基于CPU-GPU协同计算的任务调度方法及装置制造方法及图纸

本发明专利技术涉及一种基于CPU‑GPU协同计算的任务调度方法、装置及影像融合方法，该方法基于各计算节点资源的负载情况来进行任务调度，通过计算各计算节点的实时负载值形成计算节点队列，并根据各任务的紧急情况及预估完成时间形成任务队列，将任务分配至各计算节点，从而有效地利用了各计算节点的计算资源，提高了集群系统的安全性、稳定性及整个系统的生产效率。

【技术实现步骤摘要】
基于CPU-GPU协同计算的任务调度方法及装置
本专利技术涉及遥感数据处理
，尤其涉及一种基于CPU-GPU协同计算的任务调度方法、装置及影像融合方法。
技术介绍
随着我国空间对地观测技术的不断发展，高分辨率系列遥感卫星不断升空，遥感卫星所搭载的传感器在空间分辨率、光谱分辨率以及时间分辨率得到大幅提升，遥感数据的数据量呈现几何级数增长。在一些对遥感数据实时性要求较高的领域(如军事、灾害预警等)，整个遥感数据的处理流程必须快速完成，否则无法满足相应的需求。面对海量遥感影像带来的全链路生产时效性问题，迫切需要高性能处理方法来提高生产效率。目前常用的遥感图像处理软件如ENVI、ERDAS都是典型的不支持并行处理的单机系统，其计算效率和自动化处理能力都十分有限，无法满足大规模数据处理需求；在遥感影像处理中，单景影像像素数可达几百上千万个，要求计算机能完成相应次数的运算。传统的单机计算已经远远无法满足多任务的遥感数据处理，且计算机的硬件能力很难在短时间内实现大幅提高。引入高性能集群技术，能有效的缓解数据处理的压力。一个好的任务调度方法可以均衡各集群本文档来自技高网...

【技术保护点】
1.一种基于CPU-GPU协同计算的任务调度方法，其特征在于，包括步骤：/n计算各计算节点的实时负载值，并根据各计算节点的负载值高低形成计算节点队列；/n根据各任务的紧急情况，按照优先级高低形成待分配任务队列；/n将所述待分配任务队列中的任务按照优先级顺序分配至计算节点队列中的各计算节点。/n

【技术特征摘要】
1.一种基于CPU-GPU协同计算的任务调度方法，其特征在于，包括步骤：
计算各计算节点的实时负载值，并根据各计算节点的负载值高低形成计算节点队列；
根据各任务的紧急情况，按照优先级高低形成待分配任务队列；
将所述待分配任务队列中的任务按照优先级顺序分配至计算节点队列中的各计算节点。


2.根据权利要求1所述的方法，其特征在于，所述计算各计算节点的实时负载值，包括根据如下公式进行计算：
Li＝W1Mcpu+W2Ccpu+W3Mgpu+W4Mgpu-W5T(Mcpu,Ccpu,Mgpu,Mgpu)
其中，Li为第i个计算节点的负载值，Mcpu为可用内存值，Ccpu为空闲CPU值，Mgpu为可用显存值，Cgpu为空闲GPU值，T(Mcpu,Ccpu,Mgpu,Mgpu)为某算法该计算节点该资源使用状态下任务预估完成时间的先验值，W1-W5为上述各负载指标的权重因子，且W1+W2+W3+W4+W5＝1。


3.根据权利要求2所述的方法，其特征在于，所述根据各任务的紧急情况，按照优先级高低形成待分配任务队列，包括：
将待分配任务队列划分为紧急任务队列和非紧急任务队列；
判断新进任务是否为紧急任务，若为紧急任务，则按照优先级高低将其插入紧急任务队列，若为非紧急任务，则按照优先级高低将其插入非紧急任务队列；
其中，紧急任务队列中的任务优先级高于非紧急任务队列中的任务优先级。


4.根据权利要求3所述的方法，其特征在于，所述按照优先级高低将其插入紧急任务队列，包括：
根据如下公式计算该紧急任务的预估完成时间值TYi：



根据TYi的大小将该任务插入紧急任务队列的相应位置；
其中，α为紧急任务的权重值，Tspent为该时刻各个计算节点该资源状态下先验值的平均值，TYi越小则优先级越高。


5.根据权利要求3所述的方法，其特征在于，所述按照优先级高低...

【专利技术属性】
技术研发人员：臧文乾，汪承音，王栋，赵亚萌，黄祥志，
申请(专利权)人：中科星通廊坊信息技术有限公司，
类型：发明
国别省市：河北;13