CN112579280B - 云资源的调度方法、装置及计算机存储介质 - Google Patents

云资源的调度方法、装置及计算机存储介质 Download PDF

Info

Publication number
CN112579280B
CN112579280B CN202011605368.2A CN202011605368A CN112579280B CN 112579280 B CN112579280 B CN 112579280B CN 202011605368 A CN202011605368 A CN 202011605368A CN 112579280 B CN112579280 B CN 112579280B
Authority
CN
China
Prior art keywords
scheduling
scheduling scheme
candidate
scheme
tasks
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011605368.2A
Other languages
English (en)
Other versions
CN112579280A (zh
Inventor
陈晓纪
海滨
王磊
李龙飞
陆发燕
张淑芳
胡张飞
阴山慧
叶德英
张亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chery Automobile Co Ltd
Original Assignee
Chery Automobile Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chery Automobile Co Ltd filed Critical Chery Automobile Co Ltd
Priority to CN202011605368.2A priority Critical patent/CN112579280B/zh
Publication of CN112579280A publication Critical patent/CN112579280A/zh
Application granted granted Critical
Publication of CN112579280B publication Critical patent/CN112579280B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/48Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806Task transfer initiation or dispatching
    • G06F9/4843Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061Partitioning or combining of resources
    • G06F9/5072Grid computing

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请实施例公开了一种云资源的调度方法、装置及计算机存储介质,属于云计算技术领域。所述方法包括:当接收到资源调度请求时,根据所述资源调度请求中的多个任务和所述多个任务中的每个任务对应的数量大小,进行调度方案初始化处理,得到参考调度方案集合,所述参考调度方案集合中包括所述每个任务对应的多个调度方案;对所述参考调度方案集合进行优化选择处理,得到目标调度方案集合,所述目标调度方案集合中包括所述每个任务对应的调度方案;按照所述目标调度方案集合中的调度方案对所述多个任务进行云资源的调度。本申请实施例能够对参考调度方案进行优化选择处理,从而缩短了任务完成时间,提高了云资源调度效率和云服务质量。

