CN108170517A - 一种容器分配方法、装置、服务器及介质 - Google Patents
一种容器分配方法、装置、服务器及介质 Download PDFInfo
- Publication number
- CN108170517A CN108170517A CN201810015248.3A CN201810015248A CN108170517A CN 108170517 A CN108170517 A CN 108170517A CN 201810015248 A CN201810015248 A CN 201810015248A CN 108170517 A CN108170517 A CN 108170517A
- Authority
- CN
- China
- Prior art keywords
- server
- performance
- utilization rate
- container
- current
- 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
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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种容器分配方法、装置、服务器和介质,方法包括:获取服务器集群中的每个服务器的当前性能参数;所述当前性能参数表征当前CPU的利用率或当前内存的利用率;基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数;根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数;其中,所述最佳性能指标表征CPU的最佳利用率或内存的最佳利用率;根据所述性能分数,从所述服务器集群中确定出目标服务器;将所述容器分配至所述目标服务器进行运行。本发明解决了现有技术中的容器分配方法存在的能量消耗大和可靠性差的技术问题,实现了节能和提高可靠性的效果。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种容器分配方法、装置、服务器及介质。
背景技术
容器可以作为虚拟机的一种替代品,它能够帮助开发者构建、迁移、部署和实例化应用。容器是进程的集合,这些进程共享了一个操作系统实例,但是独立于服务器系统中的其他进程。容器并不需要一个完整的操作系统,这个特性使得它们比虚拟机更加轻量。因为容器能够在数秒内启动,因此容器只用分配少量的资源,就能通过扩展来满足应用的需求。
容器经常被应用于微服务,每一容器代表一个服务,这些服务通过网络来进行互联。这种架构使得每一个模块都能够被独立地部署和扩展。容器是一组进程的集合,因此容器也有等待运行,运行中,退出三个状态。当容器配置被定义完成,提交到容器管理工具后,容器就进入等待状态。当容器经过调度器分配到某个服务器运行起来,容器就进入了运行状态。最后,当容器结束、退出、丢失以及被终止,都代表容器结束。如果调度失败或者没有得到调度,容器的状态也是代表结束状态。
现有的容器分配方法有:随机调度法、平均分配法和逐一分配法,其中,随机调度法即从可调度的服务器集合中随机选择一个服务器作为待调度容器的启动节点;平均分配法即按照服务器集合中每个服务器已分配的容器数量,优先分配给数量少的服务器,已达到平均分配;逐一分配法即将容器分配至已分配资源最大的服务器或者是剩下可分配资源最小的服务器上,在分配满一个服务器后,再分配下一个服务器,使单机资源利用率达到最高。
然而,随机调度法的随机性太强,在节能和可靠性上均未做考虑。平均分配法需要每个服务器均处于运行状态,会带来较大的能源消耗。而逐一分配法没有考虑服务器运行的状态,这样容易导致服务器负载过高导致宕机,容器丢失,最终影响服务质量。
可见,现有的容器分配方法在节能和可靠性上均不佳,存在能量消耗大和可靠性差的技术问题。
发明内容
本申请实施例通过提供一种容器分配方法、装置、服务器及介质,解决了现有的容器分配方法存在的能量消耗大和可靠性差的技术问题。
第一方面,提供一种容器分配方法,包括:
获取服务器集群中的每个服务器的当前性能参数;所述当前性能参数表征当前CPU的利用率或当前内存的利用率;
基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数;
根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数;其中,所述最佳性能指标表征CPU的最佳利用率或内存的最佳利用率;
根据所述性能分数,从所述服务器集群中确定出目标服务器;
将所述容器分配至所述目标服务器进行运行。
可选的,所述最佳性能指标为CPU的利用率为60%-70%,或内存的利用率为60%-70%。
可选的,所述根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数,包括:计算出所述预计性能参数与所述最佳性能指标之间的差值绝对值;根据所述差值绝对值确定所述性能分数,其中,所述差值绝对值与所述性能分数反相关。
可选的,所述根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数,包括:基于所述预计性能参数查询预设的分数列表,所述分数列表与所述最佳性能指标相关;从所述分列表中确定出所述预计性能参数对应的分数作为所述性能分数。
可选的,所述根据所述性能分数,从所述服务器集群中确定出目标服务器,包括:确定所述服务器集群中性能分数最高的服务器作为所述目标服务器。
