買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉湘潭鼎安華盛科技有限公司;武漢鼎安華盛科技有限公司申請的專利一種面向高并發AI任務的虛擬化資源調度方法、裝置及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120276871B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510766082.9，技術領域涉及：G06F9/50；該發明授權一種面向高并發AI任務的虛擬化資源調度方法、裝置及存儲介質是由董喆;錢文豪;李迎新;郭棟設計研發完成，并于2025-06-10向國家知識產權局提交的專利申請。

本一種面向高并發AI任務的虛擬化資源調度方法、裝置及存儲介質在說明書摘要公布了：本發明提出了一種面向高并發AI任務的虛擬化資源調度方法、裝置及存儲介質，對供服務器端調用的應用程序的進行源代碼掃描分析生成運行依賴表，基于所述依賴表構建所述應用程序運行的最小容器化沙箱；在云端接收用戶的輸入的AI任務，將所述AI任務的參數輸入訓練后的任務智能調度模型確定執行該任務的服務器；在確定的執行所述AI任務的服務器上，根據所述AI任務的優先級調用執行所述AI任務所對應的應用程序的最小化容器化沙箱，并基于所述AI任務分配服務器資源并加載所述應用程序的其他組件，其中，高并發AI任務是指在所述服務器上同時執行500個以上的AI任務。本發明實現了服務器的超密度調度能力，并大大降低任務環境內存占用率，提高了系統性能。

本發明授權一種面向高并發AI任務的虛擬化資源調度方法、裝置及存儲介質在權利要求書中公布了：1.一種面向高并發AI任務的虛擬化資源調度方法，其特征在于，該方法包括： 構建步驟，對供服務器端調用的應用程序的進行源代碼掃描分析生成運行依賴表，基于所述依賴表構建所述應用程序運行的最小容器化沙箱； 調度步驟，在云端接收用戶的輸入的AI任務，將所述AI任務的參數輸入訓練后的任務智能調度模型確定執行該任務的服務器； 分配步驟，在確定的執行所述AI任務的服務器上，根據所述AI任務的優先級調用執行所述AI任務所對應的應用程序的最小化容器化沙箱，并基于所述AI任務分配服務器資源并加載所述應用程序的其他組件，其中，高并發AI任務是指在所述服務器上同時執行500個以上的AI任務， 其中，所述構建步驟的操作為：對所述應用程序的源代碼進行靜態分析識別所述應用程序運行時依賴項，其中所述依賴項包括動態鏈接庫、配置文件和第三方插件；在模擬沙箱環境中執行所述應用程序并對所述應用程序進行動態追蹤以獲取所述應用程序執行時的資源調用路徑，所述資源調用路徑包括系統調用、網絡請求和文件讀寫；基于所述依賴項和資源調用路徑生成所述應用程序的依賴表，在所述依賴表中標注了所述應用程序的核心依賴項與可選依賴項；基于所述依賴表從所述應用程序的基礎鏡像中剝離運行時的非必要組件；基于分層構建方法將所述應用程序的核心運行組件與非必要組件進行分離，基于內存壓縮技術優化所述核心運行組件的內存占用以構建所述應用程序的最小容器化沙箱，在AI任務調用所述應用程序時，默認在所述最小容器化沙箱中僅加載所述應用程序的核心運行組件， 其中，所述智能調度模型的訓練方法為：構建AI任務之間的依賴關系的依賴圖，對所述應用程序執行的歷史執行日志進行統計，確定應用程序之間組合執行的效率，基于所述依賴圖構建圖神經網絡的圖，每個AI任務作為所述圖神經網絡的圖中的一個節點，用于執行一個AI任務所有的應用程序的執行參數的集合作為所述AI任務對應節點的特征向量，如果兩個AI任務之間具有依賴關系，則這兩個AI任務對應的節點之間具有邊；基于采集的AI任務執行的歷史數據進行清洗處理后作為訓練樣本，對所述圖神經網絡進行訓練，訓練到達一定輪次或者損失函數小于一閾值后停止訓練，將訓練后的圖神經網絡作為所述智能調度模型，其中所述特征向量包括：每個應用程序的最小容器化沙箱的大小、應用程序執行時CPU占用率、和執行時間。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人湘潭鼎安華盛科技有限公司;武漢鼎安華盛科技有限公司，其通訊地址為：411100 湖南省湘潭市雨湖區先鋒鄉幸福路8號203幢0303601；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。