CN118034941B - 集群算力优化方法、装置、设备及存储介质 - Google Patents
集群算力优化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN118034941B CN118034941B CN202410440576.3A CN202410440576A CN118034941B CN 118034941 B CN118034941 B CN 118034941B CN 202410440576 A CN202410440576 A CN 202410440576A CN 118034941 B CN118034941 B CN 118034941B
- Authority
- CN
- China
- Prior art keywords
- computing power
- optimization
- node
- resource
- information
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 696
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004364 calculation method Methods 0.000 claims abstract description 195
- 230000008859 change Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009849 deactivation Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5066—Algorithms for mapping a plurality of inter-dependent sub-tasks onto a plurality of physical CPUs
-
- 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
- G06F9/5038—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 execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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)
- Mathematical Physics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及算力优化技术领域,并公开了一种集群算力优化方法、装置、设备及存储介质,该方法包括:获取输入的算力优化需求信息,其中,算力优化需求信息包括算力使用信息和算力需求信息;根据算力使用信息确定算力优化模式,其中,算力优化模式包括算力时间优化模式和算力节点优化模式;若算力优化模式为算力时间优化模式,则根据算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果,并根据第一集群算力优化结果进行集群算力优化;若算力优化模式为算力节点优化模式,则根据算力需求信息和预设算力节点优化依据信息确定第二集群算力优化结果,并根据第二集群算力优化结果进行集群算力优化。本申请提高了集群算力使用的准确率。
Description
技术领域
本申请涉及算力优化技术领域,尤其涉及一种集群算力优化方法、装置、设备及存储介质。
背景技术
随着算力网络技术的高速发展,集群算力在不同算力网络场景得到广泛应用,同时也对集群算力的优化提出了更高的要求。
传统的集群算力优化方法是只在算力分配时选择最佳的算力资源节点,这种集群算力优化方法存在很大的缺陷,会存在未考虑实际算力使用过程算力需求变化的问题,即,这种集群算力优化方法会由于未考虑实际算力使用过程算力需求变化,造成集群算力使用的准确率不高。
发明内容
本申请的主要目的在于提出一种集群算力优化方法、设备及存储介质,旨在提高集群算力使用的准确率。
为实现上述目的,本申请提供一种集群算力优化方法,所述集群算力优化方法步骤,包括:
若接收到输入的算力优化需求信息,其中,所述算力优化需求信息包括算力资源信息和算力需求信息;
根据所述算力资源信息确定算力优化模式,其中,所述算力优化模式包括单节点优化模式和多节点优化模式;
若所述算力优化模式为所述单节点优化模式,则根据所述算力需求信息和预设单节点优化依据信息确定第一集群算力优化结果,并根据所述第一集群算力优化结果进行集群算力优化;
若所述算力优化模式为所述多节点优化模式,则根据所述算力需求信息和预设多节点优化依据信息确定第二集群算力优化结果,并根据所述第二集群算力优化结果进行集群算力优化。
可选地,所述根据所述算力资源信息确定算力优化模式的步骤,包括:
确定所述第一总剩余算力资源与所述实时需求算力资源之间的算力资源差值;
若所述算力资源差值大于预设的资源差值阈值,且所述第一使用时间的时长小于预设的使用时间阈值,则确定算力优化模式为算力时间优化模式;
若所述算力资源差值大于预设的资源差值阈值,且所述第一使用时间的时长大于或者等于预设的使用时间阈值,则执行所述获取输入的算力优化需求信息的步骤;
若所述算力资源差值小于或者等于预设的资源差值阈值,则确定算力优化模式为算力节点优化模式。
可选地,所述预设多节点优化依据信息包括主节点优化依据信息和副节点优化依据信息,所述主节点优化依据信息包括各优化算力节点的集群优化历史信息和集群算力特性信息,所述算力需求信息包括主算力需求信息和副算力需求信息,所述主算力需求信息包括主优化时长、集群算力资源需求、集群算力特性需求和所在的算力优化区块链,所述根据所述算力需求信息和预设多节点优化依据信息确定第二集群算力优化结果的步骤,包括:
若所述算力优化区块链中存在满足所述集群算力资源需求的第一优化算力节点集,则确定所述第一优化算力节点集在所述集群算力特性信息中的目标集群算力特性,并将所述目标集群算力特性满足所述集群算力特性需求的第一优化算力节点集作为第二优化算力节点集,其中,所述集群算力特性需求包括集群的各所述优化算力节点的安全性需求、速度需求和带宽需求;
基于所述第二优化算力节点集的所述集群优化历史信息确定满足所述主优化时长的第三优化算力节点集,并根据所述第三优化算力节点集、所述主算力需求信息、所述副节点优化依据信息和所述副算力需求信息确定第二集群算力优化结果;
若所述算力优化区块链中不存在满足所述集群算力资源需求的第一优化算力节点集,则在所述算力优化区块链的邻接算力优化区块链中确定满足所述集群算力资源需求的第一优化算力节点集,并执行所述确定所述第一优化算力节点集在所述集群算力特性信息中的目标集群算力特性的步骤。
可选地,所述副节点优化依据信息包括所述第三优化算力节点集中优化算力节点的算力特性信息,以及第一优化成本阈值,所述副算力需求信息包括多个副算力需求的算力资源需求,所述根据所述第三优化算力节点集、所述主算力需求信息、所述副节点优化依据信息和所述副算力需求信息确定第二集群算力优化结果的步骤,包括:
若所述第三优化算力节点集存在一个,则基于预设的确定顺序,依次在所述第三优化算力节点集的算力特性信息中,确定满足所述副算力需求的算力资源需求的第四优化算力节点;
基于主算力需求的位置和所述第四优化算力节点确定优化成本,并在所述优化成本小于所述第一优化成本阈值时,将所述第四优化算力节点作为所述副算力需求的副优化结果;
确定各所述副算力需求对应的副优化结果,并根据所述主算力需求信息、所述第三优化算力节点集和所述副优化结果确定第二集群算力优化结果;
若所述第三优化算力节点集存在多个,则确定所述第三优化算力节点集的节点分布均值,并基于所述节点分布均值最小的第三优化算力节点集执行所述基于预设的确定顺序,依次在所述第三优化算力节点集的算力特性信息中,确定满足所述副算力需求的算力资源需求的第四优化算力节点的步骤,其中,所述节点分布均值为所述第三优化算力节点集中可优化节点之间的通信距离的平均值。
可选地,所述主算力需求信息还包括主算力需求的主需求特征和主需求算力,所述根据所述主算力需求信息、所述第三优化算力节点集和所述副优化结果确定第二集群算力优化结果的步骤,包括:
