CN110489224A - 一种任务调度的方法和装置 - Google Patents
一种任务调度的方法和装置 Download PDFInfo
- Publication number
- CN110489224A CN110489224A CN201810460659.3A CN201810460659A CN110489224A CN 110489224 A CN110489224 A CN 110489224A CN 201810460659 A CN201810460659 A CN 201810460659A CN 110489224 A CN110489224 A CN 110489224A
- Authority
- CN
- China
- Prior art keywords
- task
- performer
- value
- task performer
- amount
- 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 43
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims 2
- 238000012545 processing Methods 0.000 abstract description 37
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 230000006854 communication Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000219793 Trifolium Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000490229 Eucephalus Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种任务调度的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：确定任务执行器，发送工作量计算指令至每个任务执行器；接收每个任务执行器所反馈的结果值，确定每个任务执行器反馈结果值所需的时间，以计算每个任务执行器的工作效率；确定待处理的任务量，根据每个任务执行器的工作效率，进行任务分配。该实施方式通过工作量证明的方式，准确评估每个任务执行器的处理能力，并根据其处理能力以及待处理的任务量，实现任务智能分配，加快任务的处理速度。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种任务调度的方法和装置。
背景技术
现有的分布式任务调度***中，例如TBSchedule、Clover，均实现了平均分配任务的功能，并可以检测当前有效的执行器数量，以保证任务能够正确分配。例如，TBSchedule通过QUEUEID来区分执行器以及每个执行器所要处理的任务，能够保证每个执行器公平地获得同样多的任务。
在实现本发明的过程中，发明人发现现有技术至少存在如下问题：
1)目前分配任务的执行器，尽管是通过人为分配统一性能的机器，但由于网络抖动、任务数量等原因，各个机器的性能不可能完全一样；
2)现有技术并不能根据每个执行器当前的状态和处理能力，进行智能分配，导致对于拥有更高硬件配置或空闲时间的执行器，只能获取与其他执行器一样多的任务，而无法充分利用其处理能力，造成资源浪费。
发明内容
有鉴于此，本发明实施例提供一种任务调度的方法和装置，至少能够解决现有技术中没有考虑各个执行器的处理性能，导致“高性能机器空闲、低性能机器处理不完”的情况。
为实现上述目的，根据本发明实施例的一个方面，提供了一种任务调度的方法，包括：确定任务执行器，发送工作量计算指令至每个任务执行器；接收每个任务执行器所反馈的结果值，确定每个任务执行器反馈结果值所需的时间，以计算每个任务执行器的工作效率；其中，结果值与工作量计算指令相应；确定待处理的任务量，根据每个任务执行器的工作效率，进行任务量分配。
可选的，确定每个任务执行器反馈结果值所需的时间，以计算每个任务执行器的工作效率包括：确定每个任务执行器反馈结果值所需的时间，统计所有任务执行器反馈结果值的总时间，计算每个任务执行器的工作量证明值；其中，工作量证明值＝所有任务执行器的总时间/单个任务执行器的时间；根据每个任务执行器的工作量证明值，确定所有任务执行器的总工作量证明值，计算每个任务执行器的工作效率；其中，工作效率＝单个任务执行器的工作量证明值/所有任务执行器的总工作量证明值。
可选的，接收每个任务执行器所反馈的结果值，确定每个任务执行器反馈结果值所需的时间还包括：接收每个任务执行器所反馈的结果值，基于预定的验证规则对所反馈的结果值进行验证，剔除结果值不符合验证规则的任务执行器；以及确定每个任务执行器反馈结果值所需的时间，基于预定时间阈值对所确定的时间进行筛选，剔除时间超出预定时间阈值的任务执行器。
可选的，确定待处理的任务量，根据每个任务执行器的工作效率，进行任务量分配包括：接收新分配的任务量，获取每个任务执行器当前未处理的任务量，得到待处理的任务量；根据待处理的任务量、每个任务执行器的工作效率以及当前未处理的任务量，确定新分配的任务量中分配至每个任务执行器的任务量。
可选的，发送工作量计算指令至每个任务执行器包括：当达到预定更新周期时，发送工作量计算指令至每个任务执行器。
为实现上述目的，根据本发明实施例的另一方面，提供了一种任务调度的装置，包括：指令发送模块，用于确定任务执行器，发送工作量计算指令至每个任务执行器；效率计算模块，用于接收每个任务执行器所反馈的结果值，确定每个任务执行器反馈结果值所需的时间，以计算每个任务执行器的工作效率；其中，结果值与工作量计算指令相应；任务分配模块，用于确定待处理的任务量，根据每个任务执行器的工作效率，进行任务量分配。
