CN118034885A - 任务处理方法、装置、计算机设备和存储介质 - Google Patents
任务处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN118034885A CN118034885A CN202410221267.7A CN202410221267A CN118034885A CN 118034885 A CN118034885 A CN 118034885A CN 202410221267 A CN202410221267 A CN 202410221267A CN 118034885 A CN118034885 A CN 118034885A
- Authority
- CN
- China
- Prior art keywords
- task
- node
- target
- nodes
- resources
- 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
- 238000003672 processing method Methods 0.000 title abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 79
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 37
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical 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
- G06F9/48—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
-
- 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
- G06F9/5044—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 hardware capabilities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5021—Priority
-
- 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
本申请涉及一种任务处理方法、装置、计算机设备和存储介质，涉及计算机技术领域。可用于金融科技领域或其他相关领域。所述方法包括：在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点，若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点，并将待分配任务分配至目标节点上进行处理。采用本方法能够提高资源的利用率。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种任务处理方法、装置、计算机设备和存储介质，可用于金融科技领域或其他相关领域。
背景技术
随着计算机技术的不断发展，为了保证服务器资源的合理应用，出现了CPU（Central Processing Unit，中央处理器）资源和GPU（graphics processing unit，图形处理器）资源混合部署的方案，因此，在现有的任务处理方式中，一般会同时调用CPU资源和GPU资源对任务进行处理。
然而，由于现有的任务对GPU资源的消耗较多，采用现有的任务处理方式，同等的调用CPU资源和GPU资源，会降低服务器资源的利用率。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高资源利用率的任务处理方法、装置、计算机设备和存储介质。
第一方面，本申请提供了一种任务处理方法。所述方法包括：
在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点；其中，各节点上均部署有GPU资源和CPU资源；其中，高优先级任务为使用GPU资源的任务；
若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点；
将待分配任务分配至目标节点上进行处理。
在其中一个实施例中，根据已使用节点上的空闲资源，以及正在处理的目标任务的属性信息，选择目标节点，包括：
针对每一已使用节点，在该已使用节点的空闲资源为GPU资源的情况下，获取该已使用节点上正在处理的目标任务的属性信息；根据目标任务的属性信息，确定目标任务所占用节点的节点数量；根据目标任务所占用节点的节点数量，确定该已使用节点是否为目标节点。
在其中一个实施例中，根据目标任务所占用的节点数量，确定该已使用节点是否为目标节点，包括：
