CN114138473A - 一种基于混合模式的弹性调度装置及方法 - Google Patents

一种基于混合模式的弹性调度装置及方法 Download PDF

Info

Publication number
CN114138473A
CN114138473A CN202111392824.4A CN202111392824A CN114138473A CN 114138473 A CN114138473 A CN 114138473A CN 202111392824 A CN202111392824 A CN 202111392824A CN 114138473 A CN114138473 A CN 114138473A
Authority
CN
China
Prior art keywords
resource
resources
expansion
load
increment
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
Application number
CN202111392824.4A
Other languages
English (en)
Other versions
CN114138473B (zh
Inventor
王璐
李青山
曹壮
崔笛
王展
霍其恩
姜宇轩
佘嘉洛
尚超
刘雨晴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Xinxin Zhixing Technology Co ltd
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN202111392824.4A priority Critical patent/CN114138473B/zh
Publication of CN114138473A publication Critical patent/CN114138473A/zh
Application granted granted Critical
Publication of CN114138473B publication Critical patent/CN114138473B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
    • 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

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

本发明公开了一种基于混合模式的弹性调度装置及方法，该方法包括：扫描当前容器集群的最大可用资源，其中所述可用资源包括计算资源和存储资源；对当前容器集群占用资源进行预测，确定下一时刻负载占用资源的增量以进行负载预调整；响应于所述增量为正且所述增量小于最大可用资源，则进行负载扩展，或者响应于所述增量为负，则进行负载释放；根据负载预调整策略进行弹性伸缩，其中所述弹性伸缩包括水平伸缩和垂直伸缩。本发明通过弹性调度策略能够在资源不足时及时增加资源，在资源过量时释放资源。并且考虑到资源利用率和成本问题，从不同的伸缩性调度策略中选取最合适的弹性伸缩方式，从而起到了资源的最优配置，极大的提升了***的资源利用率。

