CN118051318A - 一种基于超级算力的调度方法及系统 - Google Patents
一种基于超级算力的调度方法及系统 Download PDFInfo
- Publication number
- CN118051318A CN118051318A CN202211427731.5A CN202211427731A CN118051318A CN 118051318 A CN118051318 A CN 118051318A CN 202211427731 A CN202211427731 A CN 202211427731A CN 118051318 A CN118051318 A CN 118051318A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- computer
- evaluation type
- type
- evaluation value
- 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 39
- 238000011156 evaluation Methods 0.000 claims abstract description 252
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 230000000875 corresponding effect Effects 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000002596 correlated effect Effects 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明适用于超级计算技术领域,尤其涉及一种基于超级算力的调度方法及系统。方法包括:获取各目标应用的指令数据,确定各目标应用在每个计算机下运行所需要的各第一测评类型的权重系数、以及每个超级计算机下各第二测评类型的权重系数;根据各第一测评类型的权重系数,结合第一对应关系得到各目标应用在计算机下各第一测评类型的测评值;根据各第二测评类型的权重系数,结合第二对应关系得到每个计算机的各第二测评类型的测评值;进而得到每个计算机的综合测评值,根据综合测评值选出调度计算机进行计算。本发明整体计算简单,提高了调度效率,并且可以更加准确的确定需要调度的调度计算机,提供最优的调度计算方案。
Description
技术领域
本发明适用于超级计算技术领域,尤其涉及一种基于超级算力的调度方法及系统。
背景技术
超级计算机是指信息处理能力比个人计算机快一到两个数量级以上的计算机,通常是指多个计算节点组合起来的能平行进行大规模计算或数据处理的计算机,也称为并行计算机,是目前计算机中功能最强、运算最快、存储量最大的一类,多用于国家高科技领域和尖端技术研究,是一个国家科技发展水平和综合国力的重要体现。一般来说,超级计算机的运算速度平均每秒1000万次以上,存贮容量在1000万位以上。
目前,面对如此多的超级计算机,用户面临选择上的难题,不清楚选择哪个更好,此外,即使用户选择了一个超级计算机,也不清楚该使用多少的资源,可以在接受的时间内完成计算任务,甚至有的用户不清楚自己的计算任务最小运行资源是多大,如果请求资源不足,作业就可能因此超时或者内存溢出导致中止,无法得到期望的结果,也浪费了超算宝贵的计算能力。因此,有人提出对超级计算机的资源性能进行等级确定,进而确定指定的计算机进行调度。例如:申请公布号为CN 113672489 A的中国发明专利申请文件,该文件公开了一种超级计算机的资源性能等级确定方法及设备,其通过超级计算机的各种状态值以及目标应用在超级计算机下运行所需要的各种状态值对超级计算机的等级进行确定,进而提高超级计算机的资源利用率。
然而上述计算机等级确定过程复杂,使得调度效率低下。
发明内容
有鉴于此,本发明实施例提供了一种基于超级算力的调度方法及系统,以解决现有的调度方案计算复杂,调度效率低的问题。
本申请提供一种基于超级算力的调度方法,包括以下步骤:
获取各目标应用的指令数据,确定各目标应用在每个计算机下运行所需要的各第一测评类型的权重系数、以及每个超级计算机下各第二测评类型的权重系数;第一测评类型包括CPU占用率、内存占用率、时间、以及能耗;第二测评类型包括CPU可利用率、内存状态、网络状态和输入/输出;第一测评类型的权重系数根据第一测评类型的重要性进行确定,第二测评类型的权重系数根据第二测评类型的重要性进行确定;
根据各目标应用在计算机下运行所需要的各第一测评类型的权重系数,结合第一对应关系得到各目标应用在计算机下各第一测评类型的测评值;所述第一对应关系为第一测评类型的权重系数与第一测评类型的测评值的对应关系,第一测评类型的权重系数与第一测评类型的测评值正相关,且第一测评类型的权重系数越大,第一测评类型的测评值的变化率越小;
