公开(公告)号：CN110851236A

公开(公告)日：2020-02-28

申请号：CN201911097033.1

申请日：2019-11-11

Applicant: 星环信息科技(上海)有限公司

Inventor： 陈松

IPC: G06F9/455 ,  G06F9/50

Abstract: 本发明公开了一种实时资源调度方法、装置、计算机设备及存储介质，该方法包括：当容器集合pod进入容器集合pod队列时，根据预选策略对容器集合pod进行筛选，得到第一筛选结果；获取第一筛选结果中的容器集合pod的实时资源使用信息；根据实时资源使用信息对容器集合pod进行筛选，得到第二筛选结果；根据优选策略和/或实时优选策略对第二筛选结果中的容器集合pod进行排序，根据排序结果进行容器集合pod绑定，实时优选策略包括根据容器集合pod的实时资源使用信息进行排序的策略。能够实现在对pod队列进行预选策略筛选后，根据实时资源使用信息对容器集合pod进行筛选，使得绑定的pod根据其使用的实时资源绑定到合适的工作节点，提高容器集合pod的调度效率。

公开(公告)号：CN110727512A

公开(公告)日：2020-01-24

申请号：CN201910945530.6

申请日：2019-09-30

Applicant: 星环信息科技(上海)有限公司

Inventor： 陈松 ,  郑淮城

IPC: G06F9/50

Abstract: 本发明实施例公开一种集群资源调度方法、装置、设备及储存介质，方法包括根据获取到的待调度pod，基于预设选择策略对集群中的预设节点进行筛选得到节点筛选结果；当节点筛选结果为不存在符合预设选择策略的可调度节点时，根据节点筛选结果、集群的实时资源使用信息和待调度pod的资源请求，从预设节点中筛选出第一节点；基于舍弃资源请求可用性检查的预设选择策略从第一节点中筛选出可运行待调度pod的第二节点；根据待调度pod的属性和第二节点的物理资源大小确定pod运行节点；将待调度pod与pod运行节点进行绑定。本发明实施例的技术方案，更好地利用集群资源，同时避免出现节点间调度不均匀的问题。

公开(公告)号：CN112035062A

公开(公告)日：2020-12-04

申请号：CN202010838845.3

申请日：2020-08-19

Applicant: 星环信息科技(上海)有限公司

Inventor： 杨超 ,  陈松 ,  郑淮城

IPC: G06F3/06

Abstract: 本发明公开了一种云计算的本地存储的迁移方法、计算机设备及存储介质，该方法包括：监听到待迁移容器集合的迁移操作时，记载待迁移容器管理工具的存储卷、源持久卷声明和源持久化存储卷列表；创建目标容器集合，记载目标容器集合的目标持久卷声明和目标持久化存储卷列表；下线待迁移容器集合；将源持久卷声明中的数据迁移至目标持久卷声明；解绑目标持久卷声明与目标持久化存储卷的绑定，建立源持久卷声明与目标持久化存储卷的绑定；将待迁移容器集合重新上线。实现在监听到待迁移容器集合的迁移操作时，将源持久卷声明中的数据迁移至目标持久卷声明，将目标持久化存储卷绑定至源持久卷声明，实现容器集合和存储数据的迁移，提高可靠性。

公开(公告)号：CN110727512B

公开(公告)日：2020-06-26

申请号：CN201910945530.6

申请日：2019-09-30

Applicant: 星环信息科技(上海)有限公司

Inventor： 陈松 ,  郑淮城

IPC: G06F9/50

Abstract: 本发明实施例公开一种集群资源调度方法、装置、设备及储存介质，方法包括根据获取到的待调度pod，基于预设选择策略对集群中的预设节点进行筛选得到节点筛选结果；当节点筛选结果为不存在符合预设选择策略的可调度节点时，根据节点筛选结果、集群的实时资源使用信息和待调度pod的资源请求，从预设节点中筛选出第一节点；基于舍弃资源请求可用性检查的预设选择策略从第一节点中筛选出可运行待调度pod的第二节点；根据待调度pod的属性和第二节点的物理资源大小确定pod运行节点；将待调度pod与pod运行节点进行绑定。本发明实施例的技术方案，更好地利用集群资源，同时避免出现节点间调度不均匀的问题。

公开(公告)号：CN111552550A

公开(公告)日：2020-08-18

申请号：CN202010339814.3

申请日：2020-04-26

Applicant: 星环信息科技(上海)有限公司

Inventor： 郑淮城 ,  陈松

IPC: G06F9/48 ,  G06F9/50 ,  G06T1/20

Abstract: 本发明实施例公开了一种基于GPU资源的任务调度方法、设备及介质。其中，方法包括：将待执行任务的资源需求信息与每个节点中GPU资源的属性信息进行匹配，获得与待执行任务的资源需求信息匹配的多个预选节点；对每一个预选节点根据GPU资源的属性信息分别进行评分并获得评分最高的预选节点；采用评分最高的预选节点中GPU资源执行待执行任务，以实现对待执行任务的调度。通过将待执行任务的资源需求信息与每一个节点中的GPU资源所对应的属性信息进行匹配，获得与待执行任务最适配的节点，并将待执行任务在该节点中运行，从而提高了GPU资源的利用率并提高了任务调度过程的成功率，满足了用户对任务调度的实际需求。