[发明专利]任务调度方法及装置

说明书

本发明涉及一种任务调度方法及装置，获取并将云端中的待调度任务放入等待队列中，在等待队列中筛选出就绪任务，并根据预设学习模型确定就绪任务的调度优先级和相应调度位置，将就绪任务放入集群，以使集群根据调度优先级和相应调度位置进行任务调度。基于此，通过预设学习模型的调度优先级和相应调度位置的动态设置，满足大规模的任务调度问题，并具有泛化能力。同时，在遇到相同结构的调度任务时，预设学习模型不需要重新训练，减少任务调度过程中消耗的资源。

技术领域

本发明涉及网络服务技术领域，特别是涉及一种任务调度方法及装置。

背景技术

云计算(cloud computing)是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。云计算作为一种灵活的方式在互联网上提供计算资源，提供方便的访问方式和灵活的资源以扩充服务。其中，使用虚拟化技术的云计算可以通过虚拟机的按需分配，共享数据中心或集群中的计算资源。因此，高效合理的任务调度方法成为提高云平台性能的关键。而调度算法作为一种计算任务和云资源的映射处理算法，对云服务的质量至关重要，具有巨大的经济效益和社会效益。

在另一方面下，云计算环境下的任务调度问题已被证明为NP-hard(non-deterministic polynomial所谓的非确定性)问题，无法在多项式时间内得到最优解。基于DAG(Directed acyclic graph有向无环图)的现代高性能计算应用程序经常使用计算模型来表示具有并行计算任务和复杂依赖关系的应用程序，传统的任务调度问题已经演化为具有DAG关系的任务调度问题。同时，调度过程中还要考虑不同的指标，如总完工时间、成本和任务响应时间，这进一步增加了分布式异构计算系统任务调度的难度。传统调度算法通常利用任务与云环境之间的信息，如计算节点的CPU频率、RAM容量或任务依赖性等，来提供可接受的近似最优解，如FIFO(First Input First Output先入先出队列)、HEFT(Heterogeneous Earliest Finish Time)、蚁群算法、模拟退火算法等。然而，传统调度算法只能处理静态调度问题，即在系统开始运行前进行调度，在系统运行时无法对总线上的消息进行重新调度，这通常会阻止调度器对实时环境做出响应。

发明内容

基于此，有必要针对传统调度算法只能处理静态调度问题，在系统开始运行前进行调度，而在系统运行时无法对总线上的消息进行重新调度，从而阻止调度器对实时环境做出响应的问题，提供一种任务调度方法及装置。

一种任务调度方法，包括步骤：

获取云端中的待调度任务，并将待调度任务放入等待队列中；

基于等待队列的待调度任务，筛选出就绪任务；

根据预设学习模型确定就绪任务的调度优先级和相应调度位置；

将就绪任务放入集群，以使集群根据调度优先级和相应调度位置进行任务调度。

上述的任务调度方法，获取并将云端中的待调度任务放入等待队列中，在等待队列中筛选出就绪任务，并根据预设学习模型确定就绪任务的调度优先级和相应调度位置，将就绪任务放入集群，以使集群根据调度优先级和相应调度位置进行任务调度。基于此，通过预设学习模型的调度优先级和相应调度位置的动态设置，满足大规模的任务调度问题，并具有泛化能力。同时，在遇到相同结构的调度任务时，预设学习模型不需要重新训练，减少任务调度过程中消耗的资源。

在其中一个实施例中，基于等待队列的待调度任务，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就绪任务。

在其中一个实施例中，预设学习模型包括优先级模型；

根据预设学习模型确定就绪任务的调度优先级的过程，包括步骤：