一种云环境下面向服务混部场景的容器调度方法技术

本发明专利技术提出了一种云环境下面向服务混部场景的容器调度方法。首先根据云环境下在线服务和离线负载的各项参数，并将其封装为容器，获得数据中心所有节点的性能参数，然后为待调度的容器计算容器间亲和性、节点亲和性和节点反亲和性，构建了面向服务混部的性能与能耗的联合优化问题，采用一种基于亲和性和反亲和性感知的容器调度算法。得到容器的编排集合。最后调度器通过容器的编排集合将容器调度到节点上，计算最终的功耗和容器的整体性能。本发明专利技术综合考虑了容器间的通信、性能干扰和资源利用率等多种情况，在资源和性能约束下，考虑使云计算服务混部场景中容器的调度决策方案最优化，把容器调度到最合适的节点上，从而在保证容器性能的情况下，最小化数据中心的能耗。最小化数据中心的能耗。

【技术实现步骤摘要】
一种云环境下面向服务混部场景的容器调度方法


[0001]本专利技术主要涉及到云计算领域，特别是涉及到一种云计算中面向服务混部场景的容器调度方法。

技术介绍

[0002]随着云计算技术的快速发展，越来越多的企业和组织将其应用部署在云平台上。为了充分利用数据中心的资源并降低运营成本，云服务提供商通常采用服务混部策略，即将多种类型的应用服务部署在同一物理设备上。这些应用服务可能包括在线服务、离线负载等，它们具有不同的资源需求和性能指标。在这种情况下，容器技术作为一种轻量级的虚拟化技术，为服务混部提供了有效的支持。
[0003]面向服务混部场景的容器调度是云计算中的关键问题之一。有效的容器调度策略需要在满足各类应用性能要求的同时，兼顾资源利用率和能耗。然而，这一目标并非易事，因为应用之间的性能干扰和能耗之间的权衡需要细致的考虑。这就需要设计一种高效、灵活且可扩展的容器调度方法，以实现服务混部场景中的性能与能耗的联合优化。
[0004]综上所述，随着云计算的不断发展，企业和组织越来越依赖于云服务。云服务提供商采用服务混部策略以提高资源利用率和降低运营成本。在这种场景下，容器技术成为支持服务混部的关键工具。然而，实现有效的容器调度策略并非易事，需要克服应用之间的性能干扰和能耗权衡问题。设计一种高效、灵活且可扩展的容器调度方法对于实现服务混部场景中性能与能耗的联合优化至关重要。

技术实现思路

[0005]本专利技术提出了一种云环境下面向服务混部场景的容器调度方法，主要应用于云计算服务混部场景方面，主要优点是使云计算服务混部场景下的性能与联合优化问题，从而能够在保证容器性能要求下最小化数据中心的能耗。本专利技术的方案具体如下：
[0006]1.调度器可以通过一种基于亲和性和反亲和性的调度方法来得到容器的编排方案：
[0007]步骤1、构建服务混部场景，云数据中心存在资源池J，对于每个节点j上存在有K种类型的计算资源。例如CPU、RAM、磁盘。每台节点j∈J具有V
j，k
单位大小的k(k∈K)类型的资源。在一个跨度很大的时间1，2，3，...T内，请求Q随机到达系统，多个请求可以同时到达，也可以随机到达，假设请求q(q∈Q)在时间t
q
到达，并在时间[t
q+1
，t
q+2
]内请求得到一个容器集群(CC)，每个CC包括了一套定制的容器组成。C
q
、S
q
表示请求q下的容器集和容器数。将容器分配给节点j将会产生执行功耗和闲时功耗
[0008]步骤2、为待调度的容器计算容器间亲和性节点亲和性和节点反亲和性节点亲和性和节点反亲和性分别与通信功耗和性能干扰绑定，容器间亲和性与容器间通信频繁程度有关。容器c消耗了K种数量资源。令表示容器c在节点
j产生的通信功耗。通过设置反亲和性阈值θ来控制性能，其中每个容器c部署一次，且只能部署在一台节点j上。同时每个请求q的所有容器都需要部署完成。满足每个容器所需要的资源，当性能受到影响时会增加额外功耗
[0009]步骤3、采用一种基于亲和性和反亲和性感知方法求解步骤2中的功耗与性能的联合优化问题，依次对每个容器c执行一种分配算法，在节点资源、亲和性、反亲和性约束和功耗的限制下，选择节点j部署容器c，得到容器c的调度决策集合其中表示请求q中的容器c是否调度到节点j上，取值为1或0。面向服务混部场景的容器调度方法至少包括以下步骤：
[0010]1)设节点列表为ml、待调度的容器列表cl，其中n表示待调度容器的数量，m表示当前节点的数量。计算容器c
i
对其他容器c
j
的亲和性选取的请求q优先部署，将请求q中的容器c依次部署；
[0011]2)计算容器c的节点亲和性其中节点反亲和性其中并通过计算节点亲和性总和和节点反亲和性总和来说节点亲和性和节点反亲和性对容器c的影响；
[0012]3)当节点亲和性总和和节点反亲和性计算时间因子如果tf
j
！＝0，通过计算时间因子和机器权重mw的差E
j
，机器权重矩阵是一个同心矩阵，越靠近节点集群中央数值越大，选择E
j
最小且的节点j，更新如果tf
j
＝0，跳转步骤4)；
[0013]4)找到节点集群中靠近中央且的节点，更新
[0014]5)当节点亲和性总和和节点反亲和性计算资源优先级根据节点亲和性降序遍历，找到rp
j
＜10且的节点j，更新否则将不在考虑rp
j
，根据节点亲和性降序遍历的节点j，更新
[0015]6)当节点亲和性总和和节点反亲和性计算rp
j
，通过rp
j
升序选取rp
j
＜10、且的节点j，其中θ为节点反亲和性阈值，根据客户要求选取。更新否则将不在考虑rp
j
，从集群中央开始选取且的节点j，更新
[0016]7)当节点亲和性总和和节点反亲和性计算rp
j
，通过节点亲和性降序遍历选取rp
j
＜10、且的节点j，更新否则将通过节点亲和性降序遍历选取且的节点j，更新否则计算tf
j
和节点亲和性归一化参数计算额外功耗求和其中τ表示闲时功耗参数。通过p
j
降序选取的节点j，更新
[0017]8)对容器列表cl的所有容器遍历执行步骤2)到7)后，满足则得到最终容器编排决策集合算法结束。
[0018]2.进一步，对在线服务和离线负载均抽象为容器的基础上，调度器考虑节点资源、亲和性和反亲和性和功耗的限制，采用基于资源优先级、时间因子、亲和性和反亲和性感知方法调度容器。
[0019]3.进一步，调度器按照请求q到达的先后顺序依次对每个请求q的容器c使用容器调度方法，根据容器间亲和性来选择优先调度的请求q，然后计算容器c的节点亲和性和节点反亲和性根据节点亲和性和节点反亲和性对容器c的影响，来选择调度策略，当节点亲和性和节点反亲和性对容器c的调度无影响时，考虑时间因子tf
j
的影响，时间因子tf
j
表示容器c放置在节点j上被延长的待机时间，将容器c调度到满足资源约束，且时间因子tf
j
和机器权重mw的差最小的节点j，否则将容器c分配到满足资源约束且靠近中央位置的节点j。如果节点亲和性有影响，节点反亲和性无影响，计算资源优先级rp
j
，将容器c调度资源优先级rp
j
小于10以及资源充足的节点j。否则舍弃资源优先级rp
j
，仅满足资源约束选取节点j。节点反亲和性有影响，节点亲和性无影响，首先计算资源优先级rp
j
，选择满足资源约束、资源优先级小于10以及节点反亲和性约束的节点j。否则寻找靠近中央的满足资源约束和节点反亲和性约束的节点j。节点亲和性和节点反亲和性均对容器c本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云环境下面向服务混部场景的容器调度方法，其特征在于，将云环境中的在线服务和离线负载均视为需要资源的容器组，通过一种基于亲和性和反亲和性感知的贪心算法来得到云计算中有效降低能耗的同时，维护容器性能的编排方案，所述方法至少包括以下步骤：步骤1、构建服务混部场景，云数据中心存在资源池J，对于每个节点j上存在有K种类型的计算资源。例如CPU、RAM、磁盘。每台节点j∈J具有V
j，k
单位大小的k(k∈K)类型的资源。在一个跨度很大的时间1，2，3，...T内，请求Q随机到达系统，多个请求可以同时到达，也可以随机到达，假设请求q(q∈Q)在时间t
q
到达，并在时间[t
q+1
，t
q+2
]内请求得到一个容器集群(CC)，每个CC包括了一套定制的容器组成。C
q
、S
q
表示请求q下的容器集和容器数。将容器分配给节点j将会产生执行功耗和闲时功耗步骤2、为待调度的容器计算容器间亲和性节点亲和性和节点反亲和性节点亲和性和节点反亲和性分别与通信功耗和性能干扰绑定，容器间亲和性与容器间通信频繁程度有关。容器c消耗了K种数量资源。令表示容器c在节点j产生的通信功耗。通过设置反亲和性阈值θ来控制性能，其中每个容器c部署一次，且只能部署在一台节点j上。同时每个请求q的所有容器都需要部署完成。满足每个容器所需要的资源，当性能受到影响时会增加额外功耗步骤3、采用一种基于亲和性和反亲和性感知算法求解步骤2中的功耗与性能的联合优化问题，依次对每个容器c执行一种分配算法，在节点资源、亲和性、反亲和性约束和功耗的限制下，选择节点j部署容器c，得到容器c的调度编排集合其中表示请求q中的容器c是否调度到节点j上，取值为l或0。面向服务混部场景的容器调度方法至少包括以下步骤：1)设节点列表为ml、待调度的容器列表cl，其中n表示待调度容器的数量，m表示当前节点的数量。计算容器c
i
对其他容器c
j
的亲和性选取的请求q优先部署，将请求q中的容器c依次部署；2)计算容器c的节点亲和性其中节点反亲和性其中并通过计算节点亲和性总和和节点反亲和性总和来说节点亲和性和节点反亲和性对容器c的影响；3)当节点亲和性总和和节点反亲和性计算时间因子
如果tf
j
！＝0，通过计算时间因子和机器权重mw的差E
j
，机器权重矩阵是一个同心矩阵，越靠近节点集群中央数值越大，选择E
j
最小且的节点j，更新如果tf
j
＝0，跳转步骤4)；4)找到节点集群中靠近中央且的节点，更新5)当节点亲和性总和和节点反亲和性计算资源优先级根据节点亲和性降序遍历，找到rp
j
＜10...

【专利技术属性】
技术研发人员：龙赛琴，吴学友，刘昊霖，申冬苏，何光佳，王聪，谢磊，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：