Description

一种基于混合模式的弹性调度装置及方法
技术领域
本发明属于云计算领域，具体涉及一种基于混合模式的弹性调度装置及方法。
背景技术
云计算环境下，将计算机硬件资源虚拟化后，得到若干台虚拟机，多台虚拟机再组成虚拟资源池，然后由虚拟资源池进行计算任务。如何充分利用虚拟资源池的虚拟资源，提高云服务平台并行处理能力，是当前研究的热点。
如果无法弹性计算用户资源分配情况会产生宕机风险，而现有技术一般无法准确的进行弹性调度，从而使得调度不合理，浪费资源。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种基于混合模式的弹性调度装置及方法。本发明要解决的技术问题通过以下技术方案实现：
一种基于混合模式的弹性调度方法，包括：
扫描当前容器集群的最大可用资源，其中所述可用资源包括计算资源和存储资源；
对当前容器集群占用资源进行预测，确定下一时刻负载占用资源的增量以进行负载预调整；
响应于所述增量为正且所述增量小于最大可用资源，则进行负载扩展，或者响应于所述增量为负，则进行负载释放；
根据负载预调整策略进行弹性伸缩，其中所述弹性伸缩包括水平伸缩和垂直伸缩。
在一个具体实施方式中，扫描当前容器集群的最大可用资源还包括：
采集当前负载资源池中的日志数据，从所述日志数据中获取前一时刻占用资源峰值或/和资源告警信息，若所述前一时刻占用资源峰值等于理论最大资源且包括资源告警信息，则将所述容器集群理论空闲资源的80％作为最大可用资源；若所述前一时刻占用资源峰值等于理论空闲资源且不包括资源告警信息，则将所述容器集群理论空闲资源的90％作为最大可用资源；若所述前一时刻占用资源峰值小于理论最大资源，则将所述容器集群理论空闲资源作为最大可用资源，其中，所述理论空闲资源为理论最大资源与当前容器集群占用资源之差。
在一个具体实施方式中，响应于所述增量为正且所述增量大于最大可用资源，则发送资源告警信息。
在一个具体实施方式中，对当前容器集群占用资源进行预测，确定下一时刻负载占用资源的增量以进行负载预调整，包括：
根据线性回归模型根据预设时间段的负载值预测下一时刻的负载值；
根据当前负载值和下一时刻的负载值得到下一时刻负载占用资源的增量；
其中，负载随时间变化的线性表达式为：Li＝α1+α2Ti，Li代表i时刻的负载值，Ti表示第i个时间段的时间，α1和α2为回归参数；
所述回归参数为：
Figure BDA0003368972270000031
在一个具体实施方式中，弹性伸缩策略为：
SC＝SCh+SCv
其中，
Figure BDA0003368972270000032
Figure BDA0003368972270000033
VMCi＝MEMCi+CPUCi+DISKCi
OVMCi＝OMEMCi+OCPUCi+ODISKCi
约束条件为，
Figure BDA0003368972270000034
Figure BDA0003368972270000035
Figure BDA0003368972270000036
式中，SCh为水平伸缩成本，SCv为垂直伸缩成本，VMCi为伸缩变化后第i个容器的成本，MEMCi为伸缩变化后第i个容器内存成本，CPUCi为伸缩变化后第i个容器CPU成本，DISKCi为伸缩变化后第i个容器硬盘成本，OVMCi为伸缩变化前第i个容器的成本，OMEMCi为伸缩变化前第i个容器内存成本，OCPUCi为伸缩变化前第i个容器CPU成本，ODISKCi为伸缩变化前第i个容器硬盘成本，β为自适应参数，取值为80％、90％或者100％。
本发明同时提供了一种基于混合模式的弹性调度装置，包括：
资源扫描单元，用于扫描当前容器集群的最大可用资源，其中所述可用资源包括计算资源和存储资源；
预测单元，用于对当前容器集群占用资源进行预测，确定下一时刻负载占用资源的增量以进行负载预调整；
策略调整单元，用于响应于所述增量为正且所述增量小于最大可用资源，则进行负载扩展，或者响应于所述增量为负，则进行负载释放；
弹性调度单元，用于根据负载预调整策略进行弹性伸缩，其中所述弹性伸缩包括水平伸缩和垂直伸缩。
在一个具体实施方式中，资源扫描单元还用于：
采集当前负载资源池中的日志数据，从所述日志数据中获取前一时刻占用资源峰值或/和资源告警信息，若所述前一时刻占用资源峰值等于理论最大资源且包括资源告警信息，则将所述容器集群理论最大资源的80％作为最大可用资源；若所述前一时刻占用资源峰值等于理论最大资源且不包括资源告警信息，则将所述容器集群理论空闲资源的90％作为最大可用资源；若所述前一时刻占用资源峰值小于理论最大资源，则将所述容器集群理论空闲资源作为最大可用资源，其中，所述理论空闲资源为理论最大资源与当前容器集群占用资源之差。
在一个具体实施方式中，策略调整单元还用于响应于所述增量为正且所述增量大于最大可用资源，则发送资源告警信息。
在一个具体实施方式中，所述预测单元具体用于：
根据线性回归模型根据预设时间段的负载值预测下一时刻的负载值；
根据当前负载值和下一时刻的负载值得到下一时刻负载占用资源的增量；
其中，负载随时间变化的线性表达式为：Li＝α1+α2Ti，Li代表i时刻的负载值，Ti表示第i个时间段的时间，α1和α2为回归参数；
所述回归参数为：
Figure BDA0003368972270000051
在一个具体实施方式中，弹性伸缩策略为：
SC＝SCh+SCv
其中，
Figure BDA0003368972270000052
Figure BDA0003368972270000053
VMCi＝MEMCi+CPUCi+DISKCi
OVMCi＝OMEMCi+OCPUCi+ODISKCi
约束条件为，
Figure BDA0003368972270000054
Figure BDA0003368972270000055
