[發(fā)明專利]一種基于kubernetes容器資源動態(tài)調整的方法

在審

• 申請?zhí)枺?/td>: 201910566915.1
• 申請日: 2019-06-27
• 公開（公告）號: CN110287029A
• 公開（公告）日: 2019-09-27
• 發(fā)明（設計）人: 趙凱麟;王志雄;韋克璐;藍熙;邱王鼎;張志龍
• 申請（專利權）人: 中國—東盟信息港股份有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06F9/455
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 李家恒

本發(fā)明公開了一種基于kubernetes容器資源動態(tài)調整的方法，包括：通過kubernetes內置的指標服務器采集到pod的實時的容器實際資源使用量；根據(jù)收集到的實際資源使用量，將其整合，分別計算并記錄pod的推薦的容器的目標資源使用量；持續(xù)監(jiān)聽pod的資源狀況信息，將pod重啟；在pod重啟時攔截創(chuàng)建請求，并將前述目標資源使用量更新到pod的資源配置中，并以該配置創(chuàng)建新的pod。本發(fā)明的基于kubernetes容器資源動態(tài)調整的方法，通過動態(tài)調整kubernetes集群最小負載單位pod的資源請求使用量，能夠降低容器用盡內存和cpu饑餓的風險，提高了整個kubernetes集群的資源利用率。

技術領域

本發(fā)明涉及軟件應用的運行控制技術領域，特別是一種基于kubernetes容器資源動態(tài)調整的方法。

背景技術

隨著云計算的不斷發(fā)展,容器和Kubernetes已經成為云原生應用的基石，Kubernetes正在成為廣大互聯(lián)網公司和傳統(tǒng)IT行業(yè)進行云化和簡化運維的利器，在生產環(huán)境上得到大規(guī)模部署并被越來越多的公司采用。

現(xiàn)有的kubernetes上應用負載資源配置是人工在pod創(chuàng)建時就提前進配置好，一般在整個應用的生命周期內都不會改變，如需要更改，要人工進行配置修改后重啟pod，存在對人依賴性太強的缺點。也有基于軟件性能指標的資源管理pod水平自動伸縮器(HPA)，根據(jù)當前運行的pod的cpu占用和內存占用來動態(tài)伸縮pod的數(shù)量，存在不能動態(tài)調整每個pod的資源占用量的缺點，只調整pod的數(shù)量無法精確的控制節(jié)點的硬件資源使用率。

發(fā)明內容

本發(fā)明的發(fā)明目的是，針對上述問題，提供一種基于kubernetes容器資源動態(tài)調整的方法，是基于Kubernetes容器集群管理平臺的與時間相關的容器調度方法。

為達到上述目的，本發(fā)明所采用的技術方案是：

一種基于kubernetes容器資源動態(tài)調整的方法,包括以下步驟：

S1、每隔預設定時間，通過kubernetes內置的指標服務器采集到pod的實時的容器實際資源使用量；

S2、根據(jù)步驟S1中收集到的實際資源使用量，將其整合，分別計算并記錄pod的推薦的容器的目標資源使用量；

S3、持續(xù)監(jiān)聽pod的資源狀況信息，當pod的目標資源使用量高于或低于容器配置資源使用量預設定數(shù)值時，或者當在預設定的時間段內發(fā)生過內存用盡被強制刪除的事件時，將pod重啟；

S4、在pod重啟時攔截創(chuàng)建請求，并將前述目標資源使用量更新到pod的資源配置中，并以該配置創(chuàng)建新的pod。

作為一選項，步驟S2具體包括以下內容：

S21、獲取集群內的每個pod的包括CPU和內存使用量的使用情況信息，并進行整合；

S22、采用margin算法及confidence算法，分別得到目標資源使用量、使用量上限及使用量下限；具體如下：

目標資源使用量采用margin算法計算得到，margin算法公式如下：

TargetRes ource＝RecourceAmount*(1+marginFraction)，其中，RecourceAmount為收集到的實際資源使用量，marginFraction為目標資源資源使用量比實際資源使用量多出的倍數(shù)；

使用量上限和使用量下限都采用將margin算法的結果代入confidence算法疊加計算而得；confidence算法公式如下：

scaledResource＝originalResource*(1+multiplier/confidence)^exponent；