若目标任务所占用的节点数量大于节点阈值，则确定该已使用节点为目标节点；若目标任务所占用的节点数量小于或等于节点阈值，则确定该已使用节点不为目标节点。
在其中一个实施例中，将待分配任务分配至所述目标节点上，以实现待分配任务的处理，包括：
删除目标节点上正在处理的目标任务；将待分配任务分配至目标节点上，以实现待分配任务的处理。
在其中一个实施例中，该方法还包括：
在待分配任务为低优先级任务的情况下，根据各节点的GPU资源占用率，确定目标节点；其中，低优先级任务为使用CPU资源的任务；将待分配任务分配至目标节点上，以实现待分配任务的处理。
在其中一个实施例中，根据各节点的GPU资源占用率，确定目标节点，包括：
根据各节点空闲的CPU资源量和待分配任务所需要的CPU资源量，从各节点中选择候选节点；从各候选节点中选择GPU资源占用率最高的候选节点作为目标节点。
第二方面，本申请还提供了一种任务处理装置。所述装置包括：
判断模块，用于在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点；其中，各节点上均部署有GPU资源和CPU资源；其中，高优先级任务为使用GPU资源的任务；
节点确定模块，用于若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点；
任务处理模块，用于将待分配任务分配至目标节点上进行处理。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点；其中，各节点上均部署有GPU资源和CPU资源；其中，高优先级任务为使用GPU资源的任务；
若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点；
将待分配任务分配至目标节点上进行处理。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点；其中，各节点上均部署有GPU资源和CPU资源；其中，高优先级任务为使用GPU资源的任务；
若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点；
将待分配任务分配至目标节点上进行处理。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点；其中，各节点上均部署有GPU资源和CPU资源；其中，高优先级任务为使用GPU资源的任务；
若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点；
将待分配任务分配至目标节点上进行处理。
上述任务处理方法、装置、计算机设备和存储介质，引入对待分配任务进行优先级分类的思路，通过在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点，若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点，并将待分配任务分配至目标节点上进行处理。相比相关技术中，同等的调用CPU资源和GPU资源而言，采用上述方法，在不存在空闲节点的情况下，针对使用GPU资源的待分配任务，从已使用节点中合理选择目标节点，并分配给待分配任务，能够有效提高资源的利用率。
附图说明
图1为一个实施例中任务处理方法的流程示意图；
图2为一个实施例中确定目标节点步骤的流程示意图；
图3为另一个实施例中任务处理步骤的流程示意图；
图4为又一个实施例中任务处理方法的流程示意图；
图5为一个实施例中任务处理装置的结构框图；
图6为另一个实施例中任务处理装置的结构框图；
图7为又一个实施例中任务处理装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
随着计算机技术的不断发展，为了保证服务器资源的合理应用，出现了CPU（Central Processing Unit，中央处理器）资源和GPU（graphics processing unit，图形处理器）资源混合部署的方案，因此，在现有的任务处理方式中，一般会同时调用CPU资源和GPU资源对任务进行处理。
然而，由于现有的任务对GPU资源的消耗较多，采用现有的任务处理方式，同等的调用CPU资源和GPU资源，会降低服务器资源的利用率。
基于此，在一个实施例中，如图1所示，提供了一种任务处理方法，以该方法应用于服务器为例进行说明，具体包括以下步骤：
S101，在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点。
其中，各节点上均部署有GPU资源和CPU资源；待分配任务指的是还未被分配的任务；高优先级任务为使用GPU资源的任务；资源量充足指的是同时存在一定量的GPU资源和一定量的CPU资源，相应的，空闲节点指的是同时存在一定量的GPU资源和一定量的CPU资源的节点。
