CN111159859B - 一种云容器集群的部署方法及系统 - Google Patents

一种云容器集群的部署方法及系统 Download PDF

Info

Publication number
CN111159859B
CN111159859B CN201911291206.3A CN201911291206A CN111159859B CN 111159859 B CN111159859 B CN 111159859B CN 201911291206 A CN201911291206 A CN 201911291206A CN 111159859 B CN111159859 B CN 111159859B
Authority
CN
China
Prior art keywords
container cluster
cloud container
cloud
request
deployment
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.)
Active
Application number
CN201911291206.3A
Other languages
English (en)
Other versions
CN111159859A (zh
Inventor
张雪颖
周睿婷
李宗鹏
范仁军
林军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wanfan Shangpin Changzhou Internet Of Things System Co ltd
Original Assignee
Wanfan Shangpin Changzhou Internet Of Things System Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wanfan Shangpin Changzhou Internet Of Things System Co ltd filed Critical Wanfan Shangpin Changzhou Internet Of Things System Co ltd
Priority to CN201911291206.3A priority Critical patent/CN111159859B/zh
Publication of CN111159859A publication Critical patent/CN111159859A/zh
Application granted granted Critical
Publication of CN111159859B publication Critical patent/CN111159859B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种云容器集群的部署方法及系统，所述云容器集群的部署方法包括：对所述云容器集群的部署方案的问题进行建模，以得到非线性规划模型，将所述非线性规划模型改写为整数线性规划模型，对所述整数线性规划模型进行松弛处理，根据当前的资源价格和云容器集群的最佳部署方案，以初步判断是否接受云容器集群请求，计算所述云容器集群请求的云容器部署成本和通信开销成本，继续执行所述初步判断是否接受云容器集群请求，根据所述最小成本以及所述云容器集群的最佳部署方案，最终判断是否接受所述容器集群请求。本发明的云容器集群的部署方法能够根据用户的需求进行动态的部署。

