[发明专利]一种资源调度装置、资源调度系统和资源调度方法

说明书

本发明公开了一种资源调度装置、资源调度系统和资源调度方法，包括GPU适配模块、GPU发现模块和GPU挂载模块，其中，GPU适配模块，用于检测自身所属装置的GPU块数及GPU的驱动文件，创建GPU调用文件，通知GPU发现模块；GPU发现模块，用于接收到GPU适配模块的通知，监听自身所属装置的GPU的使用信息，并向管理节点上报自身所属装置的GPU块数和使用信息；GPU挂载模块，用于接收创建容器请求，创建容器，选择自身所属装置的GPU，并将所选择的GPU的驱动文件和调用文件挂载到容器中。本发明基于容器化技术，通过各个节点自身检测、监听、选择和挂载GPU，提高了GPU使用效率，同时避免了集群中GPU资源使用不均的情况。

技术领域

本发明涉及云计算资源管理及容器部署技术领域，尤其涉及一种资源调度装置、资源调度系统和资源调度方法。

背景技术

云计算是一种资源共享的计算模式，这种模式提供可用的、便捷的、按需的网络访问，云计算提供的资源能够被快速提供和共享复用。图形处理器(Graphics ProcessingUnit，GPU)是高性能云计算系统中的一种特殊资源，在大数据和图像识别领域，都需要使用GPU对数据进行分析和计算，特别是对于图像识别，GPU对数据的处理速度远高于CPU。

然而，目前的主流技术仍然是通过创建虚拟机挂载GPU来提供计算环境，在公开号为“CN105242957A”，发明名称为“一种云计算系统调配GPU资源到虚拟机的方法及系统”的申请中，提出了一种云计算管理系统如何优化各个计算节点的GPU资源的方法，该发明使用虚拟机负载计算任务，但是虚拟机带来的资源消耗也成为了资源瓶颈，虚拟机相当于一个小型的机器，必须为其分配固定大小的CPU和内存等资源，如果虚拟机负载的计算任务较小则会造成资源的浪费，且虚拟机的创建时间非常长。

在公开号为“CN105959404A”，发明名称为“一种基于云计算的GPU虚拟化平台”的申请中，提出了一种虚拟化环境中虚拟机以重定向方式利用多GPU加速计算的平台架构。但是在实际应用中，这样的方法需要实现额外的截取工作，在操作系统层面上对GPU的调用进行截取然后重定向到远程的GPU资源。这种方法不仅需要对操作系统进行深层次的改造，更因为GPU与计算任务不在同一节点导致增加了运算时间。

在期刊《小型微型计算机系统》2016年第四期687-693页“云计算环境下多GPU资源调度机制研究”中，提到了一种云环境下GPU计算资源调度机制，其中计算任务是由底层的虚拟机发起，逐级向上传递到最高层的总调度中心，每一层都会计算是否能够容纳计算任务，不能则向上传递由上层进行再分配。但是这样将会导致两个问题：一是对于底层的虚拟机来说，它无法获知整个集群中最优的GPU节点；二是在不断向上传递的过程中消耗计算时间。

容器技术可以认为是一种操作系统级别的虚拟化，其相当于操作系统内的一个进程，拥有独立的命令空间，在保证为计算任务提供与操作系统同样的指令的同时，能够减少对系统资源的消耗，同样硬件配置的节点能够创建的容器数量往往百倍于虚拟机，并且创建时间更短。但是，在目前使用容器的专利中，例如，CN106453492A“基于模糊模式识别的Docker容器云平台下的容器调度方法”、CN105893010A“用于容器部署的主机调度方法及系统”、CN106027643A“一种基于kubernetes容器集群管理系统的资源调度方法”等等，都没有实现对GPU的自动发现、自动适配和挂载，也没有加入对GPU资源的计算权重，所以并不能在容器集群中使用GPU资源。

发明内容

为了解决上述技术问题，本发明提供了一种资源调度装置、资源调度系统和资源调度方法，能够提高GPU使用效率。

为了达到本发明目的，本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种资源调度装置，包括GPU适配模块、GPU发现模块和GPU挂载模块，其中，