Description

云资源的调度方法、装置及计算机存储介质
技术领域
本申请实施例涉及云计算技术领域,特别涉及一种云资源的调度方法、装置及计算机存储介质。
背景技术
随着云计算技术的逐步发展,云计算技术在各个方面的运用也越来越广泛,由于云资源的不确定性和任务调度的复杂性,可能会影响用户的服务质量和部分云资源的浪费,因此,为了改善云资源的浪费和提升用户的服务质量,通常需要对云资源进行有效调度。
目前,通常能够通过启发式算法对云资源进行调度。但是,由于启发式算法存在收敛速度较慢、容易陷入局部最优等问题,导致获取的调度资源并不能快速完成终端所请求的任务,降低了云服务质量。
发明内容
本申请实施例提供了一种云资源的调度方法、装置及计算机存储介质,可以用于解决相关技术中资源调度效率低,任务处理速度慢,导致云服务质量低的问题。所述技术方案如下:
一方面,提供了一种云资源的调度方法,所述方法包括:
当接收到资源调度请求时,根据所述资源调度请求中的多个任务和所述多个任务中的每个任务对应的数量大小,进行调度方案初始化处理,得到参考调度方案集合,所述参考调度方案集合中包括所述每个任务对应的多个调度方案;
对所述参考调度方案集合进行优化选择处理,得到目标调度方案集合,所述目标调度方案集合中包括所述每个任务对应的调度方案;
按照所述目标调度方案集合中的调度方案对所述多个任务进行云资源的调度。
在一些实施例中,所述当接收到资源调度请求时,根据所述资源调度请求中的多个任务和所述多个任务中的每个任务对应的数量大小,进行调度方案初始化处理,得到参考调度方案集合,包括:
当接收到所述资源调度请求时,获取所述多个任务的任务数量、当前运行的虚拟机数量和参考调度方案;
根据所述多个任务的任务数量和所述虚拟机数量,将所述参考调度方案通过基因编码进行标识;
根据所述参考调度方案对应的基因编码,构建所述参考调度方案集合。
在一些实施例中,所述对所述参考调度方案集合进行优化选择处理,得到目标调度方案集合,包括:
确定所述参考调度方案集合中的第一调度集合和第二调度集合,所述第一调度集合中的调度方案处理任务的效率大于第二调度集合中的调度方案处理任务的效率;
通过差分演化算法从调度方案资源集合中确定候选调度方案集合,所述调度方案资源集合为能够处理所述多个任务的所有调度方案的集合;
从所述候选调度方案集合中选择最优调度方案;
通过所述最优调度方案更新所述参考调度方案;
确定更新所述参考调度方案的更新次数;
当所述更新次数小于或等于次数阈值时,返回确定所述参考调度方案集中的第一调度集合和第二调度集合的操作,直至所述更新次数大于所述次数阈值;
当所述更新次数大于所述次数阈值时,从所述参考调度方案中获取目标调度方案集合。
在一些实施例中,所述从所述候选调度方案集合中选择最优调度方案,包括:
通过分类器确定所述候选调度方案集合中每个候选调度方案的标签,所述标签用于区分所述每个调度方案的优劣;
确定标签为第一标识的候选调度方案的平均执行时间,所述第一标识用于标识对应的调度方案为优秀调度方案;
将平均执行时间满足时间条件的候选调度方案确定为所述最优调度方案。
在一些实施例中,所述确定标签为第一标识的候选调度方案的平均执行时间之前,还包括:
通过余弦相似性度量方法,确定标签为所述第一标识的候选调度方案与对应相邻候选调度方案之间的余弦相似度,所述对应相邻候选调度方案为位于所述参考调度方案集合中,且基因编码与所述标签为所述第一标识的候选调度方案的基因编码相邻的调度方案;
将参考执行时间设置为所述时间条件,所述参考执行时间为与标签为所述第一标识的候选调度方案相邻,且与标签为所述第一标识的候选调度方案之间的余弦相似度最大的候选调度方案的平均执行时间。
另一方面,提供了一种云资源的调度装置,所述装置包括:
初始化模块,用于当接收到资源调度请求时,根据所述资源调度请求中的多个任务和所述多个任务中的每个任务对应的数量大小,进行调度方案初始化处理,得到参考调度方案集合,所述参考调度方案集合中包括所述每个任务对应的多个调度方案;
优化模块,用于对所述参考调度方案集合进行优化选择处理,得到目标调度方案集合,所述目标调度方案集合中包括所述每个任务对应的调度方案;
调度模块,按照所述目标调度方案集合中的调度方案对所述多个任务进行云资源的调度。
在一些实施例中,所述初始化模块包括:
第一获取子模块,用于当接收到所述资源调度请求时,获取所述多个任务的任务数量、当前运行的虚拟机数量和参考调度方案;
标识子模块,用于根据所述多个任务的任务数量和所述虚拟机数量,将所述参考调度方案通过基因编码进行标识;
构建子模块,用于根据所述参考调度方案对应的基因编码,构建所述参考调度方案集合。
在一些实施例中,所述优化模块包括:
第一确定子模块,用于确定所述参考调度方案集合中的第一调度集合和第二调度集合,所述第一调度集合中的调度方案处理任务的效率大于第二调度集合中的调度方案处理任务的效率;
第二确定子模块,用于通过差分演化算法从调度方案资源集合中确定候选调度方案集合,所述调度方案资源集合为能够处理所述多个任务的所有调度方案的集合;
选择子模块,用于从所述候选调度方案集合中选择最优调度方案;
更新子模块,用于通过所述最优调度方案更新所述参考调度方案;
第三确定子模块,用于确定更新所述参考调度方案的更新次数;
触发子模块,用于当所述更新次数小于或等于次数阈值时,触发所述第一确定子模块确定所述参考调度方案集中的第一调度集合和第二调度集合,直至所述更新次数大于所述次数阈值;
第二获取子模块,用于当所述更新次数大于所述次数阈值时,从所述参考调度方案中获取目标调度方案集合。
在一些实施例中,所述选择子模块用于:
通过分类器确定所述候选调度方案集合中每个候选调度方案的标签,所述标签用于区分所述每个调度方案的优劣;
确定标签为第一标识的候选调度方案的平均执行时间,所述第一标识用于标识对应的调度方案为优秀调度方案;
将平均执行时间满足时间条件的候选调度方案确定为所述最优调度方案。
在一些实施例中,所述选择子模块用于:
通过余弦相似性度量方法,确定标签为所述第一标识的候选调度方案与对应相邻候选调度方案之间的余弦相似度,所述对应相邻候选调度方案为位于所述参考调度方案集合中,且基因编码与所述标签为所述第一标识的候选调度方案的基因编码相邻的调度方案;
将参考执行时间设置为所述时间条件,所述参考执行时间为与标签为所述第一标识的候选调度方案相邻,且与标签为所述第一标识的候选调度方案之间的余弦相似度最大的候选调度方案的平均执行时间。
另一方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述一方面所述的云资源的调度方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
在本申请实施例中,能够在获取到参考调度方案后,对参考调度方案进行优化选择处理,得到目标调度方案集合。由于目标调度方案集合为对参考调度方案进行预选择处理后得到的,从而优化了调度策略,缩短了任务完成时间,提高了云资源调度效率和云服务质量。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种云资源的调度方法流程图;
图2是本申请实施例提供的另一种云资源的调度方法流程图;
图3是本申请实施例提供的一种云资源的调度装置的结构示意图;
图4是本申请实施例提供的一种初始化模块的结构示意图;
图5是本申请实施例提供的一种优化模块的结构示意图;
图6是本申请实施例提供的一种调度设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例提供的云资源的调度方法进行详细的解释说明之前,先对本申请实施例提供的应用场景进行介绍。
随着信息技术的高速发展和互联网规模的日渐增大,互联网所要处理的业务量和数据量也在迅速增长。为了有效地处理这些海量的数据和服务,优化用户使用互联网服务的体验,云计算技术应运而生。其中,云计算技术的关键为云资源的调度。目前,能够通过启发式算法对云资源进行调度,但是,启发式算法存在收敛速度较慢、容易陷入局部最优等问题,导致获取的调度资源并不能快速完成终端所请求的任务,也即是,完成任务时间较长,降低了云服务质量。
基于这样的应用场景,本申请实施例提供了一种能够提高资源调度效率、缩短任务完成时间的云资源的调度方法。
图1是本申请实施例提供的一种云资源的调度方法流程图,该云资源的调度方法可以包括如下几个步骤:
步骤101:当接收到资源调度请求时,根据该资源调度请求中的多个任务和该多个任务中的每个任务对应的数量大小,进行调度方案初始化处理,得到参考调度方案集合,该参考调度方案集合中包括该每个任务对应的多个调度方案。
步骤102:对该参考调度方案集合进行优化选择处理,得到目标调度方案集合,该目标调度方案集合中包括该每个任务对应的调度方案。
步骤103:按照该目标调度方案集合中的调度方案对该多个任务进行云资源的调度。
在本申请实施例中,能够在获取到参考调度方案后,对参考调度方案进行优化选择处理,得到目标调度方案集合。由于目标调度方案集合为对参考调度方案进行预选择处理后得到的,从而优化了调度策略,缩短了任务完成时间,提高了云资源调度效率和云服务质量。
在一些实施例中,当接收到资源调度请求时,根据该资源调度请求中的多个任务和该多个任务中的每个任务对应的数量大小,进行调度方案初始化处理,得到参考调度方案集合,包括:
当接收到该资源调度请求时,获取该多个任务的任务数量、当前运行的虚拟机数量和参考调度方案;
根据该多个任务的任务数量和该虚拟机数量,将该参考调度方案通过基因编码进行标识;
根据该参考调度方案对应的基因编码,构建该参考调度方案集合。
在一些实施例中,对该参考调度方案集合进行优化选择处理,得到目标调度方案集合,包括:
确定该参考调度方案集合中的第一调度集合和第二调度集合,该第一调度集合中的调度方案处理任务的效率大于第二调度集合中的调度方案处理任务的效率;
通过差分演化算法从调度方案资源集合中确定候选调度方案集合,该调度方案资源集合为能够处理该多个任务的所有调度方案的集合;
从该候选调度方案集合中选择最优调度方案;
通过该最优调度方案更新该参考调度方案;
确定更新该参考调度方案的更新次数;
当该更新次数小于或等于次数阈值时,返回确定该参考调度方案集中的第一调度集合和第二调度集合的操作,直至该更新次数大于该次数阈值;
当该更新次数大于该次数阈值时,从该参考调度方案中获取目标调度方案集合。
在一些实施例中,从该候选调度方案集合中选择最优调度方案,包括:
通过分类器确定该候选调度方案集合中每个候选调度方案的标签,该标签用于区分该每个调度方案的优劣;
确定标签为第一标识的候选调度方案的平均执行时间,该第一标识用于标识对应的调度方案为优秀调度方案;
将平均执行时间满足时间条件的候选调度方案确定为该最优调度方案。
在一些实施例中,确定标签为第一标识的候选调度方案的平均执行时间之前,还包括:
通过余弦相似性度量方法,确定标签为该第一标识的候选调度方案与对应相邻候选调度方案之间的余弦相似度,该对应相邻候选调度方案为位于该参考调度方案集合中,且基因编码与该标签为该第一标识的候选调度方案的基因编码相邻的调度方案;
将参考执行时间设置为该时间条件,该参考执行时间为与标签为该第一标识的候选调度方案相邻,且与标签为该第一标识的候选调度方案之间的余弦相似度最大的候选调度方案的平均执行时间。
上述所有可选技术方案,均可按照任意结合形成本申请的可选实施例,本申请实施例对此不再一一赘述。
图2是本申请实施例提供的一种云资源的调度方法流程图,本实施例以该云资源的调度方法应用于调度设备中进行举例说明,该云资源的调度方法可以包括如下几个步骤:
步骤201:调度设备接收资源调度请求。
需要说明的是,资源调度请求中能够携带多个任务和每个任务对应的数量大小。
步骤202:调度设备根据资源调度请求中的多个任务和多个任务中的每个任务对应的数量大小,进行调度方案初始化处理,得到参考调度方案集合,该参考调度方案集合中包括每个任务对应的多个调度方案。
作为一种示例,调度设备根据资源调度请求中的多个任务和该多个任务中的每个任务对应的数量大小,进行调度方案初始化处理,得到参考调度方案集合的操作至少包括如下操作:当接收到资源调度请求时,获取多个任务的任务数量、当前运行的虚拟机数量和参考调度方案;根据多个任务的任务数量和虚拟机数量,将参考调度方案通过基因编码进行标识;根据参考调度方案对应的基因编码,构建参考调度方案集合。
由于调度设备中云资源丰富,对于任一任务会存在不同的调度方案,因此,调度设备在接收到资源调度请求时,能够事先获取任一参考调度方案,但是获取的参考调度方案并不一定是效率较高且能够缩短任务完成时间的调度方案,因此,为了提高资源调度效率,缩短任务完成时间,调度设备能够根据多个任务的任务数量和虚拟机数量,将参考调度方案通过基因编码进行标识,并根据参考调度方案对应的基因编码,构建参考调度方案集合。
由于参考调度方案集合通过参考调度方案对应的基因编码构建得到,因此,参考调度方案集合中的每个调度方案的基因编码方式与参考调度方案对应的基因编码方式相同。
作为一种示例,调度设备能够按照如图3所示的编码方式进行编码,在图3中,ti标识任务编号,i∈[1,m],rj标识资源编号,j属于[1,n],且按照图3所示的编码方式,得到对应的解码为r3:{t1},r1:{t2},r2:{t3},…,rn:{tm}。
步骤203:调度设备对参考调度方案集合进行优化选择处理,得到目标调度方案集合,该目标调度方案集合中包括每个任务对应的调度方案。
由于参考调度方案集合中的调度方案众多,因此,调度设备需要从参考调度方案集合中选择目标调度方案集合,该目标调度方案集合中的调度方案为资源处理效率较高的调度方案。
作为一种示例,调度方案对参考调度方案集合进行优化选择处理,得到目标调度方案集合的操作至少包括如下步骤:确定参考调度方案集合中的第一调度集合和第二调度集合,该第一调度集合中的调度方案处理任务的效率大于第二调度集合中的调度方案处理任务的效率;通过差分演化算法从调度方案资源集合中确定候选调度方案集合,该调度方案资源集合为能够处理多个任务的所有调度方案的集合;从候选调度方案集合中选择最优调度方案;通过最优调度方案更新参考调度方案;确定更新参考调度方案的更新次数;当更新次数小于或等于次数阈值时,返回确定参考调度方案集中的第一调度集合和第二调度集合的操作,直至更新次数大于次数阈值;当更新次数大于次数阈值时,从参考调度方案中获取目标调度方案集合。
在一些实施例中,参考调度方案集合中有的调度方案处理多个任务的效率高,有的调度方案处理多个任务的效率低,因此,为了便于更新参考调度方案集合,调度设备能够确定参考调度方案集合中的第一调度方案集合和第二调度方案集合,且第一调度方案集合中的调度方案的数量与第二调度方案集合的调度方案的数量相同。
在一些实施例中,为了区分第一调度方案集合中的调度方案和第二调度方案集合中的调度方案,第一调度方案集合中的调度方案的标签为第一标识,第二调度方案集合中的调度方案的标签为第二标识,该标签用于区分该每个调度方案的优劣。
需要说明的是,该次数阈值能够根据需求事先进行设置,比如,该次数阈值能够为10次、30次、50次等等。该第一标识能够为1,第二标识能够为-1等等。
作为一种示例,调度设备从候选调度方案集合中选择最优调度方案的操作至少包括如下操作:通过分类器确定候选调度方案集合中每个候选调度方案的标签,该标签用于区分每个调度方案的优劣;确定标签为第一标识的候选调度方案的平均执行时间,该第一标识用于标识对应的调度方案为优秀调度方案;将平均执行时间满足时间条件的候选调度方案确定为最优调度方案。
需要说明的是,该分类器能够为k邻近分类器。
在一些实施例中,调度设备能够设置<x,y>为一组训练数据,x是候选调度方案集合中的候选调度方案,y是候选调度方案集合中的候选调度方案对应的标签集合,且y∈L,L={+1,-1}。候选调度方案与标签之间的对应关系能够表示为y=Class(x)。
在一些实施例中,标签y的训练过程能够通过下述第一公式表示。
Figure BDA0002873120420000091
需要说明的是,在上述第一公式(1)中,k近邻分类器的训练数据包括当前整个参考调度方案集合。N(x)表示训练数据中与x最近邻的K个最近邻域个体,K能够根据需求事先进行设置,比如,K设置为3。
在一些实施例中,sign(x)的执行过程能够为:从N(x)中选择调度方案,将选择的调度方案的标签值相加。结果为1,表示为优秀调度方案,否则为不良调度方案。
在一些实施例中,由于通过分类器进行分类后,候选调度集合中可能会包括多个优秀调度方案,因此,需要进一步从多个优秀调度方案中确定最优调度方案集合。
由于每个具体任务完成时间是从任务提交开始,到任务计算完成反馈给用户为止。通常,任务完成时间定义为所有任务中完成时间最长的任务所用时间,然而,用时最长的任务,所完成的时间不能从整体上反应云资源调度策略的优点,因此,调度设备需要确定任务的平均执行时间。
作为一种示例,终端能够通过下述第二公式确定平均执行时间。
Figure BDA0002873120420000101
需要说明的是,在上述第二公式(2)中,RTi,j为当前任务i在虚拟资源j上的理论运行时间,TCi,j=1表示当前任务i在虚拟资源j上运行,TCi,j=0表示当前任务i没有在虚拟资源j上运行。
在一些实施例中,由于调度设备在通过分类器确定候选调度方案集合中每个候选调度方案的标签后,为了进一步确认每个候选调度方案的优劣,调度设备确定标签为第一标识的候选调度方案的平均执行时间之前,还能够通过余弦相似性度量方法,确定标签为第一标识的候选调度方案与对应相邻候选调度方案之间的余弦相似度,该对应相邻候选调度方案为位于该参考调度方案集合中,且基因编码与标签为第一标识的候选调度方案的基因编码相邻的调度方案;将参考执行时间设置为时间条件,该参考执行时间为与标签为第一标识的候选调度方案相邻,且与标签为第一标识的候选调度方案之间的余弦相似度最大的候选调度方案的平均执行时间。
作为一种示例,调度设备能够通过下述第三公式确定标签为第一标识的候选调度方案与对应相邻候选调度方案之间的余弦相似度。
Figure BDA0002873120420000102
需要说明的是,在上述第三公式(3)中,x1和x2表示向量空间中具有相同维度的两个调度方案,且sim(x1,x2)越接近1,x1和x2就越相似。
在一些实施例中,该时间条件还能够事先根据需求进行设置,比如,设置该时间条件为一时间阈值,该时间阈值能够为5秒、3秒等等。相应地,此时平均执行时间满足时间条件是指平均执行时间小于或等于时间阈值。
在一些实施例中,调度设备通过最优调度方案更新参考调度方案的操作至少包括如下操作:用最优调度方案替换参考调度方案中第二调度集合中的任一参考调度方案,并重新确定更新后的参考调度方案中的第一调度集合和第二调度集合。
在一些实施例中,由于第一调度集合中的调度方案处理任务的效率大于第二调度集合中的调度方案处理任务的效率,因此,调度设备能够从参考调度方案的第一调度集合中获取目标调度方案集合。
步骤204:调度设备按照目标调度方案集合中的调度方案对多个任务进行云资源的调度。
作为一种示例,调度设备能够从目标调度方案集合中选择任一调度方案对多个任务进行云资源的调度。
由于目标调度方案集合能够从第一调度集合中获取,从而保证了获取的调度方案为处理任务效率较高的调度方案,缩短了任务处理时间。
在本申请实施例中,调度设备能够通过差分演化算法从调度方案资源集合中确定候选调度方案集合,并通过分类器和余弦相似性算法获得最优调度方案,从而减少了确定执行时间的次数,提高了确定最优调度方案的效率。另外,由于目标调度方案集合为对参考调度方案进行预选择处理后得到的,从而优化了调度策略,缩短了任务完成时间,提高了云资源调度效率和云服务质量。
图3是本申请实施例提供的一种云资源的调度装置的结构示意图,该云资源的调度装置可以由软件、硬件或者两者的结合实现。该云资源的调度装置可以包括:初始化模块301、优化模块302和调度模块303。
初始化模块301,用于当接收到资源调度请求时,根据所述资源调度请求中的多个任务和所述多个任务中的每个任务对应的数量大小,进行调度方案初始化处理,得到参考调度方案集合,所述参考调度方案集合中包括所述每个任务对应的多个调度方案;
优化模块302,用于对所述参考调度方案集合进行优化选择处理,得到目标调度方案集合,所述目标调度方案集合中包括所述每个任务对应的调度方案;
调度模块303,按照所述目标调度方案集合中的调度方案对所述多个任务进行云资源的调度。
在一些实施例中,参见图4,所述初始化模块301包括:
第一获取子模块3011,用于当接收到所述资源调度请求时,获取所述多个任务的任务数量、当前运行的虚拟机数量和参考调度方案;
标识子模块3012,用于根据所述多个任务的任务数量和所述虚拟机数量,将所述参考调度方案通过基因编码进行标识;
构建子模块3013,用于根据所述参考调度方案对应的基因编码,构建所述参考调度方案集合。
在一些实施例中,参见图5,所述优化模块302包括:
第一确定子模块3021,用于确定所述参考调度方案集合中的第一调度集合和第二调度集合,所述第一调度集合中的调度方案处理任务的效率大于第二调度集合中的调度方案处理任务的效率;