若所述第三优化算力节点集中存在多个满足所述主需求特征的第一主优化算力节点,则在所述第一主优化算力节点中确定满足所述主需求算力的第二主优化算力节点;
在所述第二主优化算力节点存在一个时,将所述第二主优化算力节点和所述副优化结果作为第二集群算力优化结果;
在所述第二主优化算力节点不存在时,将所述第一主优化算力节点和所述副优化结果作为第二集群算力优化结果;
在所述第二主优化算力节点存在多个时,依次确定所述第二主优化算力节点到所述副优化结果的节点的数据通信成本,并将所述数据通信成本最小的第三主优化算力节点和所述副优化结果作为第二集群算力优化结果;
若所述第三优化算力节点集中存在一个满足所述主需求特征的第一主优化算力节点,则将所述第一主优化算力节点和所述副优化结果作为第二集群算力优化结果。
可选地,所述预设单节点优化依据信息包括各优化算力节点的优化历史信息和算力特性信息,以及第二优化成本阈值,所述算力需求信息包括优化时长、算力资源需求、算力特性需求和所在的算力优化区块链,所述根据所述算力需求信息和预设单节点优化依据信息确定第一集群算力优化结果的步骤,包括:
若所述算力优化区块链中存在满足所述算力资源需求的第一优化算力节点,并确定所述第一优化算力节点中优化成本小于所述第二优化成本阈值的第二优化算力节点;
在所述算力特性信息中确定所述第二优化算力节点的目标算力特性,并将所述目标算力特性满足所述算力特性需求的第二优化算力节点作为第三优化算力节点,其中,所述算力特性需求包括安全性需求、速度需求和带宽需求;
基于所述第三优化算力节点的所述优化历史信息确定满足所述优化时长的第四优化算力节点;
若所述第四优化算力节点存在一个,则将优化所述第四优化算力节点作为第一集群算力优化结果;
若所述第四优化算力节点存在多个,则确定所述第四优化算力节点的优化次数,并确定所述优化次数最大的第四优化算力节点作为目标优化算力节点,将优化所述目标优化算力节点作为第一集群算力优化结果;
若所述算力优化区块链中不存在满足所述算力资源需求的第一优化算力节点,则在所述算力优化区块链的邻接算力优化区块链中确定满足所述算力资源需求的第一优化算力节点,并执行所述确定所述第一优化算力节点中优化成本小于所述优化成本阈值的第二优化算力节点的步骤。
可选地,所述算力需求信息还包括需求算力节点,所述确定所述第一优化算力节点中优化成本小于所述第二优化成本阈值的第二优化算力节点的步骤之前,包括:
依次确定所述第一优化算力节点与所述需求算力节点之间对应的第一优化成本,其中,所述第一优化成本包括通信成本、数据处理成本和负荷工作成本;
确定所述第一优化算力节点在预设的优化状态下的第二优化成本,并基于预设的比例关系确定所述第二优化成本和所述第一优化成本的目标优化成本作为所述第一优化算力节点的优化成本,其中,所述第二优化成本包括所述第一优化算力节点优化其他优化算力节点的成本。
此外,为实现上述目的,本申请还提供一种集群算力优化装置,所述集群算力优化装置,包括:
模式判断模块,用于若接收到输入的用户通行信息,则确定所述用户通行信息对应的闸机工作模式,其中,所述闸机工作模式包括单开模式和常开模式;
信息获取模块,用于若接收到输入的算力优化需求信息,其中,所述算力优化需求信息包括算力资源信息和算力需求信息;
模式判断模块,用于根据所述算力资源信息确定算力优化模式,其中,所述算力优化模式包括单节点优化模式和多节点优化模式;
第一优化模块,用于若所述算力优化模式为所述单节点优化模式,则根据所述算力需求信息和预设单节点优化依据信息确定第一集群算力优化结果,并根据所述第一集群算力优化结果进行集群算力优化;
第二优化模块,用于若所述算力优化模式为所述多节点优化模式,则根据所述算力需求信息和预设多节点优化依据信息确定第二集群算力优化结果,并根据所述第二集群算力优化结果进行集群算力优化。
此外,为实现上述目的,本申请还提供一种集群算力优化设备,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,所述计算机程序被所述处理器执行时实现上所述的集群算力优化方法的步骤。
此外,为实现上述目的,本申请还提供一种集群算力优化存储介质,所述存储介质上存储有集群算力优化程序,所述集群算力优化程序被处理器执行时实现如上所述的集群算力优化方法的步骤。
本申请通过在接收到输入的算力优化需求信息,其中,所述算力优化需求信息包括算力资源信息和算力需求信息;根据所述算力资源信息确定算力优化模式,其中,所述算力优化模式包括单节点优化模式和多节点优化模式;若所述算力优化模式为所述单节点优化模式,则根据所述算力需求信息和预设单节点优化依据信息确定第一集群算力优化结果,并根据所述第一集群算力优化结果进行集群算力优化;若所述算力优化模式为所述多节点优化模式,则根据所述算力需求信息和预设多节点优化依据信息确定第二集群算力优化结果,并根据所述第二集群算力优化结果进行集群算力优化,通过算力优化需求信息确定算力优化模式,进而在不同算力优化模式下,基于算力优化需求信息和不同的预设优化依据信息确定集群算力优化结果,进而基于集群算力优化结果进行集群优化,从而避免了现有技术中未考虑实际算力使用过程算力需求变化的现象发生,这种集群算力优化方法不仅将优化方式分为不同模式进行优化,进而提高了集群算力优化的功能性,而且还针对不同的算力优化模式,基于算力优化需求信息和不同的预设优化依据信息确定集群算力优化结果,而并非简单依据请求的算力需求进行分配之后不考虑优化的问题,进而提高了集群算力使用的准确率。
附图说明
图1是本申请实施例方案涉及的硬件运行环境的集群算力优化设备结构示意图;
图2为本申请集群算力优化方法第一实施例的流程示意图;
图3为本申请集群算力优化的装置模块示意图;
图4为本申请集群算力优化系统的场景示意图;
图5为本申请集群算力优化方法的一流程示意图。
本申请目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所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。
参照图1,图1为本申请实施例方案涉及的硬件运行环境的集群算力优化设备结构示意图。
如图1所示,该集群算力优化设备可以包括:处理器0003,例如中央处理器(CentralProcessingUnit,CPU),通信总线0001、获取接口0002,处理接口0004,存储器0005。其中,通信总线0001用于实现这些组件之间的连接通信。获取接口0002可以包括信息采集装置、获取单元比如计算机,可选获取接口0002还可以包括标准的有线接口、无线接口。处理接口0004可选的可以包括标准的有线接口、无线接口。存储器0005可以是高速的随机存取存储器(RandomAccessMemory,RAM),也可以是稳定的非易失性存储器(Non-VolatileMemory,NVM),例如磁盘存储器。存储器0005可选的还可以是独立于前述处理器0003的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对集群算力优化设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器0005中可以包括操作系统、获取接口模块、处理接口模块以及集群算力优化程序。
在图1所示的集群算力优化设备中,通信总线0001主要用于实现组件之间的连接通信;获取接口0002主要用于连接后台服务器,与后台服务器进行数据通信;处理接口0004主要用于连接部署端(用户端),与部署端进行数据通信;本申请集群算力优化设备中的处理器0003、存储器0005可以设置在集群算力优化设备中,所述集群算力优化设备通过处理器0003调用存储器0005中存储的集群算力优化程序,并执行本申请实施例提供的集群算力优化方法。
为了下述各实施例的描述清楚简洁,首先给出一种集群算力优化方法的实现的简要介绍:
针对常用的集群算力优化方式,一般为直接在调度时就确定最佳的算力资源,而并未考虑实际使用过程中的需求变化或者实际可以优化的方法,进而造成如需要的算力资源发生变化时,无法对其进行最佳的配置,进而造成集群算力使用的准确率不高。因此基于以上优化缺陷,提出了本申请的集群算力优化方法,以提高集群算力使用的准确率。
