CN114461382A - 可灵活配置的算力调度实现方法、装置及存储介质 - Google Patents
可灵活配置的算力调度实现方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114461382A CN114461382A CN202111615174.5A CN202111615174A CN114461382A CN 114461382 A CN114461382 A CN 114461382A CN 202111615174 A CN202111615174 A CN 202111615174A CN 114461382 A CN114461382 A CN 114461382A
- Authority
- CN
- China
- Prior art keywords
- equipment
- computing
- computing power
- target
- 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.)
- Pending
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- 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
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Power Sources (AREA)
Abstract
本申请实施例提供一种可灵活配置的算力调度实现方法、装置及存储介质,方法包括:接收到目标用户的算力设备请求信息后,确定目标用户对应的算力设备信息;根据算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集;采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备。本方案,对目标用户对应的算力设备信息至少经过两次筛选,进而确定的目标算力设备能有效满足目标用户的需求。除此之外,本申请,仅需根据算力设备信息确定目标算力设备,因此,可以适用于大多应用场景。
Description
技术领域
本申请涉及可灵活配置的算力调度实现方法、装置及存储介质,属于软件开发技术领域。
背景技术
随着边缘计算的不断发展普及,对边缘计算用户来说,如何对拥有的边缘节点进行充分利用,就涉及到对边缘节点的智能调度需求,不同的用户根据不同的业务场景,使用不同调度策略;其中,边缘点又称为算力设备。
目前,边缘计算用户主要是通过自身业务特点来进行调度***开发,满足自身的业务需求,或者使用第三方提供偏通用静态的调度策略进行调度。
然而,现有的调度***仅限于同种结构的算力设备,对于算力设备结构不同的业务场景,很难提供准确的配置调度方法。
发明内容
本申请提供了一种可灵活配置的算力调度实现方法装置及存储介质,以解决“现有的调度***仅限于同种结构的算力设备,对于算力设备结构不同的业务场景,很难提供准确的配置调度方法”技术问题。
第一方面,根据本申请实施例提供一种可灵活配置的算力调度实现方法,用于确定目标用户本次调度的目标算力设备,其中,所述方法,包括:
接收到目标用户的算力设备请求信息后,确定目标用户对应的算力设备信息;所述算力设备信息包括算力设备的标识信息、cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本;
根据所述算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集;
采用预设评分法则,对目标算力设备集中的算力设备进行打分,将得分最高的算力设备确定为目标用户对应的目标算力设备。
在一个实施例中,根据所述算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集,包括:
若算力设备的剩余CPU不满足算力设备请求信息中的CPU需求信息,则将不满足所述CPU需求信息的算力设备过滤;
若算力设备的剩余内存不满足算力设备请求信息中的内存需求信息,则将不满足所述内存需求信息的算力设备过滤;
若算力设备的CPU使用率超过第一阈值,则将CPU使用率超过第一阈值的算力设备过滤掉;
若算力设备的带宽使用率达到第二阈值,则将带宽达到第二阈值的算力设备过滤掉;
所述算力设备请求信息中包括CPU需求信息和内存需求信息。
在一个实施例中,所述方法,还包括:
确定评分依据的算力设备目标信息;
采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备,包括:
基于预设数学模型,对第一算力设备集中的算力设备目标信息进行打分,得到目标算力设备集中的算力设备的第一分值;
针对目标算力设备集中的算力设备,将其对应的第一分值最高的算力设备确定为目标用户对应的目标算力设备。
在一个实施例中,所述采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备,还包括:
根据所述算力设备目标信息的区间范围确定目标算力设备集中的算力设备的第二分值;
基于预设数学模型,对第一算力设备集中的算力设备目标信息进行打分,得到目标算力设备集中的算力设备的第二分值;
针对目标算力设备集中的算力设备,将其对应的第一分值与第二分值叠加形成综合分值,将综合分值最高的算力设备确定为目标用户对应的目标算力设备。
在一个实施例中,所述预设数学模型为:
Di=100-Bi*10;
其中,Di为第i个算力设备的第一分值,Bi为第i个算力设备的算力设备目标信息。
在一个实施例中,所述算力设备目标信息为cpu使用率或带宽使用率。
在一个实施例中,还包括:
在接收完算力设备发送的注册信息后,接收算力设备端定时上报的算力设备信息;
根据最近一次接收到的算力设备信息对存储的算力设备信息进行更新。
第二方面,根据本申请实施例提供一种可灵活配置的算力调度装置,用于确定目标用户本次调度的目标算力设备,其中,所述装置,包括:
算力设备信息确定模块,用于接收到目标用户的算力设备请求信息后,确定目标用户对应的算力设备信息;所述算力设备信息包括算力设备的标识信息、cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本;
目标算力设备集确定模块,用于根据所述算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集;
目标算力设备确定模块,用于采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备。
第三方面,根据本申请实施例提供一种可灵活配置的算力调度装置,所述装置包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其中,所述计算机程序由所述处理器加载并执行,以实现上述任一项所述一种可灵活配置的算力调度方法。
第四方面,根据本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其中,所述计算机程序被处理器执行时以实现上述任一项所述一种可灵活配置的算力调度方法。
本申请的有益效果在于:
本申请实施例提供的一种可灵活配置的算力调度实现方法,在接收到目标用户的算力设备请求信息后,确定目标用户对应的算力设备信息,然后,根据算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行初步过滤,得到目标算力设备集;最后,采用预设评分法则,对目标算力设备集中的算力设备进行打分,将得分最高的算力设备确定为目标用户对应的目标算力设备。本方案,对目标用户对应的算力设备信息至少经过两次筛选,方可确定目标算力设备,进而确定的目标算力设备能有效满足目标用户的需求。除此之外,本申请提供的可灵活配置的算力调度实现方法,仅需根据算力设备信息确定目标算力设备,而不考虑算力设备的结构,因此无论是同构的算力设备,还是异构的算力设备,本方案仅需根据其定期上报的算力设备信息便可确定目标算力设备,而不对其结构进行考虑,因此,可以适用于大多应用场景。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,并可依照说明书的内容予以实施,以下以本申请的较佳实施例并配合附图详细说明如后。
附图说明
图1是本申请一个实施例提供的可灵活配置的算力调度***的网络架构示意图;
图2、图4-6分别为本申请一个实施例提供的可灵活配置的算力调度实现方法的流程图;
图3为本申请提供的可灵活配置的算力调度实现方法中步骤S14包含的子步骤的流程图;
图7为本申请提供的可灵活配置的算力调度实现装置的示意图;
图8为本申请一个实施例提供的可灵活配置的算力调度实现装置的框图。
具体实施方式
下实施例用于说明本申请,但不用来限制本申请的范围。
参见图1所示,在由客户端3、算力设备调度***2和算力设备11、算力设备12,……算力设备1m多个算力设备构成的算力设备调度***中,在实现算力设备调度***的物理连接及电连接之后,算力设备12,……算力设备1m多个算力设备逐一向算力设备调度***2发送注册信息,在收到算力设备调度***2反馈的注册成功消息之后,各个算力设备定期向算力设备调度***2上报其算力设备信息。在算力设备调度***2接收到各算力设备定期上报的算力设备信息之后,根据最近接收到的算力设备信息对存储的算力设备信息进行更新,其中算力设备在算力调度***2的存储模块中以预设格式存储,作为一个可选实施例,算力设备信息在算力调度***2的存储模块中的存储方式如表一所示:
表一算力设备信息表
算力设备调度***2在接收到目标用户的算力设备请求信息后,确定目标用户对应的算力设备信息,即从算力设备信息表拉取各算力设备信息,然而根据算力设备新对算力设备过滤确定目标算力设备集,然后基于预设评分法则,目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备。
参加图2所示,本申请实施例提供一种可灵活配置的算力调度实现方法,用于确定目标用户本次调度的目标算力设备,应用于图1中的算力设备调度***2,所述方法,包括:
步骤S12、接收到目标用户的算力设备请求信息后,确定目标用户对应的算力设备信息;所述算力设备信息包括算力设备的标识信息、cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本;
在本申请实施例中,目标用户通过客户端发送算力设备请求信息,算力设备调度***2在接收到用户发送的算力设备请求信息之后,确定用户对应的算力设备信息。
针对所有用户均对应本算力设备调度***2的存储模块中存储的算力设备而言,在接收到任一用户的算力设备请求信息之后,便确定本算力设备调度***2的存储模块中存储的算力设备信息作为目标用户对应的算力设备信息;而对于不同用户对应不同的算力设备集合而言,可以在算力设备调度***2的存储模块中同时存储算力设备子集与用户的映射关系。或者在算力设备调度***2的存储模块中存储的算力设备信息表中添加一列,内容为用户标识。
在此指出,本申请以所有用户均对应本算力设备调度***2的存储模块中存储的算力设备为例进行阐述,对弈后一种情况,可以基于前一种情况的过程进行推导,在此不予赘述。
步骤S14、根据所述算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集;