Description

一种云容器集群的部署方法及系统
技术领域
本发明涉及云计算技术领域，特别是涉及一种云容器集群的部署方法及系统。
背景技术
云资源主要是通过虚拟化技术，被打包成不同类型的虚拟机去服务用户。云容器的出现为云资源的配置提供了另一种轻便灵活的方式。不同虚拟机，云容器不需要安装专门的操作系统。一个云容器可以只装配很少的资源，并且在毫秒内启动。
除了购买单独的云容器以外，云用户有时候也需要购买一系列的云容器和它们之间的连接网络，组成一个云容器集群去运行复杂的任务。一个典型的例子是并行计算任务。在采用MapReduce框架的分布式系统中，计算任务一般由并行工作的计算节点完成的。首先，输入数据切片分给不同的执行Map任务的计算节点处理，执行Map任务的计算节点将输入数据经过排序、复制、合并以后得到关键值，并传输给执行Reduce任务的计算节点，最后，执行Reduce任务的计算节点完成Reduce运算并输出Reduce结果。虚拟化技术把计算节点部署在云容器上。由于计算节点之间需要通信，它们组成了云容器集群。和传统的虚拟集群相比，云容器集群为应用提供了更好的性能表现，并且通过快速部署每个节点增强了灵活性。
现有的云容器的部署通常采用的是静态配置集群，假设每个集群的配置是固定的，尚不能根据用户的需求进行动态的部署，不能满足不同用户的多样化的请求，资源的利用率不能最大化，因此迫切需要改进。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种云容器集群的部署方法及系统，用于解决现有技术中的静态配置集群不能根据用户的需求进行动态的部署，不能满足不同用户的多样化的请求，资源的利用率不能最大化的问题。
为实现上述目的及其他相关目的，本发明提供一种云容器集群的部署方法，所述云容器集群的部署方法包括：
对所述云容器集群的部署方案的问题进行建模，以得到非线性规划模型；
将所述非线性规划模型改写为整数线性规划模型；
对所述整数线性规划模型进行松弛处理，根据当前的资源价格和云容器集群的最佳部署方案，以初步判断是否接受云容器集群请求；
计算所述云容器集群请求的云容器部署成本和通信开销成本，以得到实现所述云容器集群请求的最小成本以及所述云容器集群的最佳部署方案，继续执行所述初步判断是否接受云容器集群请求；
根据所述最小成本以及所述云容器集群的最佳部署方案，最终判断是否接受所述容器集群请求。
在本发明的一实施例中，所述云容器集群的部署方案的问题包括用户的请求、云服务提供商的决策、部署方案中的一种或几种。
在本发明的一实施例中，所述对所述整数线性规划模型进行松弛处理，根据当前的资源价格和云容器集群的最佳部署方案，以初步判断是否接受云容器集群请求的步骤包括：
对所述整数线性规划模型进行松弛处理；
引入对偶问题变量，以得到原问题的对偶问题，所述原问题即为所述云容器集群的部署方案的问题；
根据资源占用情况，对当前所有资源进行单位定价，以得到当前资源价格；
根据所述当前资源价格和云容器集群的最佳部署方案，以初步判断是否接受云容器集群请求。
在本发明的一实施例中，所述云容器集群的部署方法还包括：
若接受所述容器集群请求，则所述云容器集群的最佳部署方案即为最终方案，更新所述资源占用情况以及当前资源价格。
在本发明的一实施例中，所述对所述云容器集群的部署方案的问题进行建模，以得到非线性规划模型包括：
非线性规划模型包括：
其中，S表示一个云服务提供商有S个不同区域的资源池，K表示共有K种资源类型，Cks表示每个区域的资源池S拥有的第K类型的资源量为Cks，各个区域之间通过带宽相互连接，表示所有连接的集合，/>表示/>中(s1，s2)连接的带宽容量，Bks表示每个区域s的第k类资源占用上限，T表示有I个云容器集群请求的总长的时间段到来，ti表示每个云容器集群请求在ti时刻到达，vi表示请求在/>到/>时间段使用容器集群，/>表示每个容器v需要的k类资源量，/>表示同一云容器集群请求中位于不同区域的容器v1和容器v2之间所需的带宽，bi表示请求i被接受云服务提供商所得到收益，请求i简记为
