CN117349016A - 资源分配方法、装置、设备及介质 - Google Patents
资源分配方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117349016A CN117349016A CN202311318179.0A CN202311318179A CN117349016A CN 117349016 A CN117349016 A CN 117349016A CN 202311318179 A CN202311318179 A CN 202311318179A CN 117349016 A CN117349016 A CN 117349016A
- Authority
- CN
- China
- Prior art keywords
- resource
- node set
- tag
- selectable
- attribute
- 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
- 238000013468 resource allocation Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012216 screening Methods 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 15
- 230000003068 static effect Effects 0.000 claims description 15
- 230000036541 health Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- 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
Abstract
本发明实施例公开了一种资源分配方法、装置、设备及介质。该方法包括:通过获取待处理业务的资源需求数据和各计算节点的资源特征标签;从资源特征标签中提取资源属性标签;根据资源需求数据和所述资源属性标签,确定可选节点集合;对可选节点集合进行筛选,得到目标节点集合;根据目标节点集合,对待处理业务进行资源分配。上述方案,通过引入资源特征标签,根据资源特征标签,确定目标节点集合,提高了确定的目标节点集合的准确度,进而提高了资源分配的合理性。
Description
技术领域
本发明实施例涉及计算机资源管理技术领域,尤其涉及一种资源分配方法、装置、设备及介质。
背景技术
超级计算机系统完成研制并投入使用后,系统资源的类型、规模和技术指标就已经确定,在对用户提交的应用课题进行资源分配与调度运行时,一般根据应用基础需求(如资源类型、资源数量和资源内存等),从系统中选择合适的计算节点进行分配。
随着超级计算机系统规模、资源数量的扩大,对于用户提交的应用课题,一般存在多种可选的资源集合可以满足用户应用基础运行的需求,但不同的资源集合选择可能带来不同的资源利用率和应用运行效率,因此,如何提高资源分配的合理性至关重要。
发明内容
本发明提供一种资源分配方法、装置、设备及介质,以实现资源的合理分配。
根据本发明的一方面,提供了一种资源分配方法,包括:
获取待处理业务的资源需求数据和各计算节点的资源特征标签;
从所述资源特征标签中提取资源属性标签;
根据所述资源需求数据和所述资源属性标签,确定可选节点集合;
对所述可选节点集合进行筛选,得到目标节点集合;
根据所述目标节点集合,对所述待处理业务进行资源分配。
根据本发明的另一方面,提供了一种资源分配装置,包括:
数据获取模块,用于获取待处理业务的资源需求数据和各计算节点的资源特征标签;
资源属性标签提取模块,用于从所述资源特征标签中提取资源属性标签;
可选节点选取模块,用于根据所述资源需求数据和所述资源属性标签,确定可选节点集合;
目标节点确定模块,用于对所述可选节点集合进行筛选,得到目标节点集合;
资源分配模块,用于根据所述目标节点集合,对所述待处理业务进行资源分配。
根据本发明的另一方面,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;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器能够执行本发明实施例所提供的任意一种资源分配方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本发明实施例所提供的任意一种资源分配方法。
本发明实施例提供了一种资源分配方案,通过获取待处理业务的资源需求数据和各计算节点的资源特征标签;从资源特征标签中提取资源属性标签;根据资源需求数据和所述资源属性标签,确定可选节点集合;对可选节点集合进行筛选,得到目标节点集合;根据目标节点集合,对待处理业务进行资源分配。上述方案,通过引入资源特征标签,根据资源特征标签,确定目标节点集合,提高了确定的目标节点集合的准确度,进而提高了资源分配的合理性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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是本发明实施例一提供的一种资源分配方法的流程图;
图2是本发明实施例二提供的一种资源分配方法的流程图;
图3是本发明实施例四提供的一种资源分配装置的结构示意图;
图4是本发明实施例五提供的一种实现资源分配方法的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
大规模并行系统资源种类多、数量大,软硬件结构复杂,资源的高效分配是提高系统资源利用率、提升应用运行效率的基础。在大规模系统中,不同类型的计算资源能够提供不同维度的计算能力,同时即使是同类型的计算资源,不同的个体之间也在网络拓扑、稳定性特征、功耗特征等方面存在一定的个性化差异,所以在面向用户应用的运行需求进行资源分配时,不同的资源集合选择将直接影响应用的运行效率。本发明提出了一种基于特征标签的超级计算机资源分配方法,用于提高超级计算机资源分配时选择分配的资源与用户应用需求的匹配度,提升应用运行效率,解决大规模系统中资源高匹配度分配难题。
在现有技术中,资源管理软件主要依据资源静态指标和负载情况来分配资源,但是在大规模系统中,即使是同类型的资源,不同的资源个体之间也存在一定的个性化差异,如稳定运行的频率、电压配置差异,面向不同类型的应用时的稳定性和性能上表现差异、运行功耗差异等。同时随着系统的不断使用,部分资源也存在着性能降级的风险。传统技术在资源分配时没有考虑这些个性化特征带来的影响,也直接影响着应用运行的效率和稳定性。
针对上述问题,本发明实现了一种基于特征标签的超级计算机资源分配方法,在传统资源选择与分配方式的基础上,针对系统运行状态和系统资源的个性化特征,为系统资源标注多维度的个性化特征标签,如网络拓扑特征、资源健康度特征、功耗特征、面向不同应用的稳定性特征等,在资源分配时充分考虑资源间的个性化差异,实现面向应用需求和系统运行状态的精细化高匹配度资源选择与分配,解决传统粗放式资源分配下无法充分发挥系统资源性能、最大化提升应用运行效率的难题,提升系统综合服务效能。
实施例一
图1是本发明实施例一提供的一种资源分配方法的流程图,本实施例可适用于在使用超级计算机执行待处理业务时,进行资源分配的情况,该方法可以由资源分配装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置于承载资源分配功能的电子设备中。
参见图1所示的资源分配方法,包括:
S110、获取待处理业务的资源需求数据和各计算节点的资源特征标签。
其中,待处理业务是指需要使用超级计算机进行处理的业务。示例性的,待处理业务可以是应用课题。资源需求数据是指超级计算机执行待处理业务时所需要的资源基础数据。具体的,资源需求数据是指超级计算机执行待处理业务时所需要的基本资源数据。示例性的,资源需求数据中可以包括所需资源的内存大小、所需处理器的种类和所需处理器的核数等。计算节点是指超级计算机中的各计算节点。资源特征标签是指用于表征计算节点的基本情况的特征数据。本发明实施例对资源特征标签不作任何限定,可以是技术人员根据经验进行设置。
本发明实施例中,资源特征标签可以从多维度确定。在一个可选实施例中,资源特征标签可以根据计算节点的基础属性和实时状态进行确定。其中,基础属性可以是指计算节点的种类。实时状态是指可以实时变化的计算节点的状态,如计算节点的稳定性和计算节点的功耗等。
具体的,获取待处理业务的资源需求数据,并确定超级计算机中各计算节点的资源特征标签。
S120、从资源特征标签中提取资源属性标签。
