CN116627652A - 分布式任务部署方法、装置、设备及介质 - Google Patents

分布式任务部署方法、装置、设备及介质 Download PDF

Info

Publication number
CN116627652A
CN116627652A CN202310623597.4A CN202310623597A CN116627652A CN 116627652 A CN116627652 A CN 116627652A CN 202310623597 A CN202310623597 A CN 202310623597A CN 116627652 A CN116627652 A CN 116627652A
Authority
CN
China
Prior art keywords
server
task
data corresponding
target
performance data
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
CN202310623597.4A
Other languages
English (en)
Inventor
洪伟
董键
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.)
Industrial and Commercial Bank of China Ltd ICBC
Original Assignee
Industrial and Commercial Bank of China Ltd ICBC
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 Industrial and Commercial Bank of China Ltd ICBC filed Critical Industrial and Commercial Bank of China Ltd ICBC
Priority to CN202310623597.4A priority Critical patent/CN116627652A/zh
Publication of CN116627652A publication Critical patent/CN116627652A/zh
Pending legal-status Critical Current

Links

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
    • G06F9/505—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 considering the load
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/60—Software deployment
    • 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]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • 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)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本公开提供了一种分布式任务部署方法、装置、设备及存储介质，可以应用于计算机技术领域和金融技术领域。该方法包括：对第一目标任务进行运行测试，得到与第一目标任务对应的测试数据，其中，第一目标任务表征需要被部署的任务；获取与服务器集群中每个任务对应的执行数据；根据测试数据和与每个任务对应的执行数据，计算得到与服务器集群中每个服务器对应的整体性能数据；根据与每个服务器对应的整体性能数据，确定与第一目标任务对应的部署策略；根据与第一目标任务对应的部署策略，将第一目标任务部署在服务器集群中的第一目标服务器上，以使得在第一目标服务器上运行第一目标任务。

Description

分布式任务部署方法、装置、设备及介质
技术领域
本公开涉及计算机技术领域和金融技术领域，尤其涉及一种分布式任务部署方法、装置、设备、介质和程序产品。
背景技术
分布式任务管理系统由服务端和客户端构成，其中，服务端负责对分布式任务进行管理调度，客户端负责执行任务，以实现在大量服务器上执行海量的任务。
在大量的服务器上同时部署着大量的任务，且这些任务在时间的分布上存在交叉，每个任务的资源消耗情况也各有不同，有的消耗cpu(Central Processing Unit，中央处理器)多、有点消耗内存多、有的则消耗大量的网络io(Input/Output，输入/输出)，而最终能够观察到的服务器整体性能，是所有任务叠加运行的结果。因此，如何部署新的任务以实现资源较为充分的利用是相关技术中需要解决的技术问题。
发明内容
鉴于上述问题，本公开提供了一种分布式任务部署方法、装置、设备、介质和程序产品。
根据本公开的第一个方面，提供了一种分布式任务部署方法，包括：
对第一目标任务进行运行测试，得到与第一目标任务对应的测试数据，其中，第一目标任务表征需要被部署的任务；
获取与服务器集群中每个任务对应的执行数据；
根据测试数据和与每个任务对应的执行数据，计算得到与服务器集群中每个服务器对应的整体性能数据；
根据与每个服务器对应的整体性能数据，确定与第一目标任务对应的部署策略；
