CN114296867A - 一种云平台的容器运行方法、***及相关装置 - Google Patents
一种云平台的容器运行方法、***及相关装置 Download PDFInfo
- Publication number
- CN114296867A CN114296867A CN202111552900.3A CN202111552900A CN114296867A CN 114296867 A CN114296867 A CN 114296867A CN 202111552900 A CN202111552900 A CN 202111552900A CN 114296867 A CN114296867 A CN 114296867A
- Authority
- CN
- China
- Prior art keywords
- utilization rate
- application
- expansion
- load
- calculating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 230000008602 contraction Effects 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000005311 autocorrelation function Methods 0.000 claims description 21
- 230000009467 reduction Effects 0.000 claims description 21
- 238000012935 Averaging Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000010076 replication Effects 0.000 claims description 3
- 241001123248 Arma Species 0.000 claims 9
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请通过确定当前利用率,进行应用负载利用率的计算,并将应用负载利用率作为预设时间序列算法的输入,进行应用负载预测。然后与扩容阈值和扩容限值比较,并在满足条件时根据当前容器数量、预设伸缩参数计算期望副本数,以便在云平台中以期望副本数运行容器,在云平台的运行时精确衡量了当前负载状态,有效根据当前的应用负载利用率进行容器伸缩变化,利用应用的负载预测和当前负载状态共同进行伸缩判断,在应用遭遇暂时性负载增减时能减少无谓的伸缩抖动。本申请还提供一种云平台的容器运行***、计算机可读存储介质和云计算设备,有益效果相同。
Description
技术领域
本申请涉及云计算领域,特别涉及一种云平台的容器运行方法、***及相关装置。
背景技术
随着云计算技术的发展,容器云以其能提供更加轻量级的虚拟化解决方案在云计算技术中占据越来越重要的地位。Kubernetes作为主流的容器云平台构建于Docker之上,能为容器化应用提供资源调度、资源监控、自动化部署、服务发现、弹性伸缩等服务。在Kubernetes提供的弹性伸缩服务中,容器是弹性伸缩的基本单位,应用部署运行在1个或多个容器中,Kubernetes根据容器化应用的负载变化情况,在负载高峰期增加pod实例数,在负载较低时减少pod实例数,其目的是为了在满足应用服务质量的前提下提高资源利用率,节约成本。目前的容器云平台Kubernetes利用的是基于阈值的弹性伸缩策略,在当应用遭遇暂时的负载增减时容易造成伸缩抖动,导致额外的***耗费和资源浪费。
发明内容
本申请的目的是提供一种云平台的容器运行方法、云平台的容器运行***、计算机可读存储介质和云计算设备,能够降低负载增减时的伸缩抖动。
为解决上述技术问题,本申请提供一种云平台的容器运行方法,具体技术方案如下:
获取硬件的运行指标,并确定所述运行指标对应的当前利用率;
根据预设伸缩参数计算扩容阈值和缩容阈值;
根据所述当前利用率计算应用负载利用率;
将所述应用负载利用率输入预设时间序列算法,得到应用负载预测值;
判断所述应用负载利用率是否大于所述扩容阈值,且所述应用负载预测值不小于扩容上限值;
若否,判断所述应用负载利用率是否小于扩容阈值,且所述应用负载预测值不大于扩容下限值;
若所述应用负载利用率大于扩容阈值且所述应用负载预测值不小于扩容上限值,或所述应用负载利用率小于扩容阈值且应用负载预测值不大于扩容下限值,根据当前容器数量、所述预设伸缩参数计算期望副本数;
