集群作业的调度方法、装置、设备和存储介质

技术领域

本发明涉及计算机技术领域，特别涉及一种集群作业的调度方法、装置、设备和存储介质。

背景技术

由管理节点和多个计算节点组成的计算机集群(以下简称集群)，是目前常用的一种作业处理系统，集群的用户可以向管理节点发送作业，然后管理节点通过作业队列将收到的作业分配给计算节点运行，计算节点运行结束后，管理节点再向用户反馈作业的运行结果。

现有技术中，管理节点仅通过一个作业队列分配作业，并且无法自动识别集群中的异常作业，一方面导致大量作业拥堵在同一作业队列中，无法及时分配给计算节点运行，另一方面集群中的异常作业也会大量消耗集群的资源，使得集群可运行的作业量减少。

因此，当有大量作业需要运行时，现有集群的运行效率较低。

发明内容

针对上述现有技术存在的问题，本申请提供一种集群作业的调度方法、装置、设备和存储介质，以提高集群运行作业的效率。

本申请第一方面提供一种集群作业的调度方法，包括：

作业分配过程：

在收到待处理作业后，获得所述待处理作业的作业信息；其中，所述作业信息包括作业类别，作业重要程度和作业数据量；

利用预先构建的作业分类模型分析所述待处理作业的作业信息，得到所述待处理作业的优先级评分；其中，所述作业分类模型利用预设的历史时间段内收到的多个作业的作业信息构建；

根据所述待处理作业的优先级评分，在多个作业队列中确定出一个目标作业队列；

通过所述目标作业队列将所述待处理作业分配至计算机集群中的计算节点，使所述计算节点运行所述待处理作业；

作业回收过程：

获得运行中作业的累计运行时间和内存使用指标；其中，所述运行中作业，指代集群中正在运行的作业；

根据所述运行中作业的累计运行时间和内存使用指标判断所述运行中作业是否符合异常作业条件；其中，所述异常作业条件包括，所述运行中作业的累计运行时间大于所述运行中作业的时间阈值，且所述运行中作业的内存使用指标大于内存使用阈值；

若所述运行中作业符合所述异常作业条件，终止符合所述异常作业条件的运行中作业，并回收符合所述异常作业条件的运行中作业所占用资源。

可选的，所述获得所述待处理作业的作业信息，包括：

读取所述待处理作业所携带的作业类别和作业重要程度；

计算所述待处理作业所携带的作业数据的数据量，得到所述待处理作业的作业数据量。

可选的，所述根据所述待处理作业的优先级评分，在多个作业队列中确定出一个目标作业队列，包括：

确定所述待处理作业的优先级评分所属评分区间；

将多个作业队列中，与所述待处理作业的优先级评分所属评分区间对应的作业队列，确定为目标作业队列；其中，每一个所述作业队列均预先设置有一个对应的评分区间。

可选的，所述终止符合所述异常作业条件的运行中作业，并回收符合所述异常作业条件的运行中作业所占用资源，包括：

将符合所述异常作业条件的运行中作业所属计算节点确定为目标计算节点；

向所述目标计算节点发送作业终止命令，使所述目标计算节点关闭用于运行符合所述异常作业条件的运行中作业的线程，并使所述目标计算节点删除符合所述异常作业条件的运行中作业的数据。

本申请第二方面提供一种集群作业的调度装置，包括：

第一获得单元，用于在收到待处理作业后，获得所述待处理作业的作业信息；其中，所述作业信息包括作业类别，作业重要程度和作业数据量；

分析单元，用于利用预先构建的作业分类模型分析所述待处理作业的作业信息，得到所述待处理作业的优先级评分；其中，所述作业分类模型利用预设的历史时间段内收到的多个作业的作业信息构建；

确定单元，用于根据所述待处理作业的优先级评分，在多个作业队列中确定出一个目标作业队列；

分配单元，用于通过所述目标作业队列将所述待处理作业分配至计算机集群中的计算节点，使所述计算节点运行所述待处理作业；

第二获得单元，用于获得运行中作业的累计运行时间和内存使用指标；其中，所述运行中作业，指代集群中正在运行的作业；

判断单元，用于根据所述运行中作业的累计运行时间和内存使用指标判断所述运行中作业是否符合异常作业条件；其中，所述异常作业条件包括，所述运行中作业的累计运行时间大于所述运行中作业的时间阈值，且所述运行中作业的内存使用指标大于内存使用阈值；

