CN108306908A - 基于Docker的管理优化方法及装置 - Google Patents
基于Docker的管理优化方法及装置 Download PDFInfo
- Publication number
- CN108306908A CN108306908A CN201611211422.9A CN201611211422A CN108306908A CN 108306908 A CN108306908 A CN 108306908A CN 201611211422 A CN201611211422 A CN 201611211422A CN 108306908 A CN108306908 A CN 108306908A
- Authority
- CN
- China
- Prior art keywords
- docker
- threshold value
- factor threshold
- load factor
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1031—Controlling of the operation of servers by a load balancer, e.g. adding or removing servers that serve requests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/508—Network service management, e.g. ensuring proper service fulfilment according to agreements based on type of value added network service under agreement
- H04L41/5096—Network service management, e.g. ensuring proper service fulfilment according to agreements based on type of value added network service under agreement wherein the managed service relates to distributed or central networked applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Computer And Data Communications (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及一种基于Docker的管理优化方法及装置，所述基于Docker的管理优化方法包括：采集Docker云平台***的各Docker节点的至少一种预设类型的***负载数据；根据预先确定的***负载数据和第一负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第一负载率阈值；若有所采集的***负载数据小于对应的第一负载率阈值，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。本发明能够有效、准确地控制Docker节点的数量，节省***资源，使得Docker云平台***运行在最优的状态下。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种基于Docker的管理优化方法及装置。
背景技术
Docker是一个开源应用容器引擎，Docker采用客户端-服务器(C/S)架构模Docker守护进程(Docker daemon)，Docker守护进程作为服务端接收来自客户端的请求，并处理这些请求，处理过程包括创建、运行及分发容器等。
在创建Docker容器时，所创建的Docker容器称之为Docker节点，每个Docker节点相当于单独的一台linux服务器。在实际应用中，若在Docker云平台***中创建并运行多个Docker节点，则可以有效的预防单点故障，但是创建的Docker节点的数量过多时，会耗费过多的***资源。由于目前Docker云平台***中通常是通过人工判断的方式进行Docker节点数量的控制，因此无法有效、准确地控制所创建的Docker节点的数量，无法使得Docker云平台***运行在最优的状态下。
发明内容
本发明的目的在于提供一种基于Docker的管理优化方法及装置，旨在有效、准确地控制Docker节点的数量，节省***资源，使得Docker云平台***运行在最优的状态下。
为实现上述目的，本发明提供一种基于Docker的管理优化方法，所述基于Docker的管理优化方法包括：
S1，采集Docker云平台***的各Docker节点的至少一种预设类型的***负载数据；
S2，根据预先确定的***负载数据和第一负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第一负载率阈值；
S3，若有所采集的***负载数据小于对应的第一负载率阈值，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上
优选地，所述***负载数据包括CPU的使用率、内存使用率及网络带宽占用率。
优选地，所述步骤S3包括：
S31，若有所采集的***负载数据小于对应的第一负载率阈值，则确定所采集的***负载数据在小于对应的第一负载率阈值的状态下的持续时间，并分析该持续时间是否大于等于第一预设时间阈值；
S32，若是，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。
优选地，所述步骤S1之后还包括：
S4，根据预先确定的***负载数据和第二负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第二负载率阈值；
S5，若有所采集的***负载数据大于对应的第二负载率阈值，则在所述Docker云平台***中创建至少一个新的Docker节点，以通过新的Docker节点进行数据分流，所述第二负载率阈值大于所述第一负载率阈值。
优选地，所述步骤S5包括：
S51，若有所采集的***负载数据大于对应的第二负载率阈值，则确定所采集的***负载数据在大于对应的第二负载率阈值的状态下的持续时间，并分析该持续时间是否大于等于第二预设时间阈值；
S52，若是，则在所述Docker云平台***中创建至少一个新的Docker节点，以通过新的Docker节点进行数据分流。
为实现上述目的，本发明还提供一种基于Docker的管理优化装置，所述基于Docker的管理优化装置包括：
采集模块，用于采集Docker云平台***的各Docker节点的至少一种预设类型的***负载数据；
第一确定模块，用于根据预先确定的***负载数据和第一负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第一负载率阈值；
删除模块，用于若有所采集的***负载数据小于对应的第一负载率阈值，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。
优选地，所述***负载数据包括CPU的使用率、内存使用率及网络带宽占用率。
优选地，所述删除模块具体用于若有所采集的***负载数据小于对应的第一负载率阈值，则确定所采集的***负载数据在小于对应的第一负载率阈值的状态下的持续时间，并分析该持续时间是否大于等于第一预设时间阈值；若是，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。
优选地，所述基于Docker的管理优化装置还包括：
第二确定模块，用于根据预先确定的***负载数据和第二负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第二负载率阈值；
创建模块，用于若有所采集的***负载数据大于对应的第二负载率阈值，则在所述Docker云平台***中创建至少一个新的Docker节点，以通过新的Docker节点进行数据分流，所述第二负载率阈值大于所述第一负载率阈值。
优选地，所述创建模块具体用于若有所采集的***负载数据大于对应的第二负载率阈值，则确定所采集的***负载数据在大于对应的第二负载率阈值的状态下的持续时间，并分析该持续时间是否大于等于第二预设时间阈值；若是，则在所述Docker云平台***中创建至少一个新的Docker节点，以通过新的Docker节点进行数据分流。
本发明的有益效果是：本发明首先采集Docker云平台***的各Docker节点的各种***负载数据，然后确定每一***负载数据对应的第一负载率阈值，如果有***负载数据小于对应的第一负载率阈值，则在Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上，本发明考虑Docker节点的负载情况，能够有效、准确地控制Docker节点的数量，防止过多的Docker节点耗费***资源，使得Docker云平台***运行在最优的状态下。
附图说明
图1为本发明基于Docker的管理优化方法第一实施例的流程示意图；
图2为图1所示步骤S3的细化流程示意图；
图3为本发明基于Docker的管理优化方法第二实施例的流程示意图；
图4为图3所示步骤S5的细化流程示意图；
图5为本发明基于Docker的管理优化装置第一实施例的结构示意图；
图6为本发明基于Docker的管理优化装置第二实施例的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，图1为本发明基于Docker的管理优化方法一实施例的流程示意图，该基于Docker的管理优化方法包括以下步骤：
步骤S1，采集Docker云平台***的各Docker节点的至少一种预设类型的***负载数据；
本实施例可应用于控制服务器中，由控制服务器采集Docker云平台***的各Docker节点的至少一种预设类型的***负载数据，其中，在某一Docker节点上可能采集到一种类型的***负载数据，也可能在某一Docker节点上采集到多种类型的***负载数据。
其中，***负载数据包括但不限定于CPU的使用率、内存使用率及网络带宽占用率。
本实施例中，可以由控制服务器实时地采集***负载数据，以通过所采集的***负载数据实现对Docker云平台***的Docker节点的数量的实时管控；或者，可以由控制服务器定时地采集***负载数据，并通过所采集的***负载数据定时管理优化Docker云平台***的Docker节点的数量，可减轻***负担。