根据与第一目标任务对应的部署策略，将第一目标任务部署在服务器集群中的第一目标服务器上，以使得在第一目标服务器上运行第一目标任务。
根据本公开的实施例，对第一目标任务进行运行测试，得到与第一目标任务对应的测试数据，包括：
在无负载服务器上运行第一目标任务，以便对第一目标任务进行运行测试，得到测试数据。
根据本公开的实施例，根据测试数据和与每个任务对应的执行数据，计算得到与服务器集群中每个服务器对应的整体性能数据，包括：
针对服务器集群中的每个服务器，获取与服务器上每个任务对应的执行数据；
根据与服务器上每个任务对应的执行数据和测试数据，计算得到与服务器对应的整体性能数据。
根据本公开的实施例，根据与服务器上每个任务对应的执行数据和测试数据，计算得到与服务器对应的整体性能数据，包括：
根据测试数据中的运行时间和与每个任务对应的执行数据中的运行时间，从服务器上确定至少一个任务；
针对与任务对应的每个性能类型，从测试数据和与至少一个任务对应的执行数据中获取与性能类型对应的数据；
根据与性能类型对应的数据，得到与性能类型对应的性能数据；
基于与每个性能类型对应的性能数据，得到与服务器对应的整体性能数据。
根据本公开的实施例，基于与每个性能类型对应的性能数据，得到与服务器对应的整体性能数据，包括：
根据与服务器集群中每个服务器对应的执行数据，得到与每个性能类型对应的权重值；
根据与每个性能类型对应的权重值和性能数据，得到与服务器对应的整体性能数据。
根据本公开的实施例，根据与每个服务器对应的整体性能数据，确定与第一目标任务对应的部署策略，包括：
根据与每个服务器对应的整体性能数据，选择满足约束条件的至少一个整体性能数据；
从至少一个整体性能数据中选择数值最低的整体性能数据作为目标整体性能数据；
根据目标整体性能数据，确定第一目标任务的部署策略。
根据本公开的实施例，上述分布式任务部署方法还包括：
在服务器集群中第二目标服务器不满足预设条件的情况下，对第二目标服务器中的第二目标任务进行撤销部署操作；
根据与第二目标任务对应的执行数据，确定与第二目标任务对应的部署策略；
根据与第二目标任务对应的部署策略，将第二目标任务部署在服务器集群中的第三目标服务器上，以使得在第三目标服务器上运行第二目标任务。
本公开的第二方面提供了一种分布式任务部署装置，包括：获取模块、计算模块、第一确定模块和第一部署模块。其中，获得模块，用于对第一目标任务进行运行测试，得到与第一目标任务对应的测试数据，其中，第一目标任务表征需要被部署的任务。获取模块，用于获取与服务器集群中每个任务对应的执行数据。计算模块，用于根据测试数据和与每个任务对应的执行数据，计算得到与服务器集群中每个服务器对应的整体性能数据。第一确定模块，用于根据与每个服务器对应的整体性能数据，确定与第一目标任务对应的部署策略。第一部署模块，用于根据与第一目标任务对应的部署策略，将第一目标任务部署在服务器集群中的第一目标服务器上，以使得在第一目标服务器上运行第一目标任务。
本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。
根据本公开提供的分布式任务部署方法、装置、设备、介质和程序产品，对第一目标任务进行运行测试，可以得到与第一目标任务对应的测试数据，从而可以提前预估第一目标任务运行期间的数据，为后续第一目标任务的部署提供了准确的数据支撑，并根据测试数据和与服务器集群中每个任务对应的执行数据，可以计算得到与服务器集群中每个服务器对应的整体性能数据，从而可以根据与每个服务器对应的整体性能数据，确定与第一目标任务对应的部署策略，最后根据与第一目标任务对应的部署策略，可以将第一目标任务部署在服务器集群中的第一目标服务器上，以使得在第一目标服务器上运行第一目标任务，通过部署策略，可以使第一目标任务所在的第一目标服务器保持负载均衡，能够提高服务器集群中每个服务器的资源利用率，并降低服务器集群中各个服务器的成本。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本公开实施例的分布式任务部署方法的应用场景图；
图2示意性示出了根据本公开实施例的分布式任务部署方法的流程图；
图3示意性示出了一种简单的服务器任务部署示意图；
图4示意性示出了一种复杂的服务器任务部署示意图；
图5示意性示出了根据本公开实施例的得到整体性能数据的流程图；
图6示意性示出了根据本公开实施例的确定部署策略的流程图；
图7示意性示出了根据本公开实施例的分布式任务部署系统示意图；
图8示意性示出了根据本公开实施例的分布式任务部署装置的结构框图；以及
图9示意性示出了根据本公开实施例的适于实现分布式任务部署方法的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本公开的技术方案中，所涉及的数据(如包括但不限于用户个人信息)的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。
在实施本公开的过程中发现，由于不同的任务执行时间不一致，消耗的系统资源也不同，若仅仅是静态的指定任务部署在哪台服务器上，容易造成不同的服务器负载压力不一致，导致资源的浪费。但实际情况往往更加复杂，会在大量的服务器上同时部署着大量的任务。因此，如何部署新的任务以实现资源较为充分的利用是相关技术中需要解决的技术问题。