可选的,所述当前性能参数包括当前CPU的利用率和当前内存的利用率;所述预计性能参数包括获得容器后的CPU的利用率和获得容器后的内存的利用率;所述预设的最佳性能指标包括CPU的最佳利用率和内存的最佳利用率;所述根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数,包括:根据所述预计性能参数,计算出所述每个服务器获得容器后的CPU的利用率与获得容器后的内存的利用率的利用率差值;根据所述利用率差值、所述预计性能参数和预设的所述最佳性能指标,确定所述每个服务器的性能分数,所述性能分数与所述利用率差值反相关。
第二方面,提供一种容器分配装置,包括:
获取模块,用于获取服务器集群中的每个服务器的当前性能参数;所述当前性能参数表征当前CPU的利用率或当前内存的利用率;
计算模块,用于基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数;
打分模块,用于根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数;其中,所述最佳性能指标表征CPU的最佳利用率或内存的最佳利用率;
确定模块,用于根据所述性能分数,从所述服务器集群中确定出目标服务器;
分配模块,用于将所述容器分配至所述目标服务器进行运行。
可选的,所述最佳性能指标为CPU的利用率为60%-70%,或内存的利用率为60%-70%。
第三方面,提供一种分配服务器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述第一方面所述的方法。
第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述第一方面所述的方法。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的方法、装置、服务器及介质,获取服务器集群中的每个服务器的当前性能参数,并基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数,再根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数,进而根据所述性能分数,从所述服务器集群中确定出目标服务器,并将所述容器分配至所述目标服务器进行运行。即在分配容器时考虑预计性能参数与预设的最佳性能指标的关系,一方面避免容器平均分配的耗能问题,另一方面,通过考虑最佳性能指标能避免出现服务器负载过高的丢失容器问题,实现了节能和提高可靠性的效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本申请实施例中容器分配方法的流程图;
图2为本申请实施例中容器分配装置的结构示意图;
图3为本申请实施例中分配服务器的结构示意图;
图4为本申请实施例中计算机可读存储介质400的结构示意图。
具体实施方式
本申请实施例通过提供容器分配方法、装置、服务器及介质,解决了现有的容器分配方法存在的能量消耗大和可靠性差的技术问题,实现了节能和提高可靠性的效果。
本申请实施例的技术方案为解决上述技术问题,总体思路如下:
一种容器分配方法,包括:
获取服务器集群中的每个服务器的当前性能参数;所述当前性能参数表征当前CPU的利用率或当前内存的利用率;
基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数;
根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数;其中,所述最佳性能指标表征CPU的最佳利用率或内存的最佳利用率;
根据所述性能分数,从所述服务器集群中确定出目标服务器;
将所述容器分配至所述目标服务器进行运行。
具体来讲,获取服务器集群中的每个服务器的当前性能参数,并基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数,再根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数,进而根据所述性能分数,从所述服务器集群中确定出目标服务器,并将所述容器分配至所述目标服务器进行运行。即在分配容器时考虑预计性能参数与预设的最佳性能指标的关系,一方面避免容器平均分配的耗能问题,另一方面,通过考虑最佳性能指标能避免出现服务器负载过高的丢失容器问题,实现了节能和提高可靠性的效果。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示,一种容器分配方法,包括:
步骤S101,获取服务器集群中的每个服务器的当前性能参数;所述当前性能参数表征当前CPU的利用率或当前内存的利用率;
步骤S102,基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数;
步骤S103,根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数;其中,所述最佳性能指标表征CPU的最佳利用率或内存的最佳利用率;
步骤S104,根据所述性能分数,从所述服务器集群中确定出目标服务器;
步骤S105,将所述容器分配至所述目标服务器进行运行。
在本申请实施例中,所述方法可以应用于分配服务器,所述分配服务器可以为计算机设备、云端或计算机设备组,在此不作限制。
下面,结合图1来详细介绍本实施例提供的容器分配方法的具体实施步骤:`首先,执行步骤S101,获取服务器集群中的每个服务器的当前性能参数;所述当前性能参数表征当前CPU的利用率或当前内存的利用率。
