CN109960585A - 一种基于kubernetes的资源调度方法 - Google Patents
一种基于kubernetes的资源调度方法 Download PDFInfo
- Publication number
- CN109960585A CN109960585A CN201910107749.9A CN201910107749A CN109960585A CN 109960585 A CN109960585 A CN 109960585A CN 201910107749 A CN201910107749 A CN 201910107749A CN 109960585 A CN109960585 A CN 109960585A
- Authority
- CN
- China
- Prior art keywords
- node
- pod
- priority
- score
- algorithm
- 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.)
- Granted
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
- G06F9/505—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 considering the load
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5021—Priority
Landscapes
- Engineering & Computer Science (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)
Abstract
本发明涉及一种基于kubernetes的资源调度方法,以固定规则计算集群中所有Node分值生成第一节点优先级队列,以动态优先级算法获得Pod优先级队列,两队列过滤不能调度的Node生成第二节点优先级队列,从中选择优先级最高节点与Pod优先级队列弹出的Pod绑定,绑定成功进入下一个Pod调度循环,失败则采用自带的优先级算法从第二节点优先级队列中优选Node绑定,再次失败则没有合适的Node可供该Pod运行,进入下一个Pod的调度循环。本发明包括静态调度和动态资源负载均衡,提升调度效率,加快任务部署效率,提高任务运行整体性和整个集群的负载均衡性,主动调节集群的负载均衡性,提高了集群的资源利用效率。
Description
技术领域
本发明属于数字信息的传输,例如电报通信的技术领域,特别涉及一种加快集群任务部署效率的基于kubernetes的资源调度方法。
背景技术
Kubernetes是Google开源的一个容器编排引擎,其支持自动化部署、大规模可伸缩、应用容器化管理,可以管理一个大规模集群中多个节点(Node)的状态以及节点上的Pod的运行。在生产环境中部署一个应用程序时,通常要部署该应用的多个实例以便对应用请求进行负载均衡。
在Kubernetes中,容器(containers)虚拟化技术是一种服务器资源的共享方式,可以满足按需构建定制容器的需求,不同于传统的虚拟技术,其更加灵活便捷;另外,Kubernetes中的Pod,指的是一个或者几个容器的集合,是kubernetes部署的最小单元,逻辑上代表着某个应用的一个实例,而Kubernetes可以管理用户创建的多个Pod实例,简化运维人员的操作难度和运维管理成本。
云计算领域最主要关注的是资源调度的效率和资源调度的负载均衡性。现有技术中,默认调度器已经以节点的预选、优选算法来选择一个最优节点运行Pod实例,也存在针对Pod设计的抢占优先级调度算法,然而,kubernetes默认调度器中的Priorities算法会根据每个Pod实例的要求计算每个Node的分值,这个计算过程降低了资源调度的效率,同时,kubernetes中的Pod优先级队列(Pod Priority Queue)的排序算法采用静态优先级策略,这一方面很可能导致一个大业务长时间垄断部分节点,降低业务部署效率,另一方面很可能导致部分低优先级Pod长时间无法运行,影响整体业务的运行。
专利公开号为CN107948330A的专利公开了一种云环境下基于动态优先级的负载均衡策略,Node动态优先级考虑到kubernetes中Pod的优先级算法,改进为动态优先级算法以弥补kubernetes中静态优先级的缺点;然而,针对kubernetes调度器的重调度主要发生于Pod、Node异常、Pod扩容缩容升级、Node增加减少等的情况下,在集群稳定运行并且未发生上述异常的时候并没有动态调整集群的负载以促使集群负载更加的均衡。
专利公开号为CN106790726A的专利中公开了一种动态负载均衡的方法,但方法仅仅将所有的Node分为两个高、低负载队列,这存在部分Node已经处于集群的平均负载状态,无需对Pod进行调度,而经过该方法以后会出现不必要的调度,降低***的效率。
发明内容
本发明解决了现有技术中,kubernetes默认调度器中的Priorities算法会根据每个Pod实例的要求计算每个Node的分值,降低资源调度的效率,而kubernetes中的Pod优先级队列的排序算法采用静态优先级策略,可能导致大业务长时间垄断部分节点,降低业务部署效率,部分低优先级Pod长时间无法运行,影响整体业务的运行的问题,提供了一种优化的基于kubernetes的资源调度方法。
本发明所采用的技术方案是,一种基于kubernetes的资源调度方法,所述方法包括以下步骤:
步骤1:初始化,计算集群中所有Node的分值,根据分值由高至低将所有Node加入第一节点优先级队列;对集群中所有Pod进行监听;
步骤2:集群运行时间T,若任一Pod的Nodename字段为空,则将当前Pod以动态优先级算法加入Pod优先级队列,否则,返回步骤1;
步骤3:将优先匹配的高优先级Pod及第一节点优先级队列通过kubernetes的预选算法过滤无用Node;
步骤4:若无满足Pod运行需求的Node,则调度失败,返回步骤3进入下一个Pod的调度循环;若存在可以用的Node,则生成过滤以后的第二节点优先级队列,进行下一步;
步骤5:从第二节点优先级队列中选出优先级最高的Node与所述优先匹配的高优先级Pod进行绑定操作;
步骤6:若绑定成功,则所述高优先级Pod运行在选出的Node上,返回步骤3进入下一个Pod的调度循环,否则,绑定失败,进行下一步;
步骤7:从第二节点优先级队列利用kubernetes的优先级算法优选Node;以优选的Node与所述优先匹配的高优先级Pod进行绑定操作;
步骤8:若绑定成功,则所述高优先级Pod运行在选出的Node上,返回步骤3进入下一个Pod的调度循环,否则,绑定失败,仍然进入下一个Pod的调度循环,直到集群中出现符合待调度Pod要求的Node。
优选地,所述步骤1中,计算所有节点的分值包括以下步骤:
步骤1.1:以最小消耗算法计算所有节点的分值score1,score1包括cpu利用率、内存利用率及网络带宽利用率之和;
步骤1.2:以资源最均衡算法计算所有节点的分值score2;
步骤1.3:以分值score1和score2相加,得到任一节点的总分score。
优选地,所述步骤1.1中,score1=cpu((capacity-sum(requested))10/capacity)+memory((capacity-sum(requested))10/capacity)+network((cap acity-sum(requested))10/capacity),其中,第一项为cpu利用率、第二项为内存利用率、第三项为网络带宽利用率,capacity表示每种资源在各个节点上的总量,sum(requested)表示所述Pod所需求资源的对应的总量。
优选地,所述步骤2中,动态优先级算法包括以下步骤:
步骤2.1:设定初始优先级值initPodPriorityValue、***高优先级阈值α、***低优先级阈值β、Pod逃离监听时间Tescape、每个Pod服务运行所需最小要求的Pod数量minPodAmount、Pod运行数量权值W1、占据Pod优先级队列的时间权值W2、Pod运行时间权值W3;
步骤2.2:当等待建立Pod的时间大于Tescape,进行下一步;
步骤2.3:获得每个Pod的运行数量runningPodAmount、对应的Pod期望运行数量neededPodAmount、占据Pod优先级队列的时间Tqueue、处于队列的位置Num和运行的时间Truntime;
步骤2.4:计算Pod优先级队列中每个Pod的优先级值runtimePodPriorityValue,runtimePodPriorityValue=W1*runningPodAmount+W2*Num*Tqueue+W3*Truntime;
步骤2.5:若runtimePodPriorityValue大于α,则根据值由大至小进入降低优先级的队列,计算decreasePodPriorityValue,decreasePodPriorityValue=initPodPriorityValue*(1-runningPodAmount/neededPodAmount);进行下一步;
若runtimePodPriorityValue小于β,则根据值由小至大进入升高优先级的队列,计算increasePodPriorityValue,increasePodPriorityValue=initPodPriorityValue*(1+minPodAmount/nee dedPodAmount);进行下一步;
若runtimePodPriorityValue处于阈值α和β间,则不进行动态优先级的调整,进行步骤3;
步骤2.6:将所有Pod重新加入Pod优先级队列,更新集群的信息。
优选地,所述步骤2.5中,若decreasePodPriorityValue不小于α,则降低对应Pod的优先级;若increasePodPriorityValue不大于β,则增加对应Pod的优先级。
优选地,所述步骤5中,绑定操作为将选出的Pod的Nodename字段的值改为选出的Node的名字。
优选地,所述步骤7中,优先级算法包括LeastRequestedPriority算法、BalanceResourceAllocation算法、SelectorSpreadPriority算法、NodeAffinityPriority算法、TaintTolerationPriority算法和InterPodAffinityPriority算法,任一Node满足任一算法,则以所述算法与对应的权值系数相乘,所有的乘积相加,得到Node的分值,以分值越高的Node为优先级越高。
优选地,所述资源调度方法还包括集群动态资源负载均衡方法,所述集群动态资源负载均衡方法包括以下步骤:
步骤9.1:初始化高负载Node的阈值η1和低负载Node的阈值η2;
步骤9.2:实时监听集群信息,按照一定轮询周期T,获取所有Node的状态信息;
步骤9.3:计算所有Node平均负载的分值Avg_Score(i)=(1-avg_cpu(i))*(1-avg_network(i))*(1-avg_storage(i)),计算每个Node的负载分值Score(i)=(1-cpu(i))*(1-network(i))*(1-storage(i)),其中,i为Node序号,avg_cpu(i)、avg_network(i)和avg_storage(i)分别为集群中所有Node的CPU、网络带宽、内存利用率的平均值,cpu(i)、network(i)和storage(i)分别为每个Node的CPU、网络带宽、内存利用率;
步骤9.4:令η1=λ1Avg_Score(i)、η2=λ2Avg_Score(i);
步骤9.5:根据每个节点的Score(i),以η1和η2作为阈值,将Score(i)<η1的Node归为高负载队列,将Score(i)>η2的Node归为低负载队列,将η1≤Score(i)≤η2的Node归为均衡负载队列;
步骤9.6:若高负载队列和低负载队列均不为空,则进行下一步;否则不进行动态负载调度,返回步骤9.2进入下一个轮询周期;
步骤9.7:选择高负载队列中分值最小的Node上运行的Pod,预选低负载队列中的Node,将Pod运行到低负载队列中的Node,达到集群负载均衡。
优选地,所述步骤9.2中,Node的状态信息包括Node的CPU利用率、内存利用率、网络带宽利用率和存储利用率。
优选地,所述步骤9.3中,
本发明提供了一种优化的基于kubernetes的资源调度方法,通过读取集群信息,以固定规则计算所有Node的分值,生成第一节点优先级队列,同时获取根据动态优先级算法获得的Pod优先级队列,两个队列通过预选算法过滤掉不能调度的Node,生成第二节点优先级队列,直接从第二节点优先级队列中选择优先级最高的节点与Pod优先级队列弹出的Pod绑定,绑定成功则进入下一个Pod的调度循环,绑定失败则采用kubernetes自带的优先级算法从第二节点优先级队列中优选Node进行绑定,绑定成功则进入下一个Pod的调度循环,调度失败则代表集群没有合适的Node可以供该Pod运行,进入下一个Pod的调度循环。
本发明包括静态调度和动态资源负载均衡,选择一个较合适且不是最优的节点可以节省kubernetes调度器的调度时间,提升了其调度的效率,加快了集群的任务部署效率,提高了任务运行的整体性,并且提高了整个集群的负载均衡性;动态负载均衡方法将高负载Node上的Pod转移至低负载Node上运行,主动调节集群的负载均衡性,提高了集群的资源利用效率。
附图说明
图1为本发明的流程图;
图2为本发明中动态优先级算法的流程图;
图3为本发明中集群动态资源负载均衡方法的流程图。
具体实施方式
下面结合实施案例对本发明做进一步的详细描述,但本发明的实施范围并不限于此。
本发明涉及一种基于kubernetes的资源调度方法,包括静态调度和动态资源负载均衡。
所述方法包括以下步骤。
步骤1:初始化,计算集群中所有Node的分值,根据分值由高至低将所有Node加入第一节点优先级队列;对集群中所有Pod进行监听。
所述步骤1中,计算所有节点的分值包括以下步骤:
步骤1.1:以最小消耗算法计算所有节点的分值score1,score1包括cpu利用率、内存利用率及网络带宽利用率之和;
所述步骤1.1中,score1=cpu((capacity-sum(requested))10/capacity)+memory((capacity-sum(requested))10/capacity)+network((cap acity-sum(requested))10/capacity),其中,第一项为cpu利用率、第二项为内存利用率、第三项为网络带宽利用率,capacity表示每种资源在各个节点上的总量,sum(requested)表示所述Pod所需求资源的对应的总量。
步骤1.2:以资源最均衡算法计算所有节点的分值score2;
步骤1.3:以分值score1和score2相加,得到任一节点的总分score。
本发明中,初始化计算Node节点的分值的两个算法包括最小消耗算法LeastRequestedPriority和资源最均衡算法BalancedResourceAllocation,前者用于选择资源消耗最小的节点,此处的资源包括CPU利用率、内存利用率、网络带宽利用率,后者选择资源使用最均衡的节点,为已知算法,主要是内存和CPU利用率之间的均衡。