可选的，可以根据待分配任务所需资源的类型，判断待分配任务是否为高优先级任务；随后，在确定待分配任务为高优先级任务的情况下，可以根据各节点的资源剩余情况，判断是否存在资源量充足的空闲节点。
进一步的，若存在某一节点存在一定量的GPU资源和一定量的CPU资源，则可以确定该节点为空闲节点，并将待分配任务分配至空闲节点上进行处理；若不存在空闲节点，则执行下述步骤S102。
S102，若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点。
其中，已使用节点指的是正在处理任务的节点；目标任务指的是已使用节点上正在处理是任务；属性信息指的是目标任务的相关信息，例如，目标任务的任务标识等；目标节点指的是即将被分配给待分配任务的节点。
可选的，针对每一已使用节点，可以将该已使用节点上的空闲资源，以及该已使用节点中正在处理的目标任务的属性信息同时输入到经过训练的节点选择模型中，由节点选择模型根据该已使用节点上的空闲资源、目标任务的属性信息，以及模型参数，判断该已使用节点是否为目标节点。
S103，将待分配任务分配至目标节点上进行处理。
一种可选方式为，在确定目标节点后，可以直接将待分配任务分配至目标节点上进行处理。
另一种可选方式为，由于目标节点上存在正在处理的低优先级任务，因此，为了保证待分配任务的处理及时性，需要删除目标节点上正在处理的目标任务；将待分配任务分配至目标节点上，以实现待分配任务的处理。
可选的，由于目标节点上的目标任务可以同时占用多个节点，因此，为了保证待分配任务的处理及时性，可以直接删除目标节点上正在处理的目标任务，使得目标节点上存在足够的资源对待分配任务进行处理；随后，可以将待分配任务分配至目标节点上，以实现待分配任务的处理。
上述任务处理方法中，引入对待分配任务进行优先级分类的思路，通过在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点，若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点，并将待分配任务分配至目标节点上进行处理。相比相关技术中，同等的调用CPU资源和GPU资源而言，采用上述方法，在不存在空闲节点的情况下，针对使用GPU资源的待分配任务，从已使用节点中合理选择目标节点，并分配给待分配任务，能够有效提高资源的利用率。
为了保证目标节点的准确性，在上述实施例的基础上，在本实施例中，提供了一种确定目标节点的可选方式，如图2所示，具体包括以下步骤：
S201，针对每一已使用节点，在该已使用节点的空闲资源为GPU资源的情况下，获取该已使用节点上正在处理的目标任务的属性信息。
可选的，针对每一已使用节点，在该已使用节点的空闲资源为CPU资源的情况下，证明该节点正在执行的是高优先级任务，因此可以直接忽略该已使用节点。
在该已使用节点的空闲资源为GPU资源的情况下，证明该节点正在执行的是低优先级任务，此时，可以直接获取该已使用节点上正在处理的目标任务的属性信息。
S202，根据目标任务的属性信息，确定目标任务所占用节点的节点数量。
其中，节点数量指的是目标任务所占用节点的数量。
可选的，可以根据目标任务的属性信息，确定目标任务的任务标识；随后，将目标任务的任务标识作为索引，从各已使用节点中进行检索，确定目标任务所占用节点的节点数量。
S203，根据目标任务所占用节点的节点数量，确定该已使用节点是否为目标节点。
可选的，在确定目标任务所占用节点的节点数量后，为了保证在删除目标节点上的目标任务后，其他节点上的目标任务依然能够正常运行，可以根据目标任务所占用节点的节点数量，确定该已使用节点是否为目标节点。
可以理解的是，由于一个任务可以同时占用多个节点进行处理，因此，只要保证目标任务所占用的节点数量大于节点阈值，即可在删除目标节点上的目标任务后，目标任务依然能够正常运行。示例性的，若目标任务所占用的节点数量大于节点阈值，则确定该已使用节点为目标节点；若目标任务所占用的节点数量小于或等于节点阈值，则确定该已使用节点不为目标节点。
可选的，若目标任务所占用的节点数量大于节点阈值，则说明在删除目标节点上的目标任务后，依然存在多个节点正在处理目标任务，即在删除目标节点上的目标任务后，目标任务依然能够正常运行，因此，确定该已使用节点为目标节点；若目标任务所占用的节点数量小于或等于节点阈值，则说明在删除目标节点上的目标任务后，存在少数节点正在处理目标任务，影响了目标任务的正常处理，因此，确定该已使用节点不为目标节点。
在本实施例中，引入目标任务所占用节点的节点数量，通过根据目标任务所占用节点的节点数量，判断已使用节点是否为目标节点，能够在保证目标任务的正常运行的同时，提高了目标节点确定的准确性。
为了保证任务处理的准确性，在待分配任务为低优先级任务的情况下，在上述实施例的基础上，在本实施例中，提供了另一种任务处理的可选方式，如图3所示，具体包括以下步骤：
S301，在待分配任务为低优先级任务的情况下，根据各节点的GPU资源占用率，确定目标节点。
