一种面向大样本AI仿真的容器化并行调度方法技术

本发明专利技术属于计算机容器技术领域，涉及一种面向大样本AI仿真的容器化并行调度方法，包括：步骤1：先下拉该容器化作业的镜像；步骤2：使用步骤1镜像创建容器并启动作业，本发明专利技术针对大样本AI仿真并行容器化作业场景，提供一种面向大样本AI仿真的容器化并行调度方法，减小容器化作业的启动延迟和部署延迟，加速大规模分布式并行容器化作业的部署效率，提高系统的业务处理能力，为用户提供更好地启动作业的体验。

【技术实现步骤摘要】

本专利技术属于计算机容器，涉及一种面向大样本ai仿真的容器化并行调度方法。

技术介绍

1、容器和kubernetes正在成为数据中心部署服务的规范方式。这种丰富的虚拟化生态系统，可以简化应用程序的开发和管理，解决应用程序与执行环境之间复杂的依赖问题，提高应用程序的部署效率。然而，容器化作业的启动延迟和部署延迟会显着限制作业执行的效率。尤其是在大样本ai仿真环境中，当容器镜像较大时，镜像下载时间过长，严重影响了系统的业务处理能力。传统的容器启动方法核心思想在于下载镜像的一部分，即必要的文件、依赖库、链接等，就先启动，但当容器在处理某些作业时，可能由于缺失处理这些作业所需要的文件导致这些文件被挂起。因此，需要一种镜像预热方法，减少容器镜像的下载延迟和容器启动延迟，以确保整个作业的高效执行。

技术实现思路

1、本专利技术的目的：本专利技术针对大样本ai仿真并行容器化作业场景，提供一种面向大样本ai仿真的容器化并行调度方法，减小容器化作业的启动延迟和部署延迟，加速大规模分布式并行容器化作业的部署效率，提高系统的业务处本文档来自技高网...

【技术保护点】

1.一种面向大样本AI仿真的容器化并行调度方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的面向大样本AI仿真的容器化并行调度方法，其特征在于，步骤1具体包括以下步骤：

3.根据权利要求2所述的面向大样本AI仿真的容器化并行调度方法，其特征在于，步骤2具体包括以下步骤；

4.根据权利要求3所述的面向大样本AI仿真的容器化并行调度方法，其特征在于，步骤2.1具体是：kubernetes master按照程序员在用作部署的yaml文件中预设的部署顺序向集群中各个节点，kubernetes node，发送下拉指令，之后所有的计算节点自行拉取镜像，创建...

【技术特征摘要】

1.一种面向大样本ai仿真的容器化并行调度方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的面向大样本ai仿真的容器化并行调度方法，其特征在于，步骤1具体包括以下步骤：

3.根据权利要求2所述的面向大样本ai仿真的容器化并行调度方法，其特征在于，步骤2具体包括以下步骤；

4.根据权利要求3所述的面向大样本ai仿真的容器化并行调度方法，其特征在于，步骤2.1具体是：kubernetes master按照程序员在用作部署的yaml文件中预设的部署顺序向集群中各个节点，kubernetes node，发送下拉指令，之后所有的计算节点自行拉取镜像，创建容器。

5.根据权利要求4所述的面向大样本ai仿真的容器化并行调度方法，其特征在于，步骤2.2中...

【专利技术属性】
技术研发人员：叶婷，唐博，杨科，
申请(专利权)人：中国航空工业集团公司成都飞机设计研究所，
类型：发明
国别省市：