集群的计算资源信息中的各个计算节点资源量设定第二资源调度节点；
架构构建单元，用于根据第一资源调度节点和第二资源调度节点构建资源调度初始架构。
为了更好的实现算力集群庞大的计算资源的调度效果，通过标记节点设定单元、资源量节点设定单元以及架构构建单元的配合，结合不同算力节点的资源来源标记以及对应的计算资源量分别构建对应的资源调度节点，并基于此构建一个合理的资源调度初始架构，将各个节点及其计算资源进行关联调度，为后续提供有效支撑。
基于第二方面，在本发明的一些实施例中，上述架构优化模块200包括场景匹配单元和模型构建单元，其中：
场景匹配单元，用于根据历史应用场景样本数据中的应用场景及其资源调度数据对资源调度初始架构进行调度训练，对资源调度初始架构中的调度节点进行绑定标记，生成多个节点绑定标记信息；
模型构建单元，用于根据节点绑定标记信息，基于资源调度初始架构构建资源调度模型。
为了更好的满足用户的应用需求，结合实时的应用场景进行高效精准的资源调度；通过场景匹配单元和模型构建单元的配合，基于历史应用场景样本数据的场景与调度情况对资源调度初始架构进行优化，以应用场景为目标对象，构建不同应用场景下的资源调度架构，将对应的计算节点想关联，形成多个关联绑定架构，基于此，构建一个全面的资源调度模型，以便后续可以结合用户的应用场景需求进行高效且精准的计算资源调度，大大提高资源调度的效率，为用户提供更好的服务。
如图5所示，第三方面，本申请实施例提供一种电子设备，其包括存储器101，用于存储一个或多个程序；处理器102。当一个或多个程序被处理器102执行时，实现如上述第一方面中任一项的方法。
还包括通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中，存储器101可以是但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中，应该理解到，所揭露的方法及系统和方法，也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块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。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，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)执行本申请各个实施例所述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-Only Memory)、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。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种用于云电脑算力集群的资源调度方法，其特征在于，包括以下步骤：
录入目标云电脑算力集群的计算资源信息，并构建资源调度初始架构；
录入并根据历史应用场景样本数据对资源调度初始架构进行训练优化，以构建资源调度模型；
获取用户的应用场景需求；
基于资源调度模型对应用场景需求进行分析，生成并根据分析结果调取对应的计算资源。
2.根据权利要求1所述的一种用于云电脑算力集群的资源调度方法，其特征在于，所述构建资源调度初始架构包括以下步骤：
提取并根据目标云电脑算力集群的计算资源信息中的资源标记设定第一资源调度节点；
提取并根据目标云电脑算力集群的计算资源信息中的各个计算节点资源量设定第二资源调度节点；
根据第一资源调度节点和第二资源调度节点构建资源调度初始架构。
3.根据权利要求1所述的一种用于云电脑算力集群的资源调度方法，其特征在于，所述根据历史应用场景样本数据对资源调度初始架构进行训练优化，以构建资源调度模型的方法包括以下步骤：
根据历史应用场景样本数据中的应用场景及其资源调度数据对资源调度初始架构进行调度训练，对资源调度初始架构中的调度节点进行绑定标记，生成多个节点绑定标记信息；
根据节点绑定标记信息，基于资源调度初始架构构建资源调度模型。
4.根据权利要求1所述的一种用于云电脑算力集群的资源调度方法，其特征在于，还包括以下步骤：
对用户的应用场景需求进行特征提取，以得到场景特征数据。
5.根据权利要求4所述的一种用于云电脑算力集群的资源调度方法，其特征在于，所述基于资源调度模型对应用场景需求进行分析，生成并根据分析结果调取对应的计算资源的方法包括以下步骤：
将场景特征数据导入资源调度模型中，进行场景匹配，以确定目标场景；
根据目标场景，基于资源调度模型调取对应计算节点的计算资源。
6.一种用于云电脑算力集群的资源调度系统，其特征在于，包括初始架构构建模块、架构优化模块、需求获取模块以及资源调度模块，其中：
初始架构构建模块，用于录入目标云电脑算力集群的计算资源信息，并构建资源调度初始架构；
架构优化模块，用于录入并根据历史应用场景样本数据对资源调度初始架构进行训练优化，以构建资源调度模型；
需求获取模块，用于获取用户的应用场景需求；
资源调度模块，用于基于资源调度模型对应用场景需求进行分析，生成并根据分析结果调取对应的计算资源。
7.根据权利要求6所述的一种用于云电脑算力集群的资源调度系统，其特征在于，所述初始架构构建模块包括标记节点设定单元、资源量节点设定单元以及架构构建单元，其中：
标记节点设定单元，用于提取并根据目标云电脑算力集群的计算资源信息中的资源标记设定第一资源调度节点；
资源量节点设定单元，用于提取并根据目标云电脑算力集群的计算资源信息中的各个计算节点资源量设定第二资源调度节点；
架构构建单元，用于根据第一资源调度节点和第二资源调度节点构建资源调度初始架构。
8.根据权利要求6所述的一种用于云电脑算力集群的资源调度系统，其特征在于，所述架构优化模块包括场景匹配单元和模型构建单元，其中：
场景匹配单元，用于根据历史应用场景样本数据中的应用场景及其资源调度数据对资源调度初始架构进行调度训练，对资源调度初始架构中的调度节点进行绑定标记，生成多个节点绑定标记信息；