在本发明的一实施例中，所述将所述非线性规划模型改写为整数线性规划模型包括：
整数线性规划模型包括：
其中，表示请求i的满足约束条件的可行配置解，ζi表示请求i的可行配置解的集合，/>表示将每个资源池处的每种资源及每个连接上的带宽的资源集合，请求i对云容器的请求等价于/>
在本发明的一实施例中，所述对所述整数线性规划模型进行松弛处理；引入对偶问题变量，以得到原问题的对偶问题包括：
本发明还提供一种云容器集群的部署系统，所述云容器集群的部署系统包括：
第一计算器，用于对所述云容器集群的部署方案的问题进行建模，以得到非线性规划模型；
整数线性规划改写器，用于将所述非线性规划模型改写为整数线性规划模型；
第一处理器，用于对所述整数线性规划模型进行松弛处理，根据当前的资源价格和云容器集群的最佳部署方案，以初步判断是否接受云容器集群请求；
第二计算器，用于计算所述云容器集群请求的云容器部署成本和通信开销成本，以得到实现所述云容器集群请求的最小成本以及所述云容器集群的最佳部署方案，继续执行所述初步判断是否接受云容器集群请求；
判断器，用于根据所述最小成本以及所述云容器集群的最佳部署方案，最终判断是否接受所述容器集群请求。
本发明还提供一种电子设备，包括第二处理器和存储器；所述存储器中存储有程序指令，所述第二处理器运行程序指令以实现上述的云容器集群的部署方法。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述的云容器集群的部署方法。
如上所述，本发明的一种云容器集群的部署方法及系统，具有以下有益效果：
本发明的云容器集群的部署方法对所述云容器集群的部署方案的问题进行建模，以得到非线性规划模型，将所述非线性规划模型改写为整数线性规划模型，将非线性约束问题转化为只包含小于约束条件的线性规划模型问题，根据所设计的单位资源定价方式计算当前单位资源价格，求解云容器集群请求的最小成本以及所述云容器集群的最佳部署方案，根据所述最小成本以及所述云容器集群的最佳部署方案，最终判断是否接受所述容器集群请求。本发明的云容器集群的部署方法能够根据用户的需求进行动态的部署，能够满足不同用户的多样化的请求，资源的利用率能够达到最大化。
本发明的云容器集群的部署方法研究了云服务商如何基于当前资源情况，在线决策是否接受某个云容器集群请求并对接受的请求进行最佳部署配置，以实现收益最大化。
附图说明
图1为本申请实施例提供的一种云容器集群的部署方法的工作流程图。
图2为本申请实施例提供的图1中一种云容器集群的部署方法的步骤S3的工作流程图。
图3为本申请实施例提供的一种云容器集群的部署系统的结构原理框图。
图4为本申请实施例提供的一种电子设备的结构原理框图。
图5为本申请实施例提供的一种云容器集群的部署方法的云服务区域涉及的资源类型结构原理框图。
图6为本申请实施例提供的一种云容器集群的部署方法与其他现有算法的实验结果对比图。
图7为本申请实施例提供的一种云容器集群的部署方法与其他现有算法的实验结果对比图。
图8为本申请实施例提供的一种云容器集群的部署方法与其他现有算法的实验结果对比图。
图9为本申请实施例提供的一种云容器集群的部署方法与其他现有算法的实验结果对比图。
图10为本申请实施例提供的一种云容器集群的部署方法与其他现有算法的实验结果对比图。
图11为本申请实施例提供的一种云容器集群的部署方法与其他现有算法的实验结果对比图。
元件标号说明
10 第一计算器
20 整数线性规划模型改写器
30 第一处理器
40 第二计算器
50 判断器
60 第二处理器
70 存储器
80 中央处理器
90 RAM存储器
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
请参阅图1、图2，图1为本申请实施例提供的一种云容器集群的部署方法的工作流程图。图2为本申请实施例提供的图1中一种云容器集群的部署方法的步骤S3的工作流程图。本发明提供一种云容器集群的部署方法，所述云容器集群的部署方法包括：S1、对所述云容器集群的部署方案的问题进行建模，以得到非线性规划模型，即为对所述云容器集群的部署方案的问题进行建模，所述云容器集群的部署方案的问题包括用户的请求、云服务提供商的决策、部署方案中的一种或几种。非线性规划模型包括：
