The invention discloses a Kubernetes scheduling optimization method based on neural network. The method includes the construction of prediction model and resource allocation algorithm. The memory consumption of Node node in Kubernetes is predicted by cyclic neural network, the change of memory consumption in the future is predicted, and the memory consumption is eliminated. Consumption data is input into the resource allocation algorithm to calculate the number of instances that need to be increased. The Kubernetes system expands dynamically according to the number of instances, thus completing the dynamic scaling function of Kubernetes based on memory resources. The invention can solve the problem that the high consumption of memory resources in Kubernetes container application leads to the decrease of system stability.
【技术实现步骤摘要】
基于神经网络的Kubernetes调度优化方法
本专利技术涉及云计算中的Kubernetes技术，具体涉及一种基于神经网络的Kubernetes调度优化方法。
技术介绍
Kubernetes作为轻量级的开源容器编排系统，它将应用程序拆分为可以执行特定进程的小型模块化服务，通过规定这些服务的关联规则来满足复杂应用程序的需求，使复杂应用更加灵活和稳定，更易于应用发布和模块更新，同时Kubernetes系统默认集成弹性伸缩、自动负载均衡等功能，使得容器运行更高效、服务调度更便捷。在生产环境中各种资源的消耗对平台的弹性伸缩提出了很高的要求，弹性伸缩根据应用程序运行状态调配平台资源负载变化，是以动态延伸与缩减的方式增加或减少所需资源的技术，它通过精准的需求与实时的变化较好地解决了资源利用和应用系统调度之间的矛盾，提高资源的利用率和用户的满意度。现阶段Kubernetes的动态资源分配机制主要针对云平台的CPU资源进行调度，当云平台的部署应用处于内存高负载状态时，Kubernetes因无法进行弹性扩展而导致应用内存溢出、服务不断重启等异常状况。
技术实现思路
针对现有技术的不足，...
【技术保护点】
1.一种基于神经网络的Kubernetes调度优化方法，所述方法包括如下步骤：（1）将预测模型加载到Kubernetes系统中；（2）采集数据并把数据输入到预测模型中；（3）根据预测模型结果结合资源调配算法进行资源的调度；所述预测模型的构建步骤为：（1）通过Java语言编写Web实例应用程序；（2）将应用打包成War放入Tomcat当中；（3）当带有War包的Tomcat通过Dockerfile写入Docker镜像中；（4）将定制的Docker镜像部署到Kubernetes当中；（5）采集实例应用的资源使用量并采集数据输入到训练模型中得到预测模型；所述资源调配算法步骤为：（...
【技术特征摘要】
1.一种基于神经网络的Kubernetes调度优化方法，所述方法包括如下步骤：（1）将预测模型加载到Kubernetes系统中；（2）采集数据并把数据输入到预测模型中；（3）根据预测模型结果结合资源调配算法进行资源的调度；所述预测模型的构建步骤为：（1）通过Java语言编写Web实例应用程序；（2）将应用打包成War放入Tomcat当中；（3）当带有War包的Tomcat通过Dockerfile写入Docker镜像中；（4）...
【专利技术属性】
技术研发人员：强保华，赵兴朝，谢武，陶林，宁毅，莫烨，卢永全，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45
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。