根据每个超级计算机下各第二测评类型的权重系数,结合第二对应关系得到每个计算机的各第二测评类型的测评值;所述第二对应关系为第二测评类型的权重系数与第二测评类型的测评值的对应关系,第二测评类型的权重系数与第二测评类型的测评值正相关,且第二测评类型的权重系数越大,第二测评类型的测评值的变化率越小;
根据各目标应用在计算机下各第一测评类型的测评值以及每个计算机的各第二测评类型的测评值得到每个计算机的综合测评值,根据综合测评值选出调度计算机进行计算。
另外,本申请还提供一种基于超级算力的调度系统,包括用户终端集合、控制装置、以及超级算力资源,用户终端集合与控制装置通信连接,控制装置的输出端连接超级算力资源的输入端,且超级算力资源的输出端连接控制装置的输入端,超级算力资源包括若干计算机,用户终端集合用于发出目标应用的指令数据,计算机用于计算目标应用的指令数据,输出计算结果;控制装置用于实现基于超级算力的调度方法。
本发明的基于超级算力的调度方法及系统与现有技术相比存在的有益效果是:本发明基于第一对应关系和第二对应关系得到每个计算机的综合测评值,整体计算简单,提高了调度效率,并且本发明基于计算机的特性,第一对应关系和第二对应关系中均采用测评类型的权重系数与测评类型的测评值正相关,且测评类型的权重系数越大,测评类型的测评值的变化率越小的形式进行测评值的计算,可以更加准确的确定需要调度的调度计算机,提供最优的调度计算方案。
进一步地,上述基于超级算力的调度方法及系统中,所述第一对应关系为:
其中,为第i个目标应用Ai′在第j个计算机Cj下运行所需要的第k个第一测评类型Rk的测评值;B(Ai′,Cj,Rk)为第i个目标应用Ai′在第j个计算机Cj下运行时第k个第一测评类型Rk的性能评测函数;B(Ai′,Cst,Rk)为第i个目标应用Ai′在基准计算机Cst下运行时第k个第一测评类型Rk的性能评测函数;/>为第k个第一测评类型Rk的权重系数。
进一步地,上述基于超级算力的调度方法及系统中,所述第二对应关系为:
其中,为第j个计算机Cj的第t个第二测评类型Rt的测评值;B(Cj,Rt)为第j个计算机Cj运行时第t个第二测评类型Rt的性能评测函数;B(Cst,Rt)为基准计算机Cst运行时第t个第二测评类型Rt的性能评测函数;/>为第t个第二测评类型Rt的权重系数。
进一步地,上述基于超级算力的调度方法及系统中,计算机的综合测评值的计算过程为:
其中,P(Cj,Cst)为第j个计算机的综合测评值;为第i个目标应用Ai′在第j个计算机Cj下运行所需要的第k个第一测评类型Rk的测评值;/>为第j个计算机Cj的第t个第二测评类型Rt的测评值。
进一步地,上述基于超级算力的调度方法及系统中,将综合测评值最大的计算机作为调度计算机;或者将综合测评值从大到小进行排序,前若干个计算机作为调度计算机。
进一步地,上述基于超级算力的调度方法及系统中,第一测评类型的权重系数与第一测评类型的重要性为线性正相关关系,第二测评类型的权重系数与第二测评类型的重要性为线性正相关关系。
进一步地,上述基于超级算力的调度系统中,所述控制装置包括云服务器、融合调度系统、消息队列转发服务器;云服务器与用户终端集合通信连接,用于将接收的目标应用的指令数据进行整合和量化;融合调度系统的输入端连接云服务器的输出端,用于选出调度计算机;消息队列转发服务器的输入端连接融合调度系统的输出端,用于针对选出的调度计算机,对指令数据进行语言转化。
进一步地,上述基于超级算力的调度系统中,超级算力资源还包括输入节点和输出节点,输入节点的输入端连接控制装置的输出端,输入节点的输出端连接各计算机,用于将控制装置输出的指令数据分发给调度计算机;输出节点的输入端连接各计算机,输出节点的输出端连接控制装置的输入端,用于将计算结果进行反馈。
进一步地,上述基于超级算力的调度系统中,所述计算机包括经典超级计算机和量子计算机。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明基于超级算力的调度系统的结构框图;
图2是本发明基于超级算力的调度方法流程图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本发明说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本发明说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当......时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本发明说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