在本申请实施例中,在确定目标用户对应的算力设备信息后,根据算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集,经过过滤,可以将cpu使用率、带宽使用率、剩余cpu核数、剩余内存或带宽成本不满足对应要求的算力设备过滤掉,进而确定目标算力设备集。
步骤S16、采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备。
在本申请实施例中,在通过步骤S14中的过滤过程初步过滤之后,便可确定目标算力设备集,在确定目标算力设备集之后,继续对算力设备集中的算力设备进行打分,最后将分值最高的算力设备确定为目标用户对应的目标算力设备。通过本方案,针对不同结构的算力设备,均可可以实现算力设备的灵活调度,有效提高了用户的算力设备的调度效率。
在本申请实施例中,参见图3所示,步骤14中,根据所述算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集,包括:
步骤141、若算力设备的剩余CPU不满足算力设备请求信息中的CPU需求信息,则将不满足所述CPU需求信息的算力设备过滤;
步骤142、若算力设备的剩余内存不满足算力设备请求信息中的内存需求信息,则将不满足所述内存需求信息的算力设备过滤;
步骤143、若算力设备的CPU使用率超过第一阈值,则将CPU使用率超过第一阈值的算力设备过滤掉;
步骤144、若算力设备的带宽使用率达到第二阈值,则将带宽达到第二阈值的算力设备过滤掉;其中,所述算力设备请求信息中包括CPU需求信息和内存需求信息。
在本申请实施例中,可首先根据算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集,如些列举一个具体实施例进行阐述:
用户对应的算力设备包括算力设备1、算力设备2、算力设备3及算力设备4,每个算力设备的算力设备信息参见表2所示:
表2算力设备的算力设备信息表
设定初步过滤条件为:
1)若cpu使用率大于90%,则过滤;2)若剩余内存少于2G,则过滤;3)若剩余cpu不足,则过滤;4)若剩余内存不足,则过滤。
首先4个候选设备经过【若cpu使用率大于90%,则过滤】,把算力设备1过滤了。经过【若剩余内存少于2G,则过滤】,把算力设备4过滤了。经过【若剩余cpu不足,则过滤】,没有符合的不用过滤。经过【若剩余内存不足,则过滤】,没有符合的不用过滤。得到剩下的算力设备为算力设备2、算力设备3,则算力设备2和算力设备3构成目标算力设备集。
在本申请实施例中,参见图4所示,所述方法,还包括:
步骤S15、确定评分依据的算力设备目标信息;
步骤S16中,采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备,包括:
步骤S161、基于预设数学模型,对第一算力设备集中的算力设备目标信息进行打分,得到目标算力设备集中的算力设备的第一分值;
步骤S163、针对目标算力设备集中的算力设备,将其对应的第一分值最高的算力设备确定为目标用户对应的目标算力设备。
进一步地,参见图5所示,所述采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备,还包括:
步骤S162、根据所述算力设备目标信息的区间范围确定目标算力设备集中的算力设备的第二分值;
所述针对目标算力设备集中的算力设备,将其对应的第一分值最高的算力设备确定为目标用户对应的目标算力设备,包括:
步骤S164、针对目标算力设备集中的算力设备,将其对应的第一分值与第二分值叠加形成综合分值,将综合分值最高的算力设备确定为目标用户对应的目标算力设备。
进一步地地,所述预设数学模型为:
Di=100-Bi*10;
其中,Di为第i个算力设备的第二分值,Bi为第i个算力设备的算力设备目标信息。
与此同时,所述算力设备目标信息为cpu使用率或带宽使用率。
在本申请实施例中,算力设备目标信息为cpu使用率或带宽使用率,当为cpu使用率,则基于cpu使用率对目标算力设备集中的算力设备进行打分,进而得分最高的算力设备确定为目标用户对应的目标算力设备。
同样,基于上述具体实施例,在由算力设备3和算力设备4构成的目标算力设备集中,再经过【算力设备的分数Di等于100-cpu使用率*100】得到,算力设备2的分数为30,算力设备3的分数为20。最终排序,取得最高分算力设备2返回。确定目标用户对应的目标算力设备为算力设备2。
作为另外一个实施例,算力设备目标信息为带宽使用率,同样经过步骤S12过滤后形成的由算力设备2和算力设备3构成的目标算力设备集,经过【若算力设备带宽使用率小于等于80%,则分数为100,若大于80%小于95%,则分数为50,若大于95%,分数为0】得到,算力设备2的分数为0,算力设备3的分数为100。经过【算力设备的分数Di等于100-算力设备的带宽成本*10】得到,算力设备2的分数是20,算力设备3的分数是50。合算后得到,算力设备2总分数为20,算力设备3总分数150。最终排序,取得最高分算力设备3返回。客户端去访问算力设备3。
在本申请实施例中,参见图6所示,所述方法,还包括:
步骤S10、在接收完算力设备端发送的注册信息后,接收算力设备端定时上报的算力设备状态信息;
步骤S11、根据最近一次接收到的算力设备信息对存储的算力设备信息进行更新。
本申请实施例中,在算力设备、客户端与算力设备调度模块实现电连接并可以进行通信之后,电力设备向与其连接的算力设备调度模块发送注册信息,在接收到注册成功信息之后,便定期上报自身的算例设备信息。
