CN108469989A - 一种基于集群性能的反馈式自动扩缩容方法及*** - Google Patents
一种基于集群性能的反馈式自动扩缩容方法及*** Download PDFInfo
- Publication number
- CN108469989A CN108469989A CN201810204244.XA CN201810204244A CN108469989A CN 108469989 A CN108469989 A CN 108469989A CN 201810204244 A CN201810204244 A CN 201810204244A CN 108469989 A CN108469989 A CN 108469989A
- Authority
- CN
- China
- Prior art keywords
- scalable
- performance
- scalable appearance
- appearance
- node
- 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
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于集群性能的反馈式自动扩缩容方法及***,属于通信技术领域,该处理方法包括:获取各节点及容器参数,整理得出整个集群的性能指标,并将性能指标进行储存,存储格式为时间戳+json格式;将收集到的性能指标通过判断模型进行打分,最终决定是否扩缩容,并给出扩容方案;根据扩缩容方案生成扩缩容配置模板,并下发扩缩容命令;获取集群返回的扩缩容执行结果;该处理***包括:性能收集子***和扩缩容判断及执行子***。该方法及***能够感知特定容器自身性能,同时能够感知容器所在宿主机及集群整体性能,而自动完成容器扩缩容,解决了现有扩缩容方法针对性差、响应速度慢的问题。
Description
技术领域
本发明属于通信技术领域,具体涉及一种基于集群性能的反馈式自动扩缩容方法及***。
背景技术
在实际生产***中,我们经常会遇到某个服务需要扩容的场景,也可能会遇到因为资源紧张或者工作负载降低而需要减少服务实例数量的场景。而这种情况在以容器技术为基础的微服务场景中尤其突出。原因是,微服务是将颗粒度大的应用***划分为不同的服务模块,例如:将一个web应用划分为五大服务模块(1、负载均衡模块nginx 2、web服务器模块3、后台数据库模块4、缓存模块5、会话保持模块),每个模块由功能相同的若干容器(对应于kubernetes的pod)组成负载均衡集群对外提供服务,随着业务的发展,每个模块内的容器需要横向扩缩容。目前阶段,在kubernetes容器云集群上有两种扩缩容方式:
1.根据***响应速度(通过外部测试工具测速),手动对容器进行扩缩容;
2.利用kubernetes自身的HPA(Horizontal Pod Autoscaler)功能,预先设置容器扩容阈值(CPU、内存等)触发扩容。
对于方法1,通过外部测试工具测量***响应速度并以此为依据手动扩缩容,有以下缺点:一是只能粗略把握***的整体响应速度,无法感知各个服务模块的压力及利用率,难以针对性地进行扩容处理,二是手工的扩容方法无法快速响应业务的扩展需求。
对于方法2,利用kubernetes自身的HPA(Horizontal Pod Autoscaler)功能,预先设置容器扩容阈值(CPU、内存等)触发扩容,虽然一定程度能满足***扩容需求,但只能针对特定容器的少量指标进行阈值设置(目前只能针对CPU、内存利用率),也无法感知宿主主机及整个集群的负载情况进行针对性的扩容。
综上所述,现有kubernetes容器云集群扩缩容方法存在针对性差、响应速度慢的问题。
发明内容
为了克服上述现有技术存在的不足,本发明提供了一种基于集群性能的反馈式自动扩缩容方法及***。
为了实现上述目的,本发明提供如下技术方案:
一种基于集群性能的反馈式自动扩缩容方法,包括:
获取各节点及容器参数,整理得出整个集群的性能指标,并将所述性能指标进行储存,存储格式为时间戳+json格式;
将收集到的所述性能指标通过判断模型进行打分,最终决定是否扩缩容,并给出扩容方案;根据扩缩容方案生成扩缩容配置模板,并下发扩缩容命令;获取集群返回的扩缩容执行结果。
优选地,所述获取各节点及容器参数的方法为:收集工具数据对接kubernetes节点的kubelet组件,通过kubelet组件的北向接口获取各节点及容器参数。
优选地,所述性能指标包括节点性能指标和节点上容器参数,所述节点性能指标包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率,所述节点上容器参数包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率。