可选的，效率计算模块，用于：确定每个任务执行器反馈结果值所需的时间，统计所有任务执行器反馈结果值的总时间，计算每个任务执行器的工作量证明值；其中，工作量证明值＝所有任务执行器的总时间/单个任务执行器的时间；根据每个任务执行器的工作量证明值，确定所有任务执行器的总工作量证明值，计算每个任务执行器的工作效率；其中，工作效率＝单个任务执行器的工作量证明值/所有任务执行器的总工作量证明值。
可选的，效率计算模块，用于：接收每个任务执行器所反馈的结果值，基于预定的验证规则对所反馈的结果值进行验证，剔除结果值不符合验证规则的任务执行器；以及确定每个任务执行器反馈结果值所需的时间，基于预定时间阈值对所接收的时间进行筛选，剔除时间超出预定时间阈值的任务执行器。
可选的，任务分配模块，用于：接收新分配的任务量，获取每个任务执行器当前未处理的任务量，得到待处理的任务量；根据待处理的任务量、每个任务执行器的工作效率以及当前未处理的任务量，确定新分配的任务量中分配至每个任务执行器的任务量。
可选的，指令发送模块，用于：当达到预定更新周期时，发送工作量计算指令至每个任务执行器。
为实现上述目的，根据本发明实施例的再一方面，提供了一种任务调度的电子设备。
本发明实施例的电子设备包括：一个或多个处理器；存储装置，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上述任一所述的任务调度的方法。
为实现上述目的，根据本发明实施例的再一方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一所述的任务调度的方法。
根据本发明所述提供的方案，上述发明中的一个实施例具有如下优点或有益效果：通过工作量证明的方式，准确评估每个任务执行器的处理能力，并根据其处理能力以及待处理的任务量，实现任务智能分配，以实现“能者多劳”，达到任务快速处理的目的。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的一种任务调度的方法的主要流程示意图；
图2是zookeeper下Master主节点和任务执行器的分布示意图；
图3根据本发明实施例的一种可选的任务调度的方法的流程示意图；
图4是根据本发明实施例的另一种可选的任务调度的方法的流程示意图；
图5是根据本发明实施例的一具体地任务调度的方法的流程示意图；
图6是根据本发明实施例的一种任务调度的装置的主要模块示意图；
图7是本发明实施例可以应用于其中的示例性***架构图；
图8是适于用来实现本发明实施例的移动设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要说明的是，本发明实施例可适用于任务分配场景中，例如，TBSchedule、Clover。
分布式***很容易出错，特别是在处理竞争和同步的过程中，现有解决手段，通常基于可靠协调***对分布式***进行协调，例如，Zookeeper，且Zookeeper所提供的功能至少包括：配置维护、名字服务、分布式同步、组服务等。
鉴于zookeeper更成熟普及，本发明主要基于zookeeper实行，且未对Zookeeper做任何改进，只是使用了Zookeeper的一些功能。但需要说明的是，也可以使用其功能相同的分布式组件。
以下对本发明所涉及的名词作解释：
工作量证明(Proof-of-Work，PoW)是一种对应服务与资源滥用、或是阻断服务攻击的经济对策。一般是要求用户进行一些耗时适当的复杂运算，并且答案能被服务方快速验算，以此耗用的时间、设备与能源作为担保成本，以确保服务与资源是被真正的需求所使用。
用时MS：任务执行器计算工作量证明所用的时间，以毫秒进行计数。
执行器：具体执行任务的应用角色，由硬件机器和软件***组成。在本发明中，执行器分为分配任务的Master主节点执行器以及处理任务的任务执行器。
Master主节点机器：进行任务查询和分配的应用角色，可与执行器代码合并也可拆分，由硬件机器和软件***组成。
节点(Master节点或Executor节点)：Zookeeper术语，对于分布式***可用于存储数据的单位。节点可命名为Master或Executor，节点下可存数据或新建子节点，整体为树形结构。
参见图1，示出的是本发明实施例提供的一种任务调度的方法的主要流程图，包括如下步骤：
S101：确定任务执行器，发送工作量计算指令至每个任务执行器。
S102：接收每个任务执行器所反馈的结果值，确定每个任务执行器反馈结果值所需的时间，以计算每个任务执行器的工作效率；其中，结果值与工作量计算指令相应。
S103：确定待处理的任务量，根据每个任务执行器的工作效率，进行任务量分配。
本发明主要由两个角色组成：主节点Master和执行器Executor，这两个角色通过在Zookeeper进行Master选举确定，以保证同一时刻***中只存在一个主节点。为使得***稳健运行，本发明以始终存在有效的Master主节点进行说明。
为避免后续名称混淆，之后对于Master主节点执行器，简称Master主节点；对于Executor节点下任务处理的执行器，简称任务执行器。
对于步骤S101，对于主节点的选举，可以是在***启动时候，也可以是各个子节点检测到主节点存在异常时，其注册请求可以是各个执行器的标识信息，例如，执行器的IP地址。具体地：
1)在***首次启动时，会选举主节点，此时Zookeeper会接收到各个执行器的主节点注册请求，确定选举首先注册成功的执行器为主节点Master，其余选举主节点失败的执行器再去Executor节点下注册为子节点，以便Master据此分配任务；
2)在***启动并且选举主节点之后，Zookeeper会基于预定检测周期，定期检测Master节点机器是否存活，若存活状态异常(例如，宕机、网络故障)，则向所有执行器发送通知(包括本次异常的Master节点机器)，以重新选举主节点Master。
对于主节点异常导致需要重新注册主节点的情况，重新确定的主节点继续承接上一主节点的工作，而其未完成的任务量，可以分配至其他任务执行器进行执行。
