一种计算资源的推荐方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及一种计算资源的推荐方法、装置、电子设备及存储介质。本申请通过获取待计算任务对应的模型文件和输入模型的数据量，进而根据模型文件中表征模型复杂度的模型参数和输入模型的数据量，分别对多个计算资源进行压力测试，并根据得到的多个测试结果，可以确定出基于每个计算资源运行待计算任务对应的第一性能指标，即得到每个资源处理待处理任务的性能指标，进而，基于多个计算资源对应的第一性能指标，以及用户给出的业务需求对应的第二性能指标，可以确定向用户端推荐的适用于处理待计算任务合理的资源配置方案，可以在提升对计算资源进行选取的效率的同时，实现对用户的业务需求和计算资源的性能指标很好地进行匹配。

【技术实现步骤摘要】
一种计算资源的推荐方法、装置、电子设备及存储介质
本申请涉及计算资源服务
，尤其涉及一种计算资源的推荐方法、装置、电子设备及存储介质。
技术介绍
计算任务可以理解为使用训练好的模型对输入数据做计算，比如，用人脸识别模型对输入的人脸图像做人脸识别计算，计算任务的执行需要一定的计算资源来进行计算，计算资源一般指计算机程序运行时所需的中央处理器资源(centralprocessingunit，CPU)、图像处理器资源(GraphicsProcessingUnit，GPU)、硬盘资源和网络资源等。选择何种类型的计算资源取决于计算任务本身的计算复杂度和客户愿意付出的成本，通常，用户会根据自身经验来选取处理计算任务的计算资源，但这种方式对用户的经验和能力要求较高，如果用户经验不足，很难将业务需求和算力需求进行很好地匹配，选取计算资源需要花费大量的时间，导致计算资源的选取效率较低。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种计算资源的推荐方法、装置、电子设备及存储介质，可以在提升对计算资源进行选取的效率的同时，实本文档来自技高网...

【技术保护点】
1.一种计算资源的推荐方法，其特征在于，所述推荐方法包括：/n获取待计算任务对应的模型文件和输入模型的数据量；所述模型文件中包括表征模型复杂度的模型参数；/n根据所述模型参数和所述输入模型的数据量，分别对多个计算资源进行压力测试，得到多个测试结果，并根据所述多个测试结果，确定出基于每个计算资源运行所述待计算任务对应的第一性能指标；/n基于所述多个计算资源中每个计算资源的第一性能指标，以及用户端输入的第二性能指标，确定向所述用户端推荐的用于对所述待计算任务进行计算的资源配置方案。/n

【技术特征摘要】
1.一种计算资源的推荐方法，其特征在于，所述推荐方法包括：
获取待计算任务对应的模型文件和输入模型的数据量；所述模型文件中包括表征模型复杂度的模型参数；
根据所述模型参数和所述输入模型的数据量，分别对多个计算资源进行压力测试，得到多个测试结果，并根据所述多个测试结果，确定出基于每个计算资源运行所述待计算任务对应的第一性能指标；
基于所述多个计算资源中每个计算资源的第一性能指标，以及用户端输入的第二性能指标，确定向所述用户端推荐的用于对所述待计算任务进行计算的资源配置方案。


2.根据权利要求1所述的推荐方法，其特征在于，所述推荐方法还包括根据以下步骤确定出所述模型参数：
根据所述用户端输入的模型名称和模型使用的深度学习框架的名称，对所述模型文件进行解析，确定出所述模型参数。


3.根据权利要求1所述的推荐方法，其特征在于，若模型为图像识别模型，则所述输入模型的数据量包括以下数据中的至少一种：
输入至模型的图像的大小、输入至模型的图像的通道数、输入至模型的图像的数量。


4.根据权利要求1所述的推荐方法，其特征在于，所述根据所述模型参数和所述输入模型的数据量分别对多个计算资源进行压力测试，得到多个测试结果，并根据所述多个测试结果，确定出基于每个计算资源运行所述待计算任务对应的第一性能指标，包括：
针对所述多个计算资源中的每个计算资源，对每个计算资源发送多个服务请求；
计算每个计算资源在单位时间内处理的所述服务请求的平均数量，以及每个计算资源处理各个所述服务请求的平均延迟时长；
根据每个计算资源对应的所述平均数量和所述平均延迟时长，确定出每个计算资源对应的所述第一性能指标。