为此，本公开的实施例提供了一种分布式任务部署方法，包括：对第一目标任务进行运行测试，得到与第一目标任务对应的测试数据，其中，第一目标任务表征需要被部署的任务；获取服务器集群中与每个任务对应的执行数据；根据测试数据和与每个任务对应的执行数据，计算得到与服务器集群中每个服务器对应的整体性能数据；根据与每个服务器对应的整体性能数据，确定与第一目标任务对应的部署策略；根据与第一目标任务对应的部署策略，将第一目标任务部署在服务器集群中的第一目标服务器上，以使得在第一目标服务器上运行第一目标任务。
图1示意性示出了根据本公开实施例的分布式任务部署的应用场景图。
如图1所示，根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互，以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
例如，可以通过服务器105对第一目标任务进行运行测试，得到与第一目标任务对应的测试数据；获取与服务器集群中每个任务对应的执行数据，从而可以根据测试数据和与每个任务对应的执行数据，计算得到与服务器集群中每个服务器对应的整体性能数据，并根据与每个服务器对应的整体性能数据，确定与第一目标任务对应的部署策略，最后根据与第一目标任务对应的部署策略，将第一目标任务部署在服务器集群中的第一目标服务器上，以使得在第一目标服务器上运行第一目标任务。
需要说明的是，本公开实施例所提供的分布式任务部署方法一般可以由服务器105执行。相应地，本公开实施例所提供的分布式任务部署装置一般可以设置于服务器105中。本公开实施例所提供的分布式任务部署方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的分布式任务部署装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景，通过图2～图7对公开实施例的分布式任务部署方法进行详细描述。
图2示意性示出了根据本公开实施例的分布式任务部署方法的流程图。
如图2所示，该方法200包括操作S210～操作S250。
在操作S210，对第一目标任务进行运行测试，得到与第一目标任务对应的测试数据。
根据本公开的实施例，第一目标任务可以表征需要被部署的任务。测试数据可以包括与第一目标任务对应的运行时间和各项性能数据，其中，性能数据可以表征性能消耗数据，各项性能数据可以表征与每个性能类型对应的性能数据。在第一目标任务首次部署至对应服务器的情况下，通过对第一目标任务进行运行测试，可以得到与第一目标任务对应的测试数据，从而可以根据测试数据预估第一目标任务的运行时间和与每个性能类型对应的性能数据。
在操作S220，获取与服务器集群中每个任务对应的执行数据。
根据本公开的实施例，针对服务器集群中的每个任务，可以通过执行服务器集群中每个服务器上的每个任务，得到与每个任务对应的执行数据。可以将与每个任务对应的执行数据上传至数据库中。
根据本公开的实施例，可以从数据库中获取与服务器集群中每个任务对应的执行数据。
在操作S230，根据测试数据和与每个任务对应的执行数据，计算得到与服务器集群中每个服务器对应的整体性能数据。
根据本公开的实施例，可以根据测试数据和与每个任务对应的执行数据，模拟第一目标任务部署在服务器集群中各个服务器上的运行情况，从而能够得到与服务器集群中每个服务器对应的整体性能数据。
在操作S240，根据与每个服务器对应的整体性能数据，确定与第一目标任务对应的部署策略。
根据本公开的实施例，可以根据与每个服务器对应的整体性能数据的大小，确定与第一目标任务对应的部署策略，其中，部署策略可以表征将第一目标任务部署在哪一台服务器上。
在操作S250，根据与第一目标任务对应的部署策略，将第一目标任务部署在服务器集群中的第一目标服务器上，以使得在第一目标服务器上运行第一目标任务。
根据本公开的实施例，根据部署策略可以确定服务器集群中的第一目标服务器，从而可以将第一目标任务部署在第一目标服务器上。
根据本公开的实施例，对第一目标任务进行运行测试，可以得到与第一目标任务对应的测试数据，从而可以提前预估第一目标任务运行期间的数据，为后续第一目标任务的部署提供了准确的数据支撑，并根据测试数据和与服务器集群中每个任务对应的执行数据，可以计算得到与服务器集群中每个服务器对应的整体性能数据，从而可以根据与每个服务器对应的整体性能数据，确定与第一目标任务对应的部署策略，最后根据与第一目标任务对应的部署策略，可以将第一目标任务部署在服务器集群中的第一目标服务器上，以使得在第一目标服务器上运行第一目标任务，通过部署策略，可以使第一目标任务所在的第一目标服务器保持负载均衡，能够提高服务器集群中每个服务器的资源利用率，并降低服务器集群中各个服务器的成本。
图3示意性示出了一种简单的服务器任务部署示意图。
如图3所示，记录了每日0时～24时之间服务器1和服务器2的负载情况，其中，方框可以表示服务器1和服务器2繁忙的时间段，空白区域可以表示服务器1和服务器2空闲的时间段。
根据本公开的实施例，在服务器1和服务器2按照如图3所示的负载情况去运行的情况下，此时有一个任务1，该任务1在每日的凌晨1点～2点之间执行。任务1可以使用服务器A和服务器B去执行，则根据图3中所示，在任务1的运行时段内，服务器1是繁忙的，服务器2是空闲的，即使不借助复杂的算法，也能很直观的判断出，任务1应当部署在服务器2上。
图4示意性示出了一种复杂的服务器任务部署示意图。
如图4所示，记录了每日0时～24时之间服务器1～服务器N的负载情况，其中，N为大于等于1的整数。
根据本公开的实施例，更贴近实际情况的任务部署可以如图4所示，即在大量的服务器上同时部署着大量的任务，这些任务在时间的分布上存在交叉，每个定时任务的资源消耗情况也各有不同，有的消耗cpu多、有点消耗内存多、有的则消耗大量的网络io，而最终观察到的服务器整体性能，是所有任务叠加运行的结果。