本申请通过一种集群算力优化方法,通过在接收到输入的算力优化需求信息,其中,所述算力优化需求信息包括算力资源信息和算力需求信息;根据所述算力资源信息确定算力优化模式,其中,所述算力优化模式包括单节点优化模式和多节点优化模式;若所述算力优化模式为所述单节点优化模式,则根据所述算力需求信息和预设单节点优化依据信息确定第一集群算力优化结果,并根据所述第一集群算力优化结果进行集群算力优化;若所述算力优化模式为所述多节点优化模式,则根据所述算力需求信息和预设多节点优化依据信息确定第二集群算力优化结果,并根据所述第二集群算力优化结果进行集群算力优化,通过算力优化需求信息确定算力优化模式,进而在不同算力优化模式下,基于算力优化需求信息和不同的预设优化依据信息确定集群算力优化结果,进而基于集群算力优化结果进行集群优化,从而避免了现有技术中未考虑实际算力使用过程算力需求变化的现象发生,这种集群算力优化方法不仅将优化方式分为不同模式进行优化,进而提高了集群算力优化的功能性,而且还针对不同的算力优化模式,基于算力优化需求信息和不同的预设优化依据信息确定集群算力优化结果,而并非简单依据请求的算力需求进行分配之后不考虑优化的问题,进而提高了集群算力使用的准确率。
基于上述硬件结构,提出本申请集群算力优化方法实施例。
本申请实施例提供了一种集群算力优化方法,参照图2,图2为本申请集群算力优化方法第一实施例的流程示意图。
本实施例中,所述集群算力优化方法包括:
步骤S10,获取输入的算力优化需求信息,其中,所述算力优化需求信息包括算力使用信息和算力需求信息;
步骤S20,根据所述算力使用信息确定算力优化模式,其中,所述算力优化模式包括算力时间优化模式和算力节点优化模式;
在本实施例中,在获取到输入的算力优化需求信息之后,就会依据算力使用信息确定算力优化模式,其中,算力优化需求信息是指在算力资源使用过程中根据实际使用情况生成的需要优化的需求,如某终端的算力资源使用增减或者减少就会生成算力优化需求信息,如基于一定时间检测是否需要生成算力优化需求信息,其中,算力优化需求信息包括算力使用信息和算力需求信息,算力使用信息是指算力资源的使用时间、使用资源的变化等,算力需求信息是指算力的相关信息,如算力需求特征、使用时长和本节点的剩余算力等,节点是指算力节点,即可以调度算力资源进行。算力优化模式是指定义的不同的优化方式的模式,算力优化模式包括算力时间优化模式和算力节点优化模式,算力时间优化模式是指以时间分配为依据进行优化的模式,算力节点优化模式是指以节点分配为依据进行优化的模式。进而可以基于不同的优化模式进行优化,进而可以提高优化的功能性。
步骤S30,若所述算力优化模式为所述算力时间优化模式,则根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果,并根据所述第一集群算力优化结果进行集群算力优化;
步骤S40,若所述算力优化模式为所述算力节点优化模式,则根据所述算力需求信息和预设算力节点优化依据信息确定第二集群算力优化结果,并根据所述第二集群算力优化结果进行集群算力优化。
在本实施例中,在确定算力优化模式为算力时间优化模式时,就会根据算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果,进而再根据第一集群算力优化结果进行集群算力优化。其中,预设算力时间优化依据信息是指用户定义的以时间为优化模式下的优化依据,第一集群算力优化结果是指算力时间优化模式下基于相关的依据信息和算力需求信息确定的优化结果,如同一个节点不同时间段为不同的终端提供算力资源等,进而可以实现算力资源时间上的优化。在确定算力优化模式为算力节点优化模式时,就会根据算力需求信息和预设算力节点优化依据信息确定第二集群算力优化结果,进而再根据第二集群算力优化结果进行集群算力优化。其中,预设算力节点优化依据信息是指用户定义的以节点为优化模式下的优化依据,第二集群算力优化结果是指算力节点优化模式下基于相关的依据信息和算力需求信息确定的优化结果,如不同节点同一时间段为同一的终端提供算力资源等,进而可以实现算力资源节点上的优化。进而可以基于算力资源在使用过程中进行优化,以提高集群算力使用的准确率。
示例性,在基于第一集群算力优化结果或第二集群算力优化结果进行集群优化时,通过确定第一集群算力优化结果的优化时间段和第一优化节点,进而在优化时间段使用对应第一优化节点上的算力资源,其中,优化时间段是指算力优化需求信息对应的待优化节点上算力优化的时间段,第一优化节点是指可以调用进行优化的节点,进而待优化节点至少无需在优化时间段使用,可以大大提高集群算力使用的准确率。通过确定第二集群算力优化结果的第二优化节点,进而使用第二优化节点上的算力资源,其中,第二优化节点是指可以调用进行优化的节点,进而待优化节点可以在算力资源需求增加时,可以保证集群算力运行的准确率。
进一步,为本实施例还提供了一种集群算力优化方法的一流程示意图,参照图5,在本实施例中,在获取算力优化的相关信息(即接收到输入的算力优化需求信息)之后,就基于相关信息中的算力时间上是否可优化进行判断,也就是并非直接在接到算力优化请求之后就确定进行算力优化,而是确定本身请求中需要优化的方向,如时间,节点等,进而确定在不同的优化模式下进行优化控制。通过在相关信息中的算力时间上可优化时,就会确定模式为时间优化,进而基于相关信息和时间优化依据进行优化,也就是对此时的算力优化请求进行时间上的优化方式,其中,时间优化依据为时间优化模式下用户就优化设计的优化依据;反之,在相关信息中的算力时间上不可优化时,就会确定模式为节点优化,进而基于相关信息和节点优化依据进行优化,也就是对此时的算力优化请求进行节点上的优化方式,其中,节点优化依据为节点优化模式下用户就优化设计的优化依据。进而通过针对不同的算力优化模式,基于算力优化需求信息和预设优化依据信息确定集群算力优化结果,而并非简单依据最初的需要算力请求确定调度的算力之后就不进行后续优化,而是依据获取算力优化的相关信息进行(算力资源使用中)优化,进而提高了集群算力使用的准确率。
本实施例中通过在接收到输入的算力优化需求信息,其中,所述算力优化需求信息包括算力资源信息和算力需求信息;根据所述算力资源信息确定算力优化模式,其中,所述算力优化模式包括单节点优化模式和多节点优化模式;若所述算力优化模式为所述单节点优化模式,则根据所述算力需求信息和预设单节点优化依据信息确定第一集群算力优化结果,并根据所述第一集群算力优化结果进行集群算力优化;若所述算力优化模式为所述多节点优化模式,则根据所述算力需求信息和预设多节点优化依据信息确定第二集群算力优化结果,并根据所述第二集群算力优化结果进行集群算力优化,通过算力优化需求信息确定算力优化模式,进而在不同算力优化模式下,基于算力优化需求信息和不同的预设优化依据信息确定集群算力优化结果,进而基于集群算力优化结果进行集群优化,从而避免了现有技术中未考虑实际算力使用过程算力需求变化的现象发生,这种集群算力优化方法不仅将优化方式分为不同模式进行优化,进而提高了集群算力优化的功能性,而且还针对不同的算力优化模式,基于算力优化需求信息和不同的预设优化依据信息确定集群算力优化结果,而并非简单依据请求的算力需求进行分配之后不考虑优化的问题,进而提高了集群算力使用的准确率。
进一步地,基于本申请集群算力优化方法第一实施例,提出本申请集群算力优化方法第二实施例,算力使用信息包括待优化节点的算力资源的第一使用时间、实时需求算力资源和第一总剩余算力资源,所述根据所述算力使用信息确定算力优化模式的步骤,包括:
步骤S21,确定所述第一总剩余算力资源与所述实时需求算力资源之间的算力资源差值;
步骤S22,若所述算力资源差值大于预设的资源差值阈值,且所述第一使用时间的时长小于预设的使用时间阈值,则确定算力优化模式为算力时间优化模式;
步骤S23,若所述算力资源差值大于预设的资源差值阈值,且所述第一使用时间的时长大于或者等于预设的使用时间阈值,则执行所述获取输入的算力优化需求信息的步骤;
步骤S24,若所述算力资源差值小于或者等于预设的资源差值阈值,则确定算力优化模式为算力节点优化模式。
