CN112416530A - 弹性管理集群物理机节点的方法、装置及电子设备 - Google Patents

弹性管理集群物理机节点的方法、装置及电子设备 Download PDF

Info

Publication number
CN112416530A
CN112416530A CN202011425303.XA CN202011425303A CN112416530A CN 112416530 A CN112416530 A CN 112416530A CN 202011425303 A CN202011425303 A CN 202011425303A CN 112416530 A CN112416530 A CN 112416530A
Authority
CN
China
Prior art keywords
physical machine
node
memory
machine node
cpu
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.)
Granted
Application number
CN202011425303.XA
Other languages
English (en)
Other versions
CN112416530B (zh
Inventor
王俊
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.)
Tibet Ningsuan Technology Group Co ltd
Original Assignee
Tibet Ningsuan Technology Group 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 Tibet Ningsuan Technology Group Co ltd filed Critical Tibet Ningsuan Technology Group Co ltd
Priority to CN202011425303.XA priority Critical patent/CN112416530B/zh
Publication of CN112416530A publication Critical patent/CN112416530A/zh
Application granted granted Critical
Publication of CN112416530B publication Critical patent/CN112416530B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G06F9/4893—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues taking into account power or heat criteria
    • 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
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
    • 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
    • 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]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5066—Algorithms for mapping a plurality of inter-dependent sub-tasks onto a plurality of physical CPUs
    • 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]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
    • 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
    • G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
    • 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]
    • G06F9/5094—Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
    • 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
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
    • 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

本发明公开了一种弹性管理集群物理机节点的方法、装置及电子设备，该方法包括：收集集群的第一使用数据；根据所述第一使用数据判定是否触发资源调度策略，若是，则计算出最佳的可调度物理机节点；收集被监控物理机节点的第二使用数据；根据所述第二使用数据判定是否触发所述被监控物理机节点中的容器重调度，若是，则将所述被监控物理机节点中的容器迁移至所述最佳的可调度物理机节点中；调用容器被迁移后的所述被监控物理机节点的api，关闭该物理机。本申请中，当集群资源空闲时，将分布在各节点上的容器重新迁移到计算出的最佳调度物理机节点上，空出节点，以达到回收节点、合理配置资源、减少电耗成本的目的。

