CN115801896A - 算力网络节点分配方法、装置、电子设备及存储介质 - Google Patents
算力网络节点分配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115801896A CN115801896A CN202211398941.6A CN202211398941A CN115801896A CN 115801896 A CN115801896 A CN 115801896A CN 202211398941 A CN202211398941 A CN 202211398941A CN 115801896 A CN115801896 A CN 115801896A
- Authority
- CN
- China
- Prior art keywords
- task
- distributed
- power network
- delay
- computing power
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请实施例提供了一种算力网络节点分配方法、装置、电子设备及存储介质。所述方法包括:获取待分配任务对应的设备的设备参数,及所述待分配任务所处区域内的算力网络节点的节点参数;基于所述设备参数和所述节点参数,确定所述待分配任务对应的任务时延;基于预先构建的算力调度模型对所述待分配任务的任务数据进行处理,得到所述待分配任务的算力需求值;根据所述任务时延和所述算力需求值,确定所述算力网络节点中的目标算力网络节点;根据所述待分配任务对应的任务权重,将所述待分配任务分配给所述目标算力网络节点。本申请实施例可以达到为待分配任务选择最佳的算力网络节点的目的。
Description
技术领域
本申请涉及互联网技术领域,特别是涉及一种算力网络节点分配方法、装置、电子设备及存储介质。
背景技术
随着大数据领域的不断发展,越来越多的概念被提出并应用到生产中,而数据湖概念就是其中之一,其概念参照阿里云的简介:数据湖是一个集中式存储库,可存储任意规模结构化和非结构化数据,支持大数据和AI计算。数据湖构建服务(Data Lake Formation,DLF)作为云原生数据湖架构核心组成部分,帮助用户简单快速地构建云原生数据湖解决方案。数据湖构建提供湖上元数据统一管理、企业级权限控制,并无缝对接多种计算引擎,打破数据孤岛,洞察业务价值。
在实际应用中,算力网络需要先选定网络,再选择算力池(云计算算力网络节点或者边缘计算算力网络节点),而随着业务量的递增,如何为待处理任务选择最佳的算力池是目前亟待解决的问题。
发明内容
本申请实施例所要解决的技术问题是提供一种算力网络节点分配方法、装置、电子设备及存储介质,以为待分配任务选择最合适的算力网络节点。
第一方面,本申请实施例提供了一种算力网络节点分配方法,所述方法包括:
获取待分配任务对应的设备的设备参数,及所述待分配任务所处区域内的算力网络节点的节点参数;
基于所述设备参数和所述节点参数,确定所述待分配任务对应的任务时延;
基于预先构建的算力调度模型对所述待分配任务的任务数据进行处理,得到所述待分配任务的算力需求值;
根据所述任务时延和所述算力需求值,确定所述算力网络节点中的目标算力网络节点;
根据所述待分配任务对应的任务权重,将所述待分配任务分配给所述目标算力网络节点。
可选地,所述基于所述设备参数和所述节点参数,确定所述待分配任务对应的任务时延,包括:
根据设备发送功率、所述设备与所述算力网络节点之间的信道增益参数和所述设备与所述算力网络节点之间的通信链路的数据传输带宽,计算得到所述设备与所述算力网络节点之间的第一传输时延;
根据所述算力网络节点分配给所述设备的算力资源和所述待分配任务分配至所述算力网络节点的比例,计算得到所述待分配任务的第一计算时延;
根据所述算力网络节点为所述待分配任务提供的网络带宽,计算得到所述算力网络节点与云数据中心之间的第二传输时延;
根据云数据中心为所述待分配任务分配的计算资源,计算得到所述云数据中心的第二计算时延;
基于所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延,确定所述待分配任务对应的任务时延。
可选地,所述基于所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延,确定所述待分配任务对应的任务时延,包括:
计算得到所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延的时延总和,并将所述时延总和作为所述待分配任务对应的任务时延;或者
对所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延进行加权平均,得到平均时延,并将所述平均时延作为所述待分配任务对应的任务时延。
可选地,所述基于预先构建的算力调度模型对所述待分配任务的任务数据进行处理,得到所述待分配任务的算力需求值,包括:
获取所述待分配任务对应的任务数据量;
基于所述算力调度模型对所述任务数据量、计算芯片资源和芯片计算能力值进行处理,得到所述待分配任务的算力需求值。
可选地,所述根据所述任务时延和所述算力需求值,确定所述算力网络节点中的目标算力网络节点,包括:
获取所述算力网络节点的空闲算力;
根据所述空闲算力,从所述算力网络节点中筛选出空闲算力大于所述算力需求值的候选算力网络节点;
根据所述任务时延和业务需求指数从所述候选算力网络节点中筛选出所述待分配任务对应的目标算力网络节点。
可选地,所述根据所述任务时延和业务需求指数从所述候选算力网络节点中筛选出所述待分配任务对应的目标算力网络节点,包括:
在所述业务需求指数指示以最优资源处理任务的情况下,从所述候选算力网络节点中筛选出所述任务时延最低的算力网络节点作为所述目标算力网络节点;或者
在所述业务需求指数指示以最低成本处理任务的情况下,从所述候选算力网络节点中筛选出所述任务时延最高的算力网络节点作为所述目标算力网络节点。
