[发明专利]任务调度方法及服务器

说明书

本发明公开了一种任务调度方法及服务器，所述任务调度方法应用于服务器，所述任务调度方法包括：获取任务的特征，所述特征为所述任务被执行时所占用的计算机的虚拟资源或者硬件资源的属性，根据所述特征对所述任务进行分类，得到分类后的所述任务，根据分类后的所述任务对应的目标种群，确定目标调度信息，所述目标调度信息为使得所述任务被执行时所占用的计算机的虚拟资源或者硬件资源最小的调度信息，所述目标调度信息为使得所述任务被执行时所占用的计算机的虚拟资源或者硬件资源最小的调度信息，根据所述目标调度信息，将所述任务调度至任务执行设备。能够将任务调度至合适的任务执行设备，以提升对任务执行设备的利用效率。

技术领域

本发明涉及云计算领域，尤其涉及一种任务调度方法及服务器。

背景技术

在云计算领域，服务器需要将任务调度至某个任务执行设备执行，任务的数量比较庞大，并且每个任务执行设备自身的计算机特性不同，比如有的任务执行设备能够处理比较大的带宽资源的任务，但是延迟比较高，如果将有低延迟需求的任务调度至该任务执行设备，会使得资源利用不合理，可见，如果对于任务的调度不合理，则会导致对任务执行设备的利用效率较低。

发明内容

本发明的主要目的在于提供一种任务调度方法及服务器，旨在解决任务的调度不合理，导致对任务执行设备的利用效率较低的技术问题。

为实现上述目的，本发明提供一种任务调度方法，所述任务调度方法应用于服务器，所述任务调度方法包括：

获取任务的特征，所述特征为所述任务被执行时所占用的计算机的虚拟资源或者硬件资源的属性；

根据所述特征对所述任务进行分类，得到分类后的所述任务；

根据分类后的所述任务对应的目标种群，确定目标调度信息，所述目标调度信息为使得所述任务被执行时所占用的计算机的虚拟资源或者硬件资源最小的调度信息；

根据所述目标调度信息，将所述任务调度至任务执行设备。

可选地，所述根据所述特征对所述任务进行分类的步骤包括：

确定所述特征对应的分类权重；

根据所述分类权重以及预设卷积神经网络，对所述特征对应的任务进行分类，所述预设卷积神经网络为预先训练的卷积神经网络，所述预设卷积神经网络包括卷积层以及全连接层，所述分类权重用于设定所述卷积层或者所述全连接层的权重。

可选地，所述确定所述特征对应的分类权重的步骤包括：

根据所述特征以及所述特征对应的任务的执行优先级，确定所述特征对应的分类权重，所述执行优先级为任务执行的先后顺序的优先级。

可选地，所述特征包括任务执行的时长、任务执行占用的网络资源以及任务执行占用的计算资源。

可选地，所述根据分类后的所述任务对应的目标种群，确定目标调度信息的步骤之前，还包括：

生成分类后的所述任务对应的初始种群，所述初始种群中包括所述特征，其中，分类后得到的不同类型的所述任务对应不同所述初始种群；

确定对所述初始种群迭代得到的所述目标种群；

确定分类后的所述任务对应的所述目标种群。

可选地，所述生成分类后的所述任务对应的初始种群的步骤包括：

获取分类后的所述任务的特征，以及各个所述任务执行设备的属性信息，所述属性信息包括虚拟资源信息以及硬件资源信息中的至少一个；

对所述特征以及所述属性信息进行编码，以得到分类后的所述任务对应的个体；

根据分类后的所述任务对应的个体，生成所述初始种群。