在本申请实施例中,可以设置管理容器分配和调度的分配服务器在接收到需要分配容器的请求时,发送参数获取指令至所述服务器集群,以使所述服务器集群中的服务器基于所述参数获取指令上传自身的当前性能参数至所述分配服务器。
其中,所述当前性能参数包括当前CPU的利用率和/或当前内存的利用率。
然后,执行步骤S102,基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数。
在本申请实施例中,所述预计性能参数包括预计的获得所述容器后的CPU的利用率和/或预计的获得所述容器后的内存的利用率。
具体来讲,计算出预计性能参数,是为了得到服务器获得容器后的性能情况,是为了保证容器调度时服务器在分配容器后,能够正常的运行,避免出现分配容器后的负载过高,保证可靠性。
在具体实施过程中,根据所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数的方法可以有多种,下面列举两种为例:
第一种,根据容器的大小和经验数据。
即分配服务器会根据需要分配的容器的大小,结合之前存储的运行日志,或者结合技术人员根据自身经验预先存储在所述分配服务器的容器大小与消耗负载的对应数据,来确定出所述容器启动运行时会占用的资源,从而将该占用的资源叠加到所述当前性能参数上,得到所述预计性能参数。
第二种,试运行。
即所述分配服务器会尝试运行所述容器,获得所述容器运行时的资源占用情况,从而将该占用的资源叠加到所述当前性能参数上,得到所述预计性能参数。
当然,根据所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数的方法不限于以上两种,在具体实施过程中可以根据需要设置,在此不作限制。
接下来,执行步骤S103,根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数;其中,所述最佳性能指标表征CPU的最佳利用率或内存的最佳利用率。
在本申请实施例中,所述发明人根据经验数据,进行研究发现所述最佳性能指标为CPU的利用率为60%-70%,或内存的利用率为60%-70%。具体来讲,当服务器的CPU的利用率为60%-70%,或内存的利用率为60%-70%时,服务器的频率和运行吞吐量最优,能在功耗较小的情况下实现较大的运行量,相对资源利用率最高。
在本申请实施例中,根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数的方法可以有多种,下面列举三种为例:
第一种,根据所述预计性能参数和预设的最佳性能指标计算获得分数。
在本申请实施例中,可以是先计算出所述预计性能参数与所述最佳性能指标之间的差值绝对值,再根据所述差值绝对值确定所述性能分数,其中,所述差值绝对值与所述性能分数反相关。
在本申请实施例中,所述反相关可以是成反比,或者是所述性能分数等于预设常数减去所述差值绝对值,在此不作限制。
举例来讲,以所述性能分数等于预设常数减去所述差值绝对值,所述预设常数为100%为例,A服务器的所述预计性能参数为CPU占用率为30%,B服务器的所述预计性能参数为CPU占用率为50%,所述预设的最佳性能指标为70%。则计算A服务器的性能分数为100%-|70%-30%|=0.6,计算B服务器的性能分数为100%-|70%-50%|=0.8。
第二种,查表获得分数。
即先基于所述预计性能参数查询预设的分数列表,所述分数列表与所述最佳性能指标相关;从所述分列表中确定出所述预计性能参数对应的分数作为所述性能分数。
具体来讲,所述分数列表可以是精确的预设性能参数与分数一一对应的列表,也可以是按预计性能参数的范围设置分数的列表,在此不作限制。
举例来说,以所述分数列表是按预计性能参数的范围设置分数的列表为,如表1所示,分数设置为:
表1预计性能参数得分规则
举例来说,A服务器的所述预计性能参数为CPU占用率为30%,B服务器的所述预计性能参数为CPU占用率为50%,查表可知A服务器的性能分数为6分,B服务器的性能分数为9分。
具体来讲,将服务器运行至CPU的利用率为60%-70%,或内存的利用率为60%-70%时,所述服务器不仅能够稳定高效地运行,避免出现负载过高的容器丢失问题,并且服务器节能比例也能够保证在12%到13%之间,实现较好的节能效果。进一步,设置90%以上的CPU或内存利用率时,分数为零,能避免容器丢失。
第三种,结合考虑CPU的利用率和内存利用率。
即所述当前性能参数包括当前CPU的利用率和当前内存的利用率;所述预计性能参数包括获得容器后的CPU的利用率和获得容器后的内存的利用率;所述预设的最佳性能指标包括CPU的最佳利用率和内存的最佳利用率;所述根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数,包括:
根据所述预计性能参数,计算出所述每个服务器获得容器后的CPU的利用率与获得容器后的内存的利用率的利用率差值;
根据所述利用率差值、所述预计性能参数和预设的所述最佳性能指标,确定所述每个服务器的性能分数,所述性能分数与所述利用率差值反相关。
具体来讲,据研究发现,CPU和内存利用率相近的服务器节能效果更好,故本实施例任务调度时偏好将容器分配至获得容器后的CPU的利用率与获得容器后的内存的利用率的利用率差值较小的服务器,即在计算性能分数时,引入对所述利用率差值的考量。
在本申请实施例中,所述反相关可以是成反比,或者是所述性能分数等于预设常数减去所述差值绝对值,在此不作限制。
再下来,执行步骤S104,根据所述性能分数,从所述服务器集群中确定出目标服务器。
