计算节点的处理器资源优化方法、计算节点及服务器集群技术

本发明专利技术实施例提供了计算节点的处理器资源优化方法、计算节点及服务器集群，本发明专利技术巧妙的用标准处理器的计算能力作为比对标准，通过获取计算节点的处理器相对于标准处理器的计算能力的相对计算能力；基于相对计算能力，确定计算节点的相对计算资源，将各个计算节点的处理器的计算资源统一化，即各计算节点的处理器的相对计算资源是基于同一比对标准获得的。所以再进行任务分配时，可以区分出各个具有相同核心数以及单核心线程数的计算节点的运算能力，使得能够为各个计算节点分配与其运算能力相匹配的任务量，从而能够更加充分利用各个计算节点的处理器的计算资源，达到提高大数据计算平台的计算效率的目的。

Processor resource optimization method for computing node, computing node and server cluster

The embodiment of the invention provides computing nodes and server cluster resource optimization method, computing nodes, the invention skillfully use standard processor computing as compared with the standard, through the acquisition of computing nodes relative to the processor computing power standard processor relative calculation ability; relative calculation based on determining the computational resources of computing nodes relative. Unified computing resource will each computing node processor, namely each computing node processor relative computing resources is obtained with one based on the comparison standard. So then the task allocation, computing nodes can distinguish each with the same number of single core and core thread number of the operation ability of tasks makes it possible for each computing node distribution and its operation ability, so as to make full use of computing resources to each computing node of the processor, to improve computational efficiency computing platform the purpose of data.

【技术实现步骤摘要】
计算节点的处理器资源优化方法、计算节点及服务器集群
本专利技术涉及处理器
，更具体的涉及计算节点的处理器资源优化方法、计算节点及服务器集群。
技术介绍
大数据计算平台是由多个计算节点(例如计算机或服务器)组成的集群，大数据计算平台在为计算节点分配计算任务时，会依据计算节点中的处理器的计算资源为计算节点分配计算任务，处理器计算资源＝处理器核心数*单核心线程数。对于大数据计算平台而言，会为具有相同处理器计算资源的计算节点分配相同任务量的计算任务，以处理器为四核八线程为例进行说明，计算节点A和计算节点B的处理器均为四核八线程，即处理器的计算资源均为8，大数据计算平台会为计算节点A和计算节点B分配等量的计算任务，对于计算节点A而言，在运行相应计算任务时，其处理器占用率可能是90％，对于计算节点B而言，在运行相应计算任务时，其处理器占用率可能是10％。由于大数据计算平台将具有相同处理器计算资源的计算节点视为具有同等运算能力的计算节点，导致类似于计算节点B的计算节点不能被充分利用，从而导致大数据计算平台的整体计算效率低下。
技术实现思路
有鉴于此，本专利技术提供了一种计算节点的处理器资源优化方法、计算节点及服务器集群，以克服现有技术中计算节点的处理器的计算资源不能被充分利用，导致大数据计算平台的整体计算效率低下的问题。为实现上述目的，本专利技术提供如下技术方案：一种计算节点的处理器资源优化方法，包括：获取计算节点的处理器相对于标准处理器的计算能力的相对计算能力；基于所述相对计算能力，确定所述计算节点的相对计算资源。其中，所述获取计算节点的处理器相对于标准处理器的计算能力的相对计算能力包括：基于处理器计算模型，获取所述计算节点的处理器的实际计算能力；依据所述实际计算能力和所述标准处理器的计算能力，获取所述相对计算能力；其中，所述标准处理器的计算能力基于所述处理器计算模型获得。其中，所述标准处理器的计算能力为基于所述处理器计算模型设置的预设参数。其中，所述依据所述实际计算能力和所述标准处理器的计算能力，获取所述相对计算能力包括：获取所述计算节点的实际计算能力与所述标准处理器的计算能力的比值；将所述比值确定为所述相对计算能力。其中，所述基于所述相对计算能力，确定所述计算节点的相对计算资源包括：依据所述比值、所述计算节点的处理器的核心数和所述计算节点的每一核心的单核心线程数，确定所述计算节点的相对计算资源。一种计算节点，包括：存储器，处理器和通信总线，所述处理器和所述存储器通过所述通信总线相连，其中：存储器，用于存储标准处理器的计算能力；处理器，用于：获取计算节点的处理器相对于标准处理器的计算能力的相对计算能力；基于所述相对计算能力，确定所述计算节点的相对计算资源。其中，所述处理器在获取计算节点的处理器相对于标准处理器的计算能力的相对计算能力时，具体用于：基于处理器计算模型，获取所述计算节点的处理器的实际计算能力；依据所述实际计算能力和所述标准处理器的计算能力，获取所述相对计算能力；其中，所述标准处理器的计算能力基于所述处理器计算模型获得。一种服务器集群，包括：多个计算节点；其中，每一计算节点确定自身处理器资源的方法包括：用于获取自身的处理器相对于标准处理器的计算能力的相对计算能力；基于所述相对计算能力，确定自身的相对计算资源。优选的，还包括：负载均衡器，用于依据各计算节点自身的相对计算资源，为各计算节点分配任务。其中，每一计算节点在获取自身的处理器相对于标准处理器的计算能力的相对计算能力时，具体用于：基于处理器计算模型，获取自身的处理器的实际计算能力；依据自身的实际计算能力和所述标准处理器的计算能力，获取自身的相对计算能力；其中，所述标准处理器的计算能力基于所述处理器计算模型获得。经由上述的技术方案可知，与现有技术相比，本专利技术实施例提供了一种计算节点的处理器资源优化方法，本专利技术实施例巧妙的用标准处理器的计算能力作为比对标准，通过“获取计算节点的处理器相对于标准处理器的计算能力的相对计算能力；基于相对计算能力，确定计算节点的相对计算资源”这些步骤，将各个计算节点的处理器的计算资源统一化，即各计算节点的处理器的相对计算资源是基于同一比对标准获得的，再进行任务分配时，可以区分出各个具有相同核心数以及单核心线程数的计算节点的运算能力，使得能够为各个计算节点分配与其运算能力相匹配的任务量，从而能够更加充分利用各个计算节点的处理器的计算资源，达到提高大数据计算平台的计算效率的目的。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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专利技术的实施例，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，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的一种计算节点的处理器资源优化方法的流程示意图；图2为本专利技术实施例提供的一种计算节点的结构示意图；图3为本专利技术实施例提供的一种服务器集群的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。如图1所示，为本专利技术实施例提供的一种计算节点的处理器资源优化方法的流程示意图，该方法包括：步骤S101：获取计算节点的处理器相对于标准处理器的计算能力的相对计算能力。标准处理器可以为多个计算节点组成的集群中的任一计算节点中的处理器；也可以为多个计算节点组成的集群之外的一计算节点的处理器。标准处理器可以为实际存在的处理器，也可以为由运算性能参数标识的虚拟处理器。运算性能参数可以包括：整数运算信息、浮点运算信息和多媒体指令集中的一种或多种。整数运算信息可以是指1秒钟可以执行多少次整数指令；浮点运算信息可以是指1秒钟可以执行多少次浮点指令。多媒体指令集可以标识处理器的执行效率，处理器靠指令来计算和控制系统，每款处理器设计时就规定了与其硬件电路相配合的指令系统。多媒体指令集的强弱也是处理器的重要指标，多媒体指令集是提高微处理器效率的最有效工具之一。从现阶段的主流体系结构讲，多媒体指令集可分为复杂指令集(CISC，ComplexInstructionSetComputing)和精简指令集(RISC，ReducedInstructionSetComputing)两部分。步骤S102：基于所述相对计算能力，确定所述计算节点的相对计算资源。本专利技术实施例提供了一种计算节点的处理器资源优化方法，本专利技术实施例巧妙的用标准处理器的计算能力作为比对标准，通过“获取计算节点的处理器相对于标准处理器的计算能力的相对计算能力；基于相对计算能力，确定计算节点的相对计算资源”这些步骤，将各个计算节点的处理器的计算资源统一化，即各计算节点的处理器的相对计算资源是基于同一比对标准获得的，再进行任务分配时，可以区分出各个具有相同核心数以及单核心线程数的计算节点的运算能力，使得能够为各个计算节点分配与其运算能力相匹配的任务量，从而能够更加充分利用各个计算节点的处理器的计算资源，达到提高大数据计算平台的本文档来自技高网...