Description

弹性管理集群物理机节点的方法、装置及电子设备
技术领域
本发明属于计算机软件应用技术领域，具体涉及一种私有云场景下弹性管理集群物理机节点的方法、装置及电子设备。
背景技术
kubernetes是google开源的容器集群管理系统，提供应用部署、维护、扩展机制等功能，利用kubernetes能方便管理跨集群运行容器化的应用，简称：k8s（k与s之间有8个字母）。私有云场景使用k8s集群时，选择使用物理机和虚拟机或混合使用作为k8s集群的计算节点是普遍存在的。在使用物理机作为计算节点时，长时间的使用带来了极大的电耗成本。如何按需弹性管理物理机的开关和使用以减少电耗成本，无疑是该场景下的一个痛点。
发明内容
为了解决上述问题，本发明提供一种弹性管理集群物理机节点的方法、装置及电子设备，当集群资源空闲时，将分布在各节点上的容器重新迁移到其计算出的最佳调度节点上，空出节点，以达到回收节点、减少电耗成本的目的。
本发明所采用的技术方案为：一种弹性管理集群物理机节点的方法，包括以下步骤：收集集群的第一使用数据，其中，所述第一使用数据为当前集群cpu和内存总的使用数据；根据所述第一使用数据判定是否触发资源调度策略，若是，则计算出最佳的可调度物理机节点；收集被监控物理机节点的第二使用数据，其中，所述第二使用数据为所述被监控物理机节点的各自cpu和内存使用数据；根据所述第二使用数据判定是否触发所述被监控物理机节点中的容器重调度，若是，则将所述被监控物理机节点中的容器迁移至所述最佳的可调度物理机节点中；调用容器被迁移后的所述被监控物理机节点的api，关闭该物理机。
作为一种可选的技术方案，所述触发资源调度策略的条件为：根据所述第一使用数据计算当前集群cpu总量使用率和内存总量使用率，当在持续一段时间内所述cpu总量使用率和/或内存总量使用率低于预定阈值时，则触发资源调度策略。
作为一种可选的技术方案，所述触发所述被监控物理机节点中的容器重调度的条件为：根据所述第二使用数据计算所述被监控物理机节点的各自cpu使用率和内存使用率，当在持续一段时间内所述cpu使用率和/或内存使用率低于预定阈值时，则触发所述被监控物理机节点中的容器重调度。
作为一种可选的技术方案，所述关闭该物理机的步骤之后还包括：根据所述第一使用数据，判定是否触发物理机重用，若是，则选择至少一台所述被关闭的物理机进行网络唤醒，并将其配置纳入集群使用；其中，触发物理机重用的条件为：根据所述第一使用数据计算当前集群cpu总量使用率和内存总量使用率，当在持续一段时间内所述cpu总量使用率和/或内存总量使用率高于预定阈值时，则触发物理机重用。
本申请还公开了一种弹性管理集群物理机节点的装置，包括：第一收集模块，用于收集集群的第一使用数据，其中，所述第一使用数据为当前集群cpu和内存总的使用数据；第一判定模块，用于根据所述第一使用数据判定是否触发资源调度策略，若是，则计算出最佳的可调度物理机节点；第二收集模块，用于收集被监控物理机节点的第二使用数据，其中，所述第二使用数据为所述被监控物理机节点的各自cpu和内存使用数据；第二判定模块，用于根据所述第二使用数据判定是否触发所述被监控物理机节点中的容器重调度，若是，则将所述被监控物理机节点中的容器迁移至所述最佳的可调度物理机节点中；调用模块，用于调用容器被迁移后的所述被监控物理机节点的api，关闭该物理机。
作为一种可选的技术方案，所述第一判定模块还包括第一条件触发单元：用于根据所述第一使用数据计算当前集群cpu总量使用率和内存总量使用率，当在持续一段时间内所述cpu总量使用率和/或内存总量使用率低于预定阈值时，则触发资源调度策略。
作为一种可选的技术方案，所述第二判定模块还包括第二条件触发单元：用于根据所述第二使用数据计算所述被监控物理机节点的各自cpu使用率和内存使用率，当在持续一段时间内所述cpu使用率和/或内存使用率低于预定阈值时，则触发所述被监控物理机节点中的容器重调度。
作为一种可选的技术方案，所述装置还包括：唤醒重用模块，用于根据所述第一使用数据，判定是否触发物理机重用，若是，则选择至少一台所述被关闭的物理机进行网络唤醒，并将其配置纳入集群使用；其中，触发物理机重用的条件为：根据所述第一使用数据计算当前集群cpu总量使用率和内存总量使用率，当在持续一段时间内所述cpu总量使用率和/或内存总量使用率高于预定阈值时，则触发物理机重用。