在所述云平台中运行与所述期望副本数相同的容量数量。
可选的,将所述应用负载利用率输入预设时间序列算法,得到应用负载预测值包括:
第一步、输入应用资源使用率序列。
第二步、判断所述应用资源使用率序列是否平稳;若是,进入第三步;若否,进行一次差分后重复执行本步骤;
第三步、对所述应用资源使用率序列进行均值化处理,利用均值化处理后的应用资源使用率序列计算自相关和偏自相关函数;
第四步、根据所述自相关函数计算滑动平均模型的平滑阶数,根据所述偏自相关函数计算回归模型的回归阶数,并根据所述滑动平均模型和所述回归模型构造ARMA模型;
第五步、利用所述ARMA模型进行负载利用率预测,并输出应用负载预测值。
可选的,根据所述滑动平均模型和所述回归模型构造ARMA模型之后,还包括:
对所述ARMA模型进行有效性检测;
若所述ARMA模型有效,则执行利用所述ARMA模型进行负载利用率预测,并输出应用负载预测值的步骤;
若所述ARMA模型无效,则返回并重新执行所述第三步对应的步骤。
可选的,若所述预设伸缩参数包括伸缩阈值和伸缩参数,则根据预设伸缩参数计算扩容阈值和缩容阈值包括:
根据扩容阈值计算公式、所述伸缩阈值和所述伸缩参数计算扩容阈值;
根据缩容阈值计算公式、所述伸缩阈值和所述伸缩参数计算缩容阈值;
其中,所述扩容阈值计算公式为upScale=Z×(1+tolerance),upScale为扩容阈值,Z为所述伸缩阈值,tolerance为伸缩参数;
所述缩容阈值计算公式downScale=Z×(1-tolerance),downScale为缩容阈值。
可选的,获取硬件的运行指标和所述运行指标对应的当前利用率包括:
利用k8s指令获取硬件的运行指标和所述运行指标对应的当前利用率。
可选的,根据当前容器数量、所述预设伸缩参数计算期望副本数包括:
根据当前容器数量、所述预设伸缩参数和副本计算公式计算期望副本数;
其中,所述副本计算公式为Replicas=ceil(LoadUtilization/Z×M);其中,Replicas为期望副本数,M为当前容器数量,ceil函数用于返回大于或等于指定表达式的最小正整数。
本申请还提供一种云平台的容器运行***,包括:
利用率获取模块,用于获取硬件的运行指标,并确定所述运行指标对应的当前利用率;
阈值计算模块,用于根据预设伸缩参数计算扩容阈值和缩容阈值;
负载计算模块,用于根据所述当前利用率计算应用负载利用率;
负载预测模块,用于将所述应用负载利用率输入预设时间序列算法,得到应用负载预测值;
负载判断模块,用于判断所述应用负载利用率是否大于所述扩容阈值,且所述应用负载预测值不小于扩容上限值;
预测值判断模块,用于所述负载判断模块的判断结果为否时,判断所述应用负载利用率是否小于扩容阈值,且所述应用负载预测值不大于扩容下限值;
副本计算模块,用于所述负载判断模块的判断结果均为是时,或所述预测值判断模块的判断结果均为否时,根据当前容器数量、所述预设伸缩参数计算期望副本数;
运行控制模块,用于在所述云平台中运行与所述期望副本数相同的容量数量。
可选的,所述负载预测模块包括:
数据输入单元,用于输入应用资源使用率序列。
判断单元,用于判断所述应用资源使用率序列是否平稳;若是,进入均值化单元;若否,进行一次差分后重复进入本单元;
所述均值化单元,用于对所述应用资源使用率序列进行均值化处理,利用均值化处理后的应用资源使用率序列计算自相关和偏自相关函数;
模型构造单元,用于根据所述自相关函数计算滑动平均模型的平滑阶数,根据所述偏自相关函数计算回归模型的回归阶数,并根据所述滑动平均模型和所述回归模型构造ARMA模型。
负载预测单元,用于利用所述ARMA模型进行负载利用率预测,并输出应用负载预测值。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法的步骤。
本申请还提供一种云计算设备,包括存储器和处理器,所述存储器中存有计算机程序,所述处理器调用所述存储器中的计算机程序时实现如上所述的方法的步骤。
本申请提供一种云平台的容器运行方法,包括:获取硬件的运行指标,并确定所述运行指标对应的当前利用率;根据预设伸缩参数计算扩容阈值和缩容阈值;根据所述当前利用率计算应用负载利用率;将所述应用负载利用率输入预设时间序列算法,得到应用负载预测值;判断所述应用负载利用率是否大于所述扩容阈值,且所述应用负载预测值不小于扩容上限值;若否,判断所述应用负载利用率是否小于扩容阈值,且所述应用负载预测值不大于扩容下限值;若所述应用负载利用率大于扩容阈值且所述应用负载预测值不小于扩容上限值,或所述应用负载利用率小于扩容阈值且应用负载预测值不大于扩容下限值,根据当前容器数量、所述预设伸缩参数计算期望副本数;在所述云平台中运行与所述期望副本数相同的容量数量。
