[发明专利]龙芯大数据一体机的任务优化调度方法及系统

权利要求书

1.一种龙芯大数据一体机的任务优化调度方法，其特征在于，包括：

读取各个待处理任务对应的源程序，通过MIPS编译器对每一源程序完成编译处理，生成可执行文件和汇编文件；

对每一汇编文件进行处理，获得相应源程序对应的指令总数，并结合读取到的计算节点CPU主频，估计相应待处理任务的处理时间；

根据读取到的各计算节点CPU的利用率、以及各待处理任务的处理时间，采用遗传算法获得使任务处理时间最短的任务调度方案；

根据获得的任务调度方案，将待处理任务对应的可执行文件分配至相应计算节点的CPU进行处理。

2.根据权利要求1所述的一种龙芯大数据一体机的任务优化调度方法，其特征在于，估计相应待处理任务的处理时间的公式为：

其中，i＝1,2,…,N，N为待处理任务总数，t_i表示估计的第i个待处理任务对应的处理时间，I_si第i个待处理任务对应源程序的指令总数，C为CPU主频，CPI表示平均的指令周期数。

3.根据权利要求1或2所述的一种龙芯大数据一体机的任务优化调度方法，其特征在于，对汇编文件进行处理，获得相应源程序对应的指令总数的方式包括：

根据汇编文件中，表示控制指令的关键字和控制指令中的偏移量，对汇编文件main中是否存在循环进行判断；

如果不存在循环，则获取汇编文件中的main对应的字符串行数，将字符串行数作为源程序的指令总数；

如果存在循环，则根据控制指令的操作数在循环体内计算结果判断循环次数，再根据循环体的行数和循环次数，计算源程序对应的指令总数。

4.根据权利要求1或2所述的一种龙芯大数据一体机的任务优化调度方法，其特征在于，所述根据读取到的各计算节点CPU的利用率、以及各待处理任务的处理时间，采用遗传算法获得使任务处理时间最短的任务调度方案包括：

读取各计算节点CPU利用率和CPU数量M，每一所述计算节点中包含若干CPU；CPU利用率记为P_j，j＝1,2,…,M；

采用遗传算法进行任务调度方案优化，N≤M；其中，N为待处理任务总数；

遗传算法中的个体采用二进制编码表示，个体的编码由待处理任务1编码至待处理任务N编码顺序组成，每一待处理任务对应一个CPU；各待处理任务的编码长度均相同，编码长度l由下式确定：

其中，Mod为取余数函数，Int为取整函数，个体编码长度为N×l；

个体的适应度函数为：

其中，个体g＝1,2,…,G，G为个体总数；p_i为第i个CPU的利用率；

遗传算法首先对个体进行初始化，即随机生成K个个体的二进制编码，K为初始个体数目，其数值由用户确定，根据个体的适应度函数公式计算各个个体的适应度值，通过赌轮选择的方式，结合每一个体适应度值确定每一个体遗传至下一代的概率，从而选出一系列个体，然后对所选择的个体进行交叉与变异操作，确定下一代的个体，循环上述操作，直至遗传算法收敛，最终得到一个最优的个体的二进制编码，并作为使任务处理时间最短的任务调度方案。

5.根据权利要求1所述的一种龙芯大数据一体机的任务优化调度方法，其特征在于，该方法还包括：接收计算节点CPU反馈的任务处理结果，并存储至本地数据库。

6.一种龙芯大数据一体机的任务优化调度系统，其特征在于，包括：

任务管理模块，用于读取各个待处理任务对应的源程序，通过MIPS编译器对每一源程序完成编译处理，生成可执行文件和汇编文件；

任务处理时间估算模块，用于对汇编文件进行处理，获得相应源程序对应的指令总数，并结合读取到的计算节点CPU主频，估计相应待处理任务的处理时间；

任务调度方案优化模块，用于根据读取到的各计算节点CPU的利用率、以及各待处理任务的处理时间，采用遗传算法获得使任务处理时间最短的任务调度方案；

任务分配模块，用于根据获得的任务调度方案，将待处理任务对应的可执行文件分配至相应计算节点的CPU进行处理。