一种面向企业内部跨域资源的动态调度方法及系统与流程

本发明涉及资源优化调度，尤其是涉及一种面向企业内部跨域资源的动态调度方法及系统。

背景技术：

1、现有技术一为基于fifo（先进先出）队列的静态资源调度系统。该系统维护一个全局的任务等待队列，所有跨域资源请求按照提交时间先后顺序排入队列。调度器依次从队列头部取出任务，检查所需资源是否全部可用：若可用则分配资源并执行任务；若不可用则将该任务阻塞在队列头部，直到所需资源释放后才能继续调度后续任务。

2、具体而言，该方案的调度流程为：（1）接收任务请求，生成时间戳；（2）将任务按时间戳顺序插入等待队列；（3）从队列头部取出第一个任务，检查所有依赖资源是否可用；（4）若全部可用则分配资源并标记任务为执行中；（5）若存在不可用资源则等待，阻塞后续所有任务；（6）任务完成后释放资源，回到步骤（3）。

3、但是，现有技术一存在以下技术缺陷：

4、（1）队头阻塞导致系统吞吐量骤降。当队列头部的任务所需资源暂时不可用时，整个队列的所有后续任务均被阻塞，即使后续任务所需的资源已全部可用且紧急程度更高，也无法被调度执行。这种"一个任务阻塞全局"的现象在企业级跨域场景中尤为严重——跨域任务涉及的资源种类多、可用性波动大，队头阻塞概率显著高于单域场景。

5、（2）缺乏优先级感知能力。fifo机制仅以时间先后作为唯一调度依据，无法感知任务的紧急程度和业务价值。在自动驾驶研发等场景中，距离量产节点仅剩数天的高优验证任务，可能被先到先得的低优实验任务长期阻塞，导致关键里程碑延期。

6、（3）无死锁检测与预防机制。当多个跨域任务形成循环资源依赖（任务a持有资源r1并请求r2，任务b持有r2并请求r1）时，fifo系统无法自动检测并打破死锁，只能依赖人工发现和干预，恢复周期通常以小时计。

7、现有技术二为基于固定优先级的资源调度系统。该系统为每类任务预设一个固定的优先级标签（如p0/p1/p2/p3），调度器按照优先级从高到低的顺序扫描任务队列。同一优先级内仍采用fifo策略。当高优先级任务请求资源时，系统可以抢占低优先级任务已占用的资源——被抢占的任务挂起并重新排队等待。

8、具体而言，该方案的调度流程为：（1）接收任务请求，读取预设的优先级标签；（2）将任务插入对应优先级的子队列尾部；（3）调度器从最高优先级子队列开始扫描；（4）若高优先级队列非空，取出队首任务检查资源可用性；（5）若资源被低优先级任务占用，触发抢占，挂起低优先级任务并释放资源；（6）将资源分配给高优先级任务执行。

9、现有技术二虽然引入了优先级机制，但仍存在以下技术缺陷：

10、（1）优先级固化，缺乏动态自适应能力。任务的优先级标签在创建时静态设定，在整个生命周期中保持不变。然而在实际场景中，任务的紧急程度会随时间变化——例如距离截止日期越近，任务紧急度越高；而历史sla达成率也会随任务执行情况动态更新。固定优先级无法反映这种时变性，导致调度决策与实际业务需求脱节。

11、（2）抢占开销大，易引发"优先级反转"。当高优先级任务频繁抢占低优先级任务时，被抢占的任务可能反复挂起-恢复，造成大量上下文切换开销。更严重的是，当低优先级任务持有高优先级任务所需的关键资源时，系统不得不等待低优先级任务释放资源，形成事实上的优先级反转。

12、（3）故障恢复依赖人工干预，缺乏自动重编排能力。当某一资源节点发生突发故障（如服务器宕机、审批人员请假）时，现有系统多依赖人工发现故障、手动重新分配任务，或采用简单的超时重试机制。无法在毫秒级内自动计算替代路径并触发级联重编排，导致系统整体吞吐量骤降，恢复周期通常以分钟甚至小时计。

13、（4）缺乏全局视角的博弈协商能力。固定优先级调度器仅关注单个任务的优先级比较，缺乏对跨域资源依赖关系的全局建模能力。当多个高优任务并发请求跨部门资源时，无法从系统整体优化的角度进行资源协商与分配，极易导致关键资源被低价值任务长期占用，引发高优任务阻塞。

技术实现思路

1、鉴于以上现有技术的不足，本发明提供了一种面向企业内部跨域资源的动态调度方法及系统，不仅避免了“调度排序优先高优、但冲突解决随机选任务、故障恢复不考虑优先级”的逻辑矛盾，而且解决的是“多任务竞争同一最优替代节点”这一资源调度领域独有的技术问题。