本申请通过确定当前利用率,进行应用负载利用率的计算,并将应用负载利用率作为预设时间序列算法的输入,进行应用负载预测。然后与扩容阈值和扩容限值比较,并在满足条件时根据当前容器数量、预设伸缩参数计算期望副本数,以便在云平台中以期望副本数运行容器,在云平台的运行时精确衡量了当前负载状态,有效根据当前的应用负载利用率进行容器伸缩变化,利用应用的负载预测和当前负载状态共同进行伸缩判断,在应用遭遇暂时性负载增减时能减少无谓的伸缩抖动。
本申请还提供一种云平台的容器运行***、计算机可读存储介质和云计算设备,有益效果相同,在此不作赘述。
附图说明
为了更清楚地说明本申请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申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种云平台的容器运行方法的流程。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
请参考图1,图1为本申请实施例所提供的一种云平台的容器运行方法的流程图,该方法包括:
S101:获取硬件的运行指标,并确定所述运行指标对应的当前利用率;
本步骤旨在采集云平台中各硬件的运行指标,该硬件包括但不限于CPU、内存、磁盘和网络相关设备等,其运行指标指运行时的代表性硬件,主要包括CPU、内存等。各硬件的运行指标可以通过监控组件实时采集,如MetricsServer能采集到应用容器的CPU、内存、磁盘、网络等资源使用情况,或者直接利用k8s指令获取硬件的运行指标和运行指标对应的当前利用率。
需要注意的是,本步骤还需要确定各运行指标对应的当前利用率,即CPU当前利用率和内存当前利用率。当然,在本申请的其他应用实施例中,还可以配置运行指标为其他硬件设备,例如存储,则本步骤还可以获取存储的当前利用率。
本实施例对于如何确定运行指标对应的当前利用率不作具体限定,对于任一运行指标而言,均可以将资源使用量与容器分配的资源量的比值作为该运行指标对应的当前利用率。
S102:根据预设伸缩参数计算扩容阈值和缩容阈值;
本步骤旨在计算扩容阈值和缩容阈值。在应用负载满足扩容阈值或缩容阈值时就会立刻触发相应的伸缩操作,计算输出期望副本数并对容器数量进行调整,本步骤即计算该扩容阈值和缩容阈值。
本实施例对于如何计算扩容阈值和缩容阈值同样不作具体限定,具体可以根据扩容阈值计算公式、伸缩阈值和伸缩参数计算扩容阈值,再根据缩容阈值计算公式、伸缩阈值和伸缩参数计算缩容阈值,可见,具体的计算过程可以借助伸缩参数进行计算。在此对于具体的伸缩参数不作具体限定,可以由本领域技术人员自行设定或获取。则相应的,扩容阈值计算公式可以为upScale=Z×(1+tolerance),upScale为扩容阈值,Z为伸缩阈值,tolerance为伸缩参数,相应的,缩容阈值计算公式downScale=Z×(1-tolerance),downScale为缩容阈值。
此外,还需要主要的是,本实施例中将本步骤标记为步骤S102,而实际上本步骤与步骤S101并无既定的执行顺序要求,在本申请的其他应用实施例中,可以先执行本步骤,或者与步骤S101同步进行。
S103:根据所述当前利用率计算应用负载利用率;
本步骤旨在根据步骤S101中确定的当前利用率计算应用负载利用率。需要注意的是,本步骤中的当前利用率指每项运行指标对应的当前利用率,从而计算得到当前云平台的综合应用负载利用率。具体的,可以对各项当前利用率进行简单叠加,也可以为每项运行指标配置相应的系数后进行均值计算或者均值计算等。
S104:将所述应用负载利用率输入预设时间序列算法,得到应用负载预测值;
在计算得到应用负载利用率后,可以将应用负载利用率输入预设时间序列算法,得到应用负载预测值。在此对于采用何种预设时间序列算法不作具体限定,例如可以采用ARMA(Autoregressive moving average model,自回归滑动平均模型)算法,当然也可以采用其他时间序列算法,例如AR算法等,在此不一一举例限定。
下文以ARMA算法举例对本步骤进行说明。ARMA是一种时间序列算法,回归模型AR描述负载变化线性规律,滑动平均模型MA描述负载变化突发情况,实际中指非平稳序列即非线性序列,ARMA根据应用的实际负载变化情况组合了AR和MA,考虑了应用负载的线性特征和非线性特征,并且在此基础上作了1次或多次差分变换,进而转换为平稳状态ARMA(p,d,q)模型的数学表达式如下:
其中,Wt是任意时间t的应用负载率,θi是AR的参数,φj是MA的参数,是均值为0的白噪声序列,ηt指负载序列在任意时刻t的残差序列值,d用作差分处理,式中p为AR的回归阶数,而q为MA的平滑阶数。ARMA作为一种应用广泛、预测准确的时间序列模型,能够反映应用负载的线性和非线性规律,在短期预测中准确率高、运行速度快、消耗资源少。则在执行本步骤时可以包括如下步骤:
第一步、输入应用资源使用率序列。
第二步、判断所述应用资源使用率序列是否平稳;若是,进入第三步;若否,进行一次差分后重复执行本步骤;
第三步、对所述应用资源使用率序列进行均值化处理,利用均值化处理后的应用资源使用率序列计算自相关和偏自相关函数;
第四步、根据所述自相关函数计算滑动平均模型的平滑阶数,根据所述偏自相关函数计算回归模型的回归阶数,并根据所述滑动平均模型和所述回归模型构造ARMA模型。
第五步、利用所述ARMA模型进行负载利用率预测,并输出应用负载预测值。
第一步中的应用资源使用率序列指应用负载利用率随时间变化而产生的序列。在第二步中,需要对应用资源使用率序列进行平稳性判断,在此对于如何进行平稳性判断不作限定,例如可以将应用资源使用率序列映射为对应的曲线图,判断曲线是否平滑,或者确定应用资源使用率序列对应的函数关系,通过函数验证是否应用资源使用率序列是否平稳,亦可以将应用资源使用率序列作为数列,研究数列的方差等能够反映数列数据波动性的数学指标,以确定应用资源使用率序列是否平稳。若应用资源使用率序列不够平稳,则可以执行差分处理,并重新验证应用资源使用率序列是否平稳。当然,该差分处理可以分为多次执行过程,直至应用资源使用率序列平稳位置。此后,进入模型的构造过程,从而得到ARMA模型,最后可直接利用ARMA模型进行负载利用率预测,当然ARMA模型的输入依旧为应用资源使用率序列,输出为应用负载预测值。
此外,构造ARMA模型之后,还可以对ARMA模型进行有效性检测。若ARMA模型有效,则继续利用ARMA模型进行负载利用率预测,并输出应用负载预测值。若ARMA模型无效,说明应用资源使用率序列的处理未到位,则返回并重新执行第三步对应的步骤。
S105:判断所述应用负载利用率是否大于所述扩容阈值,且所述应用负载预测值不小于扩容上限值;若否,进入S106;若至少一项的判断结果为是,进入S107;
S106:判断所述应用负载利用率是否小于扩容阈值,且所述应用负载预测值不大于扩容下限值;若至少一项的判断结果为是,进入S107;
S107:若所述应用负载利用率大于扩容阈值且所述应用负载预测值不小于扩容上限值,或所述应用负载利用率小于扩容阈值且应用负载预测值不大于扩容下限值,根据当前容器数量、所述预设伸缩参数计算期望副本数;
步骤S105至S107包含了应用负载利用率与扩容阈值之间的比对,以及应用负载率预测值分别与扩容上限值、扩容下限值之间的比对,应用负载利用率大于扩容阈值且应用负载预测值不小于扩容上限值时,说明此时需要扩容。相应的,应用负载利用率小于扩容阈值且应用负载预测值不大于扩容下限值时,表明此时需要缩容,此时即可根据当前容器数量、所述预设伸缩参数计算期望副本数。
还需要注意的是,针对多个运行指标,需要所有运行指标对应的负载预测值和应用负载利用率均满足上述判断条件时,才可进行相应的缩容或者扩容。以CPU和内存为例,需要根据当前CPU利用率计算CPU的应用负载利用率,同时根据当前内存利用率计算内存的应用负载利用率。在分别将二者的应用负载利用率输入预设时间序列算法,分别得到CPU和内存的应用负载预测值,当CPU的应用负载利用率和内存的应用负载利用率均大于扩容阈值,以及二者的应用负载预测值均不小于扩容上限值时,再根据当前容器数量、所述预设伸缩参数计算期望副本数。当然,针对不同的运行指标,其扩容阈值、缩容阈值、扩容上限值和扩容上限值可以单独配置,此时扩容阈值、缩容阈值、扩容上限值和扩容上限值均可以视为组数据,即包含了对于不同运行指标的相应阈值和限值。
在此对于如何计算期望副本数不作限定,可以根据当前容器数量、所述预设伸缩参数和副本计算公式计算期望副本数。副本计算公式为Replicas=ceil(LoadUtilization/Z×M);其中,Replicas为期望副本数,M为当前容器数量,ceil函数用于返回大于或等于指定表达式的最小正整数。
S108:在所述云平台中运行与所述期望副本数相同的容量数量。
此后在云平台中可以运行与期望副本数相同的容量数量。容易理解的是,上述过程可以不间断的持续执行,以实现云平台中容器数量的动态调控。