另外，Master主节点不需要处理任务，因此对于主节点的注册请求，其中无需包含工作量值，但至少包含有执行器的IP地址，便于后续Master主节点向执行器子节点分配任务时使用。
对于任务执行器机器的注册，注册内容为执行器的IP地址以及其初始工作量PoW。且由于Executor的子节点可注册多个，通信正常的情况下，注册失败的可能性较低，但若失败，则该执行器不会被分配任务。另外，若该执行器检测到未注册成功时，会定期重新发送注册请求，降低资源浪费。
具体参见图2所示，对于zookeeper协调***，TASK_TYPE_1为任务类型节点，该节点下有Master主节点和Executor节点。其中Master节点下可新增一个节点，内容为Master机器的IP地址；Executor节点下可注册多个节点，内容为Executor机器的IP地址及PoW值。
Master节点中保存IP地址信息，以区分哪个IP地址的执行器被选举为Master。其余子节点的任务执行器，会定期查询Master主节点内容，以便区分自身职责以及重新选举。其中，该重新选举可以是检测到Master主节点异常后由Master通知，也可以是由执行器子节点查询Master主节点消失后进行抢占。
确定Master主节点之后，由注册在Master主节点下的执行器，通过读取注册在Executor节点下的任务执行器的标识信息，获取任务执行器列表。Master主节点基于IP地址与执行器列表中各个任务执行器进行通信，通知进行工作量证明计算或任务处理。
进一步的，对于所生成的任务执行器列表，由于任务执行器的数量可能随时增加或减少。为保证后续任务处理有效，需要检测当前有效的任务执行器数量，以保证任务能够正确分配。
Master主节点发送给每个任务执行器的工作量计算指令，可以是以内容形式发送，例如“通过随机数计算增加变量后其Hash值前N位为0”，为一种工作量证明算法，其中，N可通过执行器子节点数量自行设置，且任何数据Hash值均不相同且完全随机，例如：
1)“0”通过MD5(Message Digest Algorithm MD5，消息摘要算法)计算后，Hash值为“CFCD208495D565EF66E7DFF9F98764DA”；
2)若要寻找前1位为0的Hash值，则从0开始累加到27后得到27的Hash值“02E74F10E0327AD868D138F2B4FDD6F0”；
3)若要寻找前2位为0的Hash值，则要累加到168得到其Hash值“006F52E9102A8D3BE2FE5614F42BA989”。
对于步骤S102，每个任务执行器，在接收到工作量计算指令后开始计算，并将计算结果值返回给Master主节点。这里的结果值，是符合工作量证明算法要求的结果值，例如Hash值为“3636638817772E42B59D74CFF571FBB3”。
但需要说明的是，任务执行器，针对Master主节点下发的不同工作量证明算法，所返回的结果值不同，但都是符合工作量证明算法要求的。如上述例子，若要求从0开始Hash值前两位的数，任务执行器则返回168等数值。
进一步的，为提高任务处理效率，在计算任务执行器的工作效率之前，Master主节点可以针对每个任务执行器所返回的结果值以及所消耗时间，动态进行检测，以对任务执行器进行筛选，具体地：
1)验证每个任务执行器所返回的结果值是否正确：例如，要求Hash值的前两位为0，返回值是168则验证通过；但若返回值是169，主节点计算169的Hash值为“3636638817772E42B59D74CFF571FBB3”不符合要求，则不通过验证；
2)验证每个任务执行器返回结果值所消耗的时间：例如，由于性能低下、网络故障、计算过程中宕机等原因，导致一定时间未计算出结果值，可以将这些未返回结果值的任务执行器剔除掉。
Master主节点根据每个任务执行器所返回的时间，计算每个任务执行器的工作效率rate，也可以称为是分配比例。例如，10个执行器共用时752ms——第一个执行器用时10ms，第二个用时23ms，……，最后一个用时10ms，通过确定时间倒数值与每个时间倒数值之和的比值，对于任务执行器1，其工作效率rate为：
rate1＝(1/10)/[(1/10)+(1/23)+……+(1/10)]。
对于步骤S103，Master主节点查询或接收到需要处理的任务时，会根据每个任务执行器的工作效率和正在未处理的任务量，智能进行分配：
1)对于***初始启动阶段，每个任务执行器的工作量证明均为0，此时可以直接根据其工作效率，确定相应分配的任务量；即工作效率*总任务量；
2)对于***已启动阶段，当接收到新的任务时，可能有部分任务执行器还有未完成的任务，此时需要结合处理中的任务数量进行任务分配，例如在各任务执行器执行任务10s后，开始第二次任务分配，仍是基于工作效率，即rate＝(处理中任务量+新分配任务量)/总任务量，故新分配任务量＝总任务量*rate-处理中任务量。
进一步的，部分计算结果值可能不是整数，可以采用向上取整或者向下取整的方式，确定任务分配量。对于剩余的任务量(总任务量-已分配任务量)的分配，可以有多种实施方式：
1)若采用向上取整的方式，可以将剩余的任务量分配至工作效率最低的任务执行器，以提高整体任务处理效率；
2)若采用向下取整的方式，可以将剩余的任务量分配至工作效率最高的任务执行器，同样可以提高整体任务处理效率；
3)无需基于各机器的性能进行排序，直接按照任务执行器列表进行顺序分配，将剩余的任务量分配至表中最后一个任务执行器，。
上述实施例所提供的方法，提供了一种基于机器的任务处理性能而智能分配任务的思路，以充分发挥高性能任务执行器的处理能力，实现“能者多劳”，进而提高整体任务处理速度。
参见图3，示出了根据本发明实施例的一种可选的任务调度的方法流程示意图，包括如下步骤：
S301：确定任务执行器，发送工作量计算指令至每个任务执行器。
S302：接收每个任务执行器所反馈的结果值，确定每个任务执行器反馈结果值所需的时间，统计所有任务执行器反馈结果值的总时间，计算每个任务执行器的工作量证明值；其中，工作量证明值＝所有任务执行器的总时间/单个任务执行器的时间。