第二确定子模块3022,用于通过差分演化算法从调度方案资源集合中确定候选调度方案集合,所述调度方案资源集合为能够处理所述多个任务的所有调度方案的集合;
选择子模块3023,用于从所述候选调度方案集合中选择最优调度方案;
更新子模块3024,用于通过所述最优调度方案更新所述参考调度方案;
第三确定子模块3025,用于确定更新所述参考调度方案的更新次数;
触发子模块3026,用于当所述更新次数小于或等于次数阈值时,触发所述第一确定子模块3021确定所述参考调度方案集中的第一调度集合和第二调度集合,直至所述更新次数大于所述次数阈值;
第二获取子模块3027,用于当所述更新次数大于所述次数阈值时,从所述参考调度方案中获取目标调度方案集合。
在一些实施例中,所述选择子模块3023用于:
通过分类器确定所述候选调度方案集合中每个候选调度方案的标签,所述标签用于区分所述每个调度方案的优劣;
确定标签为第一标识的候选调度方案的平均执行时间,所述第一标识用于标识对应的调度方案为优秀调度方案;
将平均执行时间满足时间条件的候选调度方案确定为所述最优调度方案。
在一些实施例中,所述选择子模块用于:
通过余弦相似性度量方法,确定标签为所述第一标识的候选调度方案与对应相邻候选调度方案之间的余弦相似度,所述对应相邻候选调度方案为位于所述参考调度方案集合中,且基因编码与所述标签为所述第一标识的候选调度方案的基因编码相邻的调度方案;
将参考执行时间设置为所述时间条件,所述参考执行时间为与标签为所述第一标识的候选调度方案相邻,且与标签为所述第一标识的候选调度方案之间的余弦相似度最大的候选调度方案的平均执行时间。
在本申请实施例中,调度设备能够通过差分演化算法从调度方案资源集合中确定候选调度方案集合,并通过分类器和余弦相似性算法获得最优调度方案,从而减少了确定执行时间的次数,提高了确定最优调度方案的效率。另外,由于目标调度方案集合为对参考调度方案进行预选择处理后得到的,从而优化了调度策略,缩短了任务完成时间,提高了云资源调度效率和云服务质量。
需要说明的是:上述实施例提供的云资源的调度装置在调度云资源时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的云资源的调度装置与云资源的调度方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图6是根据一示例性实施例示出的一种调度设备的结构示意图。该调度设备能够为服务器,且该服务器可以是后台服务器集群中的服务器。具体来讲:
服务器600包括中央处理单元(CPU)601、包括随机存取存储器(RAM)602和只读存储器(ROM)603的***存储器604,以及连接***存储器604和中央处理单元601的***总线605。服务器600还包括帮助计算机内的各个器件之间传输信息的基本输入/输出***(I/O***)606,和用于存储操作***613、应用程序614和其他程序模块615的大容量存储设备607。
基本输入/输出***606包括有用于显示信息的显示器608和用于用户输入信息的诸如鼠标、键盘之类的输入设备609。其中显示器608和输入设备609都通过连接到***总线605的输入输出控制器610连接到中央处理单元601。基本输入/输出***606还可以包括输入输出控制器610以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器610还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备607通过连接到***总线605的大容量存储控制器(未示出)连接到中央处理单元601。大容量存储设备607及其相关联的计算机可读介质为服务器700提供非易失性存储。也就是说,大容量存储设备607可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的***存储器604和大容量存储设备607可以统称为存储器。
根据本申请的各种实施例,服务器700还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器700可以通过连接在***总线605上的网络接口单元611连接到网络612,或者说,也可以使用网络接口单元611来连接到其他类型的网络或远程计算机***(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。所述一个或者一个以上程序包含用于进行上述实施例提供的一种云资源的调度方法。
本申请实施例还提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由服务器的处理器执行时,使得服务器能够执行上述实施例提供的云资源的调度方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在服务器上运行时,使得服务器执行上述实施例提供的云资源的调度方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请实施例的较佳实施例,并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (7)

1.一种云资源的调度方法,其特征在于,所述方法包括:
当接收到资源调度请求时,根据所述资源调度请求中的多个任务和所述多个任务中的每个任务对应的数量大小,进行调度方案初始化处理,得到参考调度方案集合,所述参考调度方案集合中包括所述每个任务对应的多个调度方案;
对所述参考调度方案集合进行优化选择处理,得到目标调度方案集合,所述目标调度方案集合中包括所述每个任务对应的调度方案;
按照所述目标调度方案集合中的调度方案对所述多个任务进行云资源的调度;
所述对所述参考调度方案集合进行优化选择处理,得到目标调度方案集合,包括:
确定所述参考调度方案集合中的第一调度集合和第二调度集合,所述第一调度集合中的调度方案处理任务的效率大于第二调度集合中的调度方案处理任务的效率;
通过差分演化算法从调度方案资源集合中确定候选调度方案集合,所述调度方案资源集合为能够处理所述多个任务的所有调度方案的集合;从所述候选调度方案集合中选择最优调度方案;通过所述最优调度方案更新所述参考调度方案;确定更新所述参考调度方案的更新次数;
当所述更新次数小于或等于次数阈值时,返回确定所述参考调度方案集中的第一调度集合和第二调度集合的操作,直至所述更新次数大于所述次数阈值;当所述更新次数大于所述次数阈值时,从所述参考调度方案中获取目标调度方案集合;
所述从所述候选调度方案集合中选择最优调度方案,包括:
通过分类器确定所述候选调度方案集合中每个候选调度方案的标签,所述标签用于区分所述每个候选调度方案的优劣;确定标签为第一标识的候选调度方案的平均执行时间,所述第一标识用于标识对应的调度方案为优秀调度方案;将平均执行时间满足时间条件的候选调度方案确定为所述最优调度方案。
2.如权利要求1所述的方法,其特征在于,所述当接收到资源调度请求时,根据所述资源调度请求中的多个任务和所述多个任务中的每个任务对应的数量大小,进行调度方案初始化处理,得到参考调度方案集合,包括:
当接收到所述资源调度请求时,获取所述多个任务的任务数量、当前运行的虚拟机数量和参考调度方案;
根据所述多个任务的任务数量和所述虚拟机数量,将所述参考调度方案通过基因编码进行标识;
根据所述参考调度方案对应的基因编码,构建所述参考调度方案集合。
3.如权利要求1所述的方法,其特征在于,所述确定标签为第一标识的候选调度方案的平均执行时间之前,还包括:
通过余弦相似性度量方法,确定标签为所述第一标识的候选调度方案与对应相邻候选调度方案之间的余弦相似度,所述对应相邻候选调度方案为位于所述参考调度方案集合中,且基因编码与所述标签为所述第一标识的候选调度方案的基因编码相邻的调度方案;
将参考执行时间设置为所述时间条件,所述参考执行时间为与标签为所述第一标识的候选调度方案相邻,且与标签为所述第一标识的候选调度方案之间的余弦相似度最大的候选调度方案的平均执行时间。
4.一种云资源的调度装置,其特征在于,所述装置包括:
初始化模块,用于当接收到资源调度请求时,根据所述资源调度请求中的多个任务和所述多个任务中的每个任务对应的数量大小,进行调度方案初始化处理,得到参考调度方案集合,所述参考调度方案集合中包括所述每个任务对应的多个调度方案;
优化模块,用于对所述参考调度方案集合进行优化选择处理,得到目标调度方案集合,所述目标调度方案集合中包括所述每个任务对应的调度方案;
调度模块,按照所述目标调度方案集合中的调度方案对所述多个任务进行云资源的调度;
所述优化模块包括:
第一确定子模块,用于确定所述参考调度方案集合中的第一调度集合和第二调度集合,所述第一调度集合中的调度方案处理任务的效率大于第二调度集合中的调度方案处理任务的效率;
第二确定子模块,用于通过差分演化算法从调度方案资源集合中确定候选调度方案集合,所述调度方案资源集合为能够处理所述多个任务的所有调度方案的集合;
选择子模块,用于从所述候选调度方案集合中选择最优调度方案;
更新子模块,用于通过所述最优调度方案更新所述参考调度方案;
第三确定子模块,用于确定更新所述参考调度方案的更新次数;
触发子模块,用于当所述更新次数小于或等于次数阈值时,触发所述第一确定子模块确定所述参考调度方案集中的第一调度集合和第二调度集合,直至所述更新次数大于所述次数阈值;
第二获取子模块,用于当所述更新次数大于所述次数阈值时,从所述参考调度方案中获取目标调度方案集合;
所述选择子模块用于:
通过分类器确定所述候选调度方案集合中每个候选调度方案的标签,所述标签用于区分所述每个候选调度方案的优劣;确定标签为第一标识的候选调度方案的平均执行时间,所述第一标识用于标识对应的调度方案为优秀调度方案;将平均执行时间满足时间条件的候选调度方案确定为所述最优调度方案。
5.如权利要求4所述的装置,其特征在于,所述初始化模块包括:
第一获取子模块,用于当接收到所述资源调度请求时,获取所述多个任务的任务数量、当前运行的虚拟机数量和参考调度方案;
标识子模块,用于根据所述多个任务的任务数量和所述虚拟机数量,将所述参考调度方案通过基因编码进行标识;
构建子模块,用于根据所述参考调度方案对应的基因编码,构建所述参考调度方案集合。
6.如权利要求4所述的装置,其特征在于,所述选择子模块还用于:
通过余弦相似性度量方法,确定标签为所述第一标识的候选调度方案与对应相邻候选调度方案之间的余弦相似度,所述对应相邻候选调度方案为位于所述参考调度方案集合中,且基因编码与所述标签为所述第一标识的候选调度方案的基因编码相邻的调度方案;
将参考执行时间设置为所述时间条件,所述参考执行时间为与标签为所述第一标识的候选调度方案相邻,且与标签为所述第一标识的候选调度方案之间的余弦相似度最大的候选调度方案的平均执行时间。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现上述权利要求1至权利要求3中的任一项权利要求所述的方法的步骤。
CN202011605368.2A 2020-12-30 2020-12-30 云资源的调度方法、装置及计算机存储介质 Active CN112579280B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011605368.2A CN112579280B (zh) 2020-12-30 2020-12-30 云资源的调度方法、装置及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011605368.2A CN112579280B (zh) 2020-12-30 2020-12-30 云资源的调度方法、装置及计算机存储介质