在本申请实施例中,所述根据所述性能分数,从所述服务器集群中确定出目标服务器,可以是确定所述服务器集群中性能分数最高的服务器作为所述目标服务器,以使得所述目标服务器在获得所述容器后能够更接近所述预设的最佳性能指标。如果有多个相同最高分的服务器,则可以从中随机确定一个服务器作为所述目标服务器。
具体来讲,在服务器集群中,合理的容器调度和管理能够有效得保证服务器高效可靠稳定的运行,并减少服务器宕机概率,这样也能够减少容器丢失的概率。为提高容器云平台中服务器系统利用率,减少工作服务器数量,减少数据中心能源消耗。本实施例在容器调度时,一方面,考虑尽量把容器分配到资源利用率高的服务器,减少容器所占服务器的数量。另一方面,为了避免出现服务器负载过高或宕机,产生不可用的资源碎片,影响应用服务质量和后面的容器重新调度运行等额外资源开销问题,因此,容器调度时必须保证服务器在分配容器后接近所述预设的最佳性能指标,以保证能够正常的运行,不能负载过高。据研究服务器节点CPU或内存的利用率控制在50%到70%之间,服务器能够稳定高效地运行,并且服务器节能比例也能够保证在12%到13%之间。另外,本实施例在容器调度时偏好CPU和内存利用率相近的服务器也能进一步节能。
即在容器调度时,当服务器集群中任务比较少的时候,尽量把容器分配到CPU和内存占用率高的节点上,减少集群中服务器的数量。当集群任务比较多的时候,尽量控制每个的资源利用率控制在预设的最佳性能指标左右,但是尽量不超过预设的最佳性能指标的值,利于保障集群中服务器运行质量。
具体来讲,获取服务器集群中的每个服务器的当前性能参数,并基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数,再根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数,进而根据所述性能分数,从所述服务器集群中确定出目标服务器,并将所述容器分配至所述目标服务器进行运行。即在分配容器时考虑预计性能参数与预设的最佳性能指标的关系,一方面避免容器平均分配的耗能问题,另一方面,通过考虑最佳性能指标能避免出现服务器负载过高的丢失容器问题,实现了节能和提高可靠性的效果。
基于同一发明构思,本申请提供了实施例一对应的装置,详见实施例二。
实施例二
本实施例提供一种容器分配装置,如图2所示,包括:
获取模块201,用于获取服务器集群中的每个服务器的当前性能参数;所述当前性能参数表征当前CPU的利用率或当前内存的利用率;
计算模块202,用于基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数;
打分模块203,用于根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数;其中,所述最佳性能指标表征CPU的最佳利用率或内存的最佳利用率;
确定模块204,用于根据所述性能分数,从所述服务器集群中确定出目标服务器;
分配模块205,用于将所述容器分配至所述目标服务器进行运行。
在本申请实施例中,所述方法可以应用于分配服务器,所述分配服务器可以为计算机设备、云端或计算机设备组,在此不作限制。
在本申请实施例中,所述最佳性能指标为CPU的利用率为60%-70%,或内存的利用率为60%-70%。
由于本实施例所介绍的装置为实施本申请实施例一中一种容器分配方法所采用的装置,故而基于本申请实施例一中所介绍的方法,本领域所属技术人员能够了解本实施例的装置的具体实施方式以及其各种变化形式,所以在此对于该装置如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中的方法所采用的设备,都属于本申请所欲保护的范围。
基于同一发明构思,本申请提供了实施例一对应的分配服务器,详见实施例三。
实施例三
本实施例提供一种分配服务器,如图3所示,包括存储器310、处理器320及存储在存储器310上并可在处理器320上运行的计算机程序311,处理器320执行计算机程序311时实现以下步骤:
获取服务器集群中的每个服务器的当前性能参数;所述当前性能参数表征当前CPU的利用率或当前内存的利用率;
基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数;
根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数;其中,所述最佳性能指标表征CPU的最佳利用率或内存的最佳利用率;
根据所述性能分数,从所述服务器集群中确定出目标服务器;
将所述容器分配至所述目标服务器进行运行。
在具体实施过程中,处理器320执行计算机程序311时,可以实现实施例一中任一实施方式。
由于本实施例所介绍的分配服务器为实施本申请实施例一中一种容器分配方法所采用的设备,故而基于本申请实施例一中所介绍的方法,本领域所属技术人员能够了解本实施例的分配服务器的具体实施方式以及其各种变化形式,所以在此对于该服务器如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中的方法所采用的设备,都属于本申请所欲保护的范围。
基于同一发明构思,本申请提供了实施例一对应的存储介质,详见实施例四。
实施例四
本实施例提供一种计算机可读存储介质400,如图4所示,其上存储有计算机程序411,该计算机程序411被处理器执行时实现以下步骤:
获取服务器集群中的每个服务器的当前性能参数;所述当前性能参数表征当前CPU的利用率或当前内存的利用率;
基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数;
根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数;其中,所述最佳性能指标表征CPU的最佳利用率或内存的最佳利用率;