S303：根据每个任务执行器的工作量证明值，确定所有任务执行器的总工作量证明值，计算每个任务执行器的工作效率；其中，工作效率＝单个任务执行器的工作量证明值/所有任务执行器的总工作量证明值。
S304：确定待处理的任务量，根据每个任务执行器的工作效率，进行任务量分配。
上述实施方式中，步骤S301、S304可分别参见图1所示步骤S101、S103的描述，在此不再赘述。
上述实施方式中，对于步骤S302，Master主节点根据每个任务执行器所返回的时间，计算每个任务执行器的PoW值，例如，10个执行器共用时752ms，用752ms除以每个执行器花费的时间得出每个任务执行器的PoW值，即：
其中，MSN表示任务执行器N的用时，M为有效任务执行器的数量，PoWN为计算所得任务执行器N的工作量证明值。
进一步的，对于每个任务执行器所返回的时间，可以维护(更新和保存)其PoW值，例如，任务执行器1第一次计算后其PoW值为75.20，则主节点需要保存这个值，并以此作为分配任务量的依据；在第二次获取工作量证明之后，其PoW值为5.94，那么主节点机器需要将75.20修改为5.94。
更进一步的，工作量证明值可以根据预定周期进行更新，例如，10分钟、5分钟，也可以是其他自行配置的时间。例如，第一次计算任务执行器1的PoW值为75.20，但10分钟之后，由于网络抖动或其他工作占用CPU导致其可用率下降，因此第二次计算所得其PoW值为5.94，那么下次分配的任务数量将减少。
对于步骤S303，基于所得工作量证明值，可以确定相应的工作效率，即：
其中，rateN为任务执行器N的工作效率，∑PoW为所有任务执行器PoW值的累加。
同样，机器使用过程中，可能存在机器损耗、使用异常等状况，导致其工作效率降低。由此，每次计算所得的工作效率也不尽相同。对于所计算得到的工作效率，也可以以维护的方式进行保存更新，便于后续查询，提高任务分配准确性。
对于每个任务执行器，所得的PoW值以及相应的工作效率，可以生成表格，存储于节点中，如下表1所示：
表1 PoW及rate值示例
需要说明的是，由于任务执行器的数量随时可能发生变化，且工作量计算指令不会随着其数量每次变化进行发送(避免服务器压力过大)，例如，10s前有效的任务执行器数量为10个，10s后数量变为20个，但是工作量计算指令是10min一次。
对于任务执行器数量变化，且工作量证明更新周期未达到的情况，可以直接依据各个任务执行器的工作量证明值，计算相应的工作效率，无需依赖用时，且便于后续管理，降低服务器服务压力。
上述实施例所提供的方法，依据工作量证明的方式，具体计算每个任务执行器的工作效率。对于任务执行器数量变化且未达到工作量证明更新周期的情况，可以直接依据每个任务执行器的工作量证明值，确定相应的工作效率。
参见图4，示出了根据本发明实施例的一种可选的任务调度的方法流程示意图，包括如下步骤：
S401：确定任务执行器，发送工作量计算指令至每个任务执行器。
S402：接收每个任务执行器所反馈的结果值，确定每个任务执行器反馈结果值所需的时间，以计算每个任务执行器的工作效率；其中，结果值与工作量计算指令相应。
S403：接收新分配的任务量，获取每个任务执行器当前未处理的任务量，得到待处理的任务量。
S404：根据待处理的任务量、每个任务执行器的工作效率以及当前未处理的任务量，确定新分配的任务量中分配至每个任务执行器的任务量。
上述实施方式中，步骤S401可参见图1所示步骤S101的描述，步骤S402可参见图1所示步骤S102的描述，也可以参见图3所示步骤S302以及S303的描述，在此不再赘述。
上述实施方式中，对于步骤S403以及S404，对于***初始启动时刻，各个任务执行器处理中的任务量均为0，故可以按照工作效率rate分配任务量即可。
对于***已运行、任务执行器已开始处理任务时刻，若接收到新分配的任务，每个任务执行器由于处理中的任务量不同导致需要分配不同的新任务量。分配策略仍基于工作效率进行，即试分配后的任务量比例等于rate值，故新分配任务量＝总任务量*rate-未处理的任务量，总任务量＝总的未处理任务量+新分配的任务量。
例如，参见表2所示，以任务执行器1为例，
1)对于第一次分配，其初始工作量为0，由此所分配的任务量为0.25*1000＝250条；
2)10s后，还剩余34条没有处理完毕，但是又来了一批新的任务，总数量仍为1000条，此时基于该任务执行器1的工作效率，确定所分配的任务量与未完成任务量之和占比所有任务执行器总的任务量仍一致，即(34+x)/(1000+236)＝0.25，计算得到309，即表示对于本次需要分配309-34＝275个任务。
表2任务分配量
上述实施例所提供的方法，提供了一种具体实施任务分配的方式，任务执行器当前是否有未处理的任务，均可以通过工作效率进行任务分配，以实现任务分配智能化处理。
参见图5，示出了根据本发明实施例的一具体地的任务调度的方法流程示意图，包括如下步骤：
S501：当***首次启动或检测到当前主节点执行器异常时，接收每个执行器传输的主节点注册请求，选举首先注册成功的执行器为主节点执行器，并确定剩余执行器为任务执行器；其中，注册请求至少包括执行器的标识信息。
S502：当达到预定更新周期时，发送工作量计算指令至每个任务执行器。
S503：接收每个任务执行器所反馈的结果值，基于预定的验证规则对所反馈的结果值进行验证，剔除结果值不符合验证规则的任务执行器。
S503’：确定每个任务执行器反馈结果值所需的时间，基于预定时间阈值对所确定的时间进行筛选，剔除时间超出预定时间阈值的任务执行器。
S504：确定每个任务执行器反馈结果值所需的时间，统计所有任务执行器反馈结果值的总时间，计算每个任务执行器的工作量证明值；其中，工作量证明值＝所有任务执行器的总时间/单个任务执行器的时间。
S505：根据每个任务执行器的工作量证明值，确定所有任务执行器的总工作量证明值，计算每个任务执行器的工作效率；其中，工作效率＝单个任务执行器的工作量证明值/所有任务执行器的总工作量证明值。
S506：接收新分配的任务量，获取每个任务执行器当前未处理的任务量，得到待处理的任务量。