步骤S2，根据预先确定的***负载数据和第一负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第一负载率阈值；
本实施例中，对于每一种类型的***负载数据具有对应的第一负载率阈值，例如，CPU的使用率对应的第一负载率阈值可以为20％，内存使用率对应的第一负载率阈值可以为25％，网络带宽占用率对应的第一负载率阈值可以为20％等。将每一种类型的***负载数据与对应的第一负载率阈值进行映射并将映射关系进行存储。
其中，第一负载率阈值的含义在于，如果某一Docker节点的某一***负载数据小于该第一负载率阈值时，虽然可以使得对应的数据的通信处于良好的状态，但是实际上该Docker节点利用率很小，可以将该Docker节点上的数据分流至其他的Docker节点上；但如果***负载数据大于该第一负载率阈值，则说明该Docker节点已经被充分利用，不需要进行分流。
在采集到***负载数据，根据所上述的映射关系可以获取到所采集的***负载数据对应的第一负载率阈值。
步骤S3，若有所采集的***负载数据小于对应的第一负载率阈值，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。
本实施例中，由控制服务器对***负载数据与第一负载率阈值两者的大小进行判断，以判断***负载数据是否小于对应的第一负载率阈值。若有所采集的***负载数据小于对应的第一负载率阈值，例如CPU的使用率小于对应的第一负载率阈值20％，或者内存使用率小于对应的第一负载率阈值25％，或者网络带宽占用率小于对应的第一负载率阈值20％，则在Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。
与现有技术相比，本实施例首先采集Docker云平台***的各Docker节点的各种***负载数据，然后确定每一***负载数据对应的第一负载率阈值，如果有***负载数据小于对应的第一负载率阈值，则在Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上，本实施例考虑Docker节点的负载情况，能够有效、准确地控制Docker节点的数量，防止过多的Docker节点耗费***资源，使得Docker云平台***运行在最优的状态下。
在一优选的实施例中，如图2所示，在上述图1的实施例的基础上，上述步骤S3包括：
步骤S31，若有所采集的***负载数据小于对应的第一负载率阈值，则确定所采集的***负载数据在小于对应的第一负载率阈值的状态下的持续时间，并分析该持续时间是否大于等于第一预设时间阈值；
步骤S32，若是，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。
本实施例进一步对***负载数据在小于对应的第一负载率阈值的状态下的持续时间进行判断，即判断该持续时间是否大于等于第一预设时间阈值，第一预设时间阈值例如为10分钟，只有在持续时间大于等于第一预设时间阈值时，才删除小于第一负载率阈值的***负载数据对应的Docker节点并进行分流。
当然，如果该持续时间较小，小于第一预设时间阈值时，可以对Docker节点不做任何处理。
本实施例进一步考虑***负载数据在小于对应的第一负载率阈值的状态下的持续时间，如果持续时间较长，则删除对应的Docker节点，如果持续时间较短，不做处理，能够进一步准确地控制Docker节点的数量。
在一优选的实施例中，如图3所示，在上述图1的实施例的基础上，在上述步骤S1之后还包括：
步骤S4，根据预先确定的***负载数据和第二负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第二负载率阈值；
本实施例中，对于每一种类型的***负载数据具有对应的第二负载率阈值，第二负载率阈值大于第一负载率阈值，例如，CPU的使用率对应的第二负载率阈值可以为60％，内存使用率对应的第二负载率阈值可以为70％，网络带宽占用率对应的第二负载率阈值可以为60％等。将每一种类型的***负载数据与对应的第二负载率阈值进行映射并将映射关系进行存储。
其中，第二负载率阈值的含义在于，如果某一Docker节点的某一***负载数据小于或等于该第二负载率阈值，且大于第一负载率阈值时，可以使得对应的数据的通信处于良好的状态，但如果***负载数据大于该第二负载率阈值时，则使得对应的数据的通信处于不良的状态，或者需要更多的***资源来使得对应的数据的通信处于良好的状态。
在采集到***负载数据，根据所上述的映射关系可以获取到所采集的***负载数据对应的第二负载率阈值。
步骤S5，若有所采集的***负载数据大于对应的第二负载率阈值，则在所述Docker云平台***中创建至少一个新的Docker节点，以通过新的Docker节点进行数据分流。
本实施例中，由控制服务器对***负载数据与第二负载率阈值两者的大小进行判断，以判断***负载数据是否大于对应的第二负载率阈值。若有所采集的***负载数据大于对应的第二负载率阈值，例如CPU的使用率大于对应的第二负载率阈值60％，或者内存使用率大于对应的第二负载率阈值70％，或者网络带宽占用率大于对应的第二负载率阈值60％，则在Docker云平台***中创建一个或多个新的Docker节点，通过新的Docker节点，可以对大于第二负载率阈值的***负载数据对应的Docker节点进行数据分流。