应理解,以下实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
为了说明本发明的技术方案,下面通过具体实施例来进行说明。
本发明提出一种基于超级算力的调度系统,如图1所示,基于超级算力的调度系统包括用户终端集合、控制装置、以及超级算力资源。其中,用户终端集合包括E个用户终端,分别为用户终端1、用户终端2、……、用户终端E(用户终端的数量可以根据需要设定),用户终端集合与控制装置通信连接,控制装置的输出端连接超级算力资源的输入端,且超级算力资源的输出端连接控制装置的输入端。
用户终端集合用于通过浏览器输入需要计算的目标应用的任务指令,并发出目标应用的指令数据。
控制装置用于实现基于超级算力的调度方法,控制装置包括云服务器、融合调度系统、消息队列转发服务器;云服务器与用户终端集合通信连接,能够被用户终端通过浏览器访问,接收用户终端输入的目标应用的指令数据,并将接收的目标应用的指令数据进行整合和量化,同时,云服务器还将最终的计算结果反馈给用户终端;
融合调度系统的输入端连接云服务器的输出端,用于通过基于超级算力的调度方法选出调度计算机;
消息队列转发服务器的输入端连接融合调度系统的输出端,用于根据融合调度系统的评估结果,针对选出的调度计算机或者调度计算机集合,对指令数据进行分配和语言转化。如果需要多台计算机配合,需要将任务进行分配,并将分配后的任务进行语言转化,使转化后的语言可被调度计算机或者调度计算机集合识别,并将分配及转化后的目标应用的指令数据发给超级算力资源。
超级算力资源还包括输入节点、若干计算机和输出节点,输入节点的输入端连接控制装置的输出端,输入节点的输出端连接各计算机,用于将控制装置输出的指令数据分发给对应的调度计算机;
若干计算机包括F个经典超级计算机和G个量子计算机,分别为经典超级计算机1、经典超级计算机2、……、经典超级计算机F,量子计算机1、量子计算机2、……、量子计算机G;经典超级计算机或量子计算机完成计算任务;
输出节点的输入端连接各计算机,输出节点的输出端连接控制装置中的云服务器的输入端,用于将计算结果进行整合,并反馈给云服务器,云服务器将计算结果发送至用户终端。
量子计算机与经典超级计算机使用0或者1的比特来存储信息不同,量子计算机以量子比特作为信息编码和存储的基本单元。n个量子比特便可表示2n个数的叠加,使得一次量子操作原理上可以同时实现对2n个叠加的数进行并行运算,这相当于经典计算机进行2n次操作,这就意味着随着比特数的增加,量子计算机的计算速度将获得指数级的增长。目前最先进的基于超导的量子计算可以实现66比特可编程的二维量子行走。同时,与超级计算机相比,量子计算机单位算力用电量较低,具有较低的能耗。量子-经典混合计算的潜力,必须将两个系统的利益相关群体聚集在一起,并发挥协同作用,以此最大限度的利用好这些超级算力资源,基于任务提供最优的算力方案,方便用户实现与超级算力资源的交互,从而提高超级算力使用效能,同时能够尽可能的降低能耗、降低用户使用成本和超级算力维护成本。
基于超级算力的调度方法,如图2所示,包括以下步骤:
1)用户终端集合发出若干个目标应用的指令数据,第i个目标应用的指令数据为Ai。
2)云服务器将接收的目标应用的指令数据进行整合和量化,得到整合和量化后的目标应用的指令数据,第i个整合和量化后的目标应用的指令数据为Ai′。
3)确定各目标应用在每个计算机下运行所需要的各第一测评类型的权重系数、以及每个超级计算机下各第二测评类型的权重系数。
本步骤中,记为第k个第一测评类型Rk的权重系数,/>为第t个第二测评类型Rt的权重系数,第一测评类型包括CPU占用率、内存占用率、时间、以及能耗;第二测评类型包括CPU可利用率、内存状态、网络状态和输入/输出;第一测评类型的权重系数根据第一测评类型的重要性进行确定,且第一测评类型的权重系数与第一测评类型的重要性为线性正相关关系;第二测评类型的权重系数根据第二测评类型的重要性进行确定,且第二测评类型的权重系数与第二测评类型的重要性为线性正相关关系。
当然第一测评类型的权重系数与第一测评类型的重要性的关系,以及第二测评类型的权重系数与第二测评类型的重要性的关系也可以为非线性的,只要为正相关即可。
4)根据各目标应用在计算机下运行所需要的各第一测评类型的权重系数,结合第一对应关系得到各目标应用在计算机下各第一测评类型的测评值。
本步骤中,第一对应关系为第一测评类型的权重系数与第一测评类型的测评值的对应关系,详见如下:
其中,为第i个目标应用Ai′在第j个计算机Cj下运行所需要的第k个第一测评类型Rk的测评值;B(Ai′,Cj,Rk)为第i个目标应用Ai′在第j个计算机Cj下运行时第k个第一测评类型Rk的性能评测函数;B(Ai′,Cst,Rk)为第i个目标应用Ai′在基准计算机Cst下运行时第k个第一测评类型Rk的性能评测函数;/>为第k个第一测评类型Rk的权重系数;x为积分变量。