S507：根据待处理的任务量、每个任务执行器的工作效率以及当前未处理的任务量，确定新分配的任务量中分配至每个任务执行器的任务量。
上述实施方式中，步骤S501～S503’可参见图1所示步骤S101的描述；步骤S504、S505可分别参见图3所示步骤S302、S303的描述，步骤S506、S507可分别参见图4所示步骤S403、S404的描述，在此不再赘述。
需要说明的是，本发明在配置执行器的时候，无需人工计算每个机器的处理能力。
对于处理同一类任务的机器，通常情况下，会尽量配置硬件配置基本一致的机器。但在实际工作过程中，由于业务需求的增加，往往会多次新增机器，例如，1年前可能3台机器就够用了，1年后可能需要增加到10台，而由于机器资源的缺失每次新增的机器与之前的硬件配置可能不会完全一致。
当前在实际工作中为了保证机器性能的一致、分配均衡的工作量，往往需要人工计算配置，并对硬件进行拆分重组，例如，把一个8核的CPU虚拟成4个2核CPU，以保证性能一致。本发明所示方法，基于机器的工作效率进行任务分配，无需在配置机器时人工费计算每个机器的处理能力，实现智能分配的效果。
本发明实施例所提供的方法，通过工作量证明的方式，准确评估每个任务执行器的处理能力，并根据其处理能力以及待处理的任务量，实现任务智能分配，达到实现任务的快速处理。另外，通过对工作量证明值、工作效率进行定期更新的方式，避免了任务执行器出现异常，分配任务量较多导致任务处理效率低的情况。
参见图6，示出了本发明实施例提供的一种任务调度的装置600的主要模块示意图，包括：
指令发送模块601，用于确定任务执行器，发送工作量计算指令至每个任务执行器；
效率计算模块602，用于接收每个任务执行器所反馈的结果值，确定每个任务执行器反馈结果值所需的时间，以计算每个任务执行器的工作效率；其中，结果值与工作量计算指令相应；
任务分配模块603，用于确定待处理的任务量，根据每个任务执行器的工作效率，进行任务量分配。
本发明实施装置中，效率计算模块602，用于：
确定每个任务执行器反馈结果值所需的时间，统计所有任务执行器反馈结果值的总时间，计算每个任务执行器的工作量证明值；其中，工作量证明值＝所有任务执行器的总时间/单个任务执行器的时间；
根据每个任务执行器的工作量证明值，确定所有任务执行器的总工作量证明值，计算每个任务执行器的工作效率；其中，工作效率＝单个任务执行器的工作量证明值/所有任务执行器的总工作量证明值。
本发明实施装置中，效率计算模块602，用于：
接收每个任务执行器所反馈的结果值，基于预定的验证规则对所反馈的结果值进行验证，剔除结果值不符合验证规则的任务执行器；以及
确定每个任务执行器反馈结果值所需的时间，基于预定时间阈值对所接收的时间进行筛选，剔除时间超出预定时间阈值的任务执行器。
本发明实施装置中，任务分配模块603，用于：
接收新分配的任务量，获取每个任务执行器当前未处理的任务量，得到待处理的任务量；
根据待处理的任务量、每个任务执行器的工作效率以及当前未处理的任务量，确定新分配的任务量中分配至每个任务执行器的任务量。
本发明实施装置中，指令发送模块601，用于：当达到预定更新周期时，发送工作量计算指令至每个任务执行器。
另外，在本发明实施例中所述的任务调度装置的具体实施内容，在上面所述任务调度方法中已经详细说明了，故在此重复内容不再说明。
本发明实施例所提供的装置，通过工作量证明的方式，准确评估每个任务执行器的处理能力，并根据其处理能力以及待处理的任务量，实现任务智能分配，达到实现任务的快速处理。另外，通过对工作量证明值、工作效率进行定期更新的方式，避免了任务执行器出现异常，分配任务量较多导致任务处理效率低的情况。
参见图7示出了可以应用本发明实施例的任务调度方法或任务调度装置的示例性***架构700。
如图7所示，***架构700可以包括终端设备701、702、703，网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备701、702、703通过网络704与服务器705交互，以接收或发送消息等。终端设备701、702、703上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备701、702、703可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器705可以是提供各种服务的服务器，例如对用户利用终端设备701、702、703所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的任务调度方法一般由服务器705执行，相应地，任务调度装置一般设置于服务器705中。
应该理解，图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
参见图8，其示出了适于用来实现本发明实施例的终端设备的计算机***800的结构示意图。图8示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，计算机***800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有***800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本发明的***中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括指令发送模块、效率计算模块、任务分配模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，效率计算模块还可以被描述为“任务执行器的工作效率计算模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：
确定任务执行器，发送工作量计算指令至每个任务执行器；