本申请还公开了一种电子设备，包括：一个或多个处理器；一个或多个存储器；所述一个或多个存储器存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令，当所述指令被所述一个或多个处理器执行时，使得所述电子设备执行上述的方法。
本申请还公开了一种计算机可读介质，包括计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。
本发明的有益效果为：本发明提供的方法及装置，当集群资源空闲时，将分布在各节点上的容器重新迁移到其计算出的最佳调度节点上，空出节点，以达到回收节点、合理配置资源、减少电耗成本的目的。
附图说明
图1为本发明方法的流程示意图；
图2是资源调度器的工作过程示意图；
图3是本发明装置的原理框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图及具体实施例对本发明作进一步阐述。
实施例：
如图1所示，一种弹性管理集群物理机节点的方法，包括以下步骤：收集集群的第一使用数据，其中，所述第一使用数据为当前集群cpu和内存总的使用数据；根据所述第一使用数据判定是否触发资源调度策略，若是，则计算出最佳的可调度物理机节点；收集被监控物理机节点的第二使用数据，其中，所述第二使用数据为所述被监控物理机节点的各自cpu和内存使用数据；根据所述第二使用数据判定是否触发所述被监控物理机节点中的容器重调度，若是，则将所述被监控物理机节点中的容器迁移至所述最佳的可调度物理机节点中；调用容器被迁移后的所述被监控物理机节点的api，关闭该物理机。
作为一种可选的实施方式，所述触发资源调度策略的条件为：根据所述第一使用数据计算当前集群cpu总量使用率和内存总量使用率，当在持续一段时间内所述cpu总量使用率和/或内存总量使用率低于预定阈值时，则触发资源调度策略。
作为一种可选的实施方式，所述触发所述被监控物理机节点中的容器重调度的条件为：根据所述第二使用数据计算所述被监控物理机节点的各自cpu使用率和内存使用率，当在持续一段时间内所述cpu使用率和/或内存使用率低于预定阈值时，则触发所述被监控物理机节点中的容器重调度。
作为一种可选的实施方式，所述关闭该物理机的步骤之后还包括：根据所述第一使用数据，判定是否触发物理机重用，若是，则选择至少一台所述被关闭的物理机进行网络唤醒，并将其配置纳入集群使用；其中，触发物理机重用的条件为：根据所述第一使用数据计算当前集群cpu总量使用率和内存总量使用率，当在持续一段时间内所述cpu总量使用率和/或内存总量使用率高于预定阈值时，则触发物理机重用。
本实施例中，在原生的k8s集群基础上，新增了一种资源调度器，该资源调度器用于执行本实施例的方法，其工作过程如图2所示，图中，Pod是若干相关容器的组合，Pod包含的容器运行在同一host上，这些容器使用相同的网络命令空间、IP地址和端口，相互之间能通过localhost来发现和通信。另外，这些容器还可共享一块存储卷空间。在k8s中创建，调度和管理的最小单位就是Pod，而非容器，Pod通过提供更高层次的抽象，提供了更加灵活的部署和管理模式。Node（节点）是Kubernetes中最小的计算硬件单元，它是集群中单个机器的表示，在大多数生产系统中，节点很可能是数据中心中的物理机器，或者是托管在像谷歌云平台这样的云供应商上的虚拟机。资源调度器执行本实施例的方法以实现：当集群资源空闲时，将分布在各节点上的容器重新迁移到其计算出的最佳调度节点上，空出节点，以达到回收节点、减少电耗的目的。
更为具体地，本实施例方法可以分为以下三个过程：
1、收集集群数据和资源调度策略。
资源调度器会定时调用集群监控插件接口，拉取当前集群cpu和内存使用数据，计算出当前集群cpu总量使用率（集群中所有计算节点cpu的总量的使用率）和内存总量使用率。当检测到集群持续一段时间（用户定义时长）内cpu总量使用率和/或内存总量使用率低于用户定义的阈值时，资源调度器将会触发调度策略：资源调度器会根据当前集群计算节点的资源使用情况，计算出最佳的可调度物理机节点，若用户新部署的容器无明确的定向调度需求，则所有容器都会被调度到该节点中。