可选地,所述根据所述待分配任务对应的任务权重,将所述待分配任务分配给所述目标算力网络节点,包括:
将所述待分配任务与所述待分配任务对应的目标算力网络节点以键值对的形式存储于任务队列;
调用Flink流数据按照任务权重从高到低的顺序,将所述任务队列中的所述待分配任务传递至所述待分配任务对应的目标算力网络节点。
第二方面,本申请实施例提供了一种算力网络节点分配装置,所述装置包括:
参数获取模块,用于获取待分配任务对应的设备的设备参数,及所述待分配任务所处区域内的算力网络节点的节点参数;
时延确定模块,用于基于所述设备参数和所述节点参数,确定所述待分配任务对应的任务时延;
算力需求获取模块,用于基于预先构建的算力调度模型对所述待分配任务的任务数据进行处理,得到所述待分配任务的算力需求值;
目标节点确定模块,用于根据所述任务时延和所述算力需求值,确定所述算力网络节点中的目标算力网络节点;
任务分配模块,用于根据所述待分配任务对应的任务权重,将所述待分配任务分配给所述目标算力网络节点。
可选地,所述时延确定模块包括:
第一传输时延计算单元,用于根据设备发送功率、所述设备与所述算力网络节点之间的信道增益参数和所述设备与所述算力网络节点之间的通信链路的数据传输带宽,计算得到所述设备与所述算力网络节点之间的第一传输时延;
第一计算时延计算单元,用于根据所述算力网络节点分配给所述设备的算力资源和所述待分配任务分配至所述算力网络节点的比例,计算得到所述待分配任务的第一计算时延;
第二传输时延计算单元,用于根据所述算力网络节点为所述待分配任务提供的网络带宽,计算得到所述算力网络节点与云数据中心之间的第二传输时延;
第二计算时延计算单元,用于根据云数据中心为所述待分配任务分配的计算资源,计算得到所述云数据中心的第二计算时延;
任务时延确定单元,用于基于所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延,确定所述待分配任务对应的任务时延。
可选地,所述任务时延确定单元包括:
第一任务时延获取子单元,用于计算得到所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延的时延总和,并将所述时延总和作为所述待分配任务对应的任务时延;
第二任务时延获取子单元,用于对所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延进行加权平均,得到平均时延,并将所述平均时延作为所述待分配任务对应的任务时延。
可选地,所述算力需求获取模块包括:
任务数据量获取单元,用于获取所述待分配任务对应的任务数据量;
算力需求值获取单元,用于基于所述算力调度模型对所述任务数据量、计算芯片资源和芯片计算能力值进行处理,得到所述待分配任务的算力需求值。
可选地,所述目标节点确定模块包括:
空闲算力获取单元,用于获取所述算力网络节点的空闲算力;
候选节点筛选单元,用于根据所述空闲算力,从所述算力网络节点中筛选出空闲算力大于所述算力需求值的候选算力网络节点;
目标节点筛选单元,用于根据所述任务时延和业务需求指数从所述候选算力网络节点中筛选出所述待分配任务对应的目标算力网络节点。
可选地,所述目标节点筛选单元包括:
第一目标节点获取子单元,用于在所述业务需求指数指示以最优资源处理任务的情况下,从所述候选算力网络节点中筛选出所述任务时延最低的算力网络节点作为所述目标算力网络节点;
第二目标节点获取子单元,用于在所述业务需求指数指示以最低成本处理任务的情况下,从所述候选算力网络节点中筛选出所述任务时延最高的算力网络节点作为所述目标算力网络节点。
可选地,所述任务分配模块包括:
任务存储单元,用于将所述待分配任务与所述待分配任务对应的目标算力网络节点以键值对的形式存储于任务队列;
任务分配单元,用于调用Flink流数据按照任务权重从高到低的顺序,将所述任务队列中的所述待分配任务传递至所述待分配任务对应的目标算力网络节点。
第三方面,本申请实施例提供了一种电子设备,包括:
处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任一项所述的算力网络节点分配方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述任一项所述的算力网络节点分配方法。
与现有技术相比,本申请实施例包括以下优点:
本申请实施例中,通过获取待分配任务对应的设备的设备参数,及待分配任务所处区域内的算力网络节点的节点参数。基于设备参数和节点参数,确定待分配任务对应的任务时延。基于预先构建的算力调度模型对待分配任务的任务数据进行处理,得到待分配任务的算力需求值。根据任务时延和算力需求值,确定算力网络节点中的目标算力网络节点。根据待分配任务对应的任务权重,将待分配任务分配给目标算力网络节点。本申请实施例通过结合待分配任务与算力节点网络的任务时延及其所需的算力,筛选出目标算力网络节点,从而可以达到为待分配任务选择最佳的算力网络节点的目的,同时,根据待分配任务对应的任务权重将待分配任务分配给目标算力网络节点,可以提高优先级高的任务的处理效率,提高用户体验。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
图1为本申请实施例提供的一种算力网络节点分配方法的步骤流程图;
图2为本申请实施例提供的一种任务时延确定方法的步骤流程图;
图3为本申请实施例提供的一种任务时延获取方法的步骤流程图;
图4为本申请实施例提供的一种算力需求值获取方法的步骤流程图;
图5为本申请实施例提供的一种目标算力网络节点筛选方法的步骤流程图;
图6为本申请实施例提供的另一种目标算力网络节点筛选方法的步骤流程图;
图7为本申请实施例提供的一种待分配任务分配方法的步骤流程图;
图8为本申请实施例提供的一种实时数据仓架构的示意图;
图9为本申请实施例提供的一种Flink SQL引擎的工作流程的示意图;
图10为本申请实施例提供的一种算力网络节点分配装置的结构示意图;
