基于粒子群优化的Docker容器调度方法技术

本发明专利技术揭示了一种基于粒子群优化的Docker容器调度方法，包括如下步骤：S1、粒子编码步骤，将粒子群算法应用到Docker容器的调度中，通过自然数编码，将粒子群中的粒子编码长度与容器的任务相对应；S2、种群初始化步骤，在问题解空间内随机初始化NP个粒子的位置和速度，设定粒子群算法参数；S3、适应度函数步骤，使用适应度函数评价粒子的好坏，粒子以适应度函数大小为目标，不断迭代更新，直至满足停止条件，根据适应度函数的结果，更新粒子最优值和总体最优值；S4、模拟退火步骤，对已更新的最优值进行模拟退火，避免粒子群算法陷入局部最优解。本发明专利技术所提出的调度方法不仅仅实现了Docker集群各节点的负载均衡，还能完全发挥集群的整体性能。

【技术实现步骤摘要】
基于粒子群优化的Docker容器调度方法
本专利技术涉及一种调度方法，具体而言，涉及一种基于粒子群优化的Docker容器调度方法，属于云计算虚拟化

技术介绍
随着近年来信息技术以及互联网行业的快速发展，云计算己经成为当今信息
中最重要的概念之一，被称为IT产业的第四次革命，成为了未来互联网和移动互联网相结合的一种新兴的计算模式。Docker是基于Linux容器(LXC)创建的一个应用容器引擎，属于操作系统层虚拟化，主要用于解决服务器应用快速构建、部署和分享的问题。Docker自诞生以来发展迅速，现在主流的Linux操作系统都已经支持Docker，同时该引擎也得到了包括谷歌、微软、IBM、亚马逊以及VMware在内的众多企业的大力支持，并在这些公司的云平台及服务产品中得到了广泛地应用。应用程序开发者可使用Docker打包应用和运行所需的依赖包到一个可移植的容器中，然后发布到任何支持Docker的机器上，从而实现轻量级的虚拟化。目前云计算的基石是操作系统级别的隔离，在同一台物理服务器上虚拟出多个主机。Docker的出现，实际上是完成了一种应用程序级别的隔离，它改变目前基本的开发、操作单元，由直接操作虚拟主机(VM)，转换到操作程序运行的容器上来。此外，Docker集群管理工具Swarm的出现进一步促进了Docker在集群中的使用，为云计算平台及数据中心的虚拟化方法提供了一种新的思路。当前的Docker容器调度主要基于两种方式，一种是传统的调度方法，另一种是启发式调度算法。如何将上述这两种方式进行适当的结合，更好地实现集群各节点的负载均衡、发挥集群的整体性能，从而充分地体现出利用轻量级虚拟化Docker的优势，也就成为了目前本领域内技术人员所亟待解决的问题。
技术实现思路
鉴于现有技术存在上述缺陷，本专利技术的目的是提出一种基于粒子群优化的Docker容器调度方法。一种基于粒子群优化的Docker容器调度方法，包括如下步骤：S1、粒子编码步骤，将粒子群算法应用到Docker容器的调度中，通过自然数编码，将粒子群中的粒子编码长度与容器的任务相对应；S2、种群初始化步骤，在问题解空间内随机初始化NP个粒子的位置和速度，设定粒子群算法参数；S3、适应度函数步骤，使用适应度函数评价粒子的好坏，粒子以适应度函数大小为目标，不断迭代更新，直至满足停止条件，随后根据适应度函数的结果，更新每个粒子的粒子最优值和所有粒子的总体最优值；S4、模拟退火步骤，对已更新的粒子最优值和总体最优值进行模拟退火，避免粒子群算法陷入局部最优解。优选地，所述S1粒子编码步骤，包括如下操作：设有m个任务，一个任务对应于一个Docker容器，Docker集群中有n个节点资源，则粒子可编码为n为向量，表达式为，P＝{p1,p2,…pi…,pm}，其中，1≤pi≤n，粒子的每一维坐标均表示一个Docker容器的编号，每个Docker容器均有一个任务，任意一维分量pm表示分配给此容器的资源号。优选地，所述S2种群初始化步骤，包括如下操作：设种群规模为NP，对m个任务在n个资源节点上进行调度，种群初始化时系统随机产生NP个粒子，每个粒子的位置均由向量P表示，第i个粒子的表达式为，pi＝{pi1,pi2,…,pij,…,pim}，其中，1≤pij≤n表示任务j分配到第pij号节点上，pij初始化为(1,n)之间的随机整数，第i个粒子的速度由向量v表示为，vi＝{vi1,vi2,…,vij,…,vim}，其中，1≤i≤NP，-n≤vij≤n，vij初始化为(-n,n)之间的随机数。优选地，所述S3适应度函数步骤，包括如下子步骤：S31、利用节点的CPU使用率对服务等级协议进行评价；S32、利用剩余资源利用率对资源使用率进行评价；S33、依据对目标优化的要求设定相应的权值，获得综合适应度函数。优选地，S31中所使用的基于CPU使用率的服务等级协议评价函数的表达式为：其中，Ucpu为节点的CPU使用率，p为规定保证服务等级协议的阈值范围。优选地，S32中所使用的剩余资源利用率函数的表达式为：其中，Ri为第i维剩余资源，Rmin为剩余资源的最小值。优选地，S33中所获得的综合适应度函数的表达式为：f(Ucpu,Umem)＝K1fsLA+K2fr，其中，Ucpu为节点的CPU使用率，Umem为节点的内存使用率，K1、K2为权值。优选地，在所述S4模拟退火步骤中，退火过程的表达式为：T(t+1)＝α×T(t)，其中，α为退火模拟中冷却衰减因子，T为温度，t为控制参数。与现有技术相比，本专利技术的优点主要体现在以下几个方面：本专利技术采用优化过的粒子群算法来完成Docker容器的调度，通过自然数编码将任务放置到相应的资源节点上，同时利用解码来找到资源节点拥有哪些任务，整个过程逻辑清晰，效果显著。同时，本专利技术中使用了模拟退火思想，防止粒子群算法陷入局部最优解，有效地提高了粒子群的全局搜索能力、效率和最优解的准确度。此外，本专利技术也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于领域内其他调度方法的技术方案中，具有十分广阔的应用前景。总体而言，本专利技术所提出的调度方法不仅仅实现了Docker集群各节点的负载均衡，还能完全发挥集群的整体性能，从而充分地发挥出Docker容器轻量级的优势，具有很高的使用及推广价值。以下便结合实施例附图，对本专利技术的具体实施方式作进一步的详述，以使本专利技术技术方案更易于理解、掌握。附图说明图1为本专利技术的算法流程图；图2为虚拟机与Docker容器的对比图；图3是将优化粒子群算法融合到Docker容器中图；图4为Docker集群中容器任务调度图；图5为Docker集群中容器的性能图。具体实施方式如图1～图5所示，本专利技术揭示了一种基于粒子群优化的Docker容器调度方法，包括如下步骤：S1、粒子编码步骤，将粒子群算法应用到Docker容器的调度中，通过自然数编码，将粒子群中的粒子编码长度与容器的任务相对应；S2、种群初始化步骤，在问题解空间内随机初始化NP个粒子的位置和速度，设定粒子群算法参数；S3、适应度函数步骤，使用适应度函数评价粒子的好坏，粒子以适应度函数大小为目标，不断迭代更新，直至满足停止条件，随后根据适应度函数的结果，更新每个粒子的粒子最优值和所有粒子的总体最优值；S4、模拟退火步骤，对已更新的粒子最优值和总体最优值进行模拟退火，避免粒子群算法陷入局部最优解。具体而言，所述S1粒子编码步骤，包括：将粒子群算法应用到Docker容器的调度中，由于在Docker容器调度中任务只能取离散值，对粒子的编码也只能是离散的值。所以，首先要对粒子进行编码，将粒子的位置、速度与Docker调度任务结合起来。在本实施例中采用自然数编码，让粒子的编码长度与容器的任务相对应。设有m个任务，一个任务对应于一个Docker容器，Docker集群中有n个节点资源，则粒子可编码为n为向量，表达式为，P＝{p1,p2,…pi…,pm}，其中，1≤pi≤n，粒子的每一维坐标均表示一个Docker容器的编号，每个Docker容器均有一个任务，任意一维分量pm表示分配给此容器的资源号。举例而言，当任务个数为m＝12时，Docker节点资源个数n＝5时，即本文档来自技高网...