优选地,所述下发扩缩容命令的方法为:通过kubernetes集群的restful接口以deployment方式下发扩缩容命令。
本发明的另一目的在于提供一种基于集群性能的反馈式自动扩缩容***,性能收集子***和扩缩容判断及执行子***;
所述性能收集子***,获取各节点及容器参数,整理得出整个集群的性能指标,并将所述整个集群的性能指标进行储存,存储格式为时间戳+json格式;
所述扩缩容判断及执行子***,根据收集到的所述整个集群的性能指标决定是否扩缩容,并给出扩容方案;根据扩缩容方案生成扩缩容配置模板,并下发扩缩容命令;获取集群返回的扩缩容执行结果。
优选地,所述性能收集子***由安装在节点上的性能收集探针、性能指标汇集器和性能指标储存模块三部分组成;
所述性能收集探针,用于收集各节点及容器参数;
所述性能指标汇集器,用于根据各节点及容器参数整理、汇集整个集群的的性能指标;
所述性能指标储存模块,用于格式化储存整个集群的性能指标,存储格式为时间戳+json格式;
所述扩缩容判断及执行子***由扩缩容判断模块和扩缩容执行模块两部分组成;
所述扩缩容判断模块,用于获取整个集群的性能指标,通过判断模型对采集到的性能指标打分,根据打分情况作出扩缩容判断;
所述扩缩容执行模块,用于生成扩缩容配置模板、并下发扩缩容命令,同时获取集群返回的扩缩容执行情况。
优选地,所述性能收集探针数据对接kubernetes节点的kubelet组件,通过kubelet组件的北向接口获取各节点及容器参数。
优选地,所述扩缩容执行模块通过kubernetes集群的restful接口以deployment方式下发扩缩容命令。
优选地,所述性能指标包括节点性能指标和节点上容器参数,所述节点性能指标包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率,所述节点上容器参数包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率。
本发明提供的基于集群性能的反馈式自动扩缩容方法及***,该方法包括:获取各节点及容器参数,整理得出整个集群的性能指标,并将性能指标进行储存,存储格式为时间戳+json格式;将收集到的性能指标通过判断模型进行打分,最终决定是否扩缩容,并给出扩容方案;根据扩缩容方案生成扩缩容配置模板,并下发扩缩容命令;获取集群返回的扩缩容执行结果;该方法不仅能收集到kubernetes容器云集群内部各的性能指标(集群、节点、容器),并能以性能指标整体评分为基础,自动完成容器的扩缩容,快速响应业务需求;该***能够感知kubernetes整个集群的性能指标(覆盖集群、节点、容器,并覆盖CPU、内存、文件***利用率、网卡带宽、磁盘IO速率),并以此为基础通过打分机制作出扩缩容判断并制定执行方案,能够感知容器所在宿主机及集群整体性能,更加全面、准确地感知业务扩缩容需求,并精准地实现容器扩缩容;通过反馈机制全自动完成容器扩缩容,更加快速地响应业务扩缩容需求;解决了现有扩缩容方法针对性差、响应速度慢的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于集群性能的反馈式自动扩缩容方法流程示意图;
图2为本发明实施例提供的的一种基于集群性能的反馈式自动扩缩容***的结构框图;
图3为本发明实施例1提供的一种基于集群性能的反馈式自动扩缩容方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种基于集群性能的反馈式自动扩缩容方法和***,该方法和***主要针对kubernetes容器云,Kubernetes是Google开源的容器集群管理***,其提供应用部署、维护、扩展机制等功能,利用Kubernetes能方便地管理跨机器运行容器化的应用。因此,对kubernetes容器云进行有效扩缩容可满足更多平台的需求。
图1为本发明实施例提供的一种基于集群性能的反馈式自动扩缩容方法流程示意图,该方法包括以下步骤:
步骤101:获取各节点及容器参数,整理得出整个集群的性能指标,并将性能指标进行储存,存储格式为时间戳+json格式,采用该存储格式能为电子文件的日期和时间信息提供安全保护;
步骤102:将收集到的性能指标通过判断模型进行打分,最终决定是否扩缩容,并给出扩容方案;根据扩缩容方案生成扩缩容配置模板,并下发扩缩容命令;获取集群返回的扩缩容执行结果。
