一种资源调节方法及装置制造方法及图纸

本申请公开一种资源调节方法及装置，适用于K8S平台中的各应用，K8S平台包括多个Pod；通过监控工具获取K8S平台中的第一应用在连续N

【技术实现步骤摘要】
一种资源调节方法及装置


[0001]本申请实施例涉及计算机
，尤其涉及一种资源调节方法及装置。

技术介绍

[0002]Kubernetes(简写为K8S)是开源、可拓展的容器自动化运维平台，旨在为数据中心容器化的应用程序(简称为应用)提供跨主机集群的自动部署、扩展和数据库管理系统操作的能力。随着业务的发展，各K8S平台上应用的规模在不断扩大着。其中，应用对平台资源的需求随用户群体规模、使用习惯、时间等因素的变动，发生动态变化。为解决相对有限的K8S平台资源与其上各应用资源需求量动态变化的矛盾，以实现K8S平台资源的利用率最大化，进行精准地应用扩缩容成为了亟待解决的问题。目前，K8S原生提供自动扩缩容功能，该自动扩缩容功能主要是通过监控应用资源使用量、并人为设定阈值与参数的方式进行。该方式不仅依赖管理人员对应用的观察经验进行调控、灵活度低，且作为对资源使用变化的被动响应，该方式并不具备主动调整的敏捷性，易造成资源浪费和业务过忙两种极端现象。
[0003]因此，目前亟需一种灵活、主动地对K8S平台上的资源进行合理调控的方案。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资源调节方法，适用于K8S平台中的各应用，所述K8S平台包括多个Pod；其特征在于，包括：通过监控工具获取所述K8S平台中的第一应用在连续N
‑
1个周期中的历史资源使用状态数据；所述第一应用为所述K8S平台中的各应用中的任一应用，N为大于1的正整数；将所述第一应用的N
‑
1个历史资源使用状态数据输入第一网络，通过所述第一网络得到所述第一应用在第N个周期中的预测资源使用状态数据；所述第一网络是联合第二网络进行对抗训练得到的；将所述预测资源使用状态数据输入第三网络，通过所述第三网络得到所述第一应用在所述第N个周期中的待用Pod数量；所述第三网络是根据所述K8S平台中的多个应用的资源使用状态数据和对应的Pod数量进行训练得到的。2.如权利要求1所述的方法，其特征在于，所述第一网络和所述第二网络通过下述方式训练得到，包括：针对所述K8S平台中的G个应用，获取所述G个应用在N个测试周期中的真实资源使用状态数据；G为大于1的正整数；根据所述G个应用在前N
‑
1个测试周期中的真实资源使用状态数据对初始生成网络进行训练，得到所述G个应用在第N个测试周期的预测资源使用状态数据，以及各第一损失值；根据所述G个应用在第N个测试周期的真实资源使用状态数据和在第N个测试周期的预测资源使用状态数据对初始判别网络进行训练，得到各第二损失值；所述初始判别网络用于区分资源使用状态数据的真伪；根据所述各第一损失值和所述各第二损失值，确定综合损失值；若所述综合损失值不满足第一设定要求，则继续训练新一代的生成网络和判别网络；在P代生成网络和P代判别网络下的综合损失值满足所述第一设定要求时，则确定所述P代生成网络为第一网络，所述P代判别网络为第二网络。3.如权利要求2所述的方法，其特征在于，所述根据所述G个应用在前N
‑
1个测试周期中的真实资源使用状态数据对初始生成网络进行训练，得到所述G个应用在第N个测试周期的预测资源使用状态数据，以及各第一损失值，包括：针对所述G个应用中的任一应用，将所述应用在前N
‑
1个测试周期中的真实资源使用状态数据和与对应的随机序列输入初始生成网络，从而得到所述应用在第N个测试周期的预测资源使用状态数据，并对应生成第一损失值；所述根据所述G个应用在第N个测试周期的真实资源使用状态数据和在第N个测试周期的预测资源使用状态数据对初始判别网络的训练，得到各第二损失值，包括：针对所述G个应用中的任一应用，分别将所述应用在前N
‑
1个测试周期中的真实资源使用状态数据，与所述应用在所述第N个测试周期的真实资源使用状态数据构成第一序列，及与所述应用在所述第N个测试周期的预测资源使用状态数据构成第二序列，并将所述第一序列和所述第二序列输入至初始判别网络进行训练，得到第二损失值。4.如权利要求1所述的方法，其特征在于，所述第三网络通过下述方式训练得到，包括：针对所述K8S平台中的任一应用，通过所述监控工具获取所述应用在设定的第一Pod数量下的第一最大外部访问量和第一资源使用量；
将各应用分别在所述第一Pod数量下的第一最大外部访问量和第一资源使用量作为输入，所述第一Pod数量...

【专利技术属性】
技术研发人员：周凌涛，孙广宁，
申请(专利权)人：中国银联股份有限公司，
类型：发明
国别省市：