【技术实现步骤摘要】
本专利技术涉及算力调度，尤其涉及异构硬件算力调度方法、装置、设备及介质。
技术介绍
1、算力调度
通过分配和管理计算资源优化性能和成本，旨在环境和资源需求实时变化的计算系统中解决计算任务和计算资源间的动态匹配问题，包括处理异构计算环境中的资源分配、实时响应计算需求变化、优化能耗和处理时间，应用于云计算、数据中心、高性能计算和边缘计算多种环境，利用负载平衡、资源预测、任务优先级设置和能源管理，确保计算资源得到高效利用，提升处理效率，减少延迟和增加系统的整体稳定性。
2、其中，异构硬件算力调度方法专注于在包括多种类型硬件的环境中，计算和优化资源分配，包括cpu、gpu、fpga多种类型的处理器，通过智能算力调度，确保多个任务根据性质分配到能有效处理目标任务的硬件上，提高计算速度，降低能耗，优化整体系统性能，降低因硬件不匹配而产生的性能损耗，减少网络流量和能耗，通过对异构硬件环境进行智能化的任务分配和资源调度，提升处理速度，降低成本，满足复杂应用场景的需求。
3、传统异构硬件算力调度方法中资源分配的灵活性和实时响应能力方面存在不足，需要中心决策中台对所有任务卸载决策进行处理，增加了算力节点和决策中台间的网络流量和带宽的资源需求，当突发批量数据处理需求时，无法迅速重新分配资源满足任务需求，增加了处理延时，减少了系统的稳定性，在能源管理和优化处理时间方面不够灵活，导致能源浪费，减少了算力调度的效率。
技术实现思路
1、本专利技术针对现有技术中存在的技术问题，提供
2、本专利技术解决上述技术问题的技术方案如下：异构硬件算力调度方法，包括以下步骤：
3、s1：基于计算资源特征信息，实时监控多种类型的硬件使用率数据，包括cpu和gpu使用率，对多种计算资源的使用趋势进行预测，得到资源负载预测结果；
4、s2：基于所述资源负载预测结果，分析任务队列中多个任务的资源请求数据，结合历史数据和当前负载，评估并预测资源需求的变化趋势，得到资源需求分析记录；
5、s3：基于所述资源需求分析记录，结合多个任务的资源需求和算力负载情况，识别资源状态变化并计算多种状态转化的概率，得到资源分配决策模型；
6、s4：基于所述资源分配决策模型，根据当前资源使用情况和任务需求，对多种资源分配模式进行评估，得到调度模式分析记录；
7、s5：基于所述调度模式分析记录，通过迭代模拟并分析多种任务执行和资源变动，识别和匹配计算资源分配参数，得到资源配置评估结果；
8、s6：基于所述资源配置评估结果，结合任务的优先级和实时资源利用率调整资源分配参数，更新硬件资源的分配状态，优化网络流量和带宽的占用，得到异构算力调度列表。
9、作为本专利技术的进一步方案，所述资源负载预测结果包括cpu使用率趋势分析结果、gpu使用情况记录、内存使用监测数据，所述资源需求分析记录包括存储容量需求分析数据、网络带宽需求变化信息、进程优先级评估结果，所述资源分配决策模型包括资源分配概率信息、状态转化矩阵、优化指标分析结果，所述调度模式分析记录包括资源分配效率信息、调度策略兼容性数据、延迟预测信息，所述资源配置评估结果包括资源匹配效果分析信息、计算资源分配参数调整结果、任务执行效率提升数据记录，所述异构算力调度列表包括资源分配列表、任务执行序列信息、网络流量优化结果。
10、作为本专利技术的进一步方案，基于计算资源特征信息，实时监控多种类型的硬件使用率数据，包括cpu和gpu使用率，对多种计算资源的使用趋势进行预测，得到资源负载预测结果的步骤具体为：
11、s101：基于计算资源特征信息，实时采集并记录多种类型硬件的使用率数据，包括cpu利用率、gpu使用率、内存消耗数据，得到硬件使用数据集；
12、s102：基于所述硬件使用数据集，对采集到的数据按照时间序列关系进行排序，分析并识别异常数据和缺失数据，生成时间序列使用数据；
13、s103：基于所述时间序列使用数据，进行趋势分析，识别计算资源使用率的变化趋势，得到资源负载预测结果。
14、作为本专利技术的进一步方案，基于所述资源负载预测结果，分析任务队列中多个任务的资源请求数据，结合历史数据和当前负载，评估并预测资源需求的变化趋势，得到资源需求分析记录的步骤具体为：
15、s201：基于所述资源负载预测结果，通过分析多种计算任务的类型，对任务队列中多个任务进行分析和分类，得到计算任务分类信息；
16、s202：基于所述计算任务分类信息，对实时资源使用和历史数据进行对比分析，采用余弦相似度算法，评估多种任务需要的计算资源类型，识别资源需求的变化模式，生成资源需求变化模型；
17、所述余弦相似度算法，按照公式：
18、
19、计算目标任务与多种资源的匹配度，其中，s为加权余弦相似度得分，ai为任务i的资源使用量，bi为资源类型i的可用量，pi为资源i的优先级权重，ui为任务i的紧急性权重，n为涉及的任务数量和资源类型数量，i为用于表示不同的任务或资源类型的索引变量。
20、s203：基于所述资源需求变化模型，预测多种资源需求的变化趋势，并评估资源需求和实时负载的匹配度，得到资源需求分析记录。
21、作为本专利技术的进一步方案，基于所述资源需求分析记录，结合多个任务的资源需求和算力负载情况，识别资源状态变化并计算多种状态转化的概率，得到资源分配决策模型的步骤具体为：
22、s301：基于所述资源需求分析记录，分析多个计算任务的资源请求数据，并与实时计算资源的使用数据进行对比，识别多种资源的利用率，得到资源匹配状态记录；
23、s302：基于所述资源匹配状态记录，分析多种任务在差异化资源配置中的完成效率，记录多种负载状态的转换概率，得到状态转换概率表；
24、s303：基于所述状态转换概率表，结合实时任务需求和计算资源可用性，通过模拟多种资源配置场景，为多种任务条件匹配资源配置参数，得到资源分配决策模型。
25、作为本专利技术的进一步方案，基于所述资源分配决策模型，根据当前资源使用情况和任务需求，对多种资源分配模式进行评估，得到调度模式分析记录的步骤具体为：
26、s401：利用所述资源分配决策模型，识别实时资源使用情况和任务需求间的关联性，得到关联性分析结果；
27、s402：基于所述关联性分析结果，评估多种资源分配模式的效率等级，分析多种资源调度模式对任务执行时间和资源满足率的影响，得到分配效果预测记录；
28、s403：基于所述分配效果预测记录，调整和优化计算资源调度参数，优化资源利用率和任务执行延迟，生成调度模式分析记录。
29、作为本专利技术的进一步方案，基于所述调度模式分析记录，通过迭代模拟并分析多种任务执行和资源变动，识别和匹配计算资源分配参数，得到资源配置评估结果本文档来自技高网...