在本实施例中,在基于算力使用信息确定算力优化模式时,会优先确定第一总剩余算力资源与实时需求算力资源之间的算力资源差值,并检测算力资源差值是否大于预设的资源差值阈值,进而确定待优化节点是否可以满足实时需求算力资源,进而确定是否需要调用其他节点进行优化,其中,第一总剩余算力资源是指待优化节点当前剩余的算力资源,其为未包括本次需要优化的算力资源,也就是实时需求算力资源,实时需求算力资源是指待优化节点需要优化的使用终端实时需要的算力资源,算力资源差值为第一总剩余算力资源与实时需求算力资源之间的算力资源的差值,如第一总剩余算力资源为A(A为包括实时需求算力资源B),则算力资源差值为A-B。进而在算力资源差值大于预设的资源差值阈值,则检测第一使用时间的时长是否小于预设的使用时间阈值,其中,预设的资源差值阈值是指用户定义的剩余至少的算力资源,如至少剩余算力资源B1,则确定待优化节点可以完成算力需求,预设的使用时间阈值是指用户定义的使用时间阈值,如5S,也就是小于5s则可以进行其他节点的资源调用,如时间过长就不存在调用的必要,因为各个节点的停用时长不会过长。进而在第一使用时间的时长小于预设的使用时间阈值,则确定算力优化模式为算力时间优化模式,反正,则继续执行所述获取输入的算力优化需求信息的步骤,或者将算力需求信息可以拆分时分(拆分在预设的使用时间阈值下,且算力资源之间不存在较强的连续性就可以进行拆分)为多个算力需求信息,进而分别基于多个算力需求信息分别执行算力时间优化模式下所述根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果的步骤。当算力资源差值小于或者等于预设的资源差值阈值,则确定算力优化模式为算力节点优化模式,也就是待优化节点的第一总剩余算力资源已经不满足实时需求算力资源,进而需要调用其他节点进行优化操作,以提高集群算力使用的准确率以及自身功能正常运行。
进一步地,基于本申请集群算力优化方法第一实施例和第二实施例,提出本申请集群算力优化方法第三实施例,预设算力时间优化依据信息包括各节点的算力资源的第二使用时间、第二总剩余算力资源和算力资源特征,所述算力需求信息包括所述待优化节点的第一需求算力特征、所述实时需求算力资源和所述第一使用时间,所述根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果的步骤,包括:
步骤S31,确定所述第一使用时间的第一使用时间段,并将所述第二使用时间的第二时间段中与所述第一使用时间段不重合的节点作为第一优化节点;
步骤S32,在所述第二总剩余算力资源中确定所述第一优化节点对应的第一目标总剩余算力资源,并确定所述第一目标总剩余算力资源中大于所述实时需求算力资源的第一优化节点作为第二优化节点,其中,所述第二总剩余算力资源包括所述第一使用时间段下所述第一优化节点的剩余算力资源;
步骤S33,在所述算力资源特征中确定所述第二优化节点对应的第一目标算力资源特征,并确定所述第一目标算力资源特征中满足所述第一需求算力特征的第二优化节点作为第一目标优化节点,并将调用所述第一目标优化节点进行优化作为第一集群算力优化结果。
在本实施例中,在算力时间优化模式下,通过确定第一使用时间的第一使用时间段,进而将第二使用时间的第二时间段中与第一使用时间段不重合的节点作为第一优化节点,也就是确定各个节点中算力资源使用不与待优化节点的使用时间重合的节点作为第一优化节点。其中,第一使用时间段是指待优化节点的本次需要优化的算力资源的使用时间段,第一/二使用时间是指待优化节点/除待用户节点的其他节点的使用时间,如时间点和时间段信息等,第二时间段是指除待用户节点的其他节点的算力资源的使用时间段。确定第一优化节点(如节点A为时间段B,而第一使用时间段为C,且BC不重合,则确定节点A为第一优化节点)之后,就会在第二总剩余算力资源中确定第一优化节点对应的第一目标总剩余算力资源,第一目标总剩余算力资源为各个第一优化节点在第二总剩余算力资源中记录的剩余算力,进而可以确定第一目标总剩余算力资源中大于实时需求算力资源的第一优化节点作为第二优化节点,实时需求算力资源是指待优化节点的本次优化需要的算力资源,进而将大于实时需求算力资源的第一优化节点作为第二优化节点,其中,第二目标总剩余算力资源包括第一使用时间段下第一优化节点的剩余算力资源,第二总剩余算力资源是指所有节点的在第一使用时间段下的剩余算力资源。进而再确定算力资源特征中第二优化节点对应的第一目标算力资源特征,算力资源特征是指全部节点的算力特征,第一目标算力资源特征是指第二优化节点的算力资源特征,如安全性、效率性、带宽等。进而确定第一目标算力资源特征中满足第一需求算力特征的第二优化节点作为第一目标优化节点,以将调用第一目标优化节点进行优化作为第一集群算力优化结果,其中,满足是指与其特征相同或者相似。进而可以调用第一目标优化节点进行优化,可以在不同时间段进行算力资源调用,进而通过集群算力资源优化提高了算力资源的有效利用。
进一步的,确定所述第一目标总剩余算力资源中大于所述实时需求算力资源的第一优化节点作为第二优化节点的步骤,包括:
步骤S321,若所述第一目标总剩余算力资源中存在大于所述实时需求算力资源的第一可选择节点,则将所述第一可选择节点作为第二优化节点;
步骤S322,若所述第一目标总剩余算力资源中不存在大于所述实时需求算力资源的第一可选择节点,则检测所述实时需求算力资源是否为预设的可分节点优化算力资源;
步骤S323,若所述实时需求算力资源为预设的可分节点优化算力资源,则确定所述实时需求算力资源中全部的分节点算力资源信息,并依次将所述分节点算力资源信息作为算力需求信息,并执行所述根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果的步骤,其中,所述分节点算力资源信息包括基于预设的分节点分割规则得到的多个子算力需求信息,所述子算力需求信息包括各自算力需求下的子需求算力特征、子需求算力资源和子使用时间;
步骤S324,若所述实时需求算力资源不为预设的可分节点优化算力资源,则返回优化失败信息,并执行所述获取输入的算力优化需求信息的步骤。
在本实施例中,在确定第二优化节点时,通过确定第一目标总剩余算力资源中是否存在大于实时需求算力资源的节点,在第一目标总剩余算力资源中存在大于时需求算力资源的第一可选择节点,就会直接将第一可选择节点作为第二优化节点,以执行所述在所述算力资源特征中确定所述第二优化节点对应的第一目标算力资源特征的步骤。若第一目标总剩余算力资源中不存在大于实时需求算力资源的第一可选择节点,则检测实时需求算力资源是否为预设的可分节点优化算力资源,若实时需求算力资源不为预设的可分节点优化算力资源,则返回优化失败信息,并执行所述获取输入的算力优化需求信息的步骤,其中,预设的可分节点优化算力资源是指预设的可以分不同节点进行算力资源调用的待优化算力资源,如关联性不强的运行和存储算力资源。当实时需求算力资源为预设的可分节点优化算力资源,即可以将待优化节点的待优化算力资源进行拆分,进而确定实时需求算力资源中全部的分节点算力资源信息,并依次将分节点算力资源信息作为算力需求信息,并执行所述根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果的步骤,其中,分节点算力资源信息包括基于预设的分节点分割规则得到的多个子算力需求信息,即将算力需求信息分为多个子算力需求信息,依据为各个子算力需求信息之间的关联性,所述子算力需求信息包括各自算力需求下的子需求算力特征、子需求算力资源和子使用时间。进而可以基于算力需求资源进行拆分之后进行优化,进而可以提高优化的功能性。
示例性的,参照图4,图4为本申请集群算力优化系统的场景示意图,集群算力优化控制器与多个优化节点进行连接,进而在优化节点1发出需要优化的信息时,就会将各个优化节点的信息在集群算力优化控制器进行本实施例的优化处理,进而将各个优化节点的优化处理1-n分别发送至各个优化节点,进而完成集群算力优化,可以在算力资源使用过程中进行优化,以提高集群算力使用的准确率。集群算力优化方法可以在每个优化节点对应的节点服务器获取各自的相关算力资源信息,其中,算力资源信息包括自己节点的已使用算力资源、算力资源特性及算力资源的使用时间等,同时还会实时将各个节点的相关算力资源信息发送至集群算力优化控制器进行优化处理。进而在各自的节点有需要优化的需求时,将其节点的相关算力资源信息及需求信息,需求信息包括了该节点待进行优化的算力资源的相关信息,如待优化节点的算力资源的第一使用时间、实时需求算力资源和第一总剩余算力资源等,进而在集群算力优化控制器中基于各自节点的相关算力资源信息及待优化节点的需求信息执行本实施例的集群算力优化方法,进而得到集群算力优化结果,进而将集群算力优化结果发送至各节点的服务器,以通过服务器控制各自节点完成节点内算力资源的调用,时间复用等操作。其中,不同模式下可以选择性获取不同的信息,而并非直接获取各个节点全部的相关算力资源信息,进而可以大大提高优化的效率,同时还提高了集群算力优化的准确性。