【技术保护点】
1.一种基于粒子群优化的Docker容器调度方法，其特征在于，包括如下步骤：S1、粒子编码步骤，将粒子群算法应用到Docker容器的调度中，通过自然数编码，将粒子群中的粒子编码长度与容器的任务相对应；S2、种群初始化步骤，在问题解空间内随机初始化NP个粒子的位置和速度，设定粒子群算法参数；S3、适应度函数步骤，使用适应度函数评价粒子的好坏，粒子以适应度函数大小为目标，不断迭代更新，直至满足停止条件，随后根据适应度函数的结果，更新每个粒子的粒子最优值和所有粒子的总体最优值；S4、模拟退火步骤，对已更新的粒子最优值和总体最优值进行模拟退火，避免粒子群算法陷入局部最优解。

【技术特征摘要】
1.一种基于粒子群优化的Docker容器调度方法，其特征在于，包括如下步骤：S1、粒子编码步骤，将粒子群算法应用到Docker容器的调度中，通过自然数编码，将粒子群中的粒子编码长度与容器的任务相对应；S2、种群初始化步骤，在问题解空间内随机初始化NP个粒子的位置和速度，设定粒子群算法参数；S3、适应度函数步骤，使用适应度函数评价粒子的好坏，粒子以适应度函数大小为目标，不断迭代更新，直至满足停止条件，随后根据适应度函数的结果，更新每个粒子的粒子最优值和所有粒子的总体最优值；S4、模拟退火步骤，对已更新的粒子最优值和总体最优值进行模拟退火，避免粒子群算法陷入局部最优解。2.根据权利要求1所述的基于粒子群优化的Docker容器调度方法，其特征在于，所述S1粒子编码步骤，包括如下操作：设有m个任务，一个任务对应于一个Docker容器，Docker集群中有n个节点资源，则粒子可编码为n为向量，表达式为，P＝{p1,p2,…pi…,pm}，其中，1≤pi≤n，粒子的每一维坐标均表示一个Docker容器的编号，每个Docker容器均有一个任务，任意一维分量pm表示分配给此容器的资源号。3.根据权利要求1所述的基于粒子群优化的Docker容器调度方法，其特征在于，所述S2种群初始化步骤，包括如下操作：设种群规模为NP，对m个任务在n个资源节点上进行调度，种群初始化时系统随机产生NP个粒子，每个粒子的位置均由向量P表示，第i个粒子的表达式为，pi＝{pi1,pi2,…,pij,…,pim}，其中，1≤pij≤n表示任务j分配到第pij号节点...

【专利技术属性】
技术研发人员：陈建新，李连万，周亮，闫午阳，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32