本发明中,score2=10-variance(cpuFraction,memoryFraction)*10,其中,cpuFraction和memoryFraction是Pod请求资源和Node上可用资源的比例,cpuFraction=cpu(requested)/cpu(available),memoryFraction=memory(requested)/memory(available),variance是kubernetes自带的计算两种资源之间均衡性的算法,requested表示需求量,available表示可获得量。
步骤2:集群运行时间T,若任一Pod的Nodename字段为空,则将当前Pod以动态优先级算法加入Pod优先级队列,否则,返回步骤1。
本发明中,Pod的动态优先级算法主要解决的是高优先级Pod长时间占据Pod优先级队列的队首位置,导致高优先级Pod可能长时间占用集群的Node资源,而发生低优先级的Pod任务无法运行的情况。具体来说,动态优先级算法指的是集群运行一段时间后运行的算法,可以防止集群一运行就出现高低优先级Pod优先级发生变化的情况,将高优先级Pod优先级降低,低优先级Pod优先级升高。
本发明中,当不存在Pod有问题时,则返回到监听Pod的状态,继续计算Node的分值。
所述步骤2中,动态优先级算法包括以下步骤:
步骤2.1:设定初始优先级值initPodPriorityValue、***高优先级阈值α、***低优先级阈值β、Pod逃离监听时间Tescape、每个Pod服务运行所需最小要求的Pod数量minPodAmount、Pod运行数量权值W1、占据Pod优先级队列的时间权值W2、Pod运行时间权值W3;
步骤2.2:当等待建立Pod的时间大于Tescape,进行下一步;
步骤2.3:获得每个Pod的运行数量runningPodAmount、对应的Pod期望运行数量neededPodAmount、占据Pod优先级队列的时间Tqueue、处于队列的位置Num和运行的时间Truntime;
步骤2.4:计算Pod优先级队列中每个Pod的优先级值runtimePodPriorityValue,runtimePodPriorityValue=W1*runningPodAmount+W2*Num*Tqueue+W3*Truntime;
步骤2.5:若runtimePodPriorityValue大于α,则根据值由大至小进入降低优先级的队列,计算decreasePodPriorityValue,decreasePodPriorityValue=initPodPriorityValue*(1-runningPodAmount/neededPodAmount);进行下一步;
若runtimePodPriorityValue小于β,则根据值由小至大进入升高优先级的队列,计算increasePodPriorityValue,increasePodPriorityValue=initPodPriorityValue*(1+minPodAmount/nee dedPodAmount);进行下一步;
若runtimePodPriorityValue处于阈值α和β间,则不进行动态优先级的调整,进行步骤3;
所述步骤2.5中,若decreasePodPriorityValue不小于α,则降低对应Pod的优先级;若increasePodPriorityValue不大于β,则增加对应Pod的优先级。
本发明中,步骤2.2中等待建立Pod的时间大于Tescape即是表示Pod创建成功。
本发明中,进一步判断decreasePodPriorityValue和increasePodPriorityValue使得不用改变所有Pod的优先级的整体排序,防止所有Pod的优先级都位于α和β之间,从而导致资源调度出现拥堵的情况。
步骤2.6:将所有Pod重新加入Pod优先级队列,更新集群的信息。
步骤3:将优先匹配的高优先级Pod及第一节点优先级队列通过kubernetes的预选算法过滤无用Node。
本发明中,所谓无用Node即是明显不符合要求的节点,包括但并不限于过滤掉Node上剩余CPU和内存资源不够的、持久化存储卷存在冲突的、宿主机Node存在污点的导致无法调度、Pod的亲和和反亲和的等不满足要求的Node。
步骤4:若无满足Pod运行需求的Node,则调度失败,返回步骤3进入下一个Pod的调度循环;若存在可以用的Node,则生成过滤以后的第二节点优先级队列,进行下一步。
本发明中,满足Pod运行需求是指满足Pod运行的内存、带宽、CPU数量等要求。
步骤5:从第二节点优先级队列中选出优先级最高的Node与所述优先匹配的高优先级Pod进行绑定操作。
所述步骤5中,绑定操作为将选出的Pod的Nodename字段的值改为选出的Node的名字。
本发明中,Kubernetes在绑定阶段,只会更新缓存中的Pod和Node信息,最终在选出的Node上会再次验证该Pod是否确定能够运行在该Node上。
本发明中,弹出Pod,将选出的Node的Nodename写入Pod里的Nodename的属性值,作为绑定。
步骤6:若绑定成功,则所述高优先级Pod运行在选出的Node上,返回步骤3进入下一个Pod的调度循环,否则,绑定失败,进行下一步。
步骤7:从第二节点优先级队列利用kubernetes的优先级算法优选Node;以优选的Node与所述优先匹配的高优先级Pod进行绑定操作。
所述步骤7中,优先级算法包括LeastRequestedPriority算法、BalanceResourceAllocation算法、SelectorSpreadPriority算法、NodeAffinityPriority算法、TaintTolerationPriority算法和InterPodAffinityPriority算法,任一Node满足任一算法,则以所述算法与对应的权值系数相乘,所有的乘积相加,得到Node的分值,以分值越高的Node为优先级越高。
本发明中,通过这些算法计算第二节点优先级队列中所有Node的分值,一个Node满足上述规则的字段数目越多,则分数越高。
步骤8:若绑定成功,则所述高优先级Pod运行在选出的Node上,返回步骤3进入下一个Pod的调度循环,否则,绑定失败,仍然进入下一个Pod的调度循环,直到集群中出现符合待调度Pod要求的Node。
本发明中,两次绑定操作相同。
所述资源调度方法还包括集群动态资源负载均衡方法,所述集群动态资源负载均衡方法包括以下步骤。
步骤9.1:初始化高负载Node的阈值η1和低负载Node的阈值η2。
本发明中,η1和η2根据所有服务器的负载平均值由本领域技术人员自行设置。
步骤9.2:实时监听集群信息,按照一定轮询周期T,获取所有Node的状态信息。
所述步骤9.2中,Node的状态信息包括Node的CPU利用率、内存利用率、网络带宽利用率和存储利用率。
步骤9.3:计算所有Node平均负载的分值Avg_Score(i)=(1-avg_cpu(i))*(1-avg_network(i))*(1-avg_storage(i)),计算每个Node的负载分值Score(i)=(1-cpu(i))*(1-network(i))*(1-storage(i)),其中,i为Node序号,avg_cpu(i)、avg_network(i)和avg_storage(i)分别为集群中所有Node的CPU、网络带宽、内存利用率的平均值,cpu(i)、network(i)和storage(i)分别为每个Node的CPU、网络带宽、内存利用率。
所述步骤9.3中,
步骤9.4:令η1=λ1Avg_Score(i)、η2=λ2Avg_Score(i)。
步骤9.5:根据每个节点的Score(i),以η1和η2作为阈值,将Score(i)<η1的Node归为高负载队列,将Score(i)>η2的Node归为低负载队列,将η1≤Score(i)≤η2的Node归为均衡负载队列。
步骤9.6:若高负载队列和低负载队列均不为空,则进行下一步;否则不进行动态负载调度,返回步骤9.2进入下一个轮询周期。