【技术保护点】
1.异构硬件算力调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的异构硬件算力调度方法，其特征在于，所述资源负载预测结果包括CPU使用率趋势分析结果、GPU使用情况记录、内存使用监测数据，所述资源需求分析记录包括存储容量需求分析数据、网络带宽需求变化信息、进程优先级评估结果，所述资源分配决策模型包括资源分配概率信息、状态转化矩阵、优化指标分析结果，所述调度模式分析记录包括资源分配效率信息、调度策略兼容性数据、延迟预测信息，所述资源配置评估结果包括资源匹配效果分析信息、计算资源分配参数调整结果、任务执行效率提升数据记录，所述异构算力调度列表包括资源分配列表、任务执行序列信息、网络流量优化结果。
3.根据权利要求1所述的异构硬件算力调度方法，其特征在于，基于计算资源特征信息，实时监控多种类型的硬件使用率数据，包括CPU和GPU使用率，对多种计算资源的使用趋势进行预测，得到资源负载预测结果的步骤具体为：
4.根据权利要求1所述的异构硬件算力调度方法，其特征在于，基于所述资源负载预测结果，分析任务队列中多个任务的资源请求数据，结合历史数据和
5.根据权利要求1所述的异构硬件算力调度方法，其特征在于，基于所述资源需求分析记录，结合多个任务的资源需求和算力负载情况，识别资源状态变化并计算多种状态转化的概率，得到资源分配决策模型的步骤具体为：
6.根据权利要求1所述的异构硬件算力调度方法，其特征在于，基于所述资源分配决策模型，根据当前资源使用情况和任务需求，对多种资源分配模式进行评估，得到调度模式分析记录的步骤具体为：
7.根据权利要求1所述的异构硬件算力调度方法，其特征在于，基于所述资源配置评估结果，结合任务的优先级和实时资源利用率调整资源分配参数，更新硬件资源的分配状态，优化网络流量和带宽的占用，得到异构算力调度列表的步骤具体为：
8.异构硬件算力调度装置，其特征在于，所述异构硬件算力调度装置用于执行权利要求1至7任一所述的异构硬件算力调度方法，所述异构硬件算力调度装置包括：
9.一种电子设备，其特征在于，所述异构硬件算力调度设备包括：
10.一种非暂态计算机可读存储介质，其特征在于，所述存储介质中存储有计算机软件程序，所述计算机软件程序被处理器执行时实现如权利要求1-7任一项所述的异构硬件算力调度方法。
...【技术特征摘要】
1.异构硬件算力调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的异构硬件算力调度方法，其特征在于，所述资源负载预测结果包括cpu使用率趋势分析结果、gpu使用情况记录、内存使用监测数据，所述资源需求分析记录包括存储容量需求分析数据、网络带宽需求变化信息、进程优先级评估结果，所述资源分配决策模型包括资源分配概率信息、状态转化矩阵、优化指标分析结果，所述调度模式分析记录包括资源分配效率信息、调度策略兼容性数据、延迟预测信息，所述资源配置评估结果包括资源匹配效果分析信息、计算资源分配参数调整结果、任务执行效率提升数据记录，所述异构算力调度列表包括资源分配列表、任务执行序列信息、网络流量优化结果。
3.根据权利要求1所述的异构硬件算力调度方法，其特征在于，基于计算资源特征信息，实时监控多种类型的硬件使用率数据，包括cpu和gpu使用率，对多种计算资源的使用趋势进行预测，得到资源负载预测结果的步骤具体为：
4.根据权利要求1所述的异构硬件算力调度方法，其特征在于，基于所述资源负载预测结果，分析任务队列中多个任务的资源请求数据，结合历史数据和当前负载，评估并预测资源需求的变化趋势，得到资源需求分析记录的步骤具...
【专利技术属性】
技术研发人员：周显敬，刘虎，黄银地，桂顺，
申请(专利权)人：武汉卓尔信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。