其中，S表示一个云服务提供商有S个不同区域的资源池，K表示共有K种资源类型，Cks表示每个区域的资源池S拥有的第K类型的资源量为Cks，各个区域之间通过带宽相互连接，表示所有连接的集合，/>表示/>中(s1，s2)连接的带宽容量，Bks表示每个区域S的第k类资源占用上限，T表示有I个云容器集群请求的总长的时间段到来，ti表示每个云容器集群请求在ti时刻到达，Vi表示请求在/>到/>时间段使用容器集群，/>表示每个容器v需要的k类资源量，/>表示同一云容器集群请求中位于不同区域的容器υ1和容器υ2之间所需的带宽，bi表示请求i被接受云服务提供商所得到收益，请求i简记为所述对所述云容器集群的部署方案的问题进行建模是在满足资源约束等条件下，判断是否接受随机到达的云容器集群(CC)请求并为其设计容器部署方案，以最大化云服务商的收益。公式(1a)约束保证了只有接受某个请求时，才为其部署容器放置方案，公式(1b)约束条件保证任意时刻每个云资源池分配出去的资源总量不超过其总资源量，为了使得每个云资源池尽可能多地为不同的云容器集群请求服务，公式(1d)保证了请求在每个云资源池所占用的资源小于一个阈值，约束条件公式(1e)则是关于不同云资源池之间的带宽限制。S2、将所述非线性规划模型改写为整数线性规划模型。即使在离线条件下，直接对上述整数规划模型进行求解也是NP-hard问题即为所谓的非确定性，可以但不限利用紧致指数(compact-exponential)优化技术将非线性规划模型改写为以下等价的整数线性规划模型：/>整数线性规划模型包括：
其中，
表示请求i的满足约束条件的可行配置解，ζi表示请求i的可行配置解的集合，/>表示将每个资源池处的每种资源及每个连接上的带宽的资源集合，请求i对云容器的请求等价于/>S3、对所述整数线性规划模型进行松弛处理，根据当前的资源价格和云容器集群的最佳部署方案，以初步判断是否接受云容器集群请求。针对单位时刻(one-shot)设计子模块，将难以处理的整个T时间的在线规划问题转为每个时刻独立的线性规划，基于当前的资源价格，判断是否接受CC请求。对S2中的整数线性规划模型进行松弛，同时引入对偶问题(dual)变量pm，t和ui，写出原问题(primal)的对偶问题(dual)：/> 根据对偶/>定理，主问题中的变量的变化是根据对偶问题约束条件的变化决定的。逐步增加对偶变量的数量，直到某一个对偶约束条件左右两边相等，这时候与对偶约束条件相对应的主问题变量xi可以被更新为1。其中，pm，t可视为m类型资源在时间t时的单位价格，按以下方式对其进行定价：/>随着资源m在t时刻的占用情况zm，t，对当前资源价格进行更新。对于到达的请求i而言，对偶变量ui可视为接受该请求所带来的收益，定义/>当请求i的最佳部署配置方案对应的ui＞0时，接受该请求，否则拒绝。S4、计算所述云容器集群请求的云容器部署成本和通信开销成本，以得到实现所述云容器集群请求的最小成本以及所述云容器集群的最佳部署方案，继续执行所述初步判断是否接受云容器集群请求。设计如下整数规划模型来解出
首先根据S4
中的单位资源定价pm，t计算出请求i的容器部署成本和通信开销成本可以但不限于利用启发式贪心算法近似得到实现该请求的最小成本及其对应的最佳部署方案。S5、根据所述最小成本以及所述云容器集群的最佳部署方案，最终判断是否接受所述容器集群请求。结合S4得到的最小成本、部署方案以及该请求的竞拍价格，最终判断是否接收该请求。若接受，S4得到的容器部署方案即为最终方案，同时更新当前资源占用情况Zm，t和其单位价格pm，t。
