CN116414559A - 算力统一标识建模、分配的方法、存储介质及电子设备 - Google Patents

Abstract

本申请的一些实施例提供了一种算力统一标识建模、分配的方法、存储介质及电子设备，该方法包括：生成与注册信息对应的算力资源标识，其中，所述注册信息与待添加算力设备的多维度算力属性相关；基于所述算力资源标识，生成算力资源节点，其中，所述算力资源节点存储有所述多维度算力属性中各维度算力属性的方法用例，所述算力资源标识用于指向所述算力资源节点；将所述算力资源节点添加到算力网络中，以实现所述算力网络的算力资源统一建模，其中，所述算力网络中包括不同架构的算力资源。本申请的一些实施例可以基于面向对象实现对算力资源的统一标识和建模，并且可以进行灵活扩展，实用性较高。

Description

算力统一标识建模、分配的方法、存储介质及电子设备

技术领域

本申请涉及算力网络技术领域，具体而言，涉及一种算力统一标识建模、分配的方法、存储介质及电子设备。

背景技术

算力网络是以算为中心、网为根基，网、云、数、智、安、边、端和链等深度融合，提供的一体化服务的新型信息基础设施。

目前，由于算力网络中的算力资源可以由不同的硬件架构组成。为了实现对算力资源的整合，现有技术通常将典型的算力设备规格性能作为算力归一化的参考标准。一般将不同的硬件架构的算力资源映射到统一的度量维度，进而后续对算力资源进行统一分配和调度。但是，由于不同的异构算力的算力服务请求不同，无法实现对算力资源的准确度量和精准分配。

因此，如何提供一种精准度较高的算力统一标识建模、分配的方法的技术方案成为亟需解决的技术问题。

发明内容

本申请的一些实施例的目的在于提供一种算力统一标识建模、分配的方法、存储介质及电子设备，通过本申请的实施例的技术方案可以将不同架构的算力资源整合在一起，实现对算力资源的统一标识、统一建模、统一更新、统一注册、统一通告和统一分配，并准确记录算力资源的算力属性，后续可以针对不同的异构算力请求，实现算力资源的精准分配。

第一方面，本申请的一些实施例提供了一种算力统一标识建模的方法，包括：生成与注册信息对应的算力资源标识，其中，所述注册信息与待添加算力设备的多维度算力属性相关；基于所述算力资源标识，生成算力资源节点，其中，所述算力资源节点存储有所述多维度算力属性中各维度算力属性的方法用例，所述算力资源标识用于指向所述算力资源节点；将所述算力资源节点添加到算力网络中，以实现所述算力网络的算力资源统一建模，其中，所述算力网络中包括不同架构的算力资源。

本申请的一些实施例通过赋予待添加算力设备的注册信息算力资源标识，并且将基于算力资源标识生成的算力资源节点添加到算力网络中。本申请实施例可以将不同架构的算力资源整合在一起，并准确记录算力资源的算力属性，以实现算力网络中的算力资源的更新。并且通过唯一的算力资源标识可以实现对算力资源节点的管理，后续可以针对不同的异构算力请求，实现算力资源的精准分配。

在一些实施例，在所述生成与注册信息对应的算力资源标识之前，所述方法还包括：响应于用户在多个注册项目中的至少一个注册项目上的操作指令，得到所述注册信息。

本申请的一些实施例通过用户在多个注册项目中的至少一个注册项目上的填写操作，得到注册信息，可以实现用户按需填写，灵活性较高。

在一些实施例，在所述响应于用户在多个注册项目中的至少一个注册项目上的操作指令，得到所述注册信息之前，所述方法还包括：向所述用户展示预设算力建模对象模板，其中，所述预设算力建模对象模板中包括多个预设注册项目；响应于所述用户的操作指令，获取至少一个新注册项目，其中，所述至少一个新注册项目与所述多个预设注册项目构成所述多个注册项目。

本申请的一些实施例通过用户对预设算力建模对象模板进行更新得到多个注册项目，可以实现对预设算力建模对象模板中的注册项目的拓展，完整记录待添加算力设备的属性信息，灵活性较高。

在一些实施例，所述生成与注册信息对应的算力资源标识之前，所述方法还包括：获取与所述待添加算力设备对应的接口信息，其中，所述接口信息包括：算力通告接口信息、算力纳管接口信息和算力调用接口信息，所述接口信息对应的接口用于对所述算力资源节点进行管理和调度。

