[发明专利]基于DCU的资源调度方法、装置和计算机设备

权利要求书

1.一种基于DCU的资源调度方法，其特征在于，包括：

接收多个深度学习应用作业任务，所述作业任务包括资源需求信息和作业任务类型；

获取深度学习加速器DCU开发环境下的可用资源使用状态信息；

根据所述资源需求信息、所述作业任务类型和所述可用资源使用状态信息，确定所述作业任务的执行顺序和执行节点；

按照所述执行顺序，将所述作业任务调度至对应的执行节点，以使所述执行节点执行相应类型的作业任务。

2.如权利要求1所述的方法，其特征在于，根据所述资源需求信息、所述作业任务类型和所述可用资源使用状态信息，确定所述作业任务的执行顺序和执行节点，包括：

所述作业任务还包括用户作业优先级，所述作业任务类型具有相应的调度类型优先级；

根据所述用户作业优先级、所述资源需求信息、所述调度类型优先级确定所述作业任务对应的实际作业优先级；

根据所述实际作业优先级确定所述作业任务的执行顺序；以及

确定与所述作业任务类型相同的执行节点。

3.如权利要求1所述的方法，其特征在于，在所述执行节点执行所述作业任务时，还包括：

创建与所述作业任务对应的资源信息，并将所述资源信息记录至资源记录表。

4.如权利要求1所述的方法，其特征在于，还包括：

在所述执行节点执行所述作业任务过程中，接收取消所述作业任务的取消命令；

根据所述取消命令确定所述作业任务的资源使用信息；

根据所述资源使用信息更新资源记录表。

5.如权利要求1所述的方法，其特征在于，还包括：

判断所述作业任务是否执行完成；

如果执行完成，则将所述作业任务保存至历史任务表中。

6.如权利要求1所述的方法，其特征在于，所述深度学习应用包括Caffe、TensorFlow、Pytorth、Keras中的一种或多种。

7.如权利要求1所述的方法，其特征在于，所述资源需求信息包括CPU数量、内存大小、DCU数量中的一种或多种。

8.一种基于DCU的资源调度装置，其特征在于，包括：

接收模块，用于接收多个深度学习应用作业任务，所述作业任务包括资源需求信息和作业任务类型；

获取模块，用于获取深度学习加速器DCU开发环境下的可用资源使用状态信息；

确定模块，用于根据所述资源需求信息、所述作业任务类型和所述可用资源使用状态信息，确定所述作业任务的执行顺序和执行节点；

调度模块，用于按照所述执行顺序，将所述作业任务调度至对应的执行节点，以使所述执行节点执行相应类型的作业任务。

9.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-7任一所述的基于DCU的资源调度方法。

10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一所述的基于DCU的资源调度方法。