根据本公开的实施例，如图4所示，每个服务器的负载情况可以体现在cpu、内存和io这三方面。针对任务A～任务M中的每一个任务，则不仅需要根据任务对应的运行时间，还需要根据任务对应的负载情况，选择合适的服务器去部署任务。因此，可以将任务A～任务M中的每一个任务作为第一目标任务，分别执行上述操作S210～操作S250，从而可以将任务部署至对应的服务器上，以实现服务器资源较为充分的利用。
根据本公开的实施例，对第一目标任务进行运行测试，得到与第一目标任务对应的测试数据，包括：在无负载服务器上运行第一目标任务，以便对第一目标任务进行运行测试，得到测试数据。
根据本公开的实施例，可以在一台不承担任何任务的无负载服务器上运行第一目标任务，从而得到测试数据，其中，测试数据可以包括与第一目标任务对应的运行时间和各项性能数据。
根据本公开的实施例，可以将得到的测试数据上传至数据库中。
根据本公开的实施例，将第一目标任务在无负载服务器上运行，得到测试数据，从而根据测试数据可以提前预估第一目标任务在运行时间内的各项性能数据，能够为后续第一目标任务的部署提供准确的数据支撑。
根据本公开的实施例，根据测试数据和与每个任务对应的执行数据，计算得到与服务器集群中每个服务器对应的整体性能数据，包括：针对服务器集群中的每个服务器，获取与服务器上每个任务对应的执行数据；根据与服务器上每个任务对应的执行数据和测试数据，计算得到与服务器对应的整体性能数据。
根据本公开的实施例，针对服务器集群中的每个服务器，可以获取与该服务器上每个任务对应的执行数据。根据与服务器上每个任务对应的执行数据和测试数据，可以计算得到与该服务器对应的整体性能数据。例如，服务器集群中可以包括服务器1～服务器5，则针对服务器1，需要获取与服务器1上每个任务对应的执行数据，并根据测试数据，可以得到与服务器1对应的整体性能数据。
根据本公开的实施例，针对每个服务器，可以根据与服务器上每个任务对应的执行数据和测试数据，得到每个服务器的整体性能数据，以便后续根据与每个服务器对应的整体性能数据确定部署策略。
图5示意性示出了根据本公开实施例的得到整体性能数据的流程图。
如图5所示，该方法500包括操作S510～操作S540。
在操作S510，根据测试数据中的运行时间和与每个任务对应的执行数据中的运行时间，从服务器上确定至少一个任务。
根据本公开的实施例，执行数据可以包括与每个任务对应的运行时间和各项性能数据。针对服务器集群中的每个服务器，可以根据测试数据中的运行时间和与该服务器上每个任务对应的执行数据中的运行时间，从该服务器上确定在测试数据中的运行时间内的至少一个任务。例如，测试数据中的运行时间可以为凌晨1～2点，针对服务器集群中的每个服务器，根据与该服务器上每个任务对应的执行数据中的运行时间，可以确定该服务器上在凌晨1点～2点内运行的至少一个任务。
在操作S520，针对与任务对应的每个性能类型，从测试数据和与至少一个任务对应的执行数据中获取与性能类型对应的数据。
根据本公开的实施例，针对与任务对应的每个性能类型，可以从测试数据和与至少一个任务对应的执行数据中获取与性能类型对应的数据，其中，各项性能数据可以包括针对每个性能类型的性能数据。例如，针对cpu这一性能类型，可以从测试数据中获取与cpu这一性能类型对应的数据，从与至少一个任务对应的执行数据中获取与cpu这一性能类型对应的数据。
在操作S530，根据与性能类型对应的数据，得到与性能类型对应的性能数据。
根据本公开的实施例，根据获取的与性能类型对应的数据，可以将测试数据中运行时间内的与性能类型对应的数据相加，得到与性能类型对应的性能数据。例如，针对cpu这一性能类型，根据从测试数据中获取的与cpu这一性能类型对应的数据以及从与至少一个任务对应的执行数据中获取的与cpu这一性能类型对应的数据，可以将获取的与性能类型对应的数据相加，从而可以获得该服务器上与cpu这一性能类型对应的性能数据。
根据本公开的实施例，可以将每天的时间按照分钟划分成1440分钟，对每一分钟单独计算其性能消耗情况。以服务器cpu使用率为例，模拟将第一目标任务部署在某一服务器上，则在此基础上，假设某一分钟该服务器上运行的任务数为n，则这一分钟这台服务器的整体cpu使用率可以表示为如下公式(1)。
其中，p可以表示任务编号，n可以表示这一分钟内同时运行的任务数量，cpup可以表示任务编号为p的任务运行时所占用的cpu使用率，n-1可以表示这一分钟该服务器x原来同时运行的任务数量。
根据本公开的实施例，如果可以得知第一目标任务的开始时间start和结束时间end，则可以模拟第一目标任务在该服务器上运行期间，假设有一台服务器x，这台服务器的与cpu这一性能类型对应的性能数据，即整体cpu使用率f(cpu)x可以表示为如下公式(2)。
其中，时间t可以取值开始时间start到结束时间end之间。
在操作S540，基于与每个性能类型对应的性能数据，得到与服务器对应的整体性能数据。
根据本公开的实施例，在服务器cpu使用率的基础上，可以进一步地拓展得到更多的性能数据，比如f(memory)x可以表示内存的使用率，再加上与其他需要关注的性能类型对应的性能数据，最终可以得到服务器x的整体性能数据。整体性能数据可以包括与每个性能类型对应的性能数据。
