[发明专利]一种数据驱动可扩展的智能通用任务调度系统

说明书

本发明公开了一种数据驱动可扩展的智能通用任务调度系统，包括应用信息收集系统、信息传递系统、信息存储系统、数据智能处理系统、调度系统；其中数据智能处理系统主要由数据加载、生成神经网络构建参数、构建神经网络、神经网络和决策信息生成组成。本发明把神经网络学习引入到操作系统任务调度算法设计中，能自动化的从积累的任务运行状态、资源需求等数据中训练学习网络参数，生成用神经网络表示的可产生高效的调度决策信息的决策函数，实现任务调度算法设计的智能化、自动化，解决不同场景面向任务感知的任务调度算法开发存在的通用性差、重复开发、手动设计规则等问题。

技术领域

本发明涉及一种数据驱动可扩展的智能通用任务调度系统(注：“任务”又称“进程”、“作业”、“线程”)，属于操作系统软件技术领域。

背景技术

桌面操作系统、服务器操作系统、智能终端操作系统(典型的如Android智能手机操作系统)都属于单机系统(或称单节点系统)，在单机系统中任务调度通常又称作进程调度或线程调度，单机系统任务调度的一般性概念是一致的，都是为任务合理分配CPU时间、以及GPU、内存、SSD、磁盘、网卡、LCD等设备资源，以期按照某种目标，在满足各任务运行的基本需求时，使得系统资源能能够得到高效的利用。

近年来国内外相关研究，针对不同应用场景调度目标的差异，在一般性概念基础上又衍生了诸如能耗感知、任务相关性感知、可信感知、资源感知、温度感知、过程感知等大量不同的调度算法设计，统称为任务感知调度，这些任务感知调度算法设计存在的缺点与不足概括起来包括“缺乏通用性”、“重复开发”、“手动设计规则”，具体表现在：针对不同的需求，出现了面对不同目标的调度算法设计，每个算法都需要人工编写新的调度规则，从头人工分析调度场景，手工设计特定场景的调度规则，重新编写、编译特定的调度算法。

发明内容

本发明的目的在于：克服现有技术的不足，提供一种新的数据驱动的可扩展的智能通用任务调度系统，该系统首次把神经网络学习引入到调度决策(规则或函数)的自动化建模，解决当前任务感知的调度算法设计存在的缺乏通用性、重复开发、手动设计规则等问题。

本发明的数据驱动的可扩展的智能通用任务调度系统，是主要由应用信息收集系统、信息传递系统、信息存储系统、数据智能处理系统、调度系统组成，其中数据智能处理系统主要由401数据加载、402生成神经网络构建参数、403构建神经网络、404神经网络和405决策信息生成五个模块组成；系统其它信息是可选的，是操作系统的任务调度系统的其他部分，不属于本发明的组成部分，用虚线框表示。

所述应用信息收集系统1负责收集应用运行情况、资源访问情况等信息，实现形式不限，可以是视窗程序、命令行程序、后台服务程序、内核程序或者用户态内核态协作程序等。

所述应用信息收集系统1收集的信息类型、字段是通过一个JSON格式的配置文件按需配置，从而可以满足不同的需求场景，示意样式(文件格式)如下：

样式示意1

样式1的数据记录例子示意如下

样式示意2

样式2的数据记录例子示意如下

上面给出的是2个示意样式，基于示意样式类似的方法，可以定义信息收集系统支持更多的样式。

所述信息存储系统2将应用信息收集系统1收集的数据做集中存储，存储系统无特殊限制，可以选择数据库、文件、内存系统或者其他数据存储类系统。