用于容器集群管理系统的调度方法及装置制造方法及图纸

本公开涉及用于容器集群管理系统的调度及装置、计算机可存储介质，涉及计算机技术领域。用于容器集群管理系统的调度方法包括：获取所述容器集群管理系统中多个容器的资源在历史周期内的历史数据；根据每个容器的资源的历史数据，预测所述每个容器的资源在未来周期内的预测数据；针对每个容器，根据相应的预测数据，在所述未来周期的开始时间对所述每个容器进行资源调度。根据本公开，可以减少故障发生的频率，提高应用性能和资源利用率。提高应用性能和资源利用率。提高应用性能和资源利用率。

【技术实现步骤摘要】
用于容器集群管理系统的调度方法及装置


[0001]本公开涉及计算机
，特别涉及用于容器集群管理系统的调度方法及装置、计算机可存储介质。

技术介绍

[0002]容器集群管理系统用于管理云平台中多个主机上的容器化的应用。
[0003]相关技术中，在容器的资源不足的情况下，发出告警信息，由维护人员根据告警信息，人工参与决策完成容器的资源调度。

技术实现思路

[0004]相关技术中，采用事后告警的机制，容易导致故障响应不及时、业务访问慢，甚至宕机等问题，从而导致资源利用率较低。
[0005]针对上述技术问题，本公开提出了一种解决方案，可以减少故障发生的频率，提高应用性能和资源利用率。
[0006]根据本公开的第一方面，提供了一种用于容器集群管理系统的调度方法，包括：获取所述容器集群管理系统中多个容器的资源在历史周期内的历史数据；根据每个容器的资源的历史数据，预测所述每个容器的资源在未来周期内的预测数据；针对每个容器，根据相应的预测数据，在所述未来周期的开始时间对所述每个容器进行资源调度。
[0007]在一些实施例中，根据每个容器的资源的历史数据，预测所述每个容器的资源在未来周期内的预测数据包括：将每个容器的资源的历史数据，分别输入到第一预测模型和第二预测模型中，得到第一数据和第二数据；根据所述第一数据和第二数据，确定与所述每个容器对应的预测数据。
[0008]在一些实施例中，根据所述第一数据和第二数据，确定与所述每个容器对应的预测数据包括：确定所述第一预测模型和所述第二预测模型的模型权重；利用所述第一预测模型和所述第二预测模型的模型权重，融合所述第一数据和第二数据，得到与所述每个容器对应的预测数据。
[0009]在一些实施例中，确定所述第一预测模型和所述第二预测模型的模型权重包括：根据所述第一预测模型的误差平方和以及所述第二预测模型的误差平方和，确定所述第一预测模型和所述第二预测模型的模型权重。
[0010]在一些实施例中，根据所述第一预测模型的误差平方和以及所述第二预测模型的误差平方和，确定所述第一预测模型和所述第二预测模型的模型权重包括：计算所述第一预测模型的误差平方和与所述第二预测模型的误差平方和的总和；确定所述第一预测模型的误差平方和与所述总和的比值为所述第一预测模型的模型权重；确定所述第二预测模型的误差平方和与所述总和的比值为所述第二预测模型的模型权重。
[0011]在一些实施例中，利用所述第一预测模型和所述第二预测模型的模型权重，融合所述第一数据和第二数据，得到与所述每个容器对应的预测数据包括：利用所述第一预测
模型和所述第二预测模型的模型权重对所述第一数据和所述第二数据进行加权处理，得到与所述每个容器对应的预测数据。
[0012]在一些实施例中，所述第一预测模型为差分整合移动平均自回归ARIMA模型，所述第二预测模型为前馈BP神经网络模型。
[0013]在一些实施例中，与所述每个容器对应的预测数据包括所述每个容器的每种资源在所述未来周期内的各个时间的预测指标值，针对每个容器，根据相应的预测数据，在所述未来周期的开始时间对所述每个容器进行资源调度包括：确定每个容器的每种资源的上限指标值和下限指标值；针对每个容器的每种资源，在所述各个时间的预测指标值存在超过所述上限指标值的情况下，增加所述每个容器的所述每种资源；针对每个容器的每种资源，在所述各个时间的预测指标值存在或者低于所述下限指标值的情况下，回收所述每个容器的所述每种资源。
