一、为什么“公平”是科研算力平台最难的一题

1.1 一句常见的抱怨

“我们组的任务排了两天还没开始，隔壁组昨天提的当天就跑完了。”这句话里其实混着三件事：任务大小不同、提交时间不同、所在团队的配额不同。如果规则没有把这三件事分开处理，任何一次等待都会被读成“不公平”，而平台侧又拿不出可解释的依据。

1.2 三个专业名词

① 作业队列：提交上来的计算任务在等待资源时排成的序列，队列规则决定谁先拿到资源。

② 优先级与配额：优先级决定同一时刻谁更靠前，配额决定一个团队最多能占用多少，两者作用在不同层面。

③ 回填调度：在不推迟队列前部任务预计开始时间的前提下，让后面较短的任务先插进去运行，把资源空隙填满。

1.3 四种策略，四种“公平观”

① 先到先得认为公平就是先来后到，规则面前不看身份。

② 按团队均分认为公平就是各有一份，谁也不多占。

③ 按优先级认为公平就是急事优先，重要的事该快。

④ 按历史用量加回填认为公平就是长期看齐，用得多的让一让，空隙不浪费。

四种说法都成立，冲突在于它们各自成立的范围不同。平台要做的不是选一个最正确的，而是让它们各管一段。

二、策略一 先到先得：最容易解释，也最容易堵

2.1 它的好处

规则一句话就能说清，不需要记录历史、不需要设定权重，争执时只要看提交时间。对规模很小的平台，或者任务时长彼此接近的场景，这套规则几乎不会出问题。

2.2 副作用：队头阻塞

一个需要运行很久的大任务排在前面，后面几十个几分钟就能跑完的小任务只能一起等。结果是设备明明有空余的零散时段，整体却谁也没跑起来。这种现象在调度里被称为队头阻塞，它带来的不是资源不足，而是资源形态与任务形态对不上。

2.2.1 一个具体的例子

队列前部有一个预计运行三十小时的任务，其后排着二十个预计几分钟就能跑完的任务。严格的先到先得之下，这二十个任务都要等三十小时。而实际上，只要把其中较短的那些提前放进去，大任务的开始时间并不会被推迟，设备在等待期间还能保持忙碌。

2.3 适合什么情况

任务时长集中、数量不多、团队规模小的平台适合继续用它。反过来，一旦出现“小任务等大任务”的抱怨，说明任务形态已经分化，此时该引入别的策略，而不是继续劝人耐心。

三、策略二 按团队均分：可预期，但会切出碎片

3.1 它的好处

每个团队有一份明确的额度，谁也不用担心被别人挤掉，规划时心里有底。对需要长期稳定推进的课题组，这种可预期性本身就是价值。

3.2 副作用：碎片与借用困难

份额固定之后，忙的团队顶到上限只能排队，闲的团队那份却空着。资源被切成若干块，块与块之间不能流动，整体利用率反而下降。另一种常见情况是，某一侧偶尔需要短时借用，却因为没有约定借用规则而作罢，最后两边都不满意。

3.2.1 碎片是怎么形成的

配额按团队划出边界，边界之内不允许别的团队进入。当某个团队的份额在其任务间隙空着时，这部分资源在规则上仍属于它，别人无法使用。团队越多、份额越细，这类看得见却用不上的空隙也就越多，平台的整体利用率随之下降。

3.3 更实用的变体：上限而非切分

把“每人一份”改成“每人一个上限”：平时资源自由竞争，任何团队不得同时占用超过上限。这样既不设死边界，又保住了底线——不会出现一个团队占满整个平台的情况。上限的取值可以按团队规模与历史用量定，并保留复核调整的通道。

四、策略三 按优先级：处理例外，最怕通胀

4.1 优先级该由什么决定

合理的依据通常是三类：有明确截止节点的任务、承担教学与公共服务的任务、处在关键路径上会卡住后续工作的任务。反过来，凡是“我觉得重要”都不足以构成依据，否则优先级就失去了区分作用。

4.2 副作用：优先级通胀

一旦高优先级能带来实际便利，所有团队都会想办法把自己的任务标高。半年之后平台上看去全是高优先级，等于没有优先级，而原本真正紧急的任务反而被淹没在同类里。

4.2.1 通胀是怎么发生的

最初只有少数任务提级，确实换来了提前。随后其他团队发现不提级就只能一直等，于是纷纷提级。等到高优先级任务占了大半，提级带来的提前量接近于零，而平台已经失去了区分紧急与非紧急的能力——所有人都很急，等于没有人急。

