CN117349031B - 一种分布式超算资源调度分析方法、系统、终端及介质 - Google Patents

一种分布式超算资源调度分析方法、系统、终端及介质 Download PDF

Info

Publication number
CN117349031B
CN117349031B CN202311648059.7A CN202311648059A CN117349031B CN 117349031 B CN117349031 B CN 117349031B CN 202311648059 A CN202311648059 A CN 202311648059A CN 117349031 B CN117349031 B CN 117349031B
Authority
CN
China
Prior art keywords
scheduling
transmission
resource
distance
service node
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.)
Active
Application number
CN202311648059.7A
Other languages
English (en)
Other versions
CN117349031A (zh
Inventor
李永辉
郑亮
柴华
李玥莹
罗彦辛
胡健
宋跃
刘�文
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.)
Chengdu Supercomputing Center Operation Management Co ltd
Original Assignee
Chengdu Supercomputing Center Operation Management Co ltd
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 Chengdu Supercomputing Center Operation Management Co ltd filed Critical Chengdu Supercomputing Center Operation Management Co ltd
Priority to CN202311648059.7A priority Critical patent/CN117349031B/zh
Publication of CN117349031A publication Critical patent/CN117349031A/zh
Application granted granted Critical
Publication of CN117349031B publication Critical patent/CN117349031B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • 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)
  • Multi Processors (AREA)

Abstract

本发明公开了一种分布式超算资源调度分析方法、系统、终端及介质，涉及分布式资源调度技术领域，其技术方案要点是：搜索出预设半径内所有的服务节点；将服务节点集划分为多个独立的传输路径；提取服务节点的可调度资源以及传输路段的传输距离；以服务节点的可调度资源与对应的传输距离之比确定相应传输路段的资源系数，构成系数分段函数；求解得到最小调度距离；以传输路径中各个传输路段与最小调度距离的交集情况确定相应服务节点执行资源调度任务的实际调度资源。本发明考虑了可调度资源与计算任务迁移过程的总传输距离之间的平衡性，可缩小参与资源调度任务运算的服务节点覆盖范围，也可以降低参与资源调度任务运算的服务节点数量。

