公开(公告)号：CN117591273A

公开(公告)日：2024-02-23

申请号：CN202311483923.2

申请日：2023-11-06

Applicant: 武汉大学

Inventor： 刘金硕 ,  陈志彬 ,  王欣盛

IPC: G06F9/50 ,  G06N3/045 ,  G06N3/092

Abstract: 本发明公开了一种基于TR‑DQN的高性能计算集群资源调度方法及系统，首先用户提交任务请求，所有请求进入等待队列等待调度；然后计算提交任务的优先级，并对等待队列进行重排序；接着收集和处理集群的节点信息和任务信息，将处理后的数据输入至TR‑DQN模型进行调度；最后任务调度完成之后进入对应节点运行。TR‑DQN模型将高性能计算集群调度的特点结合到深度强化学习中，并引入两级神经网络结构，第一级神经网络用于选择立即执行或预留执行的任务，第二级神经网络用于选择用于回填的任务，可以提高集群的资源利用率、减少任务的等待时间，并能快速适应集群负载环境的变化，此外，还能最大限度地减少集群的工作饥饿问题。

公开(公告)号：CN117555676A

公开(公告)日：2024-02-13

申请号：CN202311474137.6

申请日：2023-11-06

Applicant: 武汉大学

Inventor： 刘金硕 ,  陈志彬 ,  王欣盛

IPC: G06F9/50 ,  G06F9/48

Abstract: 本发明公开了一种基于Slurm中间件的资源调度方法及系统，首先接收用户发送的作业提交请求；根据配置的拦截规则对提交的作业进行拦截；计算作业的优先级，并根据优先级对作业队列进行重排序；然后利用查询命令获取集群的所有节点信息和作业信息；从作业队列中读取作业，根据作业信息和集群状态进行调度；最后，作业调度完成之后进入对应节点进行计算。本发明可以提高集群的资源利用率和减少集群的工作饥饿问题，同时，采用中间件的架构进行设计，可以将调度和管理逻辑独立出来，与底层系统解耦，从而不会对原有高性能计算系统产生很大的侵入性，让系统更加高效地部署和扩展。