CN117009070A - 算力调度知识图谱构建方法、装置、设备及可读存储介质 - Google Patents
算力调度知识图谱构建方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN117009070A CN117009070A CN202310729321.4A CN202310729321A CN117009070A CN 117009070 A CN117009070 A CN 117009070A CN 202310729321 A CN202310729321 A CN 202310729321A CN 117009070 A CN117009070 A CN 117009070A
- Authority
- CN
- China
- Prior art keywords
- power
- scheduling
- knowledge
- computing
- calculation
- 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 44
- 238000004364 calculation method Methods 0.000 title claims description 148
- 230000010354 integration Effects 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000010276 construction Methods 0.000 claims description 32
- 230000004044 response Effects 0.000 claims description 22
- RYAUSSKQMZRMAI-YESZJQIVSA-N (S)-fenpropimorph Chemical compound C([C@@H](C)CC=1C=CC(=CC=1)C(C)(C)C)N1C[C@H](C)O[C@H](C)C1 RYAUSSKQMZRMAI-YESZJQIVSA-N 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 7
- 238000012800 visualization Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004043 responsiveness Effects 0.000 description 2
- 230000001550 time effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
-
- 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)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理领域,本发明提供一种算力调度知识图谱构建方法、装置、设备及可读存储介质,该方法包括:根据算力调度应用场景的基础数据,确定算力需求节点和算力提供节点;将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网,所述算力调度知识模型是基于所述算力需求节点和所述算力提供节点构建的;对所述算力调度知识网进行知识整合和更新操作,得到算力调度知识图谱。本发明通过构建的算力调度知识图谱,以不同的算力调度任务需求对算力资源进行有效的分配和调度,实现了高效的算力资源调度。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种算力调度知识图谱构建方法、装置、设备及可读存储介质。
背景技术
目前,知识图谱技术正逐渐改变现有的信息检索方式,成为推动机器基于人类知识获取认知能力的重要途径。但是,关于算力调度的知识图谱这方面的研究目前还比较少。
随着人工智能和云计算等技术的快速发展,算力需求越来越碎片化和海量化,如何进行高效的算力调度和资源管理,是当下亟需解决的问题。对于算力调度,需根据不同的任务需求,对算力资源进行有效的分配和调度,最小化运行时间和成本,保证服务质量;对算力资源管理,其挑战在于如何保证算力资源的可用性和响应性,最大限度地提高算力资源的利用率,因此,需要一个高效智能的算力调度知识图谱构建方案,来解决上述问题。
发明内容
本发明提供一种算力调度知识图谱构建方法、装置、设备及可读存储介质,用以解决如何保证算力资源的可用性和响应性,最大限度地提高算力资源的利用率的技术问题。
本发明提供一种算力调度知识图谱构建方法,包括:
根据算力调度应用场景的基础数据,确定算力需求节点和算力提供节点;
将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网,所述算力调度知识模型是基于所述算力需求节点和所述算力提供节点构建的;
