[发明专利]一种计算系统中的进程监控方法及相关设备

权利要求书

1.一种计算系统中的进程监控方法，所述计算系统包括多个计算设备，所述多个计算设备中的至少部分计算设备用于执行目标计算任务；所述至少部分计算设备上运行与所述目标计算任务对应的至少一个计算进程，并且，所述至少部分计算设备上部署了与所述至少一个计算进程绑定的代理程序；所述方法应用于所述至少部分计算设备中的目标计算设备上部署的所述代理程序；所述方法包括：

从所述目标计算设备运行的所述至少一个计算进程中确定待监控的目标进程；

获取所述目标计算设备在目标时长范围内的总能耗以及所述目标计算设备在未运行任何进程时对应的空载能耗；

获取所述目标进程在所述目标时长范围内对应的CPU利用率以及所述目标计算设备上运行的所有进程在所述目标时长范围内对应的CPU总利用率；

基于所述总能耗、所述空载能耗和所述目标进程对应的CPU利用率在所述CPU总利用率中的占比，获取所述目标计算设备在所述目标时长范围内运行所述目标进程产生的能耗。

2.根据权利要求1所述的方法，所述目标计算任务包括针对目标模型的训练任务，所述计算系统支持针对目标模型的多种训练模式：其中，

如果所述训练模式为单个计算设备采用单进程对所述目标模型进行训练的模式，所述至少部分计算设备为一个计算设备，所述一个计算设备上运行与所述目标计算任务对应的一个计算进程；

如果所述训练模式为单个计算设备采用多进程对所述目标模型进行训练的模式，所述至少部分计算设备为一个计算设备，所述一个计算设备上运行与所述目标计算任务对应的多个计算进程。

3.根据权利要求2所述的方法，所述目标计算任务包括针对所述目标模型的分布式训练任务；所述训练模式为分布式训练模式，所述至少部分计算设备为多个计算设备，所述多个计算设备上各自运行与所述目标计算任务对应的至少一个计算进程。

4.根据权利要求3所述的方法，所述计算系统为分布式计算系统，所述分布式计算系统包括基于TensorFlow框架的分布式训练系统。

5.根据权利要求1所述方法，所述方法还包括：

在所述目标计算设备运行所述目标进程的过程中，动态统计所述目标进程在所述目标时长范围内对应的算力。

6.根据权利要求5所述方法，所述方法还包括：

基于所述目标计算设备在所述目标时长范围内运行所述目标进程产生的能耗，计算所述目标计算设备在所述目标时长范围内运行所述目标进程产生的碳排放量。

7.根据权利要求6所述的方法，所述方法还包括：

将所述目标进程在所述目标时长范围内对应的能耗、算力和碳排放量中的至少一种数据上传至与所述代理程序对应的服务端，以由所述服务端进行存储，并将存储的能耗、算力和碳排放量中的至少一种数据通过预设界面向用户进行输出展示。

8.根据权利要求1-7任意一项所述的方法，所述目标时长范围为周期性的时长范围。

9.一种计算系统中的进程监控装置，所述计算系统包括多个计算设备，所述多个计算设备中的至少部分计算设备用于执行目标计算任务；所述至少部分计算设备上运行与所述目标计算任务对应的至少一个计算进程，并且，所述至少部分计算设备上部署了与所述至少一个计算进程绑定的代理程序；所述装置应用于所述至少部分计算设备中的目标计算设备上部署的所述代理程序；所述装置包括：

确定单元，用于从所述目标计算设备运行的所述至少一个计算进程中确定待监控的目标进程；

第一获取单元，用于获取所述目标计算设备在目标时长范围内的总能耗以及所述目标计算设备在未运行任何进程时对应的空载能耗；

所述第一获取单元，还用于获取所述目标进程在所述目标时长范围内对应的CPU利用率以及所述目标计算设备上运行的所有进程在所述目标时长范围内对应的CPU总利用率；

第二获取单元，用于基于所述总能耗、所述空载能耗和所述目标进程对应的CPU利用率在所述CPU总利用率中的占比，获取所述目标计算设备在所述目标时长范围内运行所述目标进程产生的能耗。