回收单元，用于若所述运行中作业符合所述异常作业条件，终止符合所述异常作业条件的运行中作业，并回收符合所述异常作业条件的运行中作业所占用资源。

可选的，所述第一获得单元获得所述待处理作业的作业信息时，具体用于：

读取所述待处理作业所携带的作业类别和作业重要程度；

计算所述待处理作业所携带的作业数据的数据量，得到所述待处理作业的作业数据量。

可选的，所述确定单元根据所述待处理作业的优先级评分，在多个作业队列中确定出一个目标作业队列时，具体用于：

确定所述待处理作业的优先级评分所属评分区间；

将多个作业队列中，与所述待处理作业的优先级评分所属评分区间对应的作业队列，确定为目标作业队列；其中，每一个所述作业队列均预先设置有一个对应的评分区间。

可选的，所述回收单元终止符合所述异常作业条件的运行中作业，并回收符合所述异常作业条件的运行中作业所占用资源时，具体用于：

将符合所述异常作业条件的运行中作业所属计算节点确定为目标计算节点；

向所述目标计算节点发送作业终止命令，使所述目标计算节点关闭用于运行符合所述异常作业条件的运行中作业的线程，并使所述目标计算节点删除符合所述异常作业条件的运行中作业的数据。

本申请第三方面提供一种计算机存储介质，用于存储计算机程序，所述计算机程序被执行时，具体用于实现本申请第一方面任意一项所提供的集群作业的调度方法。

本申请第四方面提供一种电子设备，包括存储器和处理器；

其中，所述存储器用于存储计算机程序；

所述处理器用于执行所述计算机程序，具体用于实现本申请第一方面任意一项所提供的集群作业的调度方法。

本申请提供一种集群作业的调度方法、装置、设备和存储介质，方法包括，作业分配过程，在收到待处理作业后，根据待处理作业的作业信息(包括作业类别，作业重要程度和作业数据量)分析出优先级评分，利用根据优先级评分确定的目标作业队列分配待处理作业，作业回收过程：根据运行中作业的累计运行时间和内存使用指标判断运行中作业是否符合异常作业条件；若运行中作业符合异常作业条件，终止运行中作业，并回收运行中作业的资源。本方案一方面根据作业的优先级评分划分不同作业队列，利用多个作业队列分配作业，避免大量作业拥堵，一方面及时识别异常作业并回收其资源，使集群可运行更多作业，达到提高集群的运行效率的效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的集群作业的调度方法中作业分配过程的流程图；

图2为本申请实施例提供的集群作业的调度方法中作业分配过程的示意图；

图3为本申请实施例提供的集群作业的调度方法中作业回收过程的流程图；

图4为本申请实施例提供的集群作业的用户回收管理流程的示意图；

图5为本申请实施例提供的集群作业的后台管理员回收管理流程的示意图；

图6为本申请实施例提供的集群作业的调度装置的结构示意图；

图7为本申请实施例提供的电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请所提供的集群作业的调度方法，例如可以适用于统计分析系统(Statistical Analysis System，SAS)集群，SAS集群一般设置有多个计算节点和一个管理节点，用户可以向管理节点提供待处理作业，然后管理节点将待处理作业发送给计算节点运行，从而得到待处理作业的运行结果。

SAS是一个模块化、集成化的大型应用软件系统。从1976年SAS软件研究所开始开发SAS系统至今，SAS系统以其强大的分析计算功能，用于各个领域，在各银行的大数据智能平台中也得到了广泛应用。对于银行的SAS系统而言，随着业务和数据量越来越大，使用SAS软件的人数和规模不断增加，SAS集群在处理分析脚本时的要求也不断提高。基于SAS集群部署时的特点，单个管理节点将作业分发至多个数据节点进行计算处理。由于研发环境中涉及到许多实验性质的作业，因此异常作业和低效作业是无法避免的。一方面，异常作业会占用大量计算资源，即使该作业运行过程中会占用大量内存和CPU也不会被强制停止，而是一直处于运行状态，消耗内存至整个集群不可用，另一方面，管理节点一般通过作业队列向计算节点发送作业，大量低效作业的产生会导致作业队列中存储的作业超过指定队列的作业承受数，从而造成队列拥堵，使得管理节点上的作业无法分发至计算节点，进而出现集群瘫痪。上述这些问题发生时，系统无法自动停止作业，需要系统层面手动清理回收作业，对于提交作业的业务方来说也无法将自己提交的作业完全停止回收，系统的内存空间无法自动释放。为了能够解决集群队列拥挤的情况，对单个作业进行控制，从根本上保证集群的稳定运行，迫切需要一套工具和方法，高效地分发作业，对作业进行控制。

以某银行大数据智慧平台其中一个研发平台SAS集群为例，节点数目25台，使用用户高达3000多个，该集群管理节点1台，计算节点1台，每天处理全行各大数据研发部门的研发、跑计算脚本作业的需求。如此大的使用率，一旦发生故障，则会影响大量作业和用户。为此，迫切需要一套工具，能够高效的解决作业数多，作业拥挤的情况，预防异常作业持续消耗内存的情况。

本申请提供一种集群作业的调度方法，该方法主要包括作业分配和作业回收两个过程，其中，作业分配过程用于在收到用户提供的待处理作业之后，将待处理作业分配给集群中的计算节点运行，作业回收过程则用于在计算节点运行时及时的检测出异常作业并终止异常作业。

其中，作业分配过程可以由队列自动生成工具执行，作业回收过程可以由作业控制工具执行。通过作业分配过程，本发明能够避免作业队列拥堵的情况，确保每个作业队列内的作业数量均不超过指定的上线，通过作业回收过程，本发明能够及时地终止集群中运行的异常作业并回收相应的资源，以避免影响其他正常作业的运行。

本申请任一实施例所提供的调度方法，可以在SAS 9.4M6软件，Linux Oracle7.4，RedHat6.5中执行，也可以在其他软件中执行，并不限制于上述软件和版本。

请参考图1，并结合图2所示的示意图，本申请的调度方法中的作业分配过程具体可以包括如下步骤：

S101、在收到待处理作业后，获得待处理作业的作业信息。

其中，作业信息包括作业类别，作业重要程度和作业数据量。

作业类别和作业重要程度可以由提交该待处理作业的用户设定，并和待处理作业一并发送至管理节点，作业数据量，则是指待处理作业所包含的作业数据的总量，例如，待处理作业包含20MB需要处理的数据，则作业数据量就是20MB。

在本申请中，一个作业具体可以包括作业脚本和作业数据两部分，其中作业脚本相当于一段可运行的数据处理程序，计算节点在收到一个作业后，可以运行其中的作业脚本，从而基于这一作业脚本对作业数据进行处理，最后得到该作业的运行结果。

因此，步骤S101具体可以包括：

在收到待处理作业后，读取待处理作业所携带的，由用户设定的作业类别和作业重要程度；

计算待处理作业所携带的作业数据的数据量，得到待处理作业的作业数据量。

在本申请实施例中，待处理作业的作业类别，可以由待处理作业所携带的作业种类代码表示，用户在上传待处理作业时，可以根据业务需要或技术需要，在多个预设的作业种类代码中选择一个配置给待处理作业。

S102、利用作业分类模型分析待处理作业的作业信息，得到待处理作业的优先级评分。

其中，作业分类模型利用预设的历史时间段内收到的多个作业的作业信息构建。

具体的，可以利用多分类机器学习算法对预设历史时间段内收到的多个作业的作业信息进行学习，进而构建出上述作业分类模型。

一种具体的构建方法可以是，获取预设的历史时段内收到的多个已经处理完成的作业，如获取最近一个月内收到的多个作业的作业信息，以及这些作业的处理时间。然后为其中的每一个作业根据处理时间确定一个优先级评分，具体的，优先级评分可以和处理时间负相关，也就是说，一个作业的处理时间越长，则为其设定的优先级评分就越低。

为上述已处理的作业设定了优先级评分之后，将所有已设定了优先级评分的这些已处理作业作为一个作业集合，利用多分类机器学习算法，按照作业信息的不同对这个作业集合进行分类，从而将这一作业集合拆分为多个子集，多分类机器学习算法在分类过程中会根据这些已处理作业的作业信息和优先级评分自适应的确定出一套分类标准，例如将作业类别为一类，作业重要程度高，作业数据量在10MB到20MB之间的作业划分至第一子集，将作业类别为二类，作业重要程度低，作业数据量100MB到150MB之间的作业划分至第二子集等，最终获得的这一套分类标准，以及各个子集，就构成了步骤S102中的作业分类模型。

基于上述作业分类模型，步骤S102具体可以是，在获得待处理作业的作业信息之后，按照作业分类模型中的分类标准对待处理作业的作业信息进行分析，从而确定出这一待处理作业具体属于作业分类模型中的哪个子集。

在确定出作业分类模型中待处理作业具体所属的子集之后，可以计算这一子集中所有已处理的作业的优先级评分的算术平均值，将计算结果确定为这个待处理作业的优先级评分。

例如，确定出待处理作业所属的子集包含已处理作业1至10，对应的优先级评分依次记为S1至S10，则这一待处理作业的优先级评分Sc可以确定为：

进一步的，在利用作业分类模型获得待处理作业的优先级评分之后，还可以根据当前作业量对优先级评分适当地进行调整。

当前作业量是指，整个集群当前正在运行的作业的数量。

具体的调整方式可以是，首先可以通过分析集群的资源总量，确定出集群的作业量上限，也就是集群最多可以同时运行的作业数量，例如，若集群最多可以同时运行1000件作业，则作业量上限为1000，然后根据作业量上限，在0至作业量上限之间划分出若干个作业数量区间，并为每一个作业数量区间配置一个调整系数，其中，接近作业量上限的百分之五十的那个作业数量区间的调整系数设为1，在此基础上，在作业量上限的百分之五十之下的作业数量区间，配置大于1的调整系数，在作业量上限的百分之五十之上的作业数量区间，配置小于1的调整系数。

这样，在调整时，可以确定当前作业量所属的作业数量区间，然后将步骤S102中确定出的待处理作业的优先级评分乘以所属作业数量区间对应的调整系数，从而得到调整后的待处理作业的优先级评分。

S103、根据待处理作业的优先级评分，在多个作业队列中确定出一个目标作业队列。

步骤S103具体可以包括：

确定待处理作业的优先级评分所属评分区间；

将多个作业队列中，与待处理作业的优先级评分所属评分区间对应的作业队列，确定为目标作业队列；其中，每一个作业队列均预先设置有一个对应的评分区间。

需要说明的是，步骤S103中所述的多个作业队列，其具体的数量可以固定，也可以根据当前作业量动态调整，在作业队列的数量可以动态调整时，每个作业队列对应的评分区间也可以对应地调整时。

具体的调整方式可以是，在当前作业量较多时，增加作业队列的数量，在当前作业量较少时，则减少作业队列的数量。

进一步的，每个作业队列可承载作业数量上限可以根据对应的评分区间的高低而设定，一般的，对应评分区间越高，则该对应可承载作业数量上限可以设定一个较低的数值。例如，作业队列1对应评分区间70至100，作业队列3对应评分区间40至60，则作业队列1可以设定一个较小的可承载作业数量上限，作业队列2则设定一个较大的可承载作业数量上限。

S104、通过目标作业队列将待处理作业分配至计算机集群中的计算节点，使计算节点运行待处理作业。

在步骤S104中，可以将待处理作业写入对应的目标作业队列，每一个作业队列中的作业，均会根据写入顺序依次被发送至集群中的任意一个计算节点，计算节点在收到待处理作业后，就会运行这一待处理作业，从而得到待处理作业的运行结果。

可选的，若待处理作业对应的优先级评分过低，例如，优先级评分属于最低的那个评分区间，如属于1至30的评分区间，则可以在将待处理作业写入目标作业队列时，为待处理作业添加一个资源限制标签，从而限制计算节点在运行待处理作业时分配给待处理作业的资源，以避免影响其他优先级评分较高的作业的运行。

进一步的，可以为每一个作业队列设置一个发送优先级，对应的评分区间较高的作业队列拥有高发送优先级，对应评分区间较低的作业队列拥有低发送优先级，当有多个作业队列的作业需要发送至计算节点时，管理节点将优先发送其中发送优先级较高的作业队列的作业，这样，就可以通过高发送优先级的作业队列，优先发送优先级评分较高的(一般是重要的或紧急的)作业，对于优先级评分较低的普通作业，则可以通过低发送优先级的作业队列稍后发送，这样可以保证重要的作业能够拥有高优先级，提高效率。

同时，本方案设置了多个作业队列，并针对不同作业，根据作业的优先级评分将其分配至不同的作业队列，从而避免了短时间内收到的大量作业拥挤在同一个作业队列，防止作业队列中的作业过多而无法发送。

请参考图3，本申请所提供的调度方法中的作业回收过程可以包括如下步骤：

S301、获得运行中作业的累计运行时间和内存使用指标。

其中，运行中作业，指代集群中正在运行的作业。

S302、判断运行中作业是否符合异常作业条件。

其中，异常作业条件包括，运行中作业的累计运行时间大于运行中作业的时间阈值，且运行中作业的内存使用指标大于内存使用阈值。

因此，步骤S302相当于是，根据运行中作业的累计运行时间和内存使用指标判断运行中作业是否符合异常作业条件。

需要说明的是，当集群中存在多个运行中作业时，步骤S302中会判断每一个运行中作业是否符合异常作业条件。

当存在符合异常作业条件的运行中作业时，执行步骤S303，当不存在符合异常作业条件的运行中作业，即集群中每一个运行中作业均不符合异常作业条件时，返回执行步骤S301。

在步骤S302所述的异常作业条件中，运行中作业的时间阈值可以根据每个运行中作业的预计运行时间具体设定。例如，若某个运行中作业的预计运行时间为30分钟，则可以在这一预计运行时间的基础上上调20％，得到这一运行中作业的时间阈值，即36分钟。

内存使用指标，可以是运行中作业所占用的内存大小，也可以是运行中作业的占用内存的增长速率。

也就是说，对于一个运行中作业，上述异常作业条件具体可以是：

累计运行时间大于该作业的预计运行时间的1.2倍，即超出预计运行时间，且超出部分大于预计运行时间的20％，并且，该作业已占用的内存空间大于内存使用阈值，如大于100MB。

也可以是：

累计运行时间大于该作业的预计运行时间的1.2倍，即超出预计运行时间，且超出部分大于预计运行时间的20％，并且，该作业占用内存的增长速率大于内存使用阈值，例如内存使用阈值可以是1MB/s，而该作业占用的内存以2MB/s的速度增长，则说明该作业的内存使用指标大于内存使用阈值。

S303、终止符合异常作业条件的运行中作业，并回收符合异常作业条件的运行中作业所占用资源。

步骤S303的具体执行过程可以包括：

将符合异常作业条件的运行中作业所属计算节点确定为目标计算节点；

向目标计算节点发送作业终止命令，使目标计算节点关闭用于运行符合异常作业条件的运行中作业的线程，并使目标计算节点删除符合异常作业条件的运行中作业的数据。

如图3所示的作业回收过程，可以认为是由本申请所提供的作业控制工具自动执行的作业自动回收管理。

本申请所提供的作业控制工具，还可以支持用户和后台管理员进行手动作业回收，也就是说，用户可以通过作业控制工具实现用户作业回收管理，集群的后台管理员也可以通过作业控制工具实现后台管理员作业回收管理。

其中，用户作业回收管理的流程如图4所示，用户在上传了作业之后，可以在企业向导(Enterprise Guide，EG)客户端，即图4所示的EG客户端打开一个用于作业回收管理的图形界面，该图形界面上显示有集群中的每一个运行中作业，用户可以点击其中任意一个运行中作业对应的结束按钮，随后，EG客户端就可以向集群的管理节点(即图4所示的SAS服务器)发送对应的运行中作业的回收请求，管理节点收到回收请求后，就会终止用户所选的运行中作业的运行，并回收这一运行中作业所占用的资源。

后台管理员作业回收管理的流程如图5所示，后台管理员可以访问集群系统的Web监控页面，从而在监控页面上查看集群中每一个运行中作业的运行情况，当后台管理员发现其中有异常作业时，可以选中异常作业，然后点击异常作业的结束按钮，从而通过监控页面向集群的管理节点(即图5所示的SAS服务器)发送被选中的作业的回收请求，使得管理节点终止该作业的运行，并回收相应的资源。

通过检测运行中作业是否符合异常作业条件，及时终止符合异常作业条件的运行并回收其资源，本发明能够解决异常作业无法自动回收而不断消耗占用内存，从而致使服务不可用的情况，大大降低系统不稳定的风险。

结合本申请实施例提供的集群作业的调度方法，本申请实施例还提供一种集群作业的调度装置，请参考图6，该装置具体可以包括如下单元：

第一获得单元601，用于在收到待处理作业后，获得待处理作业的作业信息。

其中，作业信息包括作业类别，作业重要程度和作业数据量。

分析单元602，用于利用预先构建的作业分类模型分析待处理作业的作业信息，得到待处理作业的优先级评分。

其中，作业分类模型利用预设的历史时间段内收到的多个作业的作业信息构建。

确定单元603，用于根据待处理作业的优先级评分，在多个作业队列中确定出一个目标作业队列。

分配单元604，用于通过目标作业队列将待处理作业分配至计算机集群中的计算节点，使计算节点运行待处理作业。

第二获得单元605，用于获得运行中作业的累计运行时间和内存使用指标。

其中，运行中作业，指代集群中正在运行的作业。

判断单元606，用于根据运行中作业的累计运行时间和内存使用指标判断运行中作业是否符合异常作业条件。

其中，异常作业条件包括，运行中作业的累计运行时间大于运行中作业的时间阈值，且运行中作业的内存使用指标大于内存使用阈值。

回收单元607，用于若运行中作业符合异常作业条件，终止符合异常作业条件的运行中作业，并回收符合异常作业条件的运行中作业所占用资源。

可选的，第一获得单元601获得待处理作业的作业信息时，具体用于：

读取待处理作业所携带的作业类别和作业重要程度；

计算待处理作业所携带的作业数据的数据量，得到待处理作业的作业数据量。

可选的，确定单元603根据待处理作业的优先级评分，在多个作业队列中确定出一个目标作业队列时，具体用于：

确定待处理作业的优先级评分所属评分区间；

将多个作业队列中，与待处理作业的优先级评分所属评分区间对应的作业队列，确定为目标作业队列；其中，每一个作业队列均预先设置有一个对应的评分区间。

可选的，回收单元607终止符合异常作业条件的运行中作业，并回收符合异常作业条件的运行中作业所占用资源时，具体用于：

将符合异常作业条件的运行中作业所属计算节点确定为目标计算节点；

向目标计算节点发送作业终止命令，使目标计算节点关闭用于运行符合异常作业条件的运行中作业的线程，并使目标计算节点删除符合异常作业条件的运行中作业的数据。

本申请实施例所提供的集群作业的调度装置，其具体工作原理可以参考本申请实施例提供的集群作业的调度方法中的相关步骤，此处不再赘述。

本申请提供一种集群作业的调度装置，其中，分析单元602在收到待处理作业后，根据待处理作业的作业信息(包括作业类别，作业重要程度和作业数据量)分析出优先级评分，再由分配单元604利用根据优先级评分确定的目标作业队列分配待处理作业，判断单元606根据运行中作业的累计运行时间和内存使用指标判断运行中作业是否符合异常作业条件；若运行中作业符合异常作业条件，回收单元607终止运行中作业，并回收运行中作业的资源。本方案一方面根据作业的优先级评分划分不同作业队列，利用多个作业队列分配作业，避免大量作业拥堵，一方面及时识别异常作业并回收其资源，使集群可运行更多作业，达到提高集群的运行效率的效果。

本申请实施例还提供一种计算机存储介质，用于存储计算机程序，存储的计算机程序被执行时，具体用于实现本申请任一实施例所提供的集群作业的调度方法。

本申请实施例还提供一种电子设备，如图7所示，该电子设备包括存储器701和处理器702。

其中，存储器701用于存储计算机程序。

处理器702用于执行计算机程序，具体用于实现本申请任一实施例所提供的集群作业的调度方法。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。