本申请的一些实施例通过获取待添加算力设备的接口信息，可以实现对后续的算力资源节点的有效感知、管控和调度。

在一些实施例，所述多维度算力属性包括以下中的至少一种：域名属性、大区属性、可用区属性、通用描述属性、算力节点拓扑连接描述属性、算力节点性能描述属性、算力节点服务能力描述属性以及算力平台能力描述属性。

本申请的一些实施例的多维度算力属性可以包括多种类型的属性信息，通用性较高。

在一些实施例，所述算力节点性能描述属性与至少一种处理器或至少一种芯片相关。

本申请的一些实施例的算力节点性能描述可以包括不同异构的算力节点，可以实现对不同异构的算力资源节点的整合，并为算力请求提供更加精准的服务。

在一些实施例，所述处理器包括：中央处理器CPU、网络处理器NPU和图形处理器GPU，所述芯片包括：集成电路ASIC芯片和现场可编程逻辑门阵列FPGA芯片。

本申请的一些实施例可以支持不同类型的处理器和芯片，通用性较高。

第二方面，本申请的一些实施例提供了一种算力资源分配的方法，包括：实时检测或计算算力网络中各算力资源节点的算力资源容量，其中，所述算力容量包括以下中的至少一种：算力能力值、算力存储容量、网络带宽、操作系统能力、算法支撑能力值、中间件能力值和数据库能力值，所述算力网络中包括不同架构的算力资源节点，所述算力资源节点存储有多维度算力属性中各维度算力属性的方法用例；接收终端设备发送的算力请求；基于所述各算力资源节点的算力资源容量，查找为所述算力请求提供服务的算力资源标识，其中，所述算力资源标识是基于用户在预设算力建模对象模板上填写的算力资源节点的所述多维度算力属性之后生成的，所述算力资源标识用于指向对应的算力资源节点；将所述算力请求分配到与所述算力资源标识对应的目标算力资源节点。

本申请的一些实施例可以实时检测或计算算力网络中的算力资源容量，动态精准掌握算力资源节点的可用算力资源，并且针对不同的算力请求，查找到能够为其服务的算力资源标识，进而将算力请求分配到对应的目标算力资源节点，效率较高且精准度较高。

第三方面，本申请的一些实施例提供了一种算力统一标识建模的装置，包括：标识生成模块，被配置为生成与注册信息对应的算力资源标识，其中，所述注册信息与待添加算力设备的多维度算力属性相关；节点生成模块，被配置为基于所述算力资源标识，生成算力资源节点，其中，所述算力资源节点存储有所述多维度算力属性中各维度算力属性的方法用例，所述算力资源标识用于指向所述算力资源节点；建模模块，被配置为将所述算力资源节点添加到算力网络中，以实现所述算力网络的算力资源统一建模，其中，所述算力网络中包括不同架构的算力资源。

第四方面，本申请的一些实施例提供了一种算力资源分配的装置，包括：监测模块，被配置为实时检测或计算算力网络中各算力资源节点的算力资源容量，其中，所述算力容量包括以下中的至少一种：算力能力值、算力存储容量、网络带宽、操作系统能力、算法支撑能力值、中间件能力值和数据库能力值，所述算力网络中包括不同架构的算力资源节点，所述算力资源节点存储有多维度算力属性中各维度算力属性的方法用例；接收模块，被配置为接收终端设备发送的算力请求；查找模块，被配置为基于所述各算力资源节点的算力资源容量，查找为所述算力请求提供服务的算力资源标识，其中，所述算力资源标识是基于用户在预设算力建模对象模板上填写的算力资源节点的所述多维度算力属性之后生成的，所述算力资源标识用于指向对应的算力资源节点；分配模块，被配置为将所述算力请求分配到与所述算力资源标识对应的目标算力资源节点。

第五方面，本申请的一些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，所述程序被处理器执行时可实现如第一方面或第二方面任一实施例所述的方法。

第六方面，本申请的一些实施例提供一种电子设备，包括存储器、处理器以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，其中，所述处理器执行所述程序时可实现如第一方面或第二方面任一实施例所述的方法。

第七方面，本申请的一些实施例提供一种计算机程序产品，所述的计算机程序产品包括计算机程序，其中，所述的计算机程序被处理器执行时可实现如第一方面或第二方面任一实施例所述的方法。

附图说明

为了更清楚地说明本申请的一些实施例的技术方案，下面将对本申请的一些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申请的某些实施例，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为本申请的一些实施例提供的一种算力统一标识建模的系统图；

