面向异构计算平台的任务调度方法、设备及存储介质技术

本发明专利技术公开了一种面向异构计算平台的任务调度方法、设备及存储介质。所述异构计算平台包括多种/多个处理器，所述方法，包括：将异构计算平台的待运行应用划分为多个任务负载节点；获取每个任务负载节点在各个处理器中的运行情况，并建立负载‑处理器性能映射模型；基于负载‑处理器性能映射模型，将各个任务负载节点分配至各个处理器。采用本发明专利技术，通过综合考虑任务负载的特征、异构平台处理器的性能特征，设计任务调度方法实现异构平台的高效运行，以获得更高的能效比。

【技术实现步骤摘要】
面向异构计算平台的任务调度方法、设备及存储介质
本专利技术涉及计算机领域，尤其涉及一种面向异构计算平台的任务调度方法、设备及存储介质。
技术介绍
面向大数据、人工智能行业日益增长的数据海量化、计算多元化需求，传统的CPU(CentralProcessingUnit中央处理器)的主频难以满足快速增长的计算需求，大数据处理架构的多样化模式并存将是未来体系结构发展的趋势。其中借助GPU(graphicsprocessingunit图形处理器)、FPGA(FieldProgrammableGateArray现场可编程门阵列)、ASIC(ApplicationSpecificIntegratedCircuit专用集成电路)等异构计算部件来进行人工智能应用的加速已经成为近年来的研究热点。其中GPU适合吞吐量比较高的计算，缺点是功耗相对高一些，比较适合通用的并行度非常高的计算。FPGA非规整数据的处理能力强一些，GPU最低能处理8位的数据，FPGA可以处理6位、4位甚至1位的数据。ASIC需要在前期投入大量资金去做验证和流片，而一旦验证ASIC芯片稳定工作后本文档来自技高网...

【技术保护点】
1.一种面向异构计算平台的任务调度方法，所述异构计算平台包括多种/多个处理器，其特征在于，所述方法，包括：/n将异构计算平台的待运行应用划分为多个任务负载节点；/n获取每个所述任务负载节点在各个所述处理器中的运行情况，并建立负载-处理器性能映射模型；/n基于所述负载-处理器性能映射模型，将各个所述任务负载节点分配至各个处理器。/n

【技术特征摘要】
1.一种面向异构计算平台的任务调度方法，所述异构计算平台包括多种/多个处理器，其特征在于，所述方法，包括：
将异构计算平台的待运行应用划分为多个任务负载节点；
获取每个所述任务负载节点在各个所述处理器中的运行情况，并建立负载-处理器性能映射模型；
基于所述负载-处理器性能映射模型，将各个所述任务负载节点分配至各个处理器。


2.如权利要求1所述的方法，其特征在于，所述将异构计算平台的待运行应用划分为多个任务负载节点，包括：
将异构计算平台的待运行应用划分为多个待运行任务；
根据各个所述待运行任务的特点以及各个所述待运行任务之间的依赖关系，对多个所述待运行任务进行合并，以获得多个任务负载节点。


3.如权利要求2所述的方法，其特征在于，所述根据各个所述待运行任务的特点以及各个所述待运行任务之间的依赖关系，对多个所述待运行任务进行合并，以获得多个任务负载节点，包括：
基于合并规则，判断具有依赖关系的前驱任务和后继任务是否可以合并；
所述合并规则包括：
当所述前驱任务和所述后继任务一一对应、且所述前驱任务的类型和所述后继任务的类型相同，则合并所述前驱任务和所述后继任务为一个任务负载节点，否则，不合并所述前驱任务和所述后继任务。


4.如权利要求1所述的方法，其特征在于，所述获取每个所述任务负载节点在各个所述处理器中的运行情况，并建立负载-处理器性能映射模型，包括：
根据公式1，建立负载-处理器性能映射模型，
f(i，Pj)＝{fij，CPij，ECij，MAij}公式1，
其中，i为所述任务负载节点的类型编号，Pj为所述处理器的类型编号，fij为类型编号为i的任务负载节点在类型编号为j的处理器上运行的最优推荐运行频率，CPij为类型编号为i的任务负载节点在类型编号为j的处理器上以最优推荐运行频率运行时的单位运算能力，ECij为类型编号为i的任务负载节点在类型编号为j的处理器上以最优推荐运行频率运行时的单位能耗，MAij为类型编号为i的任务负载节点在类型编号为j的处理器上以最优推荐运行频率运行时的单位访存时间。


5.如权利要求4所述的方法，其特征在于，所述fij根据如下方式确定：
确定类型编号为j的处理器支持频率调节的级别数；
将类型编号为i的任务负载节点在类型编号为j的处理器上以k级别的频率运行，以获取k级别的频率所对应的单位运算能力CPijk、单位能耗ECijk和单位访存时间MAijk；...

【专利技术属性】
技术研发人员：袁柳，谢海永，刘弋锋，田子，王迎雪，李勐，
申请(专利权)人：中国电子科技集团公司电子科学研究院，
类型：发明
国别省市：北京;11