上述第一对应关系体现出第一测评类型的权重系数与第一测评类型的测评值正相关,且第一测评类型的权重系数越大,第一测评类型的测评值的变化率越小,基于计算机的特性,第一测评类型的权重系数与第一测评类型的测评值并不线性变化的,而是符合第一测评类型的权重系数越大,第一测评类型的测评值的变化率越小的特性,因此本发明采用上述第一对应关系进行第一测评类型的测评值的计算,当然只要符合本规律的计算过程均可,本发明对此不做限制。
5)根据每个超级计算机下各第二测评类型的权重系数,结合第二对应关系得到每个计算机的各第二测评类型的测评值。
本步骤中,第二对应关系为第二测评类型的权重系数与第二测评类型的测评值的对应关系,详见如下:
其中,为第j个计算机Cj的第t个第二测评类型Rt的测评值;B(Cj,Rt)为第j个计算机Cj运行时第t个第二测评类型Rt的性能评测函数;B(Cst,Rt)为基准计算机Cst运行时第t个第二测评类型Rt的性能评测函数;/>为第t个第二测评类型Rt的权重系数;x为积分变量。
上述第二对应关系体现出第二测评类型的权重系数与第二测评类型的测评值正相关,且第二测评类型的权重系数越大,第二测评类型的测评值的变化率越小;基于计算机的特性,第二测评类型的权重系数与第二测评类型的测评值并不线性变化的,而是符合第二测评类型的权重系数越大,第二测评类型的测评值的变化率越小的特性,因此本发明采用上述第二对应关系进行第二测评类型的测评值的计算,当然只要符合本规律的计算过程均可,本发明对此不做限制。
本步骤的目的在于对计算机的实时状态进行评估,测评值越大,代表计算机性能越好,如带宽、运算速度、限定时间的运算准确率、能耗等等。
6)根据各目标应用在计算机下各第一测评类型的测评值以及每个计算机的各第二测评类型的测评值得到每个计算机的综合测评值。
本步骤中,计算机的综合测评值的计算过程为:
其中,P(Cj,Cst)为第j个计算机的综合测评值;为第i个目标应用Ai′在第j个计算机Cj下运行所需要的第k个第一测评类型Rk的测评值;/>为第j个计算机Cj的第t个第二测评类型Rt的测评值。
7)根据综合测评值选出调度计算机进行计算。
本步骤中,将综合测评值最大的计算机作为调度计算机;或者将综合测评值从大到小进行排序,前若干个计算机作为调度计算机,如果将前若干个计算机作为调度计算机,需要进行任务的分配,根据每个计算机的综合测评值进行任务的分配,综合测评值大的计算机分配较多的计算任务。
上述步骤4)中的第一对应关系以及步骤5中的第二对应关系中涉及到性能评测函数B,根据所测试项目的不同,性能评测函数B为基于专有测试工具测得的计算机性能值处理后的结果,如利用Super PI测评CPU得到的结果、利用LMBench测评内存得到的结果等等。这些结果如果是越大性能越强,如带宽,则B的值取测评值;如果越小性能越强,如运算时间,则B的值取测评值的倒数。
同时,上述步骤4)中的第一对应关系以及步骤5中的第二对应关系中的积分上限均为基于待测评的计算机关于测评类型的性能测评函数与基于基准计算机关于测评类型的性能测评函数的比值,也即测评值不仅与权重系数的大小有关,还与比值的大小有关。在比值较小时,测评值与比值的关系近似于线性函数;在比值较大时,测评值与比值的关系近似于数量级的线性函数(例如指数函数),体现出了边际效应。在总比值一定时,即所有的比值之和相同时,比值的分布越平均,整理测评值越大,体现了水桶效应。另外,比值的大小与权重系数对测评值的影响也有一定的关系,在比值很小时,权重系数对测评值影响很小,不明显;比值较大时,权重系数对测评值的影响明显。
上述实施例中,控制装置包括云服务器、融合调度系统、消息队列转发服务器,采用模块化的结构进行调度方法的实现,当然,控制装置也可以采用集成装置进行调度方法的实现,本发明对此不作限制。
上述实施例中,超级算力资源还包括输入节点、若干计算机和输出节点,也是作为模块化的结构完成调度计算,当然,超级算力资源也可以采用集成装置进行调度计算,本发明对此不作限制。
上述实施例中,为了降低计算能耗,采用量子计算机参与超级算力的计算,作为其他实施方式,也可以全部使用经典超级计算机或者全部使用量子计算机,本发明对计算机的形式不做限制。
本发明提出了一种简单、高效的调度方案,提高了调度的效率,并且基于计算机的特性,可以更加准确的进行调度,实现最优调度,同时本发明综合两种不同并行计算机的优势,一是提高超级算力资源使用效能,降低维护成本;二是在方便用户实现与超级算力资源的交互的同时,降低了用户使用超级算力的成本。
