一种基于概率模型的云渲染平台任务调度系统技术方案

本发明专利技术涉及一种基于概率模型的云渲染平台任务调度系统，用以对云渲染集群进行实时跟踪、监控和修正，该系统包括云渲染用户管理设备、云渲染任务管理设备和云渲染系统管理设备，所述的云渲染系统管理设备分别与云渲染用户管理设备和云渲染任务管理设备连接，所述的云渲染用户管理设备和云渲染任务管理设备连接。与现有技术相比，本发明专利技术具有任务效率高、节约成本、实时性强、具有预测性等优点。

【技术实现步骤摘要】

本专利技术涉及云渲染管理领域，尤其是涉及一种基于概率模型的云渲染平台任务调度系统及方法。
技术介绍
云计算是传统计算机和网格计算发展的新型产物，云计算具有其他模式所不具备的先天计算优势。在云计算的环境中，用户可以按照自身需求来使用云提供商提供的服务或者基础设施。对于某些大型任务，用户可以提交任务请求，云计算的任务调度中心可以根据用户的请求为其动态分配资源。随着云计算的不断发展，人们不仅仅追求云计算任务的最快完成时间而且希望可以兼顾机器运行成本。云计算任务调度的目标是将任务调度到所需的资源上，并且使得任务调度的时间跨度最小，以此实现资源的充分利用。云渲染的模式与常规的云计算类似，即将3D程序放在远程的服务器中渲染，用户终端通过Web软件或者直接在本地的3D程序中点击一个“云渲染”按钮并借助高速互联网接入访问资源，指令从用户终端中发出，服务器根据指令执行对应的渲染任务，而渲染结果画面则被传回到用户终端中加以显示。云渲染是影视多媒体产业结合云计算技术发展起来的新兴产业。但是现在的云渲染平台往往存在任务调度不及时，任务堆积等问题。现在很多任务调度算法均使用了智能算法，比如：粒子群算法。粒子群优化算法(Particle Swarm Optimization)简称PSO算法，由Eberhart博士和Kennedy博士于1995年提出，它的基本概念源于对鸟群觅食行为的研究。粒子群优化算法是一种基于仿生学的群体智能优化算法，该算法通过个体之间协作和信息共享来实现寻求最优解的目的。粒子群优化算法相对于其他智能优化算法具有算法简单、可优化任务的传输时间和处理时间，初期收敛速度快的优势。但是粒子群算法在后期具有局部搜索能力不足，收敛速度缓慢，容易陷入局部最优解的缺陷。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种任务效率高、节约成本、实时性强、具有预测性的基于概率模型的云渲染平台任务调度系统及方法。本专利技术的目的可以通过以下技术方案来实现：一种基于概率模型的云渲染平台任务调度系统，用以对云渲染集群进行实时跟踪、监控和修正，该系统包括云渲染用户管理设备、云渲染任务管理设备和云渲染系统管理设备，所述的云渲染系统管理设备分别与云渲染用户管理设备和云渲染任务管理设备连接，所述的云渲染用户管理设备和云渲染任务管理设备连接。所述的云渲染用户管理设备包括：用户管理管理器：用以设置云渲染任务中所有参与云渲染的用户类型，用户类型分为个人用户、企业用户和VIP用户；用户权限管理器：与用户管理管理器连接，用以配置用户的权限，同时可以支持企业用户配置子用户以及配置子用户的权限，以此可以方便企业其他人员的使用，并且支持VIP用户配置特殊权限，可以使用更好更快捷的云渲染资源，用户权限管理器包括：用户权限配置模块：用以配置用户在基于概率模型的云渲染任务调度平台中的权限范围，该平台现在包括上传文件权限、任务监控权限、成品下载权限、渲染模式、可用渲染节点/渲染组、支持软件、优先级权限、子用户权限；子用户管理模块：用以配置VIP用户和公司用户，便于用户可以下放权限给相关工作人员，节约成本，便于公司内部管理相关内容；子用户权限管理模块：用以VIP用户和公司用户可以给子用户配置上传文件权限、任务监控权限、成品下载权限、渲染模式、可用渲染节点/渲染组、支持软件、优先级权限；用户行为管理器：与用户权限管理器连接，用以记录和分析用户的行为，用户行为包括用户操作习惯、用户任务参数设置习惯和用户操作时间，并为用户评价管理器的评价体系提供了基于用户本身的数据；用户行为管理器包括：用户操作习惯管理模块：用以记录用户使用平台的操作习惯，拥有良好的操作习惯的用户可以在用户评价中得到相应的体现。