[发明专利]一种基于KVM虚拟化的算力资源管理及调度方法

说明书

本发明公开一种基于KVM虚拟化的算力资源管理及调度方法，利用平台对各算法的使用情况收集及结合实际业务需求，将智能算法区分为两类，A类是对时效性要求较强的视频流分析或者图片解析算法且在某些时段（时段Ⅰ）的业务量较大，其他时段（时段Ⅱ）业务量较小，B类是可后端运行，对时效性要求不高，可离线分析的算法，根据这两类算法的特性，再利用云化后的虚拟机在启动时占用资源，关闭时不占用资源的特性，错峰调配运行两类算法，在时段Ⅰ运行较多的A类算法算力资源，在时段Ⅱ运行较多的B类算法的算力资源，达到削峰填谷及服务器资源的充分利用。

技术领域

本发明涉及云计算技术领域，尤其涉及一种基于KVM虚拟化的算力资源管理及调度方法。

背景技术

如今，视频行业的火热程度显而易见，视频行业相关平台也越来越多，视频分析平台的主营方向就是各种基于视频的智能分析算法，在平台运行使用过程中，算法引擎的部署对于服务器资源的使用往往是整个平台最大的成本消耗所在，所以，在业务量一定的情况下，如何减少算法对服务器资源成本消耗，成为各视频分析平台的主攻方向，KVM虚拟话为云主机部署算法及动态扩容提供了一个方向，目前的虚拟化部署，提供了快速的算力资源扩容，为业务的快速铺展提供了便利，但在服务器资源一定的情况下，算法引擎的分析能力的提升还没有得到很好的解决。

当前算法引擎部署及使用的模式为，单一算法引擎部署在独立的一台服务资源上，全天候运行，这种情况下，在业务对算法的使用量较小时（例如下半夜人脸比对算法几乎不使用），资源就处于空闲状态，不能充分地利用算力资源。

发明内容

本发明的目的在于提供一种基于KVM虚拟化的算力资源管理及调度方法。

本发明采用的技术方案是：

一种基于KVM虚拟化的算力资源管理及调度方法，其包括以下步骤：

步骤1、算力资源云化：根据算法需求利用KVM虚拟化技术将实现封装好的算法镜像与配置模板组合云化出多个算力资源存入算力仓库；

步骤2、调度任务配置：根据实际算法特性及使用情况配置调度任务，

步骤3、调度任务执行：具体包括以下步骤：

步骤3.1、调度任务启动后，系统判断当前调度任务是否触发；当触发调度任务，则根据配置的调度任务信息找到当前正在运行的算力资源批次A，批量关闭批次A的算力资源；

步骤3.2、批次A的算力资源全部关闭后，获取配置中下一时段需要启用的算力资源批次B，批量启动批次B的全部算力资源，开放和提供算法服务；

步骤3.3、任务执行完毕，收集并记录操作日志，进入等待状态，等待下一时段触发继续步骤3.1。

进一步地，步骤1中云化的虚拟机只有在启动使用的情况下才真正占用服务器资源，根据这一特性，可超配额创建多个算力资源用于调度使用。

进一步地，调度任务包括某个时段运行某几个算力资源。

进一步地，步骤2中针对时效性强的实时分析算法，在使用频率高的时段Ⅰ增加算力，使用频率低的时段Ⅱ降低算力；针对效性弱的离线分析算法采用在时段Ⅱ集中分析处理。

本发明采用以上技术方案，利用平台对各算法的使用情况收集及结合实际业务需求，将智能算法区分为两类，A类是对时效性要求较强的视频流分析或者图片解析算法且在某些时段（时段Ⅰ）的业务量较大，其他时段（时段Ⅱ）业务量较小，B类是可后端运行，对时效性要求不高，可离线分析的算法，根据这两类算法的特性，再利用云化后的虚拟机在启动时占用资源，关闭时不占用资源的特性，错峰调配运行两类算法，在时段Ⅰ运行较多的A类算法算力资源，在时段Ⅱ运行较多的B类算法的算力资源，达到削峰填谷及服务器资源的充分利用。

附图说明

以下结合附图和具体实施方式对本发明做进一步详细说明；