2、容器重调度及物理机回收。
资源调度器中会记录（用户可在初始化资源调度器时声明，也可以在后续给新增的物理机打上标签，资源调度器会自动更新监控列表）用户指定的要监控的物理机节点，并定时调用监控插件获取这些物理机节点的cpu和内存使用情况，若检测到这些物理机节点持续一段时间（时间长度可在初始化时用户配置）内cpu和/或内存使用率低于某个阈值（初始化时用户配置），则资源调度器会触发该物理机节点中的容器重调度。资源调度器会在其计算出的最佳可调度物理机节点中把触发容器重调度的物理机节点中的容器迁移到该最佳可调度物理机节点中。最后调用容器被迁移后的物理机节点的api，关闭该物理机，以达到合理配置资源，减少电耗的目的。
3、物理机重新使用。
资源调度器检测到当前集群的cpu和/或内存总使用率高于用户指定的阈值时，会触发物理机重用。资源调度器会从记录的已回收物理机中选出一台物理机进行网络唤醒，并将其配置并纳入集群使用。
如图3所示，本实施例还公开了一种弹性管理集群物理机节点的装置，包括：第一收集模块，用于收集集群的第一使用数据，其中，所述第一使用数据为当前集群cpu和内存总的使用数据；第一判定模块，用于根据所述第一使用数据判定是否触发资源调度策略，若是，则计算出最佳的可调度物理机节点；第二收集模块，用于收集被监控物理机节点的第二使用数据，其中，所述第二使用数据为所述被监控物理机节点的各自cpu和内存使用数据；第二判定模块，用于根据所述第二使用数据判定是否触发所述被监控物理机节点中的容器重调度，若是，则将所述被监控物理机节点中的容器迁移至所述最佳的可调度物理机节点中；调用模块，用于调用容器被迁移后的所述被监控物理机节点的api，关闭该物理机。
作为一种可选的实施方式，所述第一判定模块还包括第一条件触发单元：用于根据所述第一使用数据计算当前集群cpu总量使用率和内存总量使用率，当在持续一段时间内所述cpu总量使用率和/或内存总量使用率低于预定阈值时，则触发资源调度策略。
作为一种可选的实施方式，所述第二判定模块还包括第二条件触发单元：用于根据所述第二使用数据计算所述被监控物理机节点的各自cpu使用率和内存使用率，当在持续一段时间内所述cpu使用率和/或内存使用率低于预定阈值时，则触发所述被监控物理机节点中的容器重调度。
作为一种可选的实施方式，所述装置还包括：唤醒重用模块，用于根据所述第一使用数据，判定是否触发物理机重用，若是，则选择至少一台所述被关闭的物理机进行网络唤醒，并将其配置纳入集群使用；其中，触发物理机重用的条件为：根据所述第一使用数据计算当前集群cpu总量使用率和内存总量使用率，当在持续一段时间内所述cpu总量使用率和/或内存总量使用率高于预定阈值时，则触发物理机重用。
本申请还公开了一种电子设备，包括：一个或多个处理器；一个或多个存储器；所述一个或多个存储器存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令，当所述指令被所述一个或多个处理器执行时，使得所述电子设备执行上述实施例中的方法。
本申请还公开了一种计算机可读介质，包括计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述实施例中的方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置、电子设备和计算机可读介质的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块（单元）。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在可读介质中或网络上，包括若干指令以使得一台电子设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本申请实施例的方法。
上述可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器 (CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内，凡是落入本发明权利要求界定范围内的技术方案，均落在本发明的保护范围之内。