通过上述的描述可以看出，本实施例进一步考虑Docker节点是否负载过重的情况，如果所采集的***负载数据大于对应的第二负载率阈值，则创建新的Docker节点以实现数据分流，确保通信的正常进行，并进一步有效、准确地控制Docker节点的数量。
在一优选的实施例中，如图4所示，在上述图3的实施例的基础上，上述步骤S5包括：
步骤S51，若有所采集的***负载数据大于对应的第二负载率阈值，则确定所采集的***负载数据在大于对应的第二负载率阈值的状态下的持续时间，并分析该持续时间是否大于等于第二预设时间阈值；
步骤S52，若是，则在所述Docker云平台***中创建至少一个新的Docker节点，以通过新的Docker节点进行数据分流。
本实施例进一步对***负载数据在大于对应的第二负载率阈值的状态下的持续时间进行判断，即判断该持续时间是否大于等于第二预设时间阈值，第一预设时间阈值例如为5分钟，只有在持续时间大于等于第二预设时间阈值时，才创建新的Docker节点，以通过新的Docker节点进行数据分流。
当然，如果该持续时间较小，小于第二预设时间阈值时，可以不创建新的Docker节点。
本实施例进一步考虑***负载数据在大于对应的第二负载率阈值的状态下的持续时间，如果持续时间较长，则创建新的Docker节点并分流，能够进一步准确地控制Docker节点的数量。
如图5所示，图5为本发明基于Docker的管理优化装置一实施例的结构示意图，该基于Docker的管理优化装置包括：
采集模块101，用于采集Docker云平台***的各Docker节点的至少一种预设类型的***负载数据；
本实施例的基于Docker的管理优化装置可置于控制服务器中，控制服务器采集Docker云平台***的各Docker节点的至少一种预设类型的***负载数据，其中，在某一Docker节点上可能采集到一种类型的***负载数据，也可能在某一Docker节点上采集到多种类型的***负载数据。
其中，***负载数据包括但不限定于CPU的使用率、内存使用率及网络带宽占用率。
本实施例中，可以由控制服务器实时地采集***负载数据，以通过所采集的***负载数据实现对Docker云平台***的Docker节点的数量的实时管控；或者，可以由控制服务器定时地采集***负载数据，并通过所采集的***负载数据定时管理优化Docker云平台***的Docker节点的数量，可减轻***负担。
第一确定模块102，用于根据预先确定的***负载数据和第一负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第一负载率阈值；
本实施例中，对于每一种类型的***负载数据具有对应的第一负载率阈值，例如，CPU的使用率对应的第一负载率阈值可以为20％，内存使用率对应的第一负载率阈值可以为25％，网络带宽占用率对应的第一负载率阈值可以为20％等。将每一种类型的***负载数据与对应的第一负载率阈值进行映射并将映射关系进行存储。
其中，第一负载率阈值的含义在于，如果某一Docker节点的某一***负载数据小于该第一负载率阈值时，虽然可以使得对应的数据的通信处于良好的状态，但是实际上该Docker节点利用率很小，可以将该Docker节点上的数据分流至其他的Docker节点上；但如果***负载数据大于该第一负载率阈值，则说明该Docker节点已经被充分利用，不需要进行分流。
在采集到***负载数据，根据所上述的映射关系可以获取到所采集的***负载数据对应的第一负载率阈值。
删除模块103，用于若有所采集的***负载数据小于对应的第一负载率阈值，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上
本实施例中，由控制服务器对***负载数据与第一负载率阈值两者的大小进行判断，以判断***负载数据是否小于对应的第一负载率阈值。若有所采集的***负载数据小于对应的第一负载率阈值，例如CPU的使用率小于对应的第一负载率阈值20％，或者内存使用率小于对应的第一负载率阈值25％，或者网络带宽占用率小于对应的第一负载率阈值20％，则在Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。
在一优选的实施例中，在上述图5的实施例的基础上，上述删除模块103具体用于若有所采集的***负载数据小于对应的第一负载率阈值，则确定所采集的***负载数据在小于对应的第一负载率阈值的状态下的持续时间，并分析该持续时间是否大于等于第一预设时间阈值；若是，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。
本实施例进一步对***负载数据在小于对应的第一负载率阈值的状态下的持续时间进行判断，即判断该持续时间是否大于等于第一预设时间阈值，第一预设时间阈值例如为10分钟，只有在持续时间大于等于第一预设时间阈值时，才删除小于第一负载率阈值的***负载数据对应的Docker节点并进行分流。
当然，如果该持续时间较小，小于第一预设时间阈值时，可以对Docker节点不做任何处理。
本实施例进一步考虑***负载数据在小于对应的第一负载率阈值的状态下的持续时间，如果持续时间较长，则删除对应的Docker节点，如果持续时间较短，不做处理，能够进一步准确地控制Docker节点的数量。
在一优选的实施例中，如图6所示，在上述图5的实施例的基础上，该基于Docker的管理优化装置还包括：
第二确定模块104，用于根据预先确定的***负载数据和第二负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第二负载率阈值；
本实施例中，对于每一种类型的***负载数据具有对应的第二负载率阈值，例如，CPU的使用率对应的第二负载率阈值可以为60％，内存使用率对应的第二负载率阈值可以为70％，网络带宽占用率对应的第二负载率阈值可以为60％等。将每一种类型的***负载数据与对应的第二负载率阈值进行映射并将映射关系进行存储。
其中，第二负载率阈值的含义在于，如果某一Docker节点的某一***负载数据小于或等于该第二负载率阈值，且大于第一负载率阈值时，可以使得对应的数据的通信处于良好的状态，但如果***负载数据大于该第二负载率阈值时，则使得对应的数据的通信处于不良的状态，或者需要更多的***资源来使得对应的数据的通信处于良好的状态。
在采集到***负载数据，根据所上述的映射关系可以获取到所采集的***负载数据对应的第二负载率阈值。
创建模块105，用于若有所采集的***负载数据大于对应的第二负载率阈值，则在所述Docker云平台***中创建至少一个新的Docker节点，以通过新的Docker节点进行数据分流。
本实施例中，由控制服务器对***负载数据与第二负载率阈值两者的大小进行判断，以判断***负载数据是否大于对应的第二负载率阈值。若有所采集的***负载数据大于对应的第二负载率阈值，例如CPU的使用率大于对应的第二负载率阈值60％，或者内存使用率大于对应的第二负载率阈值70％，或者网络带宽占用率大于对应的第二负载率阈值60％，则在Docker云平台***中创建一个或多个新的Docker节点，通过新的Docker节点，可以对大于第二负载率阈值的***负载数据对应的Docker节点进行数据分流。
通过上述的描述可以看出，本实施例进一步考虑Docker节点是否负载过重的情况，如果所采集的***负载数据大于对应的第二负载率阈值，则创建新的Docker节点以实现数据分流，确保通信的正常进行，并进一步有效、准确地控制Docker节点的数量。
在一优选的实施例中，在上述图5的实施例的基础上，上述创建模块105具体用于若有所采集的***负载数据大于对应的第二负载率阈值，则确定所采集的***负载数据在大于对应的第二负载率阈值的状态下的持续时间，并分析该持续时间是否大于等于第二预设时间阈值；若是，则在所述Docker云平台***中创建至少一个新的Docker节点，以通过新的Docker节点进行数据分流。
本实施例进一步对***负载数据在大于对应的第二负载率阈值的状态下的持续时间进行判断，即判断该持续时间是否大于等于第二预设时间阈值，第一预设时间阈值例如为5分钟，只有在持续时间大于等于第二预设时间阈值时，才创建新的Docker节点，以通过新的Docker节点进行数据分流。
当然，如果该持续时间较小，小于第二预设时间阈值时，可以不创建新的Docker节点。
本实施例进一步考虑***负载数据在大于对应的第二负载率阈值的状态下的持续时间，如果持续时间较长，则创建新的Docker节点并分流，能够进一步准确地控制Docker节点的数量。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于Docker的管理优化方法，其特征在于，所述基于Docker的管理优化方法包括：
S1，采集Docker云平台***的各Docker节点的至少一种预设类型的***负载数据；
S2，根据预先确定的***负载数据和第一负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第一负载率阈值；
S3，若有所采集的***负载数据小于对应的第一负载率阈值，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。
2.根据权利要求1所述的基于Docker的管理优化方法，其特征在于，所述***负载数据包括CPU的使用率、内存使用率及网络带宽占用率。
3.根据权利要求1或2所述的基于Docker的管理优化方法，其特征在于，所述步骤S3包括：
S31，若有所采集的***负载数据小于对应的第一负载率阈值，则确定所采集的***负载数据在小于对应的第一负载率阈值的状态下的持续时间，并分析该持续时间是否大于等于第一预设时间阈值；
S32，若是，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。
4.根据权利要求1或2所述的基于Docker的管理优化方法，其特征在于，所述步骤S1之后还包括：
S4，根据预先确定的***负载数据和第二负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第二负载率阈值；
S5，若有所采集的***负载数据大于对应的第二负载率阈值，则在所述Docker云平台***中创建至少一个新的Docker节点，以通过新的Docker节点进行数据分流，所述第二负载率阈值大于所述第一负载率阈值。
5.根据权利要求4所述的基于Docker的管理优化方法，其特征在于，所述步骤S5包括：
