算力调度路径确定方法及装置、存储介质及电子设备

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种算力调度路径确定方法、算力调度路径确定装置、计算机可读存储介质及电子设备。

背景技术

算力网络是一种基于业务需求的新型信息基础设施，它实现了计算资源、存储资源和网络资源在云端、边缘端和网络中的按需分配和灵活调度。在算力网络框架下，各种类型的算力设备可以被动态调度和利用，形成一条从供给侧到用户侧的计算网络。这种计算网络具有高度的弹性和可扩展性，可以根据不同业务的需求，实时分配和管理计算资源，从而提供更加高效和灵活的服务。同时，算力网络也能够支持多种应用场景，包括人工智能、大数据分析、物联网等，为各行各业提供强大的计算能力支持。

在相关技术中，可以基于算力网络中的多个算力节点以及算力节点之间的算力链路调度算力资源的算力调度路径，例如，可以通过算力使用场景、算力使用需求、算力设备以及算力任务等确定算力调度路径。然而，相关技术中的方案，未考虑算力调度中的经济成本，使得算力资源调度的效率较低。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种算力调度路径确定方法及算力调度路径确定装置、计算机可读存储介质及电子设备，可以解决相关技术中算力资源调度的效率较低的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供了一种算力调度路径确定方法，包括：获取算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，基于算力节点以及算力链路确定算力调度拓扑结构；获取多个算力指标以及各算力指标对应的影响因素系数，获取算力调度任务的实际处理时间；根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量；其中，算力影响变量为影响算力调度任务的调度成本的变量；在多个算力影响变量中确定多个算力主成分，基于多个算力主成分确定执行算力调度任务的调度成本；根据调度成本确定算力调度任务对应的最优算力调度路径。

在本公开的一种示例性实施例中，基于前述方案，算力调度任务的实际处理时间中包括算力调度任务的传输时间，方法还包括：获取算力调度任务对应的传输速率，获取算力调度任务对应的传输时间间隔；根据传输速率以及传输时间间隔确定算力调度任务对应的传输数据量；根据传输数据量以及传输速率确定算力调度任务的传输时间。

在本公开的一种示例性实施例中，基于前述方案，在多个算力影响变量中确定多个算力主成分，包括：根据多个算力影响变量确定影响变量维度，基于影响变量维度确定算力影响变量协差阵；基于算力影响变量协差阵得到多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值；根据多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值在多个算力影响变量中确定多个算力主成分。

在本公开的一种示例性实施例中，基于前述方案，根据多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值在多个算力影响变量中确定多个算力主成分，包括：根据各变量特征向量的特征值对各变量特征向量进行排序得到排序结果；根据各变量特征向量的特征值确定各变量特征向量的贡献率；根据排序结果以及各变量特征向量的贡献率在多个算力影响变量中确定多个算力主成分。

在本公开的一种示例性实施例中，基于前述方案，根据排序结果以及各变量特征向量的贡献率在多个算力影响变量中确定多个算力主成分，包括：根据排序结果中变量特征向量的顺序对变量特征向量的贡献率进行叠加得到贡献率总和；在贡献率总和大于或等于预设阈值时，获取贡献率总和对应的多个目标变量特征向量，将多个目标变量特征向量对应的算力影响变量确定为算力主成分。

在本公开的一种示例性实施例中，基于前述方案，根据调度成本确定算力调度任务对应的最优算力调度路径，包括：根据算力调度拓扑结构确定多个随机解，基于粒子群优化算法在多个随机解中确定算力调度任务的初始解；其中，随机解用于指示算力调度任务的候选算力调度路径，初始解用于指示初始算力调度路径；根据调度成本对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径。

在本公开的一种示例性实施例中，基于前述方案，根据调度成本对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径，包括：基于调度成本以及最短路径计算方法确定算力调度拓扑结构对应的验证算力调度路径；根据验证算力调度路径对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径。

根据本公开的第二方面，提供了一种算力调度路径确定装置，包括：拓扑结构确定模块，用于获取算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，基于算力节点以及算力链路确定算力调度拓扑结构；处理时间获取模块，用于获取多个算力指标以及各算力指标对应的影响因素系数，获取算力调度任务的实际处理时间；影响变量确定模块，用于根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量；其中，算力影响变量为影响算力调度任务的调度成本的变量；调度成本确定模块，用于在多个算力影响变量中确定多个算力主成分，基于多个算力主成分确定执行算力调度任务的调度成本；调度路径确定模块，用于根据调度成本确定算力调度任务对应的最优算力调度路径。

根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现如上述实施例中第一方面的算力调度路径确定方法。

根据本公开的第四方面，提供了一种电子设备，包括：

处理器；以及

存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上述实施例中第一方面的算力调度路径确定方法。

本公开实施例提供的技术方案可以包括以下有益效果：

本公开的一种实施例提供的算力调度路径确定方法中，可以获取算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，基于算力节点以及算力链路确定算力调度拓扑结构，获取多个算力指标以及各算力指标对应的影响因素系数，获取算力调度任务的实际处理时间，根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量，在多个算力影响变量中确定多个算力主成分，基于多个算力主成分确定执行算力调度任务的调度成本，根据调度成本确定算力调度任务对应的最优算力调度路径。本公开的方案，能够通在多个算力影响变量中确定多个算力主成分，能够对算力影响变量进行降维，并基于算力主成分确定算力调度任务的调度成本，从而更合理的分析算力调度任务的调度成本与算力影响变量之间的关系，以此确定出最优算力调度路径，充分考虑了算力资源调度的成本，进而提升了算力资源调度的效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示意性示出了可以应用本公开实施例的一种算力调度路径确定方法的示例性系统架构的示意图；

