局域网分布式算力系统的 "老板" ——在"工人"(安卓算力 app + Windows 算力端)之上， 评估手机与电脑的算力能力比例，把项目(含本地模型推理)按比例切分、分发到 电脑全部关键硬件 + 手机，并提供可视化控制台。
English — The "boss" of a LAN compute pool. Above the workers (the Android compute app + the Windows compute node), it measures the phone-vs-PC capability ratio, then splits projects proportionally (including local-model inference) across all the PC's key hardware + the phones, with a visual web console.
整个算力系统现在有 三层：
工人 Workers 老板 Boss (本项目)
┌───────────────┐ HTTP ┌────────────────────┐ ┌──────────────────────────┐
│ 安卓算力 app │──────────►│ │ │ 算力老板 boss.py :8000 │
│ (Worker.kt) │ 拉任务 │ 协调端 Coordinator│◄──┤ · 评估算力比例 │
├───────────────┤◄──────────│ coordinator.py │ │ · 按比例切分项目 │
│ Windows 算力端 │ 交结果 │ :9000 任务队列 │──►│ · 派"手机那份"进队列 │
│ (test_worker) │ │ + 计费 + 安全阈值 │ │ · 自己吃满 PC 多核/GPU │
└───────────────┘ └────────────────────┘ │ · 可视化控制台 │
└──────────────────────────┘
- 工人：贡献算力、执行单个任务。安卓 app 和 PC worker 都接在协调端上。
- 协调端(
D:\电脑算力租用包含安全阈值\coordinator.py)：任务队列 + 心跳 + 计费 + 安全阈值。 - 老板(本项目)：项目级编排。它不取代协调端，而是站在它之上——评估谁强谁弱、 按比例切活、把手机那份丢进协调端队列让手机来拉、电脑那份自己用多核引擎吃满，最后合并结果。
Three layers: Workers execute single jobs and attach to the Coordinator (queue + billing + safety). The Boss (this repo) does project-level orchestration on top: assess capability, split by ratio, push the phone's share into the coordinator queue, run the PC's share on a local multi-core engine, then merge.
- 评估：PC 本地真跑一段标准负载测吞吐；手机则经协调端投一个标定任务、测它从领取到 完成的耗时——得到每台设备的 算力评分(work-units/秒)。
- 比例：
ratio[设备] = 评分 / Σ评分。例如实测 PC 96.5% : 手机 3.5%。 - 切分：项目拆成 N 个分片后，用最大余数法按比例给每台设备整数配额（强的多分、弱的少分）， 交错下标分配让负载均匀。
- 派发：PC 那份 → 本地多核引擎(
executor.py)；手机那份 → 提交到协调端队列。 - 兜底：手机分片若超时(掉线/电量低 RED)，老板自动用 PC 把它补算掉，绝不卡死。
Assess → ratio → largest-remainder split → dispatch (PC local + phone via coordinator) → PC-fallback for stalled phone shards → merge.
老板要"分配电脑所有关键硬件的分担任务"：
- CPU：
executor.py用ProcessPoolExecutor跨全部物理核并行（默认留 1 核给系统/UI）。 - GPU：
hardware.py探测独显(pynvml→nvidia-smi)；纯逐元素负载放 GPU 反而慢，GPU 留给 本地模型项目的真实后端(transformers+torch自动用 GPU)去吃。 - 内存 / 磁盘 / 网络：
hardware.utilization()实时读占用，控制台用条形图可视化； 安全阈值由协调端那层守门。
CPU via a multi-core process pool; GPU detected and reserved for the real model backend; RAM/disk/net shown live; safety gating handled by the coordinator layer.