S51，若有所采集的***负载数据大于对应的第二负载率阈值，则确定所采集的***负载数据在大于对应的第二负载率阈值的状态下的持续时间，并分析该持续时间是否大于等于第二预设时间阈值；
S52，若是，则在所述Docker云平台***中创建至少一个新的Docker节点，以通过新的Docker节点进行数据分流。
6.一种基于Docker的管理优化装置，其特征在于，所述基于Docker的管理优化装置包括：
采集模块，用于采集Docker云平台***的各Docker节点的至少一种预设类型的***负载数据；
第一确定模块，用于根据预先确定的***负载数据和第一负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第一负载率阈值；
删除模块，用于若有所采集的***负载数据小于对应的第一负载率阈值，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。
7.根据权利要求6所述的基于Docker的管理优化装置，其特征在于，所述***负载数据包括CPU的使用率、内存使用率及网络带宽占用率。
8.根据权利要求6或7所述的基于Docker的管理优化装置，其特征在于，所述删除模块具体用于若有所采集的***负载数据小于对应的第一负载率阈值，则确定所采集的***负载数据在小于对应的第一负载率阈值的状态下的持续时间，并分析该持续时间是否大于等于第一预设时间阈值；若是，则在所述Docker云平台***中删除小于第一负载率阈值的***负载数据对应的Docker节点，并将所删除Docker节点的数据分流至其他Docker节点上。
9.根据权利要求6或7所述的基于Docker的管理优化装置，其特征在于，所述基于Docker的管理优化装置还包括：
第二确定模块，用于根据预先确定的***负载数据和第二负载率阈值的映射关系确定所采集的每一类型的***负载数据对应的第二负载率阈值；
创建模块，用于若有所采集的***负载数据大于对应的第二负载率阈值，则在所述Docker云平台***中创建至少一个新的Docker节点，以通过新的Docker节点进行数据分流，所述第二负载率阈值大于所述第一负载率阈值。
10.根据权利要求9所述的基于Docker的管理优化装置，其特征在于，所述创建模块具体用于若有所采集的***负载数据大于对应的第二负载率阈值，则确定所采集的***负载数据在大于对应的第二负载率阈值的状态下的持续时间，并分析该持续时间是否大于等于第二预设时间阈值；若是，则在所述Docker云平台***中创建至少一个新的Docker节点，以通过新的Docker节点进行数据分流。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611211422.9A CN108306908A (zh) | 2016-12-24 | 2016-12-24 | 基于Docker的管理优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611211422.9A CN108306908A (zh) | 2016-12-24 | 2016-12-24 | 基于Docker的管理优化方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108306908A true CN108306908A (zh) | 2018-07-20 |
Family
ID=62871349
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611211422.9A Pending CN108306908A (zh) | 2016-12-24 | 2016-12-24 | 基于Docker的管理优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108306908A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113656148A (zh) * | 2021-08-20 | 2021-11-16 | 北京天融信网络安全技术有限公司 | 一种容器管理的方法、装置、电子设备及可读存储介质 |
| USD973181S1 (en) * | 2020-09-08 | 2022-12-20 | Smc Corporation | Electromagnetic valve |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104301404A (zh) * | 2014-09-29 | 2015-01-21 | 华为技术有限公司 | 一种基于虚拟机的调整业务***资源的方法及装置 |
| CN105068874A (zh) * | 2015-08-12 | 2015-11-18 | 国家电网公司 | 一种结合Docker技术的资源按需动态分配方法 |
| CN105119913A (zh) * | 2015-08-13 | 2015-12-02 | 东南大学 | 一种基于Docker的Web服务器架构及各模块之间的交互方法 |
-
2016