Figure BDA0003368972270000061
式中，SCh为水平伸缩成本，SCv为垂直伸缩成本，VMCi为伸缩变化后第i个容器的成本，MEMCi为伸缩变化后第i个容器内存成本，CPUCi为伸缩变化后第i个容器CPU成本，DISKCi为伸缩变化后第i个容器硬盘成本，OVMCi为伸缩变化前第i个容器的成本，OMEMCi为伸缩变化前第i个容器内存成本，OCPUCi为伸缩变化前第i个容器CPU成本，ODISKCi为伸缩变化前第i个容器硬盘成本，β为自适应参数，取值为80％、90％或者100％。
本发明的有益效果：
本发明的基于混合模式的弹性调度方法通过弹性调度策略能够在资源不足时及时增加资源，在资源过量时释放资源。并且考虑到资源利用率和成本问题，从不同的伸缩性调度策略中选取最合适的弹性伸缩方式，从而起到了资源的最优配置，极大的提升了***的资源利用率。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于混合模式的弹性调度方法流程示意图；
图2是本发明实施例提供的一种基于混合模式的弹性调度装置模块框图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
实施例一
请参见图1，图1是本发明实施例提供的一种基于混合模式的弹性调度方法流程示意图，包括：
扫描当前容器集群的最大可用资源，其中所述可用资源包括计算资源和存储资源；
对当前容器集群占用资源进行预测，确定下一时刻负载占用资源的增量以进行负载预调整；
响应于所述增量为正且所述增量小于最大可用资源，则进行负载扩展，或者响应于所述增量为负，则进行负载释放；
根据负载预调整策略进行弹性伸缩，其中所述弹性伸缩包括水平伸缩和垂直伸缩。
具体的，弹性调度策略应该能够在资源不足时及时增加资源，在资源过量时释放资源。策略还应该考虑到资源利用率和成本问题，从不同的伸缩性调度策略中选取最合适的，即：根据资源提供的情况能够向三方面进行自动伸缩，如果进行负载预测发现下一时刻资源不足时则需要进行资源预扩展，如果预扩展后出现突发状况资源仍然不足时则需要进行实时扩展，如果资源足量时则需要进行实时缩放。
在一个具体实施方式中，扫描当前容器集群的最大可用资源还包括：
采集当前负载资源池中的日志数据，从所述日志数据中获取前一时刻占用资源峰值或/和资源告警信息，若所述前一时刻占用资源峰值等于理论最大资源且包括资源告警信息，则将所述容器集群理论最大资源的80％作为最大可用资源；若所述前一时刻占用资源峰值等于理论最大资源且不包括资源告警信息，则将所述容器集群理论空闲资源的90％作为最大可用资源；若所述前一时刻占用资源峰值小于理论最大资源，则将所述容器集群理论空闲资源作为最大可用资源，其中，所述理论空闲资源为理论最大资源与当前容器集群占用资源之差。
一般情况下，日志数据中记录了装置在运行时的各项指标参数以及在每个时间点的时间记录，例如当***资源不足时，会记录资源告警信息，从前一时刻的资源占用数据中，筛查出最大的占用数据即可作为占用资源峰值，理论最大资源是指设备的物理最大可用空间，理论空闲资源是指理论最大资源与当前容器集群占用资源之差，也就是指最大可扩展资源。
若所述前一时刻占用资源峰值等于理论最大资源且包括资源告警信息是指前一时刻的某些时间点已经出现资源利用不足的情况，在该时间点计算机出现过载，很可能导致设备卡死，发生***宕机等灾难性事件，因此在后续进行扩展时，则需要提前规避这种风险，预留20％的***资源作为预防，及时后续出现资源利用率不足，也能有20％的缓存来降低风险；同样的若所述前一时刻占用资源峰值等于理论最大资源且不包括资源告警信息是指前一时刻的某些时间点资源利用恰好达到上限但并未过载，相比上一种情况风险相对小一些，这样仍然预留一部分资源，例如10％的缓存来降低风险；而所述前一时刻占用资源峰值小于理论最大资源，认为当前***较为安全，不存在风险，因此不设置阈值比例。
在一个具体实施方式中，响应于所述增量为正且所述增量大于最大可用资源，则发送资源告警信息。
在一个具体实施方式中，对当前容器集群占用资源进行预测，确定下一时刻负载占用资源的增量以进行负载预调整，包括：
根据线性回归模型根据预设时间段的负载值预测下一时刻的负载值；
根据当前负载值和下一时刻的负载值得到下一时刻负载占用资源的增量；
根据线性回归通用模型得到负载随时间变化的线性表达式：
Li＝α1+α2Ti 式(2-8)
其中，Li代表i时刻的负载值，Ti表示第i个时间段的时间，α1和α2为需要求解的回归参数。
理想的估计结果应该是得到最合适的回归参数，使估计值Li和真实值Li′的平方和
Figure BDA0003368972270000091
达到最小值。
Figure BDA0003368972270000092
将公式式(2-8)带入公式式(2-9)，然后对α1和α2求偏导数，使这两个偏导数方程等于0，如下：
Figure BDA0003368972270000093
将公式式(2-10)整理得到：
Figure BDA0003368972270000094
再利用克莱姆法则求解该方程组，可以解得回归参数α1和α2如下：
Figure BDA0003368972270000095
这个线性回归模型根据相近时刻负载数据动态的调整回归参数α1和α2，可以适应负载的波动性。
在进行预扩展时，时间充足，可以将水平扩展和垂直扩展相结合，充分利用水平伸缩和垂直伸缩的优点。然而进行资源扩展时会出现多种满足扩展需求的策略，它们是水平扩展和垂直扩展的不同组合。所以需要从这些组合中选取成本最优的扩展策略。这个伸缩成本的问题可以看作为一个整数规划问题，这个整数规划问题的公式表示如下：
求最小
SC＝SCh+SCv 式(2-13)
其中