根据所述性能分数,从所述服务器集群中确定出目标服务器;
将所述容器分配至所述目标服务器进行运行。
在具体实施过程中,该计算机程序411被处理器执行时,可以实现实施例一中任一实施方式。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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。而且,本发明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。
本发明是参照根据本发明实施例的方法、设备(系统)、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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种容器分配方法,其特征在于,包括:
获取服务器集群中的每个服务器的当前性能参数;所述当前性能参数表征当前中央处理器(Central Processing Unit,CPU)的利用率或当前内存的利用率;
基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数;
根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数;其中,所述最佳性能指标表征CPU的最佳利用率或内存的最佳利用率;
根据所述性能分数,从所述服务器集群中确定出目标服务器;
将所述容器分配至所述目标服务器进行运行。
2.如权利要求1所述的方法,其特征在于,所述最佳性能指标为CPU的利用率为60%-70%,或内存的利用率为60%-70%。
3.如权利要求1或2所述的方法,其特征在于,所述根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数,包括:
计算出所述预计性能参数与所述最佳性能指标之间的差值绝对值;
根据所述差值绝对值确定所述性能分数,其中,所述差值绝对值与所述性能分数反相关。
4.如权利要求1或2所述的方法,其特征在于,所述根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数,包括:
基于所述预计性能参数查询预设的分数列表,所述分数列表与所述最佳性能指标相关;
从所述分列表中确定出所述预计性能参数对应的分数作为所述性能分数。
5.如权利要求1或2所述的方法,其特征在于,所述根据所述性能分数,从所述服务器集群中确定出目标服务器,包括:
确定所述服务器集群中性能分数最高的服务器作为所述目标服务器。
6.如权利要求1或2所述的方法,其特征在于:
所述当前性能参数包括当前CPU的利用率和当前内存的利用率;
所述预计性能参数包括获得容器后的CPU的利用率和获得容器后的内存的利用率;
所述预设的最佳性能指标包括CPU的最佳利用率和内存的最佳利用率;
所述根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数,包括:
根据所述预计性能参数,计算出所述每个服务器获得容器后的CPU的利用率与获得容器后的内存的利用率的利用率差值;
根据所述利用率差值、所述预计性能参数和预设的所述最佳性能指标,确定所述每个服务器的性能分数,所述性能分数与所述利用率差值反相关。
7.一种容器分配装置,其特征在于,包括:
获取模块,用于获取服务器集群中的每个服务器的当前性能参数;所述当前性能参数表征当前CPU的利用率或当前内存的利用率;
计算模块,用于基于所述当前性能参数,计算出所述每个服务器获得容器后的预计性能参数;
打分模块,用于根据所述预计性能参数和预设的最佳性能指标,确定所述每个服务器的性能分数;其中,所述最佳性能指标表征CPU的最佳利用率或内存的最佳利用率;
确定模块,用于根据所述性能分数,从所述服务器集群中确定出目标服务器;
分配模块,用于将所述容器分配至所述目标服务器进行运行。
8.如权利要求7所述的装置,其特征在于,所述最佳性能指标为CPU的利用率为60%-70%,或内存的利用率为60%-70%。
9.一种分配服务器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-6任一所述的方法。
10.一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,该程序被处理器执行时实现权利要求1-6任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810015248.3A CN108170517A (zh) | 2018-01-08 | 2018-01-08 | 一种容器分配方法、装置、服务器及介质 |
PCT/CN2018/082356 WO2019134292A1 (zh) | 2018-01-08 | 2018-04-09 | 一种容器分配方法、装置、服务器及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810015248.3A CN108170517A (zh) | 2018-01-08 | 2018-01-08 | 一种容器分配方法、装置、服务器及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108170517A true CN108170517A (zh) | 2018-06-15 |
Family