在步骤101中,获取各节点及容器参数的方法为:收集工具数据对接kubernetes节点的kubelet组件,通过kubelet组件的北向接口获取各节点及容器参数。由于kubernetes是一个分布式的集群管理***,在每个节点(node)上都要运行一个worker对容器进行生命周期的管理,这个worker程序就是kubelet。kubelet的主要功能就是定时从某个地方获取节点上pod/container的期望状态(运行什么容器、运行的副本数量、网络或者存储如何配置等等),并调用对应的容器平台接口达到这个状态。集群状态下,kubelet不仅可以从master上读取信息,还可以从其他地方获取节点的pod信息,因此本实施例中选择kubelet组件来获取各节点及容器参数,获取的数据更加全面。
需要说明的是,本实施例中性能指标包括节点性能指标和节点上容器参数,节点性能指标包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率,节点上容器参数包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率。通过上述性能指标能够很好的感知宿主主机及整个集群的负载情况,从而进行针对性的扩容。
在步骤102中,下发扩缩容命令的方法为:通过kubernetes集群的restful接口以deployment方式下发扩缩容命令。
基于同一发明构思,本发明实施例提供了一种基于集群性能的反馈式自动扩缩容***,由于该***解决技术问题的原理与一种基于集群性能的反馈式自动扩缩容系方法相似,因此该***的实施可以参见方法的实施,重复之处不再赘述。
图2为本发明实施例提供的一种基于集群性能的反馈式自动扩缩容***的结构框图,如图2所示,该***主要包括性能收集子***1和扩缩容判断及执行子***2;
性能收集子***1,获取各节点及容器参数,整理得出整个集群的性能指标,并将整个集群的性能指标进行储存,存储格式为时间戳+json格式;
扩缩容判断及执行子***2,根据收集到的整个集群的性能指标决定是否扩缩容,并给出扩容方案;根据扩缩容方案生成扩缩容配置模板,并下发扩缩容命令;获取集群返回的扩缩容执行结果。
进一步地,性能收集子***1由安装在节点上的性能收集探针11、性能指标汇集器12和性能指标储存模块13三部分组成;
性能收集探针11,用于收集各节点及容器参数;
性能指标汇集器12,用于根据各节点及容器参数整理、汇集整个集群的的性能指标;
性能指标储存模块13,用于格式化储存整个集群的性能指标,存储格式为时间戳+json格式,采用该存储格式能为电子文件的日期和时间信息提供安全保护;
扩缩容判断及执行子***2由扩缩容判断模块21和扩缩容执行模块22两部分组成;
扩缩容判断模块21,用于获取整个集群的性能指标,通过判断模型对采集到的性能指标打分,根据打分情况作出扩缩容判断;
扩缩容执行模块22,用于生成扩缩容配置模板、并下发扩缩容命令,同时获取集群返回的扩缩容执行情况。
本实施例中,性能收集探针11数据对接kubernetes节点的kubelet组件,通过kubelet组件的北向接口获取各节点及容器参数。此处,性能收集探针11即为步骤101中获取各节点及容器参数的收集工具。扩缩容执行模块22通过kubernetes集群的restful接口以deployment方式下发扩缩容命令。
进一步地,性能指标包括节点性能指标和节点上容器参数,节点性能指标包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率,节点上容器参数包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率。通过上述性能指标能够很好的感知宿主主机及整个集群的负载情况,从而进行针对性的扩容。
基于上述处理***,本发明实施例1提供的一种基于集群性能的反馈式自动扩缩容方法流程示意图,如图3所示,该方法主要包括以下步骤:
步骤201:安装在每个节点上性能收集探针11定期获取各节点及容器参数;
本实施例中,性能收集探针11数据对接kubernetes节点的kubelet组件,通过kubelet组件的北向接口获取各节点及容器参数。具体的,性能指标包括节点性能指标和节点上容器参数,节点性能指标包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率,节点上容器参数包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率。
步骤202:性能收集探针11定期通过UDP协议发送各节点及容器参数给性能指标汇集器12;
步骤203:性能指标汇集器12汇总各节点及容器参数,整理得出整个集群的性能指标;
步骤204:性能指标汇集器12将集群性能指标储存进性能指标储存模块13,并设置json格式的时间戳;
扩缩容判断及执行
步骤205:扩缩容判断模块21对收集到的集群性能指标进行打分,最终决定是否扩缩容,及给出扩缩容方案;
