［關(guān)鍵詞］智算中心；算力調(diào)度；通信技術(shù)；負(fù)載均衡

［中圖分類號(hào)］TP338.4 ［文獻(xiàn)標(biāo)志碼］A ［文章編號(hào)］2095–6487（2024）11–0018–03

1智算中心算力調(diào)度的現(xiàn)狀與挑戰(zhàn)

1.1智算中心算力調(diào)度的現(xiàn)狀

當(dāng)前，智算中心的資源分配任務(wù)主要基于既有的調(diào)度方法，如輪詢策略、最短任務(wù)優(yōu)先及最早完成任務(wù)優(yōu)先算法等。這類計(jì)算方法在一定范圍內(nèi)有能力處理常規(guī)計(jì)算問題，然而遭遇繁雜的計(jì)算問題時(shí)，經(jīng)常呈現(xiàn)出資源使用效率不高、任務(wù)執(zhí)行時(shí)間延長(zhǎng)等諸多挑戰(zhàn)。另外，智算中心的計(jì)算能力呈現(xiàn)出頻繁多樣化的配置情況，即包括各種功能和性能計(jì)算單元，這提高了計(jì)算能力分配的復(fù)雜度。面對(duì)著處理任務(wù)的需求不斷增長(zhǎng)和變化多樣的特點(diǎn)，智能計(jì)算設(shè)施資源分配必須更為靈活高效。在此過程中，隨著邊緣計(jì)算技術(shù)和物聯(lián)網(wǎng)連接技術(shù)的進(jìn)步，智算中心必須完成各種信息處理任務(wù)，這要求資源配置提出了更高的標(biāo)準(zhǔn)。

1.2智算中心算力調(diào)度面臨的挑戰(zhàn)

（1）資源利用率低。傳統(tǒng)的資源分配模式面臨多個(gè)任務(wù)執(zhí)行環(huán)節(jié)，難以有效利用所有可用的物理資源。例如，某些調(diào)度的方法于資源分配過程中過分謹(jǐn)慎，引起某些處理單元長(zhǎng)時(shí)間處于空閑狀態(tài)，而某些節(jié)點(diǎn)因?yàn)槌袚?dān)了過量任務(wù)從而導(dǎo)致任務(wù)完成時(shí)間延長(zhǎng)、資源利用效率不高的問題，顯著影響智能計(jì)算設(shè)備的總體性能和運(yùn)行效能。

（2）作業(yè)完成時(shí)間長(zhǎng)。遭遇眾多用戶和并行任務(wù)處理的環(huán)境，傳統(tǒng)的任務(wù)分配不能高效地分配計(jì)算任務(wù)，引起部分任務(wù)的執(zhí)行時(shí)長(zhǎng)明顯增加，尤其在應(yīng)對(duì)數(shù)據(jù)處理繁重的工作和信息量大的任務(wù)時(shí)，這種現(xiàn)象更加顯著。這損害了用戶感受，可能引發(fā)某些關(guān)鍵計(jì)算職責(zé)無(wú)法順利執(zhí)行，擾亂整個(gè)工作流程的連貫性。

（3）異構(gòu)計(jì)算環(huán)境的復(fù)雜性。智算中心一般由多個(gè)計(jì)算單元構(gòu)成，如CPU、GPU（圖形處理器）及TPU（張量處理單元）等，具備多種用途的多元功能計(jì)算架構(gòu)導(dǎo)致資源分配變得更為復(fù)雜，諸多計(jì)算單元在效能能量消耗應(yīng)用場(chǎng)景上展現(xiàn)出差異，怎樣在多元化的計(jì)算架構(gòu)之內(nèi)實(shí)施有效的資源分配，是當(dāng)前的計(jì)算資源分配難題遭遇的主要困難之一。

（4）動(dòng)態(tài)負(fù)載平衡的需求。任務(wù)執(zhí)行過程中所呈現(xiàn)的不斷變化和難以預(yù)料的特點(diǎn)，要求調(diào)度方案必須具備即時(shí)監(jiān)管和合理分配資源的功能，以保持穩(wěn)定狀態(tài)。但是，陳舊的調(diào)度算法通常依據(jù)既定原則，難以適應(yīng)變化多端的工作負(fù)載，因此部分計(jì)算節(jié)點(diǎn)可能遭遇過重負(fù)擔(dān)或不適當(dāng)?shù)馁Y源配置，降低整個(gè)系統(tǒng)的穩(wěn)定性和效率。

（5）通信延遲和數(shù)據(jù)傳輸瓶頸。在眾多超級(jí)計(jì)算機(jī)中心協(xié)同工作的情境中，處理任務(wù)的信息必須分散在各地寬廣的計(jì)算節(jié)點(diǎn)之間遷移，信息流動(dòng)遲緩和數(shù)據(jù)傳輸約束成為制約計(jì)算資源分配效率的關(guān)鍵因素，特別是在處理大量數(shù)據(jù)任務(wù)時(shí)，頻繁的數(shù)據(jù)交換會(huì)增加系統(tǒng)響應(yīng)時(shí)間，延長(zhǎng)整個(gè)任務(wù)的處理時(shí)長(zhǎng)。

2先進(jìn)算力調(diào)度算法的應(yīng)用與優(yōu)化

2.1改進(jìn)知識(shí)蟻群算法的應(yīng)用

在智能化計(jì)算樞紐中分配計(jì)算能力，改進(jìn)知識(shí)蟻群算法（Improved Knowledge Ant Colony Algorithm，以下簡(jiǎn)稱“IK–ACO”）被頻繁用來(lái)解決計(jì)算任務(wù)密集排程的挑戰(zhàn)。該算法參考了螞蟻尋找食物的行為依賴信息素進(jìn)行指引及探尋高效率路徑搜索算法，具備廣泛的搜索范圍及高效的分布式計(jì)算特性。IK–ACO以經(jīng)典蟻群算法結(jié)構(gòu)為基礎(chǔ)，嵌入知識(shí)體，參考快速路徑搜索特性，增強(qiáng)了搜索速度及品質(zhì)。

IK-ACO 算法利用基礎(chǔ)原理完成計(jì)算能力優(yōu)化分配。

（1）初始化。在計(jì)算單元與任務(wù)之間分配初始化的信息素，同時(shí)設(shè)置初始化參數(shù)。

（2）迭代優(yōu)化。每一次更新時(shí)，算法依據(jù)信息熵挑選路徑，并利用智能實(shí)體過往記錄執(zhí)行路徑優(yōu)化。

（3）信息素更新。依據(jù)逐步分析找到最佳路徑，適時(shí)調(diào)整路徑選擇準(zhǔn)則，提高最優(yōu)路線的吸引力。

優(yōu)化版蟻群搜索策略應(yīng)用于大量計(jì)算任務(wù)環(huán)節(jié)，可明顯減少作業(yè)完成時(shí)長(zhǎng)，增強(qiáng)資源的使用效益。其數(shù)學(xué)模型如下：

IK-ACO通過動(dòng)態(tài)調(diào)整信息素和引入知識(shí)體，提高了算法的收斂速度和解的質(zhì)量，適用于智算中心的大規(guī)模算力調(diào)度。

2.2啟發(fā)式調(diào)度算法的優(yōu)化

啟發(fā)式調(diào)度算法在智算中心的應(yīng)用同樣廣泛?；谧疃套鳂I(yè)優(yōu)先（Shortest Job First，以下簡(jiǎn)稱“SJF”）和最早截止時(shí)間優(yōu)先（Earliest Deadline First，以下簡(jiǎn)稱“EDF”）的啟發(fā)式調(diào)度算法，通過簡(jiǎn)化的規(guī)則和策略，實(shí)現(xiàn)了高效的算力調(diào)度。

SJF算法根據(jù)作業(yè)的長(zhǎng)度進(jìn)行調(diào)度，優(yōu)先處理計(jì)算量較小的作業(yè)，從而減少平均作業(yè)等待時(shí)間。其調(diào)度策略可以表示為：

為了進(jìn)一步優(yōu)化啟發(fā)式調(diào)度算法，可以引入動(dòng)態(tài)調(diào)度策略和負(fù)載均衡機(jī)制。例如，在執(zhí)行任務(wù)分配的過程中，持續(xù)跟蹤各個(gè)計(jì)算節(jié)點(diǎn)的運(yùn)行狀況，靈活調(diào)整任務(wù)分配，保障資源均衡分配，防止某些節(jié)點(diǎn)超負(fù)荷運(yùn)作或未被有效使用。結(jié)合智能算法優(yōu)化與高效的資源分配策略，可以顯著提高工作效率和資源利用效率。實(shí)踐檢驗(yàn)證實(shí)，優(yōu)化后的智能調(diào)度程序針對(duì)海量數(shù)據(jù)處理任務(wù)時(shí)，可以明顯減少工作完成所需時(shí)間，增強(qiáng)整體作業(yè)效能。

2.3調(diào)度算法的綜合應(yīng)用

在具體實(shí)踐中，智算中心須適時(shí)選擇多樣化的分配方法，用來(lái)處理大量計(jì)算任務(wù)。例如，針對(duì)數(shù)據(jù)量龐大的任務(wù)，推薦使用IK–ACO 算法，借助信息庫(kù)提升調(diào)度效能；針對(duì)海量數(shù)據(jù)處理任務(wù)，可以融合SJF 和EDF 調(diào)度策略。借助動(dòng)態(tài)調(diào)整機(jī)制和資源合理分配達(dá)到有效任務(wù)管控，綜合運(yùn)用管理方法有利于提升智算中心的效率，進(jìn)而對(duì)不同用戶群體提供個(gè)性化計(jì)算服務(wù)方案。借助持續(xù)改進(jìn)和革新調(diào)整和優(yōu)化算法，智能計(jì)算系統(tǒng)能夠達(dá)成有效分配和最大化利用資源，適應(yīng)不斷上升的計(jì)算需求。

3通信技術(shù)在智算中心中的整合與應(yīng)用

3.1高速通信網(wǎng)絡(luò)的構(gòu)建

智算中心的順暢運(yùn)行依靠快速通訊網(wǎng)絡(luò)作為基礎(chǔ)設(shè)施，快速通訊網(wǎng)絡(luò)借助光導(dǎo)纖維與網(wǎng)絡(luò)路由設(shè)備高效處理單元彼此之間的快速數(shù)據(jù)通訊，保證不同地域的數(shù)據(jù)中心之間的有效分配與共享。光導(dǎo)纖維通訊技術(shù)依靠寬廣頻率范圍、短時(shí)延、穩(wěn)固及高效率，被視為智能化數(shù)據(jù)中心快速數(shù)據(jù)傳輸設(shè)施的基礎(chǔ)構(gòu)件，借助鋪設(shè)快速光纜通信系統(tǒng)，智算中心得以實(shí)現(xiàn)遠(yuǎn)端運(yùn)算與數(shù)據(jù)的匯總，迎合龐大的運(yùn)算要求。

3.2軟件定義網(wǎng)絡(luò)的應(yīng)用

軟件定義網(wǎng)絡(luò)（Software-Defined Networking，以下簡(jiǎn)稱“SDN”）在智算中心的通信技術(shù)整合中發(fā)揮著重要作用。SDN 技術(shù)將網(wǎng)絡(luò)控制層和數(shù)據(jù)轉(zhuǎn)發(fā)層的解耦，可高效管控網(wǎng)絡(luò)資源和動(dòng)態(tài)分配。SDN管理系統(tǒng)具備功能模塊，可即時(shí)監(jiān)管數(shù)據(jù)傳輸量和網(wǎng)絡(luò)資源利用率，并依據(jù)處理需求的變動(dòng)自動(dòng)優(yōu)化數(shù)據(jù)傳送路線，可提升數(shù)據(jù)傳輸?shù)男阅芘c成效。在眾多超級(jí)計(jì)算中心互聯(lián)的環(huán)境下，智能的網(wǎng)絡(luò)結(jié)構(gòu)有效減少了數(shù)據(jù)傳輸?shù)臅r(shí)間間隔，緩解了網(wǎng)絡(luò)擁堵，增強(qiáng)了數(shù)據(jù)傳輸?shù)姆€(wěn)定性和可靠性。

3.3邊緣計(jì)算與云計(jì)算的結(jié)合

邊緣數(shù)據(jù)處理和云數(shù)據(jù)處理融合是智能數(shù)據(jù)中心數(shù)據(jù)傳輸方式與技術(shù)優(yōu)化升級(jí)的主要發(fā)展趨勢(shì)。邊緣節(jié)點(diǎn)管理處理分布式數(shù)據(jù)管理與存儲(chǔ)資源分配在數(shù)據(jù)近端節(jié)點(diǎn)，旨在降低數(shù)據(jù)傳輸時(shí)間和減少網(wǎng)絡(luò)帶寬使用。在邊緣設(shè)備執(zhí)行初步的數(shù)據(jù)處理和計(jì)算任務(wù)，智算中心具備能力將部分計(jì)算和數(shù)據(jù)處理任務(wù)轉(zhuǎn)移到邊緣設(shè)備，減輕中央處理器的壓力。云計(jì)算服務(wù)則依靠統(tǒng)一的數(shù)據(jù)處理中心供應(yīng)強(qiáng)勁的計(jì)算與存儲(chǔ)實(shí)力，為大量計(jì)算工作提供支持。邊緣計(jì)算技術(shù)和云計(jì)算技術(shù)融合，實(shí)現(xiàn)了分層的計(jì)算資源分配及高效的任務(wù)調(diào)度優(yōu)化功能，提升了處理效率和數(shù)據(jù)傳輸速率。

3.4高速數(shù)據(jù)傳輸協(xié)議的開發(fā)

在智算中心的技術(shù)通信領(lǐng)域，高速數(shù)據(jù)傳輸協(xié)議的研發(fā)是決定性因素，旨在確保數(shù)據(jù)傳輸?shù)母咝院涂煽啃浴鹘y(tǒng)的網(wǎng)絡(luò)傳輸機(jī)制在廣闊頻譜和遠(yuǎn)距離的過程中時(shí)經(jīng)常遇到擁堵和數(shù)據(jù)丟失的現(xiàn)象，降低了數(shù)據(jù)傳輸?shù)男?。因此，智能?shù)據(jù)中心必須研發(fā)和應(yīng)用新穎的數(shù)據(jù)傳輸方法，如傳輸控制協(xié)議改進(jìn)、快速傳輸協(xié)議及高性能計(jì)算傳輸協(xié)議等，各類協(xié)議通過改進(jìn)數(shù)據(jù)傳輸路由、加快數(shù)據(jù)傳輸速度及縮短傳輸?shù)却龝r(shí)間，有效提高了智算中心的數(shù)據(jù)傳輸效率。

4綜合調(diào)度策略的仿真實(shí)驗(yàn)與結(jié)果分析

4.1試驗(yàn)設(shè)置與方法

在全面進(jìn)行調(diào)度策略模擬試驗(yàn)的環(huán)節(jié)中，通過構(gòu)建多個(gè)相連超級(jí)計(jì)算中心的仿真環(huán)境，對(duì)IK–ACO和啟發(fā)式調(diào)度算法的效能進(jìn)行了詳盡的評(píng)估和驗(yàn)證。試驗(yàn)環(huán)境涵蓋若干分布在不同地區(qū)的高級(jí)計(jì)算節(jié)點(diǎn)，這些中心中的每一個(gè)配備各類型及數(shù)量不一的處理模塊，探究活動(dòng)包括計(jì)算密集性和數(shù)據(jù)密集性任務(wù)，目標(biāo)在于評(píng)價(jià)任務(wù)分配策略于不同環(huán)境下的效率。探究依據(jù)現(xiàn)實(shí)計(jì)算需求和計(jì)算能力數(shù)據(jù)，借助Python 編程工具和其他輔助工具進(jìn)行模擬測(cè)試和數(shù)據(jù)解析，評(píng)估標(biāo)準(zhǔn)涵蓋工作時(shí)長(zhǎng)、資源使用效率及任務(wù)分配成效，每次試驗(yàn)均需反復(fù)進(jìn)行，用以保障結(jié)果的精確度與可重復(fù)性。

4.2試驗(yàn)結(jié)果與分析

借助虛擬試驗(yàn)檢驗(yàn)，分析了IK–ACO算法和優(yōu)化調(diào)度策略在眾多大型計(jì)算節(jié)點(diǎn)網(wǎng)絡(luò)體系的運(yùn)行效能。數(shù)據(jù)展示，全面調(diào)度方案于所有評(píng)價(jià)標(biāo)準(zhǔn)領(lǐng)域均全面領(lǐng)先傳統(tǒng)調(diào)度方法，明顯提高了整個(gè)系統(tǒng)的運(yùn)作效率。表1 展示了多種調(diào)度算法在處理計(jì)算任務(wù)和數(shù)據(jù)處理活動(dòng)之間的平均耗時(shí)和資源利用率。

4.3綜合調(diào)度策略的優(yōu)勢(shì)

全面優(yōu)化方案結(jié)合了IK–ACO 和高級(jí)優(yōu)化方法的優(yōu)勢(shì)，借助實(shí)時(shí)調(diào)整和智能決策技術(shù)，實(shí)現(xiàn)了高效分配資源和迅速分配任務(wù)。試驗(yàn)數(shù)據(jù)顯示，全方位管理方法于處理繁重計(jì)算任務(wù)和復(fù)雜計(jì)算場(chǎng)景時(shí)，可明顯提高工作成效，優(yōu)化資源分配。全方位管理方案還具有良好的可擴(kuò)展性和適用于性，可依據(jù)特定要求實(shí)施靈活調(diào)整和優(yōu)化處理，適應(yīng)各種規(guī)模及種類的計(jì)算工作。

5結(jié)束語(yǔ)

在信息技術(shù)迅猛發(fā)展的今天，智能計(jì)算樞紐面臨著合理分配算力資源和滿足多元化的計(jì)算需求考驗(yàn)。融合高效計(jì)算能力分配策略與數(shù)據(jù)傳輸技術(shù)，能夠明顯提高計(jì)算資源利用效率和任務(wù)處理效率。研究結(jié)果表明，優(yōu)化信息素搜索策略和按照規(guī)則調(diào)度手段對(duì)付計(jì)算密集型任務(wù)和數(shù)據(jù)處理任務(wù)時(shí)顯示出卓越的執(zhí)行能力，而尖端通信手段因此保障了高效資源分配和系統(tǒng)穩(wěn)定。全面的調(diào)度方案借助實(shí)時(shí)調(diào)整和任務(wù)分配平衡，實(shí)現(xiàn)了高效的資源分配，為計(jì)算機(jī)構(gòu)提供了堅(jiān)實(shí)的技術(shù)后盾。