【技术实现步骤摘要】
本专利技术涉及一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，属于微服务资源动态优化配置。
技术介绍
1、云计算作为弹性、可靠、动态的服务提供者，在cpu、gpu、ram、磁盘i/o和网络带宽的基础上提供计算资源，但随着应用类型的爆发式增长，云原生这种注重敏捷迭代、按需分配和弹性伸缩的新一代云技术架构开始逐步取代原有的单体式云，正在被更多行业所接受。区别于传统的云计算，云原生有两大特点，即容器化封装和微服务化，将复杂的单体应用程序解耦成多个独立、模块化、轻量级的微服务（microservice）节点，以降低模块之间的相互依赖，把轻量化的容器作为主要运行环境，以实现环境隔离和集群资源管理。并提升其开发和部署时的并发性和鲁棒性，从而有效缩短软件开发周期。
2、当前数据中心在硬件资源、运营成本及能源供应等多个维度均面临固有的局限性，因此，仅仅通过增加资源投入来确保服务质量（quality of service, qos）的策略并不可持续。此外，微服务应用对各类资源的需求呈现出显著的差异性。多个微服务节点在资源共享环境下，面临着对cpu、内存和i/o带宽等有限资源的竞争。当前的资源调度算法往往忽视了资源竞争对系统性能的负面影响，导致在多个微服务节点同时请求资源时，系统性能下降。要确保微服务应用的qos，就必须精准捕捉并充分满足其对各类资源的具体需求。因此，若是能够高效地对各微服务节点进行资源自适应分配与管理，不仅能够显著提升系统的整体性能和资源利用率，而且对于保证应用端到端的qos至关重要。
3、然而，
4、现有技术中，微服务的资源管理方法主要分为两种。其一是基于神经网络的微服务自适应资源分配方法，其二是基于资源请求特征对微服务的资源进行弹性伸缩管理。
5、《基于组合神经网络的微服务资源分配方法》，中国专利技术专利（cn114968563a），2022，基于组合神经网络识别微服务的依赖关系与云环境的动态特征，预测并定位引起性能违约的微服务，并锁定其受到限制的瓶颈资源，针对瓶颈资源进行资源的分配，以在减少性能违约的情况下尽可能提高数据中心的资源使用率。然而，在复杂动态环境中因组合神经网络的高计算开销和实时性不足，难以快速响应突发负载或非线性资源需求变化。
6、《一种云服务器资源管理的弹性伸缩方法及系统》，中国专利技术专利（cn117076106a），2023，通过随机梯度下降和偏移的方式生成负载压力线，基于负载压力线判断负载数据所处的负载状态，根据判断结果来选择一种适用的弹性伸缩方法。然而，它们缺乏对动态变化环境的适应能力，从而影响弹性伸缩的精确性和实时性。
7、《云环境下拓扑感知的微服务应用调度的方法及应用》，中国专利技术专利（cn114625500a），2022，基于集群的概要信息，为集群内的工作节点构建一个多维度的资源管理模型。随后，利用微服务应用的概要信息及该多维资源管理模型，对工作节点进行预部署操作。在此过程中，依据资源均衡原则筛选出合适的调度节点。接着，通过参考微服务应用与调度节点的拓扑结构图，获取微服务应用的调度方案，并依据此方案执行相应的调度任务。然而，他们过于依赖集群与微服务的概要信息，导致资源利用率与调度效率下降。
8、博弈论近年来被广泛应用于资源管理领域。然而，基于半监督元学习实现微服务节点的性能预测，并结合拥塞博弈在满足端到端的服务质量前提下，最大化微服务节点资源利用率的方案，目前还未见报道。因此，本专利技术以服务请求的响应时间作为qos，提出一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，实现在满足任务端到端的服务质量的同时，提高微服务节点的资源利用率。
技术实现思路
1、本专利技术的主要目的在于提供一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，旨在解决在云原生架构下，难以保证任务端到端的服务质量和微服务节点的资源利用率的技术问题。
2、为实现上述目的，本专利技术提出一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，当半监督元学习（smpm）模型预测节点对应的性能超过qos规定范围时，结合拥塞博弈算法动态地调整微服务节点的cpu、内存、i/o和llc等资源，具体步骤为：
3、step1：在容器引擎中部署基准测试工具，模拟真实的应用场景；
4、step2：在所述应用场景中利用性能监测工具采集微服务“资源-性能”数据；
5、step3：对所述微服务“资源-性能”数据进行标准化处理；在表格生成对抗（tgan）模型的基础上加入条件向量，得到修订后的条件表格生成对抗（ctgan）模型，基于标准化处理后的微服务“资源-性能”数据中的标签数据集，利用ctgan模型生成带标签辅助数据；
6、step4：基于所述标准化处理后的微服务“资源-性能”数据及所述带标签辅助数据，构建smpm模型，实现微服务节点的性能预测；
7、step5：当所述预测微服务的性能不满足预设服务质量要求时，结合拥塞博弈生成资源自适应分配决策；
8、step6：基于所述资源自适应分配决策，利用资源管理工具对cpu、内存和i/o资源实施分配。
9、所述step3具体为：
10、step3.1：对所述微服务“资源-性能”数据中的连续型特征和离散型特征进行处理，得到标准化的微服务“资源-性能”数据；
11、step3.2：构建条件向量；
12、step3.3：基于构建的条件向量，利用交叉熵损失训练生成器；
13、step3.4：通过判别器评估生成器性能；
14、step3.5：重复step3.2-step3.4，当生成数据分布与实际数据分布相同时，输出与所述标准化的微本文档来自技高网...
【技术保护点】
1.一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，其特征在于，所述的方法包括：
2.根据权利要求1所述的一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，其特征在于，所述Step3具体为：
3.根据权利要求1所述的一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，其特征在于，所述Step4具体为：
4.根据权利要求3所述的一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，其特征在于，所述Step4.2中得到最佳嵌入空间参数具体为：
5.根据权利要求1所述的一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，其特征在于，所述Step5具体为：
6.根据权利要求5所述的一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，其特征在于，所述Step5.2具体为：
7.根据权利要求5所述的一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，其特征在于，所述Step5.3具体为：
8.根据权利要求5所述的一种云原生架构下的基于拥塞博弈的微服务资源自适应管理
...【技术特征摘要】
1.一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，其特征在于，所述的方法包括：
2.根据权利要求1所述的一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，其特征在于，所述step3具体为：
3.根据权利要求1所述的一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，其特征在于，所述step4具体为：
4.根据权利要求3所述的一种云原生架构下的基于拥塞博弈的微服务资源自适应管理方法，其特征在于，所述step4.2中得到最佳嵌入空间参数具体为：
...
【专利技术属性】
技术研发人员：郝佳，夏鸿晏，杨瑞清，曹睿婕，
申请(专利权)人：云南师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。