- 2016-12-24 CN CN201611211422.9A patent/CN108306908A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104301404A (zh) * | 2014-09-29 | 2015-01-21 | 华为技术有限公司 | 一种基于虚拟机的调整业务***资源的方法及装置 |
| CN105068874A (zh) * | 2015-08-12 | 2015-11-18 | 国家电网公司 | 一种结合Docker技术的资源按需动态分配方法 |
| CN105119913A (zh) * | 2015-08-13 | 2015-12-02 | 东南大学 | 一种基于Docker的Web服务器架构及各模块之间的交互方法 |
Non-Patent Citations (2)
| Title |
|---|
| 秦占明: "云端虚拟集群部署与动态迁移技术的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 肖俊基: "基于Docker的跨主机容器集群自动伸缩设计与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| USD973181S1 (en) * | 2020-09-08 | 2022-12-20 | Smc Corporation | Electromagnetic valve |
| CN113656148A (zh) * | 2021-08-20 | 2021-11-16 | 北京天融信网络安全技术有限公司 | 一种容器管理的方法、装置、电子设备及可读存储介质 |
| CN113656148B (zh) * | 2021-08-20 | 2024-02-06 | 北京天融信网络安全技术有限公司 | 一种容器管理的方法、装置、电子设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110851429B (zh) | 一种基于影响力自适应聚合的边缘计算可信协同服务方法 | |
| CN104092756B (zh) | 一种基于dht机制的云存储***的资源动态分配方法 | |
| CN102347876B (zh) | 一种云计算网络多链路聚合控制装置 | |
| CN111666159B (zh) | 负载均衡控制方法和装置、存储介质及电子设备 | |
| CN105242983B (zh) | 一种数据存储方法以及一种数据存储管理服务器 | |
| CN108540559B (zh) | 一种支持IPSec VPN负载均衡的SDN控制器 | |
| CN105847377A (zh) | 集群网络的请求拥塞过载处理方法及*** | |
| CN108183950A (zh) | 一种网络设备建立连接的方法及装置 | |
| CN104980494B (zh) | 一种具有本地缓存的云存储下载共享平台及方法 | |
| CN108881354A (zh) | 一种推送信息存储方法、装置、服务器和计算机存储介质 | |
| CN103441918A (zh) | 一种自组织集群服务器***及其自组织方法 | |
| Dimitriou | A preemptive resume priority retrial queue with state dependent arrivals, unreliable server and negative customers | |
| CN106953926A (zh) | 一种路由方法及装置 | |
| CN108306908A (zh) | 基于Docker的管理优化方法及装置 | |
| CN107104956B (zh) | 一种基于用户优先度的遥感分发方法及*** | |
| CN105471700B (zh) | 一种消息处理的方法、装置和*** | |
| Nine et al. | Hysteresis-based optimization of data transfer throughput | |
| CN106357473B (zh) | 分布式多机***、控制方法及控制装置 | |
| WO2015110020A1 (zh) | 基于开放流的组表处理方法、装置及组表配置单元 | |
| CN109995860A (zh) | 一种vanet中基于边缘计算的深度学习任务分配算法 | |
| Celaya et al. | A fair decentralized scheduler for bag-of-tasks applications on desktop grids | |
| CN112217725A (zh) | 一种基于边缘计算的延迟优化方法 | |
| CN105792247B (zh) | 一种数据推送方法及装置 | |
| CN106506648A (zh) | 负载均衡服务管理方法及*** | |
| CN107085579A (zh) | 一种数据采集分发方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180720 |
|
| RJ01 | Rejection of invention patent application after publication |