进一步地,基于本申请集群算力优化方法第一实施例、第二实施例和第三实施例,提出本申请集群算力优化方法第四实施例,预设算力节点优化依据信息包括所述第二使用时间、所述第二总剩余算力资源和所述算力资源特征,所述算力需求信息包括所述待优化节点中新增需求算力资源的第二需求算力特征、变化算力资源和第三使用时间,所述根据所述算力需求信息和预设算力节点优化依据信息确定第二集群算力优化结果的步骤,包括:
步骤S41,确定所述第三使用时间的第三使用时间段,并将所述第二使用时间的第二时间段中与所述第一使用时间段不重合的节点作为第三优化节点;
步骤S42,在所述第二总剩余算力资源中确定所述第三优化节点对应的第二目标总剩余算力资源,并确定所述第二目标总剩余算力资源中大于所述变化算力资源,且小于预设的剩余算力资源阈值的第三优化节点作为第四优化节点;
步骤S43,在所述算力资源特征中确定所述第四优化节点对应的第二目标算力资源特征,并确定所述第二目标算力资源特征中满足所述第二需求算力特征的第四优化节点作为第二目标优化节点,并将调用所述第二目标优化节点进行优化作为第二集群算力优化结果。
在本实施例中,在算力节点优化模式下,通过确定第三使用时间的第三使用时间段,进而将第二使用时间的第二时间段中与第一使用时间段不重合的节点作为第三优化节点,也就是确定各个节点中算力资源使用不与待优化节点的使用时间重合的节点作为第三优化节点。其中,第二使用时间段是指待优化节点的本次需要优化的算力资源(待优化节点中新增需求算力资源,即在之前基础上新增的算力资源的时间信息,一般与基础的算力资源信息相同)的使用时间段,第三/二使用时间是指待优化节点中新增需求算力资源/除待用户节点的其他节点的使用时间,如时间点和时间段信息等,第二时间段是指除待用户节点的其他节点的算力资源的使用时间段。确定第三优化节点(如节点A为时间段B,而第三使用时间段为C,且BC不重合,则确定节点A为第三优化节点)之后,就会在第二总剩余算力资源中确定第三优化节点对应的第二目标总剩余算力资源,第二目标总剩余算力资源为各个第三优化节点在第二总剩余算力资源中记录的剩余算力,进而可以确定第二目标总剩余算力资源中大于变化算力资源,且小于预设的剩余算力资源阈值的第三优化节点作为第四优化节点,实时变化算力资源是指待优化节点中新增需求算力资源,进而将大于变化算力资源的第三优化节点作为第四优化节点,其中,第二目标总剩余算力资源包括第三使用时间段下第三优化节点的剩余算力资源,第二总剩余算力资源是指所有节点的在第三使用时间段下的剩余算力资源。进而再确定算力资源特征中第四优化节点对应的第二目标算力资源特征,算力资源特征是指全部节点的算力特征,第二目标算力资源特征是指第四优化节点的算力资源特征,如安全性、效率性、带宽等。进而确定第二目标算力资源特征中满足第二需求算力特征的第四优化节点作为第二目标优化节点,以将调用第二目标优化节点进行优化作为第一集群算力优化结果,其中,满足是指与其特征相同或者相似。进而可以调用第二目标优化节点进行优化,可以在相同时间段进行不同节点算力资源调用,进而通过集群算力资源优化提高了算力资源的有效利用。
进一步的,算力需求信息还包括需求算力节点,确定所述第二目标总剩余算力资源中大于所述变化算力资源,且小于预设的剩余算力资源阈值的第三优化节点作为第四优化节点的步骤,包括:
步骤S421,确定所述第二目标总剩余算力资源中大于所述变化算力资源的第三优化节点作为第五优化节点,并检测所述第五优化节点的第二目标总剩余算力资源是否小于预设的剩余算力资源阈值;
步骤S422,若所述第五优化节点的第二目标总剩余算力资源小于预设的剩余算力资源阈值,则将所述第五优化节点作为第四优化节点;
步骤S423,若所述第五优化节点的第二目标总剩余算力资源大于或者等于预设的剩余算力资源阈值,则确定所述第五优化节点中满足预设的优化优先级条件的第六优化节点,并将所述第六优化节点作为第四优化节点。
在本实施例中,在确定第四优化节点时,通过确定第二目标总剩余算力资源中是否存在大于变化算力资源的节点作为第五优化节点,并再检测第五优化节点的第二目标总剩余算力资源是否小于预设的剩余算力资源阈值,在第五优化节点的第二目标总剩余算力资源小于预设的剩余算力资源阈值,则将所述第五优化节点作为第四优化节点,其中,预设的剩余算力资源阈值是指用户定义的剩余算力资源的阈值,如低于多少算力资源可以调用该节点,进而可以避免后续过大的算力资源调用时由于随机调用造成算力资源不足的现象。而在第五优化节点的第二目标总剩余算力资源大于或者等于预设的剩余算力资源阈值时,就会进行优先级判断,进而基于第五优化节点中满足预设的优化优先级条件的第六优化节点,以将第六优化节点作为第四优化节点,优先级是指用户定义的优先调用那个节点的算力资源,如在第五优化节点的第二目标总剩余算力资源大于或者等于预设的剩余算力资源阈值时,用户定义优先调用优化节点2的算力资源,进而在每次达到以上情形时,就会优先调用优化节点2,进而可以避免节点资源的滥用,同时优先级还可以与时间优化节点的特征有关,如本身就是备用的优化节点等,在此不对具体的优先级进行限定。进而可以基于算力需求资源与最小调用算力资源进行判断之后进行优化,进而可以提高优化的功能性。
进一步地,基于本申请集群算力优化方法第一实施例、第二实施例、第三实施例和第四实施例,提出本申请集群算力优化方法第五实施例,获取输入的算力优化需求信息的步骤之前,包括以下至少一项:
步骤S11,基于预设的算力优化时长获取各节点当前的算力资源信息,并将所述算力资源信息作为算力优化需求信息;
步骤S12,实时检测各节点的实时算力资源信息,并在所述实时算力资源信息满足预设的变化状态时,获取所述实时算力资源信息对应节点当前的算力资源信息,并将所述算力资源信息作为算力优化需求信息;
步骤S13,实时检测各节点的算力使用时间信息,并在所述算力使用时间信息满足预设的时间阈值时,获取所述算力使用时间信息对应节点当前的算力资源信息,并将所述算力资源信息作为算力优化需求信息。
在本实施例中,在进行获取输入的算力优化需求信息的步骤之前,会基于预设的算力优化时长获取各节点当前的算力资源信息,并将算力资源信息作为算力优化需求信息,也即是依次基于各节点的算力资源信息作为算力优化需求信息执行所述获取输入的算力优化需求信息的步骤,其中,预设的算力优化时长是指用户定义的定时长的优化检测时间,算力资源信息是指各个节点的算力优化需求信息,至少包括了节点和节点上的算力使用信息和算力需求信息,进而可以定时长进行优化保证集群算力资源使用的准确性。也可以为直接实时检测各节点的实时算力资源信息,并在实时算力资源信息满足预设的变化状态时,获取实时算力资源信息对应节点当前的算力资源信息,并将算力资源信息作为算力优化需求信息,也就是对各个节点的实时算力资源信息进行检测,进行在实时算力资源信息满足某一条件时将实时算力资源信息对应节点当前的算力资源信息作为算力优化需求信息。其中,实时算力资源信息是指算力资源的使用信息,预设的变化状态是指实时算力资源信息中的算力资源增加或者减少的变化状态,进而将满足预设的变化状态的实时算力资源信息对应的节点作为待优化节点,并将该待优化节点的算力资源信息,并将所述算力资源信息作为算力优化需求信息,算力资源信息是指待优化节点的算力优化需求信息,至少包括了节点和节点上的算力使用信息和算力需求信息,进而可以在算力资源变化时进行优化保证集群算力资源使用的准确性。也可以为直接实时检测各节点的算力使用时间信息,并在算力使用时间信息满足预设的时间阈值时,获取实时算力资源信息对应节点当前的算力资源信息,并将算力资源信息作为算力优化需求信息,也就是对各个节点的算力使用时间信息进行检测,进行在算力使用时间信息满足某一条件时将算力使用时间信息对应节点当前的算力资源信息作为算力优化需求信息。其中,算力使用时间信息是指算力资源的使用时间信息,如时长、时间段等,预设的时间阈值是指算力使用时间信息中时长或者时间段的阈值,进而将满足预设的时间阈值的算力使用时间信息对应的节点作为待优化节点,并将该待优化节点的算力资源信息,并将所述算力资源信息作为算力优化需求信息,算力资源信息是指待优化节点的算力优化需求信息,至少包括了节点和节点上的算力使用信息和算力需求信息,进而可以在算力使用时间时进行优化保证集群算力资源使用的准确性。进而从不同方向执行获取输入的算力优化需求信息的步骤,进而可以保证准确对集算力进行优化,保证后续使用算力资源的准确性。
