本公开提供了一种资源的调度方法及装置，涉及信息技术领域，所述方法包括：获取虚拟机的具有预定类型的资源在当前时刻的剩余值；基于负载预测模型预测当前时刻之后的第一时段内所述虚拟机上每个容器的所述资源的负载峰值；根据每个容器的负载峰值和所述虚拟机的所述资源的剩余值，确定是否需要调度所述虚拟机的所述资源；在确定需要调度所述虚拟机的所述资源的情况下，调度所述虚拟机的所述资源。调度所述虚拟机的所述资源。调度所述虚拟机的所述资源。
【技术实现步骤摘要】
资源的调度方法及装置
[0001]本公开涉及信息
，尤其是一种资源的调度方法及装置。
技术介绍
[0002]为保证容器在高质量地提供服务的同时提高容器对资源的利用效率，负责管理容器的容器管理平台(例如Kubernetes)需要具有对资源进行管理和调度的能力。
[0003]相关技术中，在为虚拟机分配资源时，容器管理平台一般依据虚拟机上各个容器的负载极限值。该负载极限值通常是由工作人员基于应用场景，根据经验进行预测得到的静态值。容器管理平台依据该负载极限值为虚拟机分配定量的资源。
技术实现思路
[0004]专利技术人注意到，相关技术中对容器的预测完全依靠工作人员的经验，预测的负载极限值可能与实际情况存在较大偏差，从而导致在为虚拟机分配资源时出现问题。当预测的负载极限值过低时，为虚拟机分配的资源较少，容器负载较高会影响服务质量甚至造成服务故障；当预测的极限值过高时，为虚拟机分配的资源较多，但容器负载较低会造成资源浪费。并且，依据容器的负载极限值为虚拟机分配的资源是定量的，无法灵活进行调整。
[0005]为了解决上述问题，本公开实施例提出了如下解决方案。
[0006]根据本公开实施例的一方面，提供一种资源的调度方法，包括：获取虚拟机的具有预定类型的资源在当前时刻的剩余值；基于负载预测模型预测当前时刻之后的第一时段内所述虚拟机上每个容器的所述资源的负载峰值；根据每个容器的负载峰值和所述虚拟机的所述资源的剩余值，确定是否调度所述虚拟机的所述资源；在确定需要调度所述虚拟机的所述资源的情况下，调度所述虚拟机的所述资源。
[0007]在一些实施例中，所述根据每个容器的负载峰值和所述虚拟机的所述资源的剩余值，确定是否需要调度所述虚拟机的所述资源包括：在每个容器的负载峰值的和大于所述虚拟机的所述资源的剩余值的情况下，确定需要调度所述虚拟机的所述资源；在每个容器的负载峰值的和小于等于所述虚拟机的所述资源的剩余值的情况下，确定不需要调度所述虚拟机的所述资源。
[0008]在一些实施例中，所述在确定需要调度所述虚拟机的所述资源的情况下，调度所述虚拟机的所述资源包括：根据每个容器的负载峰值和所述虚拟机所处主机的所述资源在当前时刻的剩余值调度所述虚拟机的所述资源。
[0009]在一些实施例中，所述根据每个容器的负载峰值和所述虚拟机所处主机的所述资源在当前时刻的剩余值调度所述虚拟机的所述资源包括：在每个容器的负载峰值的和小于等于所述主机的所述资源的剩余值的情况下，利用所述主机的所述资源为所述虚拟机扩容以增加所述虚拟机的所述资源，其中，所述虚拟机所增加的所述资源大于或等于每个容器的负载峰值的和。
[0010]在一些实施例中，所述根据每个容器的负载峰值和所述虚拟机所处主机的所述资
源在当前时刻的剩余值调度所述虚拟机的所述资源包括：在每个容器的负载峰值的和大于所述主机的所述资源的剩余值的情况下，执行第一迁移和第二迁移中的一个，其中：所述第一迁移为将所述虚拟机迁移至其他主机，其中，所述其他主机的所述资源在当前时刻的剩余值大于等于每个容器的负载峰值的和，所述第二迁移为将所述虚拟机上的至少一个容器迁移至其他虚拟机，其中，所述虚拟机的所述资源在所述至少一个容器迁移后的剩余值大于等于所述虚拟机上除所述至少一个容器外其他容器的负载峰值的和，所述其他虚拟机的所述资源在当前时刻的剩余值大于等于所述至少一个容器的负载峰值的和。
[0011]在一些实施例中，所述方法还包括：在所述虚拟机的总负载小于第一阈值的情况下，执行所述第一迁移；在所述虚拟机的总负载大于第二阈值的情况下，执行所述第二迁移，其中，所述第一阈值小于所述第二阈值。
[0012]在一些实施例中，所述方法还包括：在所述虚拟机的总负载大于等于所述第一阈值且小于等于所述第二阈值的情况下，调整所述第一阈值和所述第二阈值中的至少一个，以使所述虚拟机的总负载小于调整后的第一阈值或者大于调整后的第二阈值。
[0013]在一些实施例中，所述负载预测模型通过以下步骤训练得到：获取训练数据，其中，所述训练数据包括初始训练数据，所述初始训练数据包括在第二时段内多个采集时刻采集所述虚拟机上每个容器的所述资源的负载，其中，所述第二时段为包含所述当前时刻和所述第一时段的历史时段；利用所述训练数据训练所述负载预测模型。
[0014]在一些实施例中，利用所述训练数据训练所述负载预测模型包括：对所述初始训练数据进行处理以得到清洗后训练数据；利用所述清洗后训练数据训练所述负载预测模型；其中，所述清洗后训练数据由所述初始训练数据经下述处理方式中的至少一项进行处理后得到：删除采集时刻不符合预设时间间隔的负载；删除大小不在预设负载区间中的负载；在任意一个采集时刻采集到多个负载的情况下，将所述多个负载的平均值作为所述任意一个采集时刻对应的负载；在任意一个采集时刻未采集到负载的情况下，利用与所述任意一个采集时刻相邻的采集时刻采集到的负载的平均值作为所述任意一个采集时刻对应的负载。