本申请实施例通过确定当前利用率,进行应用负载利用率的计算,并将应用负载利用率作为预设时间序列算法的输入,进行应用负载预测。然后与扩容阈值和扩容限值比较,并在满足条件时根据当前容器数量、预设伸缩参数计算期望副本数,以便在云平台中以期望副本数运行容器,在云平台的运行时精确衡量了当前负载状态,有效根据当前的应用负载利用率进行容器伸缩变化,利用应用的负载预测和当前负载状态共同进行伸缩判断,在应用遭遇暂时性负载增减时能减少无谓的伸缩抖动。
下面对本申请实施例提供的云平台的容器运行***进行介绍,下文描述的容器运行***与上文描述的云平台的容器运行方法可相互对应参照。
本申请还提供一种云平台的容器运行***,包括:
利用率获取模块,用于获取硬件的运行指标,并确定所述运行指标对应的当前利用率;
阈值计算模块,用于根据预设伸缩参数计算扩容阈值和缩容阈值;
负载计算模块,用于根据所述当前利用率计算应用负载利用率;
负载预测模块,用于将所述应用负载利用率输入预设时间序列算法,得到应用负载预测值;
负载判断模块,用于判断所述应用负载利用率是否大于所述扩容阈值,且所述应用负载预测值不小于扩容上限值;
预测值判断模块,用于所述负载判断模块的判断结果为否时,判断所述应用负载利用率是否小于扩容阈值,且所述应用负载预测值不大于扩容下限值;
副本计算模块,用于所述负载判断模块的判断结果均为是时,或所述预测值判断模块的判断结果均为否时,根据当前容器数量、所述预设伸缩参数计算期望副本数;
运行控制模块,用于在所述云平台中运行与所述期望副本数相同的容量数量。
基于上述实施例,作为优选的实施例,所述负载预测模块包括:
数据输入单元,用于输入应用资源使用率序列。
判断单元,用于判断所述应用资源使用率序列是否平稳;若是,进入均值化单元;若否,进行一次差分后重复运行本单元;
所述均值化单元,用于对所述应用资源使用率序列进行均值化处理,利用均值化处理后的应用资源使用率序列计算自相关和偏自相关函数;
模型构造单元,用于根据所述自相关函数计算滑动平均模型的平滑阶数,根据所述偏自相关函数计算回归模型的回归阶数,并根据所述滑动平均模型和所述回归模型构造ARMA模型;
负载预测单元,用于利用所述ARMA模型进行负载利用率预测,并输出应用负载预测值。
基于上述实施例,作为优选的实施例,还包括:
模型检测模块,用于对所述ARMA模型进行有效性检测;若所述ARMA模型有效,则执行利用所述ARMA模型进行负载利用率预测,并输出应用负载预测值的步骤;若所述ARMA模型无效,则返回并重新执行所述第三步对应的步骤。
本申请还提供了一种计算机可读存储介质,其上存有计算机程序,该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请还提供了一种云计算设备,可以包括存储器和处理器,所述存储器中存有计算机程序,所述处理器调用所述存储器中的计算机程序时,可以实现上述实施例所提供的步骤。当然所述云计算设备还可以包括各种网络接口,电源等组件。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例提供的***而言,由于其与实施例提供的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种云平台的容器运行方法,其特征在于,包括:
获取硬件的运行指标,并确定所述运行指标对应的当前利用率;
根据预设伸缩参数计算扩容阈值和缩容阈值;
根据所述当前利用率计算应用负载利用率;
将所述应用负载利用率输入预设时间序列算法,得到应用负载预测值;
判断所述应用负载利用率是否大于所述扩容阈值,且所述应用负载预测值不小于扩容上限值;
若否,判断所述应用负载利用率是否小于扩容阈值,且所述应用负载预测值不大于扩容下限值;
若所述应用负载利用率大于扩容阈值且所述应用负载预测值不小于扩容上限值,或所述应用负载利用率小于扩容阈值且应用负载预测值不大于扩容下限值,根据当前容器数量、所述预设伸缩参数计算期望副本数;
在所述云平台中运行与所述期望副本数相同的容量数量。
2.根据权利要求1所述的容器运行方法,其特征在于,将所述应用负载利用率输入预设时间序列算法,得到应用负载预测值包括:
第一步、输入应用资源使用率序列。
第二步、判断所述应用资源使用率序列是否平稳;若是,进入第三步;若否,进行一次差分后重复执行本步骤;
第三步、对所述应用资源使用率序列进行均值化处理,利用均值化处理后的应用资源使用率序列计算自相关和偏自相关函数;
