[發明專利]一種集群中容器資源動態分配方法

有效

• 申請號: 201911415927.0
• 申請日: 2019-12-31
• 公開（公告）號: CN111124689B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 王昭;王惠峰;張峰;王萌萌
• 申請（專利權）人: 中國電子科技集團公司信息科學研究院
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N3/006;G06N3/0464;G06N3/0442
• 代理公司: 北京中知法苑知識產權代理有限公司 11226
• 代理人: 李明;趙吉陽

1.一種集群中容器資源動態分配方法，基于改進鯨魚優化算法進行容器資源動態分配；其特征在于：

包括下述步驟：

步驟1，獲取多個容器多種資源歷史使用數據，構建時間序列；

步驟2，利用LSTM進行時間序列預測，預測多個容器未來每種資源的使用量；

步驟3，構建多容器多資源分配模型和系統效用最大化模型；

步驟4，改進鯨魚優化算法，提升算法的收斂精確度、速度以及綜合尋優能力；

步驟5，將改進鯨魚優化算法應用于多資源分配問題，對多個容器使用的多種資源重新分配，最大化系統的整體效用，獲得多個容器多種資源分配值，通過修改容器對應的Cgroups文件重新分配資源。

2.根據權利要求1所述的一種集群中容器資源動態分配方法，其特征在于，

步驟1中，基于k8s集群HeapSter、InfluxDB、Grafana組件獲取多個容器對多種資源的歷史使用數據，包括特定時間下的內存、CPU、網絡、磁盤I/O等資源，并存入時間序列數據庫。

3.根據權利要求1所述的一種集群中容器資源動態分配方法，其特征在于，

步驟2中包括：

步驟2-1：從時間序列數據庫中獲取多個容器的歷史資源使用數據，利用LSTM為每個容器的每種資源訓練模型，并預測每個容器對每種資源的未來使用量；

步驟2-2：對比預測后一段時間內容器的每種資源使用量和預測得到此段時間的資源未來使用量，通過觀測值和預測值對比，得到預測誤差，使用RBF神經網絡對誤差進行建模，得到誤差預測；

步驟2-3：利用RBF的誤差預測值對LSTM的預測值進行修正，得到修正后的每個容器的未來資源使用量，并基于此計算每個容器每種資源使用量在系統該種資源上的占比，作為后續多容器多資源分配模型中設置每種資源所占權重的依據。

4.根據權利要求1所述的一種集群中容器資源動態分配方法，其特征在于，

步驟3中包括：

步驟3-1：構建多容器多資源分配模型；將系統中應用分為三類，在線應用，離線應用，實時計算應用，每種應用為彈性應用，其QoS和資源之間符合不確定模型；

假設容器集群中包含n個容器{π₁,π₂,…,π_n}，每個容器使用m種共享資源{R₁,R₂,…,R_m}，容器π_j的效用函數q_j＝λ_jf_j(ω_1jR_1j,ω_2jR_2j,…,ω_mjR_mj)，其中λ_j是一個介于[0,1]之間的值，它代表了容器或應用π_j的權重系數，可為不同類型的應用設置不同的權重系數，ω_ij代表容器π_j對第i種資源的需求程度，因為不同類型的應用對不同類型資源的需求也有不同，所以考慮為不同類型的資源設置權重系數；效用函數滿足為了對不同容器或應用的效用值有一個統一的度量標準，對效用函數進行歸一化處理：/

其中，1≤i≤m,1≤j≤n,0≤Q_j≤1 1。

5.根據權利要求1所述的一種集群中容器資源動態分配方法，其特征在于，

步驟4中從三個方面改進鯨魚優化算法,引入非線性收斂因子，加入慣性權重因子以及最優個體變異機制。

6.根據權利要求5所述的一種集群中容器資源動態分配方法，其特征在于，

步驟4中包括：

步驟4-1：引入非線性收斂因子

其中t表示當前迭代次數，t_max是總的迭代次數。