其中,资源属性标签是指计算节点的基础属性的标签。在一个可选实施例中,资源属性标签可以包括资源静态属性标签和资源动态属性标签;资源静态属性标签包括计算节点种类;资源动态属性标签包括资源处理器核数、资源存储空间、资源处理器频率和资源处理器电压。
其中,计算节点种类是指资源的类型。示例性的,计算节点种类可以包括通用多核节点、众核节点、带加速器节点等。计算节点种类是通过静态配置设置的。
其中,资源处理器核数是指计算节点的核数。具体的,资源处理器核数是通过初始静态配置以及动态状态监测进行更新确定。
其中,资源存储空间是指计算节点的存储空间大小。具体的,资源存储空间是通过初始静态配置以及动态状态监测进行更新确定。
其中,资源处理器频率和资源处理器电压是指计算节点的频率和电压。具体的,资源处理器频率和资源处理器电压是通过初始静态配置以及动态状态监测进行更新确定。
可以理解的是,通过根据资源静态属性标签和资源动态属性标签,确定资源属性标签,实现了从多维度确定资源属性标签,提高了资源属性标签的丰富性。
具体的,确定资源特征标签中的资源属性标签。
S130、根据资源需求数据和资源属性标签,确定可选节点集合。
其中,可选节点集合是指可以执行待处理业务的计算节点的组合。
在一个可选实施例中,根据资源需求数据和资源属性标签,从计算节点中选取可选节点集合,包括:根据资源属性标签,确定相应计算节点的资源基础数据;将资源需求数据与资源基础数据进行比较;根据比较结果,确定可选节点集合。
其中,资源基础数据是指计算节点的资源属性数据。示例性的,资源基础数据可以包括计算节点的存储空间、计算节点的核数等。
具体的,将资源基础数据与资源需求数据进行比较,将资源基础数据可以满足资源需求数据的计算节点,作为可选节点集合。示例性的,资源基础数据满足资源需求数据可以是指计算节点的存储空间不小于资源需求数据中的存储空间、计算节点的核数不小于资源需求数据中的核数。
可以理解的是,通过将资源基础数据与资源需求数据进行比较,确定可选节点集合,提高了确定的可选节点集合的准确度。
具体的,将满足资源需求数据的资源属性标签对应的计算节点集合,作为可选节点集合。
S140、对可选节点集合进行筛选,得到目标节点集合。
其中,目标节点集合是指能够较好执行待处理业务的计算节点的组合。优选的,目标节点集合中的计算节点可以是能够执行待处理业务的最优节点。本发明实施例对目标节点集合中计算节点的个数不作任何限定,需要根据资源需求数据进行确定。目标节点集合中计算节点的个数可以为最少一个。
具体的,根据资源特征标签,从可选节点集合中筛选出目标节点集合。
S150、根据目标节点集合,对待处理业务进行资源分配。
具体的,将待处理业务分配给目标节点集合中的各计算节点执行,实现资源分配。
本发明实施例提供了一种资源分配方案,通过获取待处理业务的资源需求数据和各计算节点的资源特征标签;从资源特征标签中提取资源属性标签;根据资源需求数据和所述资源属性标签,确定可选节点集合;对可选节点集合进行筛选,得到目标节点集合;根据目标节点集合,对待处理业务进行资源分配。上述方案,通过引入资源特征标签,根据资源特征标签,确定目标节点集合,提高了确定的目标节点集合的准确度,进而提高了资源分配的合理性。
实施例二
图2是本发明实施例二提供的一种资源分配方法的流程图,本实施例在上述各实施例的基础上,进一步的,将“对可选节点集合进行筛选,得到目标节点集合”操作,细化为“从资源特征标签中提取资源状态关联标签;根据资源状态关联标签,对可选节点集合进行筛选,得到目标节点集合”,以完善目标节点集合的确定机制。需要说明的是,在本发明实施例未详述的部分,可参见其他实施例的表述。
参见图2所示的资源分配方法,包括:
S210、获取待处理业务的资源需求数据和各计算节点的资源特征标签。
S220、从资源特征标签中提取资源属性标签。
S230、根据资源需求数据和所述资源属性标签,确定可选节点集合。
S240、从资源特征标签中提取资源状态关联标签。
其中,资源状态关联标签是指用于表征计算节点的相关状态数据。示例性的,资源状态关联标签可以根据计算节点的状态进行实时动态更新。本发明实施例对资源状态关联标签的种类不作任何限定,可以是技术人员根据经验进行设置。在一个可选实施例中,资源状态关联标签可以包括资源健康度、资源网络拓扑、资源运行功耗、资源稳定性和资源网络带宽属性中的至少一种。
其中,资源健康度是指计算节点的健康程度。示例性的,资源健康度可以通过筛片测试以及系统历史运行过程中的可用性监测进行设置。其中,筛片测试是指计算节点执行一些测试任务,确定计算节点的健康状态。
