计算资源调度方法、装置及电子设备和存储介质与流程

1.本技术涉及云计算技术领域，更具体地说，涉及一种计算资源调度方法、装置及电子设备和存储介质。


背景技术：

2.云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，进入可配置的资源共享池(资源包括网络、服务器、存储、应用软件和服务)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
3.然而，目前只能按照用户定购的计算资源为用户进行计算资源的调度，即用户订购了多少计算资源，就为用户调度多少计算资源，计算资源调度的智能性较差。


技术实现要素：

4.本技术的目的是提供一种计算资源调度方法、装置及电子设备和存储介质，包括如下技术方案：
5.一种计算资源调度方法，所述方法包括：
6.基于第一条件和第二条件，确定应用场景中用到的各个计算资源的期望周期数；其中，所述第一条件为：所述各个计算资源按照所述期望周期数运行对剩余可用对象的使用率大于目标使用率；所述第二条件为：所述各个计算资源按照所述期望周期数运行时所述各个计算资源的总性能满足阈值；任一个计算资源的性能与所述任一个计算资源的计算能力正相关；
7.根据所述各个计算资源的期望周期数在剩余可用时间段内对所述各个计算资源进行调度。
8.上述方法，优选的，所述根据所述各个计算资源的期望周期数在剩余可用时间段内对所述各个计算资源进行调度，包括：
9.获得所述各个计算资源按照所述期望周期数运行的总性能；
10.根据所述总性能确定所述剩余可用时间段内的单个周期的目标性能；
11.以所述各个计算资源在所述剩余可用时间段内运行时单个周期的性能趋近于所述目标性能为目标，在所述剩余可用时间段内为所述各个计算资源分配对应的期望周期数的周期。
12.上述方法，优选的，所述根据所述总性能确定所述剩余可用时间段内的单个周期的目标性能，包括：
13.将所述总性能与所述剩余可用时间段内包含的周期数的比值，确定为所述剩余可用时间段内的单个周期的目标性能。
14.上述方法，优选的，所述以所述各个计算资源在所述剩余可用时间段内运行时单个周期的性能趋近于所述目标性能为目标，在所述剩余可用时间段内为所述各个计算资源分配对应的期望周期数的周期，包括：
15.确定所述各个计算资源在所述剩余可用时间段内的有效运行时间段；
16.以所述各个计算资源在所述剩余可用时间段内运行时的单个周期的性能趋近于所述目标性能为目标，在所述各个计算资源的有效运行时间段内为所述各个计算资源分配对应的期望周期数的周期。
17.上述方法，优选的，所述各个计算资源在所述应用场景下的性能，通过对所述各个计算资源对所述应用场景下的相同的样本数据进行处理所消耗的时间进行统计分析得到；
18.其中，任一个计算资源的性能与所述任一计算资源处理所述样本数据所消耗的时间负相关。
19.上述方法，优选的，所述各个计算资源按照所述期望周期数运行时的所述各个计算资源的总性能为：
20.所述各个计算资源的性能的加权和；
21.其中，任一计算资源的性能的权重为所述任一计算资源的期望周期数。
22.上述方法，优选的，还包括：
23.显示交互界面；
24.通过所述交互界面接收输入的目标可用时间段和可用对象的目标数量。
25.一种计算资源调度装置，所述装置包括：
26.确定模块，用于基于第一条件和第二条件，确定应用场景中用到的各个计算资源的期望周期数；其中，所述第一条件为：所述各个计算资源按照所述期望周期数运行对剩余可用对象的使用率大于目标使用率；所述第二条件为：所述各个计算资源按照所述期望周期数运行时所述各个计算资源的总性能满足阈值；任一个计算资源的性能与所述任一个计算资源的计算能力正相关；
27.调度模块，用于根据所述各个计算资源的期望周期数在剩余可用时间段内对所述各个计算资源进行调度。
28.一种电子设备，包括：
29.存储器，用于存储程序；
30.处理器，用于调用并执行所述存储器中的所述程序，通过执行所述程序实现如上任一项所述的计算资源调度方法的各个步骤。
31.一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上任一项所述的计算资源调度方法的各个步骤。
32.通过以上方案可知，本技术提供的一种计算资源调度方法、装置及电子设备和存储介质，根据第一条件和第二条件确定应用场景中用到的各个计算资源的期望周期数，根据各个计算资源的期望周期数在剩余可用时间段内对各个计算资源进行调度。由于计算资源的期望周期数的计算是以各个计算资源按照期望周期数运行对剩余可用对象的使用率大于目标使用率且总性能满足阈值为目标计算得到的，因此根据各个计算资源的期望周期数在剩余可用时间段内对所述各个计算资源进行调度，实现基于剩余可用对象和剩余可用时间段对计算资源进行动态调整的目的，保证可用时间段结束时对可用对象的使用率较大，且调度的计算资源的性能较优，提高计算资源调度的智能性。
附图说明
33.为了更清楚地说明本技术实施例的技术方案，下面将对实施例所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
34.图1为本技术实施例提供的计算资源调度方法的一种实现流程图；
35.图2为本技术实施例提供的根据各个计算资源的期望周期数在剩余可用时间段内对各个计算资源进行调度的一种实现流程图；
36.图3为本技术实施例提供的根据各个计算资源的期望周期数在剩余可用时间段内对各个计算资源进行调度的另一种实现流程图；
37.图4为本技术实施例提供的根据各个计算资源的期望周期数在剩余可用时间段内对各个计算资源进行调度的一种效果示例图；
38.图5为本技术实施例提供的计算资源调度装置的一种结构示意图；
39.图6为本技术实施例提供的电子设备的一种结构示意图。
40.说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的部分，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例，能够以除了在这里图示的以外的顺序实施。
具体实施方式
41.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
42.本技术实施例提供的计算资源调度方法可以用于云容器平台中，云容器平台可以提供多种虚拟计算资源(以下简称计算资源)，可以至少包括但不限于以下几种计算资源中的至少部分计算资源：
43.cpu(central processing unit/processor，中央处理器)；
44.gpu(graphics processing unit，图形处理器)；
45.tpu(tensor processing unit，张量处理单元)；
46.npu(neural network processing unit，神经网络处理器)；
47.dpu(deep learning processing unit，深度学习处理器)；
48.apu(accelerated processing unit,加速处理器)；
49.fpu(floating processing unit,浮点计算单元)；
50.hpu(holographics processing unit全息图像处理器)；
51.ipu(intelligence processing unit，ai处理器)
52.vpu(vector processing unit，矢量处理器)等。
53.其中，同一种类的计算资源根据性能的高低还可以进行细分，比如，cpu可以分为低频cpu和高频cpu。
54.如图1所示，为本技术实施例提供的计算资源调度方法的一种实现流程图，可以包
括：
55.步骤s101：基于第一条件和第二条件，确定应用场景中用到的各个计算资源的期望周期数；其中，
56.第一条件为：各个计算资源按照期望周期数运行对剩余可用对象的使用率大于目标使用率。也就是说，第一条件要求各个计算资源按照期望周期数运行所使用的可用对象尽量接近于剩余可用于对象。可用对象是指计算资源运行所消耗的对象。作为示例，剩余可用对象可以为剩余预算。
57.第二条件为：各个计算资源按照期望周期数运行时各个计算资源的总性能满足阈值；任一个计算资源的性能与任一个计算资源的计算能力正相关。也就是说，一个计算资源的计算能力越强，其性能越优。作为示例，第二条件要求，在满足第一条件的基础上，各个计算资源按照期望周期数运行时总的性能最优。
58.作为示例，各个计算资源按照期望周期数运行时各个计算资源的总性能可以为各个计算资源的性能的加权和；每个计算资源的性能的权重为该计算资源的期望周期数。
59.应用场景是指当前使用云计算资源的应用程序或服务所属的应用场景，应用场景可以包含但不限于以下任意一种：非计算密集型场景(比如，高并发场景)，计算机视觉类场景。不同的应用场景对应的计算资源可能不同，比如，计算机视觉(computer vision，cv)类的某个场景中，对应的计算资源可能包括但不限于：tpu，gpu，高频cpu和低频cpu。在高并发场景中，计算资源可能仅包含高频cpu和低频cpu。
60.作为示例，可以将一天作为一个周期，当然一个周期也可以为其它时长，比如，每两天为一个周期等。
61.步骤s102：根据各个计算资源的期望周期数在剩余可用时间段内对各个计算资源进行调度。
62.剩余可用时间段根据初始的可用时间段，以及已使用的时间段确定。显然，剩余可用时间段是指初始的可用时间段中还未被使用的时间段。比如，初始的可用时间段是2021.1.1至2021.12.31，已使用的时间段是2021.1.1至2021.6.30，则剩余可用时间段是2021.7.1至2021.12.31。
63.在剩余可用时间段内调度各个计算资源时，各个计算资源占用周期数为前述确定的期望周期数。对于任意一个计算资源(记为计算资源a)来说，该计算资源a可以在剩余可用时间段内的各个周期内运行，也可以仅在剩余可用时间段内的部分周期内运行，只要保证该计算资源a在各个周期内的运行时长之和为该计算资源的期望周期数对应的时长即可。
64.可选的，在剩余可用时间段内调度各个计算资源时，可以基于在各个周期内调度的计算资源的总性能相同或基本相同对各个计算资源进行调度。
65.本技术实施例提供的计算资源调度方法，根据第一条件和第二条件确定应用场景中用到的各个计算资源的期望周期数，根据各个计算资源的期望周期数在剩余可用时间段内对各个计算资源进行调度。由于计算资源的期望周期数的计算是以各个计算资源按照期望周期数运行对剩余可用对象的使用率大于目标使用率且总性能满足阈值为目标计算得到的，因此根据各个计算资源的期望周期数在剩余可用时间段内对所述各个计算资源进行调度，实现基于剩余可用对象和剩余可用时间段对计算资源进行动态调整的目的，保证可
用时间段结束时对可用对象的使用率较大，且调度的计算资源的性能较优，提高计算资源调度的智能性。
66.在一可选的实施例中，上述根据各个计算资源的期望周期数在剩余可用时间段内对各个计算资源进行调度的一种实现流程图如图2所示，可以包括：
67.步骤s201：获得各个计算资源按照期望周期数运行的总性能。
68.作为示例，各个计算资源按照期望周期数运行的总性能可以为各个计算资源的性能的加权和，每个计算资源的性能的权重为该计算资源的期望周期数。
69.步骤s202：根据总性能确定剩余可用时间段内的单个周期的目标性能。
70.可选的，可以将总性能与剩余可用时间段内包含的周期数的比值，确定为剩余可用时间段内的单个周期的目标性能。
71.步骤s203：以各个计算资源在剩余可用时间段内运行时单个周期的性能趋近于目标性能为目标，在剩余可用时间段内为各个计算资源分配对应的期望周期数的周期。
72.也就是说，在剩余可用时间段内对各个计算资源进行调度时，要使得单个周期内的计算资源在运行时的总性能趋近于目标性能。
73.可选的，对应剩余可用时间段内的第i(i＝1，2，3，
……
，n)个周期，获得各个计算资源在第i个周期内的性能加权和，其中，第j(j＝1，2，3，
……
，m)个计算资源对应第i个周期的权重xij为第j个计算资源在第i个周期内的运行时长。
74.基于第j个计算资源在各个周期内的运行时长之和等于第j个计算资源的期望周期数对应的时长，以及各个计算资源在第i个周期内的性能加权和与目标性能的差值的绝对值小于阈值，确定第j个计算资源在第i个周期的运行时长xij。
75.n为剩余可用时间段内的周期的数量，m为计算资源的个数。
76.在一些情况下，计算资源可能会设置有效运行时间段，比如，有的资源只能在晚上11:00～6:00使用，有的只能在工作日使用等等，因此，在剩余可用时间段内对各个计算资源进行调度时，需要考虑计算资源的有效运行时间段，基于此，本技术实施例提供的根据各个计算资源的期望周期数在剩余可用时间段内对各个计算资源进行调度的另一种实现流程图如图3所示，可以包括：
77.步骤s301：确定各个计算资源在剩余可用时间段内的有效运行时间段。
78.可选的，可以根据预置的计算资源与有效运行时间段的对应关系，确定各个计算资源在剩余可用时间段内的有效运行时间段。
79.步骤s302：以各个计算资源在剩余可用时间段内运行时的单个周期的性能趋近于目标性能为目标，在各个计算资源的有效运行时间段内为各个计算资源分配对应的期望周期数的周期。
80.在剩余可用时间段内调度各个计算资源时，每个计算资源只能在对应的有效运行时间段内运行。
81.作为示例，可以基于第j个计算资源在各个周期内的运行时长之和等于第j个计算资源的期望周期数对应的时长，各个计算资源在第i个周期内的性能加权和与目标性能的差值的绝对值小于阈值，且第j个计算资源在第i个周期内的运行时长小于或等于第j个计算资源在第i个周期内的有效运行时间段的时长，确定第j个计算资源在第i个周期的运行时长。
82.在一可选的实施例中，各个计算资源在应用场景下的性能，通过对各个计算资源对应用场景下的相同的样本数据进行处理所消耗的时间进行统计分析得到。这里的样本数据可以为小样本数据。
83.其中，任一个计算资源的性能与任一计算资源处理样本数据所消耗的时间负相关，即处理样本数据消耗的时间越长，性能越低。
84.作为示例，计算资源的性能可以为计算资源的时间效率，时间效率越高，表征计算资源的性能越高，时间效率越低，表征计算资源的性能越低。因此，任意一个计算资源的时间效率与该计算资源的计算力正相关，即计算资源的计算能力越强，时间效率越高。
85.计算资源的时间效率可以通过对各个计算资源对应用场景下的相同的样本数据进行处理所消耗的时间进行统计分析得到。
86.例如，在cv某个场景中，会用到tpu，gpu，高频cpu和低频cpu，其中，tpu，gpu，高频cpu和低频cpu分别处理cv某个场景下的同一样本数据所消耗的时间和对应的时间效率如表1所示：
87.表1
88.计算资源类型时间(小样本消耗)时间效率tpu215gpu56高频cpu103低频cpu301
89.显然，低频cpu处理小样本数据消耗的时间最长，时间效率最低，tpu处理同样的小样本数据消耗的时间最短，时间效率最高。
90.例如，在非计算密集型场景，比如，高并发场景下，可能只需用到高频cpu和低频cpu，则高频cpu和低频cpu分别处理同一样本数据所消耗的时间和对应的时间效率如表2所示：
91.表2
92.计算资源类型时间(小样本消耗)时间效率高频cpu13低频cpu31
93.显然，低频cpu处理小样本数据消耗的时间比高频cpu处理小样本数据消耗的时间长，因此，低频cpu的时间效率低于高频cpu的时间效率。
94.在一可选的实施例中，本技术实施例提供的信息处理方法还可以包括：
95.显示交互界面；
96.通过交互界面接收输入的目标可用时间段和可用对象的目标数量。
97.在获得目标可用时间段和可用对象的目标数量后，就可以基于本技术提供的计算资源分配方法进行计算资源的调度了，可见，基于本技术，用户只需要根据需要输入计算资源的使用时间段，以及可用对象的目标数量，就可以实现与输入的目标可用时间段和可用对象的目标数量适配的实现最优性能的计算资源调度方法，降低了用户选择计算资源的难度。
98.作为示例，目标可用时间段表征了计算资源的使用时长，可用对象的目标数量可
以是指购买计算资源的费用(或称为预算)。
99.下面结合表1，以计算资源的性能为计算资源的时间效率为例，对基于第一条件和第二条件，确定应用场景中用到的各个计算资源的期望周期数的一种实现方式进行说明。
100.请参看表2，表1中所示的各个计算资源的期望周期数分别为：tpu的期望周期数记为x1，gpu的期望周期数记为x2，高频cpu的期望周期数记为x3，高频cpu的期望周期数记为x4。tpu，gpu，高频cpu和低频cpu在对可用对象的使用速率(如果可用对象为费用，则可用对象的使用速率为单周期的价格)依次为：20，10，5，2。
101.表3
[0102][0103][0104]
表3中的单周期价格是指1核(core)计算资源的单周期价格，比如，1coretpu的单周期价格是20，1coregpu的单周期价格是10。
[0105]
可选的，可以根据计算资源的使用情况参数(包括，使用了哪些计算资源，已使用的时长等)，确定已使用的费用，用总的费用减去已使用的费用，得到当前剩余费用，记为y。
[0106]
假设当前的剩余可用时间段内还有n个周期。
[0107]
表3中所示的各个计算资源按照对应的期望周期数运行所使用的费用y用公式可以表示为：
[0108]
y＝20*x1 10*x2 5*x3 2*x4
[0109]
表3中所示的各个计算资源按照对应的期望周期数运行的总时间效率e用公式可以表示为：
[0110]
e＝15*x1 6*x2 3*x3 1*x4
[0111]
本技术基于y等于y，以及e取最大值，得到x1、x2、x3和x4的取值。或者，基于y与y的差值小于阈值，以及e取最大值，得到x1、x2、x3和x4的取值。
[0112]
将e的最大取值除以n，得到剩余可用时间段内各个周期的目标时间效率(记为eo)。
[0113]
对应剩余可用时间段内的第i(i＝1，2，3，
……
，n)个周期，获得各个计算资源在第i个周期内的时间效率加权和(记为ei)：
[0114]
ei＝15*xi1 6*xi2 3*xi3 1*xi4
[0115]
其中，xij(j＝1，2，3，4)表示第j个计算资源在第i个周期内的运行时长。
[0116]
第j个计算资源在各个周期内的运行时长之和(记为tj)为：
[0117][0118]
在不考虑计算资源的有效运行时间段的情况下，可以基于tj＝xj，以及ei＝eo确
定xij的取值，或者，基于tj＝xj，以及ei与eo的差值的绝对值小于阈值，确定xij的取值。
[0119]
在考虑计算资源的有效运行时间段的情况下，假设第j个计算资源在第i个周期内的有效运行时间段的时长为tij，则可以基于tj＝xj，xij小于或等于tij，以及ei＝eo确定xij的取值，或者，基于tj＝xj，xij小于或等于tij，以及ei与eo的差值的绝对值小于阈值，确定xij的取值。
[0120]
如表3所示，各个计算资源的单周期价格是按照1核(core)计算的，在实际应用中，一种计算资源可能会需要多核同时进行运算，这种情况下，对于第j个计算资源，可以根据第j个计算资源在第i个周期实际使用的核数k，将第j个资源在第i个周期的使用时长平均分为k段子时长，第j个计算资源的每个核在第i个周期的运行时长就是其中一个子时长。
[0121]
如图4所示，为本技术实施例提供的根据各个计算资源的期望周期数在剩余可用时间段内对各个计算资源进行调度的一种效果示例图。该示例图中，剩余可用时间段内还有6个周期，在i个周期内，第j个计算资源的高度表征第j个计算资源按照在第i个周期内的运行时长运行时的总时间效率。在第一个周期内，运行1核gpu和1核tpu；在第二周期内，运行2核gpu、1核低频cpu和1核高频cpu；在第三个周期内，运行1核低频cpu、1核高频cpu和1核tpu；在第四个周期内，运行2核低频cpu，2核gpu和1核低频cpu，在第五个周期内，运行2核低频cpu和1核tpu，在第六个周期内运行3核高频cpu和1核cpu。
[0122]
本技术的计算资源调度方法可以用于构建私有云服务。
[0123]
与方法实施例相对应，本技术实施例还提供一种计算资源调度装置，本技术实施例提供的计算资源调度装置的一种结构示意图如图5所示，可以包括：
[0124]
确定模块501和调度模块502；其中，
[0125]
确定模块501用于基于第一条件和第二条件，确定应用场景中用到的各个计算资源的期望周期数；其中，所述第一条件为：所述各个计算资源按照所述期望周期数运行对剩余可用对象的使用率大于目标使用率；所述第二条件为：所述各个计算资源按照所述期望周期数运行时所述各个计算资源的总性能满足阈值；任一个计算资源的性能与所述任一个计算资源的计算能力正相关；
[0126]
调度模块502用于根据所述各个计算资源的期望周期数在剩余可用时间段内对所述各个计算资源进行调度。
[0127]
本技术实施例提供的计算资源调度装置，根据各个计算资源的期望周期数在剩余可用时间段内对各个计算资源进行调度。由于计算资源的期望周期数的计算是以各个计算资源按照期望周期数运行对剩余可用对象的使用率大于目标使用率且总性能满足阈值为目标计算得到的，因此根据各个计算资源的期望周期数在剩余可用时间段内对所述各个计算资源进行调度，实现基于剩余可用对象和剩余可用时间段对计算资源进行动态调整的目的，保证可用时间段结束时对可用对象的使用率较大，且调度的计算资源的性能较优，提高计算资源调度的智能性。
[0128]
在一可选的实施例中，所述调度模块502可以用于：
[0129]
获得所述各个计算资源按照所述期望周期数运行的总性能；
[0130]
根据所述总性能确定所述剩余可用时间段内的单个周期的目标性能；
[0131]
以所述各个计算资源在所述剩余可用时间段内运行时单个周期的性能趋近于所述目标性能为目标，在所述剩余可用时间段内为所述各个计算资源分配对应的期望周期数
的周期。
[0132]
在一可选的实施例中，所述调度模块502根据所述总性能确定所述剩余可用时间段内的单个周期的目标性能时，用于：
[0133]
将所述总性能与所述剩余可用时间段内包含的周期数的比值，确定为所述剩余可用时间段内的单个周期的目标性能。
[0134]
在一可选的实施例中，所述调度模块502以所述各个计算资源在所述剩余可用时间段内运行时单个周期的性能趋近于所述目标性能为目标，在所述剩余可用时间段内为所述各个计算资源分配对应的期望周期数的周期时，用于：
[0135]
确定所述各个计算资源在所述剩余可用时间段内的有效运行时间段；
[0136]
以所述各个计算资源在所述剩余可用时间段内运行时的单个周期的性能趋近于所述目标性能为目标，在所述各个计算资源的有效运行时间段内为所述各个计算资源分配对应的期望周期数的周期。
[0137]
在一可选的实施例中，所述各个计算资源在所述应用场景下的性能，通过对所述各个计算资源对所述应用场景下的相同的样本数据进行处理所消耗的时间进行统计分析得到；
[0138]
其中，任一个计算资源的性能与所述任一计算资源处理所述样本数据所消耗的时间负相关。
[0139]
在一可选的实施例中，所述各个计算资源按照所述期望周期数运行时的所述各个计算资源的总性能为：
[0140]
所述各个计算资源的性能的加权和；
[0141]
其中，任一计算资源的性能的权重为所述任一计算资源的期望周期数。
[0142]
在一可选的实施例中，本技术提供的计算资源调度装置还包括：
[0143]
交互模块，用于显示交互界面；通过所述交互界面接收输入的目标可用时间段和可用对象的目标数量。
[0144]
与方法实施例相对应，本技术还提供一种电子设备，该电子设备可以云服务器，该电子设备的一种结构示意图如图6所示，可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4。
[0145]
在本技术实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信。
[0146]
处理器1可能是一个中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本技术实施例的一个或多个集成电路等。
[0147]
存储器3可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)等，例如至少一个磁盘存储器。
[0148]
其中，存储器3存储有程序，处理器1可调用存储器3存储的程序，所述程序用于：
[0149]
基于第一条件和第二条件，确定应用场景中用到的各个计算资源的期望周期数；其中，所述第一条件为：所述各个计算资源按照所述期望周期数运行对剩余可用对象的使用率大于目标使用率；所述第二条件为：所述各个计算资源按照所述期望周期数运行时所述各个计算资源的总性能满足阈值；任一个计算资源的性能与所述任一个计算资源的计算
能力正相关；
[0150]
根据所述各个计算资源的期望周期数在剩余可用时间段内对所述各个计算资源进行调度。
[0151]
可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0152]
本技术实施例还提供一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于：
[0153]
基于第一条件和第二条件，确定应用场景中用到的各个计算资源的期望周期数；其中，所述第一条件为：所述各个计算资源按照所述期望周期数运行对剩余可用对象的使用率大于目标使用率；所述第二条件为：所述各个计算资源按照所述期望周期数运行时所述各个计算资源的总性能满足阈值；任一个计算资源的性能与所述任一个计算资源的计算能力正相关；
[0154]
根据所述各个计算资源的期望周期数在剩余可用时间段内对所述各个计算资源进行调度。
[0155]
可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0156]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0157]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0158]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0159]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0160]
应当理解，本技术实施例中，从权、各个实施例、特征可以互相组合结合，都能实现解决前述技术问题。
[0161]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0162]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的
一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。