第四步、根据所述自相关函数计算滑动平均模型的平滑阶数,根据所述偏自相关函数计算回归模型的回归阶数,并根据所述滑动平均模型和所述回归模型构造ARMA模型;
第五步、利用所述ARMA模型进行负载利用率预测,并输出应用负载预测值。
3.根据权利要求2所述的容器运行方法,其特征在于,根据所述滑动平均模型和所述回归模型构造ARMA模型之后,还包括:
对所述ARMA模型进行有效性检测;
若所述ARMA模型有效,则执行利用所述ARMA模型进行负载利用率预测,并输出应用负载预测值的步骤;
若所述ARMA模型无效,则返回并重新执行所述第三步对应的步骤。
4.根据权利要求1所述的容器运行方法,其特征在于,若所述预设伸缩参数包括伸缩阈值和伸缩参数,则根据预设伸缩参数计算扩容阈值和缩容阈值包括:
根据扩容阈值计算公式、所述伸缩阈值和所述伸缩参数计算扩容阈值;
根据缩容阈值计算公式、所述伸缩阈值和所述伸缩参数计算缩容阈值;
其中,所述扩容阈值计算公式为upScale=Z×(1+tolerance),upScale为扩容阈值,Z为所述伸缩阈值,tolerance为伸缩参数;
所述缩容阈值计算公式downScale=Z×(1-tolerance),downScale为缩容阈值。
5.根据权利要求1所述的容器运行方法,其特征在于,获取硬件的运行指标和所述运行指标对应的当前利用率包括:
利用k8s指令获取硬件的运行指标和所述运行指标对应的当前利用率。
6.根据权利要求4所述的容器运行方法,其特征在于,根据当前容器数量、所述预设伸缩参数计算期望副本数包括:
根据当前容器数量、所述预设伸缩参数和副本计算公式计算期望副本数;
其中,所述副本计算公式为Replicas=ceil(LoadUtilization/Z×M);其中,Replicas为期望副本数,M为当前容器数量,ceil函数用于返回大于或等于指定表达式的最小正整数。
7.一种云平台的容器运行***,其特征在于,包括:
利用率获取模块,用于获取硬件的运行指标,并确定所述运行指标对应的当前利用率;
阈值计算模块,用于根据预设伸缩参数计算扩容阈值和缩容阈值;
负载计算模块,用于根据所述当前利用率计算应用负载利用率;
负载预测模块,用于将所述应用负载利用率输入预设时间序列算法,得到应用负载预测值;
负载判断模块,用于判断所述应用负载利用率是否大于所述扩容阈值,且所述应用负载预测值不小于扩容上限值;
预测值判断模块,用于所述负载判断模块的判断结果为否时,判断所述应用负载利用率是否小于扩容阈值,且所述应用负载预测值不大于扩容下限值;
副本计算模块,用于所述负载判断模块的判断结果均为是时,或所述预测值判断模块的判断结果均为否时,根据当前容器数量、所述预设伸缩参数计算期望副本数;
运行控制模块,用于在所述云平台中运行与所述期望副本数相同的容量数量。
8.根据权利要求7所述的容器运行***,其特征在于,所述负载预测模块包括:
数据输入单元,用于输入应用资源使用率序列。
判断单元,用于判断所述应用资源使用率序列是否平稳;若是,进入均值化单元;若否,进行一次差分后重复进入本单元;
所述均值化单元,用于对所述应用资源使用率序列进行均值化处理,利用均值化处理后的应用资源使用率序列计算自相关和偏自相关函数;
模型构造单元,用于根据所述自相关函数计算滑动平均模型的平滑阶数,根据所述偏自相关函数计算回归模型的回归阶数,并根据所述滑动平均模型和所述回归模型构造ARMA模型;
负载预测单元,用于利用所述ARMA模型进行负载利用率预测,并输出应用负载预测值。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的云平台的容器运行方法的步骤。
10.一种云计算设备,其特征在于,包括存储器和处理器,所述存储器中存有计算机程序,所述处理器调用所述存储器中的计算机程序时实现如权利要求1-6任一项所述的云平台的容器运行方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111552900.3A CN114296867A (zh) | 2021-12-17 | 2021-12-17 | 一种云平台的容器运行方法、***及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111552900.3A CN114296867A (zh) | 2021-12-17 | 2021-12-17 | 一种云平台的容器运行方法、***及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114296867A true CN114296867A (zh) | 2022-04-08 |
