一种多类型业务应用的资源分配、获取方法及装置与流程

1.本发明涉及互联网通信计算资源分配技术领域，具体涉及一种多类型业务应用的资源分配、获取方法及装置。


背景技术：

2.在物联网和5g时代，越来越多的应用追求多样化的服务，以实现差异化的用户体验。而不同的应用场景下，对于业务或数据的处理速度的要求也不相同。此外，诸如智能制造、智能城市和智能交通系统(its)之类的其他应用程序也可能具有多样的计算需求。多样化的计算需求引起了多种计算模式的快速发展，例如边缘计算、云计算以及雾计算等。
3.云计算是将海量的计算资源放在云端，应用可以依据计算需求量使用“云”上的资源，边缘计算通常将边缘数据中心部署在距离用户更近的位置，与云计算相比能够实现超低的计算延迟，它被认为是支持基于边缘计算的应用服务的下一代it基础架构。边缘计算由于可以将计算任务放在边缘节点进行处理，能够减少端到端的时延，减轻远端云服务的网络负载，实现实时和更高效的数据处理，成为了云计算的有力补充。为了处理从时延敏感到时延容忍的多样计算应用需求，边缘dc(data center，数据中心)可以与云dc进行协调补充使用。这种协调的目的是要优化不同应用的时延分布，即时延敏感的计算任务在其期限内完成；对于时延容忍的计算任务来说，由于其一般会占用大量的it资源(如cpu，内存和磁盘等)以及带宽等网络资源，可以将其调度至云计算上进行下一步计算。一般来讲，减少网络传输时间可以一定程度上提高应用性能，但这并不是最佳的选择，因为计算应用的时延主要是由网络传输时延和计算处理时间两部分共同组成的，研究人员通常把计算资源和网络资源分隔开来单独考虑，这种方式可能会导致一些问题出现，例如当计算资源满足应用计算的需求时，由于未考虑网络资源情况，分配的计算节点附近的所属网络可能出现拥塞导致出现网络瓶颈，这就会导致无法满足应用的整体性能需求，难以达到服务质量qos。


技术实现要素：

4.有鉴于此，本发明实施例提供了一种多类型业务应用的资源分配、获取方法及装置，以解决现有的资源分配方法可能出现拥塞导致出现网络瓶颈，无法满足应用的整体性能需求，难以达到服务质量qos的问题。
5.根据第一方面，本发明实施例提供了一种多类型业务应用的资源分配方法，所述的资源分配方法包括：获取计算任务的资源请求信息以及当前组网中的网络资源信息；从对所述资源请求信息中提取所述计算应用的计算数据量及时延容忍度；基于所述计算数据量和时延容忍度向数据中心发送计算资源信息请求；获取所述数据中心响应的计算资源信息结果；基于所述计算资源信息结果及网络资源信息得到计算资源分配结果；将所述计算资源分配结果发送至所述计算任务对应的应用管理器，以供所述应用管理器基于所述计算资源分配结果进行资源分配。
6.结合第一方面，在第一方面第一实施方式中，所述数据中心包括：边缘数据中心及
云数据中心，所述基于所述计算数据量和时延容忍度向数据中心发送计算资源信息请求，包括：基于所述计算数据量和时延容忍度得到在所述当前组网计算所述计算任务的网络时延及计算处理时延；基于所述网络时延及计算处理时延分别向所述边缘数据中心及云数据中心发送计算资源信息请求。
7.结合第一方面第一实施方式，在第一方面第二实施方式中，所述网络资源信息包括所述当前组网的拓扑信息、链路负载状况，基于所述计算资源信息结果及网络资源信息得到计算资源分配结果，包括：从所述当前组网中可用的计算节点中选取满足所述计算任务的计算需求的节点，得到节点组；对可用计算资源的情况以计算节点负载值进行排序，遍历节点组的每个节点，基于每个节点都进行选路，选取出最小跳数的可达路径；根据所述链路负载状况，计算各所述可达路径的权重值；按照各所述可达路径的权重值以及计算节点的负载值得到的排序，确定最终分配的计算节点及路由。
8.结合第一方面第一实施方式，在第一方面第三实施方式中，所述网络资源信息包括所述当前组网的拓扑信息、链路负载状况，所述基于所述计算资源信息结果及网络资源信息得到计算资源分配结果，包括：基于所述链路负载状况、网络时延、计算处理时延及计算数据量，进行计算资源分配，分别得到边缘计算资源及云计算资源；分别基于所述边缘计算资源、云计算资源与所述拓扑信息选择路由及计算节点，生成边缘计算资源分配结果及云计算资源分配结果。