图11为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
参照图1,示出了本申请实施例提供的一种算力网络节点分配方法的步骤流程图,如图1所示,该算力网络节点分配方法可以包括:步骤101、步骤102、步骤103、步骤104和步骤105。
步骤101:获取待分配任务对应的设备的设备参数,及所述待分配任务所处区域内的算力网络节点的节点参数。
本申请实施例可以应用于为待分配任务分配最佳的算力网络节点的场景中。
在具体实现中,可以在中央服务器部署基于iceberg数据湖技术的实时数据仓库。从形式上划分iceberg是一种表格式。即,基于计算层(Flink、Spark、Hive、Presto)和存储层(ORC、Parquet、AVRO)的一个中间层。为大数据运算的性能适配优化提供基础环境。对于部署的实时数据仓的架构可以如图8所示。如图8所示,计算层包括:Spark、Flink、Hive和Presto,存储层可以包括:ORC、Parquet、AVRO。表格式层即为Table Format,并通过Redis保存key-value映射关系,以指示任务与算力网络节点之间的对应关系。
在实际应用中,可以创建分布式计算任务节点(即算力网络节点)。并通过模型算法计算一个计算任务的总时延包括用户到边缘计算节点的传输时延、边缘节占的处理时延、边缘节点和云数据中心计算节点的传输时延及云计算节点的计算时延,即计算任务在***中到达边缘算力节点的总时延。及优化后的平均时延。获得从网络埋点到表格式之间的平均时延,并根据埋点的权重选择网络算力节点进行算力任务的完成。
设备参数是指发出待分配任务的设备的参数,在本示例中,设备参数可以包括:设备的发送功率等参数。
节点参数是指待分配任务所处区域内的算力网络节点的参数,在本示例中,节点参数可以包括:为任务分配的算力资源、信道增益等参数。
在获取到待分配任务之后,可以获取待分配任务对应的设备的设备参数,以及待分配任务所处区域内的算力网络节点的节点参数。具体地,在对待分配任务进行算力网络节点的分配时,需要结合待分配任务所处的区域内的算力网络节点进行分配,例如,以两个省为例,A省内的待分配任务仅能从A省内选择算力网络节点进行分配,B省内的待分配任务仅能从B省内选择算力网络节点进行分配等,不能跨省选择算力网络节点。
可以理解地,上述示例仅是为了更好地理解本申请实施例的技术方案而列举的示例,不作为对本实施例的唯一限制。
在获取到待分配任务对应的设备的设备参数及待分配任务所处区域内的算力网络节点的节点参数之后,执行步骤102。
步骤102:基于所述设备参数和所述节点参数,确定所述待分配任务对应的任务时延。
在获取到待分配任务对应的设备的设备参数及待分配任务所处区域内的算力网络节点的节点参数之后,可以根据设备参数和节点参数确定出待分配任务对应的任务时延。在本示例中,任务时延可以是通过用户(即用户设备(User Equipment,UE))到边缘计算节点的传输时延、边缘节点的处理时延、边缘节点和云数据中心计算节点的传输时延和云数据中心计算节点的计算时延计算得到的。对于任务时延的获取过程可以结合图2进行如下详细描述。
参照图2,示出了本申请实施例提供的一种任务时延确定方法的步骤流程图,如图2所示,该任务时延确定方法可以包括:步骤201、步骤202、步骤203、步骤204和步骤205。
步骤201:根据设备发送功率、所述设备与所述算力网络节点之间的信道增益参数和所述设备与所述算力网络节点之间的通信链路的数据传输带宽,计算得到所述设备与所述算力网络节点之间的第一传输时延。
在本实施例中,第一传输时延是指设备与算力网络节点之间传输任务的时延。
获取的设备参数中包含设备发送功率,节点参数可以包含设备与算力网络节点之间的信道增益参数和设备与算力网络节点之间的通信链路的数据传输带宽。
在获取到设备参数和节点参数之后,可以根据设备参数中包含的设备发送功率和节点参数中包含的备与算力网络节点之间的信道增益参数和所述设备与算力网络节点之间的通信链路的数据传输带宽,计算得到设备与算力网络节点之间的第一传输时延。对于第一传输时延的计算可以如下述公式(1)所示:
上述公式(1)中,为第一传输时延,pi是第i个设备的发送功率;hk,i是第i个用户终端到第k个边缘节点的信道增益,是一个随机的独立同分布变量;σ2是加性高斯白噪声功率,B为无线通信链路的数据传输带宽。
步骤202:根据所述算力网络节点分配给所述设备的算力资源和所述待分配任务分配至所述算力网络节点的比例,计算得到所述待分配任务的第一计算时延。
第一计算时延是指算力网络节点计算待分配任务的时延。
在获取的节点参数中包含有算力网络节点分配给设备的算力资源,以及待分配任务分配至算力网络节点的比例。
在获取到节点参数之后,可以根据节点参数中包含的算力网络节点分配给设备的算力资源和待分配任务分配至算力网络节点的比例,计算得到待分配任务的第一计算时延。对于第一计算时延的计算方式可以如下公式(2)所示:
上述公式(2)中,为第一计算时延,λi为第i个用户设备的计算任务分配给其对应边缘计算节点(即算力网络节点)的比例,λi所属区间为[0,1],则1-λi,比例的计算任务卸载到云数据中心,用表示第k个边缘计算节点分配给第i个用户设备的算力资源。
步骤203:根据所述算力网络节点为所述待分配任务提供的网络带宽,计算得到所述算力网络节点与云数据中心之间的第二传输时延。
第二传输时延是指算力网络节点与云数据中心传输待分配任务的时延。
在获取的节点参数中包含有算力网络节点为待分配任务提供的网络带宽。在获取到节点参数之后,可以根据节点参数中包含的算力网络节点为待分配任务提供的网络带宽,计算得到算力网络节点与云数据中心之间的第二传输时延。对于第二传输时延的计算方式可以如下述公式(3)所示:
步骤204:根据云数据中心为所述待分配任务分配的计算资源,计算得到所述云数据中心的第二计算时延。
第二计算时延是指运数据中心为待分配任务分配的计算资源计算待分配任务的时延。