图2为本申请的一些实施例提供的一种算力统一标识建模的方法流程图；

图3为本申请的一些实施例提供的预设算力建模对象模板的示意图；

图4为本申请的一些实施例提供的一种算力资源分配的方法流程图；

图5为本申请的一些实施例提供的一种算力统一标识建模的装置组成框图；

图6为本申请的一些实施例提供的一种算力资源分配的装置组成框图；

图7为本申请的一些实施例提供的一种电子设备示意图。

具体实施方式

下面将结合本申请的一些实施例中的附图，对本申请的一些实施例中的技术方案进行描述。

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。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

首先，为了便于理解本申请，下面对下文中的专业名词进行解释：

CPU，中央处理器，Central Processing Unit，作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。

GPU，图形处理器，Graphics Processing Unit，是一种专门在个人电脑、工作站、游戏机和一些移动设备上做图像和图形相关运算工作的微处理器。

NPU，嵌入式神经网络处理器，Neural-network Processing Units，采用“数据驱动并行计算”的架构，特别擅长处理视频、图像类的海量多媒体数据。

AISC，Application Specific Integrated Circuit。ASIC芯片是用于供专门应用的集成电路芯片技术。

FPGA，Field Programmable Gate Array，是在PAL(可编程阵列逻辑)、GAL(通用阵列逻辑)等可编程器件的基础上进一步发展的产物。

相关技术中，随着社会数智化转型不断深入，算力规模出现爆发式的增长，算力供给方式向集群生态方面转变。为了促进算力和网络的深度融合发展，行业内提出了算力网络一体化信息基础设施和信息服务体系。其中，算力网络是以算为中心、网为根基，网、云、数、智、安、边、端、链(ABCDNETS)等多要素深度融合的一体化服务的新型信息基础设施。算力网络的目标是实现“算力泛在、算网共生、智能编排、一体服务”，逐步推动算力，成为与水电一样的可“一点接入、即取即用”的社会级服务，达成“网络无所不达、算力无所不在、智能无所不及”的愿景。

当前整个算力网络中的算力可以由不同的硬件架构组成，通常包括CPU、GPU、NPU、FPGA和AISC等等。CPU主要包括X86和ARM处理器(Advanced RISC Machine)。虽然ARM设计之初作为面向低功耗等场景推出的定制化的ASIC芯片，但是随着ARM在服务器和嵌入式终端的广泛应用，目前也是作为通用芯片来应用和部署。GPU主要是矢量的图形化数据能够实现快速处理的专有架构。FPGA作为可编程逻辑门电路在硬件加速等方面具有优势。而面向特定场景的处理需求定制专用芯片来进行处理，比如当前针对深度学习设计的各种TPU(Tensor Processing Unit，张量处理单元)、NPU应该属于领域的定制的ASIC。

目前，业内主要将泛在算力资源的统一建模和度量作为算力调度的基础。针对异构的算力资源，按照一种假设的业内最典型的算力设备规格性能作为算力归一化参考标准，将异构的算力资源映射到统一的度量维度。算力网络可以计算算力资源并进行整体分配。以服务的形式为业务/用户提供算力，最终形成业务层可理解、可调用的算力资源池。但是，将异构的算力资源映射到统一的度量纬度，缺乏科学统一的映射标准，进而针对需要多种不同异构算力的算力服务请求，无法精确进行各种算力的准确度量和精准综合供给。另外，当前算力网络技术对算力标识建模的维度比较单一，无法对算力资源进行全面的标识和建模，无法实时动态地对算力资源状态进行准确感知，进而无法对各种复杂的算力服务需求分配最佳算力资源节点。例如，对CPU的算力，通过单CPU单精度浮点计算能力(TFLOPS)；通过单CPU在INT8精度下的整型计算能力(TOPS)进行计算能力标识。该方案无法实时感知计算资源节点当前被算力服务占用情况，因此无法评估是否能接受新的算力服务请求的算力需求。

由上述相关技术可知，现有技术中存在对异构的算力资源无法进行准确且有效的更新和整合，以及算力资源分配精准度较低的问题。

鉴于此，本申请的一些实施例提供了一种算力统一标识建模的方法，该方法在统一的算力注册流程中，通过统一的算力资源标识和算力建模模板，获取待添加算力设备的多维度算力属性(例如，算力度量信息、算力服务能力信息、算力平台能信息等)，并对待添加算力设备的多维度算力属性生成算力资源标识，之后将待添加算力设备的服务能力以面向对象的技术构建算力资源节点。最后将算力资源节点添加到算力网络中。本申请的一些实施例可以实现对不同异构的算力资源的准确更新且有效整合，并且为后续算力资源的精准分配提供准确的算力数据支持，实用性较高。

下面结合附图1示例性阐述本申请的一些实施例提供的算力统一标识建模的系统整体结构。

如图1所示，本申请的一些实施例提供了一种算力统一标识建模的系统，该系统包括：终端100和服务器200。终端100可以通过web页面向算力节点用户(也就是用户)展示预设算力建模对象模板。用户可以在预设算力建模对象模板中的注册项目中填写其拥有的算力设备(作为待添加算力设备的一个具体示例)的注册信息。服务器200在读取到注册信息后，可以为该注册信息生成一个唯一的算力资源标识。基于该算力资源标识，服务器200可以为注册信息生成相应的实例得到算力资源节点。算力资源节点中存储有该算力设备可以提供的服务。最后服务器200将算力资源节点添加到算力网络中，以此实现对算力网络中算力资源的更新。在本申请的一些实施例中，算力设备的硬件架构可以不限定类型，服务器200可以将不同异构的算力设备整合到算力网络中，后续可以实现对不同算力请求的精准服务。

在本申请的一些实施例中，终端100可以是移动终端，也可以是非便携的电脑终端。本申请实施例并不局限于此。

下面结合附图2示例性阐述本申请的一些实施例提供的有服务器200执行的算力统一标识建模的实现过程。

请参见附图2，图2为本申请的一些实施例提供的一种算力统一标识建模的方法流程图，算力统一标识建模的方法包括：

S210，生成与注册信息对应的算力资源标识，其中，所述注册信息与待添加算力设备的多维度算力属性相关。

例如，在本申请的一些实施例中，为了实现对算力资源的管理。算网大脑(作为服务器200的一个具体示例)可以根据算力设备所有者(作为用户的一个具体示例)填写的算力设备的与多维度算力属性相关的注册信息，生成全局唯一算力网络资源标识CNRID(作为算力资源标识的一个具体示例)。应理解，全局唯一算力网络资源标识CNRID在算力网络全域中可以进行唯一标识和引用。

在本申请的一些实施例中，在执行S210之前，算力统一标识建模的方法还包括：S201(图中未示出)，响应于用户在多个注册项目中的至少一个注册项目上的操作指令，得到所述注册信息。

例如，在本申请的一些实施例中，算力设备所有者可以发起算力注册流程，算力设备所有者可以在与多维度算力属性相关的多个注册项目内填写算力属性信息，得到注册信息。通常一个维度算力属性对应一个注册项目。算力设备所有者可以根据算力设备的具体情况，可以选择需要填写的注册项目，需要填写的注册项目可以是全部的注册项目，也可以是多个注册项目中的部分注册项目(也就是至少一个注册项目)。

在本申请的一些实施例中，在执行S201之前，算力统一标识建模的方法还包括：向所述用户展示预设算力建模对象模板，其中，所述预设算力建模对象模板中包括多个预设注册项目；响应于所述用户的操作指令，获取至少一个新注册项目，其中，所述至少一个新注册项目与所述多个预设注册项目构成所述多个注册项目。

例如，在本申请的一些实施例中，在算力设备所有者在终端100发起注册流程后，终端100可以向算力设备所有者展示服务器200存储的统一标识建模对象模板(作为预设算力建模对象模板的一个具体示例)，统一标识建模对象模板中含有多个填报项目(作为多个预设注册项目的一个具体示例)。由于统一标识建模对象模板中的多个填报项目未必涵盖所有的算力设备的算力属性，因此算力设备所有者可以对统一标识建模对象模板进行自由编辑，在统一标识建模对象模板中添加新填报项目(作为新注册项目的一个具体示例)，得到更新后的统一标识建模对象模板。更新后的统一标识建模对象模板中包括多个填报项目和新填报项目，多个填报项目和新填报项目构成多个注册项目。可以理解的是，统一标识建模对象模板中的填报项目可以进行灵活拓展，可以将各种算力设备统一到一起，实用性较高。

在本申请的另一些实施例中，算网大脑可以通过算网用户身份注册实现对异构算力的统一管控(也就是在S210之前获取注册信息的过程)。终端100的算力管控平台面向底层不同算力，提供统一的异构算力适配、算力和API(Application Program Interface，应用程序界面)注册管控，实现跨平台、跨集群算力的组织编排、调度执行，为算网大脑提供统一、标准化的算力标识。

例如，作为本申请的一个具体示例，算网用户身份注册的实现过程如下：

S1，第三方作为算力提供方对异构算力节点进行适配纳管。

作为本申请的一个具体示例，第三方为异构算力全栈纳管监控端，其包括多种不同的异构算力。例如，三方云、网络云、超算中心和端算力等等。算力提供方也可以称为算力设备所有者。