Figure BDA0003368972270000101
Figure BDA0003368972270000102
VMCi＝MEMCi+CPUCi+DISKCi 式(2-16)
OVMCi＝OMEMCi+OCPUCi+ODISKCi 式(2-17)
约束条件
Figure BDA0003368972270000103
Figure BDA0003368972270000104
Figure BDA0003368972270000105
式中，SCh为水平伸缩成本，SCv为垂直伸缩成本，VMCi为伸缩变化后第i个容器的成本，MEMCi为伸缩变化后第i个容器内存成本，CPUCi为伸缩变化后第i个容器CPU成本，DISKCi为伸缩变化后第i个容器硬盘成本，OVMCi为伸缩变化前第i个容器的成本，OMEMCi为伸缩变化前第i个容器内存成本，OCPUCi为伸缩变化前第i个容器CPU成本，ODISKCi为伸缩变化前第i个容器硬盘成本，β为自适应参数，取值为80％、90％或者100％。
整数规划的目标是求最小的伸缩成本。伸缩成本包括水平伸缩成本和垂直伸缩成本如公式(2-13)所示。在云业务中成本主要包括虚拟资源成本和许可证成本。垂直扩展不需要增加新的容器，所以不用考虑许可证成本，垂直扩展成本如公式(2-14)所示。而水平扩展需要增加许可证成本(LC)，水平伸缩成本如公式(2-15)所示。本文中考虑的容器资源主要包括内存、CPU、硬盘三方面，如公式(2-16)和公式(2-17)所示。整数规划的约束条件是提供的内存、CPU、硬盘三种资源满足需求，如公式(2-18)、(2-19)、(2-20)所示。
请参见图2，本发明同时提供了一种基于混合模式的弹性调度装置，包括：
资源扫描单元，用于扫描当前容器集群的最大可用资源，其中所述可用资源包括计算资源和存储资源；
预测单元，用于对当前容器集群占用资源进行预测，确定下一时刻负载占用资源的增量以进行负载预调整；
策略调整单元，用于响应于所述增量为正且所述增量小于最大可用资源，则进行负载扩展，或者响应于所述增量为负，则进行负载释放；
弹性调度单元，用于根据负载预调整策略进行弹性伸缩，其中所述弹性伸缩包括水平伸缩和垂直伸缩。
在一个具体实施方式中，所述预测单元具体用于：
根据线性回归模型根据预设时间段的负载值预测下一时刻的负载值；
根据当前负载值和下一时刻的负载值得到下一时刻负载占用资源的增量；
其中，负载随时间变化的线性表达式为：Li＝α1+α2Ti，Li代表i时刻的负载值，Ti表示第i个时间段的时间，α1和α2为回归参数；
所述回归参数为：
Figure BDA0003368972270000121
在一个具体实施方式中，弹性伸缩策略为：
SC＝SCh+SCv
其中，
Figure BDA0003368972270000122
Figure BDA0003368972270000123
VMCi＝MEMCi+CPUCi+DISKCi
OVMCi＝OMEMCi+OCPUCi+ODISKCi
约束条件为，
Figure BDA0003368972270000124
Figure BDA0003368972270000125
Figure BDA0003368972270000131
式中，SCh为水平伸缩成本，SCv为垂直伸缩成本，VMCi为伸缩变化后第i个容器的成本，MEMCi为伸缩变化后第i个容器内存成本，CPUCi为伸缩变化后第i个容器CPU成本，DISKCi为伸缩变化后第i个容器硬盘成本，OVMCi为伸缩变化前第i个容器的成本，OMEMCi为伸缩变化前第i个容器内存成本，OCPUCi为伸缩变化前第i个容器CPU成本，ODISKCi为伸缩变化前第i个容器硬盘成本，β为自适应参数，取值为80％、90％或者100％。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
本领域技术人员应明白，本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本申请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，这里将它们都统称为“模块”或“***”。而且，本申请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。计算机程序存储/分布在合适的介质中，与其它硬件一起提供或作为硬件的一部分，也可以采用其他分布形式，如通过Internet或其它有线或无线电信***。
本申请是参照本申请实施例的方法、装置(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。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种基于混合模式的弹性调度方法，其特征在于，包括：
扫描当前容器集群的最大可用资源，其中所述可用资源包括计算资源和存储资源；
对当前容器集群占用资源进行预测，确定下一时刻负载占用资源的增量以进行负载预调整；
响应于所述增量为正且所述增量小于最大可用资源，则进行负载扩展，或者响应于所述增量为负，则进行负载释放；
根据负载预调整策略进行弹性伸缩，其中所述弹性伸缩包括水平伸缩和垂直伸缩。
2.根据权利要求1所述的基于混合模式的弹性调度方法，其特征在于，扫描当前容器集群的最大可用资源还包括：
采集当前负载资源池中的日志数据，从所述日志数据中获取前一时刻占用资源峰值或/和资源告警信息，若所述前一时刻占用资源峰值等于理论最大资源且包括资源告警信息，则将所述容器集群理论空闲资源的80％作为最大可用资源；若所述前一时刻占用资源峰值等于理论最大资源且不包括资源告警信息，则将所述容器集群理论空闲资源的90％作为最大可用资源；若所述前一时刻占用资源峰值小于理论最大资源，则将所述容器集群理论空闲资源作为最大可用资源，其中，所述理论空闲资源为理论最大资源与当前容器集群占用资源之差。
3.根据权利要求2所述的基于混合模式的弹性调度方法，其特征在于，响应于所述增量为正且所述增量大于最大可用资源，则发送资源告警信息。
4.根据权利要求1所述的基于混合模式的弹性调度方法，其特征在于，对当前容器集群占用资源进行预测，确定下一时刻负载占用资源的增量以进行负载预调整，包括：
根据线性回归模型根据预设时间段的负载值预测下一时刻的负载值；
根据当前负载值和下一时刻的负载值得到下一时刻负载占用资源的增量；
其中，负载随时间变化的线性表达式为：Li＝α1+α2Ti，Li代表i时刻的负载值，Ti表示第i个时间段的时间，α1和α2为回归参数；
所述回归参数为：
Figure FDA0003368972260000021
5.根据权利要求1所述的基于混合模式的弹性调度方法，其特征在于，弹性伸缩策略为：
SC＝SCh+SCv
其中，
Figure FDA0003368972260000022
Figure FDA0003368972260000023
VMCi＝MEMCi+CPUCi+DISKCi
OVMCi＝OMEMCi+OCPUCi+ODISKCi
约束条件为，
Figure FDA0003368972260000024
Figure FDA0003368972260000031
Figure FDA0003368972260000032
式中，SCh为水平伸缩成本，SCv为垂直伸缩成本，VMCi为伸缩变化后第i个容器的成本，MEMCi为伸缩变化后第i个容器内存成本，CPUCi为伸缩变化后第i个容器CPU成本，DISKCi为伸缩变化后第i个容器硬盘成本，OVMCi为伸缩变化前第i个容器的成本，OMEMCi为伸缩变化前第i个容器内存成本，OCPUCi为伸缩变化前第i个容器CPU成本，ODISKCi为伸缩变化前第i个容器硬盘成本，β为自适应参数，取值为80％、90％或者100％。
6.一种基于混合模式的弹性调度装置，其特征在于，包括：
资源扫描单元，用于扫描当前容器集群的最大可用资源，其中所述可用资源包括计算资源和存储资源；
预测单元，用于对当前容器集群占用资源进行预测，确定下一时刻负载占用资源的增量以进行负载预调整；
策略调整单元，用于响应于所述增量为正且所述增量小于最大可用资源，则进行负载扩展，或者响应于所述增量为负，则进行负载释放；
弹性调度单元，用于根据负载预调整策略进行弹性伸缩，其中所述弹性伸缩包括水平伸缩和垂直伸缩。
7.根据权利要求6所述的基于混合模式的弹性调度装置，其特征在于，资源扫描单元还用于：
采集当前负载资源池中的日志数据，从所述日志数据中获取前一时刻占用资源峰值或/和资源告警信息，若所述前一时刻占用资源峰值等于理论最大资源且包括资源告警信息，则将所述容器集群理论最大资源的80％作为最大可用资源；若所述前一时刻占用资源峰值等于理论最大资源且不包括资源告警信息，则将所述容器集群理论空闲资源的90％作为最大可用资源；若所述前一时刻占用资源峰值小于理论最大资源，则将所述容器集群理论空闲资源作为最大可用资源，其中，所述理论空闲资源为理论最大资源与当前容器集群占用资源之差。
8.根据权利要求7所述的基于混合模式的弹性调度装置，其特征在于，策略调整单元还用于响应于所述增量为正且所述增量大于最大可用资源，则发送资源告警信息。
9.根据权利要求6所述的基于混合模式的弹性调度装置，其特征在于，所述预测单元具体用于：
根据线性回归模型根据预设时间段的负载值预测下一时刻的负载值；
根据当前负载值和下一时刻的负载值得到下一时刻负载占用资源的增量；
其中，负载随时间变化的线性表达式为：Li＝α1+α2Ti，Li代表i时刻的负载值，Ti表示第i个时间段的时间，α1和α2为回归参数；
所述回归参数为：
Figure FDA0003368972260000041
10.根据权利要求6所述的基于混合模式的弹性调度装置，其特征在于，弹性伸缩策略为：
SC＝SCh+SCv
其中，
Figure FDA0003368972260000051
Figure FDA0003368972260000052
VMCi＝MEMCi+CPUCi+DISKCi
OVMCi＝OMEMCi+OCPUCi+ODISKCi
约束条件为，
Figure FDA0003368972260000053
Figure FDA0003368972260000054
Figure FDA0003368972260000055
式中，SCh为水平伸缩成本，SCv为垂直伸缩成本，VMCi为伸缩变化后第i个容器的成本，MEMCi为伸缩变化后第i个容器内存成本，CPUCi为伸缩变化后第i个容器CPU成本，DISKCi为伸缩变化后第i个容器硬盘成本，OVMCi为伸缩变化前第i个容器的成本，OMEMCi为伸缩变化前第i个容器内存成本，OCPUCi为伸缩变化前第i个容器CPU成本，ODISKCi为伸缩变化前第i个容器硬盘成本，β为自适应参数，取值为80％、90％或者100％。
CN202111392824.4A 2021-11-23 2021-11-23 一种基于混合模式的弹性调度装置及方法 Active CN114138473B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111392824.4A CN114138473B (zh) 2021-11-23 2021-11-23 一种基于混合模式的弹性调度装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111392824.4A CN114138473B (zh) 2021-11-23 2021-11-23 一种基于混合模式的弹性调度装置及方法