在获取到的节点参数中包含有云数据中心为待分配任务分配的计算资源。在获取到节点参数之后,可以根据节点参数中包含的云数据中心为待分配任务分配的计算资源计算得到云数据中心的第二计算时延。对于第二计算时延的计算方式可以结合下述公式(4)所示:
在通过上述步骤得到第一计算时延、第二计算时延、第一传输时延和第二传输时延之后,执行步骤205。
步骤205:基于所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延,确定所述待分配任务对应的任务时延。
在得到第一计算时延、第二计算时延、第一传输时延和第二传输时延之后,可以基于第一计算时延、第二计算时延、第一传输时延和第二传输时延确定出待分配任务对应的任务时延。
在具体实现中,可以计算第一计算时延、第二计算时延、第一传输时延和第二传输时延的总时延,以作为待分配任务对应的任务时延。也可以对第一计算时延、第二计算时延、第一传输时延和第二传输时延进行加权平均,得到平均时延,以作为待分配任务对应的任务时延。对于该实现过程可以结合图3进行如下详细描述。
参照图3,示出了本申请实施例提供的一种任务时延获取方法的步骤流程图,如图3所示,该任务时延获取方法可以包括:步骤301和步骤302。
步骤301:计算得到所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延的时延总和,并将所述时延总和作为所述待分配任务对应的任务时延。
在本实施例中,在得到第一计算时延、第二计算时延、第一传输时延和第二传输时延之后,可以计算第一计算时延、第二计算时延、第一传输时延和第二传输时延的时延总和,并将时延总和作为待分配任务对应的任务时延。计算公式如下述公式(5)所示:
步骤302:对所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延进行加权平均,得到平均时延,并将所述平均时延作为所述待分配任务对应的任务时延。
在具体实现中,在无线时域中,时延是衡量***性能的重要特性之一,可通过云、网、边、端中各段的任务队列长度之和来度量***的时延特性。考虑边缘节点、云数据中心节点的动态队列特性,因此,可以采用平均时延作为待分配任务的任务时延。
在得到第一计算时延、第二计算时延、第一传输时延和第二传输时延之后,可以对第一计算时延、第二计算时延、第一传输时延和第二传输时延进行加权平均,以得到平均时延,并将平均时延作为待分配任务对应的任务时延。对于平均时延的计算方式可以如下公式(6)所示:
上述公式(6)中,Sk(t)为t时刻卸载到云数据中心服务器端的计算任务队列,Qk(t)为算力网络节点上存在的任务队列,t表示第t个决策时刻。
在基于设备参数和节点参数确定出待分配任务对应的任务时延之后,执行步骤104。
步骤103:基于预先构建的算力调度模型对所述待分配任务的任务数据进行处理,得到所述待分配任务的算力需求值。
算力调度模型是指预先构建的用于计算待分配任务的需求算力的模型。
算力需求值是指处理待分配任务所需要的算力值。算力(也称哈希率)是比特币网络处理能力的度量单位。即为计算机计算哈希函数输出的速度。比特币网络必须为了安全目的而进行密集的数学和加密相关操作。例如,当网络达到10Th/s的哈希率时,意味着它可以每秒进行10万亿次计算。
在获取到待分配任务之后,可以基于预先构建的算力调度模型对待分配任务的任务数据进行处理,以得到待分配任务的算力需求值。对于算力需求值的获取过程可以结合图4进行如下详细描述。
参照图4,示出了本申请实施例提供的一种算力需求值获取方法的步骤流程图,如图4所示,该算力需求值获取方法可以包括:步骤401和步骤402。
步骤401:获取所述待分配任务对应的任务数据量。
在本实施例中,在获取到待分配任务之后,可以获取待分配任务的任务数据量。
在获取到待分配任务的任务数据量之后,执行步骤402。
步骤402:基于所述算力调度模型对所述任务数据量、计算芯片资源和芯片计算能力值进行处理,得到所述待分配任务的算力需求值。
在获取到待分配任务的任务数据量之后,可以调用算力调度模型对任务数据量、计算芯片资源和芯片计算能力值进行处理,以得到待分配任务的算力需求值。
在本示例中,算力调度模型如下公式(7)所示:
上述公式(7)中,Cbr为总的算力需求;f(x)为映射函数;q为冗余算力。以并行计算能力为例,假设有b1、b2、b3;3种不同类型的并行计算芯片资源,则f(βj)表示第j个并行计算芯片可提供的并行计算能力的映射函数,q2表示并行计算的冗余算力。
在基于预先构建的算力调度模型对待分配任务的任务数据进行处理,得到待分配任务的算力需求值之后,执行步骤104。
步骤104:根据所述任务时延和所述算力需求值,确定所述算力网络节点中的目标算力网络节点。
目标算力网络节点是指算力网络节点中用于处理待分配任务的算力网络节点。
在获取到待分配任务对应的任务时延和算力需求值之后,可以根据任务时延和算力需求值确定出算力网络节点中的目标算力网络节点。
在具体实现中,可以根据算力网络节点的剩余算力,从算力网络节点中筛选出大于待分配任务的算力需求值的候选算力网络节点,然后根据任务时延和业务需求指数从候选算力网络节点中筛选出待分配任务对应的目标算力网络节点。对于该实现过程可以结合图5进行如下详细描述。
参照图5,示出了本申请实施例提供的一种目标算力网络节点筛选方法的步骤流程图,如图5所示,该目标算力网络节点筛选方法可以包括:步骤501、步骤502和步骤503。
步骤501:获取所述算力网络节点的空闲算力。
在本实施例中,空闲算力是指待分配任务所处区域内的算力网络节点剩余可用的算力。
在获取到待分配任务所处区域内的算力网络节点之后,可以获取算力网络节点的空闲算力。在具体实现中,可以由算力网络节点上报剩余可用的空闲算力,也可以根据算力网络节点当前已使用的算力,及算力网络节点的总算力,计算出算力网络节点的空闲算力等。具体地,对于算力网络节点的具体获取方式可以根据业务需求而定,本实施例对此不加以限制。
在获取到算力网络节点的空闲算力之后,执行步骤502。