Description

一种分布式超算资源调度分析方法、系统、终端及介质
技术领域
本发明涉及分布式资源调度技术领域，更具体地说，它涉及一种分布式超算资源调度分析方法、系统、终端及介质。
背景技术
随着互联网技术和大数据分析技术不断发展，网络数据量和复杂程度不断提升，所需要的网络计算资源也不断提升。对于计算过程非常复杂、但适合划分为大量更小的计算任务的计算项目而言，采用分布式计算方法将划分后的计算任务分配给许多联网参与计算的计算机进行并行处理，最后将计算结果综合起来得到最终的结果，可以提高计算项目的处理效率。
目前，在采用分布式计算方法进行计算任务迁移分配时，一部分分布式计算方法主要是考虑分布式集群中各个服务节点所剩余的可调度资源，通过优先选取可调度资源较大的服务节点执行计算任务的运算，但由于分布式集群中各个服务节点所剩余的可调度资源存在较大差异，在多个计算项目进行分布式计算时，大量数据远距离传输所占用资源较多，且无序交错的数据传输易引起传输通道阻塞；还有部分分布式计算方法主要是考虑计算任务迁移过程的总传输距离尽可能的小，同样的，由于分布式集群中各个服务节点与中心的服务节点之间的传输距离也存在较大差异，这就容易出现可调度资源较大的服务节点长时间处于闲置状态的情况，也在一定程度上增大了参与单个计算项目运算的服务节点数量，不利于分布式计算向着更大计算能力的方向发展。
因此，如何研究设计一种能够克服上述缺陷的分布式超算资源调度分析方法、系统、终端及介质是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足，本发明的目的是提供一种分布式超算资源调度分析方法、系统、终端及介质，考虑了可调度资源与计算任务迁移过程的总传输距离之间的平衡性，可缩小参与资源调度任务运算的服务节点覆盖范围，也可以降低参与资源调度任务运算的服务节点数量。
本发明的上述技术目的是通过以下技术方案得以实现的：
第一方面，提供了一种分布式超算资源调度分析方法，包括以下步骤：
以接收资源调度任务的服务节点为中心，搜索出预设半径内所有的服务节点，得到服务节点集；
将服务节点集划分为多个独立的传输路径，每一个传输路径由一个或多个服务节点所对应的传输路段组成；
提取服务节点集中各个服务节点的可调度资源以及各个服务节点所对应传输路段的传输距离；
以服务节点的可调度资源与对应的传输距离之比确定相应传输路段的资源系数，同一传输路径中所有传输路段的资源系数构成相应传输路径的系数分段函数；
以所有系数分段函数在相同调度距离内所对应的总调度资源不小于资源调度任务所对应的需求调度资源为目标，求解得到最小调度距离；
以传输路径中各个传输路段与最小调度距离的交集情况确定相应服务节点执行资源调度任务的实际调度资源。
进一步的，所述预设半径由资源调度任务所对应的需求调度资源决定，需求调度资源越大，预设半径越大。
进一步的，若一个服务节点与中心的服务节点之间的路径存在路径并列的情况，则：
将并列的路径中距离最小的路径进行保留，形成传输路径中的局部；
以及，将并列的路径中未保留的路径构成传输路径的分叉路径。
进一步的，所述分叉路径中传输路段的资源系数在参与资源调度分析过程中不复用相应传输路径的系数分段函数。
进一步的，所述最小调度距离的求解公式具体为：
；
其中，表示系数分段函数的数量；/>表示第i个系数分段函数；/>表示所选取的调度距离；/>表示资源调度任务所对应的需求调度资源；/>表示最小调度距离。
进一步的，所述实际调度资源的计算公式具体为：
；
其中，表示第j个服务节点执行资源调度任务的实际调度资源；/>表示第j个服务节点的可调度资源；/>表示第j个服务节点所对应传输路段的传输距离；/>表示最小调度距离；/>表示求解传输路段的传输距离与最小调度距离的交集距离。
进一步的，若所述预设半径内，最小调度距离无解，则需增大预设半径的大小。
第二方面，提供了一种分布式超算资源调度分析系统，包括：
节点搜索模块，用于以接收资源调度任务的服务节点为中心，搜索出预设半径内所有的服务节点，得到服务节点集；
路径划分模块，用于将服务节点集划分为多个独立的传输路径，每一个传输路径由一个或多个服务节点所对应的传输路段组成；
数据提取模块，用于提取服务节点集中各个服务节点的可调度资源以及各个服务节点所对应传输路段的传输距离；
函数构建模块，用于以服务节点的可调度资源与对应的传输距离之比确定相应传输路段的资源系数，同一传输路径中所有传输路段的资源系数构成相应传输路径的系数分段函数；
距离求解模块，用于以所有系数分段函数在相同调度距离内所对应的总调度资源不小于资源调度任务所对应的需求调度资源为目标，求解得到最小调度距离；
调度分析模块，用于以传输路径中各个传输路段与最小调度距离的交集情况确定相应服务节点执行资源调度任务的实际调度资源。
第三方面，提供了一种计算机终端，包含存储器、处理器及存储在存储器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第一方面中任意一项所述的一种分布式超算资源调度分析方法。
第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如第一方面中任意一项所述的一种分布式超算资源调度分析方法。
与现有技术相比，本发明具有以下有益效果：