接收每个任务执行器所反馈的结果值，确定每个任务执行器反馈结果值所需的时间，以计算每个任务执行器的工作效率；其中，所述结果值与所述工作量计算指令相应；
确定待处理的任务量，根据每个任务执行器的工作效率，进行任务量分配。
根据本发明实施例的技术方案，通过工作量证明的方式，准确评估每个任务执行器的处理能力，并根据其处理能力以及待处理的任务量，实现任务智能分配，达到任务快速处理的效果。另外，通过对工作量证明值进行定期更新的方式，避免了任务执行器出现异常，分配任务量较多导致任务处理效率低的情况。
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，取决于设计要求和其他因素，可以发生各种各样的修改、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 (12)
1.一种任务调度的方法，其特征在于，包括：
确定任务执行器，发送工作量计算指令至每个任务执行器；
接收每个任务执行器所反馈的结果值，确定每个任务执行器反馈结果值所需的时间，以计算每个任务执行器的工作效率；其中，所述结果值与所述工作量计算指令相应；
确定待处理的任务量，根据每个任务执行器的工作效率，进行任务量分配。
2.根据权利要求1所述的方法，其特征在于，所述确定每个任务执行器反馈结果值所需的时间，以计算每个任务执行器的工作效率包括：
确定每个任务执行器反馈结果值所需的时间，统计所有任务执行器反馈结果值的总时间，计算每个任务执行器的工作量证明值；其中，工作量证明值＝所有任务执行器的总时间/单个任务执行器的时间；
根据每个任务执行器的工作量证明值，确定所有任务执行器的总工作量证明值，计算每个任务执行器的工作效率；其中，工作效率＝单个任务执行器的工作量证明值/所有任务执行器的总工作量证明值。
3.根据权利要求1所述的方法，其特征在于，所述接收每个任务执行器所反馈的结果值，确定每个任务执行器反馈结果值所需的时间还包括：
接收每个任务执行器所反馈的结果值，基于预定的验证规则对所反馈的结果值进行验证，剔除结果值不符合所述验证规则的任务执行器；以及
确定每个任务执行器反馈结果值所需的时间，基于预定时间阈值对所确定的时间进行筛选，剔除时间超出所述预定时间阈值的任务执行器。
4.根据权利要求1所述的方法，其特征在于，所述确定待处理的任务量，根据每个任务执行器的工作效率，进行任务量分配包括：
接收新分配的任务量，获取每个任务执行器当前未处理的任务量，得到所述待处理的任务量；
根据所述待处理的任务量、每个任务执行器的工作效率以及当前未处理的任务量，确定所述新分配的任务量中分配至每个任务执行器的任务量。
5.根据权利要求1所述的方法，其特征在于，所述发送工作量计算指令至每个任务执行器包括：
当达到预定更新周期时，发送所述工作量计算指令至每个任务执行器。
6.一种任务调度的装置，其特征在于，包括：
指令发送模块，用于确定任务执行器，发送工作量计算指令至每个任务执行器；
效率计算模块，用于接收每个任务执行器所反馈的结果值，确定每个任务执行器反馈结果值所需的时间，以计算每个任务执行器的工作效率；其中，所述结果值与所述工作量计算指令相应；
任务分配模块，用于确定待处理的任务量，根据每个任务执行器的工作效率，进行任务量分配。
7.根据权利要求6所述的装置，其特征在于，所述效率计算模块，用于：
确定每个任务执行器反馈结果值所需的时间，统计所有任务执行器反馈结果值的总时间，计算每个任务执行器的工作量证明值；其中，工作量证明值＝所有任务执行器的总时间/单个任务执行器的时间；
根据每个任务执行器的工作量证明值，确定所有任务执行器的总工作量证明值，计算每个任务执行器的工作效率；其中，工作效率＝单个任务执行器的工作量证明值/所有任务执行器的总工作量证明值。
8.根据权利要求6所述的装置，其特征在于，所述效率计算模块，用于：
接收每个任务执行器所反馈的结果值，基于预定的验证规则对所反馈的结果值进行验证，剔除结果值不符合所述验证规则的任务执行器；以及
确定每个任务执行器反馈结果值所需的时间，基于预定时间阈值对所接收的时间进行筛选，剔除时间超出所述预定时间阈值的任务执行器。
9.根据权利要求6所述的装置，其特征在于，所述任务分配模块，用于：
接收新分配的任务量，获取每个任务执行器当前未处理的任务量，得到所述待处理的任务量；
根据所述待处理的任务量、每个任务执行器的工作效率以及当前未处理的任务量，确定所述新分配的任务量中分配至每个任务执行器的任务量。
10.根据权利要求6所述的装置，其特征在于，所述指令发送模块，用于：
当达到预定更新周期时，发送所述工作量计算指令至每个任务执行器。
11.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，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1-5中任一所述的方法。
12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810460659.3A CN110489224A (zh) | 2018-05-15 | 2018-05-15 | 一种任务调度的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810460659.3A CN110489224A (zh) | 2018-05-15 | 2018-05-15 | 一种任务调度的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110489224A true CN110489224A (zh) | 2019-11-22 |
Family
