本发明专利技术涉及人工智能技术领域，公开了一种物联网模式下的信息计算负载调度方法、装置、设备及介质，包括：接收信息计算任务，将信息计算任务分配给相应的目标执行容器；生成各目标执行容器内的信息计算任务的优先级队列；通过预训练的资源分配器，调控各目标执行容器的计算资源分配比例；通过预训练的执行调度器，根据优先级队列中当前执行任务的状态调整执行任务的执行顺序。实现平台运算资源的充分利用，减少任务优先级加权平均执行时间，提升用户使用满意度。户使用满意度。户使用满意度。
【技术实现步骤摘要】
物联网模式下的信息计算负载调度方法、装置、设备及介质
[0001]本专利技术涉及计算机处理
，尤其涉及一种物联网模式下的信息计算负载调度方法、装置、设备及介质。
技术介绍
[0002]随着物联网技术的不断发展，应用场景的不断延伸，生理信息的采集已经从医院实验室走向千家万户。得益于生理信息采集设备逐渐小型化智能化，各类采集设备小巧便携、智能化、可长时间穿戴的特点使得各类可穿戴设备，当前可穿戴设备已经在采集心率、血氧、体态、体温、呼吸、血压等人体健康数据方面有了许多应用，甚至部分生理信息仅通过智能设备就可以进行运算处理，生理信息的广泛采集有力的支撑了远程医疗和居家监护的发展。
[0003]随着生理信息采集的便捷化，所需处理的数据规模上有了数量级规模的增长，并且随着需求的进一步开发，传统的数据离线汇总和简单的实时运算已经无法满足越来越多复杂的运算需求和更加实时的监护需求。因此需要改进云数据计算中心的服务架构来满足复杂的计算过程，大量的并行数据和较强的实时性要求。由于需要处理的数据的规模和复杂度上都有极大的增长，这给云数据中心带来了很大的挑战。不同于传统互联网模式下的用户数据，生理信息的时间跨度长，数据种类多，数据量又较大，在同一时间段内云数据中心可能既要处理实时监护任务，又要处理各个设备采集上传的数据。而生理信息时间跨度长，计算场景相对复杂，处理过程顺序依赖性强，实时任务一般存在过往数据依赖等特点，导致传统应对独立计算任务的资源分配算法很难合理有效的协调生理信息计算的调度和资源的有效分配。因此也需要对资源分配和任务调度算法进行改进，使得在生理信息的运算场景下，集群服务能够尽量释放算力，发挥更高的效率。
技术实现思路
[0004]本专利技术提供一种物联网模式下的信息计算负载调度方法、装置、计算机设备及介质，在满足优先级需求的情况下能尽量提升运算任务的执行效率，降低任务的等待时间。
[0005]第一方面，提供了一种物联网模式下的信息计算负载调度方法，包括：
[0006]接收信息计算任务，将所述信息计算任务分配给相应的目标执行容器；
[0007]生成各目标执行容器内的所述信息计算任务的优先级队列；
[0008]通过预训练的资源分配器，调控各所述目标执行容器的计算资源分配比例；
[0009]通过预训练的执行调度器，根据优先级队列中当前执行任务的状态调整执行任务的执行顺序。
[0010]在一些实施例中，所述将所述信息计算任务分配给相应的目标执行容器，包括：
[0011]根据所述信息计算任务的类型和资源分配器内各容器的负载系数，将所述信息计算任务分配给相应的目标执行容器。
[0012]在一些实施例中，所述生成各目标执行容器内的所述信息计算任务的优先级队
列，包括：
[0013]根据当前任务的等待时间和当前任务的执行期望时间和优先等级，生成所述优先级队列。
[0014]在一些实施例中，所述通过预训练的资源分配器，调控各所述目标执行容器的计算资源分配比例，包括：
[0015]根据每个所述目标执行容器内的所述优先级队列的负载指数来调控各所述目标执行容器的计算资源分配比例。
[0016]在一些实施例中，还包括训练所述资源分配器，其中，所述训练所述资源分配器包括：
[0017]通过所述资源分配器的演员网络对当前环境状态进行决策；
[0018]根据所述演员部分的决策结果分配目标容器的运算资源；
[0019]运行预设时间段，根据环境奖励积累经验池直至所述经验池大小达到预设阈值；
[0020]使用所述经验池更新评论家网络，根据所述评论家网络获取梯度更新所述演员网络；
[0021]根据所述资源分配器的收敛，确定所述资源分配器训练的迭代次数。
[0022]在一些实施例中，所述待训练的执行调度器包括多个层次的拓扑层，每个层次的拓扑层包括两个DQN结构，其中一个DQN结构为本层决策模型和另一个DQN结构为上层次决策的时间预估模型；
[0023]所述方法还包括训练所述执行调度器，其中，所述训练所述资源分配器包括：
[0024]确定所述待训练的执行调度器中的当前训练的层级结构是否为顶层结构，若是，则根据所述待训练的执行调度器设置DQN结构参数；
[0025]使用训练集训练DQN结构；
[0026]积累经验池训练层级DQN结构；
[0027]根据所述层级DQN结构是否收敛，确定所述DQN结构训练的迭代次数；
[0028]若不是，则根据模型设置运算资源状态与令牌数量限制
[0029]在限制内随机生成环境初始状态数；
[0030]选取初始化层级DQN结构环境；
[0031]积累经验池训练DQN结构；
[0032]根据所述层级DQN结构是否收敛，确定所述DQN结构训练的迭代次数。
[0033]在一些实施例中，所述待训练的执行调度器包括多个层次的子调度器，每个层次的子调度器包括1个DQN结构，所述DQN结构为本层决策模型；
[0034]所述通过预训练的执行调度器，根据优先级队列中当前执行任务的状态调整执行任务的执行顺序，包括：
[0035]将所述当前执行任务的计算任务状态输入多层DQN结构，对于每一层次的DQN，计算获得本层次的任务执行目标，根据任务类型将本层次的任务执行目标输入对应的下层DQN结构，获得下层任务执行目标，如此迭代直到目标输入底层DQN结构产生真实任务执行步骤顺序，得到调整后的执行任务的执行顺序。
[0036]第二方面，提供了一种物联网模式下的信息计算负载调度装置，包括：
[0037]接收单元，用于接收信息计算任务，将所述信息计算任务分配给相应的目标执行
容器；
[0038]优先队列单元，用于生成各目标执行容器内的所述信息计算任务的优先级队列；
[0039]资源分配单元，用于通过预训练的资源分配器，调控各所述目标执行容器的计算资源分配比例；
[0040]执行调度单元，用于通过预训练的执行调度器，根据优先级队列中当前执行任务的状态调整执行任务的执行顺序。
[0041]第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述物联网模式下的信息计算负载调度方法的步骤。
[0042]第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述物联网模式下的信息计算负载调度方法的步骤。
[0043]上述物联网模式下的信息计算负载调度方法、装置、计算机设备及存储介质所实现的方案中，接收信息计算任务，将信息计算任务分配给相应的目标执行容器；生成各目标执行容器内的信息计算任务的优先级队列；通过预训练的资源分配器，调控各目标执行容器的计算资源分配比例；通过预训练的执行调度器，根据优先级队列中当前执行任务的状态调整执行任务的执行顺序。因此，任务本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种物联网模式下的信息计算负载调度方法，其特征在于，包括：接收信息计算任务，将所述信息计算任务分配给相应的目标执行容器；生成各目标执行容器内的所述信息计算任务的优先级队列；通过预训练的资源分配器，调控各所述目标执行容器的计算资源分配比例；通过预训练的执行调度器，根据优先级队列中当前执行任务的状态调整执行任务的执行顺序。2.如权利要求1所述的物联网模式下的信息计算负载调度方法，其特征在于，所述将所述信息计算任务分配给相应的目标执行容器，包括：根据所述信息计算任务的类型和资源分配器内各容器的负载系数，将所述信息计算任务分配给相应的目标执行容器。3.如权利要求1所述的物联网模式下的信息计算负载调度方法，其特征在于，所述生成各目标执行容器内的所述信息计算任务的优先级队列，包括：根据当前任务的等待时间和当前任务的执行期望时间和优先等级，生成所述优先级队列。4.如权利要求1所述的物联网模式下的信息计算负载调度方法，其特征在于，所述通过预训练的资源分配器，调控各所述目标执行容器的计算资源分配比例，包括：根据每个所述目标执行容器内的所述优先级队列的负载指数来调控各所述目标执行容器的计算资源分配比例。5.如权利要求1所述的物联网模式下的信息计算负载调度方法，其特征在于，还包括训练所述资源分配器，其中，所述训练所述资源分配器包括：通过所述资源分配器的演员网络对当前环境状态进行决策；根据所述演员部分的决策结果分配目标容器的运算资源；运行预设时间段，根据环境奖励积累经验池直至所述经验池大小达到预设阈值；使用所述经验池更新评论家网络，根据所述评论家网络获取梯度更新所述演员网络；根据所述资源分配器的收敛，确定所述资源分配器训练的迭代次数。6.如权利要求1所述的物联网模式下的信息计算负载调度方法，其特征在于，所述待训练的执行调度器包括多个层次的拓扑层，每个层次的拓扑层包括两个DQN结构，其中一个DQN结构为本层决策模型和另一个DQN结构为上层次决策的时间预估模型；所述方...
【专利技术属性】
技术研发人员：彭聪，张浩，陈立平，赵坤，龙飞，杨亚光，
申请(专利权)人：中国科学院微电子研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。