请参阅图3、图4、图5，图3为本申请实施例提供的一种云容器集群的部署系统的结构原理框图。图4为本申请实施例提供的一种电子设备的结构原理框图。图5为本申请实施例提供的一种云容器集群的部署方法的云服务区域涉及的资源类型结构原理框图。本发明提供一种云容器集群的部署系统，所述云容器集群的部署系统包括但不限于第一计算器10、整数线性规划模型改写器20、第一处理器30、第二计算器40以及判断器50。所述第一计算器10用于对所述云容器集群的部署方案的问题进行建模，以得到非线性规划模型，所述整数线性规划模型改写器20用于将所述非线性规划模型改写为整数线性规划模型，所述第一处理器30用于对所述整数线性规划模型进行松弛处理，根据当前的资源价格和云容器集群的最佳部署方案，以初步判断是否接受云容器集群请求，所述第二计算器40用于计算所述云容器集群请求的云容器部署成本和通信开销成本，以得到实现所述云容器集群请求的最小成本以及所述云容器集群的最佳部署方案，继续执行所述初步判断是否接受云容器集群请求，所述判断器50用于根据所述最小成本以及所述云容器集群的最佳部署方案，最终判断是否接受所述容器集群请求。本发明还提供一种电子设备，包括第二处理器60和存储器70；所述存储器70中存储有程序指令，所述第二处理器60运行程序指令以实现上述的云容器集群的部署方法。本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述的云容器集群的部署方法。所述云容器集群的部署方法中设置了多个云服务区域，所述云服务区域可以设置为5～15个，每个容器集群请求的容器个数在2～8个之间，并且涉及到中央处理器80和RAM存储器90两种资源类型，每种资源的请求量按照实际情况设定。同时，每个容器之间的流量宽带从[0，10]之间随机生成，容器部署成本和通信开销成本/>从[0，1]之间随机生成，每个资源池的每种资源总量从[50，100]之间随机生成。每个时隙(time-slot)设为5分钟，系统时间总跨100个时隙。每个云容器集群请求的出价bi从确定的区间中随机选择，其默认值为50。
请参阅图6～图11，图6为本申请实施例提供的一种云容器集群的部署方法与其他现有算法的实验结果对比图。图7为本申请实施例提供的一种云容器集群的部署方法与其他现有算法的实验结果对比图。图8为本申请实施例提供的一种云容器集群的部署方法与其他现有算法的实验结果对比图。图9为本申请实施例提供的一种云容器集群的部署方法与其他现有算法的实验结果对比图。图10为本申请实施例提供的一种云容器集群的部署方法与其他现有算法的实验结果对比图。图11为本申请实施例提供的一种云容器集群的部署方法与其他现有算法的实验结果对比图。如图6所示，在不同云容器数量下，本发明的一种云容器集群的部署方法和最优解算法以及对比算法NSCD的成本(cost)的对比情况，本发明的云容器集群的部署方法远远优于最优解算法以及对比算法。如图7所示，展示了本发明的云容器集群的部署方法在不同区域数下的性能情况。如图8所示，当容器集群的容器数量(Vi)和资源种类数量(K)变化时，本发明的云容器集群的部署方法的性能情况。如图9所示，显示了本发明的云容器集群的部署方法在不同Vi下的算法的平均运行时间。如图10所示，展示了本发明的云容器集群的部署方法和对比算法SWMOA的性能比较情况随着请求个数的变化情况，本发明的云容器集群的部署方法在性能上远优于对比算法(SWMOA)。如图11所示，展示了本发明的云容器集群的部署方法得到的客观价值随请求个数的变化情况。
综上所述，本发明的云容器集群的部署方法对所述云容器集群的部署方案的问题进行建模，以得到非线性规划模型，将所述非线性规划模型改写为整数线性规划模型，将非线性约束问题转化为只包含小于约束条件的线性规划问题，根据所设计的单位资源定价方式计算当前单位资源价格，求解云容器集群请求的最小成本以及所述云容器集群的最佳部署方案，根据所述最小成本以及所述云容器集群的最佳部署方案，最终判断是否接受所述容器集群请求。本发明的云容器集群的部署方法能够根据用户的需求进行动态的部署，能够满足不同用户的多样化的请求，资源的利用率能够达到最大化。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (8)

