一种基于历史数据的智能调度方法、系统及设备技术方案

本发明专利技术提供了一种基于历史数据的智能调度方法，包括如下步骤：获取容器以及物理机的历史负载数据，所述负载数据为磁盘IO负载；基于容器以及物理机的历史负载数据，通过Prophet时间序列预测算法，预测容器以及物理机下一时间周期的负载数据；根据预测的容器以及物理机下一时间周期的负载数据，根据调度策略，进行容器调度；本发明专利技术方法收集应用容器的历史磁盘IO使用情况，基于历史数据进行预测和调度，将有不同磁盘IO负载的容器，调度到不同的机器上，保证应用互相不影响，分散IO，提升整个系统的稳定性。个系统的稳定性。个系统的稳定性。

【技术实现步骤摘要】
一种基于历史数据的智能调度方法、系统及设备


[0001]本专利技术涉及支付领域，特别是指一种基于历史数据的智能调度方法、系统及设备。

技术介绍

[0002]目前业界容器编排系统有：Google开源的Kubernetes，Docker公司的Swarm，Apache的Mesos，这些容器编排系统，使用了一些基本的调度策略，来实现整个系统的负载均衡，比如：1)基于资源LeastRequestedPriority[1]，节点上Pod越多，排名越低；2)基于亲和性InterPodAffinityPriority[1],将有关联的服务，尽量分配在一起。
[0003]容器技术会保证不同服务，使用预先设定的CPU和内存资源，但对于磁盘资源，现有技术无法做到完全隔离。而现有的调度方案，也均未考虑真实的磁盘使用情况进行调度。会导致服务分配到同一物理机后，服务之间会互相抢占磁盘IO资源，互相影响。
[0004]现有技术中，1)容器资源划分为两类资源池，先将任务分配到第一类资源池中，根据负载逐步增大资源池的资源。记录任务高峰值时段所需的资源，作为未来分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于历史数据的智能调度方法，其特征在于，包括如下步骤：获取容器以及物理机的历史负载数据，所述负载数据为磁盘IO负载；基于容器以及物理机的历史负载数据，通过Prophet时间序列预测算法，预测容器以及物理机下一时间周期的负载数据；根据预测的容器以及物理机下一时间周期的负载数据，根据调度策略，进行容器调度。2.根据权利要求1所述的一种基于历史数据的智能调度方法，其特征在于，基于容器以及物理机的历史负载数据，通过Prophet时间序列预测算法，预测容器以及物理机下一时间周期的负载数据，所述Prophet时间序列预测算法，具体为：基于已知的时间序列的时间戳和相应的负载值，训练Prophet模型；在训练好的Prophet模型中输入需要预测的时间序列的长度，输出未来的时间序列的时间戳和相应的负载值。3.根据权利要求1所述的一种基于历史数据的智能调度方法，其特征在于，所述根据预测的容器以及物理机下一时间周期的负载数据，根据调度策略，进行容器调度，具体为：根据预测的容器以及物理机下一时间周期的负载数据；获取各物理机能够提供的负载上限值，结合各物理机下一时间周期的负载数据，计算得出各物理机的下一时间周期的空载值；将各物理机下一时间周期的空载值以及容器下一时间周期的负载数据进行排序调度；具体为：对于物理机N，使得N2
‑
N1>A1，则将容器A调度到物理机N；其中，A1为预测的下一时间周期的容器A的负载量，N1为预测的下一时间周期物理机N所有容器负载量之和为N1；N2为物理机N能提供的负载上限；直至各物理机的下一时间周期的空载值差值小于容器中下一时间周期的最小负载数据，则完成下一时间周期的调度。4.根据权利要求3所述的一种基于历史数据的智能调度方法，其特征在于，还包括：对于不存在历史数据的容器，先将其分配到下一时间周期的空载值最大的物理机上。5.根据权利要求3所述的一种基于历史数据的智能调度方法，其特征在于，将各物理机下一时间周期的空载值以及容器下一时间周期的负载数据进行排序调度，还包括，首先将容器进行负载分类，具体为：IO密集型，高IO容器；计算密集型，低IO容器；IO和计算均...

【专利技术属性】
技术研发人员：詹天，鲍明礼，周俊鹏，王利明，吴迪，
申请(专利权)人：厦门友微科技有限公司，
类型：发明
国别省市：