对所述算力调度知识网进行知识整合和更新操作,得到算力调度知识图谱。
根据本发明提供的一种算力调度知识图谱构建方法,所述基于所述算力需求节点和所述算力提供节点构建算力调度知识模型包括:
获取所述算力需求节点的第一属性和所述算力提供节点的第二属性;
将所述算力需求节点与所述第一属性进行链接,将所述算力提供节点与所述第二属性进行链接;
连接所述算力需求节点和所述算力提供节点,以构建算力调度知识模型。
根据本发明提供的一种算力调度知识图谱构建方法,所述将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网包括:
获取各所述算力调度应用场景对应的融合算力调度规则、算力资源响应关系以及算力资源响应时效;
基于所述融合算力调度规则、所述算力资源响应关系以及所述算力资源响应时效,将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网。
根据本发明提供的一种算力调度知识图谱构建方法,所述对所述算力调度知识网进行知识整合和更新操作,得到算力调度知识图谱包括:
收集算力任务需求对应的算力数据,所述算力数据包括相关节点、算力特征、算力路径、算力时延以及算力成本;
在所述算力数据为结构化数据的情况下,将所述算力数据与所述算力调度知识网进行数据整合,得到算力调度知识图谱。
根据本发明提供的一种算力调度知识图谱构建方法,所述算力调度知识图谱构建方法还包括:
对所述算力数据进行筛选,选出算力决策数据,在所述算力决策数据为结构化数据的情况下,将所述算力数据与所述算力调度知识网进行数据整合,得到算力调度知识图谱。
根据本发明提供的一种算力调度知识图谱构建方法,所述算力调度知识图谱构建方法还包括:
根据历史算力调度数据和历史经验知识,对所述算力调度知识模型进行训练;
基于训练好的算力调度知识模型、当前算力任务和当前算力需求,确定算力调度决策方案。
根据本发明提供的一种算力调度知识图谱构建方法,所述算力调度知识图谱构建方法还包括:
在接收到算力任务的情况下,基于所述算力调度知识图谱确定所述算力任务对应的算力资源;
对所述算力任务和所述算力资源进行可视化处理;
在接收到基于所述可视化处理后的算力资源生成的调度指令的情况下,根据所述调度指令对所述算力资源进行分配。
本发明还提供一种算力调度知识图谱构建装置,包括:
算力节点确定模块,用于根据算力调度应用场景的基础数据,确定算力需求节点和算力提供节点;
算力调度知识网构建模块,用于将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网,所述算力调度知识模型是基于所述算力需求节点和所述算力提供节点构建的;
算力调度知识图谱构建模块,用于对所述算力调度知识网进行知识整合和更新操作,得到算力调度知识图谱。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述算力调度知识图谱构建方法。
本发明还提供一种非暂态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任一种所述算力调度知识图谱构建方法。
本发明提供的算力调度知识图谱构建方法、装置、设备及可读存储介质,首先建立算力调度知识模型,算力调度知识模型是基于算力需求节点和算力提供节点构建的,其中,算力需求节点和算力提供节点是根据算力调度应用场景的基础数据确定的;其次搭建算力调度知识网,将各算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网;最后构建算力调度知识图谱,对算力调度知识网进行知识整合和更新操作,得到算力调度知识图谱。通过构建的算力调度知识图谱,以不同的算力调度任务需求对算力资源进行有效的分配和调度,实现了高效的算力资源调度。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1是本发明提供的算力调度知识图谱构建方法的流程示意图之一;
图2是本发明提供的算力调度知识图谱构建方法的流程示意图之二;
图3是本发明提供的算力调度知识图谱构建装置的结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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。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。
请参照图1,本发明提供一种算力调度知识图谱构建方法,包括:
步骤100,根据算力调度应用场景的基础数据,确定算力需求节点和算力提供节点;