Family
ID=80967842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111552900.3A Pending CN114296867A (zh) | 2021-12-17 | 2021-12-17 | 一种云平台的容器运行方法、***及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114296867A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115037615A (zh) * | 2022-06-23 | 2022-09-09 | 新华智云科技有限公司 | 基于云平台的自适应应用扩容方法 |
CN115237610A (zh) * | 2022-09-26 | 2022-10-25 | 城云科技(中国)有限公司 | 一种基于Kubernetes容器云平台的弹性伸缩方法、装置及应用 |
CN115412449A (zh) * | 2022-08-31 | 2022-11-29 | 西安交通大学 | 一种基于负载预测的容器动态伸缩方法及*** |
CN115617517A (zh) * | 2022-10-12 | 2023-01-17 | 中航信移动科技有限公司 | 一种用于应用pod控制的数据处理*** |
CN116701126A (zh) * | 2023-08-01 | 2023-09-05 | 中海石油气电集团有限责任公司 | pod容量控制方法及装置 |
CN116932231A (zh) * | 2023-09-18 | 2023-10-24 | 北京睿企信息科技有限公司 | 一种分布式集群的扩缩容*** |
CN117009076A (zh) * | 2023-07-04 | 2023-11-07 | 中科南京移动通信与计算创新研究院 | 网元的资源处理方法、装置、电子设备及存储介质 |
CN117076136A (zh) * | 2023-10-16 | 2023-11-17 | 国能(北京)商务网络有限公司 | 基于负载跟踪的容器弹性伸缩方法、***、设备及介质 |
WO2023231145A1 (zh) * | 2022-06-02 | 2023-12-07 | 慧壹科技(上海)有限公司 | 基于云平台的数据处理方法、***、电子设备及存储介质 |
WO2024021475A1 (zh) * | 2022-07-27 | 2024-02-01 | 天翼云科技有限公司 | 一种容器调度方法及装置 |
-
2021
- 2021-12-17 CN CN202111552900.3A patent/CN114296867A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023231145A1 (zh) * | 2022-06-02 | 2023-12-07 | 慧壹科技(上海)有限公司 | 基于云平台的数据处理方法、***、电子设备及存储介质 |
CN115037615A (zh) * | 2022-06-23 | 2022-09-09 | 新华智云科技有限公司 | 基于云平台的自适应应用扩容方法 |
WO2024021475A1 (zh) * | 2022-07-27 | 2024-02-01 | 天翼云科技有限公司 | 一种容器调度方法及装置 |
CN115412449A (zh) * | 2022-08-31 | 2022-11-29 | 西安交通大学 | 一种基于负载预测的容器动态伸缩方法及*** |
CN115412449B (zh) * | 2022-08-31 | 2024-02-27 | 西安交通大学 | 一种基于负载预测的容器动态伸缩方法及*** |
CN115237610A (zh) * | 2022-09-26 | 2022-10-25 | 城云科技(中国)有限公司 | 一种基于Kubernetes容器云平台的弹性伸缩方法、装置及应用 |
CN115617517A (zh) * | 2022-10-12 | 2023-01-17 | 中航信移动科技有限公司 | 一种用于应用pod控制的数据处理*** |
CN115617517B (zh) * | 2022-10-12 | 2023-11-10 | 中航信移动科技有限公司 | 一种用于应用pod控制的数据处理*** |