而算力设备调度模块在对算力设备注册成功之后,便向其反馈注册成功消息,之后,接收算力设备定期上报的算力设备信息,并根据最近一次接收到的算力设备信息更新当前存储的算力设备信息。进而以供后续直接使用,在接收到客户端的算力设备请求信息之后,无需再次向算力设备问询其算力设备信息,而是从自身对应的存储模块中直接调取各算力设备的算力信息,方便高效,有效节约了带宽,确保客户端高效调度到目标算力设备。
综上所述,本申请实施例提供的一种可灵活配置的算力调度实现方法,在接收到目标用户的算力设备请求信息后,确定目标用户对应的算力设备信息,然后,根据算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行初步过滤,得到目标算力设备集;最后,采用预设评分法则,对目标算力设备集中的算力设备进行打分,将得分最高的算力设备确定为目标用户对应的目标算力设备。本方案,对目标用户对应的算力设备信息至少经过两次筛选,方可确定目标算力设备,进而确定的目标算力设备能有效满足目标用户的需求。除此之外,本申请提供的可灵活配置的算力调度实现方法,仅需根据算力设备信息确定目标算力设备,而不考虑算力设备的结构,因此无论是同构的算力设备,还是异构的算力设备,本方案仅需根据其定期上报的算力设备信息便可确定目标算力设备,而不对其结构进行考虑,因此,可以适用于大多应用场景。
图7是本申请一个实施例提供的可灵活配置的算力调度实现装置的框图,本实施例以该装置应用于图1所示的可灵活配置的算力调度实现***中的算力调度***2为例进行说明。该装置至少包括以下几个模块:
算力设备信息确定模块71,用于接收到目标用户的算力设备请求信息后,确定目标用户对应的算力设备信息;所述算力设备信息包括算力设备的标识信息、cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本;
目标算力设备集确定模块72,用于根据所述算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集;
目标算力设备确定模块73,用于采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备。
本申请实施例提供的可灵活配置的算力调度实现装置,可用于如上实施例中业务应用***执行的方法,相关细节参考上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
需要说明的是:上述实施例提供的可灵活配置的算力调度实现方法与可灵活配置的算力调度实现装置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8是本申请一个实施例提供的可灵活配置的算力调度实现装置的框图,本实施例所述可灵活配置的算力调度实现装置可以是桌上型计算机、笔记本电脑、掌上电脑以及云端服务器等计算设备,该装置可以包括,但不限于,处理器、存储器。本实施例所述可灵活配置的算力调度实现装置至少包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序可在所述处理器上运行,所述处理器执行所述计算机程序时,实现上述可灵活配置的算力调度实现方法实施例中的步骤,例如图2、图4-图6任一图所示的可灵活配置的算力调度实现方法的步骤。或者,所述处理器执行所述计算机程序时,实现上述可灵活配置的算力调度实现装置实施例中各模块的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块,所述一个或多个模块被存储在所述存储器中,并由处理器执行,以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述可灵活配置的算力调度实现装置中的执行过程。例如,所述计算机程序可以被分割成发送模块和第一接收模块,各模块的具体功能如下:
算力设备信息确定模块,用于接收到目标用户的算力设备请求信息后,确定目标用户对应的算力设备信息;所述算力设备信息包括算力设备的标识信息、cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本;
目标算力设备集确定模块,用于根据所述算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集;
目标算力设备确定模块,用于采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备。
处理器可以包括一个或多个处理核心,比如:4核心处理器、6核心处理器等。处理器可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central Processing Unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。一些实施例中,处理器还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。所述处理器是所述可灵活配置的算力调度实现装置的控制中心,利用各种接口和线路连接整个可灵活配置的算力调度实现装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述可灵活配置的算力调度实现装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)、至少一个磁盘存储器件、内存器件、或其他易失性固态存储器件。
本领域技术人员可以理解,本实施例所述的装置仅仅是可灵活配置的算力调度实现装置的示例,并不构成对可灵活配置的算力调度实现装置的限定,其他实施方式中,还可以包括更多或更少的部件,或者组合某些部件,或者不同部件,例如可灵活配置的算力调度实现装置还可以包括输入输出设备、网络接入设备、总线等。处理器、存储器和***设备接口之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口相连。示意性地,***设备包括但不限于:射频电路、触摸显示屏、音频电路、和电源等。