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,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于超级算力的调度方法,其特征在于,包括以下步骤:
获取各目标应用的指令数据,确定各目标应用在每个计算机下运行所需要的各第一测评类型的权重系数、以及每个超级计算机下各第二测评类型的权重系数;第一测评类型包括CPU占用率、内存占用率、时间、以及能耗;第二测评类型包括CPU可利用率、内存状态、网络状态和输入/输出;第一测评类型的权重系数根据第一测评类型的重要性进行确定,第二测评类型的权重系数根据第二测评类型的重要性进行确定;
根据各目标应用在计算机下运行所需要的各第一测评类型的权重系数,结合第一对应关系得到各目标应用在计算机下各第一测评类型的测评值;所述第一对应关系为第一测评类型的权重系数与第一测评类型的测评值的对应关系,第一测评类型的权重系数与第一测评类型的测评值正相关,且第一测评类型的权重系数越大,第一测评类型的测评值的变化率越小;
根据每个超级计算机下各第二测评类型的权重系数,结合第二对应关系得到每个计算机的各第二测评类型的测评值;所述第二对应关系为第二测评类型的权重系数与第二测评类型的测评值的对应关系,第二测评类型的权重系数与第二测评类型的测评值正相关,且第二测评类型的权重系数越大,第二测评类型的测评值的变化率越小;
根据各目标应用在计算机下各第一测评类型的测评值以及每个计算机的各第二测评类型的测评值得到每个计算机的综合测评值,根据综合测评值选出调度计算机进行计算。
2.根据权利要求1所述的基于超级算力的调度方法,其特征在于,所述第一对应关系为:
其中,为第i个目标应用Ai′在第j个计算机Cj下运行所需要的第k个第一测评类型Rk的测评值;B(Ai′,Cj,Rk)为第i个目标应用Ai′在第j个计算机Cj下运行时第k个第一测评类型Rk的性能评测函数;B(Ai′,Cst,Rk)为第i个目标应用Ai′在基准计算机Cst下运行时第k个第一测评类型Rk的性能评测函数;/>为第k个第一测评类型Rk的权重系数。
3.根据权利要求1所述的基于超级算力的调度方法,其特征在于,所述第二对应关系为:
其中,为第j个计算机Cj的第t个第二测评类型Rt的测评值;B(Cj,Rt)为第j个计算机Cj运行时第t个第二测评类型Rt的性能评测函数;B(Cst,Rt)为基准计算机Cst运行时第t个第二测评类型Rt的性能评测函数;/>为第t个第二测评类型Rt的权重系数。
4.根据权利要求1所述的基于超级算力的调度方法,其特征在于,计算机的综合测评值的计算过程为:
其中,P(Cj,Cst)为第j个计算机的综合测评值;为第i个目标应用Ai′在第j个计算机Cj下运行所需要的第k个第一测评类型Rk的测评值;/>为第j个计算机Cj的第t个第二测评类型Rt的测评值。
5.根据权利要求1所述的基于超级算力的调度方法,其特征在于,将综合测评值最大的计算机作为调度计算机;或者将综合测评值从大到小进行排序,前若干个计算机作为调度计算机。
6.根据权利要求1所述的基于超级算力的调度方法,其特征在于,第一测评类型的权重系数与第一测评类型的重要性为线性正相关关系,第二测评类型的权重系数与第二测评类型的重要性为线性正相关关系。
7.一种基于超级算力的调度系统,包括用户终端集合、控制装置、以及超级算力资源,用户终端集合与控制装置通信连接,控制装置的输出端连接超级算力资源的输入端,且超级算力资源的输出端连接控制装置的输入端,超级算力资源包括若干计算机,其特征在于,用户终端集合用于发出目标应用的指令数据,计算机用于计算目标应用的指令数据,输出计算结果;控制装置用于实现权利要求1-6中任一项所述的基于超级算力的调度方法。
8.根据权利要求7所述的基于超级算力的调度系统,其特征在于,所述控制装置包括云服务器、融合调度系统、消息队列转发服务器;云服务器与用户终端集合通信连接,用于将接收的目标应用的指令数据进行整合和量化;融合调度系统的输入端连接云服务器的输出端,用于选出调度计算机;消息队列转发服务器的输入端连接融合调度系统的输出端,用于针对选出的调度计算机,对指令数据进行语言转化。
9.根据权利要求7所述的基于超级算力的调度系统,其特征在于,超级算力资源还包括输入节点和输出节点,输入节点的输入端连接控制装置的输出端,输入节点的输出端连接各计算机,用于将控制装置输出的指令数据分发给调度计算机;输出节点的输入端连接各计算机,输出节点的输出端连接控制装置的输入端,用于将计算结果进行反馈。
