[发明专利]任务调度方法及装置

权利要求书

1.一种任务调度方法，其特征在于，包括步骤：

获取云端中的待调度任务，并将所述待调度任务放入等待队列中；

基于所述等待队列的所述待调度任务，筛选出就绪任务；

根据预设学习模型确定所述就绪任务的调度优先级和相应调度位置；

将所述就绪任务放入集群，以使所述集群根据所述调度优先级和相应调度位置进行任务调度。

2.根据权利要求1所述的任务调度方法，其特征在于，所述基于所述等待队列的所述待调度任务，筛选出就绪任务的过程，包括步骤：

将依赖任务已完成的待调度任务筛选为所述就绪任务。

3.根据权利要求1所述的任务调度方法，其特征在于，所述预设学习模型包括优先级模型；

所述根据预设学习模型确定所述就绪任务的调度优先级的过程，包括步骤：

根据所述优先级模型确定所述就绪任务的调度优先级。

4.根据权利要求3所述的任务调度方法，其特征在于，所述优先级模型的构建过程，包括步骤：

根据筛选所述就绪任务的结构属性搭建基于强化学习的第一自适应模型；

对所述第一自适应模型进行循环迭代训练，得到收敛的第一自适应模型，以作为所述优先级模型。

5.根据权利要求1所述的任务调度方法，其特征在于，所述预设学习模型包括调度位置模型；

所述根据预设学习模型确定所述就绪任务的相应调度位置的过程，包括步骤：

根据所述调度位置模型确定所述就绪任务的相应调度位置。

6.根据权利要求5所述的任务调度方法，其特征在于，所述调度位置模型的构建过程，包括步骤：

根据所述集群中虚拟机的结构属性搭建基于强化学习的第二自适应模型；

对所述第二自适应模型进行循环迭代训练，得到收敛的第二自适应模型，以作为所述调度位置模型。

7.根据权利要求4或6所述的任务调度方法，其特征在于，所述进行循环迭代训练的过程，包括步骤：

将对应结构属性构造的随机数据集作为训练集，采用神经网络进行训练，并同步所述神经网络的参数。

8.根据权利要求7所述的任务调度方法，其特征在于，所述同步所述神经网络的参数的过程，包括步骤：

采用随机抽样样本更新神经网络的参数；其中，所述随机抽样样本包括任一所述集群的环境信息输入至所述神经网络的计算信息。

9.根据权利要求1至6任意一项所述的任务调度方法，其特征在于，还包括步骤：

获取所述集群的实际调度信息；

将所述实际调度信息反馈给所述等待队列，以调整所述等待队列中的待调度任务。

10.一种任务调度装置，其特征在于，包括：

任务获取模块，用于获取云端中的待调度任务，并将所述待调度任务放入等待队列中；

任务筛选模型，用于在所述等待队列的所述待调度任务，筛选出就绪任务；

任务学习模块，用于根据预设学习模型确定所述就绪任务的调度优先级和相应调度位置；

任务调度模块，用于将所述就绪任务放入集群，以使所述集群根据所述调度优先级和相应调度位置进行任务调度。

11.一种计算机存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现如权利要求1至9任意一项所述的任务调度方法。

12.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行程序时实现如权利要求1至9任意一项所述的任务调度方法。