1、本发明提供的一种分布式超算资源调度分析方法，以服务节点的可调度资源与对应的传输距离之比确定相应传输路段的资源系数，并在系数分段函数中统计资源系数所对应的总调度资源时，以中心的服务节点为起始点开始向外扩散搜索，考虑了可调度资源与计算任务迁移过程的总传输距离之间的平衡性，可缩小参与资源调度任务运算的服务节点覆盖范围，也可以降低参与资源调度任务运算的服务节点数量；
2、本发明针对存在路径并列的情况，仅选择唯一的路径进行保留，使得传输路径中各个服务节点与中心的服务节点之间距离的确定更为合理；
3、本发明在实际调度资源的计算过程中，先确定传输路段的传输距离与最小调度距离的交集距离，再根据交集距离与传输路段的传输距离之比来确定从可调度资源中所选取的实际调度资源，使得与中心的服务节点直连的服务节点均参与资源调度任务的执行，同时使得实际调度资源的分配更为合理；
4、本发明还依据资源调度任务所对应的需求调度资源大小来动态调整预设半径，可降低分布式超算资源调度分析的难度。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1是本发明实施例1中的流程图；
图2是本发明实施例1中分叉路径的形成示意图；
图3是本发明实施例1中交集情况的分析示意图；
图4是本发明实施例2中的系统框图。
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明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1：一种分布式超算资源调度分析方法，如图1所示，包括以下步骤：
S1：以接收资源调度任务的服务节点为中心，搜索出预设半径内所有的服务节点，得到服务节点集；
S2：将服务节点集划分为多个独立的传输路径，每一个传输路径由一个或多个服务节点所对应的传输路段组成；
S3：提取服务节点集中各个服务节点的可调度资源以及各个服务节点所对应传输路段的传输距离；
S4：以服务节点的可调度资源与对应的传输距离之比确定相应传输路段的资源系数，同一传输路径中所有传输路段的资源系数构成相应传输路径的系数分段函数；
S5：以所有系数分段函数在相同调度距离内所对应的总调度资源不小于资源调度任务所对应的需求调度资源为目标，求解得到最小调度距离；
S6：以传输路径中各个传输路段与最小调度距离的交集情况确定相应服务节点执行资源调度任务的实际调度资源。
为了降低分布式超算资源调度分析的难度和减少计算量，预设半径由资源调度任务所对应的需求调度资源决定，需求调度资源越大，预设半径越大。
若一个服务节点与中心的服务节点之间的路径存在路径并列的情况，则：将并列的路径中距离最小的路径进行保留，形成传输路径中的局部；以及，将并列的路径中未保留的路径构成传输路径的分叉路径。
如图2所示，线段A、B、C、D1、D2、E分别是服务节点2、3、4、5、5、6的传输路段。服务节点5到服务节点2之间存在并列的路径，即分别为D1-C、D2-B，由于D1-C的距离小于D2-B的距离，所以将D1-C保留，所形成的传输路径为A-C-D1-E，且包含了分叉路径B。
需要说明的是，分叉路径中传输路段的资源系数在参与资源调度分析过程中不复用相应传输路径的系数分段函数。例如，当调度距离大于传输路段A所对应的传输距离时，开始对传输路段C的资源系数进行计算时，需要同时对分叉路径B进行计算。
在本实施例中，最小调度距离的求解公式具体为：
；
其中，表示系数分段函数的数量；/>表示第i个系数分段函数；/>表示所选取的调度距离；/>表示资源调度任务所对应的需求调度资源；/>表示最小调度距离。
此外，实际调度资源的计算公式具体为：
；
其中，表示第j个服务节点执行资源调度任务的实际调度资源；/>表示第j个服务节点的可调度资源；/>表示第j个服务节点所对应传输路段的传输距离；/>表示最小调度距离；/>表示求解传输路段的传输距离与最小调度距离的交集距离。
如图3所示，传输路段F与最小调度距离完成重叠，即传输路段F所对应服务节点的可调度资源全部参与任务运算。而传输路段G与最小调度距离/>只有H部分重叠，所以传输路段G所对应服务节点的可调度资源只有部分参与任务运算。
需要说明的是，若所述预设半径内，最小调度距离无解，则需增大预设半径的大小。
实施例2：一种分布式超算资源调度分析系统，该系统用于实现实施例1中所记载的一种分布式超算资源调度分析方法，如图4所示，包括节点搜索模块、路径划分模块、数据提取模块、函数构建模块、距离求解模块和调度分析模块。
其中，节点搜索模块，用于以接收资源调度任务的服务节点为中心，搜索出预设半径内所有的服务节点，得到服务节点集；路径划分模块，用于将服务节点集划分为多个独立的传输路径，每一个传输路径由一个或多个服务节点所对应的传输路段组成；数据提取模块，用于提取服务节点集中各个服务节点的可调度资源以及各个服务节点所对应传输路段的传输距离；函数构建模块，用于以服务节点的可调度资源与对应的传输距离之比确定相应传输路段的资源系数，同一传输路径中所有传输路段的资源系数构成相应传输路径的系数分段函数；距离求解模块，用于以所有系数分段函数在相同调度距离内所对应的总调度资源不小于资源调度任务所对应的需求调度资源为目标，求解得到最小调度距离；调度分析模块，用于以传输路径中各个传输路段与最小调度距离的交集情况确定相应服务节点执行资源调度任务的实际调度资源。