5.根据权利要求1所述的推荐方法，其特征在于，所述基于所述多个计算资源中每个计算资源的第一性能指标，以及用户端输入的第二性能指标，确定向所述用户端推荐的用于对所述待计算任务进行计算的资源配置方案，包括：
从所述多个计算资源中，选取满足预设条件的至少一个候选资源；所述预设条件每个候选资源对应的性能满足要求以及对应的虚拟机可用；
基于所述至少一个候选资源中每个候选资源的第一性能指标，以及所述第二性能指标，确定向所述用户端推荐的资源配置方案。


6.根据权利要求5所述的推荐方法，其特征在于，所述第一性能指标包括第一延迟时长，所述第二性能指标包括第二延迟时长；所述从所述多个计算资源中，选取满足预设条件的至少一个候选资源，包括：
从所述多个计算资源中，选取所述第一延迟时长小于或等于所述第二延迟时长的多个待选资源；
从所述多个待选资源中，选取对应的虚拟机可用的所述至少一个候选资源。


7.根据权利要求5所述的推荐方法，其特征在于，所述第一性能指标包括第一吞吐量，所述第二性能指标包括第二吞吐量；所述基于所述至少一个候选资源中每个计算资源的第一性能指标以及所述第二性能指标，确定向所述用户端推荐的资源配置方案，包括：
根据所述第二吞吐量和所述至少一个候选资源中每个候选资源的第一吞吐量，确定多个候选配置方案；每个候选配置方案中包括至少一个候选资源，以及每个候选资源对应的虚拟机的数量；
从所述多个候选配置方案中，确定满足使用成本要求的候选配置方案为所述资源配置方案。


8.根据权利要求7所述的推荐方法，其特征在于，所述从所述多个候选配置方案中，确定满足使用成本要求的候选配置方案为所述资源配置方案，包括：
根据所述至少一个候选资源中每个候选资源的算力成本，确定所述多个候选配置方案中每个候选配置方案的使用成本；
根据所述多个候选配置方案中的每个候选配置方案的使用成本，从所述多个候选配置方案中，确定使用成本最低的候选配置方案为所述资源配置方案。


9.根据权利要求7所述的推荐方法，其特征在于，若每个候选配置方案中只包括一个候选资源，所述推荐方法还包括根据以下步骤确定每个候选资源对应的虚拟机的数量：
根据所述第二吞吐量除以每个候选资源的第一吞吐量得到的第一数值，确定每个候选资源对应的虚拟机的数量。


10.根据权利要求7所述的推荐方法，其特征在于，若每个候选配置方案中包括至少两个候选资源，所述推荐方法还包括根据以下步骤确定每个候选资源对应的虚拟机的数量：
确定所述至少一个候选资源中至少两个候选资源的第一吞吐量相加得到的第二数值；
根据所述第二吞吐量除以所述第二数值得到的第三数值，确定所述至少两个候选资源中每个候选资源对应的虚拟机的数量。


11.根据权利要求8所述的推荐方法，其特征在于，所述根据所述至少一个候选资源中每个候选资源的算力成本，确定所述多个候选配置方案中每个候选配置方案的使用成本，包括：
针对所述多个候选配置方案中的每个候选配置方案，将每个候选配置方案中每个候选资源对应的虚拟机的数量与对应的算力成本相乘，得到至少一个乘积值；
将所述至少一个乘积值中的各个乘积值相加得到第四数值，并将所述第四数值确定为每个候选配置方案的使用成本。


12.一种计算资源的推荐装置，其特征在于，所述推荐装...

【专利技术属性】
技术研发人员：朱中涛，孔建钢，王琤，裴文谦，杨江华，杨烽，
申请(专利权)人：北京小桔科技有限公司，
类型：发明
国别省市：北京;11