步骤206:扩缩容执行模块22根据扩缩容方案生成扩缩容配置模板,并通过kubernetes集群的restful接口以deployment方式下发扩缩容命令;
步骤207:扩缩容执行模块22获取kubernetes集群返回的扩缩容执行结果。
本实施例提供的基于集群性能的反馈式自动扩缩容方法及***具有以下有益效果:
(1)本实施例提供的基于集群性能的反馈式自动扩缩容方法及***本***不仅能收集到kubernetes容器云集群内部各的性能指标(集群、节点、容器),并能以性能指标整体评分为基础,自动完成容器的扩缩容,快速响应业务需求;
(2)该***能够感知kubernetes整个集群的性能指标(覆盖集群、节点、容器,并覆盖CPU、内存、文件***利用率、网卡带宽、磁盘IO速率),并以此为基础通过打分机制作出扩缩容判断并制定执行方案,能够感知容器所在宿主机及集群整体性能,更加全面、准确地感知业务扩缩容需求,并精准地实现容器扩缩容。
(3)通过反馈机制全自动完成容器扩缩容,更加快速地响应业务扩缩容需求(如扩容mysql容器到一台负载最小的主机上,并且扩容后数量为原来的10倍)。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于集群性能的反馈式自动扩缩容方法,其特征在于,包括:
获取各节点及容器参数,整理得出整个集群的性能指标,并将所述性能指标进行储存,存储格式为时间戳+json格式;
将收集到的所述性能指标通过判断模型进行打分,最终决定是否扩缩容,并给出扩容方案;根据扩缩容方案生成扩缩容配置模板,并下发扩缩容命令;获取集群返回的扩缩容执行结果。
2.根据权利要求1所述的基于集群性能的反馈式自动扩缩容方法,其特征在于,所述获取各节点及容器参数的方法为:收集工具数据对接kubernetes节点的kubelet组件,通过kubelet组件的北向接口获取各节点及容器参数。
3.根据权利要求1所述的基于集群性能的反馈式自动扩缩容方法,其特征在于,所述性能指标包括节点性能指标和节点上容器参数,所述节点性能指标包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率,所述节点上容器参数包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率。
4.根据权利要求2所述的基于集群性能的反馈式自动扩缩容方法,其特征在于,所述下发扩缩容命令的方法为:通过kubernetes集群的restful接口以deployment方式下发扩缩容命令。
5.一种基于集群性能的反馈式自动扩缩容***,其特征在于,性能收集子***和扩缩容判断及执行子***;
所述性能收集子***,获取各节点及容器参数,整理得出整个集群的性能指标,并将所述整个集群的性能指标进行储存,存储格式为时间戳+json格式;
所述扩缩容判断及执行子***,根据收集到的所述整个集群的性能指标决定是否扩缩容,并给出扩容方案;根据扩缩容方案生成扩缩容配置模板,并下发扩缩容命令;获取集群返回的扩缩容执行结果。
6.根据权利要求5所述的基于集群性能的反馈式自动扩缩容***,其特征在于,所述性能收集子***由安装在节点上的性能收集探针、性能指标汇集器和性能指标储存模块三部分组成;
所述性能收集探针,用于收集各节点及容器参数;
所述性能指标汇集器,用于根据各节点及容器参数整理、汇集整个集群的的性能指标;
所述性能指标储存模块,用于格式化储存整个集群的性能指标,存储格式为时间戳+json格式;
所述扩缩容判断及执行子***由扩缩容判断模块和扩缩容执行模块两部分组成;
所述扩缩容判断模块,用于获取整个集群的性能指标,通过判断模型对采集到的性能指标打分,根据打分情况作出扩缩容判断;
所述扩缩容执行模块,用于生成扩缩容配置模板、并下发扩缩容命令,同时获取集群返回的扩缩容执行情况。
7.根据权利要求6所述的基于集群性能的反馈式自动扩缩容***,其特征在于,所述性能收集探针数据对接kubernetes节点的kubelet组件,通过kubelet组件的北向接口获取各节点及容器参数。
8.根据权利要求6所述的基于集群性能的反馈式自动扩缩容***,其特征在于,所述扩缩容执行模块通过kubernetes集群的restful接口以deployment方式下发扩缩容命令。