[0014]在一些实施例中，增加所述每个容器的所述每种资源包括：确定所述每个容器的所述每种资源在所述未来周期内的预测指标值的平均值与对应的上限指标值的差值，为所述每个容器的所述每种资源的资源增加量；根据所述每个容器的所述每种资源的资源增加量，增加所述每个容器的所述每种资源。
[0015]在一些实施例中，回收所述每个容器的所述每种资源包括：获取所述每个容器的所述每种资源在所述未来周期内的预期资源量；确定所述每个容器的所述每种资源在所述未来周期内的预期资源量与预测指标值的平均值的差值，为所述每个容器的所述每种资源的资源回收量；根据所述每个容器的所述每种资源的资源回收量，回收所述每个容器的所述每种资源。
[0016]在一些实施例中，确定每个容器的每种资源的上限指标值和下限指标值包括：获取每个容器的每种资源在所述未来周期内的申请量和最大申请限额；根据所述最大申请限额和上限资源利用率，确定所述每个容器的每种资源的上限指标值；根据所述申请量和下限资源利用率，确定所述每个容器的每种资源的下限指标值。
[0017]在一些实施例中，与所述每个容器对应的预测数据包括所述每个容器的每种资源在所述未来周期内的各个时间的预测指标值，针对每个容器，根据相应的预测数据，在所述未来周期的开始时间对所述每个容器进行资源调度包括：针对每个容器的每种资源，从所述各个时间中，确定预测指标值超过所述上限指标值或者低于所述下限指标值的最早时间，作为所述每个容器的所述每种资源的临界时间；根据所述多个容器的每种资源的临界时间，确定每个容器的每种资源的资源调度优先级，所述资源调度优先级与相应的临界时间成正相关；针对每个容器，根据与其对应的每种资源的资源调度优先级，确定所述每个容器的容器调度优先级；按照容器调度优先级从高到低的顺序，在所述未来周期的开始时间对所述多个容器进行资源调度。
[0018]在一些实施例中，每个容器具有多种资源，针对每个容器，根据与其对应的每种资源的资源调度优先级，确定所述每个容器的容器调度优先级包括：针对每个容器，根据与其对应的每种资源的资源调度优先级以及每种资源的资源调度权重，确定所述每个容器的容器调度优先级，其中，所述每个容器的每种资源的资源调度权重与所述每个容器所承载的应用的资源消耗类型相关，每个容器的不同资源的资源调度权重之和为1。
[0019]在一些实施例中，所述容器集群管理系统包括多个节点，每个节点运行一个或多
个pod，每个pod包括一个或多个容器，所述调度方法还包括：
[0020]针对每个容器，在所述每个容器所在的节点上的资源无法满足所述每个容器的资源调度需求的情况下，响应于针对所述每个容器所承载的应用的pod资源分配请求，获取所述pod资源分配请求中所述应用针对所述每种资源的资源请求量；利用预选算法，从所述多个节点中，初步筛选出符合初始条件的节点，作为候选节点；在候选节点存在多个的情况下，针对每个候选节点，根据所述每个候选节点针对每种资源的资源总量及其已消耗资源量、所述应用针对所述每种资源的资源请求量，确定所述每个候选节点针对所述每种资源的预期资源利用率，所述预期资源利用率表征在所述应用部署到所述每个候选节点的情况下，所述每个候选节点针对每种资源的预期资源利用率；针对每个候选节点，根据所述每个候选节点针对每种资源的预期资源利用率，确定所述每个候选节点针对不同资源的资源利用情况的均衡性得分，所述均衡性得分表征所述每个候选节点针对不同资源的资源利用的均衡性；根据多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于容器集群管理系统的调度方法，包括：获取所述容器集群管理系统中多个容器的资源在历史周期内的历史数据；根据每个容器的资源的历史数据，预测所述每个容器的资源在未来周期内的预测数据；针对每个容器，根据相应的预测数据，在所述未来周期的开始时间对所述每个容器进行资源调度。2.