2、为了实现上述目的及其他相关目的，本发明提供的技术方案如下：

3、一种面向企业内部跨域资源的动态调度方法，所述方法包括：

4、s1.任务多维特征向量化与动态打分机制，当系统接收到跨域资源请求时，从请求中提取多维状态变量，并通过加权评估模型计算动态优先级得分；

5、s2.基于状态机的跨域资源协商与分配，调度引擎根据计算得到的dps得分，对并发请求进行排序，并通过资源状态机完成跨域资源协商与分配；

6、s3.节点异常触发的自适应重编排算法，系统通过心跳机制实时监控各资源节点的健康状态，当检测到某一节点失效或响应超时时，立即触发自适应重编排流程。

7、进一步地，在步骤s1中，所述通过加权评估模型计算动态优先级得分包括：

8、s11.特征提取，系统从每个跨域资源请求中提取以下四个维度的特征变量，包括任务紧急度u(t)、跨域依赖放大因子ω(t)、业务战略价值v(t)、历史sla达成率s(t)和资源消耗预估量r(t)；

9、s12.加权评估模型，系统通过以下加权公式计算动态优先级得分，

10、dps(t)=α(t)·(u(t)×ω(t))+β(t)·v(t)+γ(t)·s(t)+δ(t)·(1-r(t))，

11、其中，α(t)、β(t)、γ(t)、δ(t)为动态权重系数，满足α+β+γ+δ=1，各项取值均为[0, 1]；

12、s13.动态更新机制，dps得分并非一次性计算，而是以固定周期动态刷新，每次刷新时，重新提取u(t)、s(t)、r(t)，并重新计算dps，这确保了调度决策始终基于最新的任务状态。

13、进一步地，在步骤s11中，所述任务紧急度u(t)为，

14、u(t)=max(0,1-(tdeadline-tnow)/testimated)，

15、其中，tdeadline为任务截止时间，tnow为当前时间，testimated为任务预估执行时长，当u(t)=0时表示任务时间充裕；当u(t)→1时表示任务即将超期，紧急度最高。

16、进一步地，在步骤s11中，所述跨域依赖放大因子ω(t)为，

17、ω(t)=1+κ·(ndomain-1)，

18、其中，ndomain为任务所需跨域资源域的数量，κ为放大系数，默认0.15；

19、所述业务战略价值v(t)为反映任务对企业战略目标的贡献度，取值为[0, 1]区间的预设评分，由业务系统根据任务所属项目级别，量产级=0.9、预研级=0.5、实验级=0.2，自动标注，v(t)在任务生命周期内不随时间变化，但同一项目级别的不同任务可根据所属子模块的关键度做微调。

20、进一步地，在步骤s11中，所述历史sla达成率s(t)为反映该类任务历史按时完成率，取值为[0, 1]，基础值s0(t)=nsuccess/ntotal，其中，nsuccess为历史按时完成次数，ntotal为历史总执行次数，新任务初始s0(t)=0.5；为避免历史数据过于陈旧导致偏差，引入时间衰减因子：s(t) =s0(t)·e(-μ·δt)，其中，δt为最近一次sla记录距当前的时间差，μ为衰减系数，使近期sla记录权重高于远期记录；所述资源消耗预估量r(t)反映任务预估占用的资源规模，取值为归一化后的[0,1]值，r(t)=resourceestimate/resourcemax，其中，resourceestimate为任务预估资源消耗，resourcemax为系统总可用资源，r(t)越小表示任务越“轻量”，越容易被快速调度。

21、进一步地，所述动态权重系数α(t)、β(t)、γ(t)、δ(t)不采用离散的分档切换，而是基于系统负载率l(t)进行连续线性插值调节，具体规则如下：

22、定义基准负载率lref=65%，权重系数的计算公式为：

23、α(t)=αbase+kα·(l(t)-lref)/lref，

24、δ(t)=δbase-kδ·(l(t)-lref)/lref，

25、其中，αbase=0.3,δbase=0.2，为基准权重值；kα= 0.1, kδ=0.1为调节灵敏度系数；β(t)和γ(t)在高负载时分别从0.3和0.2微调至0.25和0.25；当 l(t) > lref时，α(t)增大、δ(t)减小，系统侧重紧急度和sla保障；当 l(t)< lref时，α(t)减小、δ(t)增大，系统侧重资源利用率，权重系数的连续性调节避免了离散分档切换时的突变抖动，保证调度决策的平滑过渡；为防止极端负载下的权重失衡，设定α(t)∈[0.15, 0.5], β(t)∈[0.2, 0.35], γ(t)∈[0.15, 0.35], δ(t)∈[0.05, 0.35]的边界约束。