9.根据权利要求5所述的基于集群性能的反馈式自动扩缩容***,其特征在于,所述性能指标包括节点性能指标和节点上容器参数,所述节点性能指标包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率,所述节点上容器参数包括CPU利用率、内存利用率、网口带宽利用率、文件***使用率和磁盘IO速率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810204244.XA CN108469989A (zh) | 2018-03-13 | 2018-03-13 | 一种基于集群性能的反馈式自动扩缩容方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810204244.XA CN108469989A (zh) | 2018-03-13 | 2018-03-13 | 一种基于集群性能的反馈式自动扩缩容方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108469989A true CN108469989A (zh) | 2018-08-31 |
Family
ID=63264325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810204244.XA Pending CN108469989A (zh) | 2018-03-13 | 2018-03-13 | 一种基于集群性能的反馈式自动扩缩容方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108469989A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110209475A (zh) * | 2019-05-07 | 2019-09-06 | 北京明略软件***有限公司 | 数据采集方法及装置 |
CN111082972A (zh) * | 2019-11-26 | 2020-04-28 | 北京杰思安全科技有限公司 | 基于分布式集群实现弹性扩展的方法及分布式集群架构 |
WO2020134786A1 (zh) * | 2018-12-26 | 2020-07-02 | 中兴通讯股份有限公司 | 服务器的扩容方法及装置、服务器、存储介质 |
CN111404707A (zh) * | 2019-01-02 | 2020-07-10 | ***通信有限公司研究院 | 池内虚拟网络功能vnf容量控制方法、装置及网络设备 |
CN111597253A (zh) * | 2020-04-03 | 2020-08-28 | 浙江工业大学 | 一种基于Quota的集群模糊控制容量规划方法 |
CN112214303A (zh) * | 2019-07-09 | 2021-01-12 | 上海交通大学 | Kubernetes集群自动缩放*** |
CN112291104A (zh) * | 2020-12-30 | 2021-01-29 | 望海康信(北京)科技股份公司 | 微服务自动伸缩***、方法及相应设备和存储介质 |
CN112328170A (zh) * | 2020-10-22 | 2021-02-05 | 杭州朗澈科技有限公司 | 一种云硬盘的扩容方法、装置、计算机设备和存储介质 |
CN112468310A (zh) * | 2019-09-06 | 2021-03-09 | 杭州海康威视***技术有限公司 | 流媒体集群节点管理方法、装置及存储介质 |
CN112559065A (zh) * | 2019-09-26 | 2021-03-26 | 北京沃东天骏信息技术有限公司 | 分集群加载模型的方法和装置 |
WO2021259064A1 (zh) * | 2020-06-24 | 2021-12-30 | 中兴通讯股份有限公司 | 集群的缩扩容方法及***、缩扩容控制终端和介质 |
WO2022068392A1 (zh) * | 2020-09-29 | 2022-04-07 | 中兴通讯股份有限公司 | 数据库集群扩缩容方法、服务***、存储介质 |
CN114661312A (zh) * | 2022-03-25 | 2022-06-24 | 江苏安超云软件有限公司 | 一种OpenStack集群嵌套部署方法及*** |
CN115129484A (zh) * | 2022-09-02 | 2022-09-30 | 浙江大华技术股份有限公司 | 集群的扩缩容方法、装置、存储介质及电子装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105245617A (zh) * | 2015-10-27 | 2016-01-13 | 江苏电力信息技术有限公司 | 一种基于容器的服务器资源供给方法 |
CN106027643A (zh) * | 2016-05-18 | 2016-10-12 | 无锡华云数据技术服务有限公司 | 一种基于Kubernetes容器集群管理***的资源调度方法 |
