基于机器学习的操作系统调度方法及装置、设备制造方法及图纸

技术编号:20025144 阅读:18 留言:0更新日期:2019-01-06 04:14
本文公布了一种基于机器学习的操作系统调度方法及装置、设备,包括:利用无监督聚类算法基于资源需求特征将各任务分类为一个或多个任务组;利用预建立的训练模型对所述任务组的资源分配参数进行调整,使得硬件资源使用效率和任务满足用户期望的程度达到最佳;利用所述训练得到的资源分配参数为所述任务组下一周期的进程调度分配资源。

【技术实现步骤摘要】
基于机器学习的操作系统调度方法及装置、设备
本专利技术涉及计算机
,具体涉及一种基于机器学习的操作系统调度方法及装置、设备。
技术介绍
操作系统管理计算机的硬件资源,现代操作系统允许多个进程分时共享硬件资源,调度系统用来解决如何在多个进程间分配硬件资源的问题,即如何将计算机管理的有限资源在什么时候分配多少给一个进程,什么时候分配给另外一个进程,什么时候收回分配给一个进程的资源。调度系统是现代操作系统的核心模块,面对各种复杂的应用场景,如何将有限的系统资源尽可能合理的分配给需要调度的进程,是调度系统追求的目标。操作系统管理的硬件资源很多,比如CPU资源、内存资源等。以分配CPU资源的进程调度为例,相关技术的调度算法首先区别被调度任务的类别和优先级,对于不同类别的任务采取不同的资源分配策略,对于同一类别的任务通过优先级区别分配策略。被调度任务的类别和优先级由操作系统提供接口给用户设置。具体以linux操作系统为例,相关技术的调度算法是将任务分为普通任务和实时任务,对不同的任务采用不同的算法,对实时任务使用先进先出(FIFO)调度算法、时间片轮转算法。对于普通任务使用完全公平调度算法。用户可以对任务设置优先级,调度时根据任务分类选择对应的调度算法,再根据用户设置的任务优先级,选择任务什么时候执行和换出。相关技术的调度方法的一个重要问题,是:随着CPU核数的增加和CPU性能的提高,操作系统管理的任务越来越多,用户需要对所有任务选择其分类是属于实时任务还是非实时任务,并且给每个任务设置合适的优先级。但实际操作中往往由于系统的复杂性导致优先级设置不当或者任务类别设置不当,导致系统资源分配效率不高,最终造成任务被操作系统调度情况和用户需求不一致,严重情况下可能会让一些任务长期占有CPU,其他任务得不到及时执行。即使针对具体任务用户设置了比较合适的参数,但由于任务太多,参数组合是一个巨大的数目,又无法一一尝试,用户针对所有任务设置的参数组合往往也不是相对合理的,以至于无法充分发挥计算机性能。相关技术的调度方法还存在另一个问题,是对于一些特殊的场景预先设计的调度策略和调度参数往往不能发挥较好的作用。综上可知,相关技术的调度方法一方面需要用户对每个具体任务设置调度策略和调度参数,而在系统内任务数目较多的情况下,用户要么无法针对某个或某些具体任务设置合理的调度参数(如优先级或者任务类别)从而导致系统资源分配效率不高,要么用户针对具体任务设置了比较合理的参数但这些参数的组合又无法充分发挥计算机性能,另一方面相关技术的调度方法灵活性不够,在一些特殊场景下预设的调度策略和调度参数无法发挥作用。针对上述技术问题,目前尚未提出有效的解决方案。
技术实现思路
为了解决上述技术问题,本专利技术实施例提供了一种基于机器学习的操作系统调度方法及装置、设备,不仅实现了调度参数的自动化设置,而且能动态的自动调整调度策略来适应各种复杂场景。本申请提供了:一种基于机器学习的操作系统调度方法,包括:利用无监督聚类算法基于资源需求特征将各任务分类为一个或多个任务组;利用预建立的训练模型对所述任务组的资源分配参数进行调整,使得硬件资源使用效率和任务满足用户期望的程度达到最佳;利用所述训练得到的资源分配参数为所述任务组下一周期的进程调度分配资源。其中,利用无监督聚类算法基于资源需求特征将各任务分类之前,还包括:收集各任务的资源使用数据,并通过各任务的资源使用数据分析得到各任务的资源需求特征;其中,所述资源使用数据,包括如下之一或多项:CPU空闲时间;内存使用量;使用磁盘的进程信息。其中,基于资源需求特征将各任务分类为一个或多个任务组,包括:将资源需求特征相同的各任务分类为同一任务组;其中,所述任务组包括如下之一或多项:高CPU负载任务组;高IO资源任务组;高内存占用任务组;对指定设备高频率访问的任务组。其中,所述利用预建立的训练模型对所述任务组的资源分配参数进行调整之前,还包括:根据预先设置的各任务的期望参数,得到各任务的期望特征向量;将各任务组中任务的期望特征向量与各任务组的资源分配参数相关联,形成所述任务组的所述训练模型。其中,所述各任务的期望参数,包括如下之一或多项:表示是否期望任务尽快执行的参数;表示是否期望任务尽快响应用户操作的参数;表示期望执行时长的参数。其中,所述利用预建立的训练模型对所述任务组的资源分配参数进行调整,使得硬件资源使用效率和任务满足用户期望的程度达到最佳,包括:将硬件资源使用效率和任务满足用户期望的程度分别表达为第一数值和第二数值;在一个周期内利用预建立的训练模型对各所述任务组的资源分配参数进行调整,使得所述第一数值和第二数值最小。其中,利用预建立的训练模型对所述任务组的资源分配参数进行调整之前,还包括:利用所述训练模型的默认值为所述任务组第一个周期的进程调度分配资源。一种基于机器学习的操作系统调度装置,包括:分类单元,用于利用无监督聚类算法基于资源需求特征将各任务分类为一个或多个任务组;训练单元,用于利用预建立的训练模型对所述任务组的资源分配参数进行调整,使得硬件资源使用效率和任务满足用户期望的程度达到最佳;分配单元,用于利用所述训练得到的资源分配参数为所述任务组下一周期的进程调度分配资源。其中,所述训练单元,还用于:根据预先设置的各任务的期望参数,得到各任务的期望特征向量;将各任务组中任务的期望特征向量与各任务组的资源分配参数相关联,形成所述任务组的所述训练模型。其中,所述训练单元,具体用于将硬件资源使用效率和任务满足用户期望的程度分别表达为第一数值和第二数值;在一个周期内利用预建立的训练模型对所述任务组的资源分配参数进行调整,使得所述第一数值和第二数值最小。一种计算设备,包括:存储有基于机器学习的操作系统调度程序的存储器;处理器,配置为执行所述基于机器学习的操作系统调度程序以执行下述操作:利用无监督聚类算法基于资源需求特征将各任务分类为一个或多个任务组;利用预建立的训练模型对所述任务组的资源分配参数进行调整,使得硬件资源使用效率和任务满足用户期望的程度达到最佳;利用所述训练得到的资源分配参数为所述任务组下一周期的进程调度分配资源。一种计算机可读存储介质,所述计算机可读存储介质上存储有基于机器学习的操作系统调度程序,所述基于机器学习的操作系统调度程序被处理器执行时实现上述基于机器学习的操作系统调度方法的步骤。本专利技术实施例中,利用机器学习的方法对操作系统中的任务进行分类,并利用预建立的训练模型对资源分配参数进行调整,最终使用训练得到的资源分配参数进行资源分配,解决了相关技术中需要用户对每个具体任务设置调度策略和调度参数的技术问题,实现了调度参数的自动化配置,并且能够动态的自动调整调度策略来适应各种复杂场景,克服了相关技术中调度方法灵活性不够的缺陷。本专利技术的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。附图说明附图用来提供对本专利技术技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本专利技术的技术方案,并不构成对本专利技术技术方案的限制。图1为本申请中计算设备的示例本文档来自技高网
...

