[發(fā)明專利]面向X86和ARM混合云計算的節(jié)能調(diào)度系統(tǒng)、方法和存儲介質(zhì)有效
| 申請?zhí)枺?/td> | 202110452258.5 | 申請日: | 2021-04-26 |
| 公開(公告)號: | CN113075994B | 公開(公告)日: | 2023-05-30 |
| 發(fā)明(設(shè)計)人: | 林偉偉;許銀海;石方;王江濤;上官棟棟 | 申請(專利權(quán))人: | 華南理工大學(xué);華為技術(shù)有限公司 |
| 主分類號: | G06F1/329 | 分類號: | G06F1/329;G06F9/50 |
| 代理公司: | 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245 | 代理人: | 李斌 |
| 地址: | 510640 廣*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 面向 x86 arm 混合 計算 節(jié)能 調(diào)度 系統(tǒng) 方法 存儲 介質(zhì) | ||
1.面向X86和ARM混合云計算的節(jié)能調(diào)度系統(tǒng),其特征在于,包括負(fù)載識別匹配模塊、負(fù)載類型實驗?zāi)K以及混合服務(wù)器集群模塊;
所述負(fù)載識別模塊,用于識別負(fù)載是否在負(fù)載庫內(nèi)部;當(dāng)負(fù)載沒有在負(fù)載庫中時,將該負(fù)載放置到負(fù)載類型試驗?zāi)K,訓(xùn)練該負(fù)載的分配方式;否則,就根據(jù)負(fù)載庫的分配方式在X86和ARM混合服務(wù)器集群模塊進(jìn)行分配;
所述負(fù)載類型試驗?zāi)K,用于將負(fù)載識別匹配模塊中匹配失敗的負(fù)載同時放于X86和ARM服務(wù)器中,通過收集分析兩者不同的能耗性能指標(biāo)判斷該負(fù)載的分配方式;
所述的混合服務(wù)器集群模塊,用于執(zhí)行負(fù)載任務(wù),根據(jù)負(fù)載的分配方式將負(fù)載置于相應(yīng)類型的服務(wù)器集群;服務(wù)器集群包括X86服務(wù)器集群和ARM服務(wù)器集群;
所述節(jié)能調(diào)度系統(tǒng)的調(diào)度方法,包括下述步驟:
對負(fù)載進(jìn)行分類和匹配,具體為:
采用兩級匹配技術(shù),第一級先利用負(fù)載識別模型判斷負(fù)載是否在負(fù)載庫中,若負(fù)載庫中沒有此類型的負(fù)載,則采用第二級匹配方法計算該負(fù)載與庫中負(fù)載類型的相似度,若相似度大于規(guī)定的閾值,則采用相似負(fù)載類型的分配規(guī)則,否則匹配失敗,將負(fù)載放于負(fù)載類型試驗?zāi)K;
所述負(fù)載識別模型為機(jī)器學(xué)習(xí)模型或深度神經(jīng)網(wǎng)絡(luò)模型,具體地:
若采用K-Center,則根據(jù)離聚類中心的距離判斷此負(fù)載所屬類別;若離所有聚類中心的距離超過閾值,則判斷此負(fù)載為新負(fù)載;
所述第二級匹配,采用皮爾遜相關(guān)系數(shù)計算該負(fù)載與庫中負(fù)載類型的相似度;
判斷負(fù)載所屬類型是否在負(fù)載庫中,如存在則根據(jù)負(fù)載庫的分配方式,將此負(fù)載分配給相應(yīng)類別的服務(wù)器集群;
若所屬的負(fù)載類型沒有在負(fù)載庫中匹配成功,則將此負(fù)載放入負(fù)載類別試驗?zāi)K,分析負(fù)載分配規(guī)則;
根據(jù)負(fù)載類別試驗?zāi)K更新負(fù)載庫、負(fù)載分配規(guī)則以及負(fù)載識別模型;
根據(jù)負(fù)載庫的分配方式,將此負(fù)載分配給相應(yīng)類別的服務(wù)器集群,具體為:
當(dāng)進(jìn)入一個加解密算法的負(fù)載,經(jīng)過所述兩級匹配技術(shù)后結(jié)果為匹配失敗,即負(fù)載庫中無此負(fù)載并且沒有與此相似的負(fù)載類型,則將此解密算法負(fù)載放入負(fù)載類別試驗?zāi)K,通過計算此負(fù)載在X86和ARM服務(wù)器上的能效得分Effload來為負(fù)載制定分配規(guī)則,負(fù)載的能效得分Effload定義如下:
其中,Normalized?Performance為標(biāo)準(zhǔn)化性能,是指是負(fù)載的標(biāo)準(zhǔn)化吞吐量;PowerConsumption為功耗,是指負(fù)載的平均測量功耗;
當(dāng)進(jìn)入排序算法負(fù)載,經(jīng)過負(fù)載識別模型識別發(fā)現(xiàn)無此負(fù)載,進(jìn)行第二級匹配,利用皮爾遜相關(guān)系數(shù)計算排序算法負(fù)載與加解密算法負(fù)載相似度較高,故將排序算法負(fù)載分配至ARM服務(wù)器集群運行;
執(zhí)行任務(wù)并輸出結(jié)果。
2.根據(jù)權(quán)利要求1所述的面向X86和ARM混合云計算的節(jié)能調(diào)度系統(tǒng),其特征在于,所述負(fù)載識別匹配模塊包括第一級匹配模塊和第二級匹配模塊,所述第一級匹配模塊,用于將識別出的負(fù)載類型與資源庫中負(fù)載類型進(jìn)行匹配;
所述第二級匹配模塊,用于當(dāng)經(jīng)過第一級匹配模塊匹配后,若負(fù)載庫中沒有此類型的負(fù)載,則采用第二級匹配方法計算該負(fù)載與庫中負(fù)載類型的相似度,若相似度大于設(shè)定的閾值,則采用相似負(fù)載類型的分配規(guī)則,否則匹配失敗,將負(fù)載放于負(fù)載類型試驗?zāi)K。
3.根據(jù)權(quán)利要求2所述的面向X86和ARM混合云計算的節(jié)能調(diào)度系統(tǒng),其特征在于,所述的負(fù)載識別匹配模塊包括負(fù)載識別模型和負(fù)載庫,所述負(fù)載識別模型為機(jī)器學(xué)習(xí)模型或深度神經(jīng)網(wǎng)絡(luò)模型,所述的負(fù)載庫包括負(fù)載的類型以及該類型負(fù)載的分配方式。
4.根據(jù)權(quán)利要求1所述的面向X86和ARM混合云計算的節(jié)能調(diào)度系統(tǒng),其特征在于,所述負(fù)載識別匹配模塊判斷負(fù)載所屬類型是否在負(fù)載庫中,如存在則直接根據(jù)負(fù)載庫的分配方式,將此負(fù)載分配給相應(yīng)類別的服務(wù)器集群;若所屬的負(fù)載類型沒有在庫中匹配成功,則將此負(fù)載放入負(fù)載類別試驗?zāi)K,分析負(fù)載分配規(guī)則更新負(fù)載庫、負(fù)載分配規(guī)則以及負(fù)載識別模型。
5.一種存儲介質(zhì),存儲有程序,其特征在于,所述程序被處理器執(zhí)行時,實現(xiàn)權(quán)利要求1-4任一項所述的面向X86和ARM混合云計算的節(jié)能調(diào)度系統(tǒng)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于華南理工大學(xué);華為技術(shù)有限公司,未經(jīng)華南理工大學(xué);華為技術(shù)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110452258.5/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