步骤502:根据所述空闲算力,从所述算力网络节点中筛选出空闲算力大于所述算力需求值的候选算力网络节点。
候选算力网络节点是指待分配任务所处区域内的算力网络节点中空闲算力大于待分配任务所需的算力需求值的网络节点。
在获取到算力网络节点的空闲算力之后,可以根据算力网络节点的空闲算力从算力网络节点中筛选出空闲算力大于算力需求值的候选算力网络节点。例如,待分配任务所处区域内的算力网络节点包括:节点1、节点2、节点3、节点4和节点5,待分配任务的算力需求值为15,节点1的空闲算力为12,节点2的空闲算力为18,节点3的空闲算力为19,节点4的空闲算力为29,节点5的空闲算力为44,此时,可以将节点2、节点3、节点4和节点5作为候选算力网络节点等。
可以理解地,上述示例仅是为了更好地理解本申请实施例的技术方案而列举的示例,不作为对本实施例的唯一限制。
在根据空闲算力从算力网络节点中筛选出空闲算力大于算力需求值的候选算力网络节点之后,执行步骤503。
步骤503:根据所述任务时延和业务需求指数从所述候选算力网络节点中筛选出所述待分配任务对应的目标算力网络节点。
业务需求指数可以用于指示待分配任务的设备的需求指数,在本示例中,业务需求指数可以包括以最优资源处理任务的指数,及以最低成本处理任务的指数。
在根据空闲算力从算力网络节点中筛选出空闲算力大于算力需求值的候选算力网络节点之后,可以根据任务时延和业务需求指数从候选算力网络节点中筛选出待分配任务对应的目标算力网络节点。具体地,可以根据业务需求指数的不同进行目标算力网络节点的筛选,对于该实现过程可以结合图6进行如下详细描述。
参照图6,示出了本申请实施例提供的一种目标算力网络节点获取方法的步骤流程图,如图6所示,该目标算力网络节点获取方法可以包括:步骤601和步骤602。
步骤601:在所述业务需求指数指示以最优资源处理任务的情况下,从所述候选算力网络节点中筛选出所述任务时延最低的算力网络节点作为所述目标算力网络节点。
在本实施例中,在业务需求指数指示以最优资源处理任务时,则可以从候选算力网络节点中筛选出任务时延最低的算力网络节点作为目标算力网络节点。即以最快速度处理任务。
步骤602:在所述业务需求指数指示以最低成本处理任务的情况下,从所述候选算力网络节点中筛选出所述任务时延最高的算力网络节点作为所述目标算力网络节点。
在业务需求指数指示以最低成本处理任务时,则可以从候选算力网络节点中筛选出任务时延最高的算力网络节点作为目标算力网络节点。即以最省钱的方式处理任务。
在根据任务时延和业务需求指数从候选算力网络节点中筛选出待分配任务对应的目标算力网络节点之后,执行步骤105。
步骤105:根据所述待分配任务对应的任务权重,将所述待分配任务分配给所述目标算力网络节点。
任务权重可以用于指示待分配任务的重要程度,在本示例中,任务权重越高,则表示该待分配任务越重要,反之,任务权重越低,则表示该待分配任务越不重要。
在根据任务时延和业务需求指数从候选算力网络节点中筛选出待分配任务对应的目标算力网络节点之后,可以根据待分配任务对应的任务权重,将待分配任务分配给目标算力网络节点。在本实施例中,可以调用Flink数据流按照任务权重进行待分配任务的传递,对于该实现过程可以结合图7进行详细描述。
参照图7,示出了本申请实施例提供的一种待分配任务分配方法的步骤流程图,如图7所示,该待分配任务分配方法可以包括:步骤701和步骤702。
步骤701:将所述待分配任务与所述待分配任务对应的目标算力网络节点以键值对的形式存储于任务队列。
在确定待分配任务对应的目标算力网络节点之后,可以将待分配任务与待分配任务对应的目标算力网络节点以键值对的形式存储于任务队列。即key—value。
在将待分配任务与待分配任务对应的目标算力网络节点以键值对的形式存储于任务队列之后,执行步骤702。
步骤702:调用Flink流数据按照任务权重从高到低的顺序,将所述任务队列中的所述待分配任务传递至所述待分配任务对应的目标算力网络节点。
在将待分配任务与待分配任务对应的目标算力网络节点以键值对的形式存储于任务队列之后,可以调用Flink流数据按照任务权重从高到低的顺序,将任务队列中的待分配任务传递至待分配任务对应的目标算力网络节点。
在具体实现中,可以利用redis的key-value(键值)存储形式与Flink对接形成Flink-连接-redis。通过建立key、value映射关系,形成会话表。以供FlinkSQL调用。对于该Flink SQL引擎的工作流可以如图9所示。
如图9所示,SQL/TableAPI从输入到编译为可执行的JobGraph主要有以下几个步骤:
1、将SQL文本/TableAPI代码转换为逻辑执行计划(Logical Plan);
2、逻辑执行计划通过优化器转化为物理执行计划(Physical Plan);
3、通过代码生成技术生成Transformation后进一步编译为可执行的JobGraph提交运行。
JobGraph是对StreamGraph进行优化,比如设置哪些算子可以chain,减少网络开销。Flink任务的图结构中,部分算子是chain在一起的(减少序列化和网络开销,提高效率)。
SQL实现详述:
S1、将SQL文本/TableAPI代码转换为逻辑执行计划;
S2、SQL/TableAPI通过calcite框架将SQL解析转为AST抽象语法树;
S3、SQL Validator获取Catalog中的元数据对表达式、表信息等进行校验,转化为关系代数表达式(RelNode);
S4、再由Optimizer将关系代数表达式转换为初始状态的逻辑执行计划。
本申请实施例利用rediskey-value存储形式,与FlinkSQL结合完成数据统计。来解决数据湖解决方案中关键的一个环节就是数据存储和计算引擎之间的适配问题。同时,当收到网络埋点信息要求进行AI分析的业务需求后,即可通过redis将网络埋点信息及权重结合flink流数据形式传递给最合适的算力网络节点。
