[發明專利]一種慢節點檢測方法、裝置、電子設備及存儲介質

有效

• 申請號: 202111588055.5
• 申請日: 2021-12-23
• 公開（公告）號: CN114328098B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 付浩瀚;王雁鵬;黎世勇;孫鵬;張恒華;駱寶童;張建宇;王帥儉;劉偉
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06F11/34;G06N20/00
• 代理公司: 北京易光知識產權代理有限公司 11596
• 代理人: 徐升升

本公開提供了一種慢節點檢測方法、裝置、電子設備及存儲介質，涉及人工智能技術領域，尤其涉及集群系統、分布式機器學習、節點故障檢測等領域。具體實現方案為：感知模塊向第一節點發起計時請求，其中，所述第一節點為一個或多個在集群系統中執行訓練任務的訓練節點；所述感知模塊接收所述第一節點反饋的計時信息；所述感知模塊根據所述計時信息檢測出所述集群系統存在慢節點。采用本公開，可以在大規模的訓練任務中檢測出慢節點。

技術領域

本公開涉及人工智能技術領域，尤其涉及集群系統、分布式機器學習、節點故障檢測等領域。

背景技術

在集群系統的多個節點或一個節點下的多個電子設備(如終端設備或服務器等)中，可以基于人工智能技術，執行大規模的模型訓練任務，以得到處理效率更高的模型，將訓練得到的該模型部署于該集群系統中，可以提高集群系統的整體運行效率。

然而，在大規模的訓練任務中，難以檢測出造成訓練任務執行故障或者性能下降的問題節點(即慢節點)，如何檢測出該慢節點，成為需要解決的問題。

發明內容

本公開提供了一種慢節點檢測方法、裝置、電子設備以及存儲介質。

根據本公開的一方面，提供了一種慢節點檢測方法，包括：

感知模塊向第一節點發起計時請求，其中，所述第一節點為一個或多個在集群系統中執行訓練任務的訓練節點；

所述感知模塊接收所述第一節點反饋的計時信息；

所述感知模塊根據所述計時信息檢測出所述集群系統存在慢節點。

根據本公開的另一方面，提供了一種慢節點檢測方法，包括：

第一節點接收感知模塊發起的計時請求；其中，所述第一節點為一個或多個在集群系統中執行訓練任務的訓練節點；

所述第一節點基于所述計時請求進行集合通信操作，完成所述集群系統中的數據交換，得到計時信息；

所述第一節點向所述感知模塊發送所述計時信息。

根據本公開的另一方面，提供了一種慢節點檢測裝置，包括感知模塊，用于：

向第一節點發起計時請求，其中，所述第一節點為一個或多個在集群系統中執行訓練任務的訓練節點；

接收所述第一節點反饋的計時信息；

根據所述計時信息檢測出所述集群系統存在慢節點。

根據本公開的另一方面，提供了一種慢節點檢測裝置，包括第一節點，用于：

接收感知模塊發起的計時請求；其中，所述第一節點為一個或多個在集群系統中執行訓練任務的訓練節點；

基于所述計時請求進行集合通信操作，完成所述集群系統中的數據交換，得到計時信息；

向所述感知模塊發送所述計時信息。

根據本公開的另一方面，提供了一種電子設備，包括：

至少一個處理器；以及

與該至少一個處理器通信連接的存儲器；其中，

該存儲器存儲有可被該至少一個處理器執行的指令，該指令被該至少一個處理器執行，以使該至少一個處理器能夠執行本公開任意一實施例所提供的方法。

根據本公開的另一方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，該計算機指令用于使該計算機執行本公開任意一項實施例所提供的方法。

根據本公開的另一方面，提供了一種計算機程序產品，包括計算機指令，該計算機指令被處理器執行時實現本公開任意一項實施例所提供的方法。