图2示意性示出本公开示例性实施例中算力调度路径确定方法的流程图；

图3示意性示出本公开示例性实施例中根据传输数据量以及传输速率确定算力调度任务的传输时间的流程图；

图4示意性示出本公开示例性实施例中根据多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值在多个算力影响变量中确定多个算力主成分的流程图；

图5示意性示出本公开示例性实施例中根据排序结果以及各变量特征向量的贡献率在多个算力影响变量中确定多个算力主成分的流程图；

图6示意性示出本公开示例性实施例中将多个目标变量特征向量对应的算力影响变量确定为算力主成分的流程图；

图7示意性示出本公开示例性实施例中根据调度成本对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径的流程图；

图8示意性示出本公开示例性实施例中确定初始算力调度路径为最优算力调度路径的流程图；

图9示意性示出本公开示例性实施例中一种算力调度路径确定装置的组成示意图；

图10示意性示出了适于用来实现本公开示例性实施例的电子设备的计算机系统的结构示意图。

具体实施方式

现在将参照附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

图1示出了可以应用本公开实施例的算力调度路径确定方法的示例性系统架构的示意图。

如图1所示，系统架构1000可以包括终端设备1001、1002、1003中的一种或多种，网络1004和服务器1005。网络1004用以在终端设备1001、1002、1003和服务器1005之间提供通信链路的介质。网络1004可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器1005可以是多个服务器组成的服务器集群等。

用户可以使用终端设备1001、1002、1003通过网络1004与服务器1005交互，以接收或发送消息等。终端设备1001、1002、1003可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、便携式计算机和台式计算机等等。另外，服务器1005可以是提供各种服务的服务器。

在一种实施例中，本公开的算力调度路径确定方法的执行主体可以是服务器1005的实施例中，服务器1005可以获取由终端设备1001、1002、1003发送的算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，基于算力节点以及算力链路确定算力调度拓扑结构，获取多个算力指标以及各算力指标对应的影响因素系数，获取算力调度任务的实际处理时间，根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量，在多个算力影响变量中确定多个算力主成分，基于多个算力主成分确定执行算力调度任务的调度成本，根据调度成本确定算力调度任务对应的最优算力调度路径，然后将处理后得到的最优算力调度路径返回至终端设备1001、1002、1003。

此外，还可以通过终端设备1001、1002、1003等执行本公开的算力调度路径确定方法，以实现获取算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，基于算力节点以及算力链路确定算力调度拓扑结构，获取多个算力指标以及各算力指标对应的影响因素系数，获取算力调度任务的实际处理时间，根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量，在多个算力影响变量中确定多个算力主成分，基于多个算力主成分确定执行算力调度任务的调度成本，根据调度成本确定算力调度任务对应的最优算力调度路径。

此外，本公开的算力调度路径确定方法的实现过程还可以由终端设备1001、1002、1003和服务器1005共同实现。例如，终端设备1001、1002、1003可以获取算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，基于算力节点以及算力链路确定算力调度拓扑结构，获取多个算力指标以及各算力指标对应的影响因素系数，获取算力调度任务的实际处理时间，然后将得到的算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、算力调度任务的实际处理时间发送给服务器1005，以使服务器1005可以根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量，在多个算力影响变量中确定多个算力主成分，基于多个算力主成分确定执行算力调度任务的调度成本，根据调度成本确定算力调度任务对应的最优算力调度路径。

算力网络是一种基于业务需求的新型信息基础设施，它实现了计算资源、存储资源和网络资源在云端、边缘端和网络中的按需分配和灵活调度。在算力网络框架下，各种类型的算力设备可以被动态调度和利用，形成一条从供给侧到用户侧的计算网络。这种计算网络具有高度的弹性和可扩展性，可以根据不同业务的需求，实时分配和管理计算资源，从而提供更加高效和灵活的服务。同时，算力网络也能够支持多种应用场景，包括人工智能、大数据分析、物联网等，为各行各业提供强大的计算能力支持。

在相关技术中，可以基于算力网络中的多个算力节点以及算力节点之间的算力链路调度算力资源的算力调度路径，例如，可以通过算力使用场景、算力使用需求、算力设备以及算力任务等确定算力调度路径。然而，相关技术中的方案，未考虑算力调度中的经济成本，使得算力资源调度的效率较低。

如图2所示，该算力调度路径确定方法可以包括以下步骤：

步骤S210，获取算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，基于算力节点以及算力链路确定算力调度拓扑结构；

步骤S220，获取多个算力指标以及各算力指标对应的影响因素系数，获取算力调度任务的实际处理时间；

步骤S230，根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量；其中，算力影响变量为影响算力调度任务的调度成本的变量；