当然,可灵活配置的算力调度实现装置还可以包括更少或更多的组件,本实施例对此不作限定。
可选地,本申请还提供有一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时用于实现上述可灵活配置的算力调度实现方法的步骤。
可选地,本申请还提供有一种计算机产品,该计算机产品包括计算机可读存储介质,所述计算机可读存储介质中存储有程序,所述程序由处理器加载并执行以实现上述可灵活配置的算力调度实现方法实施例的步骤。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种可灵活配置的算力调度实现方法,用于确定目标用户本次调度的目标算力设备,其特征在于,所述方法,包括:
接收到目标用户的算力设备请求信息后,确定目标用户对应的算力设备信息;所述算力设备信息包括算力设备的标识信息、cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本;
根据所述算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集;
采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备。
2.根据权利要求1所述的方法,其特征在于,根据所述算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集,包括:
若算力设备的剩余CPU不满足算力设备请求信息中的CPU需求信息,则将不满足所述CPU需求信息的算力设备过滤;
若算力设备的剩余内存不满足算力设备请求信息中的内存需求信息,则将不满足所述内存需求信息的算力设备过滤;
若算力设备的CPU使用率超过第一阈值,则将CPU使用率超过第一阈值的算力设备过滤掉;
若算力设备的带宽使用率达到第二阈值,则将带宽达到第二阈值的算力设备过滤掉;
所述算力设备请求信息中包括CPU需求信息和内存需求信息。
3.根据权利要求1所述的方法,其特征在于,所述方法,还包括:
确定评分依据的算力设备目标信息;
采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备,包括:
基于预设数学模型,对第一算力设备集中的算力设备目标信息进行打分,得到目标算力设备集中的算力设备的第一分值;
针对目标算力设备集中的算力设备,将其对应的第一分值最高的算力设备确定为目标用户对应的目标算力设备。
4.根据权利要求3所述的方法,其特征在于,所述采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备,还包括:
根据所述算力设备目标信息的区间范围确定目标算力设备集中的算力设备的第二分值;
基于预设数学模型,对第一算力设备集中的算力设备目标信息进行打分,得到目标算力设备集中的算力设备的第二分值;
针对目标算力设备集中的算力设备,将其对应的第一分值与第二分值叠加形成综合分值,将综合分值最高的算力设备确定为目标用户对应的目标算力设备。
5.根据权利要求3或4所述的方法,其特征在于,所述预设数学模型为:
Di=100-Bi*10;
其中,Di为第i个算力设备的第一分值,Bi为第i个算力设备的算力设备目标信息。
6.根据权利要求3或4所述的方法,其特征在于,所述算力设备目标信息为cpu使用率或带宽使用率。
7.根据权利要求1-4所述的方法,其特征在于,还包括:
在接收完算力设备发送的注册信息后,接收算力设备端定时上报的算力设备信息;
根据最近一次接收到的算力设备信息对存储的算力设备信息进行更新。
8.一种可灵活配置的算力调度装置,用于确定目标用户本次调度的目标算力设备,其特征在于,所述装置,包括:
算力设备信息确定模块,用于接收到目标用户的算力设备请求信息后,确定目标用户对应的算力设备信息;所述算力设备信息包括算力设备的标识信息、cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本;
目标算力设备集确定模块,用于根据所述算力设备信息中的cpu使用率、带宽使用率、剩余cpu核数、剩余内存和带宽成本对算力设备进行过滤,得到目标算力设备集;
目标算力设备确定模块,用于采用预设评分法则,对目标算力设备集中的算力设备进行打分,得分最高的算力设备确定为目标用户对应的目标算力设备。
9.一种可灵活配置的算力调度装置,所述装置包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述计算机程序由所述处理器加载并执行,以实现如权利要求1-7任一项所述一种可灵活配置的算力调度方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时用于实现如权利要求1-7任一项所述一种可灵活配置的算力调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111615174.5A CN114461382A (zh) | 2021-12-27 | 2021-12-27 | 可灵活配置的算力调度实现方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111615174.5A CN114461382A (zh) | 2021-12-27 | 2021-12-27 | 可灵活配置的算力调度实现方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114461382A true CN114461382A (zh) | 2022-05-10 |