Claims (10)

1.一种弹性管理集群物理机节点的方法，其特征在于，包括以下步骤：
收集集群的第一使用数据，其中，所述第一使用数据为当前集群cpu和内存总的使用数据；
根据所述第一使用数据判定是否触发资源调度策略，若是，则计算出最佳的可调度物理机节点；
收集被监控物理机节点的第二使用数据，其中，所述第二使用数据为所述被监控物理机节点的各自cpu和内存使用数据；
根据所述第二使用数据判定是否触发所述被监控物理机节点中的容器重调度，若是，则将所述被监控物理机节点中的容器迁移至所述最佳的可调度物理机节点中；
调用容器被迁移后的所述被监控物理机节点的api，关闭该物理机。
2.根据权利要求1所述的弹性管理集群物理机节点的方法，其特征在于，所述触发资源调度策略的条件为：根据所述第一使用数据计算当前集群cpu总量使用率和内存总量使用率，当在持续一段时间内所述cpu总量使用率和/或内存总量使用率低于预定阈值时，则触发资源调度策略。
3.根据权利要求1所述的弹性管理集群物理机节点的方法，其特征在于，所述触发所述被监控物理机节点中的容器重调度的条件为：根据所述第二使用数据计算所述被监控物理机节点的各自cpu使用率和内存使用率，当在持续一段时间内所述cpu使用率和/或内存使用率低于预定阈值时，则触发所述被监控物理机节点中的容器重调度。
4.根据权利要求1-3任一项所述的弹性管理集群物理机节点的方法，其特征在于，所述关闭该物理机的步骤之后还包括：根据所述第一使用数据，判定是否触发物理机重用，若是，则选择至少一台所述被关闭的物理机进行网络唤醒，并将其配置纳入集群使用；其中，触发物理机重用的条件为：根据所述第一使用数据计算当前集群cpu总量使用率和内存总量使用率，当在持续一段时间内所述cpu总量使用率和/或内存总量使用率高于预定阈值时，则触发物理机重用。
5.一种弹性管理集群物理机节点的装置，其特征在于，包括：
第一收集模块，用于收集集群的第一使用数据，其中，所述第一使用数据为当前集群cpu和内存总的使用数据；
第一判定模块，用于根据所述第一使用数据判定是否触发资源调度策略，若是，则计算出最佳的可调度物理机节点；
第二收集模块，用于收集被监控物理机节点的第二使用数据，其中，所述第二使用数据为所述被监控物理机节点的各自cpu和内存使用数据；
第二判定模块，用于根据所述第二使用数据判定是否触发所述被监控物理机节点中的容器重调度，若是，则将所述被监控物理机节点中的容器迁移至所述最佳的可调度物理机节点中；
调用模块，用于调用容器被迁移后的所述被监控物理机节点的api，关闭该物理机。
6.根据权利要求5所述的弹性管理集群物理机节点的装置，其特征在于，所述第一判定模块还包括第一条件触发单元：用于根据所述第一使用数据计算当前集群cpu总量使用率和内存总量使用率，当在持续一段时间内所述cpu总量使用率和/或内存总量使用率低于预定阈值时，则触发资源调度策略。
7.根据权利要求5所述的弹性管理集群物理机节点的装置，其特征在于，所述第二判定模块还包括第二条件触发单元：用于根据所述第二使用数据计算所述被监控物理机节点的各自cpu使用率和内存使用率，当在持续一段时间内所述cpu使用率和/或内存使用率低于预定阈值时，则触发所述被监控物理机节点中的容器重调度。
8.根据权利要求5-7任一项所述的弹性管理集群物理机节点的装置，其特征在于，还包括：唤醒重用模块，用于根据所述第一使用数据，判定是否触发物理机重用，若是，则选择至少一台所述被关闭的物理机进行网络唤醒，并将其配置纳入集群使用；其中，触发物理机重用的条件为：根据所述第一使用数据计算当前集群cpu总量使用率和内存总量使用率，当在持续一段时间内所述cpu总量使用率和/或内存总量使用率高于预定阈值时，则触发物理机重用。
9.一种电子设备，其特征在于，包括：一个或多个处理器；一个或多个存储器；所述一个或多个存储器存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令，当所述指令被所述一个或多个处理器执行时，使得所述电子设备执行如权利要求1至4中任一项所述的方法。
10.一种计算机可读介质，其特征在于，包括计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1至4中任一项所述的方法。
CN202011425303.XA 2020-12-08 2020-12-08 弹性管理集群物理机节点的方法、装置及电子设备 Active CN112416530B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011425303.XA CN112416530B (zh) 2020-12-08 2020-12-08 弹性管理集群物理机节点的方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011425303.XA CN112416530B (zh) 2020-12-08 2020-12-08 弹性管理集群物理机节点的方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN112416530A true CN112416530A (zh) 2021-02-26
CN112416530B CN112416530B (zh) 2023-12-22

Family

ID=74775218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011425303.XA Active CN112416530B (zh) 2020-12-08 2020-12-08 弹性管理集群物理机节点的方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112416530B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115002117A (zh) * 2022-05-30 2022-09-02 中移（杭州）信息技术有限公司 内容分发网络动态调度方法、系统、设备及存储介质

