一种算力网络的任务处理方法及相关装置制造方法及图纸

本申请公开了一种算力网络的任务处理方法，涉及计算机技术领域，包括：获取算力网络中对应的多个节点的算力信息；基于多个节点的算力信息、线性规划算法以及多个约束条件对接收到的任务进行任务分发决策，得到实际执行各个任务的算力节点；其中，线性规划算法的变量包括每个算力节点的计算时率和服务副本数量；将各个任务发送至对应的算力节点，以便各个算力节点对接收到的任务进行处理。该方法可以，提高算力网络中对任务进行处理的效率。本申请还公开了一种算力网络的任务处理装置、计算设备以及计算机可读存储介质，具有以上有益效果。具有以上有益效果。具有以上有益效果。

【技术实现步骤摘要】
一种算力网络的任务处理方法及相关装置


[0001]本申请涉及计算机
，特别涉及一种算力网络的任务处理方法、任务处理装置、计算设备以及计算机可读存储介质。

技术介绍

[0002]相关技术中，算力网络通过通信技术将云边计算资源联合起来，构建强大的算力资源池，从而提供更多样化的服务，并保障充足的计算和存储资源，因此，算力网络较云计算、边缘计算具有更高的概率来满足计算密集型和时延敏感型任务的算力需求，并且可以提高算力资源的平均利用率和任务的总体响应时间。
[0003]云计算与边缘计算领域在近年来已开展算力协同的研究，并取得一些成就，但这些成果在设计协同模型及算法时对应用场景进行了强假设，主要包括：1、云/边服务器只具备单一类型的计算芯片，且以CPU为主；2、边边之间的数据传输时延被忽略不计，主要考虑了云边之间的传输延迟；3、每项任务所需的计算次数是已知的，任务在服务器上的计算用时通过任务所需的计算次数除以CPU的主频得到；4、任务到达云边系统的模式服从已知的概率分布。
[0004]但是，这些假设使得现有方法应用至算力网络时存在较大缺陷，难以充分释放算力网络的规模效能。主要表现在：1、算力网络的算力设备上通常配置多种计算单元，且随着人工智能技术的发展和推广，设备配置方案以CPU与GPU的组合为主；2、为提升算力协同的效能，且使得模型更接近真实的算力网络环境，算力设备间的数据传输延迟不容忽视，且与网络带宽、传输距离和数据包的大小有关；3、完成算力网络任务所需的计算次数难以估计，因为，当任务所需的应用代码未公开时，无法预先预测计算次数；当代码已知时，代码中可能会包含大量的循环操作和判断语句，跳出循环的时间和判断结果也是不可预测的，这也使得计算次数不可估计；4、算力网络服务于多用户，任务的到达模式几乎是不可预测的，每个客户都有其自己独特的任务生成模式，或许可以建模单个客户的任务生产模式，但多客户的复合作业模式仍然难以预测。
[0005]因此，如何设计一种高效、普适的算力网络的任务处理方法与装置，克服现有方法的缺点，提升算力网络的工作效率和资源利用率，提升任务的综合响应时间是本领域人员关注的重点问题。

技术实现思路

[0006]本申请的目的是提供一种算力网络的任务处理方法、任务处理装置、计算设备以及计算机可读存储介质，提高算力网络处理任务的效率。
[0007]一种算力网络的任务处理方法，包括：
[0008]获取算力网络中所有算力节点的算力信息；
[0009]基于所述算力信息、线性规划算法以及多个约束条件对接收到的任务进行任务分发决策，得到实际执行各个任务的算力节点；其中，所述线性规划算法的变量包括每个算力
节点的计算时率和服务副本数量；
[0010]将各个所述任务发送至对应的算力节点，以便各个算力节点对接收到的任务进行处理。
[0011]优选地，所述算力信息包括算力使用情况、网络传输情况、接收到的任务对于各项资源的需求情况。
[0012]优选地，所述线性规划算法的规划目标为最短时间内完成任务集合内的全部任务。
[0013]优选地，将各个所述任务发送至对应的算力节点，包括：
[0014]将各个任务和实际执行各个任务的算力节点的对应信息封装为决策结果数据包；
[0015]将所述决策结果数据包在所述算力网络中进行广播。
[0016]优选地，还包括：
[0017]其他算力节点基于获取到的所述决策结果数据包确定对应的任务。
[0018]优选地，还包括：
[0019]接收其他算力节点发送的任务，并将接收到的任务加入到任务队列中；
[0020]基于所述任务队列的顺序执行对应的任务，得到处理结果。
[0021]优选地，基于所述算力信息、线性规划算法以及多个约束条件对接收到的任务进行任务分发决策，得到实际执行各个任务的算力节点，包括：
[0022]获取每个所述算力节点的计算时率和服务副本数量；
[0023]基于所述算力信息、所述线性规划算法以及多个所述约束条件，将算力协同调度处理任务的问题建模为整数线性规划问题；
[0024]求解所述整数线性规划问题，得到所述实际执行各个任务的算力节点。
[0025]一种算力网络的任务处理装置，包括：
[0026]算力信息获取模块，用于获取算力网络中所有算力节点的算力信息；
[0027]任务规划模块，用于基于所述算力信息、线性规划算法以及多个约束条件对接收到的任务进行任务分发决策，得到实际执行各个任务的算力节点；其中，所述线性规划算法的变量包括每个算力节点的计算时率和服务副本数量；
[0028]任务转发模块，用于将各个所述任务发送至对应的算力节点，以便各个算力节点对接收到的任务进行处理。
[0029]本申请还提供一种计算设备，包括：
[0030]存储器，用于存储计算机程序；
[0031]处理器，用于执行所述计算机程序时实现如上所述的任务处理方法的步骤。
[0032]本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的任务处理方法的步骤。
[0033]本申请所提供的一种算力网络的任务处理方法，包括：获取算力网络中所有算力节点的算力信息；基于所述算力信息、线性规划算法以及多个约束条件对接收到的任务进行任务分发决策，得到实际执行各个任务的算力节点；其中，所述线性规划算法的变量包括每个算力节点的计算时率和服务副本数量；将各个所述任务发送至对应的算力节点，以便各个算力节点对接收到的任务进行处理。
[0034]通过获取多个算力节点的算力信息，然后基于算力信息、线性规划算法以及多个
约束条件对接收到的任务进行任务分发决策，并确定每个任务对应的算力节点。由于，该线性规划算法的参数变量包括计算时率和服务副本数量，该计算时率和服务副本数量可以评估算力网络中算力节点面向某一应用的性能，因而在通过算力协同处理任务设计最优方案时，只需要重点考虑算力节点的运行时性能因素，而不再考虑算力网络算力节点的异构硬件配置以及软件环境，提高了算力网络对任务进行处理的效率，提高了算力资源的利用率。
[0035]本申请还提供一种算力网络的任务处理装置、计算设备以及计算机可读存储介质，具有以上有益效果，在此不作赘述。
附图说明
[0036]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0037]图1为本申请实施例所提供的一种算力网络的任务处理方法的流程图；
[0038]图2为本申请实施例所提供的一种算力网络的任务处理方法的具体流程图；
[0039]图3为本申请实施例所提供的一种算力网络的任务处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种算力网络的任务处理方法，其特征在于，包括：获取算力网络中所有算力节点的算力信息；基于所述算力信息、线性规划算法以及多个约束条件对接收到的任务进行任务分发决策，得到实际执行各个任务的算力节点；其中，所述线性规划算法的变量包括每个算力节点的计算时率和服务副本数量；将各个所述任务发送至对应的算力节点，以便各个算力节点对接收到的任务进行处理。2.根据权利要求1所述的任务处理方法，其特征在于，所述算力信息包括算力使用情况、网络传输情况、接收到的任务对于各项资源的需求情况。3.根据权利要求1所述的任务处理方法，其特征在于，所述线性规划算法的规划目标为最短时间内完成任务集合内的全部任务。4.根据权利要求1所述的任务处理方法，其特征在于，将各个所述任务发送至对应的算力节点，包括：将各个任务和实际执行各个任务的算力节点的对应信息封装为决策结果数据包；将所述决策结果数据包在所述算力网络中进行广播。5.根据权利要求4所述的任务处理方法，其特征在于，还包括：其他算力节点基于获取到的所述决策结果数据包确定对应的任务。6.根据权利要求1所述的任务处理方法，其特征在于，还包括：接收其他算力节点发送的任务，并将接收到的任务加入到任务队列中；基于所述任务队列的顺序执行对应的任务，得到处理结果。7.根据权利要求1至6任...

【专利技术属性】
技术研发人员：胡玉姣，贾庆民，周晓茂，郭凯，马千飘，谢人超，
申请(专利权)人：网络通信与安全紫金山实验室，
类型：发明
国别省市：