S2，算力提供方向算力管控平台发送算力用户身份注册请求。

S3，算力管控平台将算力用户身份注册请求发送给算网大脑。

S4，算网大脑的算力注册中心接收算力用户身份注册请求。

S5，算网大脑的算力注册中心审核算力用户身份注册请求。

S6，算网大脑的算力注册中心返回用户注册结果给算力管控平台。

S7，算力管控平台将用户注册结果转发给第三方。

需要说明的是，在用户注册结果为通过的情况下，算网大脑可以获取注册信息，并执行S210。

在本申请的一些实施例中，在执行S210之前，算力统一标识建模的方法还包括：获取与所述待添加算力设备对应的接口信息，其中，所述接口信息包括：算力通告接口信息、算力纳管接口信息和算力调用接口信息，所述接口信息对应的接口用于对所述算力资源节点进行管理和调度。

例如，在本申请的一些实施例中，在算力注册阶段，算力设备所有者可以通过终端100的算力管控平台向算网大脑填报、提供和开放算力通告接口，算力纳管接口，算力调用接口或算力卸载接口等接口信息，以实现后续对新注册的算力资源节点的有效感知、管控和算力调度。

S220，基于所述算力资源标识，生成算力资源节点，其中，所述算力资源节点存储有所述多维度算力属性中各维度算力属性的方法用例，所述算力资源标识用于指向所述算力资源节点。

在本申请的一些实施例中，基于全局唯一算力网络资源标识CNRID，服务器200还可以产生与各维度算力属性相对于的方法实例。通过采用面向对象的方式描述算力资源节点可以执行的方法或提供的服务，能够很好的记录算力资源节点的性能。其中，全局唯一算力网络资源标识CNRID和算力资源节点属于一对一的对应关系。通过全局唯一算力网络资源标识CNRID可以查找到对应的算力资源节点，可以提升后续分配算力请求服务的效率。

S230，将所述算力资源节点添加到算力网络中，以实现所述算力网络的算力资源统一建模，其中，所述算力网络中包括不同架构的算力资源。

例如，在本申请的一些实施例中，通过将算力资源节点更新到算力网络中，可以完善算力网络中的算力资源，以便于更好的服务于每一条算力请求。

本申请的一些实施例通过将算力资源标识与算力资源节点中的各维度算力属性的方法用例进行统一建模，添加到算力网络中，以实现对算力资源的统一标识和统一建模，更新效果较好。

为了实现对算力资源的更新，在本申请的一些实施例中需要对预设算力建模对象模板进行设计。下面示例性阐述预设算力建模对象模板的获取过程。

在本申请的一些实施例中，所述多维度算力属性包括以下中的至少一种：域名属性、大区属性、可用区属性、通用描述属性、算力节点拓扑连接描述属性、算力节点性能描述属性、算力节点服务能力描述属性以及算力平台能力描述属性。

为了便于理解，本申请的一些实施例提供了如图3所示的异构算力综合标识建模模板(作为预设算力建模对象模板的一个具体示例)中可以包括的多维度算力属性。其中，某个算力节点统一资源标识(也就是全局唯一算力网络资源标识)下，算力节点的多维度算力属性包括：算力节点域名属性、大区属性、可用区属性、算力节点通用描述属性、算力节点拓扑连接描述属性、算力节点性能描述属性、算力节点服务能力描述属性以及算力平台能力描述属性。

在本申请的一些实施例中，可以将分布于全球的各种异构算力资源按算力网络服务大区(也就是大区属性)、算力网络可用区(也就是可用区属性)进行大的算力网络区域划分，便于算力资源节点在全球范围内的快速寻址定位。例如，通过对关键属性对象(例如，域名属性、大区属性、可用区属性、算力资源名等)生成统一资源定位符作为算力资源节点的唯一URL(Uniform resource locator，统一资源定位系统)标识，以便于算力资源节点在全球范围内的快速寻址定位。

另外，在本申请的一些实施例中，算力节点性能描述属性可以包括：算力节点资源静态性能属性、算力节点资源动态性能属性和算力节点资源综合性能属性。算力节点服务能力描述属性可以包括：算法服务能力、中间件服务能力、数据库服务能力、函数服务服务能力属性、微服务服务能力属性、容器服务属性、虚拟机能力描述属性和裸金属服务能力描述属性等。算力平台能力描述属性可以包括：能效描述属性、安全顶级描述属性、容灾备份等级描述属性以及自智能力描述属性等等。