工作原理：本发明以服务节点的可调度资源与对应的传输距离之比确定相应传输路段的资源系数，并在系数分段函数中统计资源系数所对应的总调度资源时，以中心的服务节点为起始点开始向外扩散搜索，考虑了可调度资源与计算任务迁移过程的总传输距离之间的平衡性，可缩小参与资源调度任务运算的服务节点覆盖范围，也可以降低参与资源调度任务运算的服务节点数量。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种分布式超算资源调度分析方法，其特征是，包括以下步骤：
以接收资源调度任务的服务节点为中心，搜索出预设半径内所有的服务节点，得到服务节点集；
将服务节点集划分为多个独立的传输路径，每一个传输路径由一个或多个服务节点所对应的传输路段组成；
提取服务节点集中各个服务节点的可调度资源以及各个服务节点所对应传输路段的传输距离；
以服务节点的可调度资源与对应的传输距离之比确定相应传输路段的资源系数，同一传输路径中所有传输路段的资源系数构成相应传输路径的系数分段函数；
以所有系数分段函数在相同调度距离内所对应的总调度资源不小于资源调度任务所对应的需求调度资源为目标，求解得到最小调度距离；
以传输路径中各个传输路段与最小调度距离的交集情况确定相应服务节点执行资源调度任务的实际调度资源；
所述最小调度距离的求解公式具体为：
Lmin＝min(l)；
其中，n表示系数分段函数的数量；Di(x)表示第i个系数分段函数；l表示所选取的调度距离；Q表示资源调度任务所对应的需求调度资源；Lmin表示最小调度距离。
2.根据权利要求1所述的一种分布式超算资源调度分析方法，其特征是，所述预设半径由资源调度任务所对应的需求调度资源决定，需求调度资源越大，预设半径越大。
3.根据权利要求1所述的一种分布式超算资源调度分析方法，其特征是，若一个服务节点与中心的服务节点之间的路径存在路径并列的情况，则：
将并列的路径中距离最小的路径进行保留，形成传输路径中的局部；
以及，将并列的路径中未保留的路径构成传输路径的分叉路径。
4.根据权利要求3所述的一种分布式超算资源调度分析方法，其特征是，所述分叉路径中传输路段的资源系数在参与资源调度分析过程中不复用相应传输路径的系数分段函数。
5.根据权利要求1所述的一种分布式超算资源调度分析方法，其特征是，所述实际调度资源的计算公式具体为：
其中，qj，s表示第j个服务节点执行资源调度任务的实际调度资源；qj，k表示第j个服务节点的可调度资源；Lj，c表示第j个服务节点所对应传输路段的传输距离；Lmin表示最小调度距离；∩表示求解传输路段的传输距离与最小调度距离的交集距离。
6.根据权利要求1所述的一种分布式超算资源调度分析方法，其特征是，若所述预设半径内，最小调度距离无解，则需增大预设半径的大小。
7.一种分布式超算资源调度分析系统，其特征是，包括：
节点搜索模块，用于以接收资源调度任务的服务节点为中心，搜索出预设半径内所有的服务节点，得到服务节点集；
路径划分模块，用于将服务节点集划分为多个独立的传输路径，每一个传输路径由一个或多个服务节点所对应的传输路段组成；
数据提取模块，用于提取服务节点集中各个服务节点的可调度资源以及各个服务节点所对应传输路段的传输距离；
函数构建模块，用于以服务节点的可调度资源与对应的传输距离之比确定相应传输路段的资源系数，同一传输路径中所有传输路段的资源系数构成相应传输路径的系数分段函数；
距离求解模块，用于以所有系数分段函数在相同调度距离内所对应的总调度资源不小于资源调度任务所对应的需求调度资源为目标，求解得到最小调度距离；
调度分析模块，用于以传输路径中各个传输路段与最小调度距离的交集情况确定相应服务节点执行资源调度任务的实际调度资源；
所述最小调度距离的求解公式具体为：
Lmin＝min(l)；
其中，n表示系数分段函数的数量；Di(x)表示第i个系数分段函数；l表示所选取的调度距离；Q表示资源调度任务所对应的需求调度资源；Lmin表示最小调度距离。
8.一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-6中任意一项所述的一种分布式超算资源调度分析方法。
9.一种计算机可读介质，其上存储有计算机程序，其特征是，所述计算机程序被处理器执行可实现如权利要求1-6中任意一项所述的一种分布式超算资源调度分析方法。
CN202311648059.7A 2023-12-05 2023-12-05 一种分布式超算资源调度分析方法、系统、终端及介质 Active CN117349031B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311648059.7A CN117349031B (zh) 2023-12-05 2023-12-05 一种分布式超算资源调度分析方法、系统、终端及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311648059.7A CN117349031B (zh) 2023-12-05 2023-12-05 一种分布式超算资源调度分析方法、系统、终端及介质

