【技术实现步骤摘要】
基于负载预测的容器云平台智能资源优化方法
本专利技术涉及一种基于负载预测的容器云平台智能资源优化方法,属于云计算领域,更具体说属于容器云平台智能调度范畴。
技术介绍
云计算技术迅速发展,基于云平台的应用也层出不穷。云平台通过虚拟化技术将计算机资源整合成资源池,以按需付费的方式实现了用户对计算资源的弹性需求。云计算发展至今,虚拟化技术一直是云平台中的关键技术,而容器技术则是近年来新兴的一种虚拟化技术。它的出现给传统虚拟化技术带来了挑战,为构建高效的云平台提供了新的思路。在Docker,LXC,Warden,OpenVZ等众多容器技术中,人们最为看好的是Docker容器技术。Docker容器技术自开源以来,就受到了广泛的关注和讨论。Docker容器技术是一种操作系统层虚拟化技术,与传统的虚拟机技术不同,它不需要运行客户机操作系统,容器以进程的形式运行在宿主机操作系统上,这也使得容器具有比传统虚拟机更轻便,灵活,快速部署等优点。由于众多新颖的特性以及项目本身的开放性,Docker迅速获得包括Google、Microsoft、VMware等业界行业领导者的青睐,并对其提供支持。现今各大云计算运营商正在大量的构建基于Docker容器技术的云平台。然而现在大规模的容器云平台普遍存在着资源利用率低,资源利用不均衡、资源调度滞后等问题。不同的容器需求不同维度的资源,当一个节点任意维度的资源耗尽时,如果有多维资源需求的容器被启动,那么该节点将不能满足创建容器的需求,也就不能运行此容器。在这种情况下,其他维度的剩余资源就被闲置了下来,导致资源利用率很低。此外,目前几乎所有云平 ...
【技术保护点】
1.基于负载预测的容器云平台智能资源优化方法,其特征在于,包括如下步骤:(1)实时获取容器云平台每个容器实例的多维度负载数据,并生成每个维度对应的负载时间序列;(2)根据容器实例的历史负载数据,通过基于时序分析的负载预测技术,预测每个容器实例下一时间窗口的负载;(3)根据物理节点上各个容器实例在下一个时间窗口的负载预测值,计算各个物理节点下一个时间窗口的综合负载,根据综合负载为物理节点设置负载标志。(4)执行容器云平台调度策略生成算法,生成调度策略。(5)执行调度策略,对每一个需要迁移的容器实例,调用容器云平台的调度接口实现容器实例调度迁移,最终完成整个容器云平台的调度。
【技术特征摘要】
1.基于负载预测的容器云平台智能资源优化方法,其特征在于,包括如下步骤:(1)实时获取容器云平台每个容器实例的多维度负载数据,并生成每个维度对应的负载时间序列;(2)根据容器实例的历史负载数据,通过基于时序分析的负载预测技术,预测每个容器实例下一时间窗口的负载;(3)根据物理节点上各个容器实例在下一个时间窗口的负载预测值,计算各个物理节点下一个时间窗口的综合负载,根据综合负载为物理节点设置负载标志。(4)执行容器云平台调度策略生成算法,生成调度策略。(5)执行调度策略,对每一个需要迁移的容器实例,调用容器云平台的调度接口实现容器实例调度迁移,最终完成整个容器云平台的调度。2.根据权利要求1所述的基于负载预测的容器云平台智能资源优化方法,其特征在于,所述步骤(1)具体为:在容器云平台的每一个容器实例上运行cAdvisor工具,实时获取容器实例的负载数据,包括CPU、内存、磁盘、网络等多个维度,生成每个维度相应的负载时间序列。3.根据权利要求1所述的基于负载预测的容器云平台智能资源优化方法,其特征在于,所述步骤(2)具体包括:(21)对于每个维度,从对应的历史负载时间序列获取最新的n*m个历史负载数据;划分成n个时间窗口,每个时间窗口中包含m个历史负载数据;(22)提取每个时间窗口中第i个历史负载数据,构成一个时间序列每个时间窗口中包含m个历史负载数据,所以形成m个时间序列为(23)为保证GM(1,1)模型方法的有效性,需要对数据做必要的检验处理。计算序列的级比。方法是:其中,表示第k个时间窗口中第i个历史负载数据。如果所有的级比都落在可容覆盖区间内,则第i个时间序列可以建立GM(1,1)模型且可以进行灰色预测。否则,要对数据进行变换,使所有的级比都落在可容覆盖区间内。(24)对检验处理后的序列使用公式进行一次累加生成新的序列(25)建立GM(1,1)模型为其中α为发展灰度,μ为内生成控制灰度。(26)用回归分析求得α,μ的估计值,得到相应的白化模型为:(27)求解微分方程,即可得到预测模型为:(28)对预测模型值累减,得到预测值:(29)通过对m个时间序列进行预测,得到容器实例下一个时间窗口的m个时刻的负载预测值为(210)通过以上方法对CPU、内存、磁盘、网络等多个维度的负载进行预测,得到容器实例的每个维度在下一个时间窗口的m个时刻的负载预测值。4.根据权利要求3所述的基于负载预测的容器云平台智能资源优化方法,其特征在于,所述步骤23中数据的变换处理为平移变换,即通过取不同的c使数据的级比都落在可容覆盖内。5.根据权利要求1所述的基于负载预测的容器云平台智能资源优化方法,其特征在于,根据容器实例的负载预测值,计算物理节点的综合负载情况,根据综合负载值为其设置负载标志。所述步骤(3)具体包括:(31)获取待分析的物理节点上所有的容器实例中的各个维度的下一个时间窗口的m个时刻的负载预测值(32)对待分析的物理节点上所有容器实例同一维度的对应时刻负载预测值进行求和,即为q维度的第i个时刻负载预测值,为物理节点上第p个容器实例中维度q的第i个时刻负载预测值,s表示该物理节点上容器实例的个数;cq表示该物理...
【专利技术属性】
技术研发人员:才振功,王羽中,王翱宇,苌程,蔡亮,
申请(专利权)人:杭州谐云科技有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。