一种基于多因素策略的算力资源最优调度分配方法与流程

技术特征：
1.一种基于多因素策略的算力资源最优调度分配方法，其特征在于，该算力资源最优调度分配方法包括以下步骤：s1、预先根据算力资源调度分配时所需考虑的因素进行分析，并提取出策略因子；s2、利用策略因子构建对应的算力调度策略，并通过策略模型库实现对算力调度策略的管理；s3、对算力需求进行解析，并通过算力调度策略对资源池进行评估，将所需的资源调度分配到最优匹配的资源池上；s4、利用水平拆分将算力需求中的算力要求能力按照比例拆分到不同的资源池中。2.根据权利要求1所述的一种基于多因素策略的算力资源最优调度分配方法，其特征在于，所述策略模型库是实现对算力调度策略的管理，策略模型库在使用中根据调度分配倾向进行策略配置，其主要信息包括策略类型、最多拆分数量、拆分策略及策略因子信息；其中，所述策略类型包括智能推荐、分配最优、成本最优及距离最优类型；所述最多拆分数量及所述拆分策略表示在计算资源池时，若涉及到算力能力需要拆分到资源池，当前策略允许拆分的最大数量以及所使用的拆分策略，可配置平均分配及贪心分配策略；所述策略因子表示当前策略下用于计算选择资源池时所用到的各因子，可根据实际需要进行配置，配置各因子在当前策略中所占权重以及因子结果的限制范围。3.根据权利要求1所述的一种基于多因素策略的算力资源最优调度分配方法，其特征在于，所述对算力需求进行解析，并通过算力调度策略对资源池进行评估，将所需的资源调度分配到最优匹配的资源池上包括以下步骤：s31、将调度任务按照算力能力分组维度拆分为多个子调度任务，依次轮询进行调度分配计算；s32、根据解构出算力能力分组所需的算力能力分组、算力能力类型、算力数据格式及算力能力范围，并对可用资源池进行过滤，获取满足要求的资源池集合；s33、根据预先配置好的产品能力关系权重及规则，选择需要进行计算的产品能力及顺序；s34、按照产品能力依次轮询资源池集合，计算每个资源池在当前策略下每个策略因子的得分，并过滤掉因子结果范围外的资源池；s35、基于因子结果范围中的资源池，利用多属性决策计算出产品能力所对应的最优匹配资源池；s36、根据产品能力的权重计算出总得分，并将总得分作为算力能力分组对应资源池的得分；s37、基于调度任务中资源池的垂直拆分，计算出资源池交集范围，并根据资源池交集范围得到可调度分配资源池排序。4.根据权利要求3所述的一种基于多因素策略的算力资源最优调度分配方法，其特征在于，所述算力能力分组表示为实现相同业务目标必须将所要求的资源分配在同一资源池的服务请求；所述算力能力类型表示通用算力、智能算力及超算算力；所述算力数据规格表示为int8、fp16、及fp32；
所述算力能力范围表示具体到能力类型及数据规格所要求具备的算力值大小。5.根据权利要求4所述的一种基于多因素策略的算力资源最优调度分配方法，其特征在于，所述多属性群决策的计算包括以下步骤：将资源池的策略因子集合，并形成决策矩阵；计算策略因子标准化得分；基于策略因子标准化得分，计算策略因子权重得分；基于策略因子权重得分，计算最优资源池。6.根据权利要求5所述的一种基于多因素策略的算力资源最优调度分配方法，其特征在于，所述基于调度任务中资源池的垂直拆分，计算出资源池交集范围，并根据资源池交集范围得到可调度分配资源池排序包括以下步骤：s371、若调度任务不允许资源池进行垂直拆分，则在计算完第一个算力能力分组后，将得到的资源池范围作为第二个算力能力分组用于过滤资源池的初始值；s372、若调度任务允许资源池进行垂直拆分，则在计算完第一个算力能力分组后，将第二个算力能力分组用于过滤资源池的初始值；s373、根据每个算力能力分组计算出资源池交集范围的得分；s374、基于资源池交集范围的得分计算出平均分，并对平均分进行排序得到调度任务最终的可调度分配资源池排序。7.根据权利要求6所述的一种基于多因素策略的算力资源最优调度分配方法，其特征在于，所述基于策略因子权重得分，计算最优资源池包括以下步骤：基于策略因子权重得分，将策略因子权重得分替换至对应决策矩阵中；采用topsis法对资源池优劣进行排序，得到最优资源池。8.根据权利要求7所述的一种基于多因素策略的算力资源最优调度分配方法，其特征在于，所述topsis法是根据有限个评价对象与理想化目标的接近程度进行排序的方法，在现有的对象中进行相对优劣的评价；其中，topsis法基本原理是通过检测评价对象与最优解及最劣解的距离进行排序。9.根据权利要求8所述的一种基于多因素策略的算力资源最优调度分配方法，其特征在于，所述采用topsis法来对资源池优劣进行排序，得到最优资源池包括以下步骤：利用决策矩阵取出正理想解集合及负理想解集合；计算资源池与正理想解的欧式距离，其计算公式为：式中，表示资源池i与正理想解的欧式距离；j、m表示策略因子的序号，从j=1开始直到序号的最大值m；表示第i个资源池及第j个策略因子的标准得分；中的表示正理想解集合；表示正理想解集合中的第j个策略因子的正理想解；
计算资源池与负理想解的欧式距离，其计算公式为：式中，表示资源池i与负理想解的欧式距离；j、m表示策略因子的序号，从j=1开始直到序号的最大值m；表示第i个资源池及第j个策略因子的标准得分；中的表示负理想解集合；表示负理想解集合中的第j个策略因子的负理想解；计算定义资源池与正理想解的相对接近度，其计算公式为：式中，表示资源池与正理想解的相对接近度，若越大，则资源池匹配度越高；表示资源池i与正理想解的欧式距离；表示资源池i与负理想解的欧式距离。10.根据权利要求1所述的一种基于多因素策略的算力资源最优调度分配方法，其特征在于，所述水平拆分通过拆分策略确定拆分比例；其中，拆分策略包括平均分配策略及贪心分配策略；所述平均分配策略的拆分比例和能力模板指定的拆分比例为相对固定值，并在拆分计算时遵循同一处理逻辑；所述贪心分配策略的拆分比例为不固定值，并在拆分计算时遵循另一种处理逻辑。

技术总结
本发明公开了一种基于多因素策略的算力资源最优调度分配方法，该算力资源最优调度分配方法包括以下步骤：S1、预先根据算力资源调度分配时所需考虑的因素进行分析，并提取出策略因子；S2、利用策略因子构建对应的算力调度策略，并通过策略模型库实现对算力调度策略的管理；S3、对算力需求进行解析，并通过算力调度策略对资源池进行评估，将所需的资源调度分配到最优匹配的资源池上；S4、利用水平拆分将算力需求中的算力要求能力按照比例拆分到不同的资源池中。本发明不仅可以支撑实现在多个资源池中选择最优的资源池分配算力资源，还可以支撑将调度任务按照能力类型拆分后调度分配到多个最优的资源池。到多个最优的资源池。到多个最优的资源池。


技术研发人员：田野
受保护的技术使用者：浩鲸云计算科技股份有限公司
技术研发日：2022.12.01
技术公布日：2022/12/30