[0015]在一些实施例中，所述预定类型的资源包括CPU资源、内存资源和磁盘资源中的一种。
[0016]根据本公开实施例的另一方面，提供一种资源的调度装置，包括：获取模块，被配置为获取虚拟机的具有预定类型的资源在当前时刻的剩余值；预测模块，被配置为基于负载预测模型预测当前时刻之后的第一时段内所述虚拟机上每个容器的所述资源的负载峰值；确定模块，被配置为根据每个容器的负载峰值和所述虚拟机的所述资源的剩余值，确定是否调度所述虚拟机的所述资源；调度模块，被配置为在确定需要调度所述虚拟机的所述资源的情况下，调度所述虚拟机的所述资源。
[0017]根据本公开实施例的还一方面，提供一种资源的调度装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行上述任意一个实施例所述的方法。
[0018]根据本公开实施例的还一方面，提供一种计算机可读存储介质，包括计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述任意一个实施例所述的方法。
[0019]根据本公开实施例的还一方面，提供一种计算机程序产品，包括计算机程序，其
中，所述计算机程序被处理器执行时实现上述任意一个实施例所述的方法。
[0020]本公开实施例中，根据预定类型的资源当前时刻在虚拟机中的剩余值和当前时刻之后的第一时段内虚拟机上每个容器的负载峰值决定是否调度虚拟机的资源。利用负载预测模型进行负载预测，提高了负载预测的准确性，进而提高资源调度的合理性。既可以避免负载极限值预测过低导致的服务质量的降低或者服务故障，又可以减少服务极限值预测过高导致的资源浪费。并且，由于预测是分时段的动态预测，根据各个时段内预测的负载逐步调度虚拟机的资源，可以减少资源的浪费，提高资源调度的灵活性。
[0021]下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
[0022]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种资源的调度方法，包括：获取虚拟机的具有预定类型的资源在当前时刻的剩余值；基于负载预测模型预测当前时刻之后的第一时段内所述虚拟机上每个容器的所述资源的负载峰值；根据每个容器的负载峰值和所述虚拟机的所述资源的剩余值，确定是否需要调度所述虚拟机的所述资源；在确定需要调度所述虚拟机的所述资源的情况下，调度所述虚拟机的所述资源。2.根据权利要求1所述的方法，其中，所述根据每个容器的负载峰值和所述虚拟机的所述资源的剩余值，确定是否需要调度所述虚拟机的所述资源包括：在每个容器的负载峰值的和大于所述虚拟机的所述资源的剩余值的情况下，确定需要调度所述虚拟机的所述资源；在每个容器的负载峰值的和小于等于所述虚拟机的所述资源的剩余值的情况下，确定不需要调度所述虚拟机的所述资源。3.根据权利要求1所述的方法，其中，所述在确定需要调度所述虚拟机的所述资源的情况下，调度所述虚拟机的所述资源包括：根据每个容器的负载峰值和所述虚拟机所处主机的所述资源在当前时刻的剩余值调度所述虚拟机的所述资源。4.根据权利要求3所述的方法，其中，所述根据每个容器的负载峰值和所述虚拟机所处主机的所述资源在当前时刻的剩余值调度所述虚拟机的所述资源包括：在每个容器的负载峰值的和小于等于所述主机的所述资源的剩余值的情况下，利用所述主机的所述资源为所述虚拟机扩容以增加所述虚拟机的所述资源，其中，所述虚拟机所增加的所述资源大于或等于每个容器的负载峰值的和。5.根据权利要求3所述的方法，其中，所述根据每个容器的负载峰值和所述虚拟机所处主机的所述资源在当前时刻的剩余值调度所述虚拟机的所述资源包括：在每个容器的负载峰值的和大于所述主机的所述资源的剩余值的情况下，执行第一迁移和第二迁移中的一个，其中：所述第一迁移为将所述虚拟机迁移至其他主机，其中，所述其他主机的所述资源在当前时刻的剩余值大于等于每个容器的负载峰值的和，所述第二迁移为将所述虚拟机上的至少一个容器迁移至其他虚拟机，其中，所述虚拟机的所述资源在所述至少一个容器迁移后的剩余值大于等于所述虚拟机上除所述至少一个容器外其他容器的负载峰值的和，所述其他虚拟机的所述资源在当前时刻的剩余值大于等于所述至少一个容器的负载峰值的和。6.根据权利要求5所述的方法，还包括：在所述虚拟机的总负载小于第一阈值的情况下，执行所述第一迁移；在所述虚拟机的总负载大于第二阈值的情况下，执行所述第二迁移，其中，所述第一阈值小于所述第二阈值。7.根据权利要求6所述的方法，还包括：在所述虚拟机的总负载大于等于所述...
【专利技术属性】
技术研发人员：朱万意，师春雨，李德恒，刘艺，孟庆蕴，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：
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。