步骤9.7:选择高负载队列中分值最小的Node上运行的Pod,预选低负载队列中的Node,将Pod运行到低负载队列中的Node,达到集群负载均衡。
本发明中,0<λ1<λ2。
本发明中,η1<η2。
本发明中,步骤9.7中预选低负载队列中的Node采用的是kubernetes自带已知的算法。
本发明通过读取集群信息,以固定规则计算所有Node的分值,生成第一节点优先级队列,同时获取根据动态优先级算法获得的Pod优先级队列,两个队列通过预选算法过滤掉不能调度的Node,生成第二节点优先级队列,直接从第二节点优先级队列中选择优先级最高的节点与Pod优先级队列弹出的Pod绑定,绑定成功则进入下一个Pod的调度循环,绑定失败则采用kubernetes自带的优先级算法从第二节点优先级队列中优选Node进行绑定,绑定成功则进入下一个Pod的调度循环,调度失败则代表集群没有合适的Node可以供该Pod运行,进入下一个Pod的调度循环。
本发明包括静态调度和动态资源负载均衡,选择一个较合适且不是最优的节点可以节省kubernetes调度器的调度时间,提升了其调度的效率,加快了集群的任务部署效率,提高了任务运行的整体性,并且提高了整个集群的负载均衡性;动态负载均衡方法将高负载Node上的Pod转移至低负载Node上运行,主动调节集群的负载均衡性,提高了集群的资源利用效率。
Claims (10)
1.一种基于kubernetes的资源调度方法,其特征在于:所述方法包括以下步骤:
步骤1:初始化,计算集群中所有Node的分值,根据分值由高至低将所有Node加入第一节点优先级队列;对集群中所有Pod进行监听;
步骤2:集群运行时间T,若任一Pod的Nodename字段为空,则将当前Pod以动态优先级算法加入Pod优先级队列,否则,返回步骤1;
步骤3:将优先匹配的高优先级Pod及第一节点优先级队列通过kubernetes的预选算法过滤无用Node;
步骤4:若无满足Pod运行需求的Node,则调度失败,返回步骤3进入下一个Pod的调度循环;若存在可以用的Node,则生成过滤以后的第二节点优先级队列,进行下一步;
步骤5:从第二节点优先级队列中选出优先级最高的Node与所述优先匹配的高优先级Pod进行绑定操作;
步骤6:若绑定成功,则所述高优先级Pod运行在选出的Node上,返回步骤3进入下一个Pod的调度循环,否则,绑定失败,进行下一步;
步骤7:从第二节点优先级队列利用kubernetes的优先级算法优选Node;以优选的Node与所述优先匹配的高优先级Pod进行绑定操作;
步骤8:若绑定成功,则所述高优先级Pod运行在选出的Node上,返回步骤3进入下一个Pod的调度循环,否则,绑定失败,仍然进入下一个Pod的调度循环,直到集群中出现符合待调度Pod要求的Node。
2.根据权利要求1所述的一种基于kubernetes的资源调度方法,其特征在于:所述步骤1中,计算所有节点的分值包括以下步骤:
步骤1.1:以最小消耗算法计算所有节点的分值score1,score1包括cpu利用率、内存利用率及网络带宽利用率之和;
步骤1.2:以资源最均衡算法计算所有节点的分值score2;
步骤1.3:以分值score1和score2相加,得到任一节点的总分score。
3.根据权利要求2所述的一种基于kubernetes的资源调度方法,其特征在于:所述步骤1.1中,score1=cpu((capacity-sum(requested))10/capacity)+memory((capacity-sum(requested))10/capacity)+network((capacity-sum(requested))10/capacity),其中,第一项为cpu利用率、第二项为内存利用率、第三项为网络带宽利用率,capacity表示每种资源在各个节点上的总量,sum(requested)表示所述Pod所需求资源的对应的总量。
4.根据权利要求1所述的一种基于kubernetes的资源调度方法,其特征在于:所述步骤2中,动态优先级算法包括以下步骤:
步骤2.1:设定初始优先级值initPodPriorityValue、***高优先级阈值α、***低优先级阈值β、Pod逃离监听时间Tescape、每个Pod服务运行所需最小要求的Pod数量minPodAmount、Pod运行数量权值W1、占据Pod优先级队列的时间权值W2、Pod运行时间权值W3;
步骤2.2:当等待建立Pod的时间大于Tescape,进行下一步;
步骤2.3:获得每个Pod的运行数量runningPodAmount、对应的Pod期望运行数量neededPodAmount、占据Pod优先级队列的时间Tqueue、处于队列的位置Num和运行的时间Truntime;
步骤2.4:计算Pod优先级队列中每个Pod的优先级值runtimePodPriorityValue,runtimePodPriorityValue=W1*runningPodAmount+W2*Num*Tqueue+W3*Truntime;
步骤2.5:若runtimePodPriorityValue大于α,则根据值由大至小进入降低优先级的队列,计算decreasePodPriorityValue,decreasePodPriorityValue=initPodPriorityValue*(1-runningPodAmount/neededPodAmount);进行下一步;
若runtimePodPriorityValue小于β,则根据值由小至大进入升高优先级的队列,计算increasePodPriorityValue,increasePodPriorityValue=initPodPriorityValue*(1+minPodAmount/neededPodAmount);进行下一步;
若runtimePodPriorityValue处于阈值α和β间,则不进行动态优先级的调整,进行步骤3;
步骤2.6:将所有Pod重新加入Pod优先级队列,更新集群的信息。
5.根据权利要求4所述的一种基于kubernetes的资源调度方法,其特征在于:所述步骤2.5中,若decreasePodPriorityValue不小于α,则降低对应Pod的优先级;若increasePodPriorityValue不大于β,则增加对应Pod的优先级。
6.根据权利要求1所述的一种基于kubernetes的资源调度方法,其特征在于:所述步骤5中,绑定操作为将选出的Pod的Nodename字段的值改为选出的Node的名字。
7.根据权利要求1述的一种基于kubernetes的资源调度方法,其特征在于:所述步骤7中,优先级算法包括LeastRequestedPriority算法、BalanceResourceAllocation算法、SelectorSpreadPriority算法、NodeAffinityPriority算法、TaintTolerationPriority算法和InterPodAffinityPriority算法,任一Node满足任一算法,则以所述算法与对应的权值系数相乘,所有的乘积相加,得到Node的分值,以分值越高的Node为优先级越高。
8.根据权利要求1所述的一种基于kubernetes的资源调度方法,其特征在于:所述资源调度方法还包括集群动态资源负载均衡方法,所述集群动态资源负载均衡方法包括以下步骤:
步骤9.1:初始化高负载Node的阈值η1和低负载Node的阈值η2;
步骤9.2:实时监听集群信息,按照一定轮询周期T,获取所有Node的状态信息;
步骤9.3:计算所有Node平均负载的分值Avg_Score(i)=(1-avg_cpu(i))*(1-avg_network(i))*(1-avg_storage(i)),计算每个Node的负载分值Score(i)=(1-cpu(i))*(1-network(i))*(1-storage(i)),其中,i为Node序号,avg_cpu(i)、avg_network(i)和avg_storage(i)分别为集群中所有Node的CPU、网络带宽、内存利用率的平均值,cpu(i)、network(i)和storage(i)分别为每个Node的CPU、网络带宽、内存利用率;