其中，低优先级任务为使用CPU资源的任务；GPU资源占用率用于表征节点上GPU资源的使用情况。
可以理解的是，服务器上CPU资源配置较多，GPU资源配置较少，导致一般情况下服务器的GPU资源用完时，CPU资源还存在一定剩余，因此，为了保证资源的利用率，在待分配任务使用CPU资源的情况下，可以根据各节点的GPU资源占用率，确定目标节点。
示例性的，可以根据各节点空闲的CPU资源量和待分配任务所需要的CPU资源量，从各节点中选择候选节点；从各候选节点中选择GPU资源占用率最高的候选节点作为目标节点。
可选的，可以根据各节点空闲的CPU资源量和待分配任务所需要的CPU资源量，从各节点中选择空闲CPU资源量大于待分配任务所需要的CPU资源量的候选节点；随后，为了保证节点调度的合理性，可以根据各候选节点已使用的GPU资源和总GPU资源，确定各候选节点的GPU资源占用率，并将GPU资源占用率最高的候选节点作为目标节点。
S302，将待分配任务分配至目标节点上，以实现待分配任务的处理。
可选的，在确定目标节点后，可以直接将待分配任务分配至目标节点上，并在目标节点上处理待分配任务，以实现待分配任务的处理。
在本实施例中，引入GPU资源占用率，在待分配任务为低优先级任务的情况下，通过根据各节点的GPU资源占用率，确定目标节点，能够保证目标节点确定的准确性，进而保证了任务处理的准确性。
图4为又一个实施例中任务处理方法的流程示意图，在上述实施例的基础上，本实施例提供了一种任务处理方法的可选实例。结合图4，具体实现过程如下：
S401，获取待分配任务的优先级标识。
S402，判断待分配任务是否为高优先级任务，若是，则执行S403；若否，则执行S409。
S403，判断是否存在资源量充足的空闲节点，若是，则执行S411；若否，则执行S404。
其中，各节点上均部署有GPU资源和CPU资源；高优先级任务为使用GPU资源的任务。
S404，针对各已使用节点，在各已使用节点的空闲资源为GPU资源的情况下，获取各已使用节点上正在处理的目标任务的属性信息。
S405，根据各已使用节点上目标任务的属性信息，确定各已使用节点上目标任务所占用节点的节点数量。
S406，根据各已使用节点上目标任务所占用节点的节点数量，从各已使用节点中确定目标节点。
可选的，若目标任务所占用的节点数量大于节点阈值，则确定该已使用节点为目标节点；若目标任务所占用的节点数量小于或等于节点阈值，则确定该已使用节点不为目标节点。
S407，删除目标节点上正在处理的目标任务。
S408，将待分配任务分配至目标节点上，以实现待分配任务的处理。
S409，根据各节点的GPU资源占用率，确定目标节点。
可选的，可以根据各节点空闲的CPU资源量和待分配任务所需要的CPU资源量，从各节点中选择候选节点；从各候选节点中选择GPU资源占用率最高的候选节点作为目标节点。
其中，低优先级任务为使用CPU资源的任务。
S410，将待分配任务分配至目标节点上，以实现待分配任务的处理。
S411，将待分配任务分配至空闲节点上，以实现待分配任务的处理。
上述S401-S411的具体过程可以参见上述方法实施例的描述，其实现原理和技术效果类似，在此不再赘述。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的任务处理方法的任务处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个任务处理装置实施例中的具体限定可以参见上文中对于任务处理方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种任务处理装置1，包括：判断模块10、节点确定模块20和任务处理模块30，其中：
判断模块10，用于在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点；其中，各节点上均部署有GPU资源和CPU资源；其中，高优先级任务为使用GPU资源的任务；
节点确定模块20，用于若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点；
任务处理模块30，用于将待分配任务分配至目标节点上进行处理。
在一个实施例中，如图6所示，节点确定模块20包括：
信息确定单元21，用于针对每一已使用节点，在该已使用节点的空闲资源为GPU资源的情况下，获取该已使用节点上正在处理的目标任务的属性信息；
数量确定单元22，用于根据目标任务的属性信息，确定目标任务所占用节点的节点数量；
节点确定单元23，用于根据目标任务所占用节点的节点数量，确定该已使用节点是否为目标节点。
在一个实施例中，节点确定单元23具体用于：
若目标任务所占用的节点数量大于节点阈值，则确定该已使用节点为目标节点；若目标任务所占用的节点数量小于或等于节点阈值，则确定该已使用节点不为目标节点。
在一个实施例中，任务处理模块30具体用于：