具体地,本实施例提出的算力调度知识图谱构建方法包括建立算力调度知识模型:首先整合算力调度应用场景基础数据,将算力需求节点与算力提供节点进行连接,构建算力调度知识模型。将实体节点与节点属性进行链接,通过资源描述框架三元组方式对知识数据进行存储。实体节点包括算力需求节点与算力提供节点。算力需求节点的属性包括客户名称和位置、算力需求类型、算力时延要求以及算力成本约束等;算力提供节点的属性包括算力特性、时延、算力路径、算力成本以及地理位置等信息。算力特性包括资源类型、GPU(graphics processing unit,图形处理器)/FPGA(Field Programmable Gate Array,现场可编程逻辑门阵列)/ASIC(Application Specific Integrated Circuit,专用集成电路)处理能力、加密能力、压缩能力、AI能力以及使用成本信息等。
步骤200,将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网,所述算力调度知识模型是基于所述算力需求节点和所述算力提供节点构建的;
具体地,本实施例提出的算力调度知识图谱构建方法还包括搭建算力调度知识网:根据不同的应用场景,考虑融合算力调度规则与算力资源响应关系和时效,将不同算力知识模型进行组合,构建算力调度知识网。
步骤300,对所述算力调度知识网进行知识整合和更新操作,得到算力调度知识图谱。
具体地,本实施例提出的算力调度知识图谱构建方法还包括构建算力调度知识图谱:利用机器学习算法,按照数据采集、知识提取与整合、知识数据选择、模型训练、调度决策以及模型更新等步骤,不断丰富和壮大算力调度知识网,逐步建立具有自学习功能的算力调度知识图谱。
在本实施例中,首先建立算力调度知识模型,算力调度知识模型是基于算力需求节点和算力提供节点构建的,其中,算力需求节点和算力提供节点是根据算力调度应用场景的基础数据确定的;其次搭建算力调度知识网,将各算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网;最后构建算力调度知识图谱,对算力调度知识网进行知识整合和更新操作,得到算力调度知识图谱。通过构建的算力调度知识图谱,以不同的算力调度任务需求对算力资源进行有效的分配和调度,实现了高效的算力资源调度。
请参照图2,在一个实施例中,本申请实施例提供的算力调度知识图谱构建方法,还可以包括:
步骤10,获取所述算力需求节点的第一属性和所述算力提供节点的第二属性;
步骤20,将所述算力需求节点与所述第一属性进行链接,将所述算力提供节点与所述第二属性进行链接;
步骤30,连接所述算力需求节点和所述算力提供节点,以构建算力调度知识模型。
具体地,算力调度知识模型的构建过程包括:将实体节点与节点属性进行链接,通过资源描述框架三元组方式对知识数据进行存储。实体节点包括算力需求节点与算力提供节点。算力需求节点的属性,包括客户名称和位置、算力需求类型、算力时延要求以及算力成本约束等。算力提供节点的属性,包括算力特性、时延、算力路径、算力成本以及地理位置等信息。算力特性包括资源类型、GPU/FPGA/ASIC处理能力、加密能力、压缩能力、AI能力以及使用成本信息等。
本实施例通过算力调度知识模型的构建,辅助提升算力调度决策能力。
在一个实施例中,本申请实施例提供的算力调度知识图谱构建方法,还可以包括:
步骤210,获取各所述算力调度应用场景对应的融合算力调度规则、算力资源响应关系以及算力资源响应时效;
步骤220,基于所述融合算力调度规则、所述算力资源响应关系以及所述算力资源响应时效,将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网。
根据不同的应用场景,考虑融合算力调度规则与算力资源响应关系和时效,将不同算力知识模型进行组合,构建算力调度知识网。具体包括:获取各算力调度应用场景对应的融合算力调度规则、算力资源响应关系以及算力资源响应时效;基于融合算力调度规则、算力资源响应关系以及算力资源响应时效,将各算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网。
本实施例通过将各算力调度应用场景对应的算力调度知识模型进行组合,构建算力调度知识网。
在一个实施例中,本申请实施例提供的算力调度知识图谱构建方法,还可以包括:
步骤310,收集算力任务需求对应的算力数据,所述算力数据包括相关节点、算力特征、算力路径、算力时延以及算力成本;
步骤320,在所述算力数据为结构化数据的情况下,将所述算力数据与所述算力调度知识网进行数据整合,得到算力调度知识图谱。
步骤330,对所述算力数据进行筛选,选出算力决策数据,在所述算力决策数据为结构化数据的情况下,将所述算力数据与所述算力调度知识网进行数据整合,得到算力调度知识图谱。
具体地,上述数据采集是指收集算力任务需求、实体节点、算力特性、算力路径、算力时延、算力成本等数据。
数据提取与整合,对于结构化的数据直接采用;对于文本、图像和视频等非结构化数据信息,通过文字识别和语义转化等技术进行信息提取,提取的信息包括算力任务需求节点、算力资源提供节点以及算力调度规则等,将这些非结构化数据转化为结构化数据统一建立数据库,并以应用场景为主线将不同数据进行分类和关联。