步骤9.4:令η1=λ1Avg_Score(i)、η2=λ2Avg_Score(i);
步骤9.5:根据每个节点的Score(i),以η1和η2作为阈值,将Score(i)<η1的Node归为高负载队列,将Score(i)>η2的Node归为低负载队列,将η1≤Score(i)≤η2的Node归为均衡负载队列;
步骤9.6:若高负载队列和低负载队列均不为空,则进行下一步;否则不进行动态负载调度,返回步骤9.2进入下一个轮询周期;
步骤9.7:选择高负载队列中分值最小的Node上运行的Pod,预选低负载队列中的Node,将Pod运行到低负载队列中的Node,达到集群负载均衡。
9.根据权利要求8所述的一种基于kubernetes的资源调度方法,其特征在于:所述步骤9.2中,Node的状态信息包括Node的CPU利用率、内存利用率、网络带宽利用率和存储利用率。
10.根据权利要求8所述的一种基于kubernetes的资源调度方法,其特征在于:所述步骤9.3中,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910107749.9A CN109960585B (zh) | 2019-02-02 | 2019-02-02 | 一种基于kubernetes的资源调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910107749.9A CN109960585B (zh) | 2019-02-02 | 2019-02-02 | 一种基于kubernetes的资源调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109960585A true CN109960585A (zh) | 2019-07-02 |
CN109960585B CN109960585B (zh) | 2021-05-14 |
Family
ID=67023606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910107749.9A Active CN109960585B (zh) | 2019-02-02 | 2019-02-02 | 一种基于kubernetes的资源调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109960585B (zh) |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110515730A (zh) * | 2019-08-22 | 2019-11-29 | 北京宝兰德软件股份有限公司 | 基于kubernetes容器编排***的资源二次调度方法及装置 |
CN110704165A (zh) * | 2019-10-08 | 2020-01-17 | 浪潮云信息技术有限公司 | 一种容器高可用部署方法 |
CN110719335A (zh) * | 2019-10-21 | 2020-01-21 | 中国科学院空间应用工程与技术中心 | 天基云雾计算架构下的资源调度方法、***和存储介质 |
CN110727653A (zh) * | 2019-10-12 | 2020-01-24 | 广州华多网络科技有限公司 | 多项目负载均衡方法和装置 |
CN110851236A (zh) * | 2019-11-11 | 2020-02-28 | 星环信息科技(上海)有限公司 | 一种实时资源调度方法、装置、计算机设备及存储介质 |
CN110941393A (zh) * | 2019-10-31 | 2020-03-31 | 北京浪潮数据技术有限公司 | 一种基于逻辑卷管理的lv供应方法、装置、设备及介质 |
CN110990121A (zh) * | 2019-11-28 | 2020-04-10 | 中国—东盟信息港股份有限公司 | 一种基于应用画像的Kubernetes调度策略 |
CN111090523A (zh) * | 2019-12-18 | 2020-05-01 | 浪潮云信息技术有限公司 | 一种kubernetes环境下基于动态优先级的资源调度方法 |
CN111143059A (zh) * | 2019-12-17 | 2020-05-12 | 天津大学 | 改进的Kubernetes资源调度方法 |
CN111258609A (zh) * | 2020-01-19 | 2020-06-09 | 北京百度网讯科技有限公司 | Kubernetes集群的升级方法、装置、电子设备和介质 |
CN111352717A (zh) * | 2020-03-24 | 2020-06-30 | 广西梯度科技有限公司 | 一种实现kubernetes自定义调度器的方法 |
CN111475251A (zh) * | 2020-03-08 | 2020-07-31 | 苏州浪潮智能科技有限公司 | 一种集群容器调度方法、***、终端及存储介质 |
CN111522639A (zh) * | 2020-04-16 | 2020-08-11 | 南京邮电大学 | Kubernetes集群架构***下多维资源调度方法 |
CN111694646A (zh) * | 2020-05-29 | 2020-09-22 | 北京百度网讯科技有限公司 | 资源调度方法、装置、电子设备及计算机可读存储介质 |
CN111737003A (zh) * | 2020-06-24 | 2020-10-02 | 重庆紫光华山智安科技有限公司 | Pod均衡调度方法、装置、主节点及存储介质 |
CN111813556A (zh) * | 2020-07-21 | 2020-10-23 | 北京东方通软件有限公司 | 云计算环境下的虚拟集群的弹性伸缩方法 |
CN112181661A (zh) * | 2020-10-13 | 2021-01-05 | 极道科技(北京)有限公司 | 一种任务调度方法 |
CN112214288A (zh) * | 2019-07-10 | 2021-01-12 | ***通信集团上海有限公司 | 基于Kubernetes集群的Pod调度方法、装置、设备和介质 |
CN112214303A (zh) * | 2019-07-09 | 2021-01-12 | 上海交通大学 | Kubernetes集群自动缩放*** |
CN112286631A (zh) * | 2020-10-23 | 2021-01-29 | 烽火通信科技股份有限公司 | 一种Kubernetes资源调度方法、装置与电子设备 |
CN112286671A (zh) * | 2020-12-29 | 2021-01-29 | 湖南星河云程信息科技有限公司 | 一种容器化批处理作业调度方法、装置和计算机设备 |
CN112363811A (zh) * | 2020-11-16 | 2021-02-12 | 中国电子科技集团公司电子科学研究院 | 一种人工智能计算资源调度方法及计算机可读存储介质 |
CN112527454A (zh) * | 2020-12-04 | 2021-03-19 | 上海连尚网络科技有限公司 | 容器组调度方法、装置、电子设备和计算机可读介质 |
WO2021063339A1 (zh) * | 2019-09-30 | 2021-04-08 | 星环信息科技(上海)股份有限公司 | 集群资源调度方法、装置、设备及储存介质 |
CN112764906A (zh) * | 2021-01-26 | 2021-05-07 | 浙江工业大学 | 一种基于用户作业类型及节点性能偏向性的集群资源调度方法 |
