基于区块链的GPU计算方法、装置及计算机设备与流程

本发明涉及分布式计算方法，更具体地说是指基于区块链的gpu计算方法、装置及计算机设备。

背景技术：

在大数据时代，海量数据的处理对计算机的计算能力要求较高，在单一的计算机上无法完成海量数据的处理，因此需要借助多台分布是的计算机来处理海量数据，由于gpu(图形处理器，graphicsprocessingunit)具备良好的并行计算能力，对于浮点运算。通用计算、图像处理等计算应用场景，gpu可以提供数十倍乃至上百倍的cpu运算性能；但是目前对于多个gpu进行分布式计算时，需要由大量的运算单元进行大量同类型数据的密集运算，如密码破译，这是一个消耗能量的过程，因此如何设计合理的激励机制来激励gpu拥有者积极参与到分布式计算中，是在做gpu计算研究过程中急需考虑的一个问题。

因此，有必要设计一个新的方法，实现在分布式计算过程中采用激励机制激励gpu拥有者积极参与，以提高计算的效率。

技术实现要素：

本发明的目的在于克服现有技术的缺陷，提供基于区块链的gpu计算方法、装置及计算机设备。

为实现上述目的，本发明采用以下技术方案：基于区块链的gpu计算方法，包括：

获取运算任务；

根据运算任务计算运算所需费用；

根据运算所需费用从运算任务发起者的账号中扣除对应虚拟货币；

获取在线的候选gpu以进行分布式运算；

判断分布式运算是否完成；

若是，则获取在线的候选gpu的运算量；

根据运算量分配对应虚拟货币至在线的候选gpu的拥有者账户中。

其进一步技术方案为：所述获取运算任务之前，还包括：

上传gpu资源信息至数据库，以得到候选gpu。

其进一步技术方案为：所述上传gpu资源信息至数据库，以得到候选gpu之后，还包括：

定时发放虚拟货币。

其进一步技术方案为：所述运算任务包括运算数据量、模型训练步数以及训练时长。

其进一步技术方案为：所述判断分布式运算是否完成之后，还包括：

若否，则返回所述获取在线的候选gpu进行分布式运算。

其进一步技术方案为：所述获取在线的候选gpu以进行分布式运算，包括：

判断是否有在线的候选gpu；

若是，则获取在线的候选gpu；

分发运算任务至在线的候选gpu，以进行分布式运算；

若否，则发送通知信息，且继续等待，返回所述判断是否有在线的候选gpu。

本发明还提供了基于区块链的gpu计算装置，包括：

任务获取单元，用于获取运算任务；

费用计算单元，用于根据运算任务计算运算所需费用；

扣除单元，用于根据运算所需费用从运算任务发起者的账号中扣除对应虚拟货币；

gpu获取单元，用于获取在线的候选gpu以进行分布式运算；

判断单元，用于判断分布式运算是否完成；

运算量获取单元，用于若是，则获取在线的候选gpu的运算量；

分配单元，用于根据运算量分配对应虚拟货币至在线的候选gpu的拥有者账户中。

其进一步技术方案为：所述装置还包括：

上传单元，用于上传gpu资源信息至数据库，以得到候选gpu。

其进一步技术方案为：所述装置还包括：

发放单元，用于定时发放虚拟货币。

本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。

本发明与现有技术相比的有益效果是：本发明通过在gpu进行分布式运算的过程中，加入eos的区块链技术，对参与分布式运算的候选gpu按照运算量进行对应货币的奖励，以实现在分布式计算过程中采用激励机制激励gpu拥有者积极参与，以提高计算的效率。

下面结合附图和具体实施例对本发明作进一步描述。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。

图1为本发明实施例提供的基于区块链的gpu计算方法的应用场景示意图；

图2为本发明实施例提供的基于区块链的gpu计算方法的流程示意图；

图3为本发明实施例提供的基于区块链的gpu计算方法的子流程示意图；

图4为本发明另一实施例提供的基于区块链的gpu计算方法的流程示意图；

图5为本发明实施例提供的基于区块链的gpu计算装置的示意性框图；

图6为本发明实施例提供的基于区块链的gpu计算装置的gpu获取单元的示意性框图；

图7为本发明另一实施例提供的基于区块链的gpu计算装置的示意性框图；

图8为本发明实施例提供的计算机设备的示意性框图。

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。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1和图2，图1为本发明实施例提供的基于区块链的gpu计算方法的应用场景示意图。图2为本发明实施例提供的基于区块链的gpu计算方法的示意性流程图。该基于区块链的gpu计算方法应用于代理服务器与处理服务器内，代理服务器也可以为分布式服务平台中的一台服务器，处理服务器也可以为分布式服务平台中的一台服务器，该代理服务器与用户终端进行数据交互，由用户通过用户终端的运算app输入运算任务，以使得代理服务器调动处理服务器进行分布式运算，处理服务器将运算结果反馈至代理服务器，再经过代理服务器反馈至用户终端。

需要说明的是，图2中仅仅示意出一台代理服务器，在实际操作过程中，多台代理服务器同时调动若干个处理服务器进行运算。

图2是本发明实施例提供的基于区块链的gpu计算方法的流程示意图。如图2所示，该方法包括以下步骤s110至s170。

s110、获取运算任务。

所述运算任务包括运算数据量、模型训练步数以及训练时长，具体通过用户终端选择和输入运算数据量后，由代理服务器根据输入的运算数据量，确定模型训练步数和预估训练时长。

s120、根据运算任务计算运算所需费用；

在本实施例中，运算数据量、模型训练步数以及训练时长具备不同的权重，因此，代理服务器需要先对运算数据量、模型训练步数以及训练时长配备一个权重值，获取运算所需费用时，可以根据加权求和的方式获取总和，以该总和作为运算所需费用。比如运算数据量的单价为1币/g；模型训练步数的单价为0.02币/步，训练时长的单价为1币/小时，若当前的运算任务包括2g运算数据量、需要200步完成，训练时长需要2个小时，则所需费用为1币/g*2g+0.02币/步*200步+1币/小时*2小时＝8币，也就是此次运算需要用到8个虚拟货币。

s130、根据运算所需费用从运算任务发起者的账号中扣除对应虚拟货币。

区块链会定时向每个用户发放一定额度的虚拟货币，这些虚拟货币用于进行运算任务的发起或者计算时进行交易。

s140、获取在线的候选gpu以进行分布式运算。

在本实施例中，在代理服务器内登记备案后的gpu即可成为候选gpu，gpu集成在处理服务器内。

在一实施例中，上述的步骤s140可包括步骤s141～s144

s141、判断是否有在线的候选gpu；

s142、若是，则获取在线的候选gpu；

s143、分发运算任务至在线的候选gpu，以进行分布式运算；

s144、若否，则发送通知信息，且继续等待，返回所述s141。

候选gpu的在线与否取决于该候选gpu是否正在执行分布式运算，当候选gpu正在执行分布式运算时，代理服务器会将该gpu所在的处理服务器标记为未在线状态。

代理服务器会根据该在线gpu所在的处理服务器的显卡情况分配相应分量的运算任务，以确保该处理服务器的图形界面响应正常的情况下，也能参与分布式运算。

s150、判断分布式运算是否完成。

s160、若是，则获取在线的候选gpu的运算量。

在本实施例中，运算量指的是对应gpu计算的运算任务量。

代理服务器会登记该候选gpu计算的运算任务分量，以此作为在线的候选gpu的运算量。

s170、根据运算量分配对应虚拟货币至在线的候选gpu的拥有者账户中。

代理服务器会根据该候选gpu计算的运算量占据总运算任务的量的大小来分配虚拟货币，这个虚拟货币指代的是从运算任务发起者的账号中扣除的虚拟货币，以此形成激励机制，激励gpu拥有者积极参与，以提高计算的效率。

若否，则返回所述s140。

图4是本发明另一实施例提供的基于区块链的gpu计算方法的流程示意图。如图4所示，本实施例的基于区块链的gpu计算方法包括步骤s210-s290。其中步骤s230-s290与上述实施例中的步骤s110-s170类似，在此不再赘述。下面详细说明本实施例中所增加的步骤s210-s220。

s210、上传gpu资源信息至数据库，以得到候选gpu。

首先gpu提供者(即处理服务器的管理者)将gpu资源信息上传到代理服务器中，代理服务器将其存储到数据库中，作为候选gpu，等待接收管理服务器对该处理服务器发布的运算任务，这就将gpu资源接入了gpu分布式运算过程中，gpu的共享技术使gpu资源的介入更加便捷稳定。gpu共享技术使gpu的使用者可以方便的租用他人的gpu算力进行分布式运算，同时eos区块链技术保证了运算的相关费用是合理且相对廉价的。

s220、定时发放虚拟货币。

根据在eos(嵌入式操作系统，embeddedoperationsystem)的区块链部署的智能合约内的共识算法计算收益，收益分为两个部分，计算任务等待过程收益与任务运算过程收益，根据计算的总收益向gpu提供者(也就是处理服务器的拥有者)定时发放虚拟货币。以使得每个处理服务器有一定的虚拟货币参与至该分布式运算过程中，上述提及的用户是账户内具备一定的虚拟货币的用户，可以是某一处理服务器，也可以是其他服务器或者终端等，eos区块链技术确保gpu拥有者能安全地获得足够的收益。

区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。eos为商用分布式应用设计的一款区块链操作系统，其引入的一种新的区块链架构，旨在实现分布式应用的性能扩展，这被称为区块链3.0.eos通过创建一个对开发者友好的区块链底层平台，支持多个应用同时运行，为开发dapp提供底层的模板。基于eos区块链技术开发分布式应用十分方便快捷，运行安全稳定，优势明显。

上述的基于区块链的gpu计算方法，通过在gpu进行分布式运算的过程中，加入eos的区块链技术，对参与分布式运算的候选gpu按照运算量进行对应货币的奖励，以实现在分布式计算过程中采用激励机制激励gpu拥有者积极参与，以提高计算的效率。

图5是本发明实施例提供的基于区块链的gpu计算装置300的示意性框图。如图5所示，对应于以上基于区块链的gpu计算方法，本发明还提供一种基于区块链的gpu计算装置300。该基于区块链的gpu计算装置300包括用于执行上述基于区块链的gpu计算方法的单元，该装置可以被配置于服务器中。

具体地，请参阅图5，该基于区块链的gpu计算装置300包括：

任务获取单元303，用于获取运算任务；

费用计算单元304，用于根据运算任务计算运算所需费用；

扣除单元305，用于根据运算所需费用从运算任务发起者的账号中扣除对应虚拟货币；

gpu获取单元306，用于获取在线的候选gpu以进行分布式运算；

判断单元307，用于判断分布式运算是否完成；

运算量获取单元308，用于若是，则获取在线的候选gpu的运算量；

分配单元309，用于根据运算量分配对应虚拟货币至在线的候选gpu的拥有者账户中。

在一实施例中，如图6所示，所述gpu获取单元306包括：

候选判断子单元3061，用于判断是否有在线的候选gpu；

获取子单元3062，用于若是，则获取在线的候选gpu；

任务分发子单元3063，用于并分发运算任务至在线的候选gpu，以进行分布式运算；

通知子单元3064，用于若否，则发送通知信息，且继续等待，返回所述判断是否有在线的候选gpu。

图7是本发明另一实施例提供的基于区块链的gpu计算装置300的示意性框图。如图7所示，本实施例的基于区块链的gpu计算装置300是上述实施例的基础上增加了信息上传单元301以及发放单元302。

信息上传单元301，用于上传gpu资源信息至数据库，以得到候选gpu。

发放单元302，用于定时发放虚拟货币。

需要说明的是，所属领域的技术人员可以清楚地了解到，上述基于区块链的gpu计算装置300和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。

上述基于区块链的gpu计算装置300可以实现为一种计算机程序的形式，该计算机程序可以在如图8所示的计算机设备上运行。

请参阅图8，图8是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500是服务器，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。

参阅图8，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。

该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种基于区块链的gpu计算方法。

该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。

该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种基于区块链的gpu计算方法。

该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下步骤：

获取运算任务；

根据运算任务计算运算所需费用；

根据运算所需费用从运算任务发起者的账号中扣除对应虚拟货币；

获取在线的候选gpu以进行分布式运算；

判断分布式运算是否完成；

若是，则获取在线的候选gpu的运算量；

根据运算量分配对应虚拟货币至在线的候选gpu的拥有者账户中。

其中，运算任务包括运算数据量、模型训练步数以及训练时长。

在一实施例中，处理器502在实现所述获取运算任务步骤之前，还实现如下步骤：

上传gpu资源信息至数据库，以得到候选gpu。

在一实施例中，处理器502在实现所述上传gpu资源信息至数据库，以得到候选gpu步骤之后，还实现如下步骤：

定时发放虚拟货币。

在一实施例中，处理器502在实现所述判断分布式运算是否完成步骤之后，还实现如下步骤：

若否，则返回所述获取在线的候选gpu进行分布式运算。

在一实施例中，处理器502在实现所述获取在线的候选gpu以进行分布式运算步骤时，具体实现如下步骤：

判断是否有在线的候选gpu；

若是，则获取在线的候选gpu；

分发运算任务至在线的候选gpu，以进行分布式运算；

若否，则发送通知信息，且继续等待，返回所述判断是否有在线的候选gpu。

应当理解，在本申请实施例中，处理器502可以是中央处理单元(centralprocessingunit，cpu)，该处理器502还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。

因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中该计算机程序被处理器执行时使处理器执行如下步骤：

获取运算任务；

根据运算任务计算运算所需费用；

根据运算所需费用从运算任务发起者的账号中扣除对应虚拟货币；

获取在线的候选gpu以进行分布式运算；

判断分布式运算是否完成；

若是，则获取在线的候选gpu的运算量；

根据运算量分配对应虚拟货币至在线的候选gpu的拥有者账户中。

其中，运算任务包括运算数据量、模型训练步数以及训练时长。

在一实施例中，所述处理器在执行所述计算机程序而实现所述获取运算任务步骤之前，还实现如下步骤：

上传gpu资源信息至数据库，以得到候选gpu。

在一实施例中，所述处理器在执行所述计算机程序而实现所述上传gpu资源信息至数据库，以得到候选gpu步骤之后，还实现如下步骤：

定时发放虚拟货币。

在一实施例中，所述处理器在执行所述计算机程序而实现所述判断分布式运算是否完成步骤之后，还实现如下步骤：

若否，则返回所述获取在线的候选gpu进行分布式运算。

在一实施例中，所述处理器在执行所述计算机程序而实现所述获取在线的候选gpu以进行分布式运算步骤时，具体实现如下步骤：

判断是否有在线的候选gpu；

若是，则获取在线的候选gpu；

分发运算任务至在线的候选gpu，以进行分布式运算；

若否，则发送通知信息，且继续等待，返回所述判断是否有在线的候选gpu。

所述存储介质可以是u盘、移动硬盘、只读存储器(read-onlymemory，rom)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。

该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。