其中,资源网络拓扑是指计算节点所在环境的网络拓扑特征数据。示例性的,资源网络拓扑可以根据静态配置及动态网络状态监测更新。
其中,资源运行功耗是指计算节点执行待处理业务时的功耗。具体的,资源运行功耗可以包括资源基础功耗和执行不同业务的功耗。其中,不同类型的业务,计算节点的功耗可能不同。示例性的,资源运行功耗可以根据系统历史运行过程中的应用信息、节点动态功耗信息的关联分析进行设置。
其中,资源稳定性是指计算节点执行待处理业务时的稳定程度。具体的,不同类型的业务,资源稳定性可能不同。示例性的,资源稳定性可以根据系统历史运行过程中的应用信息、节点故障信息的关联分析进行设置。
其中,资源网络带宽属性是指计算节点的网络带宽。示例性的,资源网络带宽可以根据初始静态配置及动态状态监测更新进行设置。
其中,应用信息可以包括计算节点之前执行待处理业务时的功耗信息和稳定性信息。
可以理解的是,通过多维度确定资源状态关联标签,提高了确定的资源状态关联标签的丰富性。
S250、根据资源状态关联标签,对可选节点集合进行筛选,得到目标节点集合。
在一个可选实施例中,根据资源状态关联标签,对可选节点集合进行筛选,得到目标节点集合,包括:确定待处理业务的资源状态需求;根据资源状态需求和资源状态关联标签,对可选节点集合进行筛选,得到目标节点集合。
其中,资源状态需求是指执行待处理业务的计算节点的状态要求数据。
具体的,将资源状态关联标签满足资源状态需求对应的可选节点集合,作为目标节点集合。
可以理解的是,通过根据资源状态关联数据对可选节点集合进行筛选,得到目标节点集合,提高了确定的目标节点集合的准确度和合理性,进而提高了后续资源分配的合理性。
S260、根据目标节点集合,对待处理业务进行资源分配。
本发明实施例提供了一种资源分配方案,通过将对可选节点集合进行筛选,得到目标节点集合操作,细化为从资源特征标签中提取资源状态关联标签;根据资源状态关联标签,对可选节点集合进行筛选,得到目标节点集合,完善了目标节点集合的确定机制。上述方案,通过根据资源状态关联标签,对可选节点集合进行筛选,得到目标节点集合,提高了目标节点集合的准确度。
实施例三
本发明实施例在上述实施例的基础上,提供了一个可选实施例。需要说明的是,在本发明实施例未详述的部分,可参见其他实施例的表述。
在用户提交待处理业务的计算节点中选择所有满足资源需求数据(如基础处理器核数、内存空间大小等)的计算节点集合,作为可选节点集合R1。需要说明的是,可选节点集合R1中计算节点的数量应该超过用户的资源数量需求。
进一步的,根据自动分析或用户指定的资源健康度需求,基于资源状态关联标签中的资源健康度,在可选节点集合R1中选择满足资源健康度需求的可选节点集合R2。其中,资源健康度需求是指执行待处理业务的计算节点的健康度要求。
进一步的,根据用户指定的资源网络拓扑需求,基于资源状态关联标签中的资源网络拓扑,在可选节点集合R2中选择满足资源网络拓扑需求的可选节点集合R3;
进一步的,根据系统级功耗阈值及系统当前运行状态,基于资源状态关联标签中的资源运行功耗,在可选节点集合R3中选择应用运行后预期功耗不超过系统相关限制的可选节点集合R4;
进一步的,根据自动分析或用户指定的待处理业务的类型,基于资源状态关联标签中的资源稳定性,在可选节点集合R4中选择能够最大化应用运行后稳定性且计算节点数量与用户需求相同的可选节点集合作为目标节点集合。
进一步的,将目标节点集合作为最终确定的节点集合分配给用户待处理业务并调度运行。
需要说明的是,本发明实施例对根据资源状态关联标签中各不同类型标签进行筛选的顺序不作任何限定,可以是根据上述顺序进行筛选,得到目标节点集合;还可以是技术人员根据需要进行顺序筛选,得到目标节点集合。
基于特征标签的超级计算机资源分配方法的原理:在传统的基于资源类型、处理器属性、内存属性等资源信息进行资源分配的基础上,通过静态配置、测试标注、历史数据分析标注等手段,分析提取多维特征标签用来对系统资源进行精细化描述,包括处理器稳定运行的频率电压电流特征信息、网络拓扑特征信息、健康度特征信息、面向不同应用的稳定性特征信息、基础功耗特征信息和运行不同应用的功耗特征信息等,在此基础上在面向用户应用进行资源选择与分配时,针对应用运行需求综合根据系统当前运行状态和资源特征标签进行高匹配度分配,在保障用户应用高效运行的同时提高系统整体的资源利用率和稳定性。