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100268825A1 (en) * 2009-04-16 2010-10-21 Electronics And Telecommunications Research Institute Scheduling method and scheduling information synchronizing method in wireless ad hoc network
CN102446115A (zh) * 2012-01-09 2012-05-09 浙江大学 一种虚拟机的动态部署方法
CN102591443A (zh) * 2011-12-29 2012-07-18 华为技术有限公司 一种虚拟化集群整合方法、装置及系统
CN102866915A (zh) * 2012-08-21 2013-01-09 华为技术有限公司 虚拟化集群整合方法、装置及虚拟化集群系统
CN104572307A (zh) * 2015-01-30 2015-04-29 无锡华云数据技术服务有限公司 一种对虚拟资源进行弹性调度的方法
CN104657215A (zh) * 2013-11-19 2015-05-27 南京鼎盟科技有限公司 云计算中虚拟化节能系统
CN105359489A (zh) * 2013-08-08 2016-02-24 华为技术有限公司 一种资源调度方法、装置及系统
CN106055380A (zh) * 2016-05-20 2016-10-26 郑州丞极信息科技有限责任公司 一种业务服务器的整合方法及系统
CN107203255A (zh) * 2016-03-20 2017-09-26 田文洪 一种网络功能虚拟化环境中迁移节能方法和装置
US20170366616A1 (en) * 2016-06-16 2017-12-21 Veniam, Inc. Systems and methods for managing containers in a network of moving things
CN108023958A (zh) * 2017-12-08 2018-05-11 中国电子科技集团公司第二十八研究所 一种基于云平台资源监视的资源调度系统
CN108429815A (zh) * 2018-03-23 2018-08-21 重庆邮电大学 基于OpenStack的动态资源调度方法
CN108667859A (zh) * 2017-03-27 2018-10-16 中兴通讯股份有限公司 一种实现资源调度的方法及装置
CN108777700A (zh) * 2018-04-20 2018-11-09 深圳市康拓普信息技术有限公司 一种针对电力物联网应用的容器集群调度方法和装置
CN109697105A (zh) * 2018-12-11 2019-04-30 广东石油化工学院 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
CN110389838A (zh) * 2019-07-24 2019-10-29 北京邮电大学 一种适用于虚拟资源的实时调度和在线迁移管控方法
CN110515704A (zh) * 2019-08-30 2019-11-29 广东浪潮大数据研究有限公司 基于Kubernetes系统的资源调度方法及装置
CN110764912A (zh) * 2019-10-25 2020-02-07 东北大学 一种自适应任务调度器及方法
CN111190688A (zh) * 2019-12-19 2020-05-22 西安交通大学 一种面向云数据中心的Docker迁移方法及系统