9.根据第二方面，本发明实施例提供了一种多类型业务应用的任务处理方法，所述的任务处理方法包括：向资源分配处理器发送计算任务的资源请求信息；获取所述资源分配处理器响应于所述资源请求信息反馈的计算资源分配结果；所述计算资源分配结果为所述资源分配处理器执行第一方面或第一方面中任意实施方式所述的多类型业务应用的资源分配方法所得到的；基于所述计算资源分配结果将所述计算任务分配至相应的路由及计算节点进行计算。
10.根据第三方面，本发明实施例提供了一种多类型业务应用的资源分配装置，所述的资源分配装置包括：联合资源调度器、应用请求处理器、计算资源处理器、网络状态收集器，其中，所述网络状态收集器用于获取当前组网中的网络资源信息；所述应用请求处理器用于获取计算任务的资源请求信息，从对所述资源请求信息中提取所述计算应用的计算数据量及时延容忍度；所述计算资源处理器用于基于所述计算数据量和时延容忍度向数据中心发送计算资源信息请求，并获取所述数据中心响应的计算资源信息结果；所述计算资源处理器还用于基于所述计算资源信息结果及网络资源信息得到计算资源分配结果；所述联合资源调度器用于将所述计算资源分配结果发送至所述计算任务对应的应用管理器，以供所述应用管理器基于所述计算资源分配结果进行资源分配。
11.结合第三方面，在第三方面第一实施方式中，所述数据中心包括：边缘数据中心及云数据中心，所述计算资源处理器包括：时延计算模块，用于基于所述计算数据量和时延容忍度得到在所述当前组网计算所述计算任务的网络时延及计算处理时延；计算资源信息请求发送模块，用于基于所述网络时延及计算处理时延分别向所述边缘数据中心及云数据中心发送计算资源信息请求；计算资源信息结果获取模块，用于获取所述数据中心响应的计算资源信息结果。
12.结合第三方面第一实施方式，在第三方面第二实施方式中，所述网络资源信息包
括所述当前组网的拓扑信息、链路负载状况，所述计算资源处理器还包括：节点组确定模块，用于从所述当前组网中可用的计算节点中选取满足所述计算任务的计算需求的节点，得到节点组；路径生成模块，用于对可用计算资源的情况以计算节点负载值进行排序，遍历节点组的每个节点，基于每个节点都进行选路，选取出最小跳数的可达路径；权重值计算模块，用于根据所述链路负载状况，计算各所述可达路径的权重值；计算节点确定模块，用于按照各所述可达路径的权重值以及计算节点的负载值得到的排序，确定最终分配的计算节点及路由。
13.结合第三方面第一实施方式，在第三方面第三实施方式中，所述网络资源信息包括所述当前组网的拓扑信息、链路负载状况，所述计算资源处理器包括：计算资源确定模块，用于基于所述链路负载状况、网络时延、计算处理时延及计算数据量，进行计算资源分配，分别得到边缘计算资源及云计算资源；计算资源分配模块，用于分别基于所述边缘计算资源、云计算资源与所述拓扑信息选择路由及计算节点，生成边缘计算资源分配结果及云计算资源分配结果。
14.根据第四方面，本发明实施例提供了一种多类型业务应用的任务处理装置，所述的任务处理装置包括：应用管理器，及如第三方面或第三方面任意实施方式所述的多类型业务应用的资源分配装置，其中，所述应用管理器用于执行以下步骤：向所述资源分配装置发送计算任务的资源请求信息；获取所述资源分配装置响应于所述资源请求信息反馈的计算资源分配结果；基于所述计算资源分配结果将所述计算任务分配至相应的路由及计算节点进行计算。
15.根据第五方面，本发明实施例提供了一种电子设备/移动终端/服务器，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的多类型业务应用的资源分配方法，或执行第二方面所述的多类型业务应用的任务处理方法。
16.根据第六方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的多类型业务应用的资源分配方法，或执行第二方面所述的多类型业务应用的任务处理方法。
17.本发明实施例的有益效果在于，通过将可用的计算资源以及网络资源进行综合考量，具体参照计算任务的实际计算需求，将相应的计算资源进行分配，不仅能满足时延容忍任务的需求，更能够对时延敏感任务进行服务质量的保证。
附图说明
18.通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
19.图1示出了本发明实施例的具体应用场景示意图；
20.图2示出了本发明实施例的多类型业务应用的资源分配装置的结构示意图；
21.图3示出了本发明实施例的编排器的结构示意图；
22.图4示出了本发明实施例的多类型业务应用的任务处理装置实现的联合调度流程
示意图；
23.图5示出了本发明实施例的多类型业务应用的资源分配方法的流程示意图；
24.图6示出了本发明实施例的多类型业务应用的任务处理方法的流程示意图；
25.图7示出了本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
26.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
27.在传统的数据中心网络中，网络资源、it资源以及计算应用的管理实例之间没有进行彼此协作，一定程度上导致了计算和网络资源调度之间的隔离。为了保障在边缘计算和云计算场景中的多样化业务性能，本发明实施例提出的方案，考虑将当前业务需求与网络资源和计算资源的实际情况进行联合资源调度，对通信和计算两方面同时进行优化来进一步改善应用性能。
28.如图1所示，是本发明实施例的方案的一个具体应用场景示意图，该场景中示出了边缘计算和云计算的典型的网络架构。在底层的数据平面上，边缘dc通过其附近的sdn交换机互连，同时每个边缘dc都可以通过光传输网络与云dc进行通信。大量的终端用户或者物联网终端设备能够将自己的计算任务传输到附近的边缘dc来请求资源完成其计算工作。在控制平面上，基于sdn网络架构采用集中控制的方式，sdn控制器与sdn交换机通过openflow协议进行连接和配置，对于暂不支持sdn功能的光交换设备，使用agent代理进行转换。应用管理器用来接收用户的计算请求，it资源管理器用来对当前组网中的计算节点的计算资源进行管理。编排器(inro)能够与应用管理器、网络控制器、it资源管理器建立连接通信，可以获取应用请求信息、当前组网的网络状态信息以及计算资源信息，从而根据这些信息能够做一个联合的资源调度。
29.可见，在本实施例中，起到主要的资源调配作用的是编排器7，本发明实施例提供了一种多类型业务应用的资源分配装置，即是用以实现该编排器7功能的装置，如图2所示，该资源分配装置主要包括：联合资源调度器21、应用请求处理器22、计算资源处理器23、网络状态收集器24等。
30.其中，该网络状态收集器24用于获取当前组网中的网络资源信息；该网络资源信息主要包括当前组网的拓扑信息、链路负载状况等；
31.该应用请求处理器22用于获取计算任务的资源请求信息，从对该资源请求信息中提取该计算应用的计算数据量及时延容忍度。计算任务是指针对某一项要实现的应用或业务，将会带来的具体的计算任务。在本实施例中，该计算任务可以是多类型业务应用场景所对应的不同的计算任务，例如，自动驾驶中的导航场景下的实时导航的计算任务、针对驾驶数据的离线分析的计算任务等。此处所描述的自动驾驶场景仅为举例说明其中一种应用场景，并非用以限制本发明。
32.针对该计算任务的时延容忍度，通常是针对不同的计算任务设置不同的标准。例如，在自动驾驶场景中，驾驶控制需要数十毫秒内的超快速数据处理和传输；导航则需要在
几秒到几分钟的范围内进行更新即可；而诸如驾驶历史记录之类的数据则可以进行离线分析，没有时间限制。
33.该计算资源处理器23用于基于该计算数据量和时延容忍度向数据中心发送计算资源信息请求，并获取该数据中心响应的计算资源信息结果。在获知了当前计算任务的计算数据量及时延容忍度之后，即可根据该计算数据量和时延容忍度进行计算资源的调配。具体是将相应的计算资源请求发送到相应的数据中心，由数据中心进行反馈。数据中心会根据当前的计算任务的计算数据量和时延容忍度，以及数据中心内部可用的计算资源量，反馈给该计算资源处理器23相应的计算资源信息结果。
34.该计算资源处理器23还用于基于该计算资源信息结果及网络资源信息得到计算资源分配结果。计算资源处理器23在获取到数据中心反馈的计算资源信息结果之后，根据该结果，以及网络资源信息进行计算资源的分配，并将计算资源分配结果发送至发起该计算任务自愿请求的应用管理器或终端设备等。该应用管理器或终端设备在获取该计算资源分配结果后，即可根据该计算资源分配结果进行资源分配。
35.该联合资源调度器21用于将该计算资源分配结果发送至该计算任务对应的应用管理器，以供该应用管理器基于该计算资源分配结果进行资源分配。
36.本发明实施例的多类型业务应用的资源分配装置，通过将可用的计算资源以及网络资源进行综合考量，具体参照计算任务的实际计算需求，将相应的计算资源进行分配，不仅能满足时延容忍任务的需求，更能够对时延敏感任务进行服务质量的保证。
37.可选地，在本发明的一些实施例中，上述的数据中心包括：边缘数据中心及云数据中心，该计算资源处理器23中具体包括：
38.时延计算模块，用于基于该计算数据量和时延容忍度得到在该当前组网计算该计算任务的网络时延及计算处理时延；具体地，可在该计算资源处理其中设置时延评估器来实现该时延计算模块的功能，其中网络时延主要用传输处理的数据量的大小与带宽的比值来估计，计算处理时延是根据经验值来估计，例如进行多次计算任务处理存储一些经验值作为已知信息。
39.计算资源信息请求发送模块，用于基于该网络时延及计算处理时延分别向该边缘数据中心及云数据中心发送计算资源信息请求；对于计算得到的网络时延和计算处理时延，对计算资源的需求已经较为明确，此时，通过该计算资源信息请求能够确定对于边缘dc和云dc的具体的计算资源请求，并将相应的计算资源请求分别发送给边缘dc及云dc。
40.计算资源信息结果获取模块，用于获取该数据中心响应的计算资源信息结果。边缘dc和云dc在获得计算资源信息请求后，根据自身的计算资源余量，以及在请求中反馈的网络时延及计算处理时延的需求，通过该计算资源信息结果获取模块将相应的计算资源信息结果反馈至该计算资源处理器23。
41.可选地，在本发明的一些实施例中，该计算资源处理器23还包括：
42.节点组确定模块，用于从所述当前组网中可用的计算节点中选取满足所述计算任务的计算需求的节点，得到节点组g；
43.路径生成模块，用于对可用计算资源的情况以计算节点负载值进行排序，遍历节点组g的每个节点，基于每个节点都进行选路，选取出最小跳数的可达路径p；
44.权重值计算模块，用于根据所述链路负载状况，计算各所述可达路径p的权重值；
45.计算节点确定模块，用于按照各所述可达路径p的权重值以及计算节点的负载值得到的排序，确定最终分配的计算节点及路由。
46.可选地，在本发明的一些实施例中，该计算资源处理器23还包括：
47.计算资源确定模块，用于基于所述链路负载状况、网络时延、计算处理时延及计算数据量，进行计算资源分配，分别得到边缘计算资源及云计算资源；在得到边缘dc和云dc反馈的计算资源信息后，针对边缘dc和云dc的计算资源，分别进行资源分配。具体地，是参考网络资源和计算资源进行综合考量，参考链路负载状况、网络时延、计算处理时延及计算数据量，进行计算资源分配，从而得到该边缘dc和云dc的计算资源。
48.计算资源分配模块，用于分别基于所述边缘计算资源、云计算资源与所述拓扑信息选择路由及计算节点，生成边缘计算资源分配结果及云计算资源分配结果。基于计算得到边缘计算资源和云计算资源，根据网络信息中的拓扑信息，以及其中的路由、计算节点信息，进行资源分配，从而得到针对边缘dc的边缘计算资源分配结果和云计算资源分配结果。
49.在实际应用中，本实施例的多类型业务应用的资源分配装置，可通过一编排器实现，该编排器的结构如图3所示，联合资源调度器jrs将在收到应用的计算需求后根据当前的网络资源和计算资源找到一种可以满足计算任务时延需求的解决方案。该解决方案包括目标计算节点的位置(即分配的具体dc)以及相应的网络资源分配如路由、带宽，并且依据是否达到应用的时延需求来评价解决方案的有效性。应用请求处理器arh将通过compass协议接收到来自应用管理器的消息，也就是计算应用的请求，主要包括数据量大小以及计算任务的延迟敏感性(时延容忍度)。it资源处理器irh可以实现it资源的请求和分配，通过sigar协议可以获得当前组网中的it资源信息(如cpu、内存和磁盘信息)。网络状态收集器nsc通过控制器的北向接口rest来获取包括当前拓扑和剩余带宽在内的当前组网中的网络状态信息。路径选择分配器pp模块将根据拓扑信息和链路负载状况进行路由的选择，从而实现对网络资源的调度。具体的调度过程中，是可以根据应用的类型、计算需求、优先级等特性，分别为相应的应用分配相应的计算资源和网络资源，从而实现合理的分配，提升多个并行应用的性能。
50.本发明实施例还提供了一种多类型业务应用的任务处理装置，所述的任务处理装置包括：应用管理器，及多类型业务应用的资源分配装置，其中，该多类型业务应用的资源分配装置为上述任意实施例所述的多类型业务应用的资源分配装置，在此不再赘述。
51.如图4所示，多类型业务应用的任务处理装置所实现的整体计算和网络资源的联合调度的整体流程包括：
52.①
首先应用管理器向编排器inro发起计算应用的资源请求信息，包括计算数据量、时延容忍度等，由应用请求处理器arh来对应用请求信息进行相关处理，提取出其中的计算数据量、时延容忍度等信息。
53.②
编排器inro的it资源处理器向边缘dc的it资源管理器进行it资源信息的请求，同样的也会向云dc的it资源管理器进行it信息请求。
54.③
编排器inro将收到的响应进行解析处理，更新数据库中的it资源信息，供后面联合调度使用。
55.④
编排器inro内部将根据应用请求信息、网络资源状态信息、it资源处理器为计算应用进行相应的资源分配，将分配结果返回给发起请求的应用管理器以及管理it计算资
源的it资源管理器。
56.⑤
应用管理器收到分配的资源信息之后，准备开始在指定的计算节点以及路由上运行计算应用。然后，可通过预先设置的训练数据，对分配好的计算资源进行验证。将训练数据发送给被分配的边缘dc或者云数据中心，执行相应应用的计算任务，检测边缘dc和云dc的资源使用情况。
57.⑥
训练结束之后将训练好的计算结果进行返回。
58.本发明实施例还提供了一种多类型业务应用的资源分配方法，如图5所示，所述的资源分配方法主要包括：
59.步骤s501：获取计算任务的资源请求信息以及当前组网中的网络资源信息；详细内容可参见上述实施例的网络状态收集器及应用请求处理器所实现的功能描述，在此不再赘述。
60.步骤s502：从对资源请求信息中提取计算应用的计算数据量及时延容忍度；详细内容可参见上述实施例的应用请求处理器所实现的功能描述，在此不再赘述。
61.步骤s503：基于计算数据量和时延容忍度向数据中心发送计算资源信息请求；详细内容可参见上述实施例的计算资源处理器所实现的功能描述，在此不再赘述。
62.步骤s504：获取数据中心响应的计算资源信息结果；详细内容可参见上述实施例的计算资源处理器所实现的功能描述，在此不再赘述。
63.步骤s505：基于计算资源信息结果及网络资源信息得到计算资源分配结果；详细内容可参见上述实施例的计算资源处理器所实现的功能描述，在此不再赘述。
64.步骤s506：将计算资源分配结果发送至计算任务对应的应用管理器，以供应用管理器基于计算资源分配结果进行资源分配。详细内容可参见上述实施例的联合资源调度器所实现的功能描述，在此不再赘述。
65.本发明实施例的多类型业务应用的资源分配方法，通过将可用的计算资源以及网络资源进行综合考量，具体参照计算任务的实际计算需求，将相应的计算资源进行分配，不仅能满足时延容忍任务的需求，更能够对时延敏感任务进行服务质量的保证。
66.可选地，在本发明的一些实施例中，该数据中心包括：边缘数据中心及云数据中心，上述步骤s503，基于所述计算数据量和时延容忍度向数据中心发送计算资源信息请求过程，主要包括：基于所述计算数据量和时延容忍度得到在所述当前组网计算所述计算任务的网络时延及计算处理时延；基于所述网络时延及计算处理时延分别向所述边缘数据中心及云数据中心发送计算资源信息请求。详细内容可参见上述实施例的计算资源处理器的具体描述，在此不再赘述。
67.可选地，在本发明的一些实施例中，所述网络资源信息包括所述当前组网的拓扑信息、链路负载状况，上述步骤s505，基于所述计算资源信息结果及网络资源信息得到计算资源分配结果的过程，主要包括：从所述当前组网中可用的计算节点中选取满足所述计算任务的计算需求的节点，得到节点组；对可用计算资源的情况以计算节点负载值进行排序，遍历节点组的每个节点，基于每个节点都进行选路，选取出最小跳数的可达路径；根据所述链路负载状况，计算各所述可达路径的权重值；按照各所述可达路径的权重值以及计算节点的负载值得到的排序，确定最终分配的计算节点及路由。详细内容可参见上述实施例的计算资源处理器的具体描述，在此不再赘述。
68.可选地，在本发明的一些实施例中，所述网络资源信息包括所述当前组网的拓扑信息、链路负载状况，上述步骤s505，基于所述计算资源信息结果及网络资源信息得到计算资源分配结果的过程，主要包括：基于所述链路负载状况、网络时延、计算处理时延及计算数据量，进行计算资源分配，分别得到边缘计算资源及云计算资源；分别基于所述边缘计算资源、云计算资源与所述拓扑信息选择路由及计算节点，生成边缘计算资源分配结果及云计算资源分配结果。详细内容可参见上述实施例的计算资源处理器的具体描述，在此不再赘述。
69.本发明实施例还提供了一种多类型业务应用的任务处理方法，如图6所示，该任务处理方法包括：
70.步骤s601：向资源分配处理器发送计算任务的资源请求信息；
71.步骤s602：获取所述资源分配处理器响应于所述资源请求信息反馈的计算资源分配结果；所述计算资源分配结果为所述资源分配处理器执行上述任意实施例所述的多类型业务应用的资源分配方法所得到的；
72.步骤s603：基于所述计算资源分配结果将所述计算任务分配至相应的路由及计算节点进行计算。详细内容可参见上述实施例的多类型业务应用的任务处理装置的实现过程，在此不再赘述。
73.本发明实施例还提供了一种计算机设备，如图7所示，该计算机设备可以包括处理器71和存储器72，其中处理器71和存储器72可以通过总线或者其他方式连接，图7中以通过总线连接为例。
74.处理器71可以为中央处理器(central processing unit，cpu)。处理器71还可以为其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
75.存储器72作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的多类型业务应用的资源分配方法或多类型业务应用的任务处理方法所对应的程序指令/模块。处理器71通过运行存储在存储器72中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的多类型业务应用的资源分配方法或多类型业务应用的任务处理方法。
76.存储器72可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器71所创建的数据等。此外，存储器72可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器72可选包括相对于处理器71远程设置的存储器，这些远程存储器可以通过网络连接至处理器71。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
77.所述一个或者多个模块存储在所述存储器72中，当被所述处理器71执行时，执行如图5-图6所示实施例中的多类型业务应用的资源分配方法或多类型业务应用的任务处理方法。
78.上述计算机设备具体细节可以对应参阅图5至图6所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
79.本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
80.虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。