本申请实施例提供的算力网络节点分配方法,通过获取待分配任务对应的设备的设备参数,及待分配任务所处区域内的算力网络节点的节点参数。基于设备参数和节点参数,确定待分配任务对应的任务时延。基于预先构建的算力调度模型对待分配任务的任务数据进行处理,得到待分配任务的算力需求值。根据任务时延和算力需求值,确定算力网络节点中的目标算力网络节点。根据待分配任务对应的任务权重,将待分配任务分配给目标算力网络节点。本申请实施例通过结合待分配任务与算力节点网络的任务时延及其所需的算力,筛选出目标算力网络节点,从而可以达到为待分配任务选择最佳的算力网络节点的目的,同时,根据待分配任务对应的任务权重将待分配任务分配给目标算力网络节点,可以提高优先级高的任务的处理效率,提高用户体验。
参照图10,示出了本申请实施例提供的一种算力网络节点分配装置的结构示意图,如图10所示,该算力网络节点分配装置1000可以包括以下模块:
参数获取模块1001,用于获取待分配任务对应的设备的设备参数,及所述待分配任务所处区域内的算力网络节点的节点参数;
时延确定模块1002,用于基于所述设备参数和所述节点参数,确定所述待分配任务对应的任务时延;
算力需求获取模块1003,用于基于预先构建的算力调度模型对所述待分配任务的任务数据进行处理,得到所述待分配任务的算力需求值;
目标节点确定模块1004,用于根据所述任务时延和所述算力需求值,确定所述算力网络节点中的目标算力网络节点;
任务分配模块1005,用于根据所述待分配任务对应的任务权重,将所述待分配任务分配给所述目标算力网络节点。
可选地,所述时延确定模块1002包括:
第一传输时延计算单元,用于根据设备发送功率、所述设备与所述算力网络节点之间的信道增益参数和所述设备与所述算力网络节点之间的通信链路的数据传输带宽,计算得到所述设备与所述算力网络节点之间的第一传输时延;
第一计算时延计算单元,用于根据所述算力网络节点分配给所述设备的算力资源和所述待分配任务分配至所述算力网络节点的比例,计算得到所述待分配任务的第一计算时延;
第二传输时延计算单元,用于根据所述算力网络节点为所述待分配任务提供的网络带宽,计算得到所述算力网络节点与云数据中心之间的第二传输时延;
第二计算时延计算单元,用于根据云数据中心为所述待分配任务分配的计算资源,计算得到所述云数据中心的第二计算时延;
任务时延确定单元,用于基于所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延,确定所述待分配任务对应的任务时延。
可选地,所述任务时延确定单元包括:
第一任务时延获取子单元,用于计算得到所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延的时延总和,并将所述时延总和作为所述待分配任务对应的任务时延;
第二任务时延获取子单元,用于对所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延进行加权平均,得到平均时延,并将所述平均时延作为所述待分配任务对应的任务时延。
可选地,所述算力需求获取模块1003包括:
任务数据量获取单元,用于获取所述待分配任务对应的任务数据量;
算力需求值获取单元,用于基于所述算力调度模型对所述任务数据量、计算芯片资源和芯片计算能力值进行处理,得到所述待分配任务的算力需求值。
可选地,所述目标节点确定模块1004包括:
空闲算力获取单元,用于获取所述算力网络节点的空闲算力;
候选节点筛选单元,用于根据所述空闲算力,从所述算力网络节点中筛选出空闲算力大于所述算力需求值的候选算力网络节点;
目标节点筛选单元,用于根据所述任务时延和业务需求指数从所述候选算力网络节点中筛选出所述待分配任务对应的目标算力网络节点。
可选地,所述目标节点筛选单元包括:
第一目标节点获取子单元,用于在所述业务需求指数指示以最优资源处理任务的情况下,从所述候选算力网络节点中筛选出所述任务时延最低的算力网络节点作为所述目标算力网络节点;
第二目标节点获取子单元,用于在所述业务需求指数指示以最低成本处理任务的情况下,从所述候选算力网络节点中筛选出所述任务时延最高的算力网络节点作为所述目标算力网络节点。
可选地,所述任务分配模块1005包括:
任务存储单元,用于将所述待分配任务与所述待分配任务对应的目标算力网络节点以键值对的形式存储于任务队列;
任务分配单元,用于调用Flink流数据按照任务权重从高到低的顺序,将所述任务队列中的所述待分配任务传递至所述待分配任务对应的目标算力网络节点。
本申请实施例提供的算力网络节点分配装置,通过获取待分配任务对应的设备的设备参数,及待分配任务所处区域内的算力网络节点的节点参数。基于设备参数和节点参数,确定待分配任务对应的任务时延。基于预先构建的算力调度模型对待分配任务的任务数据进行处理,得到待分配任务的算力需求值。根据任务时延和算力需求值,确定算力网络节点中的目标算力网络节点。根据待分配任务对应的任务权重,将待分配任务分配给目标算力网络节点。本申请实施例通过结合待分配任务与算力节点网络的任务时延及其所需的算力,筛选出目标算力网络节点,从而可以达到为待分配任务选择最佳的算力网络节点的目的,同时,根据待分配任务对应的任务权重将待分配任务分配给目标算力网络节点,可以提高优先级高的任务的处理效率,提高用户体验。
本申请实施例还提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述算力网络节点分配方法。
图11示出了本发明实施例的一种电子设备1100的结构示意图。如图11所示,电子设备1100包括中央处理单元(CPU)1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序指令或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序指令,来执行各种适当的动作和处理。在RAM1103中,还可存储电子设备1100操作所需的各种程序和数据。CPU1101、ROM1102以及RAM1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
