申请/专利权人：中国石油大学(华东)

申请日：2020-12-14

公开（公告）日：2024-04-02

公开（公告）号：CN114625493B

主分类号：G06F9/48

分类号：G06F9/48;G06F9/50;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2023.09.15#实质审查的生效;2022.06.14#公开

摘要：本发明公开了一种基于改进天牛须智能方法的Kubernetes集群资源调度方法，其特征在于采用yaml文件从集群工作节点中获取CPU核数、磁盘读写速率等参数和集群任务列表Pod；应用蚁群智能方法初始化集群资源信息，根据蚂蚁的移动轨迹得到全局资源调度初始方案；利用全局资源调度初始方案初始化天牛须智能方法中种群个体分布，根据集群负载程度计算天牛移动的坐标向量，天牛停止搜索后，输出全局资源调度方案，即为Kuberbetes集群最终资源调度方案。本发明根据蚁群智能方法寻优结果，初始化天牛须智能方法的调度方案，应用天牛须智能方法动态地为集群环境中的每个任务分配最优的工作节点，提高集群资源调度最优方案的搜索精度，并提高集群资源综合利用率。

主权项：1.一种基于改进天牛须智能方法的Kubernetes集群资源调度方法，其特征在于，包括以下步骤：从Kubernetes集群工作节点中利用yaml文件获取CPU、内存、网络、磁盘利用率和CPU核数、内存容量、网络速率、磁盘读写速率和集群任务列表Pod；应用蚁群智能方法初始化集群资源信息，设置种群个数，信息素浓度、信息素挥发因子以及迭代次数，以工作节点的资源平衡度和全局信息素的加权作为目标函数，计算蚂蚁个体的目标函数值并进行移动，根据蚂蚁的移动轨迹得到全局资源调度初始方案，具体包括以下四个步骤：1设定蚁群智能方法中种群个数为m,Pod列表中任务个数为n，nm,迭代次数为D，目标函数为H，以集群工作节点的资源数量作为信息素浓度c，信息素挥发因子为β，根据种群个数m随机选取Pod部署蚂蚁个体；2设置蚂蚁个体在Pod列表中的转移值，目标函数由工作节点的资源平衡度S1与全局信息素加权得到，S1计算公式为： 其中，Id为磁盘利用率、Ic为CPU利用率、In为网络利用率、Im为内存利用率和Jd为磁盘读写速率、e为CPU核数、Jc为CPU频率、Jn为网络速率、Jm为内存容量，蚂蚁个体根据转移值判断Pod列表中是否存在移动点，如果存在，对集群资源调度方案重新规划，如果不存在，视为当前规划最优，蚂蚁停止移动；3在所有蚂蚁个体停止转移后，根据蚂蚁个体的移动轨迹和信息素挥发因子β更新全局信息素浓度c；4重复步骤2、3，直到满足最大迭代次数或者达到设置的阈值，蚂蚁种群寻优停止，得到全局资源调度初始方案；利用全局资源调度初始方案初始化天牛须智能方法中种群个体分布，设置天牛步长以及搜索距离，根据集群负载程度计算天牛移动的坐标向量，天牛停止搜索后，输出全局资源调度方案，即为Kuberbetes集群最终资源调度方案，具体包括以下四个步骤：1模拟天牛触角建立两个随机朝向向量，并计算天牛触角的坐标向量，天牛步长为d0，搜索距离为δ，迭代次数为L，步长衰减率为α；2根据表示集群负载程度的目标函数Fload确定天牛触角气味强度，Fload计算公式为： 其中，k为当前集群负载数量、n为Pod列表中任务个数；3对步骤2中天牛触角气味强度的比较，确定下一次迭代更新后的天牛坐标向量，同步更新天牛步长以及搜索距离；4重复步骤2、3，直到满足最大迭代次数或者达到设置的阈值，天牛停止搜索，此时天牛坐标为全局资源调度方案，该结果即为Kuberbetes集群最终资源调度方案。

全文数据：

权利要求：

百度查询： 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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD