CN114138471B - 一种软件业务绑定cpu核心的方法及相关装置 - Google Patents
一种软件业务绑定cpu核心的方法及相关装置 Download PDFInfo
- Publication number
- CN114138471B CN114138471B CN202111369146.XA CN202111369146A CN114138471B CN 114138471 B CN114138471 B CN 114138471B CN 202111369146 A CN202111369146 A CN 202111369146A CN 114138471 B CN114138471 B CN 114138471B
- Authority
- CN
- China
- Prior art keywords
- cpu core
- utilization rate
- thread
- binding
- cpu
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种软件业务绑定CPU核心的方法,包括:将每个CPU核心分别与预设数量的线程绑定;统计各所述CPU核心的利用率;当有新任务产生时,查询各所述CPU核心的利用率;选择利用率最小的所述CPU核心所绑定的所述线程作为目标线程,并将所述新任务添加到所述目标线程的目标任务队列中。应用该方法可实现根据CPU核心的利用率灵活绑定业务与CPU核心,能够有效提高CPU利用率,提高IO业务整体处理效率,优化存储读写IO。本申请还公开了一种软件业务绑定CPU核心的装置、设备及计算机可读存储介质,均具有上述技术效果。
Description
技术领域
本申请涉及存储技术领域,特别涉及一种软件业务绑定CPU核心的方法;还涉及一种软件业务绑定CPU核心的装置、设备以及计算机可读存储介质。
背景技术
存储服务器主要用于存储端的硬盘及其上存储的数据管理,并对服务器端提供数据访问服务。在对服务器端提供数据访问的过程中,短时间内处理数量巨大的IO(Inputand Output,数据输入输出),存储服务器中的CPU(Central Processing Unit,中央处理器)需要承担的解包、读盘、写盘操作。在存储领域,一个数据IO在后端的处理中通常会经历存储卷、存储池、RAID(Redundant Arrays of Independent Disks,磁盘冗余阵列)、存储盘等多个操作阶段。加快各操作阶段的处理速度,提高CPU的利用率成为提高存储控制器性能的重要途径。
针对上述问题,现有的解决方案主要是将一个或几个线程绑定到一个CPU核心,每个线程处理专门的业务。例如,如图1所示,线程1绑定到CPU核心1上,线程1专门处理来自FC(Fibre Channel,光纤卡)端口的IO数据。
然而无论是一个CPU核心绑定一个线程,还是一个CPU核心绑定多个线程,一旦线程与CPU核心绑定后,该CPU核心处理的业务也随即固定。有些业务需要占用较多的CPU处理时间,有些业务只需要较少的CPU处理时间,采用上述解决方案将会造成CPU利用率不平衡。
有鉴于此,如何解决上述技术缺陷已成为本领域技术人员亟待解决的技术问题。
发明内容
本申请的目的是提供一种软件业务绑定CPU核心的方法,能够灵活的将软件业务与CPU核心绑定,提高CPU利用率,达到优化存储读写IO的目的。本申请的另一个目的是提供一种软件业务绑定CPU核心的装置、设备以及计算机可读存储介质,均具有上述技术效果。
为解决上述技术问题,本申请提供了一种软件业务绑定CPU核心的方法,包括:
将每个CPU核心分别与预设数量的线程绑定;
统计各所述CPU核心的利用率;
当有新任务产生时,查询各所述CPU核心的利用率;
选择利用率最小的所述CPU核心所绑定的所述线程作为目标线程,并将所述新任务添加到所述目标线程的目标任务队列中。
可选的,所述将每个CPU核心分别与预设数量的线程绑定包括:
将每个所述CPU核心分别与一个所述线程绑定。
可选的,所述统计各所述CPU核心的利用率包括:
根据预设周期定期获取所述CPU核心的利用率;
将所获取的所述CPU核心的利用率更新到利用率数组中。
可选的,所述将所获取的所述CPU核心的利用率更新到利用率数组中包括:
将所获取的所述CPU核心的利用率更新到包含各个CPU核心的利用率的全局CPU核心利用率数组中。
可选的,还包括:
所述目标线程处理完成所述新任务后,将所述新任务从所述目标线程的所述目标任务队列中删除。
为解决上述技术问题,本申请还提供了一种软件业务绑定CPU核心的装置,包括:
绑定模块,用于将每个CPU核心分别与预设数量的线程绑定;
统计模块,用于统计各所述CPU核心的利用率;
查询模块,用于当有新任务产生时,查询各所述CPU核心的利用率;
添加模块,用于选择利用率最小的所述CPU核心所绑定的所述线程作为目标线程,并将所述新任务添加到所述目标线程的目标任务队列中。
可选的,所述绑定模块具体用于:
将每个所述CPU核心分别与一个所述线程绑定。