CN112988380A (zh) * | 2021-02-25 | 2021-06-18 | 电子科技大学 | 一种基于Kubernetes的集群负载调节方法及存储介质 |
WO2021120633A1 (zh) * | 2019-12-19 | 2021-06-24 | 华为技术有限公司 | 一种负载均衡方法及相关设备 |
CN113391891A (zh) * | 2021-05-20 | 2021-09-14 | 国网江苏省电力有限公司信息通信分公司 | 基于Rete和字符串模式匹配算法的负载均衡资源调度方法 |
CN113485792A (zh) * | 2021-07-08 | 2021-10-08 | 厦门服云信息科技有限公司 | 一种kubernetes集群内Pod调度方法、终端设备及存储介质 |
CN114064296A (zh) * | 2022-01-18 | 2022-02-18 | 北京建筑大学 | 一种Kubernetes调度方法、装置和存储介质 |
CN114327886A (zh) * | 2021-12-24 | 2022-04-12 | 国家石油天然气管网集团有限公司 | 一种基于大数据深度学习的动态资源调度方法 |
CN114327851A (zh) * | 2020-09-30 | 2022-04-12 | 慧与发展有限责任合伙企业 | 防止在不一致的主机节点上调度或执行资源 |
US11336588B2 (en) | 2020-06-26 | 2022-05-17 | Red Hat, Inc. | Metadata driven static determination of controller availability |
CN114625493A (zh) * | 2020-12-14 | 2022-06-14 | 中国石油大学(华东) | 基于改进天牛须智能方法的Kubernetes集群资源调度方法 |
US11474905B2 (en) | 2020-12-10 | 2022-10-18 | International Business Machines Corporation | Identifying harmful containers |
CN115297112A (zh) * | 2022-07-31 | 2022-11-04 | 南京匡吉信息科技有限公司 | 一种基于Kubernetes的动态资源配额及调度组件 |
US11706105B2 (en) | 2021-12-14 | 2023-07-18 | International Business Machines Corporation | Selecting low priority pods for guaranteed runs |
CN117112239A (zh) * | 2023-10-23 | 2023-11-24 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种异构推理后端上的可扩展负载均衡方法及*** |
WO2024021467A1 (zh) * | 2022-07-26 | 2024-02-01 | 天翼云科技有限公司 | 一种集群资源规划方法、设备、装置及介质 |
EP4387192A1 (en) | 2022-12-16 | 2024-06-19 | Airbus Operations GmbH | Data network and method for scheduling data traffic in data network |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106886451A (zh) * | 2017-01-10 | 2017-06-23 | 广东石油化工学院 | 一种基于虚拟化容器技术的多工作流任务分配方法 |
CN108769254A (zh) * | 2018-06-25 | 2018-11-06 | 星环信息科技(上海)有限公司 | 基于抢占式调度的资源共享使用方法、***及设备 |
CN108829509A (zh) * | 2018-05-03 | 2018-11-16 | 山东汇贸电子口岸有限公司 | 基于国产cpu和操作***的分布式容器集群框架资源管理方法 |
US20180351851A1 (en) * | 2016-12-15 | 2018-12-06 | Nutanix, Inc. | Managing validity periods for computing resource attributes |
CN109117265A (zh) * | 2018-07-12 | 2019-01-01 | 北京百度网讯科技有限公司 | 在集群中调度作业的方法、装置、设备及存储介质 |
CN109167835A (zh) * | 2018-09-13 | 2019-01-08 | 重庆邮电大学 | 一种基于kubernetes的物理资源调度方法及*** |
US10191778B1 (en) * | 2015-11-16 | 2019-01-29 | Turbonomic, Inc. | Systems, apparatus and methods for management of software containers |
CN109298914A (zh) * | 2018-10-12 | 2019-02-01 | 西安交通大学 | 一种基于三层架构的Docker与虚拟机初始放置方法 |
-
2019
- 2019-02-02 CN CN201910107749.9A patent/CN109960585B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10191778B1 (en) * | 2015-11-16 | 2019-01-29 | Turbonomic, Inc. | Systems, apparatus and methods for management of software containers |
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 |
US20180351851A1 (en) * | 2016-12-15 | 2018-12-06 | Nutanix, Inc. | Managing validity periods for computing resource attributes |
CN106886451A (zh) * | 2017-01-10 | 2017-06-23 | 广东石油化工学院 | 一种基于虚拟化容器技术的多工作流任务分配方法 |
CN108829509A (zh) * | 2018-05-03 | 2018-11-16 | 山东汇贸电子口岸有限公司 | 基于国产cpu和操作***的分布式容器集群框架资源管理方法 |
CN108769254A (zh) * | 2018-06-25 | 2018-11-06 | 星环信息科技(上海)有限公司 | 基于抢占式调度的资源共享使用方法、***及设备 |
CN109117265A (zh) * | 2018-07-12 | 2019-01-01 | 北京百度网讯科技有限公司 | 在集群中调度作业的方法、装置、设备及存储介质 |
CN109167835A (zh) * | 2018-09-13 | 2019-01-08 | 重庆邮电大学 | 一种基于kubernetes的物理资源调度方法及*** |
CN109298914A (zh) * | 2018-10-12 | 2019-02-01 | 西安交通大学 | 一种基于三层架构的Docker与虚拟机初始放置方法 |
Non-Patent Citations (1)
Title |
---|
唐瑞: "基于Kubernetes的容器云平台资源调度策略研究", 《中国优秀硕士学位论文数据库》 * |
Cited By (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112214303A (zh) * | 2019-07-09 | 2021-01-12 | 上海交通大学 | Kubernetes集群自动缩放*** |
CN112214288B (zh) * | 2019-07-10 | 2023-04-25 | ***通信集团上海有限公司 | 基于Kubernetes集群的Pod调度方法、装置、设备和介质 |
CN112214288A (zh) * | 2019-07-10 | 2021-01-12 | ***通信集团上海有限公司 | 基于Kubernetes集群的Pod调度方法、装置、设备和介质 |
CN110515730A (zh) * | 2019-08-22 | 2019-11-29 | 北京宝兰德软件股份有限公司 | 基于kubernetes容器编排***的资源二次调度方法及装置 |
WO2021063339A1 (zh) * | 2019-09-30 | 2021-04-08 | 星环信息科技(上海)股份有限公司 | 集群资源调度方法、装置、设备及储存介质 |
CN110704165A (zh) * | 2019-10-08 | 2020-01-17 | 浪潮云信息技术有限公司 | 一种容器高可用部署方法 |
CN110727653A (zh) * | 2019-10-12 | 2020-01-24 | 广州华多网络科技有限公司 | 多项目负载均衡方法和装置 |
CN110727653B (zh) * | 2019-10-12 | 2023-06-16 | 广州华多网络科技有限公司 | 多项目负载均衡方法和装置 |
CN110719335A (zh) * | 2019-10-21 | 2020-01-21 | 中国科学院空间应用工程与技术中心 | 天基云雾计算架构下的资源调度方法、***和存储介质 |
CN110941393A (zh) * | 2019-10-31 | 2020-03-31 | 北京浪潮数据技术有限公司 | 一种基于逻辑卷管理的lv供应方法、装置、设备及介质 |
CN110851236A (zh) * | 2019-11-11 | 2020-02-28 | 星环信息科技(上海)有限公司 | 一种实时资源调度方法、装置、计算机设备及存储介质 |
WO2021093783A1 (zh) * | 2019-11-11 | 2021-05-20 | 星环信息科技(上海)股份有限公司 | 实时资源调度方法、装置、计算机设备及存储介质 |
CN110990121A (zh) * | 2019-11-28 | 2020-04-10 | 中国—东盟信息港股份有限公司 | 一种基于应用画像的Kubernetes调度策略 |
CN111143059B (zh) * | 2019-12-17 | 2023-10-20 | 天津大学 | 改进的Kubernetes资源调度方法 |
CN111143059A (zh) * | 2019-12-17 | 2020-05-12 | 天津大学 | 改进的Kubernetes资源调度方法 |
CN111090523A (zh) * | 2019-12-18 | 2020-05-01 | 浪潮云信息技术有限公司 | 一种kubernetes环境下基于动态优先级的资源调度方法 |
WO2021120633A1 (zh) * | 2019-12-19 | 2021-06-24 | 华为技术有限公司 | 一种负载均衡方法及相关设备 |
CN111258609A (zh) * | 2020-01-19 | 2020-06-09 | 北京百度网讯科技有限公司 | Kubernetes集群的升级方法、装置、电子设备和介质 |
CN111475251A (zh) * | 2020-03-08 | 2020-07-31 | 苏州浪潮智能科技有限公司 | 一种集群容器调度方法、***、终端及存储介质 |
CN111352717A (zh) * | 2020-03-24 | 2020-06-30 | 广西梯度科技有限公司 | 一种实现kubernetes自定义调度器的方法 |
CN111352717B (zh) * | 2020-03-24 | 2023-04-07 | 广西梯度科技股份有限公司 | 一种实现kubernetes自定义调度器的方法 |
CN111522639A (zh) * | 2020-04-16 | 2020-08-11 | 南京邮电大学 | Kubernetes集群架构***下多维资源调度方法 |
CN111522639B (zh) * | 2020-04-16 | 2022-11-01 | 南京邮电大学 | Kubernetes集群架构***下多维资源调度方法 |
CN111694646A (zh) * | 2020-05-29 | 2020-09-22 | 北京百度网讯科技有限公司 | 资源调度方法、装置、电子设备及计算机可读存储介质 |
CN111694646B (zh) * | 2020-05-29 | 2023-11-07 | 北京百度网讯科技有限公司 | 资源调度方法、装置、电子设备及计算机可读存储介质 |
CN111737003A (zh) * | 2020-06-24 | 2020-10-02 | 重庆紫光华山智安科技有限公司 | Pod均衡调度方法、装置、主节点及存储介质 |
US11336588B2 (en) | 2020-06-26 | 2022-05-17 | Red Hat, Inc. | Metadata driven static determination of controller availability |
US11991094B2 (en) | 2020-06-26 | 2024-05-21 | Red Hat, Inc. | Metadata driven static determination of controller availability |
CN111813556A (zh) * | 2020-07-21 | 2020-10-23 | 北京东方通软件有限公司 | 云计算环境下的虚拟集群的弹性伸缩方法 |
CN114327851A (zh) * | 2020-09-30 | 2022-04-12 | 慧与发展有限责任合伙企业 | 防止在不一致的主机节点上调度或执行资源 |
CN112181661B (zh) * | 2020-10-13 | 2023-10-24 | 极道科技(北京)有限公司 | 一种任务调度方法 |
CN112181661A (zh) * | 2020-10-13 | 2021-01-05 | 极道科技(北京)有限公司 | 一种任务调度方法 |
CN112286631A (zh) * | 2020-10-23 | 2021-01-29 | 烽火通信科技股份有限公司 | 一种Kubernetes资源调度方法、装置与电子设备 |
CN112363811A (zh) * | 2020-11-16 | 2021-02-12 | 中国电子科技集团公司电子科学研究院 | 一种人工智能计算资源调度方法及计算机可读存储介质 |
CN112363811B (zh) * | 2020-11-16 | 2023-04-07 | 中国电子科技集团公司电子科学研究院 | 一种人工智能计算资源调度方法及计算机可读存储介质 |
CN112527454A (zh) * | 2020-12-04 | 2021-03-19 | 上海连尚网络科技有限公司 | 容器组调度方法、装置、电子设备和计算机可读介质 |