26、进一步地，在步骤s2中，所述通过资源状态机完成跨域资源协商与分配包括：

27、s21.资源节点状态机建模，系统将各职能部门的资源池抽象为独立的状态节点；

28、s22.dps排序与资源协商，调度引擎将所有待处理的跨域资源请求按dps得分从高到低排序，形成优先级队列；

29、s23.资源依赖有向图构建与循环依赖检测，对于存在资源依赖的跨域任务，系统构建资源依赖有向图，rdg中的节点表示资源分配关系，有向边表示资源请求关系；

30、s24.dps驱动的降级策略,当检测到循环依赖时，系统自动触发以下降级策略,降级策略的选择顺序和执行对象均以dps得分为决策依据，而非随机选择或简单的时间先后排序。

31、进一步地，所述dps驱动的降级策略包括：

32、任务拆分，将持有循环依赖中大任务的节点拆分为多个子任务，释放部分被占用资源，打破循环依赖，拆分粒度由任务的可分段性决定，拆分时优先保留dps得分最高的子任务段继续执行，dps低的子任务段暂时挂起；

33、低dps任务挂起，在死锁环中，选取dps得分最低的任务，将其挂起并释放其持有的资源，被挂起的任务进入等待队列，待资源冲突解除后重新调度，以dps而非时间先后或随机方式决定牺牲对象，确保高价值任务始终被优先保障；

34、资源降级使用，若死锁环中存在degraded状态的备选节点，将dps得分最低的任务从occupied节点迁移至degraded节点，以性能降低为代价打破死锁。

35、进一步地，在步骤s3中，所述节点异常触发的自适应重编排算法包括：

36、s31.心跳监控机制，每个资源节点以固定周期向调度引擎发送心跳信号，心跳信号包含节点id、当前状态、负载率、可用容量，调度引擎维护一个心跳时间窗口，若连续3个周期未收到某节点的心跳，则判定该节点为failed状态，立即触发重编排；

37、s32.快照保留，当节点被判定为failed时，系统立即提取该节点上正在执行的所有任务的上下文状态向量；

38、s33.dps加权启发式搜索，系统基于改进的a*搜索算法，在剩余可用节点中计算替代执行路径，a*算法的评估函数定义为：

39、f(n)=g(n)+h(n)，

40、其中，g(n)从起始节点到候选节点n的实际迁移成本，包括数据传输成本ctransfer(n)、状态重建成本crebuild(n)、资源切换成本cswitch，

41、g(n)=ctransfer(n)+crebuild(n)+cswitch；

42、h(n)为启发函数，估计从候选节点n到任务完成的剩余代价，定义为：

43、h(n)=tremaining(n)×(1/dps)×λload(n)，

44、其中，tremaining(n)为候选节点上预估的剩余执行时间，dps为任务的动态优先级得分，λload(n)为候选节点的负载惩罚因子。

45、为了实现上述目的及其他相关目的，本发明还提供了一种面向企业内部跨域资源的动态调度系统，用于实现所述的面向企业内部跨域资源的动态调度方法，所述系统包括：

46、任务特征提取与打分模块，用于从请求中提取多维状态变量，并通过加权评估模型计算动态优先级得分；

47、状态机资源协商模块，与所述任务特征提取与打分模块连接，用于计算得到的dps得分，对并发请求进行排序，并通过资源状态机完成跨域资源协商与分配；

48、dps驱动的冲突降级模块，与所述状态机资源协商模块连接，用于以dps得分为决策依据，自动触发以下降级策略；

49、自适应重编排模块，与所述dps驱动的冲突降级模块连接，用于通过心跳机制实时监控各资源节点的健康状态。当检测到某一节点失效或响应超时时，立即触发自适应重编排流程。

50、本发明具有以下积极效果：

51、1.本发明的核心不是任何单一技术环节，而是dps得分具体贯穿四个环节：在特征提取环节计算产出→在资源协商环节驱动优先级队列排序→在冲突降级环节驱动"谁被牺牲"的降级决策→在a*故障恢复环节驱动"谁优先恢复"的搜索权重→恢复结果回流刷新dps。这种具体贯穿使各环节决策逻辑保持一致（高dps任务在排序、冲突、故障场景下均被优先保障），避免了“调度排序优先高优、但冲突解决随机选任务、故障恢复不考虑优先级”的逻辑矛盾。

52、2.本发明通过提取任务紧急度u(t)、业务战略价值v(t)、历史sla达成率s(t)、资源消耗预估量r(t)四个维度的特征变量，引入跨域依赖放大因子ω(t)和sla时间衰减因子，通过基于系统负载率l(t)连续线性插值调节的动态权重系数加权计算dps(t)。权重系数的连续调节（而非离散分档切换）避免了调度决策的突变抖动。

53、3.本发明将资源池抽象为具有五种状态（available、reserved、occupied、degraded、failed）的状态机节点，根据dps得分排序后进行资源协商。当检测到循环依赖时，降级策略的执行对象和顺序完全由dps得分驱动：选择dps最低的任务挂起或迁移至降级节点，保障dps最高的任务继续执行。