在本申请的另一些实施例中，多维度算力属性还可以包括：资源节点级别属性(例如，中心云算力、边缘云算力和端算力等)。

需要说明的是，除上述列举的多维属性之外，还可以根据实际情况扩展其他的性能属性，本申请实施例并不局限于此。

在本申请的一些实施例中，所述算力节点性能描述属性与至少一种处理器或至少一种芯片相关。其中，所述处理器包括：中央处理器CPU、网络处理器NPU和图形处理器GPU，所述芯片包括：集成电路ASIC芯片和现场可编程逻辑门阵列FPGA芯片。

在本申请的一些实施例中，算力节点性能描述属性、算力节点服务能力描述属性以及算力平台能力描述属性可以统称为算力标识描述子对象。而算力标识描述子对象包括但不限于算力节点性能描述属性子对象(也就是算力节点性能描述属性)。图3中的算力节点性能描述属性子对象中还可以包括：算力节点资源静态性能属性孙子对象、算力节点资源动态性能属性孙子对象、算力节点综合性能属性孙子对象等。基于以上嵌套对象属性列表，实现对算力资源节点的性能实时动态感知和分析。并且可用在对嵌套对象、属性列表进行灵活拓展和调整优化。

例如，作为本申请的一个具体示例，图3中的算力节点资源静态性能属性可以包括：CPU静态性能属性、GPU静态性能属性和NPU静态性能属性等等。算力节点资源动态性能属性可以包括：CPU动态性能属性、GPU动态性能属性和NPU动态性能属性等等。算力节点资源综合性能属性可以包括：CPU综合性能属性、GPU综合性能属性和NPU综合性能属性等等。

例如，作为本申请的一个具体示例，将算力资源节点的入口网络节点(即算力节点拓扑连接描述属性)及两者之间的网络性能子对象作为算力资源节点的其中一个关键性能属性。算力资源节点的入口网络节点子对象中的属性列表示例如表1所示。

表1

需要说明的是，表1中的算力节点的入口网络节点子对象中的属性列表包括：入口节点IP、节点间网络带宽(Mbps)、节点间网络时延(ms)、节点间抖动(ms)、节点间丢包率、是否支持SRv6、是否支持APN6等关键性能属性值。可以理解的是，属性列表可以按需设置，本申请实施例并不局限于此。

作为本申请的一个具体示例，通用描述属性主要对算力资源节点的基本情况进行概要描述，算力资源节点的通用描述属性的通用描述子对象属性列表如表2所示。

表2

需要说明的是，在本申请的一些实施例中，算力资源节点的通用描述子对象属性列表包括但不仅限于资源名、资源描述、是否是动态资源、是否可消费、是否可共享、资源值、资源获取命令、资源采集时间间隔和使用范围等。

作为本申请的一个具体示例，基于分层级嵌套、可灵活拓展的算力标识属性对象，构建面向对象的多厂家异构算力统一标识建模和资源状态实时动态更新的高效算力资源属性检索和匹配技术标准框架，可以得到如表3所示的算力节点邻节点对象属性引用示例。

表3

通过上述实施例可知，本申请的一些实施例可以实现如图3所示的分层级嵌套，并且可灵活拓展算力的算力属性对象。根据算力资源管理、算力资源感知、算力资源编排、算力资源调用、算力网络自智等算力网络新的需求对本申请的算力标识对象及内嵌子对象、孙子对象、对象属性、对象方法进行科学灵活的拓展、充实、完善和调优。以此实现对各种层级异构算力的统一、完备标识和算力度量建模，支撑算力网络的高效服务供给的服务综合能力。

下面结合附图4示例性阐述本申请的一些实施例提供的由服务器200执行的算力资源分配的实现过程。

请参见附图4，图4为本申请的一些实施例提供的一种算力资源分配的方法流程图，算力资源分配的方法包括：

S400，实时检测或计算算力网络中各算力资源节点的算力资源容量，其中，所述算力容量包括以下中的至少一种：算力能力值、算力存储容量、网络带宽、操作系统能力、算法支撑能力值、中间件能力值和数据库能力值，所述算力网络中包括不同架构的算力资源节点，所述算力资源节点存储有多维度算力属性中各维度算力属性的方法用例。

例如，在本申请的一些实施例中，服务器200可以实时检测或计算算力网络中各算力资源节点的可用算力资源(作为算力资源容量的一个具体示例)，实时动态精准掌握算力资源节点的具体占用情况。在此基础上可以实现对算力服务需求(作为算力请求的一个具体示例)进行最优的服务算力资源节点的评估和分配。从而有效解决了当前算力标识建模技术中标识不统一规范、建模不准确、无法对算力进行实时高效感知的系列技术瓶颈问题。

