本發(fā)明屬于電子數(shù)字?jǐn)?shù)據(jù)處理，具體涉及一種便于云游戲gpu調(diào)度的方法及系統(tǒng)。

背景技術(shù)：

1、云游戲是以云計算為基礎(chǔ)的游戲方式，其本質(zhì)為交互性的在線視頻流，5g的商用開啟了云游戲移動化的新篇章，而云游戲也將作為5g落地的重要應(yīng)用場景之一，將先進網(wǎng)絡(luò)技術(shù)帶來的革新性體驗傳達給廣大用戶。

2、云游戲運行依賴的系統(tǒng)是android和wi?ndows，同時涉及更多gpu的使用，云服務(wù)端強調(diào)可伸縮、易調(diào)度，配合容器/虛擬化等技術(shù)進一步提高硬件的使用率，從而降低成本，云游戲場景下，gpu作為圖形渲染、圖像編解碼的角色存在，需要具備高效的虛擬化能力，數(shù)據(jù)存儲能力以及帶寬數(shù)據(jù)傳輸能力，是對gpu能力的巨大挑戰(zhàn)。

3、gpu虛擬化技術(shù)實現(xiàn)大致可分為直通、透傳、共享、虛擬四種，直通是將gpu資源直接分配給游戲?qū)嵗亲顬楹唵蔚膶崿F(xiàn)方式，但硬件資源使用率低，并發(fā)承載能力差，基本無法滿足云游戲的性能要求；透傳通過虛擬機的方式將虛擬系統(tǒng)與真實gpu一對一綁定，使虛擬機可以直接使用gpu獲取其3d加速能力，這種方式提高了cpu等的利用率，且對gpu廠商的驅(qū)動無依賴，是目前國內(nèi)云游戲廠商采用的主流方式，也是容器化支持最為完善的一種方式，但透傳模式不支持資源分割，無法做到充分的隔離，同一臺服務(wù)器渲染的游戲之間存在相互影響的可能性，且對gpu資源來說依然存在浪費；共享則是多個虛擬機共用真實的gpu，通過競爭的方式獲取gpu算力資源，該方式資源利用率較高，實現(xiàn)方式也不繁雜，且不需要gpu廠商做額外的適配工作，但在調(diào)度方面存在一定相互影響和延遲，隔離性、安全性相對較差；虛擬則是在之前的基礎(chǔ)上更進一步，對多個虛擬機公用的gpu進行隔離，既提高了并發(fā)能力，又實現(xiàn)了互不影響。

4、隨著虛擬化及docker容器技術(shù)的發(fā)展，android容器方案在移動或者主機游戲云化階段可為云游戲提供豐富內(nèi)容資源，能夠促進云游戲快速落地和規(guī)?；l(fā)展，但是云游戲規(guī)?；l(fā)展之后會出現(xiàn)多批次游戲用戶一同申請gpu資源的問題，此時如何響應(yīng)游戲用戶的請求并分配gpu資源成為重中之重，雖然可以采用集群調(diào)度技術(shù)來簡化運維人員的操作，批量響應(yīng)游戲用戶的需求進行g(shù)pu資源調(diào)度，但是如何平衡集群調(diào)度技術(shù)中需求不同的用戶與有限gpu資源之間的關(guān)系，實現(xiàn)gpu資源與需求不同的多個游戲用戶之間的最佳分配，是目前云游戲gpu資源調(diào)度的優(yōu)化方向之一，需要進行探索并得出切實可行的方案。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種便于云游戲gpu調(diào)度的方法及系統(tǒng)，通過集群調(diào)度技術(shù)及匹配算法來解決云游戲的gpu資源的合理分配問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種便于云游戲gpu調(diào)度的方法，包括以下步驟：

4、s1、獲取用戶特征；

5、s2、獲取用戶信息；

6、s3、根據(jù)獲取的所述用戶信息和所述用戶特征對用戶終端進行標(biāo)簽，得到與所述用戶終端對gpu顯存需求對應(yīng)的n種類型標(biāo)簽；