US20170279674A1 (en) * | 2016-03-25 | 2017-09-28 | Alibaba Group Holding Limited | Method and apparatus for expanding high-availability server cluster |
CN107395735A (zh) * | 2017-08-03 | 2017-11-24 | 成都精灵云科技有限公司 | 一种容器集群的延时缩容调度方法及*** |
CN107395731A (zh) * | 2017-07-28 | 2017-11-24 | 郑州云海信息技术有限公司 | 一种基于服务编排的容器集群的调节方法和装置 |
-
2018
- 2018-03-13 CN CN201810204244.XA patent/CN108469989A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105245617A (zh) * | 2015-10-27 | 2016-01-13 | 江苏电力信息技术有限公司 | 一种基于容器的服务器资源供给方法 |
US20170279674A1 (en) * | 2016-03-25 | 2017-09-28 | Alibaba Group Holding Limited | Method and apparatus for expanding high-availability server cluster |
CN106027643A (zh) * | 2016-05-18 | 2016-10-12 | 无锡华云数据技术服务有限公司 | 一种基于Kubernetes容器集群管理***的资源调度方法 |
CN107395731A (zh) * | 2017-07-28 | 2017-11-24 | 郑州云海信息技术有限公司 | 一种基于服务编排的容器集群的调节方法和装置 |
CN107395735A (zh) * | 2017-08-03 | 2017-11-24 | 成都精灵云科技有限公司 | 一种容器集群的延时缩容调度方法及*** |
Non-Patent Citations (1)
Title |
---|
吴龙辉: "《Kubernetes实战》", 31 May 2016 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020134786A1 (zh) * | 2018-12-26 | 2020-07-02 | 中兴通讯股份有限公司 | 服务器的扩容方法及装置、服务器、存储介质 |
CN111371583A (zh) * | 2018-12-26 | 2020-07-03 | 中兴通讯股份有限公司 | 服务器的扩容方法及装置、服务器、存储介质 |
CN111404707A (zh) * | 2019-01-02 | 2020-07-10 | ***通信有限公司研究院 | 池内虚拟网络功能vnf容量控制方法、装置及网络设备 |
CN110209475A (zh) * | 2019-05-07 | 2019-09-06 | 北京明略软件***有限公司 | 数据采集方法及装置 |
CN112214303A (zh) * | 2019-07-09 | 2021-01-12 | 上海交通大学 | Kubernetes集群自动缩放*** |
CN112468310A (zh) * | 2019-09-06 | 2021-03-09 | 杭州海康威视***技术有限公司 | 流媒体集群节点管理方法、装置及存储介质 |
CN112468310B (zh) * | 2019-09-06 | 2023-04-07 | 杭州海康威视***技术有限公司 | 流媒体集群节点管理方法、装置及存储介质 |
CN112559065A (zh) * | 2019-09-26 | 2021-03-26 | 北京沃东天骏信息技术有限公司 | 分集群加载模型的方法和装置 |
CN111082972B (zh) * | 2019-11-26 | 2022-08-05 | 北京杰思安全科技有限公司 | 基于分布式集群实现弹性扩展的方法及分布式集群架构 |
CN111082972A (zh) * | 2019-11-26 | 2020-04-28 | 北京杰思安全科技有限公司 | 基于分布式集群实现弹性扩展的方法及分布式集群架构 |
CN111597253A (zh) * | 2020-04-03 | 2020-08-28 | 浙江工业大学 | 一种基于Quota的集群模糊控制容量规划方法 |
CN111597253B (zh) * | 2020-04-03 | 2023-11-07 | 浙江工业大学 | 一种基于Quota的集群模糊控制容量规划方法 |