1.一种云容器集群的部署方法，其特征在于，所述云容器集群的部署方法包括：
对所述云容器集群的部署方案的问题进行建模，以得到非线性规划模型，所述非线性规划模型包括
其中，S表示一个云服务提供商有S个不同区域的资源池，K表示共有K种资源类型，Cks表示每个区域的资源池S拥有的第K类型的资源量为Cks，各个区域之间通过带宽相互连接，表示所有连接的集合，/>表示/>中(s1，s2)连接的带宽容量，Bks表示每个区域s的第k类资源占用上限，T表示有I个云容器集群请求的总长的时间段到来，ti表示每个云容器集群请求在ti时刻到达，/>表示请求在/>到/>时间段使用容器集群，/>表示每个容器v需要的k类资源量，/>表示同一云容器集群请求中位于不同区域的容器v1和容器v2之间所需的带宽，bi表示请求i被接受云服务提供商所得到收益，请求i简记为
将所述非线性规划模型改写为整数线性规划模型，所述整数线性规划模型包括
其中，表示请求i的满足约束条件的可行配置解，ζi表示请求i的可行配置解的集合，/>表示将每个资源池处的每种资源及每个连接上的带宽的资源集合，请求i对云容器的请求等价于/>
对所述整数线性规划模型进行松弛处理，根据当前的资源价格和云容器集群的最佳部署方案，以初步判断是否接受云容器集群请求；
计算所述云容器集群请求的云容器部署成本和通信开销成本，以得到实现所述云容器集群请求的最小成本以及所述云容器集群的最佳部署方案，继续执行所述初步判断是否接受云容器集群请求；
根据所述最小成本以及所述云容器集群的最佳部署方案，最终判断是否接受所述容器集群请求。
2.根据权利要求1所述的一种云容器集群的部署方法，其特征在于：所述云容器集群的部署方案的问题包括用户的请求、云服务提供商的决策、部署方案中的一种或几种。
3.根据权利要求1所述的一种云容器集群的部署方法，其特征在于，所述对所述整数线性规划模型进行松弛处理，根据当前的资源价格和云容器集群的最佳部署方案，以初步判断是否接受云容器集群请求的步骤包括：
对所述整数线性规划模型进行松弛处理；
引入对偶问题变量，以得到原问题的对偶问题，所述原问题即为所述云容器集群的部署方案的问题；
根据资源占用情况，对当前所有资源进行单位定价，以得到当前资源价格；
根据所述当前资源价格和云容器集群的最佳部署方案，以初步判断是否接受云容器集群请求。
4.根据权利要求3所述的一种云容器集群的部署方法，其特征在于，所述云容器集群的部署方法还包括：
若接受所述容器集群请求，则所述云容器集群的最佳部署方案即为最终方案，更新所述资源占用情况以及当前资源价格。
5.根据权利要求1所述的一种云容器集群的部署方法，其特征在于，所述对所述整数线性规划模型进行松弛处理；引入对偶问题变量，以得到原问题的对偶问题包括：
6.一种云容器集群的部署系统，其特征在于，所述云容器集群的部署系统包括：
第一计算器(10)，用于对所述云容器集群的部署方案的问题进行建模，以得到非线性规划模型，所述非线性规划模型包括
其中，S表示一个云服务提供商有S个不同区域的资源池，K表示共有K种资源类型，Cks表示每个区域的资源池S拥有的第K类型的资源量为Cks，各个区域之间通过带宽相互连接，表示所有连接的集合，/>表示/>中(s1，s2)连接的带宽容量，Bks表示每个区域s的第k类资源占用上限，T表示有I个云容器集群请求的总长的时间段到来，ti表示每个云容器集群请求在ti时刻到达，/>表示请求在/>到/>时间段使用容器集群，/>表示每个容器v需要的k类资源量，/>表示同一云容器集群请求中位于不同区域的容器v1和容器v2之间所需的带宽，bi表示请求i被接受云服务提供商所得到收益，请求i简记为
整数线性规划改写器(20)，用于将所述非线性规划模型改写为整数线性规划模型，所述整数线性规划模型包括
其中，表示请求i的满足约束条件的可行配置解，ζi表示请求i的可行配置解的集合，/>表示将每个资源池处的每种资源及每个连接上的带宽的资源集合，请求i对云容器的请求等价于/>
第一处理器(30)，用于对所述整数线性规划模型进行松弛处理，根据当前的资源价格和云容器集群的最佳部署方案，以初步判断是否接受云容器集群请求；
第二计算器(40)，用于计算所述云容器集群请求的云容器部署成本和通信开销成本，以得到实现所述云容器集群请求的最小成本以及所述云容器集群的最佳部署方案，继续执行所述初步判断是否接受云容器集群请求；
判断器(50)，用于根据所述最小成本以及所述云容器集群的最佳部署方案，最终判断是否接受所述容器集群请求。
7.一种电子设备，其特征在于：包括第二处理器和存储器；所述存储器中存储有程序指令，所述第二处理器运行程序指令以实现如权利要求1至权利要求6任一项所述的云容器集群的部署方法。
8.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1至权利要求7任一项所述的云容器集群的部署方法。
CN201911291206.3A 2019-12-16 2019-12-16 一种云容器集群的部署方法及系统 Active CN111159859B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911291206.3A CN111159859B (zh) 2019-12-16 2019-12-16 一种云容器集群的部署方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911291206.3A CN111159859B (zh) 2019-12-16 2019-12-16 一种云容器集群的部署方法及系统

Publications (2)

Publication Number Publication Date
CN111159859A CN111159859A (zh) 2020-05-15
CN111159859B true CN111159859B (zh) 2024-02-06

Family

ID=70557167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911291206.3A Active CN111159859B (zh) 2019-12-16 2019-12-16 一种云容器集群的部署方法及系统

Country Status (1)

Country Link
CN (1) CN111159859B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111405072B (zh) * 2020-06-03 2021-04-02 杭州朗澈科技有限公司 一种基于云厂家成本调度的混合云优化方法
CN114258020B (zh) * 2020-09-25 2023-12-12 中移物联网有限公司 专有云部署方法、平台及电子设备
CN117155791B (zh) * 2023-10-31 2024-02-13 浪潮电子信息产业股份有限公司 基于集群拓扑结构的模型部署方法、系统、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106020934A (zh) * 2016-05-24 2016-10-12 浪潮电子信息产业股份有限公司 一种基于虚拟集群在线迁移的优化部署方法
CN107241384A (zh) * 2017-05-03 2017-10-10 复旦大学 一种基于多云架构的内容分发服务资源优化调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10592290B2 (en) * 2018-01-10 2020-03-17 International Business Machines Corporation Accelerating and maintaining large-scale cloud deployment

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106020934A (zh) * 2016-05-24 2016-10-12 浪潮电子信息产业股份有限公司 一种基于虚拟集群在线迁移的优化部署方法
CN107241384A (zh) * 2017-05-03 2017-10-10 复旦大学 一种基于多云架构的内容分发服务资源优化调度方法

Also Published As

Publication number Publication date
CN111159859A (zh) 2020-05-15

Similar Documents

Publication Publication Date Title
Deldari et al. CCA: a deadline-constrained workflow scheduling algorithm for multicore resources on the cloud
CN111159859B (zh) 一种云容器集群的部署方法及系统
Van den Bossche et al. Cost-efficient scheduling heuristics for deadline constrained workloads on hybrid clouds
CN109582448B (zh) 一种面向关键度和时效性的边缘计算任务调度方法
CN111966500B (zh) 资源调度方法、装置、电子设备及存储介质
Li et al. Feedback dynamic algorithms for preemptable job scheduling in cloud systems
CN108337109B (zh) 一种资源分配方法及装置和资源分配系统
Nabi et al. DRALBA: Dynamic and resource aware load balanced scheduling approach for cloud computing
Barbosa et al. Dynamic scheduling of a batch of parallel task jobs on heterogeneous clusters
Ali et al. A cost and energy efficient task scheduling technique to offload microservices based applications in mobile cloud computing
CN109815009B (zh) 一种csp下的资源调度与优化方法
Maiti et al. Internet of Things applications placement to minimize latency in multi-tier fog computing framework
Yao et al. A network-aware virtual machine allocation in cloud datacenter
Thirumalaiselvan et al. A strategic performance of virtual task scheduling in multi cloud environment
de Souza Toniolli et al. Resource allocation for multiple workflows in cloud-fog computing systems
CN103997515A (zh) 一种分布式云中计算中心选择方法及其应用
Nasser et al. MOCAB/HEFT algorithm of multi radio wireless communication improved achievement assessment
CN113641448A (zh) 一种边缘计算容器分配和层下载排序体系结构及其方法
CN110958192B (zh) 一种基于虚拟交换机的虚拟数据中心资源分配系统及方法
CN112306642A (zh) 一种基于稳定匹配博弈理论的工作流调度方法
CN105577834B (zh) 具有可预测性能的云数据中心两层带宽分配方法及系统
Kinger et al. Priority-aware resource allocation algorithm for cloud computing
EP2965222A1 (en) Cloud application bandwidth modeling
JP6732693B2 (ja) リソース割当制御システム、リソース割当制御方法、及びプログラム
Li et al. On scheduling of high-throughput scientific workflows under budget constraints in multi-cloud environments

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
GR01 Patent grant
GR01 Patent grant