[发明专利]一种人工智能云平台的资源碎片整理方法及电子设备有效
申请号: | 201711420769.9 | 申请日: | 2017-12-25 |
公开(公告)号: | CN108153594B | 公开(公告)日: | 2022-01-18 |
发明(设计)人: | 陈旭;王奇刚 | 申请(专利权)人: | 联想(北京)有限公司 |
主分类号: | G06F9/50 | 分类号: | G06F9/50 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 王宝筠 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 人工智能 平台 资源 碎片 整理 方法 电子设备 | ||
1.一种人工智能云平台的资源碎片整理方法,所述云平台中部署有多个资源节点,每个资源节点上部署有计算资源,所述方法包括:
获得所述云平台中资源节点的资源运行状态;
基于所述资源运行状态,生成碎片整理指令;
响应于所述碎片整理指令,基于所述资源运行状态,利用预先训练的碎片识别模型,识别出所述云平台中存在资源碎片的资源节点;
确定碎片迁移的源节点和目标节点以及所述源节点中待迁移的目标碎片;所述目标碎片为所述资源碎片中最小的碎片或所述目标碎片为所述资源碎片中承载的作业启动时间最晚的碎片;
将所述源节点中的目标碎片迁移到所述目标节点中。
2.根据权利要求1所述的方法,其特征在于,所述碎片识别模型可以通过以下方式获取:
获取历史碎片信息,所述历史碎片信息包括:所述云平台中标记的碎片记录信息;
对所述标记的碎片记录信息进行深度学习,得到所述云平台的碎片识别模型。
3.根据权利要求1或2所述的方法,其特征在于,基于所述资源运行状态,生成碎片整理指令,包括:
利用预先通过所述平台中的历史资源信息经过深度学习获得的整理预测模型,对所述资源运行状态进行判断是否进行碎片整理,得到判断结果;
基于所述判断结果,生成碎片整理指令。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获得碎片整理记录信息;
利用所述碎片整理记录信息对所述整理预测模型进行优化。
5.根据权利要求1或2所述的方法,其特征在于,在将所述源节点中的目标碎片迁移到所述目标节点中之前,所述方法还包括:
对所述目标碎片进行快照;
在将所述目标碎片迁移到所述目标节点之后,所述方法还包括:
恢复所述目标碎片上的作业运行。
6.根据权利要求1或2所述的方法,其特征在于,确定碎片迁移的源节点和目标节点以及所述源节点中待迁移的目标碎片,包括:
获得所述存在资源碎片的资源节点中的碎片状态信息;
基于所述碎片状态信息,确定碎片迁移的源节点和目标节点以及所述源节点中待迁移的目标碎片。
7.根据权利要求6所述的方法,其特征在于,所述目标碎片填满或者接近填满所述目标节点。
8.根据权利要求7所述的方法,其特征在于,所述目标节点为空闲地址最前的节点。
9.一种电子设备,部署在人工智能云平台上,所述云平台中部署有多个资源节点,每个资源节点上部署有计算资源,所述电子设备包括:
存储器,用于存储应用程序及所述应用程序运行所产生的数据;
处理器,用于执行所述应用程序,以实现以下功能:获得所述云平台中资源节点的资源运行状态,基于所述资源运行状态,生成碎片整理指令;响应于所述碎片整理指令,利用预先训练的碎片识别模型,识别出所述云平台中存在资源碎片的资源节点;确定碎片迁移的源节点和目标节点以及所述源节点中待迁移的目标碎片;所述目标碎片为所述资源碎片中最小的碎片或所述目标碎片为所述资源碎片中承载的作业启动时间最晚的碎片;将所述源节点中的目标碎片迁移到所述目标节点中。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于联想(北京)有限公司,未经联想(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711420769.9/1.html,转载请声明来源钻瓜专利网。