虚拟机监视器选择方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种虚拟机监视器选择方法、装置、计算机设备和存储介质，所述方法包括：获取应用部署请求；所述应用部署请求携带有所要部署的应用的功能需求信息和计算节点信息；根据所述计算节点信息，获取对应的目标计算节点的性能指标数据；调用训练完成的预测模型，对所述功能需求信息和所述性能指标数据进行处理，得到针对所述应用部署请求的虚拟机监视器类别；将所述虚拟机监视器类别发送至所述集群中的控制节点；所述控制节点用于将所述虚拟机监视器类别对应的虚拟机监视器，部署至所述目标计算节点上。采用本方法能够提高虚拟机监视器类别的选择效率，满足短周期应用的快速构建需求。求。求。

【技术实现步骤摘要】
虚拟机监视器选择方法、装置、计算机设备和存储介质


[0001]本申请涉及机器学习
，特别是涉及一种虚拟机监视器选择方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着容器技术的发展，除了容器具有的优势外，容器自身的安全问题也受到了广泛关注，多种加强容器安全的方案应运而生。其中，Kata容器方案基于可扩展架构设计，是当前业界主要使用的技术方案。在Kata容器方案中，由于Kata提供了多种虚拟机监视器（Virtual Machine Monitor，VMM），而不同虚拟机监视器的性能和功能都具有差异，因此，Kata用户需要在多种虚拟机监视器中进行选择需要部署的虚拟机监视器。
[0003]对Kata用户而言，针对多种虚拟机监视器进行选择时，需要考虑的因素较为繁杂，但实践中Kata通常应用于无服务器架构（Serverless）中的函数应用等短周期应用，这类应用更需要的是快速的应用构建，若采用人工选择的方式则无法满足短周期应用的快速构建需求。

技术实现思路

[0004]基于此，有必要针对上述虚拟机监视器选择方法存在的构建速率较慢的技术问题，提供一种虚拟机监视器选择方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种虚拟机监视器选择方法。所述方法包括：获取应用部署请求；所述应用部署请求携带有所要部署的应用的功能需求信息和计算节点信息，所述计算节点信息用于定位集群中部署所述应用的目标计算节点；根据所述计算节点信息，获取对应的目标计算节点的性能指标数据；调用训练完成的预测模型，对所述功能需求信息和所述性能指标数据进行处理，得到针对所述应用部署请求的虚拟机监视器类别；将所述虚拟机监视器类别发送至所述集群中的控制节点；所述控制节点用于将所述虚拟机监视器类别对应的虚拟机监视器，部署至所述目标计算节点上。
[0006]在其中一个实施例中，所述获取应用部署请求，包括：从预设的待部署队列中，获取所述应用部署请求；所述待部署队列中存储有多个待处理的应用部署请求，所述待部署队列中的应用部署请求为在监听到用户端发送的应用部署请求的情况下，对所述应用部署请求进行拦截得到。
[0007]在其中一个实施例中，所述根据所述计算节点信息，获取对应的目标计算节点的性能指标数据，包括：根据所述计算节点信息，从监控系统中获取对应的目标计算节点的性能指标数据；
其中，所述监控系统中的性能指标数据由所述集群中的控制节点和各个计算节点上报得到。
[0008]在其中一个实施例中，所述预测模型通过下述方式训练得到：获取历史数据集；所述历史数据集包括多条历史数据，每条历史数据包括历史计算节点的性能指标数据、所述历史计算节点上部署的应用的功能需求信息，以及所述历史计算节点上部署的虚拟机监视器类别；对所述历史数据集进行多次采样处理，得到多个训练样本集；通过各个训练样本集分别训练一个决策树模型，得到多个训练完成的决策树模型；将所述多个训练完成的决策树模型组成随机森林模型，作为所述预测模型。
[0009]在其中一个实施例中，所述性能指标数据包括多个性能指标对应的数据，所述功能需求信息包括多个功能指标对应的数据；所述通过各个训练样本集分别训练一个决策树模型，得到多个训练完成的决策树模型，包括：在每个训练样本集中，以所述多个性能指标和所述多个功能指标为节点的候选特征；通过各个候选特征的信息增益比，每次选择一个目标特征作为节点特征进行分裂，直至达到结束条件，得到所述多个训练完成的决策树模型。
[0010]在其中一个实施例中，所述调用训练完成的预测模型，对所述功能需求信息和所述性能指标数据进行处理，得到针对所述应用部署请求的虚拟机监视器类别之前，还包括：对所述功能需求信息进行预处理，得到符合所述预测模型需求的处理后的功能需求信息；所述调用训练完成的预测模型，对所述功能需求信息和所述性能指标数据进行处理，得到针对所述应用部署请求的虚拟机监视器类别，包括：调用训练完成的预测模型，对所述处理后的功能需求信息和所述性能指标数据进行处理，得到针对所述应用部署请求的虚拟机监视器类别。
[0011]第二方面，本申请还提供了一种虚拟机监视器选择装置。所述装置包括：请求获取模块，用于获取应用部署请求；所述应用部署请求携带有所要部署的应用的功能需求信息和计算节点信息，所述计算节点信息用于定位集群中部署所述应用的目标计算节点；数据获取模块，用于根据所述计算节点信息，获取对应的目标计算节点的性能指标数据；类别预测模块，用于调用训练完成的预测模型，对所述功能需求信息和所述性能指标数据进行处理，得到针对所述应用部署请求的虚拟机监视器类别；类别发送模块，用于将所述虚拟机监视器类别发送至所述集群中的控制节点；所述控制节点用于将所述虚拟机监视器类别对应的虚拟机监视器，部署至所述目标计算节点上。
[0012]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取应用部署请求；所述应用部署请求携带有所要部署的应用的功能需求信息和计算节点信息，所述计算节点信息用于定位集群中部署所述应用的目标计算节点；根据所述计算节点信息，获取对应的目标计算节点的性能指标数据；调用训练完成的预测模型，对所述功能需求信息和所述性能指标数据进行处理，得到针对所述应用部署请求的虚拟机监视器类别；将所述虚拟机监视器类别发送至所述集群中的控制节点；所述控制节点用于将所述虚拟机监视器类别对应的虚拟机监视器，部署至所述目标计算节点上。
[0013]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取应用部署请求；所述应用部署请求携带有所要部署的应用的功能需求信息和计算节点信息，所述计算节点信息用于定位集群中部署所述应用的目标计算节点；根据所述计算节点信息，获取对应的目标计算节点的性能指标数据；调用训练完成的预测模型，对所述功能需求信息和所述性能指标数据进行处理，得到针对所述应用部署请求的虚拟机监视器类别；将所述虚拟机监视器类别发送至所述集群中的控制节点；所述控制节点用于将所述虚拟机监视器类别对应的虚拟机监视器，部署至所述目标计算节点上。
[0014]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：获取应用部署请求；所述应用部署请求携带有所要部署的应用的功能需求信息和计算节点信息，所述计算节点信息用于定位集群中部署所述应用的目标计算节点；根据所述计算节点信息，获取对应的目标计算节点的性能指标数据；调用训练完成的预测模型，对所述功能需求信息和所述性能指标数据进行处理，得到针对所述应用部署请求的虚拟机监视器类别；将所述虚拟机监视器类别发送至所述集群中的控制节点；所述控制节点用于将所述虚拟机监视器类别对应的虚拟机监视器，部署至所述目标计算节点上。
...

【技术保护点】

【技术特征摘要】
1.一种虚拟机监视器选择方法，其特征在于，所述方法包括：获取应用部署请求；所述应用部署请求携带有所要部署的应用的功能需求信息和计算节点信息，所述计算节点信息用于定位集群中部署所述应用的目标计算节点；根据所述计算节点信息，获取对应的目标计算节点的性能指标数据；调用训练完成的预测模型，对所述功能需求信息和所述性能指标数据进行处理，得到针对所述应用部署请求的虚拟机监视器类别；将所述虚拟机监视器类别发送至所述集群中的控制节点；所述控制节点用于将所述虚拟机监视器类别对应的虚拟机监视器，部署至所述目标计算节点上。2.根据权利要求1所述的方法，其特征在于，所述获取应用部署请求，包括：从预设的待部署队列中，获取所述应用部署请求；所述待部署队列中存储有多个待处理的应用部署请求，所述待部署队列中的应用部署请求为在监听到用户端发送的应用部署请求的情况下，对所述应用部署请求进行拦截得到。3.根据权利要求1所述的方法，其特征在于，所述根据所述计算节点信息，获取对应的目标计算节点的性能指标数据，包括：根据所述计算节点信息，从监控系统中获取对应的目标计算节点的性能指标数据；其中，所述监控系统中的性能指标数据由所述集群中的控制节点和各个计算节点上报得到。4.根据权利要求1所述的方法，其特征在于，所述预测模型通过下述方式训练得到：获取历史数据集；所述历史数据集包括多条历史数据，每条历史数据包括历史计算节点的性能指标数据、所述历史计算节点上部署的应用的功能需求信息，以及所述历史计算节点上部署的虚拟机监视器类别；对所述历史数据集进行多次采样处理，得到多个训练样本集；通过各个训练样本集分别训练一个决策树模型，得到多个训练完成的决策树模型；将所述多个训练完成的决策树模型组成随机森林模型，作为所述预测模型。5.根据权利要求4所述的方法，其特征在于，所述性能指标数据包括多个性能指标对应的数据，所述功能需求信息包括多个功能指标对应的数据；所述通过各个训练样本集分别训练一个决策树模型，得到多个训练完成的决策树模型，包括：在每个训练样本集中，以所述多个...

【专利技术属性】
技术研发人员：孟庆蕴，李德恒，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：