根据本公开的实施例，根据测试数据中的运行时间和与每个任务对应的执行数据中的运行时间，可以从服务器上确定至少一个任务，针对与任务对应的每个性能类型，可以从测试数据和与至少一个任务对应的执行数据中获取与性能类型对应的数据，从而可以根据与性能类型对应的数据，得到与性能类型对应的性能数据，以便基于与每个性能类型对应的性能数据，得到与服务器对应的整体性能数据。
根据本公开的实施例，基于与每个性能类型对应的性能数据，得到与服务器对应的整体性能数据，包括：根据与服务器集群中每个服务器对应的执行数据，得到与每个性能类型对应的权重值；根据与每个性能类型对应的权重值和性能数据，得到与服务器对应的整体性能数据。
根据本公开的实施例，可以在每一天服务器集群中的每个任务运行结束后，将当前服务器集群中所有任务各自对应的执行数据中的各项性能数据相加，得到服务器集群的总性能数据；针对每个性能类型，将当前服务器集群中所有任务各自对应的执行数据中与该性能类型对应的性能数据相加，得到服务器集群的该性能类型下的总性能数据。
根据本公开的实施例，针对每个性能类型，将服务器集群的该性能类型下的总性能数据与服务器集群的总性能数据作比，可以得到与该性能类型对应的权重值。可以将得到的与每个性能类型对应的权重值用于下一天与服务器对应的整体性能数据的计算。
根据本公开的实施例，针对该服务器集群中每个任务的第一天运行，可以将与每个性能类型对应的权重值均赋值为1。
根据本公开的实施例，根据与每个性能类型对应的权重值，计算得到与服务器对应的整体性能数据f(p)x可以表示为如下公式(3)。
f(p)x＝wcpuf(cpu)x+wmemoryf(memory)x+… (3)
其中，x可以表示针对服务器x，wcpu可以表示与cpu使用率对应的权重值，wmemory可以表示与内存对应的权重值，其余省略部分可以表示与其他性能类型对应的性能数据，其他性能类型还可以包括网络io。
根据本公开的实施例，根据与服务器集群中每个服务器对应的执行数据，可以得到与每个性能类型对应的权重值，从而可以根据与每个性能类型对应的权重值和性能数据，得到与服务器对应的整体性能数据，基于与每个性能类型对应的权重值，可以体现不同性能类型各自对应的性能数据对整体性能数据计算的重要程度，减小与低权重的性能类型对应的性能数据对整体性能数据的影响。
图6示意性示出了根据本公开实施例的确定部署策略的流程图。
如图6所示，该方法600包括操作S610～操作S630。
在操作S610，根据与每个服务器对应的整体性能数据，选择满足约束条件的至少一个整体性能数据。
根据本公开的实施例，上述操作S540求得的f(p)x是理论值，实际情况中还存在服务器资源的限制，即服务器在任一时刻对任一性能类型的性能数据都不能超过100％，否则会导致服务器崩溃。因此，还需要增加一个约束条件，该约束条件可以表示为如下公式(4)。
其中，其余省略部分可以表示与其他性能类型对应的性能数据在任一时刻都不能超过100％。
根据本公开的实施例，从与每个服务器对应的整体性能数据中选择满足上述约束条件的f(p)x，得到至少一个整体性能数据，可以将至少一个整体性能数据记为F(p)x。
在操作S620，从至少一个整体性能数据中选择数值最低的整体性能数据作为目标整体性能数据。
根据本公开的实施例，从至少一个整体性能数据中选择数值最低的整体性能数据作为目标整体性能数据可以表示为如下公式(5)。
min(F(p)1,F(p)2,F(p)3,……,F(p)b) (5)
在操作S630，根据目标整体性能数据，确定第一目标任务的部署策略。
根据本公开的实施例，在找到第一目标任务部署的最低整体性能数据的情况下，假设目标整体性能数据为F(p)m，则这里的m可以表示服务器的编号，当第一目标任务部署在服务器m上时，其运行时段的整体性能数据会达到F(p)m。
根据本公开的实施例，从与每个服务器对应的整体性能数据中选择满足约束条件的至少一个整体性能数据，并从至少一个整体性能数据中选择数值最低的整体性能数据作为目标整体性能数据，从而可以根据目标整体性能数据，确定第一目标任务的部署策略，使得第一目标任务所部署在的服务器上保持负载均衡，提高服务器资源的利用率。
根据本公开的实施例，上述分布式任务部署方法还包括：在服务器集群中第二目标服务器不满足预设条件的情况下，对第二目标服务器中的第二目标任务进行撤销部署操作；根据与第二目标任务对应的执行数据，确定与第二目标任务对应的部署策略；根据与第二目标任务对应的部署策略，将第二目标任务部署在服务器集群中的第三目标服务器上，以使得在第三目标服务器上运行第二目标任务。
根据本公开的实施例，服务器执行的任务的性能数据是可能发生突变的，例如，某一任务在运行的期间内是很稳定的，cpu使用率都是10％，在加上同一运行期间内其他任务的cpu使用率，可以稳定在80％左右。在某一个阶段，该任务的程序发生了一些更新，或者处理的数据量发生了变化，则该任务的cpu使用率也发生变化，从10％上升至20％，则根据这台服务器在该任务的运行期间的整体性能数据，可以确定该任务部署在该服务器上不是较优的部署。
根据本公开的实施例，预设条件可以表征某一服务器出现性能瓶颈，即该服务器上与某一性能类型对应的性能数据总和超过阈值，例如，cpu使用率的阈值可以包括90％，则在cpu使用率超过90％的情况下，需要对该服务器中的第二目标任务进行撤销部署操作。
根据本公开的实施例，第二目标任务可以表征针对某一性能类型，性能数据变化最大的任务，则该第二目标任务对该服务器上与某一性能类型对应的性能数据影响最大。在同一台服务器上，多个任务的性能数据同时下降的概率比较低，大部分情况下只有一个任务的性能数据发生变化。