S410，接收终端设备发送的算力请求。

例如，在本申请的一些实施例中，服务器200可以接收终端设备发送的算力请求。

S420，基于所述各算力资源节点的算力资源容量，查找为所述算力请求提供服务的算力资源标识，其中，所述算力资源标识是基于用户在预设算力建模对象模板上填写的算力资源节点的所述多维度算力属性之后生成的，所述算力资源标识用于指向对应的算力资源节点。

例如，在本申请的一些实施例中，服务器200基于算力请求，在算力网络中查找可以为算力请求提供服务的至少一个算力资源标识，并从至少一个算力资源标识中选择出算力资源标识。例如，算力请求为需要CPU静态性能属性值为不大于60％的算力资源节点提供服务。服务器200通过对算力网络中的算力资源的CPU静态性能属性进行查看，得到满足需求的两个算力资源标识，将两个中的任一个算力资源标识对应的算力资源节点为算力请求提供服务即可。

S430，将所述算力请求分配到与所述算力资源标识对应的目标算力资源节点。

例如，在本申请的一些实施例中，服务器200可以将算力请求调度到目标算力资源节点为其通过相应的服务。

可以理解的是，本申请的一些实施例可以对各种类型的算力请求进行算力资源的分配，适用性较广。

相较于现有技术，本申请的一些实施例提供的技术方案具有如下优势：

1)本申请基于面向对象统一标识建模技术，将异构算力的多维度算力属性实现了统一标识、统一建模、可灵活拓展的综合高效的标识建模，实现了对算力资源的更新。

2)本申请基于分层级嵌套、可灵活拓展的算力标识属性对象，构建面向对象的多厂家异构算力统一标识建模和资源状态实时动态更新的高效算力资源多维属性检索和匹配技术标准算力标识、度量建模框架。

3)本申请以算力资源标识对象方法的灵活定义、拓展和调用实现对算力资源建模、度量、算法、分析、处理、能力开放(例如，通过映射到对应算力API等方式进行算力服务能力开放)的逐步丰富、细化和完善，具备优良的工程可实现性。

请参考图5，图5示出了本申请的一些实施例提供的算力统一标识建模的装置的组成框图。应理解，该算力统一标识建模的装置与上述图2方法实施例对应，能够执行上述方法实施例涉及的各个步骤，该算力统一标识建模的装置的具体功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。

图5的算力统一标识建模的装置包括至少一个能以软件或固件的形式存储于存储器中或固化在算力统一标识建模的装置中的软件功能模块，该算力统一标识建模的装置包括：标识生成模块510，被配置为生成与注册信息对应的算力资源标识，其中，所述注册信息与待添加算力设备的多维度算力属性相关；节点生成模块520，被配置为基于所述算力资源标识，生成算力资源节点，其中，所述算力资源节点存储有所述多维度算力属性中各维度算力属性的方法用例，所述算力资源标识用于指向所述算力资源节点；建模模块530，被配置为将所述算力资源节点添加到算力网络中，以实现所述算力网络的算力资源统一建模，其中，所述算力网络中包括不同架构的算力资源。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。

请参考图6，图6示出了本申请的一些实施例提供的算力资源分配的装置的组成框图。应理解，该算力资源分配的装置与上述图4方法实施例对应。图6的算力资源分配的装置包括至少一个能以软件或固件的形式存储于存储器中或固化在算力资源分配的装置中的软件功能模块，该算力资源分配的装置包括：监测模块600，被配置为实时检测或计算算力网络中各算力资源节点的算力资源容量，其中，所述算力容量包括以下中的至少一种：算力能力值、算力存储容量、网络带宽、操作系统能力、算法支撑能力值、中间件能力值和数据库能力值，所述算力网络中包括不同架构的算力资源节点，所述算力资源节点存储有多维度算力属性中各维度算力属性的方法用例；接收模块610，被配置为接收终端设备发送的算力请求；查找模块620，被配置为基于所述各算力资源节点的算力资源容量，查找为所述算力请求提供服务的算力资源标识，其中，所述算力资源标识是基于用户在预设算力建模对象模板上填写的算力资源节点的所述多维度算力属性之后生成的，所述算力资源标识用于指向对应的算力资源节点；分配模块630，被配置为将所述算力请求分配到与所述算力资源标识对应的目标算力资源节点。

本申请的一些实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时可实现如上述实施例提供的上述方法中的任意实施例所对应方法的操作。