| key | 项目 | PC 执行 | 手机执行 | 说明 |
|---|---|---|---|---|
local_model |
本地模型推理（数据并行） | sim / llama_cpp / transformers | compute 折算 + 老板补文本 | 把一批 prompt 按算力比例分发到各设备做前向 |
prime_scan |
大区间素数统计 | prime | prime（原生） | 统计 [2,limit) 素数，分片并行 |
hash_grind |
批量 SHA-256 | hash | hash（原生） | 哈希链，CPU 密集 |
montecarlo |
蒙特卡洛估 π | montecarlo | —（仅 PC） | 撒点估 π；安卓 worker 无此原语，故 PC-only |
关于"本地部署模型"：默认 model_backend="sim" —— 用与 token 数成正比的运算模拟一次前向，
零依赖、开箱即跑，真实体现按算力比例切分。要跑真模型：把 boss_config.json 的
model_backend 改 llama_cpp(给 model_path 指向 gguf) 或 transformers(给模型名/目录，
有 GPU 自动用)，真实后端目前在 PC 分片生效；手机分片承担等价的 compute 重活（真实 offload），
老板补上回复文本。要让手机也跑真模型，需给安卓 worker 加一个 model 任务类型（见下"扩展"）。
老板有两个界面，同一套后端，按喜好选一个：
| 入口 | 启动 | 界面 |
|---|---|---|
| Windows 桌面 GUI（推荐，原生窗口、不用浏览器） | 启动老板GUI.bat |
boss_gui.py（Tkinter） |
| Web 控制台（可远程/手机浏览器看） | 启动老板.bat → http://127.0.0.1:8000 |
boss.py（Flask） |
:: 1) （推荐）先启动协调端，让手机 worker 能接入
D:\电脑算力租用包含安全阈值\启动协调端.bat
:: 2a) 桌面 GUI（自动建 venv / 装依赖 / 杀旧实例 / 开窗）
启动老板GUI.bat
:: 2b) 或 Web 控制台
启动老板.bat :: 然后浏览器开 http://127.0.0.1:8000两种界面操作一致：
- 点 「重新评估算力」 → 看到 PC 与各手机的算力比例条。
- 选一个项目、填参数 JSON（如
{"count":200}）。 - 点 「开始加速」 → 实时看每台设备的任务流、总进度、吞吐、结果。
没装依赖也行，启动脚本会自动
pip install -r requirements.txt。 协调端没开也能用——老板会只用 PC 本地算（手机比例为 0）。
手动运行：.venv\Scripts\python.exe boss_gui.py（桌面）或 boss.py（Web）。
- 纯 Tkinter（Python 自带，零额外依赖），原生 Windows 窗口。
- 网络(协调端)与硬件读取放后台线程，主循环每 0.5s 读快照重绘，界面不卡。
- 用 Canvas 画彩色算力比例条、硬件仪表、每台设备任务流。
- 模块导入零副作用 +
multiprocessing.freeze_support()：多进程引擎(spawn)在 GUI 下也安全。
| 路由 | 方法 | 作用 |
|---|---|---|
/ |
GET | 可视化控制台页面 |
/api/overview |
GET | PC 硬件画像+实时利用率、协调端在线手机、当前运行状态 |
/api/projects |
GET | 可选项目清单 + 默认参数 |
/api/assess |
POST | 立即重测各设备算力，返回评分 + 比例（不启动任务） |
/api/run |
POST | 启动一次加速运行 {project, params} |
/api/run_status |
GET | 当前运行快照（进度/各设备完成/结果/日志） |
/api/cancel |
POST | 取消当前运行 |
/api/config |
POST | 改协调端地址 / 模型后端等并落盘 |
lan_ip()取本机局域网 IP（告诉手机连哪）。
load()/save(cfg)。关键项：boss_port(8000)、coordinator_url(:9000)、use_local_pc、pc_max_workers、enable_gpu、benchmark_seconds、capability_ttl、model_backend、model_path、shard_size、poll_interval。环境变量名为BOSS_<大写键名>（如BOSS_BOSS_PORT）。
profile()静态画像：CPU 核数/频率、内存、磁盘、GPU 列表。utilization()动态：CPU% / 每核% / 内存% / 磁盘% / GPU% / 网络收发 KB/s。detect_gpus()/gpu_utilization()独显探测（pynvml→nvidia-smi，缺则空）。
CoordinatorClient(base_url)：online()、status()、online_workers(kinds)、submit(type,payload,weight)→job_id、job_results(ids)。协调端没开不报错。
CapabilityAssessor(cfg, client)：benchmark_pc()本地吃满多核测吞吐 → 评分。benchmark_phone(device_id)经协调端投标定任务、测耗时 → 评分（超时退回按核数估计）。assess(force=False)评估 PC+所有在线手机，返回{devices, ratio, total_score}，带 TTL 缓存。
LocalExecutor(max_workers)：run(kind, items, on_progress)用进程池并行跑一批 item， 回调进度，返回(results, stats)；cancel()中断。
