[發明專利]一種基于負載相關性預測的容器動態調度方法

有效

• 申請號: 202010978977.6
• 申請日: 2020-09-17
• 公開（公告）號: CN112187894B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 才振功;李景欣;王翱宇;萇程;傅偉凱;馬建波
• 申請（專利權）人: 杭州諧云科技有限公司
• 主分類號: H04L67/1008
• 分類號: H04L67/1008;H04L67/60;H04L43/0817;H04L41/147;H04L41/142;G06N3/08;G06N3/04
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

本發明涉及一種基于負載相關性預測的容器動態調度方法，該方法根據指定調度時間間隔，對相關節點資源利用率進行評估，進行容器的動態遷移，使得節點負載穩定在給定資源利用率區間。本發明提出的方法，針對容器化云環境中容器數量眾多、負載變化復雜的特點，采用時序預測方法與容器放置與遷移算法，包含完整的容器整合流程，有效解決了傳統容器調度方法中因節點負載不穩定，造成數據中心資源利用率低下，資源浪費的問題。

技術領域

本發明涉及云計算技術領域，具體涉及一種基于負載相關性預測的容器動態調度方法。

背景技術

Docker的發展使得容器即服務(CaaS)越來越普及。隨著容器技術的發展，容器將成為云環境中的主要部署模型。如何將眾多容器部署到合適的節點以降低數據中心能耗，成為了困擾大多數數據中心的難題。為了保障容器的資源需求得到滿足，傳統容器部署為了保障穩定的系統性能，經常采用過量分配資源的方式，導致數據中心服務器資源利用率較低，造成資源浪費。如果通過使得節點負載穩定的方式提高節點資源利用率，將可以大幅度降低數據中心資源浪費。

發明內容

針對現有技術的不足，本發明提供一種基于負載相關性預測的容器動態調度方法，具體技術方案如下：

一種基于負載相關性預測的容器動態調度方法，該方法根據指定調度時間間隔，對相關節點資源利用率進行評估，進行容器的動態遷移，使得節點負載穩定在給定資源利用率區間，該方法具體包括如下步驟：

S1：對容器進行實時監控和性能數據采集，獲得時序CPU負載數據；

S2：通過負載趨勢分析預測方法，根據歷史的時序CPU負載數據得到資源利用率預測值為動態調度提供數據支持；

S3：計算容器c的一組資源利用率預測值與節點n的一組資源利用率預測值的相關度γ_cn，使用降序首次適應算法對容器進行初始放置，從而將容器集合C＝{c₁,c₂,c₃,...,c_k}分配到節點集合N＝{n₁,n₂,n₃,...,n_m}中；

S4：每經過調度間隔T，先預測容器資源利用率U_c，然后計算每個節點上所有容器的資源利用率U_c的和，即U_n；然后執行如下操作：

首先處理資源利用率滿足U_nU_max的過載節點，計算該節點中容器與該節點及所有符合要求節點的相關度矩陣M_k×m，其中，k表示矩陣中容器的數目，m表示矩陣中節點的數目；并根據相關度矩陣M_k×m，逐個遷出與該節點預測值相關度最高的容器c，并將容器c遷入到與其相關度最低的符合要求節點，直到無可遷入節點或當前節點利用率重新符合要求；

在無過載節點后，接著處理U_nU_min的欠載節點，計算該節點中容器與所有符合要求節點的相關度矩陣M_k×m，將該節點中的容器全部遷出，遷入到與每個容器的相關度最低的節點中，直至無可選遷入節點或當前節點利用率U_n＝0。

進一步地，所述的S1中，采用cAdvisor對容器進行實時監控和性能數據采集，并配置Prometheus與cAdvisor集成，從cAdvisor中獲取指標，采集時序CPU負載數據。

進一步地，所述的S3中的相關度γ_cn采用Pearson相關系數計算方法，公式如下：

進一步地，所述的S2中選用雙向長短期記憶神經網絡技術BiLSTM進行負載趨勢分析預測。

本發明的有益效果如下：