【技术实现步骤摘要】
本专利技术涉及资源调度，具体涉及一种kubernetes资源调度方法及装置。
技术介绍
1、对每一个新创建的pod或者是未被调度的pod，kube-scheduler(kubernetes集群的默认调度器)会选择一个最优的node去运行这个pod。然而，pod内的每一个容器对资源都有不同的需求，而且pod本身也有不同的资源需求。因此，pod在被调度到node上之前，根据这些特定的资源调度需求，需要对集群中的node进行一次过滤。
2、现有技术中，在一个集群中，满足一个pod调度请求的所有node称之为可调度节点。针对某个pod调度请求，调度器先在集群中找到所有的可调度节点序列，然后根据一系列规则对这些可调度节点打分，选出其中得分最高的node来运行该pod。然而，原始的kube-scheduler的打分过程仅仅是根据node的cpu和内存的利用率来决定该node的分数，即只考虑单节点的简单资源余量。
3、然而，对于一个待分配的pod，其分配倾向不仅仅跟cpu和内存利用率相关，还跟其属于同一应用或者业务逻辑的上下游pod的位置以及特征属性等高度相关，因此，现有技术中，kube-scheduler原有的基本评分标准无法保证集群资源的负载均衡，容易造成资源浪费和资源过载问题。
技术实现思路
1、有鉴于此，本专利技术实施例提供一种kubernetes资源调度方法及装置，以实现集群资源的负载均衡，防止资源浪费和资源过载的目的。
2、为实现上述目的，本专利技
3、本专利技术实施例第一方面公开了一种kubernetes资源调度方法，所述方法包括：
4、获取多个资源分配对；所述资源分配对包括历史时间区间内未报错的pod单元和node节点的配对；所述pod单元包括kubernetes的基本调度单元；
5、根据多个资源分配对中的所述pod单元所承载的微服务类型进行分类，得到各个所述pod单元的类别；
6、针对多个资源分配对中的每一所述node节点，基于多个预设资源指标构建得到多维向量；
7、对每一所述node节点对应的多维向量进行k-means聚类，得到各个所述node节点的类别和对应的聚类得分；
8、基于各个所述node节点的类别、各个所述pod单元的类别和所述聚类得分，得到评分矩阵；
9、利用svd算法对所述评分矩阵进行分解，得到pod矩阵和node矩阵；
10、利用所述pod矩阵和所述node矩阵对待分配的pod单元进行资源调度，从而将所述待分配的pod单元分配给最优的node节点运行。
11、优选的，所述对每一所述node节点对应的多维向量进行k-means聚类，得到各个所述node节点的类别和对应的聚类得分，包括：
12、对每一所述node节点对应的多维向量进行k-means聚类，得到各个所述node节点的类别和对应的聚类中心；
13、针对每一所述node节点，计算所述node节点对应的多维向量与所述node节点的类别对应的聚类中心之间的余弦相似度，得到聚类得分。
14、优选的，所述基于各个所述node节点的类别、各个所述pod单元的类别和所述聚类得分，得到评分矩阵，包括：
15、针对每一pod单元的类别，基于预设的聚类得分累加公式和所述聚类得分，计算到每一类别的所述node节点的聚类得分累加和；
16、基于每一pod单元的类别对应的聚类得分累加和生成评分矩阵。
17、优选的，所述利用svd算法对所述评分矩阵进行分解，得到pod矩阵和node矩阵，包括：
18、利用svd算法针对所述评分矩阵内的每一所述pod单元，生成对应的pod隐向量；所述pod隐向量代表对应的pod单元在二维隐语义空间上的映射；
19、利用所述svd算法针对所述评分矩阵内的每一所述node节点，生成对应的node隐向量；所述node隐向量代表对应的node节点在所述二维隐语义空间上的映射；
20、基于各个所述pod隐向量生成pod矩阵，基于各个所述node隐向量生成node矩阵。
21、优选的，所述利用所述pod矩阵和所述node矩阵对待分配的pod单元进行资源调度，从而将所述待分配的pod单元分配给最优的node节点运行，包括：
22、确定所述待分配的pod单元，在各个所述pod单元的类别中所属的目标pod类别；
23、对各个现有node节点，按照各个所述node节点的类别进行分类，得到各个现有node节点的类别；
24、利用所述pod矩阵和所述node矩阵，计算所述目标pod类别与各个现有node节点的类别之间的相似度，将所述相似度最大的所述现有node节点的类别作为目标node类别；
25、针对所述目标node类别的每一所述node节点，获取所述node节点各个所述预设资源指标的指标值，基于各个所述预设资源指标的指标值，计算得到所述node节点的评分；
26、将所述待分配的pod单元分配给所述评分最高的node节点运行。
27、本专利技术实施例第二方面公开了一种kubernetes资源调度装置，所述装置包括：
28、获取单元，用于获取多个资源分配对；所述资源分配对包括历史时间区间内未报错的pod单元和node节点的配对；所述pod单元包括kubernetes的基本调度单元；
29、分类单元，用于根据多个资源分配对中的所述pod单元所承载的微服务类型进行分类，得到各个所述pod单元的类别；
30、构建单元，用于针对多个资源分配对中的每一所述node节点，基于多个预设资源指标构建得到多维向量；
31、聚类单元，用于对每一所述node节点对应的多维向量进行k-means聚类，得到各个所述node节点的类别和对应的聚类得分；
32、矩阵单元，用于基于各个所述node节点的类别、各个所述pod单元的类别和所述聚类得分，得到评分矩阵；
33、分解单元，用于利用svd算法对所述评分矩阵进行分解，得到pod矩阵和node矩阵；
34、调度单元，用于利用所述pod矩阵和所述node矩阵对待分配的pod单元进行资源调度，从而将所述待分配的pod单元分配给最优的node节点运行。
35、优选的，所述聚类单元，具体用于：
36、对每一所述node节点对应的多维向量进行k-means聚类，得到各个所述node节点的类别和对应的聚类中心；
37、针对每一所述node节点，计算所述node节点对应的多维向量与所述node节点的类别对应的聚类中心之间的余弦相似度，得到聚类得分。
38、优选的，所述矩阵单元，具体用于：
39、针对每一pod单元的类别，基于预设的聚类得分累加公式和所述聚类得分，计算到本文档来自技高网...
【技术保护点】
1.一种Kubernetes资源调度方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对每一所述node节点对应的多维向量进行K-Means聚类，得到各个所述node节点的类别和对应的聚类得分，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于各个所述node节点的类别、各个所述pod单元的类别和所述聚类得分，得到评分矩阵，包括：
4.根据权利要求1所述的方法，其特征在于，所述利用SVD算法对所述评分矩阵进行分解，得到pod矩阵和node矩阵，包括：
5.根据权利要求1至4任一所述的方法，其特征在于，所述利用所述pod矩阵和所述node矩阵对待分配的pod单元进行资源调度，从而将所述待分配的pod单元分配给最优的node节点运行，包括：
6.一种Kubernetes资源调度装置，其特征在于，所述装置包括：
7.根据权利要求6所述的装置，其特征在于，所述聚类单元，具体用于：
8.根据权利要求6所述的装置，其特征在于，所述矩阵单元，具体用于：
9.根据
10.根据权利要求6至9任一所述的装置，其特征在于，所述调度单元，具体用于：
...【技术特征摘要】
1.一种kubernetes资源调度方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对每一所述node节点对应的多维向量进行k-means聚类，得到各个所述node节点的类别和对应的聚类得分，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于各个所述node节点的类别、各个所述pod单元的类别和所述聚类得分，得到评分矩阵，包括：
4.根据权利要求1所述的方法，其特征在于，所述利用svd算法对所述评分矩阵进行分解，得到pod矩阵和node矩阵，包括：
5.根据权利要求1至4任一所述...
【专利技术属性】
技术研发人员：张洁，来宾，何世丽，
申请(专利权)人：中国农业银行股份有限公司，
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。