本申请还提供一种集群算力优化装置模块示意图,参照图3,所述集群算力优化装置包括:
信息获取模块A10,用于获取输入的算力优化需求信息,其中,所述算力优化需求信息包括算力使用信息和算力需求信息;
模式判断模块A20,用于根据所述算力使用信息确定算力优化模式,其中,所述算力优化模式包括算力时间优化模式和算力节点优化模式;
第一优化模块A30,用于若所述算力优化模式为所述算力时间优化模式,则根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果,并根据所述第一集群算力优化结果进行集群算力优化;
第二优化模块A40,用于若所述算力优化模式为所述算力节点优化模式,则根据所述算力需求信息和预设算力节点优化依据信息确定第二集群算力优化结果,并根据所述第二集群算力优化结果进行集群算力优化。
可选地,所述模式判断模块A20,还用于:
确定所述第一总剩余算力资源与所述实时需求算力资源之间的算力资源差值;
若所述算力资源差值大于预设的资源差值阈值,且所述第一使用时间的时长小于预设的使用时间阈值,则确定算力优化模式为算力时间优化模式;
若所述算力资源差值大于预设的资源差值阈值,且所述第一使用时间的时长大于或者等于预设的使用时间阈值,则执行所述获取输入的算力优化需求信息的步骤;
若所述算力资源差值小于或者等于预设的资源差值阈值,则确定算力优化模式为算力节点优化模式。
可选地,所述第一优化模块A30,还用于:
确定所述第一使用时间的第一使用时间段,并将所述第二使用时间的第二时间段中与所述第一使用时间段不重合的节点作为第一优化节点;
在所述第二总剩余算力资源中确定所述第一优化节点对应的第一目标总剩余算力资源,并确定所述第一目标总剩余算力资源中大于所述实时需求算力资源的第一优化节点作为第二优化节点,其中,所述第二总剩余算力资源包括所述第一使用时间段下所述第一优化节点的剩余算力资源;
在所述算力资源特征中确定所述第二优化节点对应的第一目标算力资源特征,并确定所述第一目标算力资源特征中满足所述第一需求算力特征的第二优化节点作为第一目标优化节点,并将调用所述第一目标优化节点进行优化作为第一集群算力优化结果。
可选地,所述第一优化模块A30,还用于:
若所述第一目标总剩余算力资源中存在大于所述实时需求算力资源的第一可选择节点,则将所述第一可选择节点作为第二优化节点;
若所述第一目标总剩余算力资源中不存在大于所述实时需求算力资源的第一可选择节点,则检测所述实时需求算力资源是否为预设的可分节点优化算力资源;
若所述实时需求算力资源为预设的可分节点优化算力资源,则确定所述实时需求算力资源中全部的分节点算力资源信息,并依次将所述分节点算力资源信息作为算力需求信息,并执行所述根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果的步骤,其中,所述分节点算力资源信息包括基于预设的分节点分割规则得到的多个子算力需求信息,所述子算力需求信息包括各自算力需求下的子需求算力特征、子需求算力资源和子使用时间;
若所述实时需求算力资源不为预设的可分节点优化算力资源,则返回优化失败信息,并执行所述获取输入的算力优化需求信息的步骤。
可选地,所述第二优化模块A40,还用于:
确定所述第三使用时间的第三使用时间段,并将所述第二使用时间的第二时间段中与所述第一使用时间段不重合的节点作为第三优化节点;
在所述第二总剩余算力资源中确定所述第三优化节点对应的第二目标总剩余算力资源,并确定所述第二目标总剩余算力资源中大于所述变化算力资源,且小于预设的剩余算力资源阈值的第三优化节点作为第四优化节点;
在所述算力资源特征中确定所述第四优化节点对应的第二目标算力资源特征,并确定所述第二目标算力资源特征中满足所述第二需求算力特征的第四优化节点作为第二目标优化节点,并将调用所述第二目标优化节点进行优化作为第二集群算力优化结果。
可选地,所述第二优化模块A40,还用于:
确定所述第二目标总剩余算力资源中大于所述变化算力资源的第三优化节点作为第五优化节点,并检测所述第五优化节点的第二目标总剩余算力资源是否小于预设的剩余算力资源阈值;
若所述第五优化节点的第二目标总剩余算力资源小于预设的剩余算力资源阈值,则将所述第五优化节点作为第四优化节点;
若所述第五优化节点的第二目标总剩余算力资源大于或者等于预设的剩余算力资源阈值,则确定所述第五优化节点中满足预设的优化优先级条件的第六优化节点,并将所述第六优化节点作为第四优化节点。
可选地,所述信息获取模块A10,还用于:
基于预设的算力优化时长获取各节点当前的算力资源信息,并将所述算力资源信息作为算力优化需求信息;
实时检测各节点的实时算力资源信息,并在所述实时算力资源信息满足预设的变化状态时,获取所述实时算力资源信息对应节点当前的算力资源信息,并将所述算力资源信息作为算力优化需求信息;
实时检测各节点的算力使用时间信息,并在所述算力使用时间信息满足预设的时间阈值时,获取所述算力使用时间信息对应节点当前的算力资源信息,并将所述算力资源信息作为算力优化需求信息。
本申请还提供一种集群算力优化设备。
本申请设备包括: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集群算力优化程序,所述集群算力优化程序被处理器执行时实现如上所述的集群算力优化方法的步骤。
本申请还提供一种存储介质。
本申请存储介质上存储有集群算力优化程序,所述集群算力优化程序被处理器执行时实现如上所述的集群算力优化方法的步骤。
其中,在所述处理器上运行的集群算力优化程序被执行时所实现的方法可参照本申请集群算力优化方法各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还 包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、 方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
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上述 实施例方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的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,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光 盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (6)
1.一种集群算力优化方法,其特征在于,所述集群算力优化方法,包括以下步骤:
获取输入的算力优化需求信息,其中,所述算力优化需求信息包括算力使用信息和算力需求信息;
根据所述算力使用信息确定算力优化模式,其中,所述算力优化模式包括算力时间优化模式和算力节点优化模式,所述算力使用信息包括待优化节点的算力资源的第一使用时间、实时需求算力资源和第一总剩余算力资源,所述根据所述算力使用信息确定算力优化模式的步骤,包括:
确定所述第一总剩余算力资源与所述实时需求算力资源之间的算力资源差值;若所述算力资源差值大于预设的资源差值阈值,且所述第一使用时间的时长小于预设的使用时间阈值,则确定算力优化模式为算力时间优化模式;若所述算力资源差值大于预设的资源差值阈值,且所述第一使用时间的时长大于或者等于预设的使用时间阈值,则执行所述获取输入的算力优化需求信息的步骤;若所述算力资源差值小于或者等于预设的资源差值阈值,则确定算力优化模式为算力节点优化模式;
若所述算力优化模式为所述算力时间优化模式,则根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果,并根据所述第一集群算力优化结果进行集群算力优化,其中,所述预设算力时间优化依据信息包括各节点的算力资源的第二使用时间、第二总剩余算力资源和算力资源特征,所述算力需求信息包括所述待优化节点的第一需求算力特征、所述实时需求算力资源和所述第一使用时间,所述根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果的步骤,包括:
确定所述第一使用时间的第一使用时间段,并将所述第二使用时间的第二时间段中与所述第一使用时间段不重合的节点作为第一优化节点;在所述第二总剩余算力资源中确定所述第一优化节点对应的第一目标总剩余算力资源,并确定所述第一目标总剩余算力资源中大于所述实时需求算力资源的第一优化节点作为第二优化节点,其中,所述第二总剩余算力资源包括所述第一使用时间段下所述第一优化节点的剩余算力资源;在所述算力资源特征中确定所述第二优化节点对应的第一目标算力资源特征,并确定所述第一目标算力资源特征中满足所述第一需求算力特征的第二优化节点作为第一目标优化节点,并将调用所述第一目标优化节点进行优化作为第一集群算力优化结果,其中,所述确定所述第一目标总剩余算力资源中大于所述实时需求算力资源的第一优化节点作为第二优化节点的步骤,包括:
若所述第一目标总剩余算力资源中存在大于所述实时需求算力资源的第一可选择节点,则将所述第一可选择节点作为第二优化节点;若所述第一目标总剩余算力资源中不存在大于所述实时需求算力资源的第一可选择节点,则检测所述实时需求算力资源是否为预设的可分节点优化算力资源,其中,所述可分节点优化算力资源是指可以分不同节点进行算力资源调用的待优化算力资源;若所述实时需求算力资源为预设的可分节点优化算力资源,则确定所述实时需求算力资源中全部的分节点算力资源信息,并依次将所述分节点算力资源信息作为算力需求信息,并执行所述根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果的步骤,其中,所述分节点算力资源信息包括基于预设的分节点分割规则得到的多个子算力需求信息,所述子算力需求信息包括各自算力需求下的子需求算力特征、子需求算力资源和子使用时间;若所述实时需求算力资源不为预设的可分节点优化算力资源,则返回优化失败信息,并执行所述获取输入的算力优化需求信息的步骤;
若所述算力优化模式为所述算力节点优化模式,则根据所述算力需求信息和预设算力节点优化依据信息确定第二集群算力优化结果,并根据所述第二集群算力优化结果进行集群算力优化,其中,所述预设算力节点优化依据信息包括所述第二使用时间、所述第二总剩余算力资源和所述算力资源特征,所述算力需求信息包括所述待优化节点中新增需求算力资源的第二需求算力特征、变化算力资源和第三使用时间,所述根据所述算力需求信息和预设算力节点优化依据信息确定第二集群算力优化结果的步骤,包括:
确定所述第三使用时间的第三使用时间段,并将所述第二使用时间的第二时间段中与所述第一使用时间段不重合的节点作为第三优化节点;在所述第二总剩余算力资源中确定所述第三优化节点对应的第二目标总剩余算力资源,并确定所述第二目标总剩余算力资源中大于所述变化算力资源,且小于预设的剩余算力资源阈值的第三优化节点作为第四优化节点;在所述算力资源特征中确定所述第四优化节点对应的第二目标算力资源特征,并确定所述第二目标算力资源特征中满足所述第二需求算力特征的第四优化节点作为第二目标优化节点,并将调用所述第二目标优化节点进行优化作为第二集群算力优化结果。
2.如权利要求1所述集群算力优化方法,其特征在于,所述确定所述第二目标总剩余算力资源中大于所述变化算力资源,且小于预设的剩余算力资源阈值的第三优化节点作为第四优化节点的步骤,包括:
确定所述第二目标总剩余算力资源中大于所述变化算力资源的第三优化节点作为第五优化节点,并检测所述第五优化节点的第二目标总剩余算力资源是否小于预设的剩余算力资源阈值;
若所述第五优化节点的第二目标总剩余算力资源小于预设的剩余算力资源阈值,则将所述第五优化节点作为第四优化节点;
若所述第五优化节点的第二目标总剩余算力资源大于或者等于预设的剩余算力资源阈值,则确定所述第五优化节点中满足预设的优化优先级条件的第六优化节点,并将所述第六优化节点作为第四优化节点。
3.如权利要求1-2任一项所述集群算力优化方法,其特征在于,所述获取输入的算力优化需求信息的步骤之前,包括以下至少一项:
基于预设的算力优化时长获取各节点当前的算力资源信息,并将所述算力资源信息作为算力优化需求信息;
实时检测各节点的实时算力资源信息,并在所述实时算力资源信息满足预设的变化状态时,获取所述实时算力资源信息对应节点当前的算力资源信息,并将所述算力资源信息作为算力优化需求信息;
实时检测各节点的算力使用时间信息,并在所述算力使用时间信息满足预设的时间阈值时,获取所述算力使用时间信息对应节点当前的算力资源信息,并将所述算力资源信息作为算力优化需求信息。
4.一种集群算力优化装置,其特征在于,所述集群算力优化装置包括:
信息获取模块,用于获取输入的算力优化需求信息,其中,所述算力优化需求信息包括算力使用信息和算力需求信息;
模式判断模块,用于根据所述算力使用信息确定算力优化模式,其中,所述算力优化模式包括算力时间优化模式和算力节点优化模式,所述算力使用信息包括待优化节点的算力资源的第一使用时间、实时需求算力资源和第一总剩余算力资源,所述根据所述算力使用信息确定算力优化模式的步骤,包括:确定所述第一总剩余算力资源与所述实时需求算力资源之间的算力资源差值;若所述算力资源差值大于预设的资源差值阈值,且所述第一使用时间的时长小于预设的使用时间阈值,则确定算力优化模式为算力时间优化模式;若所述算力资源差值大于预设的资源差值阈值,且所述第一使用时间的时长大于或者等于预设的使用时间阈值,则执行所述获取输入的算力优化需求信息的步骤;若所述算力资源差值小于或者等于预设的资源差值阈值,则确定算力优化模式为算力节点优化模式;
第一优化模块,用于若所述算力优化模式为所述算力时间优化模式,则根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果,并根据所述第一集群算力优化结果进行集群算力优化,其中,所述预设算力时间优化依据信息包括各节点的算力资源的第二使用时间、第二总剩余算力资源和算力资源特征,所述算力需求信息包括所述待优化节点的第一需求算力特征、所述实时需求算力资源和所述第一使用时间,所述根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果的步骤,包括:确定所述第一使用时间的第一使用时间段,并将所述第二使用时间的第二时间段中与所述第一使用时间段不重合的节点作为第一优化节点;在所述第二总剩余算力资源中确定所述第一优化节点对应的第一目标总剩余算力资源,并确定所述第一目标总剩余算力资源中大于所述实时需求算力资源的第一优化节点作为第二优化节点,其中,所述第二总剩余算力资源包括所述第一使用时间段下所述第一优化节点的剩余算力资源;在所述算力资源特征中确定所述第二优化节点对应的第一目标算力资源特征,并确定所述第一目标算力资源特征中满足所述第一需求算力特征的第二优化节点作为第一目标优化节点,并将调用所述第一目标优化节点进行优化作为第一集群算力优化结果,其中,所述确定所述第一目标总剩余算力资源中大于所述实时需求算力资源的第一优化节点作为第二优化节点的步骤,包括:若所述第一目标总剩余算力资源中存在大于所述实时需求算力资源的第一可选择节点,则将所述第一可选择节点作为第二优化节点;若所述第一目标总剩余算力资源中不存在大于所述实时需求算力资源的第一可选择节点,则检测所述实时需求算力资源是否为预设的可分节点优化算力资源,其中,所述可分节点优化算力资源是指可以分不同节点进行算力资源调用的待优化算力资源;若所述实时需求算力资源为预设的可分节点优化算力资源,则确定所述实时需求算力资源中全部的分节点算力资源信息,并依次将所述分节点算力资源信息作为算力需求信息,并执行所述根据所述算力需求信息和预设算力时间优化依据信息确定第一集群算力优化结果的步骤,其中,所述分节点算力资源信息包括基于预设的分节点分割规则得到的多个子算力需求信息,所述子算力需求信息包括各自算力需求下的子需求算力特征、子需求算力资源和子使用时间;若所述实时需求算力资源不为预设的可分节点优化算力资源,则返回优化失败信息,并执行所述获取输入的算力优化需求信息的步骤;