电子设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106,例如键盘、鼠标、麦克风等;输出单元1107,例如各种类型的显示器、扬声器等;存储单元1108,例如磁盘、光盘等;以及通信单元1109,例如网卡、调制解调器、无线通信收发机等。通信单元1109允许电子设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理,可由处理单元1101执行。例如,上述任一实施例的方法可被实现为计算机软件程序,其被有形地包含于计算机可读介质,例如存储单元1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM1102和/或通信单元1109而被载入和/或安装到电子设备1100上。当计算机程序被加载到RAM1103并由CPU1101执行时,可以执行上文描述的方法中的一个或多个动作。
另外地,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述算力网络节点分配方法。
本说明书中的各个实施例均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的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端上,使得在计算机或其他可编程终端上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端中还存在另外的相同要素。
以上对本申请所提供的一种算力网络节点分配方法、一种算力网络节点分配装置、一种电子设备和一种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;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种算力网络节点分配方法,其特征在于,所述方法包括:
获取待分配任务对应的设备的设备参数,及所述待分配任务所处区域内的算力网络节点的节点参数;
基于所述设备参数和所述节点参数,确定所述待分配任务对应的任务时延;
基于预先构建的算力调度模型对所述待分配任务的任务数据进行处理,得到所述待分配任务的算力需求值;
根据所述任务时延和所述算力需求值,确定所述算力网络节点中的目标算力网络节点;
根据所述待分配任务对应的任务权重,将所述待分配任务分配给所述目标算力网络节点。
2.根据权利要求1所述的方法,其特征在于,所述基于所述设备参数和所述节点参数,确定所述待分配任务对应的任务时延,包括:
根据设备发送功率、所述设备与所述算力网络节点之间的信道增益参数和所述设备与所述算力网络节点之间的通信链路的数据传输带宽,计算得到所述设备与所述算力网络节点之间的第一传输时延;
根据所述算力网络节点分配给所述设备的算力资源和所述待分配任务分配至所述算力网络节点的比例,计算得到所述待分配任务的第一计算时延;
根据所述算力网络节点为所述待分配任务提供的网络带宽,计算得到所述算力网络节点与云数据中心之间的第二传输时延;
根据云数据中心为所述待分配任务分配的计算资源,计算得到所述云数据中心的第二计算时延;
基于所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延,确定所述待分配任务对应的任务时延。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延,确定所述待分配任务对应的任务时延,包括:
计算得到所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延的时延总和,并将所述时延总和作为所述待分配任务对应的任务时延;或者
对所述第一传输时延、所述第一计算时延、所述第二传输时延和所述第二计算时延进行加权平均,得到平均时延,并将所述平均时延作为所述待分配任务对应的任务时延。
4.根据权利要求1所述的方法,其特征在于,所述基于预先构建的算力调度模型对所述待分配任务的任务数据进行处理,得到所述待分配任务的算力需求值,包括:
获取所述待分配任务对应的任务数据量;
基于所述算力调度模型对所述任务数据量、计算芯片资源和芯片计算能力值进行处理,得到所述待分配任务的算力需求值。
5.根据权利要求1所述的方法,其特征在于,所述根据所述任务时延和所述算力需求值,确定所述算力网络节点中的目标算力网络节点,包括:
获取所述算力网络节点的空闲算力;
根据所述空闲算力,从所述算力网络节点中筛选出空闲算力大于所述算力需求值的候选算力网络节点;
根据所述任务时延和业务需求指数从所述候选算力网络节点中筛选出所述待分配任务对应的目标算力网络节点。
6.根据权利要求5所述的方法,其特征在于,所述根据所述任务时延和业务需求指数从所述候选算力网络节点中筛选出所述待分配任务对应的目标算力网络节点,包括:
在所述业务需求指数指示以最优资源处理任务的情况下,从所述候选算力网络节点中筛选出所述任务时延最低的算力网络节点作为所述目标算力网络节点;或者
在所述业务需求指数指示以最低成本处理任务的情况下,从所述候选算力网络节点中筛选出所述任务时延最高的算力网络节点作为所述目标算力网络节点。
7.根据权利要求1所述的方法,其特征在于,所述根据所述待分配任务对应的任务权重,将所述待分配任务分配给所述目标算力网络节点,包括:
将所述待分配任务与所述待分配任务对应的目标算力网络节点以键值对的形式存储于任务队列;
调用Flink流数据按照任务权重从高到低的顺序,将所述任务队列中的所述待分配任务传递至所述待分配任务对应的目标算力网络节点。
8.一种算力网络节点分配装置,其特征在于,所述装置包括:
参数获取模块,用于获取待分配任务对应的设备的设备参数,及所述待分配任务所处区域内的算力网络节点的节点参数;
时延确定模块,用于基于所述设备参数和所述节点参数,确定所述待分配任务对应的任务时延;