【技术保护点】
一种计算节点的处理器资源优化方法，其特征在于，包括：获取计算节点的处理器相对于标准处理器的计算能力的相对计算能力；基于所述相对计算能力，确定所述计算节点的相对计算资源。

【技术特征摘要】
1.一种计算节点的处理器资源优化方法，其特征在于，包括：获取计算节点的处理器相对于标准处理器的计算能力的相对计算能力；基于所述相对计算能力，确定所述计算节点的相对计算资源。2.根据权利要求1所述计算节点的处理器资源优化方法，其特征在于，所述获取计算节点的处理器相对于标准处理器的计算能力的相对计算能力包括：基于处理器计算模型，获取所述计算节点的处理器的实际计算能力；依据所述实际计算能力和所述标准处理器的计算能力，获取所述相对计算能力；其中，所述标准处理器的计算能力基于所述处理器计算模型获得。3.根据权利要求2所述计算节点的处理器资源优化方法，其特征在于，所述标准处理器的计算能力为基于所述处理器计算模型设置的预设参数。4.根据权利要求2所述计算节点的处理器资源优化方法，其特征在于，所述依据所述实际计算能力和所述标准处理器的计算能力，获取所述相对计算能力包括：获取所述计算节点的实际计算能力与所述标准处理器的计算能力的比值；将所述比值确定为所述相对计算能力。5.根据权利要求4所述计算节点的处理器资源优化方法，其特征在于，所述基于所述相对计算能力，确定所述计算节点的相对计算资源包括：依据所述比值、所述计算节点的处理器的核心数和所述计算节点的每一核心的单核心线程数，确定所述计算节点的相对计算资源。6.一种计算节点，其特征在于，包括：存储器，处理器和通信总线，所述处理器和...

【专利技术属性】
技术研发人员：李栋，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：北京,11