[发明专利]面向异构计算系统的任务调度方法、装置、设备及介质

说明书

本发明公开了一种面向异构计算系统的任务调度方法、装置、设备及介质，包括：获取目标异构计算系统上应用程序任务对应的有向无环任务图并确定其任务节点队列，基于任务节点队列及有向无环任务图的拓扑关系确定概率分布矩阵与拓扑可行点队列；基于随机游走算法，在预设范围内取任一随机数，基于随机数在概率分布矩阵中确定多个指定点，得到指定点集合；基于指定点集合将拓扑可行点队列转换为边覆盖队列；基于概率分布算法对边覆盖队列进行模拟调度，更新当前概率分布矩阵；重复随机游走与概率分布估计算法达到预设次数，得到目标概率分布矩阵，进而得到目标调度方案。本发明提出了使用边覆盖队列进行调度的方法，并基于概率分布估计算法和图随机游走策略，设计出了一种边覆盖队列的生成方法，降低运算复杂度和迭代次数。

技术领域

本发明涉及异构计算系统任务调度技术领域，涉及一种面向异构计算系统的任务调度方法、装置、设备及介质。

背景技术

异构计算系统是指具有不同计算和存储能力并相互连接的一组处理器。由于任务的多样性和处理器工艺架构的差异性，异构计算系统广泛的存在于各种计算场景下。各个应用程序在实际应用中通常被建模为有向无环图 (Directed Acyclic Graph,DAG)，图中的每一个节点代表应用程序的子任务，而后再将该有向无环图调度到异构计算系统。高效的调度方案能够提高异构计算系统性能和用户体验质量。由于异构计算系统的异构性、任务之间的优先级约束以及有向无环图的NP-Hard特性，获得高效的调度十分困难。

现有的调度算法分为表调度算法和进化算法两大类。表调度算法具有低的运算复杂度和时间复杂度，但是在很多场景下调度结果不够理想，容易陷入局部最优解。进化算法是全局优化的算法，在足够的运算量下能得到优秀的调度结果，但是具有非常高的运算复杂度和时间复杂度。在并行和分布式异构计算系统中，基于启发式的任务调度算法通常包括任务优先级确定和处理器选择两个阶段。在基于启发式的任务调度算法中，不同的优先级会在异构计算系统上产生不同的最大完成时间。因此，一个好的调度算法应该能够根据最小化最大完成时间有效地为每个子任务分配优先级和处理器。

表调度算法的使用分为两个阶段。首先，依据任务优先级，按权重对任务进行排序，得到任务调度队列。然后，采用某种固定方式将队列中的任务依次放置到处理器上。早期的调度算法大多针对同构处理系统，该类别的代表算法中，最早开始时间(EarliestStart Time,EST)算法和最早完成时间(Earliest Finish Time,EFT)算法，都是最简单的时间贪心算法。为了适应异构环境，提出了异构最早完成时间(HeterogeneousEarliestStart Time,HEFT) 和关键路径算法。异构最早完成时间算法中，任务根据从节点到DAG底部的最长路径长度值排序。然后，在将处理器的可用空闲时隙考虑在内的前提下，任务被依次分配到能使其取得最早完成时间的处理器上。关键路径算法中，先计算出DAG的关键路径，再将关键路径分配到使得关键路径的完成时间最短的同一个处理器上，其余任务再依次分配。预测类表调度算法通过估计任务分配对其后续任务的影响进行调度。在预测类表调度算法之一的预测最早完成时间(Predict Earliest Finish Time,PEFT)算法中，算法构建了一个乐观成本表，列出了任务和处理器的每个组合从其子节点到出口节点的最短路径。利用每个任务平均乐观成本表(Optimistic Cost Table,OCT)值，从高到低对任务进行排序。最后，引入插入处理器可用空闲时隙策略，并将任务分配到EFT+OCT最短的处理器上。预测先行(Lookahead,LO)算法指一种比较特殊的表调度算法，每个任务在调度时分配到使其所有子任务完成时间最短的处理器上，在中等规模的DAG和一些特定的场景调度中具有良好的效果，但是也是运算复杂度最高的一类表调度算法。