ID=68545071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810460659.3A Pending CN110489224A (zh) | 2018-05-15 | 2018-05-15 | 一种任务调度的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110489224A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112379986A (zh) * | 2020-11-16 | 2021-02-19 | 北京字跳网络技术有限公司 | 任务处理方法、装置和电子设备 |
| CN112486658A (zh) * | 2020-12-17 | 2021-03-12 | 华控清交信息科技(北京)有限公司 | 一种任务调度方法、装置和用于任务调度的装置 |
| CN112948111A (zh) * | 2021-02-26 | 2021-06-11 | 北京奇艺世纪科技有限公司 | 一种任务分配方法、装置、设备及计算机可读介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0862113A2 (en) * | 1997-02-27 | 1998-09-02 | Zuno Limited | Autonomous agent architecture |
| CN101916209A (zh) * | 2010-08-06 | 2010-12-15 | 华东交通大学 | 一种多核处理器集群任务资源分配方法 |
| CN101957780A (zh) * | 2010-08-17 | 2011-01-26 | 中国电子科技集团公司第二十八研究所 | 一种基于资源状态信息的网格任务调度处理器及方法 |
| CN102111337A (zh) * | 2011-03-14 | 2011-06-29 | 浪潮(北京)电子信息产业有限公司 | 任务调度方法和*** |
| CN104239148A (zh) * | 2013-06-06 | 2014-12-24 | 腾讯科技（深圳）有限公司 | 一种分布式任务调度方法及装置 |
| CN105049268A (zh) * | 2015-08-28 | 2015-11-11 | 东方网力科技股份有限公司 | 分布式计算资源分配***和任务处理方法 |
| CN105373428A (zh) * | 2015-12-09 | 2016-03-02 | 北京奇虎科技有限公司 | 一种任务调度方法和*** |
| CN105487930A (zh) * | 2015-12-01 | 2016-04-13 | 中国电子科技集团公司第二十八研究所 | 一种基于Hadoop的任务优化调度方法 |
| CN106126332A (zh) * | 2016-06-27 | 2016-11-16 | 北京京东尚科信息技术有限公司 | 分布式定时任务调度***及方法 |
| CN106325984A (zh) * | 2015-06-30 | 2017-01-11 | 上海证大喜马拉雅网络科技有限公司 | 一种大数据任务调度装置 |
| CN106528280A (zh) * | 2015-09-15 | 2017-03-22 | 阿里巴巴集团控股有限公司 | 一种任务分配方法和*** |
| KR101794696B1 (ko) * | 2016-08-12 | 2017-11-07 | 서울시립대학교 산학협력단 | 이기종 프로세싱 타입을 고려한 태스크 스케쥴링 방법 및 분산 처리 시스템 |
-
2018
- 2018-05-15 CN CN201810460659.3A patent/CN110489224A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0862113A2 (en) * | 1997-02-27 | 1998-09-02 | Zuno Limited | Autonomous agent architecture |
| CN101916209A (zh) * | 2010-08-06 | 2010-12-15 | 华东交通大学 | 一种多核处理器集群任务资源分配方法 |
| CN101957780A (zh) * | 2010-08-17 | 2011-01-26 | 中国电子科技集团公司第二十八研究所 | 一种基于资源状态信息的网格任务调度处理器及方法 |
| CN102111337A (zh) * | 2011-03-14 | 2011-06-29 | 浪潮(北京)电子信息产业有限公司 | 任务调度方法和*** |
| CN104239148A (zh) * | 2013-06-06 | 2014-12-24 | 腾讯科技（深圳）有限公司 | 一种分布式任务调度方法及装置 |
| CN106325984A (zh) * | 2015-06-30 | 2017-01-11 | 上海证大喜马拉雅网络科技有限公司 | 一种大数据任务调度装置 |
| CN105049268A (zh) * | 2015-08-28 | 2015-11-11 | 东方网力科技股份有限公司 | 分布式计算资源分配***和任务处理方法 |
| CN106528280A (zh) * | 2015-09-15 | 2017-03-22 | 阿里巴巴集团控股有限公司 | 一种任务分配方法和*** |
| CN105487930A (zh) * | 2015-12-01 | 2016-04-13 | 中国电子科技集团公司第二十八研究所 | 一种基于Hadoop的任务优化调度方法 |
| CN105373428A (zh) * | 2015-12-09 | 2016-03-02 | 北京奇虎科技有限公司 | 一种任务调度方法和*** |
| CN106126332A (zh) * | 2016-06-27 | 2016-11-16 | 北京京东尚科信息技术有限公司 | 分布式定时任务调度***及方法 |
| KR101794696B1 (ko) * | 2016-08-12 | 2017-11-07 | 서울시립대학교 산학협력단 | 이기종 프로세싱 타입을 고려한 태스크 스케쥴링 방법 및 분산 처리 시스템 |
