[发明专利]任务调度方法、装置、计算机设备和存储介质有效
申请号: | 202111401564.2 | 申请日: | 2021-11-24 |
公开(公告)号: | CN113821330B | 公开(公告)日: | 2022-03-15 |
发明(设计)人: | 钟子宏 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06F9/48 | 分类号: | G06F9/48;G06F9/50;G06N3/04;G06N3/08 |
代理公司: | 华进联合专利商标代理有限公司 44224 | 代理人: | 郑义 |
地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 任务 调度 方法 装置 计算机 设备 存储 介质 | ||
1.一种任务调度方法,其特征在于,所述方法包括:
获取电子设备在历史周期中每个时间段的任务执行相关数据;所述任务执行相关数据是所述电子设备在调度执行任务的情况下所产生的相关数据;
基于所述任务执行相关数据,确定每个历史周期在每个时间段分别对应的样本特征数据,并确定每个样本特征数据各自所对应的负载标签;
从多个所述历史周期中确定出预设数量个连续的历史周期,得到第一周期范围,并基于所述第一周期范围中的各历史周期所对应的样本特征数据和负载标签,得到训练样本集;
在与所述第一周期范围错开至少一个历史周期的情况下,从多个所述历史周期中确定出预设数量个连续的历史周期,得到第二周期范围,将所述第二周期范围中的各历史周期所对应的样本特征数据和负载标签作为预测样本集,所述训练样本集与所述预测样本集中的样本特征数据至少存在部分不重合;
基于所述训练样本集对待训练的负载预测模型进行训练,直到满足预设截止条件时停止,得到训练完成的负载预测模型;
通过训练完成的负载预测模型对所述预测样本集进行处理,预测所述电子设备在目标周期中每个时间段的区间负载信息;
基于所述目标周期中每个时间段的区间负载信息,确定所述目标周期中区间负载信息满足低负载条件的调度时间段;
根据所述电子设备在历史周期中每个时间段调度的历史任务数,确定所述目标周期中各调度时间段的调度任务阈值;
若待调度的目标任务的预约时间处于调度时间段内,则将所述预约时间所处的调度时间段作为第一时间段,若所述第一时间段中的第一已预约调度任务数小于所述第一时间段的调度任务阈值,则将所述第一时间段作为目标时间段;
若所述第一已预约调度任务数大于或等于所述第一时间段的调度任务阈值,则基于各第二时间段的第二已预约调度任务数和对应的调度任务阈值,从所述第二时间段中确定出目标时间段;其中,所述第二时间段为多个调度时间段中除所述第一时间段以外的调度时间段;
控制所述电子设备在所述目标时间段内调度执行所述目标任务。
2.根据权利要求1所述的方法,其特征在于,所述确定每个样本特征数据各自所对应的负载标签,包括:
从所述任务执行相关数据中,获取所述电子设备在每个历史周期的每个时间段内的历史负载信息;
对于每个时间段,若所述电子设备的历史负载信息低于预设负载阈值,则将第一标签作为相应时间段内的样本特征数据所对应的负载标签;
对于每个时间段,若所述电子设备的历史负载信息不低于所述预设负载阈值,则将第二标签作为相应时间段内的样本特征数据所对应的负载标签。
3.根据权利要求1所述的方法,其特征在于,所述基于各第二时间段的第二已预约调度任务数和对应的调度任务阈值,从所述第二时间段中确定出目标时间段,包括:
从各第二时间段中确定第二已预约调度任务数小于对应的调度任务阈值的第一备选时间段;
从各所述第一备选时间段中确定目标时间段。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若待调度的目标任务的预约时间不处于调度时间段内,获取各调度时间段的已预约调度任务数;
从各调度时间段中确定已预约调度任务数小于对应的调度任务阈值的第二备选时间段;
从各第二备选时间段中确定目标时间段。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述控制所述电子设备在所述目标时间段内调度执行所述目标任务,包括:
若在所述目标时间段之前存在前序时间段内的电子设备的负载信息满足低负载条件,则从各前序时间段中确定出新的目标时间段;
控制所述电子设备在所述新的目标时间段内调度执行所述目标任务。
6.根据权利要求1至4中任一项所述的方法,其特征在于,所述控制所述电子设备在所述目标时间段内调度执行所述目标任务,包括:
若在所述目标时间段内未执行所述目标任务而所述电子设备的负载信息满足高负载条件,则从所述目标时间段之后的后续时间段中确定出新的目标时间段;
控制所述电子设备在所述新的目标时间段内调度执行所述目标任务。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111401564.2/1.html,转载请声明来源钻瓜专利网。