7、s4、將gpu資源按照顯存大小分為與所述標(biāo)簽數(shù)量對應(yīng)的n種類型；

8、s5、通過調(diào)度系統(tǒng)中的gs算法，將n種類型的所述gpu資源與n種類型的所述標(biāo)簽一一配對，得到配對關(guān)系表；

9、s6、根據(jù)所述配對關(guān)系表，將所述gpu資源分配給所述標(biāo)簽對應(yīng)的所述用戶終端。

10、優(yōu)選的，所述用戶特征包括用戶網(wǎng)絡(luò)、用戶設(shè)備和游戲類型，所述用戶信息包括用戶歷史訪問記錄、分辨率和碼率。

11、優(yōu)選的，所述用戶特征還包括是否為付費用戶，并根據(jù)所述是否為付費用戶的用戶特征將n種類型標(biāo)簽分為付費用戶標(biāo)簽和免費用戶標(biāo)簽兩種類型，帶有所述付費用戶標(biāo)簽的所述用戶終端優(yōu)先分配所述gpu資源。

12、優(yōu)選的，所述調(diào)度系統(tǒng)為kubernetes，每個所述標(biāo)簽均對全部類型的所述gpu資源配置有按照匹配意愿降序排序出的標(biāo)簽匹配意愿最佳排序表，每個類型的所述gpu資源均對全部所述標(biāo)簽配置有按照匹配意愿降序排序出的gpu資源匹配意愿最佳排序表，所述gs算法包括以下步驟：

13、s51、第一個所述標(biāo)簽對應(yīng)的第一個用戶終端發(fā)出用戶請求，按照所述第一個用戶終端對應(yīng)所述標(biāo)簽的標(biāo)簽匹配意愿最佳排序表，與該標(biāo)簽匹配意愿最佳排序表中排序第一的所述gpu資源配對；

14、s52、第二個所述標(biāo)簽對應(yīng)的第二個用戶終端發(fā)出用戶請求，按照所述第二個用戶終端對應(yīng)所述標(biāo)簽的標(biāo)簽匹配意愿最佳排序表，與該標(biāo)簽匹配意愿最佳排序表中排序第一的所述gpu資源配對，若該所述gpu資源未與其他所述標(biāo)簽完成匹配，則匹配成功，否則由該所述gpu資源在向其發(fā)出匹配請求的多個所述標(biāo)簽中，按照該所述gpu資源對應(yīng)的所述gpu資源匹配意愿最佳排序表與排名在前的所述標(biāo)簽匹配；

15、s53、未匹配用戶終端重復(fù)s52，直到全部所述標(biāo)簽與所述gpu資源一一匹配，輸出所述標(biāo)簽與所述gpu資源匹配的配對關(guān)系表。

16、一種便于云游戲gpu調(diào)度的系統(tǒng)，包括：

17、采集模塊，用于采集用戶信息和用戶特征；

18、分類模塊，根據(jù)獲取的所述用戶信息和所述用戶特征，對用戶終端進行標(biāo)簽，得到與所述用戶終端對gpu顯存需求對應(yīng)的n種類型標(biāo)簽，同時將gpu資源按照顯存大小分為與所述標(biāo)簽數(shù)量對應(yīng)的n種類型；

19、匹配模塊，用于根據(jù)調(diào)度系統(tǒng)中的gs算法，將n種類型的所述gpu資源與n種類型的所述標(biāo)簽一一配對，得到配對關(guān)系表；

20、輸出響應(yīng)模塊，用于根據(jù)所述配對關(guān)系表，將所述gpu資源分配給所述標(biāo)簽對應(yīng)的所述用戶終端。

21、一種電子設(shè)備，包括：

22、處理器；

23、存儲器，存儲有一個或者多個計算機程序模塊；

24、其中，所述一個或者多個計算機程序模塊被配置為由所述處理器執(zhí)行，用于實現(xiàn)一種便于云游戲gpu調(diào)度的方法。

25、一種計算機可讀存儲介質(zhì)，存儲有非暫時性計算機可讀指令，當(dāng)非暫時性計算機可讀指令由計算機執(zhí)行時可以執(zhí)行一種便于云游戲gpu調(diào)度的方法。

26、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

27、本發(fā)明先采集用戶特征和用戶信息，根據(jù)用戶特征和用戶信息對用戶終端進行標(biāo)簽，得到與用戶終端對gpu顯存需求對應(yīng)的n種類型標(biāo)簽，將gpu資源按照顯存大小分為與標(biāo)簽數(shù)量對應(yīng)的n種類型，通過調(diào)度系統(tǒng)中的gs算法，將n種類型的gpu資源與n種類型的標(biāo)簽一一配對，得到配對關(guān)系表，最后根據(jù)配對關(guān)系表，將gpu資源分配給與標(biāo)簽對應(yīng)的所述用戶終端，使得gpu資源與用戶終端全部匹配，并實現(xiàn)gpu資源的最佳分配，提升用戶體驗的同時，一并提升軟硬件的應(yīng)用效率。

技術(shù)特征：

1.一種便于云游戲gpu調(diào)度的方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種便于云游戲gpu調(diào)度的方法，其特征在于：所述用戶特征包括用戶網(wǎng)絡(luò)、用戶設(shè)備和游戲類型，所述用戶信息包括用戶歷史訪問記錄、分辨率和碼率。

3.根據(jù)權(quán)利要求1所述的一種便于云游戲gpu調(diào)度的方法，其特征在于：所述用戶特征還包括是否為付費用戶，并根據(jù)所述是否為付費用戶的用戶特征將n種類型標(biāo)簽分為付費用戶標(biāo)簽和免費用戶標(biāo)簽兩種類型，帶有所述付費用戶標(biāo)簽的所述用戶終端優(yōu)先分配所述gpu資源。

4.根據(jù)權(quán)利要求1所述的一種便于云游戲gpu調(diào)度的方法，其特征在于：所述調(diào)度系統(tǒng)為kubernetes，每個所述標(biāo)簽均對全部類型的所述gpu資源配置有按照匹配意愿降序排序出的標(biāo)簽匹配意愿最佳排序表，每個類型的所述gpu資源均對全部所述標(biāo)簽配置有按照匹配意愿降序排序出的gpu資源匹配意愿最佳排序表，所述gs算法包括：

5.一種便于云游戲gpu調(diào)度的系統(tǒng)，其特征在于，包括：

6.一種電子設(shè)備，其特征在于，包括：

7.一種計算機可讀存儲介質(zhì)，其特征在于，存儲有非暫時性計算機可讀指令，當(dāng)非暫時性計算機可讀指令由計算機執(zhí)行時可以執(zhí)行權(quán)利要求1-4任一項所述的一種便于云游戲gpu調(diào)度的方法。

技術(shù)總結(jié)
本發(fā)明涉及電子數(shù)字?jǐn)?shù)據(jù)處理領(lǐng)域，具體公開了一種便于云游戲GPU調(diào)度的方法及系統(tǒng)；本發(fā)明先采集用戶特征和用戶信息，根據(jù)用戶特征和用戶信息對用戶終端進行標(biāo)簽，得到與用戶終端對GPU顯存需求對應(yīng)的n種類型標(biāo)簽，將GPU資源按照顯存大小分為與標(biāo)簽數(shù)量對應(yīng)的n種類型，通過調(diào)度系統(tǒng)中的GS算法，將n種類型的GPU資源與n種類型的標(biāo)簽一一配對，得到配對關(guān)系表，最后根據(jù)配對關(guān)系表，將GPU資源分配給與標(biāo)簽對應(yīng)的所述用戶終端，使得GPU資源與用戶終端全部匹配，并實現(xiàn)GPU資源的最佳分配，提升用戶體驗的同時，一并提升軟硬件的應(yīng)用效率。

技術(shù)研發(fā)人員：李欣,藍勇,卞興宜,王松輝,林燕茹,林川
受保護的技術(shù)使用者：廈門工學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/8