本发明的主要优点在于在传统超级计算机资源分配机制的基础上,针对系统运行状态和系统资源的个性化特征,为系统资源标注多维度的个性化特征标签,在资源分配时充分考虑资源间的个性化差异,实现面向应用需求和系统运行状态的精细化高匹配度资源选择与分配,解决传统粗放式资源分配下无法充分发挥系统资源性能、最大化提升应用运行效率的难题,提升系统综合服务效能。
实施例四
图3是本发明实施例三提供的一种资源分配装置的结构示意图。本实施例可适用于在使用超级计算机执行待处理业务时,进行资源分配的情况,该方法可以由资源分配装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置于承载资源分配功能的电子设备中。
如图3所示,该装置包括:
数据获取模块310,用于获取待处理业务的资源需求数据和各计算节点的资源特征标签;
资源属性标签提取模块320,用于从所述资源特征标签中提取资源属性标签;
可选节点选取模块330,用于根据所述资源需求数据和所述资源属性标签,确定可选节点集合;
目标节点确定模块340,用于对所述可选节点集合进行筛选,得到目标节点集合;
资源分配模块350,用于根据所述目标节点集合,对所述待处理业务进行资源分配。
本发明实施例提供了一种资源分配方案,通过获取待处理业务的资源需求数据和各计算节点的资源特征标签;从资源特征标签中提取资源属性标签;根据资源需求数据和所述资源属性标签,确定可选节点集合;对可选节点集合进行筛选,得到目标节点集合;根据目标节点集合,对待处理业务进行资源分配。上述方案,通过引入资源特征标签,根据资源特征标签,确定目标节点集合,提高了确定的目标节点集合的准确度,进而提高了资源分配的合理性。
可选的,可选节点选取模块330,包括:
资源基础数据确定单元,用于根据所述资源属性标签,确定相应计算节点的资源基础数据;
资源基础数据比较单元,用于将所述资源需求数据与所述资源基础数据进行比较;
可选节点选取单元,用于根据比较结果,确定所述可选节点集合。
可选的,目标节点确定模块340,包括:
资源状态关联标签提取单元,用于从所述资源特征标签中提取资源状态关联标签;
目标节点确定单元,用于根据所述资源状态关联标签,对所述可选节点集合进行筛选,得到所述目标节点集合。
可选的,目标节点确定单元,具体用于:
确定所述待处理业务的资源状态需求;
根据所述资源状态需求和所述资源状态关联标签,对所述可选节点集合进行筛选,得到所述目标节点集合。
可选的,资源状态关联标签包括资源健康度、资源网络拓扑、资源运行功耗、资源稳定性和资源网络带宽属性中的至少一种。
可选的,资源属性标签包括资源静态属性标签和资源动态属性标签;所述资源静态属性标签包括计算节点种类;所述资源动态属性标签包括资源处理器核数、资源存储空间、资源处理器频率和资源处理器电压。
本发明实施例所提供的资源分配装置,可执行本发明任意实施例所提供的资源分配方法,具备执行各资源分配方法相应的功能模块和有益效果。
本发明的技术方案中,所涉及的资源需求数据、资源特征标签等的收集、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。
实施例五
图4是本发明实施例五提供的一种实现资源分配方法的电子设备的结构示意图。电子设备410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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图4所示,电子设备410包括至少一个处理器411,以及与至少一个处理器411通信连接的存储器,如只读存储器(ROM)412、随机访问存储器(RAM)413等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器411可以根据存储在只读存储器(ROM)412中的计算机程序或者从存储单元418加载到随机访问存储器(RAM)413中的计算机程序,来执行各种适当的动作和处理。在RAM 413中,还可存储电子设备410操作所需的各种程序和数据。处理器411、ROM 412以及RAM 413通过总线414彼此相连。输入/输出(I/O)接口415也连接至总线414。