4.3 三条限制条件

① 层级不超过三档：档位越多，判断越随意，解释越困难。

② 提级需要写明理由与期限：没有理由的提级不予受理，写明期限的到期自动回落。

③ 定期复核：按周期统计各团队的高优先级占比，明显异常的先核对其依据是否仍然成立。

五、策略四 按历史用量与回填：长期看齐，空隙不浪费

5.1 公平分享的思路

不看谁先提交，而看一段时间内谁用得多。用得多的团队在同等条件下排得靠后，用得少的团队排得靠前，长期下来各团队的累计占用趋于接近。这种思路照顾的是“长期公平”，代价是单次提交时的先后变得不可预测，需要提前向使用者解释清楚。

5.2 回填：用小任务填满空隙

队列前部的大任务要等一整块连续资源，中间难免留下零散空档。回填的做法是把后面那些足够短的小任务先放进去跑，只要保证不推迟大任务的预计开始时间即可。这一条最见效果：它不增加任何设备，却能显著缩短小任务的平均等待。

5.2.1 回填成立的条件

回填并非让后来的任务无条件插队，它有一个明确前提：插入之后，队列前部任务的预计开始时间不能推迟。正是这个条件把“填满空隙”与“打乱顺序”区分开来，也让回填在管理者与使用者两侧都容易被接受。

5.3 副作用与前提

① 可能“惩罚”高产团队：用得多就排得后，若不加说明，容易被理解为不公平。

② 依赖准确的任务时长预估：预估偏短的小任务会侵占本应留给大任务的时间窗，因此需要按实际时长回校正那些习惯少报的用户。

③ 统计口径必须一致：按核时统计还是按任务数统计，结论会完全不同，口径要在规则里写明。

六、四种策略怎么组合

6.1 一个可用的分层做法

① 第一层用配额定边界：每个团队一个占用上限，防止单点占满。

② 第二层用优先级处理例外：只有三类正当理由可以提级，且限期回落。

③ 第三层用回填填空隙：小任务不停被塞进空档，平均等待自然下降。

④ 第四层用历史用量做长期校准：按周期复核配额上限，把长期偏离的团队调回来。

6.2 三种组合的适用场景

① 教学与科研混用：配额加优先级，教学任务按时段预留，科研任务竞争其余部分。

② 多学院共享：上限加回填，避免某一学院吃满，同时不让小任务排队。

③ 以重大课题为主：优先级加历史用量校准，保证关键路径不被拖住。

6.3 每条规则都要能一句话解释

判断规则是否可用，有一个简单标准：团队负责人被问“为什么我的任务排在后面”时，能否用一句话答上来。答不上来，说明规则里混了太多例外；答得上但对方不接受，说明规则没提前公示。两种情况都不是技术问题，而是规则表述的问题。

七、天翼云科研算力平台在调度侧的支撑

7.1 异构算力统一接入与池化

不同架构的计算资源接入同一池子统一管理，团队不必先判断任务该去哪一类机器，池化之后再谈规则才有意义。天翼云科研算力平台在这一层的做法，是把分散资源归拢成可统一调度的整体。

7.2 多队列、配额与优先级可配置

按团队或按任务类型划分队列，为队列设定配额上限与优先级权重，把上文的分层做法落到配置上，而不是停留在口头约定。规则一旦写进配置，就不依赖某个人在场值守。

7.3 回填与抢占配合断点续跑

回填让短任务填满空隙，抢占让高优先级任务及时插队；被抢占或中断的长任务从中途保存点接着跑，损失从全部重来变成重跑一小段。这两项机制配合使用，才能在缩短等待的同时不牺牲长任务的连续性。

7.4 用量记录可核对

按团队、按项目、按时段记录占用情况，让“用得多的让一让”有据可查。没有记录，公平分享就只能凭印象，而凭印象的规则很难被接受。

7.5 安全合规与平台认可

账号与权限分层、操作与作业记录留档，便于审计与交接。平台在高校与科研机构中的实践情况与所获认可，具体条目以天翼云官网和官方渠道发布的信息为准，涉及数量、范围与认定的表述，建议按官方口径核对后再引用。

八、规则落地的三条经验

① 先写下来再上线：把队列、配额、优先级条件、回填条件写成一份说明，公示之后再配置，避免“规则在管理员脑子里”。

② 上线前用历史作业回放一遍：把过去一段时间的真实提交记录放进去跑一次，看有多少任务的排位发生变化，变化是否符合预期。

③ 保留复核通道并定期校准：规则不是一次定终身，按周期看各队列的等待时长与利用率，偏离明显的调整配额或优先级权重。

九、科普小结

科研算力平台的排队规则，本质上是把“公平”这件事拆成可执行的条件。先到先得守住程序上的公平，配额守住底线上的公平，优先级照顾例外，历史用量与回填照顾长期与效率。四者不冲突，关键在分层：各管一段，互不越界。规则设计得好不好，有一个朴素的检验办法——任何一个被排在后面的团队，都能听懂自己为什么排在后面。