CN117009076A (zh) * | 2023-07-04 | 2023-11-07 | 中科南京移动通信与计算创新研究院 | 网元的资源处理方法、装置、电子设备及存储介质 |
CN116701126B (zh) * | 2023-08-01 | 2023-12-12 | 中海石油气电集团有限责任公司 | pod容量控制方法及装置 |
CN116701126A (zh) * | 2023-08-01 | 2023-09-05 | 中海石油气电集团有限责任公司 | pod容量控制方法及装置 |
CN116932231B (zh) * | 2023-09-18 | 2023-12-22 | 北京睿企信息科技有限公司 | 一种分布式集群的扩缩容*** |
CN116932231A (zh) * | 2023-09-18 | 2023-10-24 | 北京睿企信息科技有限公司 | 一种分布式集群的扩缩容*** |
CN117076136A (zh) * | 2023-10-16 | 2023-11-17 | 国能(北京)商务网络有限公司 | 基于负载跟踪的容器弹性伸缩方法、***、设备及介质 |
CN117076136B (zh) * | 2023-10-16 | 2024-02-06 | 国能(北京)商务网络有限公司 | 基于负载跟踪的容器弹性伸缩方法、***、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114296867A (zh) | 一种云平台的容器运行方法、***及相关装置 | |
WO2020119051A1 (zh) | 云平台资源使用预测方法及终端设备 | |
CN106933650A (zh) | 云应用***的负载管理方法及*** | |
CN114356558B (zh) | 一种基于集群的缩容处理方法及装置 | |
CN107015900B (zh) | 一种视频网站的服务性能预测方法 | |
CN113515382B (zh) | 云资源的分配方法、装置、电子设备及存储介质 | |
CN114490078A (zh) | 一种微服务的动态缩扩容方法、装置及设备 | |
CN104932898B (zh) | 一种基于改进多目标粒子群优化算法的待增组件选择方法 | |
CN111385142A (zh) | 基于Kubernetes的自适应伸缩web容器的方法 | |
CN114971094A (zh) | 基于边缘计算的电力负荷预测方法、装置、设备及介质 | |
CN115858155A (zh) | 一种算力网络平台的应用资源动态扩缩容方法及装置 | |
CN115391048A (zh) | 基于趋势预测的微服务实例动态水平扩展收缩方法及*** | |
CN111143070A (zh) | 一种资源调度方法和装置 | |
Jiang et al. | Forecasting method study on chaotic load series with high embedded dimension | |
CN115525394A (zh) | 容器数量的调整方法及装置 | |
Kirsopp et al. | An empirical analysis of linear adaptation techniques for case-based prediction | |
Schlosser et al. | Managing multiple sources of epistemic uncertainty in engineering decision making | |
CN110134575B (zh) | 一种服务器集群的服务能力计算方法及装置 | |
CN116780527A (zh) | 一种台区无功补偿充裕度评估方法、装置及相关设备 | |
CN117666637B (zh) | 水库的泄水控制方法、设备及介质 | |
CN118394534A (zh) | 集群应用服务的扩缩容方法、***、产品、装置及介质 | |
CN117149358A (zh) | 一种基于组合预测的在线应用扩缩容方法和*** | |
CN116755837A (zh) | 容器集合的调整方法和装置、存储介质及电子设备 | |
CN116090818A (zh) | 算力资源调度风险确定方法、装置、电子设备及介质 | |
CN118378068A (zh) | 一种云平台容量预测方法、装置、设备及存储介质 |
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 |