-
公开(公告)号:CN116185575A
公开(公告)日:2023-05-30
申请号:CN202111436429.1
申请日:2021-11-29
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开了一种任务调度方法以及计算机设备,用于提升任务调度的效率。本申请实施例方法包括:提供多个处理器核,多个处理器核的计算能力不同,获取第一任务的特征信息,特征信息基于第一任务的源代码中的特征源代码编译确定,根据特征信息从多个处理器核中选择目标核,目标核的计算能力和第一任务所需的计算资源匹配。
-
公开(公告)号:CN113918217A
公开(公告)日:2022-01-11
申请号:CN202010964520.X
申请日:2020-09-15
Applicant: 华为技术有限公司
Abstract: 本申请提供了一种向量函数的处理方法及相关设备,属于计算机技术领域。本申请提供的方案可以根据预设规则对第一输入向量中的向量元素进行排序。由于该预设规则是根据向量函数所包括的各个分支的依赖关系设置的,因此可以确保排序后的向量元素的排列顺序与各个分支的依赖关系相关。进而可以确保按照排序后的向量元素执行向量函数的处理时,可以有效利用向量函数的处理装置的计算资源,提高计算资源的利用率。
-
公开(公告)号:CN111290827B
公开(公告)日:2023-09-08
申请号:CN201811496958.9
申请日:2018-12-07
Applicant: 华为技术有限公司
IPC: G06F9/455
Abstract: 本申请提供了一种数据处理的方法,该方法应用在服务器中,服务器包括第一容器、安卓驱动,第一容器部署第一服务管理器,第一服务管理器接收第一进程的请求消息,然后将该请求消息发送至安卓驱动。安卓驱动先根据请求消息中携带第一服务管理器PID确定第一进程间通信IPC命名空间,然后根据第一IPC命名空间的结构体的指针确定第一安卓命名空间。再将请求消息中的控制信息存储至第一安卓命名空间的第一私有服务链表,并将请求消息中的内容信息存储至第一安卓命名空间的第一私有内存。本申请提供的技术方案为每个容器分配各自的私有内存和私有服务链表,避免传统技术中多个容器共用同一内存导致数据不一致,影响业务处理的问题。
-
公开(公告)号:CN116467245A
公开(公告)日:2023-07-21
申请号:CN202210032978.0
申请日:2022-01-12
Applicant: 华为技术有限公司
IPC: G06F15/163 , G06F12/06 , G06F9/50
Abstract: 本申请提供一种计算系统、方法、装置及加速设备,涉及计算领域。该计算系统包括:主机设备和加速设备。主机设备与加速设备通信连接,加速设备与存储器耦合,该存储器存储有待处理业务所需的第一数据。主机设备,用于向加速设备发送调用信息,该调用信息用于指示第一数据的存储地址。加速设备,用于接收主机设备发送的调用信息,并根据该存储地址从存储器中获取第一数据。加速设备,还用于基于第一数据执行待处理任务,得到处理结果。这样,主机设备将存储地址告知加速设备,便于加速设备直接根据存储地址从存储器中获取数据,并进行处理,避免主机设备从存储器中获取数据,再将数据传输给加速设备,能够减少数据传输量。
-
公开(公告)号:CN115904690A
公开(公告)日:2023-04-04
申请号:CN202111166699.5
申请日:2021-09-30
Applicant: 华为技术有限公司
IPC: G06F9/50
Abstract: 本申请实施例公开了一种异构设备的负载信息获取方法及相关设备,用于快速获取负载信息,提高负载信息的时效性,并减小主机设备的消耗。本申请实施例方法包括:主机设备向目标负载设备发送负载信息获取请求,该负载信息获取请求指示主机设备需要获取目标负载设备的负载信息,目标负载设备为多个负载设备中的任一个;然后主机设备通过主机侧缓存单元获取目标负载设备的负载信息,主机侧缓存单元与负载侧缓存单元通过缓存一致性总线相连,目标负载设备的负载信息可以是目标负载设备写入负载侧缓存单元然后通过缓存一致性总线传输给主机侧缓存单元。
-
公开(公告)号:CN113918879A
公开(公告)日:2022-01-11
申请号:CN202010653743.4
申请日:2020-07-08
Applicant: 华为技术有限公司
Abstract: 本申请公开了一种矩阵运算的方法,应用于用于执行矩阵运算的加速器,矩阵运算的加速器,响应于所接收的矩阵运算指令,将第一矩阵的子集和第二矩阵的子集分别存储在存储器的第一存储空间和第二存储空间,将第一矩阵的子集和第二矩阵的子集相乘后获得的子集存储在存储器的第三存储空间;根据矩阵运算指令对第一矩阵的子集和第二矩阵的子集进行矩阵运算,得到矩阵运算的结果。利用专门的矩阵运算的加速器进行矩阵运算,能够在较短的时间内完成大规模矩阵的运算,卸载了处理器的矩阵运算负担,使得矩阵运算不再受限于处理器中寄存器的资源以及处理器自身的计算能力,有效的提高了矩阵运算的效率。
-
-
-
-
-