算力需求获取模块,用于基于预先构建的算力调度模型对所述待分配任务的任务数据进行处理,得到所述待分配任务的算力需求值;
目标节点确定模块,用于根据所述任务时延和所述算力需求值,确定所述算力网络节点中的目标算力网络节点;
任务分配模块,用于根据所述待分配任务对应的任务权重,将所述待分配任务分配给所述目标算力网络节点。
9.一种电子设备,其特征在于,包括:
处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1至7中任一项所述的算力网络节点分配方法。
10.一种计算机可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行权利要求1至7中任一项所述的算力网络节点分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211398941.6A CN115801896A (zh) | 2022-11-09 | 2022-11-09 | 算力网络节点分配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211398941.6A CN115801896A (zh) | 2022-11-09 | 2022-11-09 | 算力网络节点分配方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115801896A true CN115801896A (zh) | 2023-03-14 |
Family
ID=85436333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211398941.6A Pending CN115801896A (zh) | 2022-11-09 | 2022-11-09 | 算力网络节点分配方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115801896A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116303398A (zh) * | 2023-03-21 | 2023-06-23 | 华联世纪工程咨询股份有限公司 | 一种历史工程造价数据清洗方法 |
-
2022
- 2022-11-09 CN CN202211398941.6A patent/CN115801896A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116303398A (zh) * | 2023-03-21 | 2023-06-23 | 华联世纪工程咨询股份有限公司 | 一种历史工程造价数据清洗方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109218355B (zh) | 负载均衡引擎,客户端,分布式计算***以及负载均衡方法 | |
CN103401947A (zh) | 多个服务器的任务分配方法和装置 | |
CN109981744B (zh) | 数据的分发方法、装置、存储介质及电子设备 | |
CN110347515B (zh) | 一种适合边缘计算环境的资源优化分配方法 | |
CN108270805B (zh) | 用于数据处理的资源分配方法及装置 | |
CN107566535B (zh) | 基于Web地图服务并发访问时序规则的自适应负载均衡方法 | |
CN116700920A (zh) | 云原生混合部署集群资源调度方法及装置 | |
CN113961264B (zh) | 一种面向视频监控云边协同的智能卸载算法与*** | |
CN113037877A (zh) | 云边端架构下时空数据及资源调度的优化方法 | |
CN107291544A (zh) | 任务调度的方法及装置、分布式任务执行*** | |
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*** | |
CN115801896A (zh) | 算力网络节点分配方法、装置、电子设备及存储介质 | |
CN110809291A (zh) | 基于能量采集设备的移动边缘计算***双层负载平衡方法 | |
CN110167031B (zh) | 一种面向集中式基站的资源分配方法、设备及存储介质 | |
CN116016533A (zh) | 一种自动加权负载均衡方法和***、电子设备、存储介质 | |
CN116302469A (zh) | 一种任务处理的方法和装置 | |
US9916182B2 (en) | Method and apparatus for allocating stream processing unit | |
CN117135131A (zh) | 一种面向云边协同场景的任务资源需求感知方法 | |
CN110958666B (zh) | 基于强化学习的网络切片资源映射方法 | |
CN109995818A (zh) | 一种服务器负载均衡的方法及装置 | |
Cavallo et al. | A LAHC-based job scheduling strategy to improve big data processing in geo-distributed contexts | |
CN113079053B (zh) | 网络切片下基于粒子群理论的虚拟资源重配置方法及*** | |
CN111752707B (zh) | 一种基于映射关系的电力通信网资源分配方法 | |
CN114612037A (zh) | 一种仓库信息的管理方法和*** | |
CN110365799B (zh) | 一种集群多节点调度方法、装置和计算机可读存储介质 |
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 |