模型构建单元，用于根据节点绑定标记信息，基于资源调度初始架构构建资源调度模型。
9.一种电子设备，其特征在于，包括：
存储器，用于存储一个或多个程序；
处理器；
当所述一个或多个程序被所述处理器执行时，实现如权利要求1-5中任一项所述的方法。
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，该计算机程序被处理器执行时实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310375991.0A CN116382916A (zh) | 2023-04-10 | 2023-04-10 | 用于云电脑算力集群的资源调度方法、系统及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310375991.0A CN116382916A (zh) | 2023-04-10 | 2023-04-10 | 用于云电脑算力集群的资源调度方法、系统及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116382916A true CN116382916A (zh) | 2023-07-04 |
Family
ID=86976583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310375991.0A Pending CN116382916A (zh) | 2023-04-10 | 2023-04-10 | 用于云电脑算力集群的资源调度方法、系统及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116382916A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117194054A (zh) * | 2023-11-06 | 2023-12-08 | 西安一二三云计算有限公司 | 基于用户画像的云盘资源调度方法 |
-
2023
- 2023-04-10 CN CN202310375991.0A patent/CN116382916A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117194054A (zh) * | 2023-11-06 | 2023-12-08 | 西安一二三云计算有限公司 | 基于用户画像的云盘资源调度方法 |
| CN117194054B (zh) * | 2023-11-06 | 2024-02-23 | 西安一二三云计算有限公司 | 基于用户画像的云盘资源调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110428058B (zh) | 联邦学习模型训练方法、装置、终端设备及存储介质 | |
| CN109344170B (zh) | 流数据处理方法、系统、电子设备及可读存储介质 | |
| CN109492772B (zh) | 生成信息的方法和装置 | |
| CN107944481B (zh) | 用于生成信息的方法和装置 | |
| CN102246165B (zh) | 利用压缩梯度直方图来代表和标识特征描述符的方法和装置 | |
| CN110472154B (zh) | 一种资源推送方法、装置、电子设备及可读存储介质 | |
| CN108170538B (zh) | 一种信息处理方法、装置以及电子设备 | |
| US9639444B2 (en) | Architecture for end-to-end testing of long-running, multi-stage asynchronous data processing services | |
| US11475055B2 (en) | Artificial intelligence based method and apparatus for determining regional information | |
| CN110347888B (zh) | 订单数据的处理方法、装置及存储介质 | |
| CN111522735B (zh) | 测试实验的分流方法及装置 | |
| CN111680799A (zh) | 用于处理模型参数的方法和装置 | |
| CN109325480B (zh) | 身份信息的录入方法及终端设备 | |
| CN116382916A (zh) | 用于云电脑算力集群的资源调度方法、系统及电子设备 | |
| CN109658120A (zh) | 一种业务数据处理方法以及装置 | |
| CN114820080A (zh) | 基于人群流转的用户分群方法、系统、装置及介质 | |
| CN111984822A (zh) | 图像生成方法、装置、电子设备及计算机可读存储介质 | |
| CN114064834A (zh) | 目标地点确定方法及装置、存储介质和电子设备 | |
| CN101495978A (zh) | 减少总线连接的消费者和产生者之间的消息流 | |
| CN110347973B (zh) | 用于生成信息的方法和装置 | |
| CN117611272A (zh) | 商品推荐方法、装置及电子设备 | |
| CN116821493A (zh) | 消息推送方法、装置、计算机设备及存储介质 | |
| CN115576973B (zh) | 一种业务部署方法、装置、计算机设备和可读存储介质 | |
| CN111182465A (zh) | 终端归属的确定方法及装置 | |
| CN113114612B (zh) | 分布式系统调用链的确定方法和装置 |
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 |