根据本公开的实施例，可以监控服务器集群中每台服务器的性能情况，在服务器集群中第二目标服务器不满足预设条件的情况下，对第二目标服务器中的第二目标任务进行撤销部署操作，针对第二目标任务，可以通过执行上述操作S210～操作S250，确定第三目标服务器。根据本公开的实施例，将第二目标任务撤销部署后，该服务器上与某一性能类型对应的性能数据仍不满足预设条件的情况下，可以重复执行上述操作，直至该服务器上与每个性能类型对应的性能数据均满足预设条件。对服务器集群中服务器的性能数据是实时监控的，在服务器集群中的另一服务器出现性能瓶颈的情况下，则可以通过执行上述操作，得到对应的第三目标服务器。
根据本公开的实施例，通过对服务器的性能数据进行实时监控，可以在某一服务器中不满足预设条件的情况下，及时对该服务器上的针对某一性能类型，性能数据变化最大的任务进行重新部署，可以快速均衡服务器负载，避免出现服务器崩溃而影响任务运行，有效提升任务连续性。
图7示意性示出了根据本公开实施例的分布式任务部署系统示意图。
如图7所示，该分布式任务部署系统700可以包括任务评估模块701、任务执行模块702、任务管理模块703和数据库704。
根据本公开的实施例，任务评估模块701可以负责在任务首次部署至服务器之前，对任务进行运行测试，以此预估该任务的运行时间和各项性能数据，即可以执行上述操作S210，也可以将得到的测试数据同步给数据库704；任务执行模块702可以负责执行任务，并记录任务的运行时间和各项性能数据，从而将对应的执行数据上传至数据库704中，即可以用于执行上述操作S220，还可以接收来自任务管理模块703的部署和撤销部署操作；任务管理模块701可以负载任务的部署、撤销部署、性能数据监控，并通过tcp(TransmissionControl Protocol，传输控制协议)协议与任务执行模块702通讯，可以用于执行上述操作S230～操作S250；数据库704可以负责存放任务的执行数据，包括运行时间和各项性能数据。
根据本公开的实施例，本公开的分布式任务部署方法具备普适性，对开发技术及框架无限制。
基于上述分布式任务部署方法，本公开还提供了一种分布式任务部署装置。以下将结合图8对该装置进行详细描述。
图8示意性示出了根据本公开实施例的分布式任务部署装置的结构框图。
如图8所示，该实施例的分布式任务部署装置800包括获得模块810、获取模块820、计算模块830、第一确定模块840和第一部署模块850。
获得模块810用于对第一目标任务进行运行测试，得到与第一目标任务对应的测试数据，其中，第一目标任务表征需要被部署的任务。在一实施例中，获得模块810可以用于执行前文描述的操作S210，在此不再赘述。
获取模块820用于获取与服务器集群中每个任务对应的执行数据。在一实施例中，获取模块820可以用于执行前文描述的操作S220，在此不再赘述。
计算模块830用于根据测试数据和与每个任务对应的执行数据，计算得到与服务器集群中每个服务器对应的整体性能数据。在一实施例中，计算模块830可以用于执行前文描述的操作S230，在此不再赘述。
第一确定模块840用于根据与每个服务器对应的整体性能数据，确定与第一目标任务对应的部署策略。在一实施例中，确定模块840可以用于执行前文描述的操作S240，在此不再赘述。
第一部署模块850用于根据与第一目标任务对应的部署策略，将第一目标任务部署在服务器集群中的第一目标服务器上，以使得在第一目标服务器上运行第一目标任务。在一实施例中，部署模块850可以用于执行前文描述的操作S250，在此不再赘述。
根据本公开的实施例，获得模块810包括获得子模块。
获得子模块，用于在无负载服务器上运行第一目标任务，以便对第一目标任务进行运行测试，得到测试数据。
根据本公开的实施例，计算模块830包括获取子模块和计算子模块。
获取子模块，用于针对服务器集群中的每个服务器，获取与服务器上每个任务对应的执行数据。
计算子模块，用于根据与服务器上每个任务对应的执行数据和测试数据，计算得到与服务器对应的整体性能数据。
根据本公开的实施例，计算子模块包括确定单元、获取单元、第一获得单元和第二获得单元。
确定单元，用于根据测试数据中的运行时间和与每个任务对应的执行数据中的运行时间，从服务器上确定至少一个任务。
获取单元，用于针对与任务对应的每个性能类型，从测试数据和与至少一个任务对应的执行数据中获取与性能类型对应的数据。
第一获得单元，用于根据与性能类型对应的数据，得到与性能类型对应的性能数据。
第二获得单元，用于基于与每个性能类型对应的性能数据，得到与服务器对应的整体性能数据。
根据本公开的实施例，第二获得单元包括第一获得子单元和第二获得子单元。
第一获得子单元，用于根据与服务器集群中每个服务器对应的执行数据，得到与每个性能类型对应的权重值。
第二获得子单元，用于根据与每个性能类型对应的权重值和性能数据，得到与服务器对应的整体性能数据。
根据本公开的实施例，第一确定模块840包括第一选择子模块、第二选择子模块和确定子模块。
第一选择子模块，用于根据与每个服务器对应的整体性能数据，选择满足约束条件的至少一个整体性能数据。
第二选择子模块，用于从至少一个整体性能数据中选择数值最低的整体性能数据作为目标整体性能数据。
确定子模块，用于根据目标整体性能数据，确定第一目标任务的部署策略。
根据本公开的实施例，上述分布式任务部署装置800还包括撤销模块、第二确定模块、第二部署模块。
撤销模块，用于在服务器集群中第二目标服务器不满足预设条件的情况下，对第二目标服务器中的第二目标任务进行撤销部署操作。
第二确定模块，用于根据与第二目标任务对应的执行数据，确定与第二目标任务对应的部署策略。