10.根据权利要求7所述的基于超级算力的调度系统,其特征在于,所述计算机包括经典超级计算机和量子计算机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211427731.5A CN118051318A (zh) | 2022-11-15 | 2022-11-15 | 一种基于超级算力的调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211427731.5A CN118051318A (zh) | 2022-11-15 | 2022-11-15 | 一种基于超级算力的调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118051318A true CN118051318A (zh) | 2024-05-17 |
Family
ID=91045470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211427731.5A Pending CN118051318A (zh) | 2022-11-15 | 2022-11-15 | 一种基于超级算力的调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118051318A (zh) |
-
2022
- 2022-11-15 CN CN202211427731.5A patent/CN118051318A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110489223B (zh) | 一种异构集群中任务调度方法、装置及电子设备 | |
Chunlin et al. | Hybrid cloud adaptive scheduling strategy for heterogeneous workloads | |
CN110096349A (zh) | 一种基于集群节点负载状态预测的作业调度方法 | |
CN106126323B (zh) | 基于云平台的实时任务调度方法 | |
CN109933306A (zh) | 混合计算框架生成、数据处理方法、装置及混合计算框架 | |
CN109981744B (zh) | 数据的分发方法、装置、存储介质及电子设备 | |
CN106095582B (zh) | 云平台的任务执行方法 | |
CN103927229A (zh) | 在动态可用服务器集群中调度映射化简作业 | |
CN112379985B (zh) | 一种云边缘计算环境下的计算任务分配方法及装置 | |
Lin et al. | A model-based approach to streamlining distributed training for asynchronous SGD | |
CN113553160A (zh) | 用于人工智能物联网的边缘计算节点任务调度方法及系统 | |
Cheng et al. | Proscale: Proactive autoscaling for microservice with time-varying workload at the edge | |
CN108132840A (zh) | 一种分布式系统中的资源调度方法及装置 | |
CN116643844B (zh) | 面向电力超算云资源自动扩展的智能化管理系统及方法 | |
CN109347982A (zh) | 一种数据中心的调度方法及装置 | |
CN105872109B (zh) | 云平台负载运行方法 | |
CN118051318A (zh) | 一种基于超级算力的调度方法及系统 | |
CN111580950A (zh) | 一种提升云可靠性的自适应反馈资源调度方法 | |
CN112948115B (zh) | 一种基于极限学习机的云工作流调度器压力预测方法 | |
CN112187894B (zh) | 一种基于负载相关性预测的容器动态调度方法 | |
CN115801896A (zh) | 算力网络节点分配方法、装置、电子设备及存储介质 | |
Sharifi et al. | Modeling real-time application processor scheduling for fog computing | |
Chen et al. | Cloud-edge collaborative data processing architecture for state assessment of transmission equipments | |
Du et al. | OctopusKing: A TCT-aware task scheduling on spark platform | |
CN106357676A (zh) | 一种云服务资源开销优化方法 |
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 |