电子设备410中的多个部件连接至I/O接口415,包括:输入单元416,例如键盘、鼠标等;输出单元417,例如各种类型的显示器、扬声器等;存储单元418,例如磁盘、光盘等;以及通信单元419,例如网卡、调制解调器、无线通信收发机等。通信单元419允许电子设备410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。
处理器411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。处理器411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处理器、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。处理器411执行上文所描述的各个方法和处理,例如资源分配方法。
在一些实施例中,资源分配方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元418。在一些实施例中,计算机程序的部分或者全部可以经由ROM 412和/或通信单元419而被载入和/或安装到电子设备410上。当计算机程序加载到RAM 413并由处理器411执行时,可以执行上文描述的资源分配方法的一个或多个步骤。备选地,在其他实施例中,处理器411可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行资源分配方法。
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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种资源分配方法,其特征在于,包括:
获取待处理业务的资源需求数据和各计算节点的资源特征标签;
从所述资源特征标签中提取资源属性标签;
根据所述资源需求数据和所述资源属性标签,确定可选节点集合;
对所述可选节点集合进行筛选,得到目标节点集合;
根据所述目标节点集合,对所述待处理业务进行资源分配。
2.根据权利要求1所述的方法,其特征在于,所述根据所述资源需求数据和所述资源属性标签,确定可选节点集合,包括:
根据所述资源属性标签,确定相应计算节点的资源基础数据;
将所述资源需求数据与所述资源基础数据进行比较;
根据比较结果,确定所述可选节点集合。
3.根据权利要求1所述的方法,其特征在于,所述对所述可选节点集合进行筛选,得到所述目标节点集合,包括:
从所述资源特征标签中提取资源状态关联标签;
根据所述资源状态关联标签,对所述可选节点集合进行筛选,得到所述目标节点集合。
4.根据权利要求3所述的方法,其特征在于,所述根据所述资源状态关联标签,对所述可选节点集合进行筛选,得到所述目标节点集合,包括:
确定所述待处理业务的资源状态需求;
根据所述资源状态需求和所述资源状态关联标签,对所述可选节点集合进行筛选,得到所述目标节点集合。
5.根据权利要求3所述的方法,其特征在于,所述资源状态关联标签包括资源健康度、资源网络拓扑、资源运行功耗、资源稳定性和资源网络带宽属性中的至少一种。
6.根据权利要求1所述的方法,其特征在于,所述资源属性标签包括资源静态属性标签和资源动态属性标签;所述资源静态属性标签包括计算节点种类;所述资源动态属性标签包括资源处理器核数、资源存储空间、资源处理器频率和资源处理器电压。
7.一种资源分配装置,其特征在于,包括:
数据获取模块,用于获取待处理业务的资源需求数据和各计算节点的资源特征标签;
资源属性标签提取模块,用于从所述资源特征标签中提取资源属性标签;
可选节点选取模块,用于根据所述资源需求数据和所述资源属性标签,从所述计算节点中选取可选节点集合;
目标节点确定模块,用于对所述可选节点集合进行筛选,得到目标节点集合;
资源分配模块,用于根据所述目标节点集合,对所述待处理业务进行资源分配。
8.根据权利要求7所述的装置,其特征在于,所述可选节点选取模块,包括:
资源基础数据确定单元,用于根据所述资源属性标签,确定相应计算节点的资源基础数据;
资源基础数据比较单元,用于将所述资源需求数据与所述资源基础数据进行比较;
可选节点选取单元,用于根据比较结果,从所述计算节点中选取所述可选节点集合。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6任一项所述的一种资源分配方法。