可选的,所述统计模块包括:
获取单元,用于根据预设周期定期获取所述CPU核心的利用率;
更新单元,用于将所获取的所述CPU核心的利用率更新到利用率数组中。
为解决上述技术问题,本申请还提供了一种软件业务绑定CPU核心的设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一项所述的软件业务绑定CPU核心的方法的步骤。
为解决上述技术问题,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述的软件业务绑定CPU核心的方法的步骤。
本申请所提供的软件业务绑定CPU核心的方法,包括:将每个CPU核心分别与预设数量的线程绑定;统计各所述CPU核心的利用率;当有新任务产生时,查询各所述CPU核心的利用率;选择利用率最小的所述CPU核心所绑定的所述线程作为目标线程,并将所述新任务添加到所述目标线程的目标任务队列中。
可见,较之线程与CPU核心绑定后,CPU核心处理的业务对象固定的传统技术方案,本申请所提供的软件业务绑定CPU核心的方法,在将CPU核心与线程绑定的基础上,将IO读写的各个阶段视为一次任务,每种任务类别在每个线程内都有相应的任务执行队列,每个线程可以处理各种任务,即每个CPU核心可以处理各种任务,每个CPU核心处理的业务对象不再固定。同时,当有新任务产生时,本申请选择CPU核心的利用率最小的CPU核心所绑定的线程来处理新任务,由此实现了根据CPU核心的利用率灵活绑定业务与CPU核心,可以有效提高CPU利用率,提高IO业务整体处理效率,优化存储读写IO。
本申请所提供的软件业务绑定CPU核心的装置、设备以及计算机可读存储介质均具有上述技术效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对现有技术和实施例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为现有的一种绑定方案的示意图;
图2为本申请实施例所提供的一种软件业务绑定CPU核心的方法的流程示意图;
图3为本申请实施例所提供的一种线程的任务队列的示意图;
图4为本申请实施例所提供的一种数组的示意图;
图5为本申请实施例所提供的一种软件业务绑定CPU核心的装置的示意图;
图6为本申请实施例所提供的一种软件业务绑定CPU核心的设备的示意图。
具体实施方式
本申请的核心是提供一种软件业务绑定CPU核心的方法,能够灵活的将软件业务与CPU核心绑定,提高CPU利用率,达到优化存储读写IO的目的。本申请的另一个核心是提供一种软件业务绑定CPU核心的装置、设备以及计算机可读存储介质,均具有上述技术效果。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参考图2,图2为本申请实施例所提供的一种软件业务绑定CPU核心的方法的流程示意图,参考图2所示,该方法主要包括:
S101:将每个CPU核心分别与预设数量的线程绑定;
具体的,本步骤旨在在初始化阶段将CPU核心与线程进行绑定,每个CPU核心各自绑定预设数量的线程,且每个CPU核心绑定的线程相互之间不重复。
其中,每个CPU核心可以各自绑定一个线程,或者每个CPU核心也可以各自绑定两个或两个以上的线程。
为了消除单个CPU核心上进行线程切换引起的巨额开销,作为一种优选的实施方式,所述将每个CPU核心分别与预设数量的线程绑定包括:将每个所述CPU核心分别与一个所述线程绑定。
具体而言,本实施例中每个CPU核心各自绑定一个线程,对于每个CPU核心来说,需要该CPU核心处理的所有任务都由其所绑定的该唯一的线程处理,不需要进行线程切换,由此可以消除单个CPU核心上进行线程切换引起的巨额开销。
例如,参考图3所示,CPU核心1至CPU核心4各自绑定一个线程。对于CPU核心1来说,需要CPU核心1处理的所有任务均由其所绑定的线程1处理。
S102:统计各所述CPU核心的利用率;
具体的,线程运行后,开启CPU核心的繁忙程度监控机制,统计各CPU核心的利用率。具体可由每个线程监控自身绑定的CPU核心的繁忙程度,统计自身绑定的CPU核心的利用率。
其中,在一种具体的实施方式中,所述统计各所述CPU核心的利用率包括:
根据预设周期定期获取所述CPU核心的利用率;
将所获取的所述CPU核心的利用率更新到利用率数组中。
具体而言,线程运行后,每个线程根据预先设定的周期,定期获取一次其所绑定的CPU核心的利用率,并将所获取的CPU核心的利用率更新到预先设定的利用率数组中,供业务模块后续查询。
对于预设周期的具体数值,本申请不做限定,可以进行差异性设置。例如,预设周期设置为5s,从而线程每隔5s获取一次其所绑定的CPU核心的利用率,并将所获取的CPU核心的利用率更新到利用率数组中。
进一步,作为一种优选的实施方式,所述将所获取的所述CPU核心的利用率更新到利用率数组中的方式可以为:
将所获取的所述CPU核心的利用率更新到包含各个CPU核心的利用率的全局CPU核心利用率数组中。
具体而言,本实施例预先设定一个全局CPU核心利用率数组,该全局CPU核心利用率数组包含各个CPU核心的利用率。每个线程获取到其所绑定的CPU核心的利用率后,将所获取的CPU利用率更新到全局CPU核心利用率数组中的相应位置。后续业务模块从全局CPU核心利用率数组便可查询到各个CPU核心的利用率。
例如,参考图4所示,全局CPU核心利用率数组包含了CPU核心1至CPU核心4这四个CPU核心的利用率。CPU核心1所绑定的线程1获取CPU核心1的利用率后,将所获取的CPU核心1的利用率更新到全局CPU核心利用率数组中的相应位置。同理,CPU核心2至CPU核心4各自所绑定的线程获取CPU核心1至CPU核心4的利用率后,将所获取的CPU核心1至CPU核心4的利用率更新到全局CPU核心利用率数组中的相应位置。后续业务模块从全局CPU核心利用率数组中便可查询到CPU核心1的利用率为50%,CPU核心1的利用率为70%,CPU核心1的利用率为60%,CPU核心1的利用率为90%。
S103:当有新任务产生时,查询各所述CPU核心的利用率;
S104:选择利用率最小的所述CPU核心所绑定的所述线程作为目标线程,并将所述新任务添加到所述目标线程的目标任务队列中。
具体而言,本申请将每个IO读写的各个处理阶段视为一次任务,每种任务在每个线程内具有相应的任务执行队列。例如,参考图3所示,每个线程包括FC_queue即FC任务对应的队列、RAID_queue即RAID任务对应的队列、卷_queue即卷任务对应的队列。可以明白的是,图3未全部标示出IO读写的各个处理阶段,仅以上述三个阶段作为示意。
当有新任务产生时,新任务可以选择任意线程进行处理,而为了平衡CPU利用率,提高执行效率,本申请在选择线程时,首先查询各CPU核心的利用率,选择利用率最小的所述CPU核心所绑定的所述线程作为目标线程,并将所述新任务添加到所述目标线程的目标任务队列中,等待目标线程执行该新任务。
例如,新任务为RAID任务,各CPU核心的利用率如图4所示,由于其中CPU核心1的利用率为50%,为所有CPU核心中的最小,因此此时与CPU核心1绑定的线程1为目标线程,线程1的RAID_queue-1为目标任务队列。所以将RAID任务添加到RAID_queue-1,等待线程1来执行。
实际应用过程中,可能存在两个或多个CPU核心的利用率相等且为最小的情况,如果新任务产生时,利用率最小的CPU核心为两个或多个,此时可随机选择其中一个利用最小的CPU核心所绑定的线程为目标线程。
或者为了使新任务能够快速被执行,新任务产生时,如果有两个或多个CPU核心的利用率相等且为最小,此时可以进一步查询各CPU核心绑定的线程中任务队列需要处理的任务的数量,并选择其中任务数量最少的线程作为目标线程。
另外,还可能发生目标线程的目标任务队列异常,无法添加新任务的情况。如果目标线程的目标任务队列异常,导致无法将新任务添加到该目标任务队列,此时重新选择目标线程。具体可再次查询各CPU核心的利用率,选择CPU核心的利用率为次小的CPU核心绑定的线程为目标线程。
进一步,在上述实施例的基础上,作为一种具体的实施方式,还包括:
所述目标线程处理完成所述新任务后,将所述新任务从所述目标线程的所述目标任务队列中删除。
综上所述,本申请所提供的软件业务绑定CPU核心的方法,包括:将每个CPU核心分别与预设数量的线程绑定;统计各所述CPU核心的利用率;当有新任务产生时,查询各所述CPU核心的利用率;选择利用率最小的所述CPU核心所绑定的所述线程作为目标线程,并将所述新任务添加到所述目标线程的目标任务队列中。可见,较之线程与CPU核心绑定后,CPU核心处理的业务对象固定的传统技术方案,本申请所提供的软件业务绑定CPU核心的方法,在将CPU核心与线程绑定的基础上,将IO读写的各个阶段视为一次任务,每种任务类别在每个线程内都有相应的任务执行队列,每个线程可以处理各种任务,即每个CPU核心可以处理各种任务,每个CPU核心处理的业务对象不再固定。同时,当有新任务产生时,本申请选择CPU核心的利用率最小的CPU核心所绑定的线程来处理新任务,由此实现了根据CPU核心的利用率灵活绑定业务与CPU核心,可以有效提高CPU利用率,提高IO业务整体处理效率,优化存储读写IO。
本申请还提供了一种软件业务绑定CPU核心的装置,下文描述的该装置可以与上文描述的方法相互对应参照。请参考图5,图5为本申请实施例所提供的一种软件业务绑定CPU核心的装置的示意图,结合图5所示,该装置包括:
绑定模块10,用于将每个CPU核心分别与预设数量的线程绑定;
统计模块20,用于统计各所述CPU核心的利用率;
查询模块30,用于当有新任务产生时,查询各所述CPU核心的利用率;
添加模块40,用于选择利用率最小的所述CPU核心所绑定的所述线程作为目标线程,并将所述新任务添加到所述目标线程的目标任务队列中。
在上述实施例的基础上,作为一种具体的实施方式,所述绑定模块10具体用于:
将每个所述CPU核心分别与一个所述线程绑定。
在上述实施例的基础上,作为一种具体的实施方式,所述统计模块20包括:
获取单元,用于根据预设周期定期获取所述CPU核心的利用率;
更新单元,用于将所获取的所述CPU核心的利用率更新到利用率数组中。
在上述实施例的基础上,作为一种具体的实施方式,所述更新单元具体用于:
将所获取的所述CPU核心的利用率更新到包含各个CPU核心的利用率的全局CPU核心利用率数组中。
在上述实施例的基础上,作为一种具体的实施方式,还包括:
删除模块,用于所述目标线程处理完成所述新任务后,将所述新任务从所述目标线程的所述目标任务队列中删除。
本申请所提供的软件业务绑定CPU核心的装置,在将CPU核心与线程绑定的基础上,将IO读写的各个阶段视为一次任务,每种任务类别在每个线程内都有相应的任务执行队列,每个线程可以处理各种任务,即每个CPU核心可以处理各种任务,每个CPU核心处理的业务对象不再固定。同时,当有新任务产生时,本申请选择CPU核心的利用率最小的CPU核心所绑定的线程来处理新任务,由此实现了根据CPU核心的利用率灵活绑定业务与CPU核心,可以有效提高CPU利用率,提高IO业务整体处理效率,优化存储读写IO。
本申请还提供了一种软件业务绑定CPU核心的设备,参考图6所示,该设备包括存储器1和处理器2。
存储器1,用于存储计算机程序;
处理器2,用于执行计算机程序实现如下的步骤:
将每个CPU核心分别与预设数量的线程绑定;统计各所述CPU核心的利用率;当有新任务产生时,查询各所述CPU核心的利用率;选择利用率最小的所述CPU核心所绑定的所述线程作为目标线程,并将所述新任务添加到所述目标线程的目标任务队列中。
对于本申请所提供的设备的介绍请参照上述方法实施例,本申请在此不做赘述。
本申请还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现如下的步骤:
将每个CPU核心分别与预设数量的线程绑定;统计各所述CPU核心的利用率;当有新任务产生时,查询各所述CPU核心的利用率;选择利用率最小的所述CPU核心所绑定的所述线程作为目标线程,并将所述新任务添加到所述目标线程的目标任务队列中。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本申请所提供的计算机可读存储介质的介绍请参照上述方法实施例,本申请在此不做赘述。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置、设备以及计算机可读存储介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的软件业务绑定CPU核心的方法、装置、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围。
Claims (10)
1.一种软件业务绑定CPU核心的方法,其特征在于,包括:
在初始化阶段将每个CPU核心分别与预设数量的线程绑定;每个CPU核心绑定的线程相互之间不重复;
统计各所述CPU核心的利用率;其中,每个线程监控自身绑定的CPU核心的繁忙程度,统计自身绑定的CPU核心的利用率;
当有新任务产生时,查询各所述CPU核心的利用率;
选择利用率最小的所述CPU核心所绑定的所述线程作为目标线程,并将所述新任务添加到所述目标线程的目标任务队列中;
新任务产生时,如果有两个或多个CPU核心的利用率相等且为最小,则查询各CPU核心绑定的线程中任务队列需要处理的任务的数量,并选择任务数量最少的线程作为目标线程。
2.根据权利要求1所述的软件业务绑定CPU核心的方法,其特征在于,所述将每个CPU核心分别与预设数量的线程绑定包括:
将每个所述CPU核心分别与一个所述线程绑定。
3.根据权利要求1所述的软件业务绑定CPU核心的方法,其特征在于,所述统计各所述CPU核心的利用率包括:
根据预设周期定期获取所述CPU核心的利用率;
将所获取的所述CPU核心的利用率更新到利用率数组中。
4.根据权利要求3所述的软件业务绑定CPU核心的方法,其特征在于,所述将所获取的所述CPU核心的利用率更新到利用率数组中包括:
将所获取的所述CPU核心的利用率更新到包含各个CPU核心的利用率的全局CPU核心利用率数组中。
5.根据权利要求1所述的软件业务绑定CPU核心的方法,其特征在于,还包括:
所述目标线程处理完成所述新任务后,将所述新任务从所述目标线程的所述目标任务队列中删除。
6.一种软件业务绑定CPU核心的装置,其特征在于,包括:
绑定模块,用于在初始化阶段将每个CPU核心分别与预设数量的线程绑定;每个CPU核心绑定的线程相互之间不重复;
统计模块,用于统计各所述CPU核心的利用率;其中,每个线程监控自身绑定的CPU核心的繁忙程度,统计自身绑定的CPU核心的利用率;
查询模块,用于当有新任务产生时,查询各所述CPU核心的利用率;
添加模块,用于选择利用率最小的所述CPU核心所绑定的所述线程作为目标线程,并将所述新任务添加到所述目标线程的目标任务队列中;
新任务产生时,如果有两个或多个CPU核心的利用率相等且为最小,则查询各CPU核心绑定的线程中任务队列需要处理的任务的数量,并选择任务数量最少的线程作为目标线程。
7.根据权利要求6所述的软件业务绑定CPU核心的装置,其特征在于,所述绑定模块具体用于:
将每个所述CPU核心分别与一个所述线程绑定。
8.根据权利要求6所述的软件业务绑定CPU核心的装置,其特征在于,所述统计模块包括:
获取单元,用于根据预设周期定期获取所述CPU核心的利用率;
更新单元,用于将所获取的所述CPU核心的利用率更新到利用率数组中。
9.一种软件业务绑定CPU核心的设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述的软件业务绑定CPU核心的方法的步骤。
10.一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计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的软件业务绑定CPU核心的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111369146.XA CN114138471B (zh) | 2021-11-18 | 2021-11-18 | 一种软件业务绑定cpu核心的方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111369146.XA CN114138471B (zh) | 2021-11-18 | 2021-11-18 | 一种软件业务绑定cpu核心的方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114138471A CN114138471A (zh) | 2022-03-04 |
CN114138471B true CN114138471B (zh) | 2024-04-19 |
Family
ID=80390237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111369146.XA Active CN114138471B (zh) | 2021-11-18 | 2021-11-18 | 一种软件业务绑定cpu核心的方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114138471B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104750543A (zh) * | 2013-12-26 | 2015-07-01 | 杭州华为数字技术有限公司 | 线程创建方法、业务请求处理方法及相关设备 |
CN106371924A (zh) * | 2016-08-29 | 2017-02-01 | 东南大学 | 一种最小化MapReduce集群能耗的任务调度方法 |
CN108958944A (zh) * | 2018-07-26 | 2018-12-07 | 郑州云海信息技术有限公司 | 一种多核处理***及其任务分配方法 |
CN110428840A (zh) * | 2019-07-19 | 2019-11-08 | 平安科技(深圳)有限公司 | 语音识别***中的负载均衡实现方法、装置以及计算机设备 |
US10511886B1 (en) * | 2018-07-03 | 2019-12-17 | Facebook, Inc. | Latency and CPU utilization control for content item selection |
CN111984409A (zh) * | 2020-08-14 | 2020-11-24 | 苏州浪潮智能科技有限公司 | 一种提高***资源利用率的方法及装置 |
CN112286678A (zh) * | 2020-10-19 | 2021-01-29 | 苏州浪潮智能科技有限公司 | 一种加速存储读写数据输入输出的优化方法和*** |
-
2021
- 2021-11-18 CN CN202111369146.XA patent/CN114138471B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104750543A (zh) * | 2013-12-26 | 2015-07-01 | 杭州华为数字技术有限公司 | 线程创建方法、业务请求处理方法及相关设备 |
CN106371924A (zh) * | 2016-08-29 | 2017-02-01 | 东南大学 | 一种最小化MapReduce集群能耗的任务调度方法 |
US10511886B1 (en) * | 2018-07-03 | 2019-12-17 | Facebook, Inc. | Latency and CPU utilization control for content item selection |
CN108958944A (zh) * | 2018-07-26 | 2018-12-07 | 郑州云海信息技术有限公司 | 一种多核处理***及其任务分配方法 |
CN110428840A (zh) * | 2019-07-19 | 2019-11-08 | 平安科技(深圳)有限公司 | 语音识别***中的负载均衡实现方法、装置以及计算机设备 |
CN111984409A (zh) * | 2020-08-14 | 2020-11-24 | 苏州浪潮智能科技有限公司 | 一种提高***资源利用率的方法及装置 |
CN112286678A (zh) * | 2020-10-19 | 2021-01-29 | 苏州浪潮智能科技有限公司 | 一种加速存储读写数据输入输出的优化方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN114138471A (zh) | 2022-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109343963B (zh) | 一种容器集群的应用访问方法、装置及相关设备 | |
CN105988872B (zh) | 一种cpu资源分配的方法、装置及电子设备 | |
US9513835B2 (en) | Impact-based migration scheduling from a first tier at a source to a second tier at a destination | |
KR101839392B1 (ko) | 스레드 풀의 사이즈를 동적으로 관리하는 방법 및 컴퓨팅 장치 | |
CN110610449B (zh) | 处理计算任务的方法、设备和计算机程序产品 | |
JP2009087175A (ja) | ストレージ装置、処理制御装置、及び記憶システム | |
US11449479B2 (en) | Data migration methods and system | |
US20130227244A1 (en) | Workload-aware distributed data processing apparatus and method for processing large data based on hardware acceleration | |
US11074101B2 (en) | Automated switching between interrupt context I/O processing and thread context I/O processing | |
US11556391B2 (en) | CPU utilization for service level I/O scheduling | |
CN105511964A (zh) | I/o请求的处理方法和装置 | |
CN108304272B (zh) | 一种数据io请求的处理方法及装置 | |
CN112379935A (zh) | Spark性能优化控制方法、装置、设备及存储介质 | |
WO2018133821A1 (en) | Memory-aware plan negotiation in query concurrency control | |
CN114138471B (zh) | 一种软件业务绑定cpu核心的方法及相关装置 | |
CN108932112B (zh) | 一种固态颗粒的数据读写方法、装置、设备及介质 | |
CN111741080B (zh) | 网络文件分发方法及装置 | |
CN113342839A (zh) | 数据处理方法、装置、终端设备和存储介质 | |
CN110780999A (zh) | 一种多核cpu的调度***和方法 | |
CN115269289A (zh) | 一种慢盘检测方法、装置、电子设备及存储介质 | |
EP3657331B1 (en) | Module assignment management | |
US20200356297A1 (en) | Method of storage control based on log data types | |
US10171378B2 (en) | System and method for allocating and reserving supervisors in a real-time distributed processing platform | |
CN111158886A (zh) | 用于优化操作***任务调度的方法、装置和智能设备 | |
CN109710179B (zh) | 一种存储服务质量控制方法及装置 |
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 |