基于启发式蚁群算法的docker集群部署优化方法技术

本发明专利技术公开了一种基于启发式蚁群算法的docker集群部署优化方法，本发明专利技术采取启发式蚁群算法对docker集群调度进行改进，使得docker集群中各个节点的资源利用更加均衡，更快的服务响应速度；通过本发明专利技术能够实现docker集群各节点主机任务相对均衡分布，提升节点的资源均衡度和资源利用率；而且通过相关的资源节点对应到部署节点的筛选，能够选择出更加适合实用的部署节点；同时借助对用户权限的补偿分析，合理根据用户的实际情况进行优先级确定；本发明专利技术简单有效，且易于实用。且易于实用。

【技术实现步骤摘要】
基于启发式蚁群算法的docker集群部署优化方法


[0001]本专利技术属于集群部署优化领域，具体是基于启发式蚁群算法的docker集群部署优化方法。

技术介绍

[0002]在云计算运维领域，docker是一种典型的容器技术，针对docker集群的编排，目前主要是使用其自带的集群编排工具Swarm，进行docker容器的初始化部署与调度。
[0003]主要缺陷在于：
[0004](1)使用Swarm调度资源时，存在负载不均，集群整体性能差的问题，无法完美实现负载均衡；
[0005](2)该调度工具只考虑到了整个容器的资源分配，并未对不同的资源类型做更为详细的权值计算，并不能保证所利用即为所分配；
[0006](3)该调度工具没有考虑到节点资源碎片的问题，造成资源的浪费。
[0007]为了解决这一技术缺陷，现提供一种解决方案。

技术实现思路

[0008]本专利技术的目的在于提供基于启发式蚁群算法的docker集群部署优化方法。
[0009]本专利技术的目的可以通过以下技术方案实现：<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于启发式蚁群算法的docker集群部署优化方法，其特征在于，该方法具体包括如下步骤：步骤(1)：进行容器排序，得到排序后的容器集为C{c1、c2、L c
n
}；步骤(2)：进行节点资源负载评估；具体评估步骤为：步骤S01：获取到所有的资源节点，及其对应的实时负载；步骤S02：任选一资源节点；步骤S03：从初始时刻，每间隔T1时间获取其一次实时负载占比，实时负载占比即为此时的负载占总容量的比例，得到负载数据组，将负载数据组标记为Fj，j＝1、...、m；T1为预设数值；步骤S04：对m值进行判定，当m大于X1时，X1为预设数值；步骤S05：获取到最新的实时负载占比Fm，以其为基点，往前连续获取在其前的14个数据；步骤S06：将取得的数据标记为目标分析组Bj，j＝1、...、15；计算其均值，将其标记为P；步骤S07：利用公式计算稳值W，具体计算公式为：式中，|*|表示为取括号内值的绝对值；步骤S08：当P低于X2，且满足W小于X3产生满足信号；X2、X3均为管理人员预设的数值；步骤S09：经过T2时间后，再次取15个数据，重复步骤S06
‑
S08的处理，当再次产生满足信号时，将对应的资源节点作为部署节点；步骤S010：任选下一资源节点，重复步骤S03
‑
S010，对所有的资源节点进行筛选，得到所有的部署节点；资源负载状态为正常的资源节点的部署节点集为S{s1、s2、L s
a
}；步骤(3)资源需求过滤；由于每个容器对资源的需求是不同的，需要针对每个容器选择其满足需求的候选部署资源节点集；对S{s1、s2、L s
a
}中的资源节点进行资源余量过滤，为每个需要部署的容器筛选出合适的资源节点集S{s1、s2、L s
m
}，具体筛选时按照所需资源量从大到小的顺序进行开始筛选。2.根据权利要求1所述的基于启发式蚁群算法的docker集群部署优化方法，其特征在于，步骤(1)进行容器排序的具体方法为：对于用户发服务请求，需要部署的容器；按照其SLA等级进行排序；同时进行排序补偿操作，具体排序补偿操作步骤为：步骤一：首先获取到所有的用户，之后调取用户对应的近期使用习惯数据...

【专利技术属性】
技术研发人员：徐赟，华红锋，徐宏，吴剑锋，樊志林，
申请(专利权)人：杭州中港科技有限公司，
类型：发明
国别省市：