第二部署模块，用于根据与第二目标任务对应的部署策略，将第二目标任务部署在服务器集群中的第三目标服务器上，以使得在第三目标服务器上运行第二目标任务。
根据本公开的实施例，获得模块810、获取模块820、计算模块830、第一确定模块840和第一部署模块850中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，获得模块810、获取模块820、计算模块830、第一确定模块840和第一部署模块850中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获得模块810、获取模块820、计算模块830、第一确定模块840和第一部署模块850中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图9示意性示出了根据本公开实施例的适于实现分布式任务部署方法的电子设备的方框图。
如图9所示，根据本公开实施例的电子设备900包括处理器901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 903中，存储有电子设备900操作所需的各种程序和数据。处理器901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备900还可以包括输入/输出(I/O)接口905，输入/输出(I/O)接口905也连接至总线904。电子设备900还可以包括连接至输入/输出(I/O)接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至输入/输出(I/O)接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的物品推荐方法。
在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分909被下载和安装，和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，上述模块、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，两个接连地表示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，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操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。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (11)

1.一种分布式任务部署方法，包括：
对第一目标任务进行运行测试，得到与所述第一目标任务对应的测试数据，其中，所述第一目标任务表征需要被部署的任务；
获取与服务器集群中每个任务对应的执行数据；
根据所述测试数据和与所述每个任务对应的所述执行数据，计算得到与所述服务器集群中每个服务器对应的整体性能数据；
根据与所述每个服务器对应的所述整体性能数据，确定与所述第一目标任务对应的部署策略；
根据与所述第一目标任务对应的所述部署策略，将所述第一目标任务部署在所述服务器集群中的第一目标服务器上，以使得在所述第一目标服务器上运行所述第一目标任务。
2.根据权利要求1所述的方法，其中，所述对第一目标任务进行运行测试，得到与所述第一目标任务对应的测试数据，包括：
在无负载服务器上运行所述第一目标任务，以便对所述第一目标任务进行运行测试，得到所述测试数据。
3.根据权利要求1所述的方法，其中，所述根据所述测试数据和与所述每个任务对应的所述执行数据，计算得到与所述服务器集群中每个服务器对应的整体性能数据，包括：
针对所述服务器集群中的所述每个服务器，获取与所述服务器上所述每个任务对应的所述执行数据；
根据与所述服务器上所述每个任务对应的所述执行数据和所述测试数据，计算得到与所述服务器对应的所述整体性能数据。
4.根据权利要求3所述的方法，其中，所述根据与所述服务器上所述每个任务对应的所述执行数据和所述测试数据，计算得到与所述服务器对应的所述整体性能数据，包括：
根据所述测试数据中的运行时间和与所述每个任务对应的所述执行数据中的运行时间，从所述服务器上确定至少一个任务；
针对与所述任务对应的每个性能类型，从所述测试数据和与所述至少一个任务对应的所述执行数据中获取与所述性能类型对应的数据；
根据与所述性能类型对应的数据，得到与所述性能类型对应的性能数据；
基于与所述每个性能类型对应的所述性能数据，得到与所述服务器对应的所述整体性能数据。
5.根据权利要求4所述的方法，其中，所述基于与所述每个性能类型对应的所述性能数据，得到与所述服务器对应的所述整体性能数据，包括：
根据与所述服务器集群中所述每个服务器对应的所述执行数据，得到与所述每个性能类型对应的权重值；
根据与所述每个性能类型对应的所述权重值和所述性能数据，得到与所述服务器对应的所述整体性能数据。
6.根据权利要求1所述的方法，其中，所述根据与所述每个服务器对应的所述整体性能数据，确定与所述第一目标任务对应的部署策略，包括：
根据与所述每个服务器对应的所述整体性能数据，选择满足约束条件的至少一个所述整体性能数据；
从所述至少一个整体性能数据中选择数值最低的整体性能数据作为目标整体性能数据；
根据所述目标整体性能数据，确定所述第一目标任务的所述部署策略。
7.根据权利要求1所述的方法，还包括：