【技术保护点】
1.一种基于机器学习的操作系统调度方法,其特征在于,包括:利用无监督聚类算法基于资源需求特征将各任务分类为一个或多个任务组;利用预建立的训练模型对所述任务组的资源分配参数进行调整,使得硬件资源使用效率和任务满足用户期望的程度达到最佳;利用所述训练得到的资源分配参数为所述任务组下一周期的进程调度分配资源。

【技术特征摘要】
1.一种基于机器学习的操作系统调度方法,其特征在于,包括:利用无监督聚类算法基于资源需求特征将各任务分类为一个或多个任务组;利用预建立的训练模型对所述任务组的资源分配参数进行调整,使得硬件资源使用效率和任务满足用户期望的程度达到最佳;利用所述训练得到的资源分配参数为所述任务组下一周期的进程调度分配资源。2.根据权利要求1所述的操作系统调度方法,其特征在于,利用无监督聚类算法基于资源需求特征将各任务分类之前,还包括:收集各任务的资源使用数据,并通过各任务的资源使用数据分析得到各任务的资源需求特征;其中,所述资源使用数据,包括如下之一或多项:CPU空闲时间;内存使用量;使用磁盘的进程信息。3.根据权利要求1或2所述的操作系统调度方法,其特征在于,基于资源需求特征将各任务分类为一个或多个任务组,包括:将资源需求特征相同的各任务分类为同一任务组;其中,所述任务组包括如下之一或多项:高CPU负载任务组;高IO资源任务组;高内存占用任务组;对指定设备高频率访问的任务组。4.根据权利要求1所述的操作系统调度方法,其特征在于,所述利用预建立的训练模型对所述任务组的资源分配参数进行调整之前,还包括:根据预先设置的各任务的期望参数,得到各任务的期望特征向量;将各任务组中任务的期望特征向量与各任务组的资源分配参数相关联,形成所述任务组的所述训练模型。5.根据权利要求4所述的操作系统调度方法,其特征在于,所述各任务的期望参数,包括如下之一或多项:表示是否期望任务尽快执行的参数;表示是否期望任务尽快响应用户操作的参数;表示期望执行时长的参数。6.根据权利要求1所述的操作系统调度方法,其特征在于,所述利用预建立的训练模型对所述任务组的资源分配参数进行调整,使得硬件资源使用效率和任务满足用户期望的程度达到最佳,包括:将硬件资源使用效率和任务满足用户期望的程度分别表达为第一数值和第二数值;在一个周期内利用预建立的训练模型对各所述任务组的资源分配参数进行调整,使得所...

【专利技术属性】
技术研发人员:王波
申请(专利权)人:中兴通讯股份有限公司
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 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。

1