Non-Patent Citations (2)
| Title |
|---|
| 徐爱萍;吴笛;徐武平;陈军;: "实时多任务异构云计算平台负载均衡算法", 中国科学技术大学学报, no. 03, 15 March 2016 (2016-03-15) * |
| 杨杭;张昕;赵建平;: "基于动态反馈的负载均衡方法研究", 长春理工大学学报(自然科学版), no. 06, 15 December 2017 (2017-12-15) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112379986A (zh) * | 2020-11-16 | 2021-02-19 | 北京字跳网络技术有限公司 | 任务处理方法、装置和电子设备 |
| CN112379986B (zh) * | 2020-11-16 | 2023-12-12 | 北京字跳网络技术有限公司 | 任务处理方法、装置和电子设备 |
| CN112486658A (zh) * | 2020-12-17 | 2021-03-12 | 华控清交信息科技(北京)有限公司 | 一种任务调度方法、装置和用于任务调度的装置 |
| CN112948111A (zh) * | 2021-02-26 | 2021-06-11 | 北京奇艺世纪科技有限公司 | 一种任务分配方法、装置、设备及计算机可读介质 |
| CN112948111B (zh) * | 2021-02-26 | 2023-07-14 | 北京奇艺世纪科技有限公司 | 一种任务分配方法、装置、设备及计算机可读介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Joint computation partitioning and resource allocation for latency sensitive applications in mobile edge clouds | |
| Lu et al. | Join-idle-queue: A novel load balancing algorithm for dynamically scalable web services | |
| Li et al. | Efficient online coflow routing and scheduling | |
| US9201690B2 (en) | Resource aware scheduling in a distributed computing environment | |
| US9417903B2 (en) | Storage management for a cluster of integrated computing systems comprising integrated resource infrastructure using storage resource agents and synchronized inter-system storage priority map | |
| JP5664098B2 (ja) | 複合イベント分散装置、複合イベント分散方法および複合イベント分散プログラム | |
| Tang et al. | Dynamic request redirection and elastic service scaling in cloud-centric media networks | |
| CN103927229A (zh) | 在动态可用服务器集群中调度映射化简作业 | |
| CN108874640A (zh) | 一种集群性能的评估方法和装置 | |
| CN106330987A (zh) | 动态负荷均衡方法 | |
| CN110162388A (zh) | 一种任务调度方法、***及终端设备 | |
| CN110019339A (zh) | 一种数据查询方法和*** | |
| CN110166507A (zh) | 多资源调度方法和装置 | |
| CN102724103A (zh) | 代理服务器、分层次网络***及分布式工作负载管理方法 | |
| Zhang et al. | Heterogeneity aware dominant resource assistant heuristics for virtual machine consolidation | |
| CN110377416A (zh) | 分布式分区任务调度方法和装置 | |
| CN109614227A (zh) | 任务资源调配方法、装置、电子设备及计算机可读介质 | |
| CN109413125A (zh) | 动态调节分布式***资源的方法和装置 | |
| CN109879126A (zh) | 一种电梯预约的方法和*** | |
| CN113495779A (zh) | 一种任务调度方法和装置、任务执行*** | |
| CN109543890A (zh) | 基于负载预测均衡的电网费控优化调度方法、装置及*** | |
| CN110489224A (zh) | 一种任务调度的方法和装置 | |
| CN110413419A (zh) | 一种规则执行的方法和装置 | |
| Li | Optimal load distribution for multiple heterogeneous blade servers in a cloud computing environment | |
| Billingsley et al. | Parallel algorithms for the multiobjective virtual network function placement problem |
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 |