同时，用户操作习惯管理模块对于一些用户上传包含攻击、恶意等内容的文件进行排查，并实时记录到用户行为中，以便后续在在用户评价管理器中的用户评价中体现；用户任务习惯管理模块：用以记录用户提交任务以及任务设置的操作习惯；对于经常提交小型并且零碎的任务的用户和经常提交大型并且复杂的任务的用户的服务节点做一定的调整，以便后续的任务评价，进而可以提高云渲染集群的资源利用；同时在用户评价管理器中的用户优先级中进行体现；用户时间习惯管理模块：用户时间习惯管理模块，用以记录用户操作和使用平台的时间习惯；对于经常夜间提交任务的用户和白天提交用户的任务进行区分，同时在用户评价管理器中的用户效益中进行体现；用户评价管理器：与用户行为管理器连接，用以对用户群体进行用户评价管理、用户优先级管理和用户效益管理三个方面的评价；用户评价管理器包括：用户评价管理模块：用以结合用户操作平台的行为，对用户进行评价，用户评价将会影响用户使用云渲染集群的使用权限和使用范围；用户优先级管理模块：用以结合不同的用户类型、不同的任务量、不同的需求进行用户优先级进行评价，优先级越高的用户将在云渲染集群中华如果产生竞争关系中具有越大的优势；用户效益管理模块：用以结合不同的用户类型、不同的任务量、不同的需求进行用户效益进行评价，用户效益越高则代表着该用户的任务和需求可以尽可能提高云渲染集群的利用率，达到互利共赢的效果；这个类用户将是该平台重点关注的用户；用户需求管理器：分别与用户评价管理器和云渲染任务管理设备连接，用以对用户渲染需求进行多层次的管理，为任务管理器的任务分类和任务分解提供相应的依据：用户需求管理器包括：需求任务量管理模块：用以管理用户提交任务而产生的需求任务量，任务量的大小直接关系到任务管理器中的任务分解工作的进行和任务性质的划分；需求优先级管理模块：用以管理用户提交任务而附加的优先级请求，用户请求的优先级；优先级越高，表示用户对此任务的时间、任务处理速度有着越高的要求；需求截止时间管理模块：用以管理用户提交任务而附加的最终截止时间需求；表示用户对任务的最终截止时间有着明确的要求；需求费用管理模块：用以管理用户提交任务而产生的相关费用计算，如果用户明确任务费用的需求，系统将会按照费用代表的标准进行工作；费用越低，会将任务完成时间不断加长。需求品质管理模块：用以管理用户提交任务而产生的渲染品质的需求，目前提供的渲染品质为产品级渲染、小样渲染、迭代渲染、光线追踪渲染、中等品质渲染5类渲染品质；所述的云渲染任务管理设备包括：任务管理器：与用户需求管理器连接，用以对用户提交上来的云渲染的实际需求进行任务划分和任务分解，任务划分主要根据用户评价和用户实际需求进行划分，主要分为一般任务、优质任务和特殊任务三类任务；任务分解主要是根据用户需求的实际大小和云渲染集群的实际处理能力，将用户提交的任务进行分解；任务管理器包括：任务分解管理模块：用以将用户提交上来的任务进行任务分解，将任务分解为任务块分给相应的渲染节点去工作；一般任务管理模块：用以将用户提交上来的任务进行任务分类，一般任务管理模块主要处理普通用户提交的任务，对于时间和品质要求不高的任务进行管理；优质任务管理模块：用以将用户提交上来的任务进行任务分类，优质任务管理模块主要处理用户提交上来的任务，对于时间和品质要求较高的任务或者优质用户提交上来的任务进行管理；特殊任务管理模块：用以将用户提交上来的任务进行任务分类，特殊任务管理模块主要处理用户提交上来的特殊本文档来自技高网...