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,该程序被处理器执行时实现如权利要求1-6任一项所述的一种资源分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311318179.0A CN117349016A (zh) | 2023-10-11 | 2023-10-11 | 资源分配方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311318179.0A CN117349016A (zh) | 2023-10-11 | 2023-10-11 | 资源分配方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117349016A true CN117349016A (zh) | 2024-01-05 |
Family
ID=89358949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311318179.0A Pending CN117349016A (zh) | 2023-10-11 | 2023-10-11 | 资源分配方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117349016A (zh) |
-
2023
- 2023-10-11 CN CN202311318179.0A patent/CN117349016A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116594563A (zh) | 分布式存储扩容方法、装置、电子设备和存储介质 | |
CN116126719A (zh) | 接口测试方法、装置、电子设备及存储介质 | |
CN114862223A (zh) | 一种机器人调度方法、装置、设备及存储介质 | |
CN115794744A (zh) | 一种日志展示方法、装置、设备和存储介质 | |
CN115952054A (zh) | 一种仿真任务资源管理方法、装置、设备及介质 | |
CN117349016A (zh) | 资源分配方法、装置、设备及介质 | |
CN115543416A (zh) | 一种配置更新方法、装置、电子设备及存储介质 | |
CN114996930A (zh) | 一种建模方法、装置、电子设备及存储介质 | |
CN117057411B (zh) | 一种大语言模型训练方法、装置、设备及存储介质 | |
CN116628167B (zh) | 一种响应确定方法、装置、电子设备及存储介质 | |
CN114860341B (zh) | 线程配置方法、设备、装置、存储介质 | |
CN114595231B (zh) | 一种数据库表生成方法、装置、电子设备及存储介质 | |
CN116781694A (zh) | 一种应用于边缘计算系统的调度方法、装置、设备及介质 | |
CN116801001A (zh) | 视频流的处理方法、装置、电子设备及存储介质 | |
CN115640112A (zh) | 一种基于标签的资源调度方法、装置、设备及介质 | |
CN116954922A (zh) | 一种分布式存储方法、装置、设备和介质 | |
CN116151607A (zh) | 数据处理方法、装置、设备、存储介质及计算机程序产品 | |
CN116915868A (zh) | 一种网络监测任务下发方法、装置、设备及存储介质 | |
CN117709902A (zh) | 基于bom文件的物料录入方法、装置、设备及介质 | |
CN116361008A (zh) | 基于电力物联网的任务均衡分配方法、装置、设备和介质 | |
CN117406964A (zh) | 数据架构模型设计方法、装置、电子设备和存储介质 | |
CN116389499A (zh) | 基于电力物联网的任务分配方法、装置、设备和介质 | |
CN115599734A (zh) | 数据采集方法、装置、电子设备及存储介质 | |
CN116800665A (zh) | 一种边缘节点管理方法、装置、设备及存储介质 | |
CN116661960A (zh) | 一种批量任务处理方法、装置、设备以及存储介质 |
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 |