资源分配方法、资源分配装置、电子设备及存储介质制造方法及图纸

本公开提供了一种资源分配方法、资源分配装置、电子设备及计算机可读存储介质，属于人工智能技术领域。该方法包括：确定多个任务队列的初始资源配额，使每个所述任务队列采用对应的初始资源配额运行任务；当满足第一预设条件时，获取至少一个所述任务队列的资源使用状态数据；利用最新的强化学习模型对所述资源使用状态数据进行处理，得到资源分配动作数据，并采用所述资源分配动作数据调节所述多个任务队列的资源配额；当满足第二预设条件时，获取至少一个所述任务队列的任务运行状态数据；根据所述任务运行状态数据确定奖励值，并通过所述奖励值更新所述强化学习模型。本公开可以为任务队列进行高效、合理的资源分配。

【技术实现步骤摘要】
资源分配方法、资源分配装置、电子设备及存储介质
本公开涉及人工智能
，尤其涉及一种资源分配方法、资源分配装置、电子设备及计算机可读存储介质。
技术介绍
随着互联网的高速发展，由互联网创造的数据规模也在呈爆炸式增长，集群和分布式的大数据平台应运而生。这些平台在运行多个任务时，往往会出现运行任务的队列竞争系统中有限资源的情况。因此，很有必要对系统资源进行合理分配。现有的资源分配方法，通常是采用特定的调度器，来实现集群资源的分配管理。但是，现有的调度器，通常需要通过系统或人为设置一定的规则，导致任务队列在运行任务的过程中，资源分配情况较为死板，不能进行灵活的更新，重要的任务可能会需要较长的时间，从而对整体任务运行的效率造成影响。因此，如何采取有效、合理的资源分配方法，以使得任务队列高效的运行任务，是现有技术亟待解决的技术问题。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开提供了一种资源分配方法本文档来自技高网...

【技术保护点】
1.一种资源分配方法，其特征在于，包括：/n确定多个任务队列的初始资源配额，使每个所述任务队列采用对应的初始资源配额运行任务；/n当满足第一预设条件时，获取至少一个所述任务队列的资源使用状态数据；/n利用最新的强化学习模型对所述资源使用状态数据进行处理，得到资源分配动作数据，并采用所述资源分配动作数据调节所述多个任务队列的资源配额；/n当满足第二预设条件时，获取至少一个所述任务队列的任务运行状态数据；/n根据所述任务运行状态数据确定奖励值，并通过所述奖励值更新所述强化学习模型。/n

【技术特征摘要】
1.一种资源分配方法，其特征在于，包括：
确定多个任务队列的初始资源配额，使每个所述任务队列采用对应的初始资源配额运行任务；
当满足第一预设条件时，获取至少一个所述任务队列的资源使用状态数据；
利用最新的强化学习模型对所述资源使用状态数据进行处理，得到资源分配动作数据，并采用所述资源分配动作数据调节所述多个任务队列的资源配额；
当满足第二预设条件时，获取至少一个所述任务队列的任务运行状态数据；
根据所述任务运行状态数据确定奖励值，并通过所述奖励值更新所述强化学习模型。


2.根据权利要求1所述的方法，其特征在于，所述确定多个任务队列的初始资源配额，包括：
根据每个所述任务队列的重要级确定每个所述任务队列的初始资源配额。


3.根据权利要求1所述的方法，其特征在于，所述根据所述任务运行状态数据确定奖励值，包括：
当根据所述任务运行状态数据确定存在提前完成的任务或运行失败的任务时，基于该任务所属任务队列的重要级计算所述奖励值。


4.根据权利要求1所述的方法，其特征在于，所述第一预设条件包括以下任意一种或多种：
到达第一预定周期时间；
任意所述任务队列的资源使用率超过第一预设阈值；
任意所述任务队列中增加新的任务。


5.根据权利要求1所述的方法，其特征在于，所述获取至少一个所述任务队列的资源使用状态数据，包括：
获取每个所述任务队列的资源使用状态数据；
所述利用最新的强化学习模型对所述资源使用状态数据进行处理，得到资源分配动作数据，包括：
以每个所述任务队列的资源使用状态数据为一行，将所述多个任务队列的资源使用状态数据转换为资源使用状态矩阵；
将所述资源使用状态矩阵输入最新的强化学习模型，输出对应的资源分配动作数据。


6.根据权利要求1所述的方法，其特征在于，所述第二预设条件包括以下任意一种或多种：
到达第二预定周期时间；
进行m次调节资源配额，m为第...

【专利技术属性】
技术研发人员：毕钰，包勇军，崔永雄，张泽华，熊浪涛，
申请(专利权)人：北京沃东天骏信息技术有限公司，
类型：发明
国别省市：北京;11