【技术保护点】
一种基于概率模型的云渲染平台任务调度系统，用以对云渲染集群进行实时跟踪、监控和修正，其特征在于，该系统包括云渲染用户管理设备、云渲染任务管理设备和云渲染系统管理设备，所述的云渲染系统管理设备分别与云渲染用户管理设备和云渲染任务管理设备连接，所述的云渲染用户管理设备和云渲染任务管理设备连接。

【技术特征摘要】
1.一种基于概率模型的云渲染平台任务调度系统，用以对云渲染集群进行实时跟踪、监控和修正，其特征在于，该系统包括云渲染用户管理设备、云渲染任务管理设备和云渲染系统管理设备，所述的云渲染系统管理设备分别与云渲染用户管理设备和云渲染任务管理设备连接，所述的云渲染用户管理设备和云渲染任务管理设备连接。2.根据权利要求1所述的一种基于概率模型的云渲染平台任务调度系统，其特征在于，所述的云渲染用户管理设备包括：用户管理管理器(1)：用以设置云渲染任务中所有参与云渲染的用户类型；用户权限管理器(2)：与用户管理管理器(1)连接，用以配置用户的权限，包括用户权限配置模块(21)、子用户管理模块(22)和子用户权限管理模块(23)；用户行为管理器(3)：与用户权限管理器(2)连接，用以记录和分析用户的行为，包括用户操作习惯管理模块(31)、用户任务习惯管理模块(32)和用户时间习惯管理模块(33)；用户评价管理器(4)：与用户行为管理器(3)连接，用以对用户群体进行用户评价管理、用户优先级管理和用户效益管理三个方面的评价，包括用户评价管理模块(41)、用户优先级管理模块(42)和用户效益管理模块(43)；用户需求管理器(5)：分别与用户评价管理器(4)和云渲染任务管理设备连接，用以对用户渲染需求进行多层次的管理，包括需求任务量管理模块(51)、需求优先级管理模块(52)、需求截止时间管理模块(53)、需求费用管理模块(54)和需求品质管理模块(55)。3.根据权利要求1所述的一种基于概率模型的云渲染平台任务调度系统，其特征在于，所述的云渲染任务管理设备包括：任务管理器(6)：与用户需求管理器(5)连接，用以对用户提交上来的云渲染的实际需求进行任务划分和任务分解，包括任务分解管理模块(61)、一般任务管理模块(62)、优质任务管理模块(63)和特殊任务管理模块(64)；任务进度管理器(7)：与任务管理器(6)连接，用以管理用户的提交任务，包括任务节点安排管理模块(71)和任务进度查询管理模块(72)；任务调度算法管理器(9)：与任务管理器(6)连接，用以实现粒子群智能优化算法，并对算法中的惯性参数、群体参数和认知参数进行管理，包括粒子群算法管理模块(91)、惯性参数管理模块(92)、群体参数管理模块(93)和认知参数管理模块(94)；概率模型管理器(10)：与任务调度算法管理器(9)连接，通过概率模型对粒子群智能优化算法中的惯性参数、群体参数和认知参数进行动态修改，包括离散时间马尔可夫链概率模型管理模块(101)和连续时间马尔可夫链概率模型管理模块(102)；任务评价管理器(11)：与概率模型管理器(10)连接，用以实现内部对云渲染集群中所有任务的评价，包括任务资源消耗管理模块(111)和任务时间消耗管理模块(112)；故障恢复管理器(8)：与任务评价管理器(11)连接，用以实现故障节点的检查和故障节点所影响的任务进行重新分配，包括故障任务检测管理模块(81)和故障任务分配管理模块(82)。4.根据权利要求1所述的一种基于概率模型的云渲染平台任务调度系统，其特征在于，所述的云渲染系统管理设备包括：系统监控管理器(12)：用以实现对云渲染集群的实时监控，包括系统运行状态管理模块(121)、系统负载量管理模块(122)、系统优质节点管理模块(123)和系统资源管理模块(124)；节点管理器(13)：与系统监控管理器(12)连接，用以实现对云渲染集群中的节点实时监控，包括节点运行状态管理模块(131)、节点当前任务管理模块(132)、节点任务队列管理模块(133)和节点负载监控量管理模块(134)。5.一种应用如权利要求1-4任一项所述的云渲染任务调度系统的调度方法，其特征在于，包括以下步骤：1)在初始时刻，云渲染平台将接收到的任务请求随机平均分配给平台内的节点，并将每个已经分配任务节点作为粒子群优化算法中的粒子，则有： x i = ( x i 1 , x i 2 , ... , x i M - 1 , x i M ) ]]> v i = ( v i 1 , v i 2 , ... , v i M - 1 , v i M ) ]]>其中，xi为第i个粒子的任务分配向量，vi为第i个粒子对应的速度向量，的取值为0和1，0表示第M个任务没有分配给第i个节点，1表示第M个任务分配给第i个节点，为第i个节点的第M个任务对应的速度；2)通过粒子群优化算法对每个粒子进行更新，获取所有粒子最优的任务分配方案。6.根据权利要求5所述的一种基于概率模型的云渲染平台任务调度方法，其特征在于，所述的步骤2)具体包括以下步骤：21)建立粒子群优化算法的更新公式为： v i ( t + 1 ) ...

【专利技术属性】
技术研发人员：李睿智，任琴，张培承，卞敏捷，高洪皓，
申请(专利权)人：上海上大海润信息系统有限公司，上海大学，
类型：发明
国别省市：上海;31