步骤S240，在多个算力影响变量中确定多个算力主成分，基于多个算力主成分确定执行算力调度任务的调度成本；

步骤S250，根据调度成本确定算力调度任务对应的最优算力调度路径。

本公开的一种实施例提供的算力调度路径确定方法中，可以获取算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，基于算力节点以及算力链路确定算力调度拓扑结构，获取多个算力指标以及各算力指标对应的影响因素系数，获取算力调度任务的实际处理时间，根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量，在多个算力影响变量中确定多个算力主成分，基于多个算力主成分确定执行算力调度任务的调度成本，根据调度成本确定算力调度任务对应的最优算力调度路径。本公开的方案，能够通在多个算力影响变量中确定多个算力主成分，能够对算力影响变量进行降维，并基于算力主成分确定算力调度任务的调度成本，从而更合理的分析算力调度任务的调度成本与算力影响变量之间的关系，以此确定出最优算力调度路径，充分考虑了算力资源调度的成本，进而提升了算力资源调度的效率。

下面，将结合附图及实施例对本示例性实施例中的算力调度路径确定方法的步骤S210～S250进行更详细的说明。

步骤S210，获取算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，基于算力节点以及算力链路确定算力调度拓扑结构；

在本公开的一种示例实施例中，可以获取算力调度任务对应的多个算力节点以及各算力节点组成的算力链路。具体的，算力节点是指算力网络中的节点或者服务器等设备，算力节点之间可以通过算力链路直接或间接的连接起来。在确定算力调度任务之后，可以确定多个算力节点以及各算力节点组成的算力链路。

举例而言，算力节点可以包括算力调度任务的发布者、节点云、端计算单元、路由器等。

需要说明的是，本公开对于算力节点的具体类型并不做特殊限定。

在本公开的一种示例实施例中，在通过上述步骤得到算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，可以基于算力节点以及算力链路确定算力调度拓扑结构。具体的，可以基于的多个算力节点以及各算力节点组成的算力链路构建算力调度拓扑结构，该算力调度拓扑结构可以用于指示各算力节点之间的连接方式。

举例而言，可以基于算力节点以及算力链路构建无向图G(D,E)(算力调度拓扑结构)，其中，D表示算力节点的集合，E表示各算力节点之间的算力链路的集合，例如，D包括算力任务的发布者Du，节点云Dc，边节点De，端计算单元Dm，即Du、Dc、De、Dm、Dr∈D。

步骤S220，获取多个算力指标以及各算力指标对应的影响因素系数，获取算力调度任务的实际处理时间；

在本公开的一种示例实施例中，在通过上述步骤得到算力调度拓扑结构之后，可以获取多个算力指标以及各算力指标对应的影响因素系数。具体的，算力指标可以用于指示算力相关性能。

在本公开的一种示例实施例中，算力指标可以包括通用算力指标、智能算力指标、算效指标、存储指标以及网络指标。各算力指标分别对应有影响因素系数，影响因素系数可以用于指示该影响因素系数对应算力指标对算力相关性能的影响大小。

具体的，通用算力指标可以用于指示通用算力水平；智能算力指标可以用于指示智能算力水平。例如，智能算力指标可以用于描述深度学习、图形渲染等计算能力；算效指标是指将算力与功耗结合，用于评价数据中心计算效果的指标，是同时考虑数据中心计算性能与功耗的指标，例如，算力供给节点的算效指标可以为数据中心的算力设备每瓦功耗所产生的算力；存储指标用于指示数据存储能力，可以基于带宽、时延、存储容量、可扩展性、高并发性以及容错能力、权限管理、安全管理等确定存储指标；网络指标可以用于指示网络通信水平。

举例而言，通用算力指标被定义为“每秒浮点运算次数”(Floating-pointoperations per second，FLOPS)来评估数据中心的通用算力，通用算力主要是基于CPU(Central Processing Unit computing power，中央处理器计算能力)服务器的算力水平，一般用单精度进行度量；智能算力指标可以使用“每秒浮点运算次数”(Floating-pointoperations per second，FLOPS)来评估数据中心的智能算力，为方便与通用算力比较，也可以采用单精度进行度量。

进一步的，算力指标可以包括多个子指标，各子指标分别对应有影响因素系数。

具体而言，通用算力指标可以用于指示服务器内存指标、图形处理器算力指标以及中央处理器算力指标。

举例而言，算力调度任务i的通用算力指标I

I

网络指标用于指示地理距离指标、网络性能指标以及网络硬件基础设施指标。

举例而言，算力调度任务i的网络指标R

R

算效指标可以用于指示服务器功耗硬件指标、网络功耗基础设施条件指标以及算力指标；

举例而言，算力调度任务i的算效指标T

T

智能算力指标可以用于指示深度学习智能算力指标以及高精度仿真指标。

举例而言，算力调度任务i的智能算力指标E

E

存储指标用于指示存储系统性能指标、存储容量指标以及存储系统硬件指标；

举例而言，算力调度任务i的存储指标S

S

在本公开的一种示例实施例中，在通过上述步骤得到多个算力指标以及各算力指标对应的影响因素系数，可以获取算力调度任务的实际处理时间。具体的，算力调度任务的实际处理时间可以包括多种类型的时间。例如，可以包括算力调度任务的传输时间、算力调度任务的处理时间、算力调度任务的损耗时间、算力调度任务的延迟时间等。

举例而言，算力调度任务的实际处理时间t

t实

需要说明的是，本公开对于获取算力调度任务的实际处理时间的具体方式并不做特殊限定。

步骤S230，根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量；其中，算力影响变量为影响算力调度任务的调度成本的变量；

在本公开的一种示例实施例中，在通过上述步骤得到算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间之后，可以基于算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量确定多个算力影响变量。其中，算力影响变量为影响算力调度任务的调度成本的变量。具体的，可以基于算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间建立该多个对象与算力调度任务的调度成本的相关关系，并基于该相关关系确定多个算力影响变量。

举例而言，基于上述内容可知，算力调度拓扑结构与上述多个算力指标具有相关性，因此，算力调度拓扑结构与多个算力指标的关系表达如下，其中，G(D,E),(Du，Dc，De，Dm，Dr)用于指示算力调度拓扑结构，K为常数，k’表示为(I

X

t

则，可以基于算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间建立该多个对象与算力调度任务的调度成本Z

Z

在此相关关系中，包括多个会对算力调度任务的调度成本造成影响的变量，因此，可以将该些变量确定为算力影响变量。

需要说明的是，本公开对于根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量的具体方式并不做特殊限定。

步骤S240，在多个算力影响变量中确定多个算力主成分，基于多个算力主成分确定执行算力调度任务的调度成本；

在本公开的一种示例实施例中，在通过上述步骤得到多个算力影响变量之后，可以在多个算力影响变量中确定多个算力主成分。具体的，在多个算力影响变量中，各算力影响变量对算力调度任务的调度成本造成影响的程度不同，因此，可以在多个算力影响变量中确定多个算力主成分，该多个算力主成分对于算力调度任务的调度成本造成的影响较大。具体的，可以对比多个算力影响变量对于算力调度任务的调度成本造成的影响程度，并基于各算力影响变量对于算力调度任务的调度成本造成的影响程度确定在多个算力影响变量中确定预设数量的算力主成分。

需要说明的是，本公开对于在多个算力影响变量中确定多个算力主成分的具体方式并不做特殊限定。

在本公开的一种示例实施例中，在通过上述步骤得到多个算力主成分之后，可以基于多个算力主成分确定执行算力调度任务的调度成本。具体的，在计算执行算力调度任务的调度成本时，不再考虑多个算力影响变量中的非算力主成分，仅通过算力主成分计算算力调度任务的调度成本。

举例而言，多个算力影响变量中包括算力调度任务的实际处理时间t

需要说明的是，本公开对于基于多个算力主成分确定执行算力调度任务的调度成本的具体方式并不做特殊限定。

步骤S250，根据调度成本确定算力调度任务对应的最优算力调度路径。

在本公开的一种示例实施例中，在通过上述步骤得到执行算力调度任务的调度成本之后，可以根据调度成本确定算力调度任务对应的最优算力调度路径。具体的，可以在考虑成本因素的前提下，选择合适的最优算力调度路径来实现算力资源的有效分配，实现最佳的经济效益以及资源利用效益。

在本公开的一种示例实施例中，在根据调度成本确定算力调度任务对应的最优算力调度路径时，可以基于算力调度拓扑结构确定多个待选算力调度路径，并计算基于各待选算力调度路径执行算力调度任务时的调度成本，并基于各待选算力调度路径执行算力调度任务时的调度成本确定算力调度任务对应的最优算力调度路径。具体而言，可以将调度成本最低的待选算力调度路径确定为最优算力调度路径。

需要说明的是，本公开对于根据调度成本确定算力调度任务对应的最优算力调度路径的具体方式并不做特殊限定。

在本公开的一种示例实施例中，可以获取算力调度任务对应的传输速率，获取算力调度任务对应的传输时间间隔，根据传输速率以及传输时间间隔确定算力调度任务对应的传输数据量，根据传输数据量以及传输速率确定算力调度任务的传输时间。参照图3所示，根据传输数据量以及传输速率确定算力调度任务的传输时间，可以包括以下步骤S310～S330：

步骤S310，获取算力调度任务对应的传输速率，获取算力调度任务对应的传输时间间隔；

步骤S320，根据传输速率以及传输时间间隔确定算力调度任务对应的传输数据量；

在本公开的一种示例实施例中，可以获取算力调度任务对应的传输速率，获取算力调度任务对应的传输时间间隔。具体的，算力调度任务对应的传输速率可以用于指示单位时间内算力的传输速率，算力调度任务对应的传输时间间隔可以用于指示单位窗口内算力传输的实际时间。在获取算力调度任务对应的传输速率以及算力调度任务对应的传输时间间隔之后，可以根据传输速率以及传输时间间隔确定算力调度任务对应的传输数据量。

具体而言，单位时间t内算力调度任务对应的传输数据量d

d

其中，对于任意算力链路中，应同时考虑当前算力链路下任意时间t

v

步骤S330，根据传输数据量以及传输速率确定算力调度任务的传输时间。

在本公开的一种示例实施例中，在通过上述内容得到算力调度任务对应的传输数据量之后，可以根据传输数据量以及传输速率确定算力调度任务的传输时间。具体的，可以采用传输数据量与传输速率的比值确定算力调度任务的传输时间。

举例而言，单位时间t内算力调度任务对应的传输数据量d

t

需要说明的是，本公开对于根据传输数据量以及传输速率确定算力调度任务的传输时间的具体方式并不做特殊限定。

进一步的，在通过上述步骤得到算力调度任务对应的传输数据量之后，可以获取算力调度任务对应的计算资源，并基于算力调度任务对应的计算资源与算力调度任务对应的传输数据量确定关于算力调度任务的二元组。举例而言，单位时间t内算力调度任务对应的传输数据量d

{c

在算力调度任务在传输过程中，由于传输速率及宽带等原因会产生传输队列堆积。举例而言，其中，t时刻的传输队列堆积为J

J

通过上述步骤S310～S330，可以获取算力调度任务对应的传输速率，获取算力调度任务对应的传输时间间隔，根据传输速率以及传输时间间隔确定算力调度任务对应的传输数据量，根据传输数据量以及传输速率确定算力调度任务的传输时间。

在本公开的一种示例实施例中，可以根据多个算力影响变量确定影响变量维度，基于影响变量维度确定算力影响变量协差阵，基于算力影响变量协差阵得到多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值，根据多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值在多个算力影响变量中确定多个算力主成分。参照图4所示，根据多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值在多个算力影响变量中确定多个算力主成分，可以包括以下步骤S410～S430：

步骤S410，根据多个算力影响变量确定影响变量维度，基于影响变量维度确定算力影响变量协差阵；

在本公开的一种示例实施例中，在通过上述步骤得到多个算力影响变量之后，可以根据多个算力影响变量确定影响变量维度，并基于影响变量维度确定算力影响变量协差阵。具体的，影响变量维度可以用于指示算力影响变量的数量。算力影响变量协差阵可以包括协方差阵，协方差阵可以用于衡量多个算力影响变量之间关系的矩阵，可以用于指示多个算力影响变量之间的线性相关性和方差的分布情况。

举例而言，可以确定基于影响变量维度N

X

需要说明的是，本公开对于基于影响变量维度确定算力影响变量协差阵的具体方式并不做特殊限定。

步骤S420，基于算力影响变量协差阵得到多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值；

在本公开的一种示例实施例中，在通过上述步骤得到算力影响变量协差阵之后，可以基于算力影响变量协差阵得到多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值。具体的，在得到算力影响变量协差阵之后，可以对算力影响变量协差阵进行特征值分解。特征值分解是将方阵分解为特征向量和特征值的过程，并从特征值分解中获得特征向量和特征值。

需要说明的是，本公开对于基于算力影响变量协差阵得到多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值的具体方式并不做特殊限定。

步骤S430，根据多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值在多个算力影响变量中确定多个算力主成分。

在本公开的一种示例实施例中，在通过上述步骤得到多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值之后，可以根据多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值在多个算力影响变量中确定多个算力主成分。具体的，各变量特征向量的特征值可以用于指示各变量特征向量对应的算力影响变量的重要性和相对贡献，可以基于各变量特征向量对应的重要性和相对贡献在多个算力影响变量中确定多个算力主成分。

需要说明的是，本公开对于根据多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值在多个算力影响变量中确定多个算力主成分的具体方式并不做特殊限定。

在本公开的一种示例实施例中，可以根据各变量特征向量的特征值对各变量特征向量进行排序得到排序结果，根据各变量特征向量的特征值确定各变量特征向量的贡献率，根据排序结果以及各变量特征向量的贡献率在多个算力影响变量中确定多个算力主成分。参照图5所示，根据排序结果以及各变量特征向量的贡献率在多个算力影响变量中确定多个算力主成分，可以包括以下步骤S510～S530：

步骤S510，根据各变量特征向量的特征值对各变量特征向量进行排序得到排序结果；

在本公开的一种示例实施例中，在通过上述步骤得到多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值之后，可以根据各变量特征向量的特征值对各变量特征向量进行排序得到排序结果。具体的，各变量特征向量的特征值可以用于指示各变量特征向量对应的算力影响变量的重要性和相对贡献，可以基于变量特征向量的特征值的数值大小对各变量特征向量进行排序得到排序结果。例如，可以按照变量特征向量的特征值的数值从大到小的顺序对各变量特征向量进行排序得到排序结果。

举例而言，可以根据多个算力影响变量确定影响变量维度为N

进一步的，可以基于各变量特征向量的特征值对各变量特征向量(T1、T2、...T

Z

需要说明的是，本公卡对于根据各变量特征向量的特征值对各变量特征向量进行排序得到排序结果的具体方式并不做特殊限定。

步骤S520，根据各变量特征向量的特征值确定各变量特征向量的贡献率；

在本公开的一种示例实施例中，在通过上述步骤得到各变量特征向量的特征值之后，可以根据各变量特征向量的特征值确定各变量特征向量的贡献率。具体的，各变量特征向量的特征值可以用于指示各变量特征向量对应的算力影响变量的重要性和相对贡献，即可以通过各变量特征向量的特征值确定各变量特征向量的贡献率。具体而言，变量特征向量的贡献率越大，该变量特征向量所保存及影响的数据信息越多。

举例而言，算力调度任务i可以表示为Y

G

需要说明的是，本公开对于根据各变量特征向量的特征值确定各变量特征向量的贡献率的具体方式并不做特殊限定。

步骤S530，根据排序结果以及各变量特征向量的贡献率在多个算力影响变量中确定多个算力主成分。

在本公开的一种示例实施例中，在通过上述步骤得到各变量特征向量的贡献率之后，可以根据排序结果以及各变量特征向量的贡献率在多个算力影响变量中确定多个算力主成分。具体的，可以同时参考排序结果以及各变量特征向量的贡献率在多个算力影响变量中确定多个算力主成分。

举例而言，可以按照变量特征向量的特征值的数值从大到小的顺序对各变量特征向量进行排序得到排序结果，并计算各变量特征向量的贡献率，可以将排序结果中前50％且贡献率大于20％的变量特征向量确定为算力主成分。

需要说明的是，本公开对于根据排序结果以及各变量特征向量的贡献率在多个算力影响变量中确定多个算力主成分的具体方式并不做特殊限定。

通过上述步骤S510～S530，可以根据各变量特征向量的特征值对各变量特征向量进行排序得到排序结果，根据各变量特征向量的特征值确定各变量特征向量的贡献率，根据排序结果以及各变量特征向量的贡献率在多个算力影响变量中确定多个算力主成分。

在本公开的一种示例实施例中，可以根据排序结果中变量特征向量的顺序对变量特征向量的贡献率进行叠加得到贡献率总和，在贡献率总和大于或等于预设阈值时，获取贡献率总和对应的多个目标变量特征向量，将多个目标变量特征向量对应的算力影响变量确定为算力主成分。参照图6所示，将多个目标变量特征向量对应的算力影响变量确定为算力主成分，可以包括以下步骤S610～S620：

步骤S610，根据排序结果中变量特征向量的顺序对变量特征向量的贡献率进行叠加得到贡献率总和；

步骤S620，在贡献率总和大于或等于预设阈值时，获取贡献率总和对应的多个目标变量特征向量，将多个目标变量特征向量对应的算力影响变量确定为算力主成分。

在本公开的一种示例实施例中，在通过上述得到排序结果以及各变量特征向量的贡献率之后，可以根据排序结果中变量特征向量的顺序对变量特征向量的贡献率进行叠加得到贡献率总和。具体的，可以按照排序结果依次叠加变量特征向量的贡献率，得到本次叠加的贡献率总和，当某次叠加完成后贡献率总和大于或等于预设阈值时，表示当前叠加的多个贡献率对应的多个变量特征向量已经能够反应大部分信息，以及已经将大部分能够体现重要性和相对贡献的多个变量特征向量所包含，因此，可以将该些变量特征向量确定为目标变量特征向量，并获取目标变量特征向量对应的算力影响变量，并将该些算力影响变量确定为算力主成分。

需要说明的是，本公开对于预设阈值的具体数值并不做特殊限定。

举例而言，可以根据排序结果中变量特征向量的顺序对变量特征向量的贡献率进行叠加得到贡献率总和G

G

例如，当大于或等于80％，则认为排序结果中前q个变量特征向量能够较好的保留信息，因此，可以将该q个变量特征向量确定为目标变量特征向量，并将多个目标变量特征向量对应的算力影响变量确定为算力主成分。

通过上述步骤S610～S620，可以根据排序结果中变量特征向量的顺序对变量特征向量的贡献率进行叠加得到贡献率总和，在贡献率总和大于或等于预设阈值时，获取贡献率总和对应的多个目标变量特征向量，将多个目标变量特征向量对应的算力影响变量确定为算力主成分。

在本公开的一种示例实施例中，可以根据算力调度拓扑结构确定多个随机解，基于粒子群优化算法在多个随机解中确定算力调度任务的初始解，根据调度成本对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径。参照图7所示，根据调度成本对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径，可以包括以下步骤S710～S720：

步骤S710，根据算力调度拓扑结构确定多个随机解，基于粒子群优化算法在多个随机解中确定算力调度任务的初始解；

在本公开的一种示例实施例中，在通过上述步骤得到算力调度拓扑结构之后，可以基于算力调度拓扑结构确定多个随机解，并基于粒子群优化算法在多个随机解中确定算力调度任务的初始解。其中，随机解用于指示算力调度任务的候选算力调度路径，初始解用于指示初始算力调度路径。具体的，粒子群优化算法是一种基于仿生学的优化算法，灵感来源于鸟群或鱼群等生物的集体行为。它通过模拟个体在搜索空间中的移动来寻找最优解。粒子群优化算法的核心思想是将问题的解空间看作是一个多维空间中的点，并通过一群“粒子”在这个空间中进行搜索。每个粒子都有自己的位置和速度，并根据自身经验和群体经验来更新自己的位置和速度。算法的目标是使粒子群的整体适应度函数值不断优化，直到达到最优解或者满足停止条件为止。

具体而言，多个随机解即为多个候选算力调度路径，可以把这些候选算力调度路径作为n个随机粒子(即随机解)，然后通过粒子群优化算法迭代找到最优解。在每一次的迭代中，粒子(随机解，即候选算力调度路径)通过跟踪两个极值进行更新。在找到这两个极值后，粒子可以更新速度(算力调度速率)和位置(算力调度所在位置)，其符合如下公式：

v

w

W

其中，pbest

(gbest

需要说明的是，本公开对于基于粒子群优化算法在多个随机解中确定算力调度任务的初始解的具体方式并不做特殊限定。

步骤S720，根据调度成本对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径。

在本公开的一种示例实施例中，在通过上述步骤得到算力调度任务的初始解之后，可以根据调度成本对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径。具体的，可以基于执行算力调度任务的调度成本对初始算力调度路径进行验证，例如，可以计算执行算力调度任务的最小调度成本，并确定通过初始算力调度路径执行算力调度任务的调度成本是否与执行算力调度任务的最小调度成本相同，若相同，则确定初始算力调度路径为最优算力调度路径。

需要说明的是，本公开对于根据调度成本对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径的具体方式并不做特殊限定。

通过上述步骤S710～S720，可以根据算力调度拓扑结构确定多个随机解，基于粒子群优化算法在多个随机解中确定算力调度任务的初始解，根据调度成本对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径。

在本公开的一种示例实施例中，可以基于调度成本以及最短路径计算方法确定算力调度拓扑结构对应的验证算力调度路径，根据验证算力调度路径对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径。参照图8所示，确定初始算力调度路径为最优算力调度路径，可以包括以下步骤S810～S820：

步骤S810，基于调度成本以及最短路径计算方法确定算力调度拓扑结构对应的验证算力调度路径；

步骤S820，基于调度成本以及验证算力调度路径对初始算力调度路径进行双重验证，以确定初始算力调度路径为最优算力调度路径。

在本公开的一种示例实施例中，可以基于调度成本以及最短路径计算方法确定算力调度拓扑结构对应的验证算力调度路径。具体的，最短路径计算方法可以包括迪杰斯特拉算法(Dijkstra算法)。

在本公开的一种示例实施例中，Dijkstra算法是一种用于解决单源最短路径问题的算法，能够找到从一个起始节点到图中所有其他节点的最短路径。Dijkstra算法路径更新过程中，需要将图中的节点分为两个集合：已知节点和未知节点，所有已知节点集中的节点的最短路径都是要小于未知节点的，所有节点是按照最短路径的的长度升序遍历。基于Dijkstra算法，可以计算算力调度拓扑结构对应的验证算力调度路径。

具体而言，可以按照最短路径的大小对节点进行升序排列(起点到自身的最短路径长度视为0)，已知前n个节点，那第n+1个节点(记为m)的最短路径一定是由前n个节点中的一个或多个组成的。假设m节点的最短路径中存在节点x不在前n个节点中，那么节点x的最短路径一定会小于节点m，那节点m就不是第n+1个节点，两者矛盾，节点x是不存在的。因此，如果一个未知节点和前n个节点有连接，通过这些连接关系递推得到的路径比其他未知节点都短，那这个路径就是该节点的最短路径。

在本公开的一种示例实施例中，可以基于调度成本以及最短路径计算方法确定算力调度拓扑结构对应的验证算力调度路径，根据验证算力调度路径对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径，即可以对初始算力调度路径进行双重验证，以确定初始算力调度路径为最优算力调度路径。

具体而言，可以将初始算力调度路径下的调度成本赋值后，通过对调度成本的赋值运用Dijkstra最短路径算法确定算力调度拓扑结构对应的验证算力调度路径，并判断初始算力调度路径与验证算力调度路径是否相同，若相同，则确定初始算力调度路径为最优算力调度路径。

通过上述步骤S810～S820，可以基于调度成本以及最短路径计算方法确定算力调度拓扑结构对应的验证算力调度路径，根据验证算力调度路径对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径。

本公开的一种实施例提供的算力调度路径确定方法中，可以获取算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，基于算力节点以及算力链路确定算力调度拓扑结构，获取多个算力指标以及各算力指标对应的影响因素系数，获取算力调度任务的实际处理时间，根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量，在多个算力影响变量中确定多个算力主成分，基于多个算力主成分确定执行算力调度任务的调度成本，根据调度成本确定算力调度任务对应的最优算力调度路径。本公开的方案，能够通在多个算力影响变量中确定多个算力主成分，能够对算力影响变量进行降维，并基于算力主成分确定算力调度任务的调度成本，从而更合理的分析算力调度任务的调度成本与算力影响变量之间的关系，以此确定出最优算力调度路径，充分考虑了算力资源调度的成本，进而提升了算力资源调度的效率。

需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

此外，在本公开的示例性实施方式中，还提供了一种算力调度路径确定装置。参照图9所示，一种算力调度路径确定装置900包括：拓扑结构确定模块910，处理时间获取模块920、影响变量确定模块930、调度成本确定模块940、调度路径确定模块950。

其中，拓扑结构确定模块，用于获取算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，基于算力节点以及算力链路确定算力调度拓扑结构；处理时间获取模块，用于获取多个算力指标以及各算力指标对应的影响因素系数，获取算力调度任务的实际处理时间；影响变量确定模块，用于根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量；其中，算力影响变量为影响算力调度任务的调度成本的变量；调度成本确定模块，用于在多个算力影响变量中确定多个算力主成分，基于多个算力主成分确定执行算力调度任务的调度成本；调度路径确定模块，用于根据调度成本确定算力调度任务对应的最优算力调度路径。

在本公开的一种示例性实施例中，基于前述方案，算力调度任务的实际处理时间中包括算力调度任务的传输时间，装置还包括：传输速率获取单元，用于获取算力调度任务对应的传输速率，获取算力调度任务对应的传输时间间隔；传输数据量获取单元，用于根据传输速率以及传输时间间隔确定算力调度任务对应的传输数据量；传输时间获取单元，用于根据传输数据量以及传输速率确定算力调度任务的传输时间。

在本公开的一种示例性实施例中，基于前述方案，在多个算力影响变量中确定多个算力主成分，装置还包括：影响变量维度确定单元，用于根据多个算力影响变量确定影响变量维度，基于影响变量维度确定算力影响变量协差阵；特征值确定单元，用于基于算力影响变量协差阵得到多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值；第一算力主成分确定单元，用于根据多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值在多个算力影响变量中确定多个算力主成分。

在本公开的一种示例性实施例中，基于前述方案，根据多个算力影响变量对应的变量特征向量以及各变量特征向量的特征值在多个算力影响变量中确定多个算力主成分，装置还包括：排序结果获取单元，用于根据各变量特征向量的特征值对各变量特征向量进行排序得到排序结果；贡献率获取单元，用于根据各变量特征向量的特征值确定各变量特征向量的贡献率；第二算力主成分确定单元，用于根据排序结果以及各变量特征向量的贡献率在多个算力影响变量中确定多个算力主成分。

在本公开的一种示例性实施例中，基于前述方案，根据排序结果以及各变量特征向量的贡献率在多个算力影响变量中确定多个算力主成分，装置还包括：贡献率叠加单元，用于根据排序结果中变量特征向量的顺序对变量特征向量的贡献率进行叠加得到贡献率总和；第三算力主成分确定单元，用于在贡献率总和大于或等于预设阈值时，获取贡献率总和对应的多个目标变量特征向量，将多个目标变量特征向量对应的算力影响变量确定为算力主成分。

在本公开的一种示例性实施例中，基于前述方案，根据调度成本确定算力调度任务对应的最优算力调度路径，装置还包括：初始解获取单元，用于根据算力调度拓扑结构确定多个随机解，基于粒子群优化算法在多个随机解中确定算力调度任务的初始解；其中，随机解用于指示算力调度任务的候选算力调度路径，初始解用于指示初始算力调度路径；第一验证单元，用于根据调度成本对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径。

在本公开的一种示例性实施例中，基于前述方案，根据调度成本对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径，装置还包括：验证算力调度路径确定单元，用于基于调度成本以及最短路径计算方法确定算力调度拓扑结构对应的验证算力调度路径；第二验证单元，用于根据验证算力调度路径对初始算力调度路径进行验证，以确定初始算力调度路径为最优算力调度路径。

由于本公开的示例实施例的算力调度路径确定装置的各个功能模块与上述算力调度路径确定方法的示例实施例的步骤对应，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的算力调度路径确定方法的实施例。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，在本公开的示例性实施例中，还提供了一种能够实现上述算力调度路径确定方法的电子设备。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。

下面参照图10来描述根据本公开的这种实施例的电子设备1000。图10显示的电子设备1000仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030、显示单元1040。

其中，存储单元存储有程序代码，程序代码可以被处理单元1010执行，使得处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。例如，处理单元1010可以执行如图2中所示的步骤S210，获取算力调度任务对应的多个算力节点以及各算力节点组成的算力链路，基于算力节点以及算力链路确定算力调度拓扑结构；步骤S220，获取多个算力指标以及各算力指标对应的影响因素系数，获取算力调度任务的实际处理时间；步骤S230，根据算力调度拓扑结构、多个算力指标以及各算力指标对应的影响因素系数、实际处理时间确定多个算力影响变量；其中，算力影响变量为影响算力调度任务的调度成本的变量；步骤S240，在多个算力影响变量中确定多个算力主成分，基于多个算力主成分确定执行算力调度任务的调度成本；步骤S250，根据调度成本确定算力调度任务对应的最优算力调度路径。

又如，电子设备可以实现如图2所示的各个步骤。

存储单元1020可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)1021和/或高速缓存存储单元1022，还可以进一步包括只读存储单元(ROM)1023。

存储单元1020还可以包括具有一组(至少一个)程序模块1025的程序/实用工具1024，这样的程序模块1025包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1030可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1000也可以与一个或多个外部设备1070(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且，电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者设备等)执行根据本公开实施例的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。