第二优化模块,用于若所述算力优化模式为所述算力节点优化模式,则根据所述算力需求信息和预设算力节点优化依据信息确定第二集群算力优化结果,并根据所述第二集群算力优化结果进行集群算力优化,其中,所述预设算力节点优化依据信息包括所述第二使用时间、所述第二总剩余算力资源和所述算力资源特征,所述算力需求信息包括所述待优化节点中新增需求算力资源的第二需求算力特征、变化算力资源和第三使用时间,所述根据所述算力需求信息和预设算力节点优化依据信息确定第二集群算力优化结果的步骤,包括:确定所述第三使用时间的第三使用时间段,并将所述第二使用时间的第二时间段中与所述第一使用时间段不重合的节点作为第三优化节点;在所述第二总剩余算力资源中确定所述第三优化节点对应的第二目标总剩余算力资源,并确定所述第二目标总剩余算力资源中大于所述变化算力资源,且小于预设的剩余算力资源阈值的第三优化节点作为第四优化节点;在所述算力资源特征中确定所述第四优化节点对应的第二目标算力资源特征,并确定所述第二目标算力资源特征中满足所述第二需求算力特征的第四优化节点作为第二目标优化节点,并将调用所述第二目标优化节点进行优化作为第二集群算力优化结果。
5.一种集群算力优化设备,其特征在于,所述集群算力优化设备包括: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集群算力优化程序,所述集群算力优化程序被所述处理器执行时实现如权利要求1至3中任一项所述集群算力优化方法的步骤。
6.一种存储介质,其特征在于,所述存储介质上存储有集群算力优化程序,所述集群算力优化程序被处理器执行时实现如权利要求1至3中任一项所述集群算力优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410440576.3A CN118034941B (zh) | 2024-04-12 | 2024-04-12 | 集群算力优化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410440576.3A CN118034941B (zh) | 2024-04-12 | 2024-04-12 | 集群算力优化方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118034941A CN118034941A (zh) | 2024-05-14 |
CN118034941B true CN118034941B (zh) | 2024-06-25 |
Family
ID=90991733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410440576.3A Active CN118034941B (zh) | 2024-04-12 | 2024-04-12 | 集群算力优化方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118034941B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111405012A (zh) * | 2020-03-06 | 2020-07-10 | 深圳市瑞驰信息技术有限公司 | 一种基于mqtt及http的ai算力池集群管理方法 |
CN115562843A (zh) * | 2022-12-06 | 2023-01-03 | 苏州浪潮智能科技有限公司 | 一种容器集群算力调度方法及相关装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114978908B (zh) * | 2022-05-11 | 2023-09-26 | 量子科技长三角产业创新中心 | 算力网络节点评价及操作方法和装置 |
CN116909726A (zh) * | 2023-01-03 | 2023-10-20 | 中国移动通信集团设计院有限公司 | 算力资源的优化方法、装置、设备及存储介质 |
CN116541176A (zh) * | 2023-05-24 | 2023-08-04 | 中国电信股份有限公司北京研究院 | 算力资源分配的优化方法、优化装置、电子设备和介质 |
-
2024
- 2024-04-12 CN CN202410440576.3A patent/CN118034941B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111405012A (zh) * | 2020-03-06 | 2020-07-10 | 深圳市瑞驰信息技术有限公司 | 一种基于mqtt及http的ai算力池集群管理方法 |
CN115562843A (zh) * | 2022-12-06 | 2023-01-03 | 苏州浪潮智能科技有限公司 | 一种容器集群算力调度方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN118034941A (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106557369B (zh) | 一种多线程的管理方法及系统 | |
US20200137151A1 (en) | Load balancing engine, client, distributed computing system, and load balancing method | |
CN111131058B (zh) | 访问量控制方法和装置 | |
WO2001065357A1 (en) | Processing load distribution techniques for call centers and other processing systems | |
EP3675420B1 (en) | Distributed storage system upgrade management method and device, and distributed storage system | |
CN113364697A (zh) | 流量控制方法、装置、设备及计算机可读存储介质 | |
US11438271B2 (en) | Method, electronic device and computer program product of load balancing | |
EP4068092A1 (en) | Managing computer workloads across distributed computing clusters | |
CN115379512B (zh) | 带宽调整方法及装置、电子设备、计算机可读存储介质 | |
CN109117244B (zh) | 一种虚拟机资源申请排队机制的实现方法 | |
CN109739634A (zh) | 一种原子任务执行方法及装置 | |
CN113608852B (zh) | 任务调度方法、调度模块、推理节点和协同作业系统 | |
CN109889406A (zh) | 用于管理网络连接的方法、装置、设备和存储介质 | |
CN118034941B (zh) | 集群算力优化方法、装置、设备及存储介质 | |
CN117221326A (zh) | 软件负载均衡调度方法、系统、电子设备和存储介质 | |
CN107634978B (zh) | 一种资源调度方法及装置 | |
CN118069371B (zh) | 集群算力调度方法、装置、设备及存储介质 | |
CN115495256A (zh) | 服务调用方法、装置、电子设备及存储介质 | |
CN118034942B (zh) | 集群算力管理方法、装置、设备及存储介质 | |
CN111866159A (zh) | 人工智能服务的调用方法、系统、设备和存储介质 | |
CN113467892A (zh) | 分布式集群资源配置方法及其相应的装置、设备、介质 | |
CN112379978A (zh) | 后端服务调用方法、装置、设备和存储介质 | |
CN114661431A (zh) | 一种任务调度方法、存储介质及终端设备 | |
CN111064636A (zh) | 前置机连接的控制方法、装置、系统、计算机设备 | |
CN112860417B (zh) | 一种数据处理方法、装置、设备、系统和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |