基于规则的跨域资源调度算法源代码数据集

本算法为面向异构计算集群的跨域资源调度系统，支持Kubernetes环境下的多模式任务分配，包括共享资源池、传统调度、远程GPU/CPU混合调度及GPU分区隔离等场景，通过命令行参数（如-K、-R、-P）动态切换模式，支持自定义任务规模（-n 20000）与集群资源配置（CPU/GPU类型、节点数、异构性）。代码基于Python实现，核心逻辑通过simulator.py定义集群拓扑（如多算力中心的节点/GPU配置），内置FIFO、SJF及增强型策略（SJU/SJG/SJGG）等调度算法，结合用户/群组特征与GPU硬件指标动态预估任务时长，优化资源分配。输出日志详细记录任务到达率、调度策略（如负载均衡或打包策略）、资源利用率及性能指标（平均任务完成时间、总耗时等），适用于模拟万级任务规模下的调度效果验证。该代码旨在解决云原生与跨域场景中的资源竞争、异构硬件适配及任务优先级冲突问题，通过可扩展的规则引擎与策略组合，为分布式系统资源管理、AI训练任务调度及高性能计算集群优化提供轻量级实验框架与基准工具。