ID=62517604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810015248.3A Pending CN108170517A (zh) | 2018-01-08 | 2018-01-08 | 一种容器分配方法、装置、服务器及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108170517A (zh) |
WO (1) | WO2019134292A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408230A (zh) * | 2018-10-10 | 2019-03-01 | 中国科学院计算技术研究所 | 基于能耗优化的Docker容器部署方法及系统 |
CN110035079A (zh) * | 2019-04-10 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种蜜罐生成方法、装置及设备 |
CN110730135A (zh) * | 2019-09-06 | 2020-01-24 | 平安普惠企业管理有限公司 | 一种提升服务器性能的方法、装置、存储介质和服务器 |
TWI695329B (zh) * | 2019-04-01 | 2020-06-01 | 中華電信股份有限公司 | 一種建置於容器平台的資料碎片管理系統及方法 |
CN111666130A (zh) * | 2020-06-03 | 2020-09-15 | 百度在线网络技术(北京)有限公司 | 一种容器均衡部署的方法、装置、电子设备及存储介质 |
CN112073532A (zh) * | 2020-09-15 | 2020-12-11 | 北京字节跳动网络技术有限公司 | 一种资源分配的方法及装置 |
WO2021012956A1 (zh) * | 2019-07-22 | 2021-01-28 | 腾讯科技(深圳)有限公司 | 云平台的资源处理方法、相关设备及存储介质 |
CN114745392A (zh) * | 2022-04-29 | 2022-07-12 | 阿里云计算有限公司 | 流量调度方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102185759A (zh) * | 2011-04-12 | 2011-09-14 | 田文洪 | 一种满足需求特性的多物理服务器负载均衡的方法及装置 |
CN103677957A (zh) * | 2013-12-13 | 2014-03-26 | 重庆邮电大学 | 云数据中心基于多资源的高能效虚拟机放置方法 |
CN105488134A (zh) * | 2015-11-25 | 2016-04-13 | 用友网络科技股份有限公司 | 大数据处理方法及大数据处理装置 |
CN106445629A (zh) * | 2016-07-22 | 2017-02-22 | 平安科技(深圳)有限公司 | 一种负载均衡的方法及其装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899126B (zh) * | 2015-06-12 | 2018-01-23 | 北京奇虎科技有限公司 | 对宿主机中容器进行本地实时监控的方法、装置及系统 |
CN106557353A (zh) * | 2016-11-04 | 2017-04-05 | 天津轻工职业技术学院 | 一种容器承载业务应用的服务器性能指标评价方法 |
CN107071002A (zh) * | 2017-03-22 | 2017-08-18 | 山东中创软件商用中间件股份有限公司 | 一种应用服务器集群请求调度方法及装置 |
-
2018
- 2018-01-08 CN CN201810015248.3A patent/CN108170517A/zh active Pending
- 2018-04-09 WO PCT/CN2018/082356 patent/WO2019134292A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102185759A (zh) * | 2011-04-12 | 2011-09-14 | 田文洪 | 一种满足需求特性的多物理服务器负载均衡的方法及装置 |
CN103677957A (zh) * | 2013-12-13 | 2014-03-26 | 重庆邮电大学 | 云数据中心基于多资源的高能效虚拟机放置方法 |
CN105488134A (zh) * | 2015-11-25 | 2016-04-13 | 用友网络科技股份有限公司 | 大数据处理方法及大数据处理装置 |
CN106445629A (zh) * | 2016-07-22 | 2017-02-22 | 平安科技(深圳)有限公司 | 一种负载均衡的方法及其装置 |
Non-Patent Citations (1)
Title |
---|
SHEKHAR SRIKANTAIAH: "Energy Aware Consolidation for Cloud Computing", 《RESEARCHGATE》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408230A (zh) * | 2018-10-10 | 2019-03-01 | 中国科学院计算技术研究所 | 基于能耗优化的Docker容器部署方法及系统 |
CN109408230B (zh) * | 2018-10-10 | 2021-07-20 | 中国科学院计算技术研究所 | 基于能耗优化的Docker容器部署方法及系统 |