删除目标节点上正在处理的目标任务；将待分配任务分配至目标节点上，以实现待分配任务的处理。
在一个实施例中，如图7所示，任务处理装置1还包括：
第二确定模块40，用于在待分配任务为低优先级任务的情况下，根据各节点的GPU资源占用率，确定目标节点；其中，低优先级任务为使用CPU资源的任务；
第二处理模块50，用于将待分配任务分配至目标节点上，以实现待分配任务的处理。
在一个实施例中，第二确定模块40具体用于：
根据各节点空闲的CPU资源量和待分配任务所需要的CPU资源量，从各节点中选择候选节点；从各候选节点中选择GPU资源占用率最高的候选节点作为目标节点。
上述任务处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待分配任务对应的数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种任务处理方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点；其中，各节点上均部署有GPU资源和CPU资源；其中，高优先级任务为使用GPU资源的任务；
若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点；
将待分配任务分配至目标节点上进行处理。
在一个实施例中，处理器执行计算机程序中根据已使用节点上的空闲资源，以及正在处理的目标任务的属性信息，选择目标节点的逻辑时，具体实现以下步骤：
针对每一已使用节点，在该已使用节点的空闲资源为GPU资源的情况下，获取该已使用节点上正在处理的目标任务的属性信息；根据目标任务的属性信息，确定目标任务所占用节点的节点数量；根据目标任务所占用节点的节点数量，确定该已使用节点是否为目标节点。
在一个实施例中，处理器执行计算机程序中根据目标任务所占用的节点数量，确定该已使用节点是否为目标节点的逻辑时，具体实现以下步骤：
若目标任务所占用的节点数量大于节点阈值，则确定该已使用节点为目标节点；若目标任务所占用的节点数量小于或等于节点阈值，则确定该已使用节点不为目标节点。
在一个实施例中，处理器执行计算机程序中将待分配任务分配至所述目标节点上，以实现待分配任务的处理的逻辑时，具体实现以下步骤：
删除目标节点上正在处理的目标任务；将待分配任务分配至目标节点上，以实现待分配任务的处理。
在一个实施例中，处理器执行计算机程序中的逻辑时，具体实现以下步骤：
在待分配任务为低优先级任务的情况下，根据各节点的GPU资源占用率，确定目标节点；其中，低优先级任务为使用CPU资源的任务；将待分配任务分配至目标节点上，以实现待分配任务的处理。
在一个实施例中，处理器执行计算机程序中根据各节点的GPU资源占用率，确定目标节点的逻辑时，具体实现以下步骤：
根据各节点空闲的CPU资源量和待分配任务所需要的CPU资源量，从各节点中选择候选节点；从各候选节点中选择GPU资源占用率最高的候选节点作为目标节点。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点；其中，各节点上均部署有GPU资源和CPU资源；其中，高优先级任务为使用GPU资源的任务；
若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点；
将待分配任务分配至目标节点上进行处理。
在一个实施例中，计算机程序中根据已使用节点上的空闲资源，以及正在处理的目标任务的属性信息，选择目标节点的这一代码逻辑被处理器执行时，具体实现以下步骤：
针对每一已使用节点，在该已使用节点的空闲资源为GPU资源的情况下，获取该已使用节点上正在处理的目标任务的属性信息；根据目标任务的属性信息，确定目标任务所占用节点的节点数量；根据目标任务所占用节点的节点数量，确定该已使用节点是否为目标节点。
在一个实施例中，计算机程序中根据目标任务所占用的节点数量，确定该已使用节点是否为目标节点的这一代码逻辑被处理器执行时，具体实现以下步骤：
若目标任务所占用的节点数量大于节点阈值，则确定该已使用节点为目标节点；若目标任务所占用的节点数量小于或等于节点阈值，则确定该已使用节点不为目标节点。
在一个实施例中，计算机程序中将待分配任务分配至所述目标节点上，以实现待分配任务的处理的这一代码逻辑被处理器执行时，具体实现以下步骤：
删除目标节点上正在处理的目标任务；将待分配任务分配至目标节点上，以实现待分配任务的处理。
在一个实施例中，计算机程序中的代码逻辑被处理器执行时，具体实现以下步骤：
在待分配任务为低优先级任务的情况下，根据各节点的GPU资源占用率，确定目标节点；其中，低优先级任务为使用CPU资源的任务；将待分配任务分配至目标节点上，以实现待分配任务的处理。
在一个实施例中，计算机程序中根据各节点的GPU资源占用率，确定目标节点的这一代码逻辑被处理器执行时，具体实现以下步骤：