WO2021259064A1 (zh) * | 2020-06-24 | 2021-12-30 | 中兴通讯股份有限公司 | 集群的缩扩容方法及***、缩扩容控制终端和介质 |
WO2022068392A1 (zh) * | 2020-09-29 | 2022-04-07 | 中兴通讯股份有限公司 | 数据库集群扩缩容方法、服务***、存储介质 |
CN112328170A (zh) * | 2020-10-22 | 2021-02-05 | 杭州朗澈科技有限公司 | 一种云硬盘的扩容方法、装置、计算机设备和存储介质 |
CN112328170B (zh) * | 2020-10-22 | 2022-05-24 | 杭州朗澈科技有限公司 | 一种云硬盘的扩容方法、装置、计算机设备和存储介质 |
CN112291104A (zh) * | 2020-12-30 | 2021-01-29 | 望海康信(北京)科技股份公司 | 微服务自动伸缩***、方法及相应设备和存储介质 |
CN114661312A (zh) * | 2022-03-25 | 2022-06-24 | 江苏安超云软件有限公司 | 一种OpenStack集群嵌套部署方法及*** |
CN114661312B (zh) * | 2022-03-25 | 2023-06-09 | 安超云软件有限公司 | 一种OpenStack集群嵌套部署方法及*** |
CN115129484A (zh) * | 2022-09-02 | 2022-09-30 | 浙江大华技术股份有限公司 | 集群的扩缩容方法、装置、存储介质及电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108469989A (zh) | 一种基于集群性能的反馈式自动扩缩容方法及*** | |
US20180247001A1 (en) | Digital simulation system of power distribution network | |
CN108595306B (zh) | 一种面向混部云的服务性能测试方法 | |
CN105653398B (zh) | 一种智能分配操作***镜像方法 | |
CN107330056B (zh) | 基于大数据云计算平台的风电场scada***及其运行方法 | |
CN112214280B (zh) | 一种电力***仿真的云化方法及*** | |
CN110147411A (zh) | 数据同步方法、装置、计算机设备及存储介质 | |
CN110162471A (zh) | 一种基于容器云的压力测试方法及*** | |
CN103631873B (zh) | 一种数据压缩方法及存储*** | |
CN103297543A (zh) | 一种基于计算机集群作业调度的方法 | |
CN105306299A (zh) | 一种流媒体服务器性能测试方法及测试*** | |
CN107612962A (zh) | 一种分布式仿真评估试验管理*** | |
CN110334150A (zh) | 监测主从数据库同步延时的方法、监控终端及*** | |
CN109684211A (zh) | 一种基于店铺维度的订单调度***压力测试方法及装置 | |
CN105553732B (zh) | 一种分布式网络模拟方法及*** | |
CN110879543A (zh) | 一种电力***的实时混合仿真平台 | |
CN113778615A (zh) | 一种快速稳定的网络靶场虚拟机构建*** | |
JP6191695B2 (ja) | 仮想リソース制御システムおよび仮想リソース制御方法 | |
CN103746456B (zh) | 调度自动化主备***数据校核*** | |
CN111970151A (zh) | 虚拟及容器网络的流量故障定位方法及*** | |
CN102291449B (zh) | 一种基于同步策略的测试和调整集群存储***性能的方法 | |
Popović et al. | A novel cloud-based advanced distribution management system solution | |
CN105022833A (zh) | 一种数据处理的方法、节点及监控*** | |
CN110460456B (zh) | 一种管理信息库mib同步生成网络拓扑的方法及装置 | |
CN110868330B (zh) | 云平台可划分cpu资源的评估方法、装置及评估*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180831 |