在所述服务器集群中第二目标服务器不满足预设条件的情况下，对所述第二目标服务器中的第二目标任务进行撤销部署操作；
根据与所述第二目标任务对应的执行数据，确定与所述第二目标任务对应的部署策略；
根据与所述第二目标任务对应的所述部署策略，将所述第二目标任务部署在所述服务器集群中的第三目标服务器上，以使得在所述第三目标服务器上运行所述第二目标任务。
8.一种分布式任务部署装置，包括：
获得模块，用于对第一目标任务进行运行测试，得到与所述第一目标任务对应的测试数据，其中，所述第一目标任务表征需要被部署的任务；
获取模块，用于获取与服务器集群中每个任务对应的执行数据；
计算模块，用于根据所述测试数据和与所述每个任务对应的所述执行数据，计算得到与所述服务器集群中每个服务器对应的整体性能数据；
第一确定模块，用于根据与所述每个服务器对应的所述整体性能数据，确定与所述第一目标任务对应的部署策略；
第一部署模块，用于根据与所述第一目标任务对应的所述部署策略，将所述第一目标任务部署在所述服务器集群中的第一目标服务器上，以使得在所述第一目标服务器上运行所述第一目标任务。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～7中任一项所述的方法。
11.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～7中任一项所述的方法。
CN202310623597.4A 2023-05-30 2023-05-30 分布式任务部署方法、装置、设备及介质 Pending CN116627652A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310623597.4A CN116627652A (zh) 2023-05-30 2023-05-30 分布式任务部署方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310623597.4A CN116627652A (zh) 2023-05-30 2023-05-30 分布式任务部署方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN116627652A true CN116627652A (zh) 2023-08-22

Family

ID=87609562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310623597.4A Pending CN116627652A (zh) 2023-05-30 2023-05-30 分布式任务部署方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116627652A (zh)

Similar Documents

Publication Publication Date Title
US10783002B1 (en) Cost determination of a service call
CA3032409C (en) Distributed resource electrical demand forecasting system and method
CN114416512A (zh) 测试方法、装置、电子设备和计算机存储介质
CN117852707A (zh) 利用虚拟容量和优选位置实时调度进行计算负载的整形
CN117076280A (zh) 策略生成方法及装置、电子设备和计算机可读存储介质
CN118193200A (zh) 内存弹性伸缩方法、装置、设备、介质和产品
CN116360937A (zh) 任务调度方法、装置、设备及存储介质
CN116627652A (zh) 分布式任务部署方法、装置、设备及介质
CN116185578A (zh) 计算任务的调度方法和计算任务的执行方法
CN114816955A (zh) 数据库性能预测方法和装置
CN115361339A (zh) 流量控制方法、装置、电子设备和存储介质
CN113138772B (zh) 数据处理平台的构建方法、装置、电子设备和存储介质
CN114116782A (zh) 分布式数据库资源管控方法、装置、电子设备和存储介质
CN110990219B (zh) 一种基于预测模型的计算机监控方法
CN114968552A (zh) 缓存分配方法、装置、设备、存储介质和程序产品
US9063802B2 (en) Event determination
CN114721882B (zh) 数据备份方法、装置、电子设备及存储介质
CN115312208B (zh) 接诊数据展示方法、装置、设备、介质
CN113515713B (zh) 网页缓存策略生成方法及装置、网页缓存方法及装置
CN116488242B (zh) 电力交互中的能源自适应调整消纳方法和装置
CN116663928A (zh) 平台批量作业的运行控制方法、装置、设备及存储介质
CN110598106B (zh) 资源信息的推送方法及装置、存储介质、电子设备
CN118445080A (zh) 服务器部署方法、装置、设备、介质和程序产品
CN116737795A (zh) 一种信息生成方法、装置、设备及存储介质
CN113989052A (zh) 信息监控方法、装置、电子设备及存储介质

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