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100268825A1 (en) * 2009-04-16 2010-10-21 Electronics And Telecommunications Research Institute Scheduling method and scheduling information synchronizing method in wireless ad hoc network
CN102591443A (zh) * 2011-12-29 2012-07-18 华为技术有限公司 一种虚拟化集群整合方法、装置及系统
CN102446115A (zh) * 2012-01-09 2012-05-09 浙江大学 一种虚拟机的动态部署方法
CN102866915A (zh) * 2012-08-21 2013-01-09 华为技术有限公司 虚拟化集群整合方法、装置及虚拟化集群系统
CN105359489A (zh) * 2013-08-08 2016-02-24 华为技术有限公司 一种资源调度方法、装置及系统
CN104657215A (zh) * 2013-11-19 2015-05-27 南京鼎盟科技有限公司 云计算中虚拟化节能系统
CN104572307A (zh) * 2015-01-30 2015-04-29 无锡华云数据技术服务有限公司 一种对虚拟资源进行弹性调度的方法
CN107203255A (zh) * 2016-03-20 2017-09-26 田文洪 一种网络功能虚拟化环境中迁移节能方法和装置
CN106055380A (zh) * 2016-05-20 2016-10-26 郑州丞极信息科技有限责任公司 一种业务服务器的整合方法及系统
US20170366616A1 (en) * 2016-06-16 2017-12-21 Veniam, Inc. Systems and methods for managing containers in a network of moving things
CN108667859A (zh) * 2017-03-27 2018-10-16 中兴通讯股份有限公司 一种实现资源调度的方法及装置
CN108023958A (zh) * 2017-12-08 2018-05-11 中国电子科技集团公司第二十八研究所 一种基于云平台资源监视的资源调度系统
CN108429815A (zh) * 2018-03-23 2018-08-21 重庆邮电大学 基于OpenStack的动态资源调度方法
CN108777700A (zh) * 2018-04-20 2018-11-09 深圳市康拓普信息技术有限公司 一种针对电力物联网应用的容器集群调度方法和装置
CN109697105A (zh) * 2018-12-11 2019-04-30 广东石油化工学院 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
CN110389838A (zh) * 2019-07-24 2019-10-29 北京邮电大学 一种适用于虚拟资源的实时调度和在线迁移管控方法
CN110515704A (zh) * 2019-08-30 2019-11-29 广东浪潮大数据研究有限公司 基于Kubernetes系统的资源调度方法及装置
CN110764912A (zh) * 2019-10-25 2020-02-07 东北大学 一种自适应任务调度器及方法
CN111190688A (zh) * 2019-12-19 2020-05-22 西安交通大学 一种面向云数据中心的Docker迁移方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SARA DEILAMI: ""Online Coordination of Plugged-In Electric Vehicles and Optimal Rescheduling of Switched Shunt Capacitors in Smart Grid Considering Battery Charger Harmonics"", 《IEEE POWER AND ENERGY TECHNOLOGY SYSTEMS JOURNAL》 *
丁维龙;李响;赵卓峰;: "一种面向感知数据托管的虚拟机调度策略", 北方工业大学学报, no. 01 *
周文煜;陈华平;杨寿保;方君;: "基于虚拟机迁移的虚拟机集群资源调度", 华中科技大学学报(自然科学版), no. 1 *
黄海峰;宋爱波;樊维;张鸿;: "数据中心多目标虚拟机管理研究", 华中科技大学学报(自然科学版), no. 05 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115002117A (zh) * 2022-05-30 2022-09-02 中移（杭州）信息技术有限公司 内容分发网络动态调度方法、系统、设备及存储介质

Also Published As

Publication number Publication date
CN112416530B (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
US10255110B2 (en) Node selection for a new application in a multi-tenant cloud hosting environment
EP3388946B1 (en) Memory collection method and device
Ahmad et al. A survey on virtual machine migration and server consolidation frameworks for cloud data centers
CN106533723B (zh) 虚拟资源调度方法、装置及系统
US9483288B2 (en) Method and system for running a virtual appliance
CN109343965A (zh) 资源调整方法、装置、云平台和服务器
CN109992350B (zh) 云计算系统的资源池中虚拟机的迁移方法及装置
US20190391897A1 (en) Adaptive thresholds for containers
CN105049268A (zh) 分布式计算资源分配系统和任务处理方法
CN104486445A (zh) 一种基于云平台的分布式可扩展资源监控系统及方法
EP2898412B1 (en) Adaptive service timeouts
EP2823373A1 (en) Virtualizing battery across a group of personal mobile devices
CN110647392A (zh) 一种基于容器集群的智能弹性伸缩方法
WO2013158139A1 (en) Virtual computing resource orchestration
CN105868004B (zh) 一种基于云计算的业务系统的调度方法及调度装置
US10305974B2 (en) Ranking system
CN107977254B (zh) 云数据系统中请求的响应方法和计算机可读存储介质
US20240007346A1 (en) Method and Apparatus for Monitoring Application Service, Electronic Device, and Readable Storage Medium
CN112579304A (zh) 基于分布式平台的资源调度方法、装置、设备及介质
CN105704785A (zh) 一种网络搜索方法、装置及移动终端
CN103414739B (zh) 采用自动漂移的云服务器自动监控系统及方法
CN103488538A (zh) 云计算系统中的应用扩展装置和应用扩展方法
CN112416530B (zh) 弹性管理集群物理机节点的方法、装置及电子设备
CN114490089A (zh) 云计算资源自动调节方法、装置、计算机设备及存储介质
KR101608859B1 (ko) 클라우드 기반의 지능형 전력제어 시스템

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