TWI695329B (zh) * | 2019-04-01 | 2020-06-01 | 中華電信股份有限公司 | 一種建置於容器平台的資料碎片管理系統及方法 |
CN110035079A (zh) * | 2019-04-10 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 一种蜜罐生成方法、装置及设备 |
WO2021012956A1 (zh) * | 2019-07-22 | 2021-01-28 | 腾讯科技(深圳)有限公司 | 云平台的资源处理方法、相关设备及存储介质 |
US11966792B2 (en) | 2019-07-22 | 2024-04-23 | Tencent Technology (Shenzhen) Company Limited | Resource processing method of cloud platform, related device, and storage medium |
CN110730135A (zh) * | 2019-09-06 | 2020-01-24 | 平安普惠企业管理有限公司 | 一种提升服务器性能的方法、装置、存储介质和服务器 |
CN111666130A (zh) * | 2020-06-03 | 2020-09-15 | 百度在线网络技术(北京)有限公司 | 一种容器均衡部署的方法、装置、电子设备及存储介质 |
CN112073532A (zh) * | 2020-09-15 | 2020-12-11 | 北京字节跳动网络技术有限公司 | 一种资源分配的方法及装置 |
CN112073532B (zh) * | 2020-09-15 | 2022-09-09 | 北京火山引擎科技有限公司 | 一种资源分配的方法及装置 |
CN114745392A (zh) * | 2022-04-29 | 2022-07-12 | 阿里云计算有限公司 | 流量调度方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019134292A1 (zh) | 2019-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108170517A (zh) | 一种容器分配方法、装置、服务器及介质 | |
US20200287961A1 (en) | Balancing resources in distributed computing environments | |
CN105740051B (zh) | 基于改进的遗传算法的云计算资源调度实现方法 | |
CN106027643B (zh) | 一种基于Kubernetes容器集群管理系统的资源调度方法 | |
Shi et al. | Empirical evaluation of vector bin packing algorithms for energy efficient data centers | |
CN111966500B (zh) | 资源调度方法、装置、电子设备及存储介质 | |
US20070180453A1 (en) | On demand application scheduling in a heterogeneous workload environment | |
CN110162388A (zh) | 一种任务调度方法、系统及终端设备 | |
CN105389206B (zh) | 一种云计算数据中心虚拟机资源快速配置方法 | |
CN103502944A (zh) | 虚拟机内存调整方法和设备 | |
CN108519917A (zh) | 一种资源池分配方法和装置 | |
Liu et al. | A survey on virtual machine scheduling in cloud computing | |
CN102195890B (zh) | 一种基于云计算的互联网应用调度方法 | |
CN112269641A (zh) | 一种调度方法、装置、电子设备及存储介质 | |
CN109257399A (zh) | 云平台应用程序管理方法及管理平台、存储介质 | |
CN114356543A (zh) | 一种基于Kubernetes的多租户机器学习任务资源调度方法 | |
CN111666158A (zh) | 一种基于Kubernetes的容器调度方法、装置、存储介质及电子设备 | |
CN104917839A (zh) | 一种用于云计算环境下的负载均衡方法 | |
CN115658311A (zh) | 一种资源的调度方法、装置、设备和介质 | |
CN107203256B (zh) | 一种网络功能虚拟化场景下的节能分配方法与装置 | |
CN109697105A (zh) | 一种容器云环境物理机选择方法及其系统、虚拟资源配置方法及迁移方法 | |
Kim et al. | Virtual machines placement for network isolation in clouds | |
CN110413393A (zh) | 集群资源管理方法、装置、计算机集群及可读存储介质 | |
JP2007052542A (ja) | 負荷分散処理システム及び装置 | |
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 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180615 |