Publications (2)

Publication Number Publication Date
CN114138473A true CN114138473A (zh) 2022-03-04
CN114138473B CN114138473B (zh) 2024-06-25

Family

ID=80391038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111392824.4A Active CN114138473B (zh) 2021-11-23 2021-11-23 一种基于混合模式的弹性调度装置及方法

Country Status (1)

Country Link
CN (1) CN114138473B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106201718A (zh) * 2016-07-05 2016-12-07 北京邮电大学 一种基于负载预测的云计算资源动态伸缩方法
CN106227605A (zh) * 2016-07-26 2016-12-14 北京北森云计算股份有限公司 一种多语言云编译的动态微服务扩容方法及装置
CN109800075A (zh) * 2017-11-16 2019-05-24 航天信息股份有限公司 集群管理方法及装置
US20190220319A1 (en) * 2018-01-18 2019-07-18 Red Hat, Inc. Usage instrumented workload scheduling
CN111459681A (zh) * 2020-04-07 2020-07-28 上海熙菱信息技术有限公司 一种基于微服务负载的动态弹性伸缩方法
CN112000459A (zh) * 2020-03-31 2020-11-27 华为技术有限公司 一种用于服务的扩缩容的方法及相关设备
CN112667389A (zh) * 2019-10-16 2021-04-16 北京京东尚科信息技术有限公司 一种资源容器管理方法和装置
US20210224108A1 (en) * 2018-05-31 2021-07-22 Hangzhou Hikvision Digital Technology Co., Ltd. Method for executing task by scheduling device, and computer device and storage medium

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106201718A (zh) * 2016-07-05 2016-12-07 北京邮电大学 一种基于负载预测的云计算资源动态伸缩方法
CN106227605A (zh) * 2016-07-26 2016-12-14 北京北森云计算股份有限公司 一种多语言云编译的动态微服务扩容方法及装置
CN109800075A (zh) * 2017-11-16 2019-05-24 航天信息股份有限公司 集群管理方法及装置
US20190220319A1 (en) * 2018-01-18 2019-07-18 Red Hat, Inc. Usage instrumented workload scheduling
US20210224108A1 (en) * 2018-05-31 2021-07-22 Hangzhou Hikvision Digital Technology Co., Ltd. Method for executing task by scheduling device, and computer device and storage medium
CN112667389A (zh) * 2019-10-16 2021-04-16 北京京东尚科信息技术有限公司 一种资源容器管理方法和装置
CN112000459A (zh) * 2020-03-31 2020-11-27 华为技术有限公司 一种用于服务的扩缩容的方法及相关设备
CN111459681A (zh) * 2020-04-07 2020-07-28 上海熙菱信息技术有限公司 一种基于微服务负载的动态弹性伸缩方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CARLOS H.Z. NICODEMUS: ""Managing Vertical Memory Elasticity in Containers"", 《2020 IEEE/ACM 13TH INTERNATIONAL CONFERENCE ON UTILITY AND CLOUD COMPUTING(UCC)》, 30 December 2020 (2020-12-30), pages 132 - 142, XP033899223, DOI: 10.1109/UCC48980.2020.00032 *
FINGERLIU: ""Kubernetes指南 -- 弹性伸缩"", Retrieved from the Internet <URL:《https://segmentfault.com/a/1190000021545907》> *
曹壮: ""容器云环境下的负载预测与容器调度技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2023, 15 July 2023 (2023-07-15), pages 139 - 152 *
***: ""基于微服务的应用云平台弹性伸缩技术的研究与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2021, 15 April 2021 (2021-04-15), pages 139 - 133 *

Also Published As

Publication number Publication date
CN114138473B (zh) 2024-06-25

Similar Documents

Publication Publication Date Title
CN107239336B (zh) 一种实现任务调度的方法及装置
CN107861796B (zh) 一种支持云数据中心能耗优化的虚拟机调度方法
CN104239123B (zh) 面向校园云平台的虚拟机管理调度方法和***
EP3483730A1 (en) Resource allocation method and resource manager
US20060206900A1 (en) Apparatus and program for controlling loads
CN110442428B (zh) Docker容器的协调方法
CN103823714A (zh) 一种基于虚拟化下NUMA节点内存QoS的调节方法及装置
CN102208986B (zh) 一种集群功耗分配与控制方法
CN105808341A (zh) 一种资源调度的方法、装置和***
CN115660369A (zh) 服务器迁移策略确定方法、电子设备及存储介质
CN107203256B (zh) 一种网络功能虚拟化场景下的节能分配方法与装置
CN109040156B (zh) 一种基于容器云的软负载资源处理方法及装置
CN114138473A (zh) 一种基于混合模式的弹性调度装置及方法
CN104346210B (zh) 基于时空相关的虚拟机在线迁移方法及***
WO2017118129A1 (zh) 频谱资源共享的方法和装置
CN112286623A (zh) 一种信息处理方法及装置、存储介质
CN111580937B (zh) 一种面向飞腾多核/众核混合集群的虚拟机自动调度方法
CN115048186A (zh) 业务容器的扩缩容处理方法、装置、存储介质及电子设备
CN112398172A (zh) 一种源网荷协调运行控制方法及相关装置
TW201506636A (zh) 簽核動態調整方法及系統
CN113742059A (zh) 任务分配方法、装置、计算机设备和存储介质
CN117635044B (zh) 一种高效的游戏研发项目管理方法、***及存储介质
CN113900800B (zh) 一种边缘计算***的分配方法
CN111258710B (zh) 一种***维护方法和装置
CN117666658B (zh) 基于云制造的工业设备温度控制***、方法及存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240517

Address after: 710076 Room 201, Building B2, Yunhuigu, Software New City, High tech Zone, Xi'an City, Shaanxi Province

Applicant after: Xi'an Xinxin Zhixing Technology Co.,Ltd.

Country or region after: China

Address before: 710071 Taibai South Road, Yanta District, Xi'an, Shaanxi Province, No. 2

Applicant before: XIDIAN University

Country or region before: China

GR01 Patent grant
GR01 Patent grant