根据各节点空闲的CPU资源量和待分配任务所需要的CPU资源量，从各节点中选择候选节点；从各候选节点中选择GPU资源占用率最高的候选节点作为目标节点。
在一个实施例中，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以下步骤：
在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点；其中，各节点上均部署有GPU资源和CPU资源；其中，高优先级任务为使用GPU资源的任务；
若否，则根据已使用节点上的空闲资源，以及已使用节点中正在处理的目标任务的属性信息，从已使用节点中选择目标节点；
将待分配任务分配至目标节点上进行处理。
在一个实施例中，计算机程序被处理器执行根据已使用节点上的空闲资源，以及正在处理的目标任务的属性信息，选择目标节点的操作时，具体实现以下步骤：
针对每一已使用节点，在该已使用节点的空闲资源为GPU资源的情况下，获取该已使用节点上正在处理的目标任务的属性信息；根据目标任务的属性信息，确定目标任务所占用节点的节点数量；根据目标任务所占用节点的节点数量，确定该已使用节点是否为目标节点。
在一个实施例中，计算机程序被处理器执行根据目标任务所占用的节点数量，确定该已使用节点是否为目标节点的操作时，具体实现以下步骤：
若目标任务所占用的节点数量大于节点阈值，则确定该已使用节点为目标节点；若目标任务所占用的节点数量小于或等于节点阈值，则确定该已使用节点不为目标节点。
在一个实施例中，计算机程序被处理器执行将待分配任务分配至所述目标节点上，以实现待分配任务的处理的操作时，具体实现以下步骤：
删除目标节点上正在处理的目标任务；将待分配任务分配至目标节点上，以实现待分配任务的处理。
在一个实施例中，计算机程序被处理器执行时，具体实现以下步骤：
在待分配任务为低优先级任务的情况下，根据各节点的GPU资源占用率，确定目标节点；其中，低优先级任务为使用CPU资源的任务；将待分配任务分配至目标节点上，以实现待分配任务的处理。
在一个实施例中，计算机程序被处理器执行根据各节点的GPU资源占用率，确定目标节点的操作时，具体实现以下步骤：
根据各节点空闲的CPU资源量和待分配任务所需要的CPU资源量，从各节点中选择候选节点；从各候选节点中选择GPU资源占用率最高的候选节点作为目标节点。
需要说明的是，本申请所涉及的数据（包括但不限于待分配任务对应的数据等），均为经用户授权或者经过各方充分授权的数据，且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种任务处理方法，其特征在于，所述方法包括：
在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点；其中，各节点上均部署有GPU资源和CPU资源；其中，所述高优先级任务为使用GPU资源的任务；
若否，则根据已使用节点上的空闲资源，以及所述已使用节点中正在处理的目标任务的属性信息，从所述已使用节点中选择目标节点；
将所述待分配任务分配至所述目标节点上进行处理。
2.根据权利要求1所述的方法，其特征在于，所述根据已使用节点上的空闲资源，以及正在处理的目标任务的属性信息，选择目标节点，包括：
针对每一已使用节点，在该已使用节点的空闲资源为GPU资源的情况下，获取该已使用节点上正在处理的目标任务的属性信息；
根据所述目标任务的属性信息，确定所述目标任务所占用节点的节点数量；
根据所述目标任务所占用节点的节点数量，确定该已使用节点是否为目标节点。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标任务所占用的节点数量，确定该已使用节点是否为目标节点，包括：
若所述目标任务所占用的节点数量大于节点阈值，则确定该已使用节点为目标节点；
若所述目标任务所占用的节点数量小于或等于节点阈值，则确定该已使用节点不为目标节点。
4.根据权利要求1所述的方法，其特征在于，所述将所述待分配任务分配至所述目标节点上，以实现所述待分配任务的处理，包括：
删除所述目标节点上正在处理的目标任务；
将所述待分配任务分配至所述目标节点上，以实现所述待分配任务的处理。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述待分配任务为低优先级任务的情况下，根据各节点的GPU资源占用率，确定目标节点；其中，所述低优先级任务为使用CPU资源的任务；
将所述待分配任务分配至所述目标节点上，以实现所述待分配任务的处理。
6.根据权利要求5所述的方法，其特征在于，所述根据各节点的GPU资源占用率，确定目标节点，包括：
根据各节点空闲的CPU资源量和所述待分配任务所需要的CPU资源量，从各节点中选择候选节点；
从各候选节点中选择GPU资源占用率最高的候选节点作为目标节点。
7.一种任务处理装置，其特征在于，所述装置包括：
判断模块，用于在待分配任务为高优先级任务的情况下，判断是否存在资源量充足的空闲节点；其中，各节点上均部署有GPU资源和CPU资源；其中，所述高优先级任务为使用GPU资源的任务；
节点确定模块，用于若否，则根据已使用节点上的空闲资源，以及所述已使用节点中正在处理的目标任务的属性信息，从所述已使用节点中选择目标节点；
任务处理模块，用于将所述待分配任务分配至所述目标节点上进行处理。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410221267.7A CN118034885A (zh) | 2024-02-28 | 2024-02-28 | 任务处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410221267.7A CN118034885A (zh) | 2024-02-28 | 2024-02-28 | 任务处理方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118034885A true CN118034885A (zh) | 2024-05-14 |
Family
ID=90990979
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410221267.7A Pending CN118034885A (zh) | 2024-02-28 | 2024-02-28 | 任务处理方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118034885A (zh) |
-
2024
- 2024-02-28 CN CN202410221267.7A patent/CN118034885A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110490313B (zh) | 一种内存复用方法及其相关产品 | |
| CN115858213A (zh) | 任务排程检查方法、装置、计算机设备和存储介质 | |
| CN112860412A (zh) | 业务数据处理方法、装置、电子设备及存储介质 | |
| CN116719646A (zh) | 热点数据处理方法、装置、电子装置和存储介质 | |
| CN117149382A (zh) | 虚拟机调度方法、装置、计算机设备和存储介质 | |
| CN111752941A (zh) | 一种数据存储、访问方法、装置、服务器及存储介质 | |
| CN118034885A (zh) | 任务处理方法、装置、计算机设备和存储介质 | |
| CN113282382B (zh) | 任务处理方法、装置、计算机设备和存储介质 | |
| CN118034884A (zh) | 资源调度方法、装置、设备、介质和程序产品 | |
| CN114710441B (zh) | 一种链路聚合方法、系统、计算机设备和存储介质 | |
| CN117453759B (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
| CN116882648A (zh) | 账户资源分配方法、装置、计算机设备和存储介质 | |
| CN118519768A (zh) | 向共享缓存进行数据溢出的方法、装置、设备和存储介质 | |
| CN118585298A (zh) | 作业调度方法、装置、计算机设备、存储介质和程序产品 | |
| CN117455501A (zh) | 请求处理方法、装置、计算机设备和存储介质 | |
| CN118585435A (zh) | 自动化测试方法、装置、计算机设备和可读存储介质 | |
| CN117950690A (zh) | 容器组升级方法、装置、设备、存储介质和程序产品 | |
| CN117093350A (zh) | 分布式批处理任务调度方法、装置和计算机设备 | |
| CN117172839A (zh) | 资源数据处理方法、装置、计算机设备和存储介质 | |
| CN118363949A (zh) | 对大数据平台进行数据清理的方法、装置、设备、可读存储介质和程序产品 | |
| CN117389715A (zh) | 资源分配方法、资源分配装置、计算机设备和存储介质 | |
| CN118519747A (zh) | 任务执行方法及装置、存储介质、计算机设备 | |
| CN118708353A (zh) | 算力共享方法、装置、车载终端、车辆、系统和存储介质 | |
| CN117311970A (zh) | 应用内存的处理方法、装置、计算机设备和存储介质 | |
| CN117348987A (zh) | 任务调度方法、装置、计算机设备、存储介质和程序产品 |
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 |