The invention provides a Docker container dynamic scheduling method based on load prediction. This method first collects the load data of Docker container by Docker container load monitoring module, then stores the load data in the time series database; then Docker container load forecasting module acquires and processes the load data from the time series database, combines ARIMA model analysis with load data, and generates load forecasting value; finally, Docker container load forecasting module generates load forecasting value. The container scheduling module automatically expands the number of Docker containers in the Docker container cluster according to the load prediction value. The invention applies load forecasting technology to the field of Docker container scheduling, realizes the automatic expansion of Docker container cluster according to real-time load conditions, effectively solves the problem that Docker container cluster can not automatically adjust resources due to load conditions, and has insufficient load capacity in operation stage, and improves the availability of Docker container cluster.
【技术实现步骤摘要】
一种基于负载预测的Docker容器动态调度方法
本专利技术属于Docker容器动态调度
,特别是提供一种基于负载预测的Docker容器动态调度方法。
技术介绍
微服务架构将一个应用拆分成多个独立的、具有业务属性的服务,每个服务运行在独立的进程中,服务间通过轻量级的通信机制互相协作,从而为终端用户提供业务价值。基于微服务架构的应用的部署方式包括基于云平台的手动部署、脚本部署等方式,而基于Docker容器的镜像部署是目前比较主流的一种方式。作为开源的应用容器引擎,Docker容器使得开发人员能够把应用及其依赖包封装至可移植的Docker容器中,然后将Docker容器发布到存在Docker容器环境的Linux机器上。Docker容器借助操作系统层的虚拟化实现资源的隔离,与宿主机共享操作系统,因此能够极大地提高资源利用率和提升I/O等方面的性能。为了维护基于Docker容器部署的应用的可用性,基于冗余备份技术构建高可用Docker容器集群,并且通过水平扩展技术扩展Docker容器集群是常用解决方案。基于目前现有的Docker容器编排部署技术构建的Docker容器集群,并不能根据实时的Docker容器负载情况自动调整资源,导致Docker容器集群在运行阶段负载能力不足。而部署Docker容器的过程包含下载镜像,部署镜像,启动Docker容器等一系列操作。当发现当前Docker容器资源不能满足负载需求时才开始申请资源,由于下载镜像等操作会导致部署新Docker容器的过程非常耗费时间,那么,在这段时间里,应用的可用性将无法得到保证。因此,本专利技术提供一种基于负载 ...
【技术保护点】
1.一种基于负载预测的Docker容器动态调度方法,其特征在于包括:首先采集Docker容器的负载数据;然后将负载数据存储在时间序列数据库;接着从时间序列数据库获取和处理负载数据,结合ARIMA模型对负载数据进行分析,生成负载预测值;最后根据负载预测值,扩展Docker容器集群中的Docker容器个数。
【技术特征摘要】
1.一种基于负载预测的Docker容器动态调度方法,其特征在于包括:首先采集Docker容器的负载数据;然后将负载数据存储在时间序列数据库;接着从时间序列数据库获取和处理负载数据,结合ARIMA模型对负载数据进行分析,生成负载预测值;最后根据负载预测值,扩展Docker容器集群中的Docker容器个数。2.根据权利要求书1所述的一种基于负载预测的Docker容器动态调度方法,其特征在于负载数据采集由Docker容器负载监控模块完成,Docker容器负载监控模块按照定时轮询的策略通过查询伪文件的方式采集Docker容器对CPU、内存、磁盘I/O和网络这四类资源的消耗状况作为Docker容器的负载数据,然后将负载数据与服务器节点和Docker容器信息相关联,存储在时间序列数据库中。3.根据权利要求书1所述的一种基于负载预测的Docker容器动态调度方法,其特征在于通过Docker容器负载预测模块从时间序列数据库获取Docker容器的...
【专利技术属性】
技术研发人员:刘发贵,郑少斌,欧嘉敏,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东,44
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。