根据权利要求1所述的用于容器集群管理系统的调度方法，其中，根据每个容器的资源的历史数据，预测所述每个容器的资源在未来周期内的预测数据包括：将每个容器的资源的历史数据，分别输入到第一预测模型和第二预测模型中，得到第一数据和第二数据；根据所述第一数据和第二数据，确定与所述每个容器对应的预测数据。3.根据权利要求2所述的用于容器集群管理系统的调度方法，其中，根据所述第一数据和第二数据，确定与所述每个容器对应的预测数据包括：确定所述第一预测模型和所述第二预测模型的模型权重；利用所述第一预测模型和所述第二预测模型的模型权重，融合所述第一数据和第二数据，得到与所述每个容器对应的预测数据。4.根据权利要求3所述的用于容器集群管理系统的调度方法，其中，确定所述第一预测模型和所述第二预测模型的模型权重包括：根据所述第一预测模型的误差平方和以及所述第二预测模型的误差平方和，确定所述第一预测模型和所述第二预测模型的模型权重。5.根据权利要求4所述的用于容器集群管理系统的调度方法，其中，根据所述第一预测模型的误差平方和以及所述第二预测模型的误差平方和，确定所述第一预测模型和所述第二预测模型的模型权重包括：计算所述第一预测模型的误差平方和与所述第二预测模型的误差平方和的总和；确定所述第一预测模型的误差平方和与所述总和的比值为所述第一预测模型的模型权重；确定所述第二预测模型的误差平方和与所述总和的比值为所述第二预测模型的模型权重。6.根据权利要求3
‑
5任一项所述的用于容器集群管理系统的调度方法，其中，利用所述第一预测模型和所述第二预测模型的模型权重，融合所述第一数据和第二数据，得到与所述每个容器对应的预测数据包括：利用所述第一预测模型和所述第二预测模型的模型权重对所述第一数据和所述第二数据进行加权处理，得到与所述每个容器对应的预测数据。7.根据权利要求2所述的用于容器集群管理系统的调度方法，其中，所述第一预测模型为差分整合移动平均自回归ARIMA模型，所述第二预测模型为前馈BP神经网络模型。8.根据权利要求1所述的用于容器集群管理系统的调度方法，其中，与所述每个容器对应的预测数据包括所述每个容器的每种资源在所述未来周期内的各个时间的预测指标值，针对每个容器，根据相应的预测数据，在所述未来周期的开始时间对所述每个容器进行资源调度包括：
确定每个容器的每种资源的上限指标值和下限指标值；针对每个容器的每种资源，在所述各个时间的预测指标值存在超过所述上限指标值的情况下，增加所述每个容器的所述每种资源；针对每个容器的每种资源，在所述各个时间的预测指标值存在或者低于所述下限指标值的情况下，回收所述每个容器的所述每种资源。9.根据权利要求8所述的用于容器集群管理系统的调度方法，其中，增加所述每个容器的所述每种资源包括：确定所述每个容器的所述每种资源在所述未来周期内的预测指标值的平均值与对应的上限指标值的差值，为所述每个容器的所述每种资源的资源增加量；根据所述每个容器的所述每种资源的资源增加量，增加所述每个容器的所述每种资源。10.根据权利要求8所述的用于容器集群管理系统的调度方法，其中，回收所述每个容器的所述每种资源包括：获取所述每个容器的所述每种资源在所述未来周期内的预期资源量；确定所述每个容器的所述每种资源在所述未来周期内的预期资源量与预测指标值的平均值的差值，为所述每个容器的所述每种资源的资源回收量；根据所述每个容器的所述每种资源的资源回收量，回收所述每个容器的所述每种资源。11.根据权利要求8所述的用于容器集群管理系统的调度方法，其中，确定每个容器的每种资源的上限指标值和下限指标值包括：获取每个容器的每种资源在所述未来周期内的申请量和最大申请限额；根据所述最大申请限额和上限资源利用率，确定所述每个容器的每种资源的上限指标值；根据所述申请量和下限资源利用率，确定所述每个容器的每种资源的下限指标值。12.根据权利要求1所述的用于容器集群管...

【专利技术属性】
技术研发人员：严丽云，杨新章，何震苇，李慧云，张凌，林园致，黄丹池，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：