[發明專利]算力資源管理方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010010110.1
• 申請日: 2020-01-06
• 公開（公告）號: CN111240836A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 秦迪;張紅光;王蒙;靳偉;邱德強;袁東方;朱麗;喻友平;吳甜
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50
• 代理公司: 北京鴻德海業知識產權代理事務所(普通合伙) 11412
• 代理人: 田宏賓

本申請公開了算力資源管理方法、裝置、電子設備及存儲介質，涉及深度學習領域，其中方法可包括：獲取任一用戶的算力資源分配請求，確定出適用于用戶的管理策略；從所構建的M個集群中確定出所述管理策略對應的集群，M為大于一的正整數；將確定出的集群作為候選集群，將候選集群中的至少一個集群的算力資源分配給用戶進行使用。應用本申請所述方案，可提升資源利用率等。

技術領域

本申請涉及計算機應用技術，特別涉及深度學習領域的算力資源管理方法、裝置、電子設備及存儲介質。

背景技術

隨著深度學習迅速發展，網絡的種類、復雜程度和處理的數據量都在飛速的增長，對于深度學習算力資源的需求也越來越高。算力資源可包括處理器、內存、帶寬及硬盤等，其中處理器可包括中央處理單元(CPU，Central Processing Unit)及圖形處理器(GPU，Graphics Processing Unit)等。

不同用戶的深度學習項目對于算力資源的需求也可能不同，但目前還沒有一種有效的算力資源管理方法。

發明內容

有鑒于此，本申請提供了算力資源管理方法、裝置、電子設備及存儲介質。

一種算力資源管理方法，包括：

獲取任一用戶的算力資源分配請求，確定出適用于所述用戶的管理策略；

從所構建的M個集群中確定出所述管理策略對應的集群，M為大于一的正整數；

將確定出的集群作為候選集群，將所述候選集群中的至少一個集群的算力資源分配給所述用戶進行使用。

根據本申請一優選實施例，所述確定出適用于所述用戶的管理策略包括：

獲取所述用戶的預定用戶信息；

根據所述用戶信息確定出適用于所述用戶的管理策略。

根據本申請一優選實施例，所述將所述候選集群中的至少一個集群的算力資源分配給所述用戶進行使用之前，進一步包括：從所述候選集群中過濾掉無法提供服務的集群。

根據本申請一優選實施例，所述將所述候選集群中的至少一個集群的算力資源分配給所述用戶進行使用包括：

按照性能由高到低的原則對各候選集群進行排序；

將排序后處于前N位的集群的算力資源分配給所述用戶進行使用，N為正整數；

或者，將排序后的各集群分配給所述用戶，以便所述用戶從中選擇至少一個集群的算力資源進行使用。

根據本申請一優選實施例，所述對各候選集群進行排序包括：

針對每一候選集群，分別從預定的至少兩個維度對所述候選集群進行評分，將各評分加權相加，得到所述候選集群的綜合評分；

按照綜合評分由高到低的順序對各候選集群進行排序。

根據本申請一優選實施例，所述獲取任一用戶的算力資源分配請求之前，進一步包括：為所述用戶分配預定額度的算力卡；

所述獲取任一用戶的算力資源分配請求之后，進一步包括：確定所述用戶的算力卡中是否存在剩余額度，若是，則確定出適用于所述用戶的管理策略，若否，則拒絕本次請求；

所述將所述候選集群中的至少一個集群的算力資源分配給所述用戶進行使用之后，進一步包括：按照所述用戶對于算力資源的使用情況從所述算力卡中扣除對應的額度。

一種算力資源管理裝置，包括：第一管理單元以及第二管理單元；

所述第一管理單元，用于獲取任一用戶的算力資源分配請求，確定出適用于所述用戶的管理策略，并從所構建的M個集群中確定出所述管理策略對應的集群，M為大于一的正整數；