w_prime / w_hash / w_compute / w_montecarlo / w_model_sim，run_item(kind,item)。model_sim_cost(item)/model_sim_text(item)：把"模型推理"折算成 compute 量 / 只生成文本。
Project基类：make_items(params)、reduce(results)、phone_job(item)、phone_merge(item,r)。LocalModelProject(含real_pc_backend()/run_pc_item())、PrimeScanProject、HashGrindProject、MonteCarloProject。registry(cfg)/catalog(cfg)。PHONE_NATIVE = {prime, hash, compute}—— 安卓 worker 原生支持的类型。
Scheduler(cfg, client, assessor, executor, registry)：start(project, params)、is_busy()、cancel()、run.snapshot()。内部_split()按比例切分、_run_pc()/_run_phone()并行派发、_pc_fallback()超时兜底。Run对象：全程可被 UI 轮询的运行状态。
- 接真实本地模型：
pip install llama-cpp-python（或transformers torch），改boss_config.json的model_backend+model_path。 - 让手机也跑真模型 / 新任务类型：在安卓
Worker.kt的runJob()里加同名when分支 （如"model"），再在本项目某 Project 的phone_job()里返回该类型即可——切分/派发/合并不用改。 - 新项目：继承
Project，实现make_items/reduce（必要时phone_job/phone_merge）， 加进projects.registry()与catalog()。
- PC(16 逻辑核 / 含 1 块 GPU) + 安卓模拟器 worker 经协调端接入。
/api/assess实测算力比例 PC 96.5% : 手机 3.5%（手机经协调端真实标定）。prime_scan[2,200000) = 17984 个素数（π(200000) 正确）。montecarlo4,000,000 点 → π ≈ 3.1412；16 核全程吃满。- 控制台实时显示硬件利用、算力比例条、每台设备任务流、进度与结果。
电脑手机内部局域网算力共享老板/
├─ boss.py Web 控制台主程序 (Flask)
├─ boss_gui.py ★Windows 桌面 GUI (Tkinter)
├─ config.py 配置
├─ hardware.py PC 关键硬件探测 + 利用率
├─ coordinator_client.py 协调端客户端
├─ capability.py 算力评估 + 比例
├─ executor.py PC 本地多核执行引擎
├─ workloads.py 工作负载原语（可 pickle）
├─ projects.py 项目（含本地模型推理）
├─ scheduler.py 调度器：评估→切分→派发→兜底→合并
├─ templates/dashboard.html 可视化控制台
├─ static/style.css · app.js 控制台前端
├─ requirements.txt
├─ 启动老板.bat 启动 Web 控制台（先杀旧实例）
├─ 启动老板GUI.bat 启动 Windows 桌面 GUI（先杀旧实例）
└─ README.md
- PC：16 逻辑核 / 8 物理核，NVIDIA RTX 3070 Laptop（8 GB VRAM），32 GB RAM
- 真机：Samsung SM-S9370，8 核，电量 48%，GREEN
- 模拟器：sdk_gphone64_x86_64（Android API 36），6 核，YELLOW（内存 80.5%）
| 设备 | 评分 | 比例 |
|---|---|---|
| 本机 PC（16 核） | 20.63 | 95.8 % |
| 模拟器（6 核） | 0.70 | 3.25 % |
| 真机 SM-S9370（8 核） | 0.20 | 0.95 % |
| 项目 | 数值 |
|---|---|
| 参数 | limit=10,000,000，chunk=50,000，200 片 |
| 分发 | PC 195 片 · 模拟器 4 片 · 真机 1 片 |
| 结果 | 664,579 个素数（π(10M) 标准值 664,579）✅ |
| 耗时 | 38.0 s，吞吐 5.26 片/s |
| 项目 | 数值 |
|---|---|
| 参数 | count=800，rounds=100,000，800 片 |
| 分发 | PC 766 片 · 模拟器 26 片 · 真机 8 片 |
| 结果 | 800 片全部完成，哈希结果一致 ✅ |
| 耗时 | 34.7 s，吞吐 23.06 片/s |
| 项目 | 数值 |
|---|---|
| 参数 | samples=100,000,000，chunk=1,000,000，100 片 |
| 分发 | PC 100 片 · 手机 0 片（安卓 worker 无此原语，自动豁免）✅ |
| 结果 | π ≈ 3.141568（误差 < 1×10⁻⁵）✅ |
| 耗时 | 15.8 s，吞吐 6.33 片/s |
- 按算力比例切片正确：最大余数法分配与理论比例吻合，三台设备合计等于总片数。
- PC-only 任务手机自动豁免：
montecarlo正确跳过两台手机，PC 独吞 100 片。 - 安全阈值兼容：模拟器内存 80.5%（YELLOW 档），分发不受阻，任务正常完成。
- 结果精度：素数计数与标准值完全一致；π 估计误差 < 1×10⁻⁵。
本系统是你自己的局域网算力池，加速你自己的项目；与把算力贡献给第三方云换额度无关。 This is your own LAN compute pool for your own projects.