应用场景包括生活场景如VR互动、新媒体直播、云游戏等,行业场景如智慧交通、智慧医疗、智慧城市、车联网等,社会场景如智能科学模拟等;数据选择,运用数据挖掘和统计分析算法,选择影响数据决策的重要数据;模型训练,根据历史算力调度数据和经验知识,运用机器学习算法对模型进行训练;调度决策,根据当前算力任务和需求分析,进行自适应算力调度决策;模型更新,随着实时监控数据的不断更新,对原有模型持续优化和更新。
本实施例通过数据采集和知识提取与整合等过程构建算力调度知识图谱,以不同的算力调度任务需求对算力资源进行有效的分配和调度,实现了高效的算力资源调度。
在一个实施例中,本申请实施例提供的算力调度知识图谱构建方法,还可以包括:
步骤400,根据历史算力调度数据和历史经验知识,对所述算力调度知识模型进行训练;
步骤500,基于训练好的算力调度知识模型、当前算力任务和当前算力需求,确定算力调度决策方案。
具体地,根据历史算力调度数据和经验知识,运用机器学习算法对模型进行训练;随着实时监控数据的不断更新,对原有模型持续优化和更新。通过训练好的算力调度知识模型、当前算力任务和当前算力需求,输出算力调度决策方案。最终基于这个算力调度决策方案执行算力调度任务。
本实施例通过历史算力调度数据和历史经验知识,对算力调度知识模型进行训练,以通过训练好的算力调度知识模型得到算力调度决策方案。
在一个实施例中,本申请实施例提供的算力调度知识图谱构建方法,还可以包括:
步骤600,在接收到算力任务的情况下,基于所述算力调度知识图谱确定所述算力任务对应的算力资源;
步骤700,对所述算力任务和所述算力资源进行可视化处理;
步骤800,在接收到基于所述可视化处理后的算力资源生成的调度指令的情况下,根据所述调度指令对所述算力资源进行分配。
具体地,建立可视化管理界面,提供可视化管理界面,将算力资源和任务以图形界面呈现。提供交互式操作和实时监控功能,方便管理员进行算力资源分配和调度任务执行。所述可视化管理界面,通过统一门户界面集中管理算力资源和算力任务列表,统一调度和集中监控。所述可视化包括沙盘可视、拓扑可视、业务可视和流程可视。
本实施例通过可视化管理界面方式呈现算力资源管理,进行主动任务监控,进一步开展有效的算力业务保障,保证客户的使用感知。
下面对本发明提供的算力调度知识图谱构建装置进行描述,下文描述的算力调度知识图谱构建装置与上文描述的算力调度知识图谱构建方法可相互对应参照。
请参照图3,本发明还提供一种算力调度知识图谱构建装置,包括:
算力节点确定模块301,用于根据算力调度应用场景的基础数据,确定算力需求节点和算力提供节点;
算力调度知识网构建模块302,用于将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网,所述算力调度知识模型是基于所述算力需求节点和所述算力提供节点构建的;
算力调度知识图谱构建模块303,用于对所述算力调度知识网进行知识整合和更新操作,得到算力调度知识图谱。
可选地,所述算力调度知识网构建模块包括:
节点属性获取单元,用于获取所述算力需求节点的第一属性和所述算力提供节点的第二属性;
节点属性链接单元,用于将所述算力需求节点与所述第一属性进行链接,将所述算力提供节点与所述第二属性进行链接;
算力调度知识模型构建单元,用于连接所述算力需求节点和所述算力提供节点,以构建算力调度知识模型。
可选地,所述算力调度知识网构建模块还包括:
获取单元,用于获取各所述算力调度应用场景对应的融合算力调度规则、算力资源响应关系以及算力资源响应时效;
算力调度知识模型组合单元,用于基于所述融合算力调度规则、所述算力资源响应关系以及所述算力资源响应时效,将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网。
可选地,所述算力调度知识图谱构建模块包括:
算力数据收集单元,用于收集算力任务需求对应的算力数据,所述算力数据包括相关节点、算力特征、算力路径、算力时延以及算力成本;
数据整合单元,用于在所述算力数据为结构化数据的情况下,将所述算力数据与所述算力调度知识网进行数据整合,得到算力调度知识图谱。
可选地,所述算力调度知识图谱构建装置还包括:
算力决策数据筛选模块,用于对所述算力数据进行筛选,选出算力决策数据,在所述算力决策数据为结构化数据的情况下,将所述算力数据与所述算力调度知识网进行数据整合,得到算力调度知识图谱。
可选地,所述算力调度知识图谱构建装置还包括:
模型训练模块,用于根据历史算力调度数据和历史经验知识,对所述算力调度知识模型进行训练;
算力调度决策方案确定模块,用于基于训练好的算力调度知识模型、当前算力任务和当前算力需求,确定算力调度决策方案。
可选地,所述算力调度知识图谱构建装置还包括:
算力资源确定模块,用于在接收到算力任务的情况下,基于所述算力调度知识图谱确定所述算力任务对应的算力资源;
可视化处理模块,用于对所述算力任务和所述算力资源进行可视化处理;
算力资源分配模块,用于在接收到基于所述可视化处理后的算力资源生成的调度指令的情况下,根据所述调度指令对所述算力资源进行分配。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行算力调度知识图谱构建方法。
此外,上述的存储器430中的逻辑指令可以通过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。基于这样的理解,本发明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)执行本发明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 Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
又一方面,本发明还提供一种非暂态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以执行上述各方法提供的算力调度知识图谱构建方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种算力调度知识图谱构建方法,其特征在于,包括:
根据算力调度应用场景的基础数据,确定算力需求节点和算力提供节点;
将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网,所述算力调度知识模型是基于所述算力需求节点和所述算力提供节点构建的;
对所述算力调度知识网进行知识整合和更新操作,得到算力调度知识图谱。
2.根据权利要求1所述的算力调度知识图谱构建方法,其特征在于,基于所述算力需求节点和所述算力提供节点构建算力调度知识模型包括:
获取所述算力需求节点的第一属性和所述算力提供节点的第二属性;
将所述算力需求节点与所述第一属性进行链接,将所述算力提供节点与所述第二属性进行链接;
连接所述算力需求节点和所述算力提供节点,以构建算力调度知识模型。
3.根据权利要求1所述的算力调度知识图谱构建方法,其特征在于,所述将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网包括:
获取各所述算力调度应用场景对应的融合算力调度规则、算力资源响应关系以及算力资源响应时效;
基于所述融合算力调度规则、所述算力资源响应关系以及所述算力资源响应时效,将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网。
4.根据权利要求1所述的算力调度知识图谱构建方法,其特征在于,所述对所述算力调度知识网进行知识整合和更新操作,得到算力调度知识图谱包括:
收集算力任务需求对应的算力数据,所述算力数据包括相关节点、算力特征、算力路径、算力时延以及算力成本;
在所述算力数据为结构化数据的情况下,将所述算力数据与所述算力调度知识网进行数据整合,得到算力调度知识图谱。
5.根据权利要求4所述的算力调度知识图谱构建方法,其特征在于,所述算力调度知识图谱构建方法还包括:
对所述算力数据进行筛选,选出算力决策数据,在所述算力决策数据为结构化数据的情况下,将所述算力数据与所述算力调度知识网进行数据整合,得到算力调度知识图谱。
6.根据权利要求1所述的算力调度知识图谱构建方法,其特征在于,所述算力调度知识图谱构建方法还包括:
根据历史算力调度数据和历史经验知识,对所述算力调度知识模型进行训练;
基于训练好的算力调度知识模型、当前算力任务和当前算力需求,确定算力调度决策方案。
7.根据权利要求1所述的算力调度知识图谱构建方法,其特征在于,所述算力调度知识图谱构建方法还包括:
在接收到算力任务的情况下,基于所述算力调度知识图谱确定所述算力任务对应的算力资源;
对所述算力任务和所述算力资源进行可视化处理;
在接收到基于所述可视化处理后的算力资源生成的调度指令的情况下,根据所述调度指令对所述算力资源进行分配。
8.一种算力调度知识图谱构建装置,其特征在于,包括:
算力节点确定模块,用于根据算力调度应用场景的基础数据,确定算力需求节点和算力提供节点;
算力调度知识网构建模块,用于将各所述算力调度应用场景对应的算力调度知识模型进行组合,构建得到算力调度知识网,所述算力调度知识模型是基于所述算力需求节点和所述算力提供节点构建的;
算力调度知识图谱构建模块,用于对所述算力调度知识网进行知识整合和更新操作,得到算力调度知识图谱。