Family
ID=81407433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111615174.5A Pending CN114461382A (zh) | 2021-12-27 | 2021-12-27 | 可灵活配置的算力调度实现方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114461382A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115580634A (zh) * | 2022-09-23 | 2023-01-06 | 中国联合网络通信集团有限公司 | 算力网络***及算力网络***的运行方法 |
CN115766876A (zh) * | 2022-11-22 | 2023-03-07 | 中国联合网络通信集团有限公司 | 资源调度方法、装置、设备及存储介质 |
CN116501594A (zh) * | 2023-06-27 | 2023-07-28 | 上海燧原科技有限公司 | ***建模评估方法、装置、电子设备及存储介质 |
WO2024021485A1 (zh) * | 2022-07-29 | 2024-02-01 | 天翼云科技有限公司 | 处理器性能调整方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-27 CN CN202111615174.5A patent/CN114461382A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024021485A1 (zh) * | 2022-07-29 | 2024-02-01 | 天翼云科技有限公司 | 处理器性能调整方法、装置、电子设备及存储介质 |
CN115580634A (zh) * | 2022-09-23 | 2023-01-06 | 中国联合网络通信集团有限公司 | 算力网络***及算力网络***的运行方法 |
CN115766876A (zh) * | 2022-11-22 | 2023-03-07 | 中国联合网络通信集团有限公司 | 资源调度方法、装置、设备及存储介质 |
CN116501594A (zh) * | 2023-06-27 | 2023-07-28 | 上海燧原科技有限公司 | ***建模评估方法、装置、电子设备及存储介质 |
CN116501594B (zh) * | 2023-06-27 | 2023-09-08 | 上海燧原科技有限公司 | ***建模评估方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114461382A (zh) | 可灵活配置的算力调度实现方法、装置及存储介质 | |
CN110909034B (zh) | 一种业务数据的分配方法、装置、终端设备及存储介质 | |
CN108563518A (zh) | 主从机通信方法、装置、终端设备及存储介质 | |
CN109840142A (zh) | 基于云监控的线程控制方法、装置、电子设备及存储介质 | |
CN111858034B (zh) | 一种资源的管理方法、***、设备以及介质 | |
CN106815254A (zh) | 一种数据处理方法和装置 | |
CN108959399A (zh) | 分布式数据删除流控方法、装置、电子设备及存储介质 | |
CN113537518A (zh) | 基于联邦学习的模型训练方法及装置、设备、存储介质 | |
CN110708369A (zh) | 设备节点的文件部署方法、装置、调度服务器及存储介质 | |
CN114356927A (zh) | 数据存储方法、装置、计算机设备和存储介质 | |
CN117271100B (zh) | 算法芯片集群调度方法、装置、计算机设备和存储介质 | |
CN113077142B (zh) | 智能学员画像方法、***及终端设备 | |
CN114510299A (zh) | 处理人工智能业务的方法、装置以及存储介质 | |
CN115879543B (zh) | 一种模型训练方法、装置、设备、介质及*** | |
CN112148470B (zh) | 参数同步方法、计算机装置及可读存储介质 | |
CN115952129A (zh) | 一种刀片服务器设置方法、装置及可读存储介质 | |
CN115756135A (zh) | 一种处理器管理方法以及计算设备 | |
CN114285906A (zh) | 报文处理方法、装置、电子设备及存储介质 | |
CN114331198A (zh) | 工单分配方法、设备及存储介质 | |
CN110704382B (zh) | 文件部署方法、装置、服务器及存储介质 | |
CN113242302A (zh) | 数据访问请求的处理方法、装置、计算机设备及介质 | |
CN113706097A (zh) | 一种业务审批方法、装置、设备及存储介质 | |
CN112791387A (zh) | 一种基于鼠标和键盘的数据处理方法、装置及介质 | |
CN114528893A (zh) | 机器学习模型训练方法、电子设备及存储介质 | |
CN108460078B (zh) | 辅助功能的执行方法、装置、存储介质及终端 |
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 |