本申请的一些实施例还提供了一种计算机程序产品，所述的计算机程序产品包括计算机程序，其中，所述的计算机程序被处理器执行时可实现如上述实施例提供的上述方法中的任意实施例所对应方法的操作。

如图7所示，本申请的一些实施例提供一种电子设备700，该电子设备700包括：存储器710、处理器720以及存储在存储器710上并可在处理器720上运行的计算机程序，其中，处理器720通过总线730从存储器710读取程序并执行所述程序时可实现如上述任意实施例的方法。

处理器720可以处理数字信号，可以包括各种计算结构。例如复杂指令集计算机结构、结构精简指令集计算机结构或者一种实行多种指令集组合的结构。在一些示例中，处理器720可以是微处理器。

存储器710可以用于存储由处理器720执行的指令或指令执行过程中相关的数据。这些指令和/或数据可以包括代码，用于实现本申请实施例描述的一个或多个模块的一些功能或者全部功能。本公开实施例的处理器720可以用于执行存储器710中的指令以实现上述所示的方法。存储器710包括动态随机存取存储器、静态随机存取存储器、闪存、光存储器或其它本领域技术人员所熟知的存储器。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。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。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

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。

Claims (10)

1.一种算力统一标识建模的方法，其特征在于，包括：

生成与注册信息对应的算力资源标识，其中，所述注册信息与待添加算力设备的多维度算力属性相关；

基于所述算力资源标识，生成算力资源节点，其中，所述算力资源节点存储有所述多维度算力属性中各维度算力属性的方法用例，所述算力资源标识用于指向所述算力资源节点；

将所述算力资源节点添加到算力网络中，以实现所述算力网络的算力资源统一建模，其中，所述算力网络中包括不同架构的算力资源。

2.如权利要求1所述的方法，其特征在于，在所述生成与注册信息对应的算力资源标识之前，所述方法还包括：

响应于用户在多个注册项目中的至少一个注册项目上的操作指令，得到所述注册信息。

3.如权利要求2所述的方法，其特征在于，在所述响应于用户在多个注册项目中的至少一个注册项目上的操作指令，得到所述注册信息之前，所述方法还包括：

向所述用户展示预设算力建模对象模板，其中，所述预设算力建模对象模板中包括多个预设注册项目；

响应于所述用户的操作指令，获取至少一个新注册项目，其中，所述至少一个新注册项目与所述多个预设注册项目构成所述多个注册项目。

4.如权利要求1-3中任一项所述的方法，其特征在于，所述生成与注册信息对应的算力资源标识之前，所述方法还包括：

获取与所述待添加算力设备对应的接口信息，其中，所述接口信息包括：算力通告接口信息、算力纳管接口信息和算力调用接口信息，所述接口信息对应的接口用于对所述算力资源节点进行管理和调度。

5.如权利要求1-3中任一项所述的方法，其特征在于，所述多维度算力属性包括以下中的至少一种：域名属性、大区属性、可用区属性、通用描述属性、算力节点拓扑连接描述属性、算力节点性能描述属性、算力节点服务能力描述属性以及算力平台能力描述属性。

6.如权利要求5所述的方法，其特征在于，所述算力节点性能描述属性与至少一种处理器或至少一种芯片相关。

7.如权利要求6所述的方法，其特征在于，所述处理器包括：中央处理器CPU、网络处理器NPU和图形处理器GPU，所述芯片包括：集成电路ASIC芯片和现场可编程逻辑门阵列FPGA芯片。

8.一种算力资源分配的方法，其特征在于，包括：

实时检测或计算算力网络中各算力资源节点的算力资源容量，其中，所述算力容量包括以下中的至少一种：算力能力值、算力存储容量、网络带宽、操作系统能力、算法支撑能力值、中间件能力值和数据库能力值，所述算力网络中包括不同架构的算力资源节点，所述算力资源节点存储有多维度算力属性中各维度算力属性的方法用例；

接收终端设备发送的算力请求；

基于所述各算力资源节点的算力资源容量，查找为所述算力请求提供服务的算力资源标识，其中，所述算力资源标识是基于用户在预设算力建模对象模板上填写的算力资源节点的所述多维度算力属性之后生成的，所述算力资源标识用于指向对应的算力资源节点；

将所述算力请求分配到与所述算力资源标识对应的目标算力资源节点。

9.一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有计算机程序，其中，所述计算机程序被处理器运行时执行如权利要求1-8中任意一项权利要求所述的方法。

10.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序，其中，所述计算机程序被所述处理器运行时执行如权利要求1-8中任意一项权利要求所述的方法。

Images