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程序时实现如权利要求1至7任一项所述算力调度知识图谱构建方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述算力调度知识图谱构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310729321.4A CN117009070A (zh) | 2023-06-19 | 2023-06-19 | 算力调度知识图谱构建方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310729321.4A CN117009070A (zh) | 2023-06-19 | 2023-06-19 | 算力调度知识图谱构建方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117009070A true CN117009070A (zh) | 2023-11-07 |
Family
ID=88568035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310729321.4A Pending CN117009070A (zh) | 2023-06-19 | 2023-06-19 | 算力调度知识图谱构建方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117009070A (zh) |
-
2023
- 2023-06-19 CN CN202310729321.4A patent/CN117009070A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109491790B (zh) | 基于容器的工业物联网边缘计算资源分配方法及系统 | |
Liu et al. | A reinforcement learning-based resource allocation scheme for cloud robotics | |
CN108804630B (zh) | 一种面向行业应用的大数据智能分析服务系统 | |
CN112104751B (zh) | 调控云数据处理方法、装置及系统 | |
CN103984818B (zh) | 基于Flex技术的AUV设计流程可视化建模方法 | |
CN114721833B (zh) | 一种基于平台业务类型的智能云端协调方法和装置 | |
CN108833161B (zh) | 一种建立基于雾计算的智能合约微服务模型的方法 | |
CN104679595B (zh) | 一种面向应用的IaaS层动态资源分配方法 | |
CN108431796A (zh) | 分布式资源管理系统和方法 | |
CN107729138B (zh) | 一种高性能分布式矢量空间数据的分析方法和装置 | |
US10628766B2 (en) | Method and system for enabling dynamic capacity planning | |
CN109062700A (zh) | 一种基于分布式系统的资源管理方法及服务器 | |
Shadroo et al. | The two-phase scheduling based on deep learning in the Internet of Things | |
CN114302421B (zh) | 通信网络架构的生成方法、装置、电子设备及介质 | |
CN113992524B (zh) | 网络切片优化处理方法及系统 | |
CN112347636A (zh) | 一种基于Multi-Agent技术的装备保障仿真建模方法 | |
Huang et al. | Enabling DNN acceleration with data and model parallelization over ubiquitous end devices | |
CN112148926A (zh) | 一种图数据流的处理方法、处理装置和存储介质 | |
CN113516331A (zh) | 一种建筑数据处理方法及装置 | |
CN113014649B (zh) | 一种基于深度学习的云物联负载均衡方法、装置及设备 | |
US20220374443A1 (en) | Generation of data pipelines based on combined technologies and licenses | |
CN114119317A (zh) | 一种基于政务服务场景的知识图谱构建方法 | |
Ryabko et al. | Graph theory methods for fog computing: A pseudo-random task graph model for evaluating mobile cloud, fog and edge computing systems | |
CN117009070A (zh) | 算力调度知识图谱构建方法、装置、设备及可读存储介质 | |
CN112037103A (zh) | 政务管理系统 |
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 |