US11474905B2 (en) | 2020-12-10 | 2022-10-18 | International Business Machines Corporation | Identifying harmful containers |
CN114625493B (zh) * | 2020-12-14 | 2024-04-02 | 中国石油大学(华东) | 基于改进天牛须智能方法的Kubernetes集群资源调度方法 |
CN114625493A (zh) * | 2020-12-14 | 2022-06-14 | 中国石油大学(华东) | 基于改进天牛须智能方法的Kubernetes集群资源调度方法 |
CN112286671A (zh) * | 2020-12-29 | 2021-01-29 | 湖南星河云程信息科技有限公司 | 一种容器化批处理作业调度方法、装置和计算机设备 |
CN112764906A (zh) * | 2021-01-26 | 2021-05-07 | 浙江工业大学 | 一种基于用户作业类型及节点性能偏向性的集群资源调度方法 |
CN112764906B (zh) * | 2021-01-26 | 2024-03-15 | 浙江工业大学 | 一种基于用户作业类型及节点性能偏向性的集群资源调度方法 |
CN112988380A (zh) * | 2021-02-25 | 2021-06-18 | 电子科技大学 | 一种基于Kubernetes的集群负载调节方法及存储介质 |
CN113391891A (zh) * | 2021-05-20 | 2021-09-14 | 国网江苏省电力有限公司信息通信分公司 | 基于Rete和字符串模式匹配算法的负载均衡资源调度方法 |
CN113391891B (zh) * | 2021-05-20 | 2024-03-12 | 国网江苏省电力有限公司信息通信分公司 | 基于Rete和字符串模式匹配算法的负载均衡资源调度方法 |
CN113485792B (zh) * | 2021-07-08 | 2023-05-26 | 厦门服云信息科技有限公司 | 一种kubernetes集群内Pod调度方法、终端设备及存储介质 |
CN113485792A (zh) * | 2021-07-08 | 2021-10-08 | 厦门服云信息科技有限公司 | 一种kubernetes集群内Pod调度方法、终端设备及存储介质 |
US11706105B2 (en) | 2021-12-14 | 2023-07-18 | International Business Machines Corporation | Selecting low priority pods for guaranteed runs |
CN114327886A (zh) * | 2021-12-24 | 2022-04-12 | 国家石油天然气管网集团有限公司 | 一种基于大数据深度学习的动态资源调度方法 |
CN114064296A (zh) * | 2022-01-18 | 2022-02-18 | 北京建筑大学 | 一种Kubernetes调度方法、装置和存储介质 |
CN114064296B (zh) * | 2022-01-18 | 2022-04-26 | 北京建筑大学 | 一种Kubernetes调度方法、装置和存储介质 |
WO2024021467A1 (zh) * | 2022-07-26 | 2024-02-01 | 天翼云科技有限公司 | 一种集群资源规划方法、设备、装置及介质 |
CN115297112A (zh) * | 2022-07-31 | 2022-11-04 | 南京匡吉信息科技有限公司 | 一种基于Kubernetes的动态资源配额及调度组件 |
EP4387192A1 (en) | 2022-12-16 | 2024-06-19 | Airbus Operations GmbH | Data network and method for scheduling data traffic in data network |
CN117112239A (zh) * | 2023-10-23 | 2023-11-24 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种异构推理后端上的可扩展负载均衡方法及*** |
CN117112239B (zh) * | 2023-10-23 | 2024-02-09 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种异构推理后端上的可扩展负载均衡方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109960585B (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109960585A (zh) | 一种基于kubernetes的资源调度方法 | |
WO2021208546A1 (zh) | Kubernetes集群架构***下多维资源调度方法 | |
CN110297699B (zh) | 调度方法、调度器、存储介质及*** | |
CN104881325B (zh) | 一种资源调度方法和资源调度*** | |
EP2710470B1 (en) | Extensible centralized dynamic resource distribution in a clustered data grid | |
CN110231976B (zh) | 一种基于负载预测的边缘计算平台容器部署方法及*** | |
CN109788046B (zh) | 一种基于改进蜂群算法的多策略边缘计算资源调度方法 | |
WO2016082370A1 (zh) | 一种分布式节点组内任务调度方法及*** | |
CN103516807A (zh) | 一种云计算平台服务器负载均衡***及方法 | |
CN110221920B (zh) | 部署方法、装置、存储介质及*** | |
CN112817728B (zh) | 任务调度方法、网络设备和存储介质 | |
CN111147604B (zh) | 一种车联网边缘计算的负载均衡方法 | |
CN105491150A (zh) | 基于时间序列的负载均衡处理方法及*** | |
CN113672391B (zh) | 一种基于Kubernetes的并行计算任务调度方法与*** | |
CN111666158A (zh) | 一种基于Kubernetes的容器调度方法、装置、存储介质及电子设备 | |
CN108427602A (zh) | 一种分布式计算任务的协同调度方法及装置 | |
CN117155942A (zh) | 一种微服务动态自适应客户端负载均衡方法及*** | |
CN114691372A (zh) | 一种多媒体端边云***的群体智能控制方法 | |
WO2021000694A1 (zh) | 一种部署业务的方法以及调度装置 | |
CN110958192B (zh) | 一种基于虚拟交换机的虚拟数据中心资源分配***及方法 | |
CN114978913B (zh) | 一种基于切链的服务功能链跨域部署方法及*** | |
CN112306642A (zh) | 一种基于稳定匹配博弈理论的工作流调度方法 | |
CN115686826A (zh) | 一种基于天基分布式卫星集群的动态调度方法和*** | |
CN116360922A (zh) | 集群资源调度方法、装置、计算机设备和存储介质 | |
CN115562841A (zh) | 一种云视频服务自适应资源调度***和方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |