任务部署的优化方法技术

本公开提供了一种任务部署的优化方法

【技术实现步骤摘要】
任务部署的优化方法、装置、电子设备及存储介质


[0001]本公开涉及计算机
，尤其涉及一种任务部署的优化方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]当在一个核上新增一项任务时，会改变该核上的负载以及任务调度，同时影响其他任务的运行
。
目前仍需要对已测试过的任务部署模式进行测试覆盖，来确定任务运行时的性能，而且每调整一次任务部署模式都需要进行测试覆盖，开发效率不高，且很难找到最优解
。

技术实现思路

[0003]本公开提供了一种用于任务部署的优化方法
、
装置
、
电子设备及存储介质
。
[0004]根据本公开的一方面，提供了一种任务部署的优化方法，包括：从在非对称多处理
AMP
系统的每个核心上部署各自的初始任务组合开始，采集所述核心上当前部署的第一任务组合的在组内任务被执行时的统计信息；根据所述统计信息获取任务调整请求，并基于所述任务调整请求对所述核心的第一任务组合进行优化，得到所述核心的第二任务组合；重新采集所述第二任务组合的统计信息及后续操作，以得到所述
AMP
系统负载均衡最优时的目标任务部署模式，其中所述目标任务部署模式包括每个所述核心最终的目标任务组合
。
[0005]根据本公开的另一方面，提供了一种任务部署的优化装置，包括：采集模块，用于从在非对称多处理
AMP
系统的每个核心上部署各自的初始任务组合开始，采集所述核心上当前部署的第一任务组合的在组内任务被执行时的统计信息；优化模块，用于根据所述统计信息获取任务调整请求，并基于所述任务调整请求对所述核心的第一任务组合进行优化，得到所述核心的第二任务组合；确定模块，用于重新采集所述第二任务组合的统计信息及后续操作，以得到所述
AMP
系统负载均衡最优时的目标任务部署模式，其中所述目标任务部署模式包括每个所述核心最终的目标任务组合
。
[0006]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面实施例所述的任务部署的优化方法
。
[0007]根据本公开另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序
/
指令，所述计算机指令用于使所述计算机执行上述一方面实施例所述的任务部署的优化方法
。
[0008]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序
/
指令，所述计算机程序
/
指令被处理器执行时实现上述一方面实施例所述的任务部署的优化方法
。
[0009]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特
征，也不用于限制本公开的范围
。
本公开的其它特征将通过以下的说明书而变得容易理解
。
附图说明
[0010]附图用于更好地理解本方案，不构成对本公开的限定
。
其中：
[0011]图1为本公开实施例提供的一种任务部署的优化方法的流程示意图；
[0012]图2为本公开实施例提供的另一种任务部署的优化方法的流程示意图；
[0013]图3为本公开实施例提供的另一种任务部署的优化方法的流程示意图；
[0014]图4为本公开实施例提供的另一种任务部署的优化方法的流程示意图；
[0015]图5为本公开实施例提供的另一种任务部署的优化方法的流程示意图；
[0016]图6为本公开实施例提供的对任务部署进行优化的示意图；
[0017]图7为本公开实施例提供的一种任务部署的优化方法的交互示意图；
[0018]图8为本公开实施例提供的另一种任务部署的优化方法的流程示意图；
[0019]图9为本公开实施例提供的一种任务部署的优化装置的结构示意图；
[0020]图
10
为用来实现本公开实施例的任务部署的优化方法的电子设备的框图
。
具体实施方式
[0021]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神
。
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
。
[0022]下面参考附图描述本公开实施例的任务部署的优化方法
、
装置和电子设备
。
[0023]人工智能
(Artificial Intelligence
，简称
AI)
，是研究使计算机来模拟人生的某些思维过程和智能行为
(
如学习
、
推理
、
思考
、
规划等
)
的学科，既有硬件层面的技术，也有软件层面的技术
。
人工智能硬件技术一般包括计算机视觉技术
、
语音识别技术
、
自然语言处理技术以及及其学习
/
深度学习
、
大数据处理技术
、
知识图谱技术等几大方面
。
[0024]自然语言处理
(Natural Language Processing
，
NLP)
是计算机科学领域与人工智能领域中的一个重要方向
。
它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法
。
自然语言处理是一门融语言学
、
计算机科学
、
数学于一体的科学
。
自然语言处理主要应用于机器翻译
、
舆情监测
、
自动摘要
、
观点提取
、
文本分类
、
问题回答
、
文本语义对比
、
语音识别等方面
。
[0025]深度学习
(Deep Learning
，简称
DL)
，是机器学习
(Machine Learning
，简称
ML)
领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标
——
人工智能
。
深度学习是学习样本数据的内在律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助
。
它的最终本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种任务部署的优化方法，其中，由第一设备执行，所述方法包括：从在非对称多处理
AMP
系统的每个核心上部署各自的初始任务组合开始，采集所述核心上当前部署的第一任务组合的在组内任务被执行时的统计信息；根据所述统计信息获取任务调整请求，并基于所述任务调整请求对所述核心的第一任务组合进行优化，得到所述核心的第二任务组合；重新采集所述第二任务组合的统计信息及后续操作，以得到所述
AMP
系统负载均衡最优时的目标任务部署模式，其中所述目标任务部署模式包括每个所述核心最终的目标任务组合
。2.
根据权利要求1所述的方法，其中，所述得到所述
AMP
系统负载均衡最优时的目标任务部署模式，包括：确定每个所述核心同批部署的任务组合为一个任务部署模式；以每次任务部署优化得到的所述任务部署模式组成一个模式集合；从所述模式集合包括的所述任务部署模式中，确定所述目标任务部署模式
。3.
根据权利要求2所述的方法，其中，所述从所述模式集合包括的所述任务部署模式中，确定所述目标任务部署模式，包括：获取每个所述任务部署模式下所述
AMP
系统的负载信息；根据所述负载信息，对所述模式集合包括的任务部署模式的负载均衡进行最优判定，并将负载均衡最优的任务部署模式，作为所述目标任务部署模式
。4.
根据权利要求1所述的方法，其中，所述基于所述任务调整请求对所述核心的第一任务组合进行优化，得到所述核心的第二任务组合，包括：响应于所述任务调整请求包括任务迁移请求，根据所述任务迁移请求，确定所述
AMP
系统中一个或多个第一核心需迁入的第一任务，以及所述第一任务组合中需迁出的第二任务和所述第二任务迁移后的核心；针对每个所述第一核心，向所述迁移后的核心上迁移所述第二任务，并将所述第一任务迁入所述第一核心，得到所述第一核心的第二任务组合
。5.
根据权利要求1或5所述的方法，其中，所述基于所述任务调整请求对所述核心的第一任务组合进行优化，得到所述核心的第二任务组合，包括：响应于所述任务调整请求包括任务优先级更新请求，根据所述优先级更新请求，确定一个或多个第二核心的第一任务组合内各任务的目标优先级；针对每个所述第二核心，将所述第二核心的第一任务组合内各任务的优先级从当前优先级调整至所述目标优先级
。6.
根据权利要求1‑4中任一项所述的方法，其中，所述根据所述统计信息获取任务调整请求，包括：根据所述任务的执行信息判断所述任务是否满足第一性能指标，若存在未满足所述第一性能指标的任务，则生成所述任务调整请求；和
/
或，根据所述核心的使用信息判断所述核心是否满足第二性能指标，若所述核心未满足所述第二性能指标，则生成所述任务调整请求
。7.
根据权利要求1‑4中任一项所述的方法，其中，所述根据所述统计信息获取任务调整请求，包括：
向第二设备发送所述统计信息；接收所述第二设备发送的所述任务调整请求，其中所述任务调整请求由所述第二设备基于所述统计信息确定需对所述第一任务组合优化时发送
。8.
根据权利要求1‑4中任一项所述的方法，其中，所述方法还包括：针对任一类任务组合，基于所述任务组合中各任务的第一性能指标和
/
或任务属性信息，确定所述任务组合中各任务的优先级
。9.
根据权利要求1‑4中任一项所述的方法，其中，所述初始任务组合的确定过程，包括：调用程序脚本自动对多个任务进行组合，得到所述初始任务组合，其中，所述初始任务组合的数量与所述
AMP
系统核心的数量相同
。10.
根据权利要求9所述的方法，其中，所述调用程序脚本自动对多个任务进行组合，得到所述初始任务组合之后，还包括：向所述
AMP
系统的每个核心上随机部署所述初始任务组合，其中每个核心对应一个所述初始任务组合
。11.
根据权利要求7所述的方法，其中，所述方法还包括：接收所述第二设备发送的所述任务的场景输入数据，并基于所述场景输入数据执行所述任务
。12.
一种任务部署的优化装置，其中，由第一设备执行，所述装置包括：采集模块，用于从在非对称多处理
AMP
系统的每个核心上部署各自的初始任务组合开始，采集所述核心上当前部署的第一任务组合的在组内任务被执行时的统计信息；优化模块，用于根据所述统计信息获取任务调整请求，并基于所述任务调整请求对所述核心的第一任务组合进行优化，得到所述核心的第二任务组合；确定模块，用于重新采集所述第二任务组合的统计信息及后续操...

【专利技术属性】
技术研发人员：代瑞，石昌帅，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：