Publications (2)

Publication Number Publication Date
CN117349031A CN117349031A (zh) 2024-01-05
CN117349031B true CN117349031B (zh) 2024-02-13

Family

ID=89359806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311648059.7A Active CN117349031B (zh) 2023-12-05 2023-12-05 一种分布式超算资源调度分析方法、系统、终端及介质

Country Status (1)

Country Link
CN (1) CN117349031B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105704824A (zh) * 2016-01-18 2016-06-22 中国科学院计算技术研究所 一种无线网络的多维资源分配的方法
CN110933157A (zh) * 2019-11-26 2020-03-27 重庆邮电大学 一种面向工业物联网的边缘计算任务卸载方法
CN113037627A (zh) * 2021-03-03 2021-06-25 烽火通信科技股份有限公司 一种网络业务线路资源选择的方法和装置
CN113411369A (zh) * 2020-03-26 2021-09-17 山东管理学院 一种云服务资源协同优化调度方法、系统、介质及设备
CN114881550A (zh) * 2022-07-12 2022-08-09 中国测绘科学研究院 基于空间信息的资源均衡化调配方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8937970B2 (en) * 2012-11-14 2015-01-20 Telefonaktiebolaget L M Ericsson (Publ) Resource allocation for minimum satisfaction guarantees in multi-service and multi-antenna networks
WO2019097116A1 (en) * 2017-11-16 2019-05-23 Nokia Technologies Oy Maximum power reduction for uplink bandwidth part for wireless networks

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105704824A (zh) * 2016-01-18 2016-06-22 中国科学院计算技术研究所 一种无线网络的多维资源分配的方法
CN110933157A (zh) * 2019-11-26 2020-03-27 重庆邮电大学 一种面向工业物联网的边缘计算任务卸载方法
CN113411369A (zh) * 2020-03-26 2021-09-17 山东管理学院 一种云服务资源协同优化调度方法、系统、介质及设备
CN113037627A (zh) * 2021-03-03 2021-06-25 烽火通信科技股份有限公司 一种网络业务线路资源选择的方法和装置
CN114881550A (zh) * 2022-07-12 2022-08-09 中国测绘科学研究院 基于空间信息的资源均衡化调配方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Jingyu Zhang等.Efficient Scheduling Algorithm for Weighted and Distance-sensitive Sweep Coverage.《2021 IEEE 5th Information Technology,Networking,Electronic and Automation Control Conference (ITNEC)》.2021,第62-70页. *
基于Quorum系统的低链路时间成本路由选择技术研究;胡宇鹏;《中国优秀硕士学位论文全文数据库 信息科技辑》;第I136-501页 *

Also Published As

Publication number Publication date
CN117349031A (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
Deng et al. User-centric computation offloading for edge computing
US20190392307A1 (en) Method and apparatus for accelerating distributed training of a deep neural network
CN104636204B (zh) 一种任务调度方法与装置
CN105550274B (zh) 双副本并行数据库的查询方法和装置
CN103401939A (zh) 一种采用混合调度策略的负载均衡方法
CN110570075A (zh) 一种电力业务边缘计算任务分配方法及装置
CN113033800A (zh) 分布式深度学习方法、装置、参数服务器及主工作节点
CN105488134A (zh) 大数据处理方法及大数据处理装置
CN105634974A (zh) 软件定义网络中的路由确定方法和装置
CN113315669B (zh) 基于云边协同的吞吐量优化的机器学习推断任务部署方法
CN113741999B (zh) 一种基于移动边缘计算的面向依赖型任务卸载方法及装置
CN114429195A (zh) 混合专家模型训练的性能优化方法和装置
CN112862083B (zh) 一种边缘环境下的深度神经网络推断方法及装置
CN117349031B (zh) 一种分布式超算资源调度分析方法、系统、终端及介质
CN110958192B (zh) 一种基于虚拟交换机的虚拟数据中心资源分配系统及方法
Pham-Nguyen et al. Dynamic resource provisioning on fog landscapes
Choo et al. Reliable vehicle selection algorithm with dynamic mobility of vehicle in vehicular cloud system
CN112598112B (zh) 一种基于图神经网络的资源调度方法
CN114138453A (zh) 一种适合边缘计算环境的资源优化分配方法与系统
Cavallo et al. A LAHC-based job scheduling strategy to improve big data processing in geo-distributed contexts
CN112948087A (zh) 一种基于拓扑排序的任务调度方法及系统
CN115408122B (zh) 一种去中心化的分布式并行计算框架及计算方法
CN117573379B (zh) 一种基于对称放缩合并的微服务部署方法
Tran-Minh et al. Dynamic Resource Provisioning on Fog Landscapes.
CN114866612B (zh) 一种电力微服务卸载方法及装置

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
GR01 Patent grant
GR01 Patent grant