[发明专利]调度任务及训练神经网络模型的方法、装置、终端和介质

说明书

本发明实施例提供一种调度任务及训练神经网络模型的方法、装置、终端和介质。该调度任务的方法包括：判断主任务中的待构建子任务的队列是否变化，若是，则执行以下步骤；基于耗时预测神经网络模型获得主任务中的各个正在构建子任务和各个待构建子任务的构建剩余耗时，并取其中最大者作为主任务的构建剩余耗时；判断主任务的构建剩余耗时是否满足耗时要求，若否，则调整主任务中的待构建子任务的排队顺序。如此，在从服务器资源有限的情况下，可以动态调整每一个主任务中的待构建子任务的排队顺序，以合理利用有限的从服务器资源，并保证各个主任务快速、准时地交付。

技术领域

本发明涉及调度任务的技术领域，尤其涉及一种调度任务及训练神经网络模型的方法、装置、终端和介质。

背景技术

Jenkins是一个开源软件项目，是基于Java开发的一种持续集成工具，其旨在提供一个开放易用的软件平台，用于监控持续重复的工作，使软件的持续集成变成可能。

Jenkins服务器主要分为主服务器(master服务器)和从服务器(slave服务器)两种，其中，主服务器主要用于构建任务的分配，从服务器主要用于构建任务的执行。

通常，在项目构建时，每个项目中均包含多个工程需要构建，而且这些工程可能集中触发且需要并发进行构建。由此，当Jenkins用于项目构建时，就需要部署几十、甚至上百台从服务器。如果从服务器资源充足，可以同时构建这些工程，而且构建时间最长的那个工程的耗时就是整个项目构建的耗时。但是，从服务器不可能无限部署，否则会造成资源浪费，利用率低等问题。

为了保证项目构建能快速、准时地交付，通常希望采用一定的调度策略以合理利用这些有限的从服务器资源。然而，传统的资源调度策略通常都是静态的，也就是说，在构建任务启动后，其对应的优先级、从服务器类型等也就基本确定了，各工程构建的先后次序也固定了。如果有更高优先级的任务插队、或原排队任务出列、或其他影响构建时间延长的情况出现，就无法保证能快速、准时地完成构建任务。

发明内容

本发明实施例解决的技术问题是如何合理利用用以构建项目的从服务器资源，以保证项目构建能够快速、准时地交付。

为解决上述技术问题，本发明实施例提供一种调度任务及训练神经网络模型的方法、装置、终端和介质。

本发明实施例提供的一种调度任务的方法，包括：S110，判断主任务中的待构建子任务的队列是否变化，若是，则执行以下步骤，其中，变化包括待构建子任务中有子任务入列和/或有子任务出列；S120，基于耗时预测神经网络模型获得主任务中的各个正在构建子任务和各个待构建子任务的构建剩余耗时，并取其中最大者作为主任务的构建剩余耗时；S130，判断主任务的构建剩余耗时是否满足耗时要求，若否，则调整主任务中的待构建子任务的排队顺序。

可选地，基于耗时预测神经网络模型获得主任务中的各个正在构建子任务的构建剩余耗时包括：通过耗时预测神经网络模型分别预测主任务中的各个正在构建子任务的构建预测耗时；获取主任务中的各个正在构建子任务的已构建耗时；分别取主任务中的各个正在构建子任务的构建预测耗时与各自已构建耗时的差值作为主任务中的各个正在构建子任务的构建剩余耗时。

可选地，基于耗时预测神经网络模型获得主任务中的各个待构建子任务的构建剩余耗时包括：通过耗时预测神经网络模型分别预测主任务中的各个待构建子任务的构建预测耗时；获取适于构建主任务中的各个待构建子任务的从服务器中的各个正在构建子任务的任务释放耗时；分别取主任务中的各个待构建子任务的构建预测耗时与相应的任务释放耗时的和作为主任务中的各个待构建子任务的构建剩余耗时。

可选地，步骤S130包括：判断主任务的构建剩余耗时是否小于或等于主任务的构建可用耗时，若否，则判断主任务中的每一个待构建子任务的排队级别是否达到最高级别，如果没有达到最高级别，则提高主任务中相应的待构建子任务的排队级别，并返回步骤S120；其中，主任务的可用耗时为主任务的期望完成时间与当前时间之间的差值。