Publications (2)

Publication Number Publication Date
CN112579280A CN112579280A (zh) 2021-03-30
CN112579280B true CN112579280B (zh) 2022-11-29

Family

ID=75144237

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011605368.2A Active CN112579280B (zh) 2020-12-30 2020-12-30 云资源的调度方法、装置及计算机存储介质

Country Status (1)

Country Link
CN (1) CN112579280B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114416351B (zh) * 2021-12-29 2022-10-21 北京百度网讯科技有限公司 资源分配方法、装置、设备、介质及计算机程序产品

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103345384A (zh) * 2013-07-18 2013-10-09 北京航空航天大学 一种基于分解的变邻域多目标测试任务调度方法及平台
CN105740949A (zh) * 2016-03-03 2016-07-06 浙江工业大学 一种基于随机性best策略的群体全局优化方法
CN109522104A (zh) * 2018-10-15 2019-03-26 华南理工大学 利用差分进化算法优化Iaas两目标任务调度的方法
CN109936141A (zh) * 2019-03-28 2019-06-25 广州番禺职业技术学院 一种电力***经济调度方法及***
CN110147274A (zh) * 2019-05-21 2019-08-20 武汉轻工大学 多目标云任务均衡调度方法、服务器及存储介质
CN110162393A (zh) * 2019-05-30 2019-08-23 奇瑞汽车股份有限公司 任务调度方法、装置及存储介质
CN110321217A (zh) * 2019-03-25 2019-10-11 深圳大学 一种多目标的云资源调度方法、装置、设备及存储介质
CN110489229A (zh) * 2019-07-17 2019-11-22 长沙学院 一种多目标任务调度方法及***
CN111343259A (zh) * 2020-02-17 2020-06-26 武汉轻工大学 基于二进制编码的云任务调度方法、服务器及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8621414B2 (en) * 2010-04-21 2013-12-31 National Cheng Kung University Method and algorithm analyzer for determining a design framework
WO2011110026A1 (zh) * 2010-10-29 2011-09-15 华为技术有限公司 一种实现数据中心资源负载均衡的方法及装置
AU2016203619A1 (en) * 2016-05-31 2017-12-14 Canon Kabushiki Kaisha Layer-based operations scheduling to optimise memory for CNN applications

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103345384A (zh) * 2013-07-18 2013-10-09 北京航空航天大学 一种基于分解的变邻域多目标测试任务调度方法及平台
CN105740949A (zh) * 2016-03-03 2016-07-06 浙江工业大学 一种基于随机性best策略的群体全局优化方法
CN109522104A (zh) * 2018-10-15 2019-03-26 华南理工大学 利用差分进化算法优化Iaas两目标任务调度的方法
CN110321217A (zh) * 2019-03-25 2019-10-11 深圳大学 一种多目标的云资源调度方法、装置、设备及存储介质
CN109936141A (zh) * 2019-03-28 2019-06-25 广州番禺职业技术学院 一种电力***经济调度方法及***
CN110147274A (zh) * 2019-05-21 2019-08-20 武汉轻工大学 多目标云任务均衡调度方法、服务器及存储介质
CN110162393A (zh) * 2019-05-30 2019-08-23 奇瑞汽车股份有限公司 任务调度方法、装置及存储介质
CN110489229A (zh) * 2019-07-17 2019-11-22 长沙学院 一种多目标任务调度方法及***
CN111343259A (zh) * 2020-02-17 2020-06-26 武汉轻工大学 基于二进制编码的云任务调度方法、服务器及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A New Two-objective Single Machine Scheduling Problem Considers a Past-sequence-dependent Setup Time and Learning Effect;Shih-Hsin Chen ET AL;《 2018 1st IEEE International Conference on Knowledge Innovation and Invention (ICKII)》;20181209;全文 *
一种基于优先级的独立任务调度算法;吴进等;《微计算机信息》;20090824(第24期);全文 *
云计算下的资源负载均衡性调度仿真;孟令玺等;《计算机仿真》;20180415(第04期);全文 *

Also Published As

Publication number Publication date
CN112579280A (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
US11762697B2 (en) Method and apparatus for scheduling resource for deep learning framework
CN109857555B (zh) 内存回收方法及装置、存储介质和电子设备
CN102480512B (zh) 用于扩展服务器端处理能力的方法和装置
US8307366B2 (en) Post-processing phase in a distributed processing system using assignment information
CN112416585A (zh) 面向深度学习的gpu资源管理与智能化调度方法
CN109597810B (zh) 一种任务切分方法、装置、介质及电子设备
US20230037783A1 (en) Resource scheduling method and related apparatus
CN113902120A (zh) 异构云解算平台混合计算任务动态自适应划分调度方法及***
CN112148468A (zh) 一种资源调度方法、装置、电子设备及存储介质
CN107977275B (zh) 基于消息队列的任务处理方法及相关设备
CN112579280B (zh) 云资源的调度方法、装置及计算机存储介质
CN112667405A (zh) 信息处理方法、装置、设备及存储介质
CN113010288B (zh) 云资源的调度方法、装置及计算机存储介质
CN111813517A (zh) 任务队列的分配方法、装置、计算机设备及介质
CN116089477B (zh) 分布式训练方法及***
CN116820714A (zh) 一种算力设备的调度方法、装置、设备和存储介质
US10757190B2 (en) Method, device and computer program product for scheduling multi-cloud system
CN116109102A (zh) 基于遗传算法的资源调配方法及***
CN113537392B (zh) 相似图像的识别方法、装置、计算设备及计算机存储介质
CN111475424A (zh) 用于管理存储***的方法、设备和计算机程序产品
CN114282968A (zh) 一种流水号的获取方法、装置、服务器和存储介质
CN112540844A (zh) 集群内容器调度方法、装置、存储介质和电子设备
CN114860390B (zh) 容器数据管理方法、装置、程序产品、介质及电子设备
CN117829562B (zh) 一种基于标识解析的排产计划生成方法及相关设备
CN117707797B (zh) 基于分布式云平台的任务调度方法、装置及相关设备

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