[发明专利]面向异构计算平台的任务调度方法、设备及存储介质

说明书

本发明公开了一种面向异构计算平台的任务调度方法、设备及存储介质。所述异构计算平台包括多种/多个处理器，所述方法，包括：将异构计算平台的待运行应用划分为多个任务负载节点；获取每个任务负载节点在各个处理器中的运行情况，并建立负载‑处理器性能映射模型；基于负载‑处理器性能映射模型，将各个任务负载节点分配至各个处理器。采用本发明，通过综合考虑任务负载的特征、异构平台处理器的性能特征，设计任务调度方法实现异构平台的高效运行，以获得更高的能效比。

技术领域

本发明涉及计算机领域，尤其涉及一种面向异构计算平台的任务调度方法、设备及存储介质。

背景技术

面向大数据、人工智能行业日益增长的数据海量化、计算多元化需求，传统的CPU(Central Processing Unit中央处理器)的主频难以满足快速增长的计算需求，大数据处理架构的多样化模式并存将是未来体系结构发展的趋势。其中借助GPU(graphicsprocessing unit图形处理器)、FPGA(Field Programmable Gate Array现场可编程门阵列)、ASIC(Application Specific Integrated Circuit专用集成电路)等异构计算部件来进行人工智能应用的加速已经成为近年来的研究热点。其中GPU适合吞吐量比较高的计算，缺点是功耗相对高一些，比较适合通用的并行度非常高的计算。FPGA非规整数据的处理能力强一些，GPU最低能处理8位的数据，FPGA可以处理6位、4位甚至1位的数据。ASIC需要在前期投入大量资金去做验证和流片，而一旦验证ASIC芯片稳定工作后，每瓦的性能或者单位的成本是最划算的。因此同时使用多种类型的异构计算部件进行专用计算系统部署可以在性能、能效、适用性等多个方面满足不同种类的应用需求。然而FPGA、GPU、ASIC等不同异构计算部件的具备不同的体系结构、计算能力、通信带宽和存储容量，这就给异构计算平台环境下的任务调度提出极大挑战。在复杂的硬件环境下对各类任务进行合理高效的调度是提升集群整体性能的关键，调度算法必须充分考虑各种因素，包括多种硬件资源的性能能耗信息、多种类型的任务需求等。

发明内容

本发明实施例提供一种面向异构计算平台的任务调度方法、设备及存储介质，用以解决现有技术中异构计算平台环境下的任务调度困难的问题。

根据本发明实施例的面向异构计算平台的任务调度方法，所述异构计算平台包括多种/多个处理器，所述方法，包括：

将异构计算平台的待运行应用划分为多个任务负载节点；

获取每个所述任务负载节点在各个所述处理器中的运行情况，并建立负载-处理器性能映射模型；

基于所述负载-处理器性能映射模型，将各个所述任务负载节点分配至各个处理器。

根据本发明的一些实施例，所述将异构计算平台的待运行应用划分为多个任务负载节点，包括：

将异构计算平台的待运行应用划分为多个待运行任务；

根据各个所述待运行任务的特点以及各个所述待运行任务之间的依赖关系，对多个所述待运行任务进行合并，以获得多个任务负载节点。

在本发明的一些实施例中，所述根据各个所述待运行任务的特点以及各个所述待运行任务之间的依赖关系，对多个所述待运行任务进行合并，以获得多个任务负载节点，包括：

基于合并规则，判断具有依赖关系的前驱任务和后继任务是否可以合并；

所述合并规则包括：

当所述前驱任务和所述后继任务一一对应、且所述前驱任务的类型和所述后继任务的类型相同，则合并所述前驱任务和所述后继任务为一个任务负载节点，否则，不合并所述前驱任务和所述后继任务。

根据本发明的一些实施例，所述获取每个所述任务负载节点在各个所述处理器中的运行情况，并建立负载-处理器性能映射模型，包括：