CN112559125A - 容器应用迁移方法、装置、电子设备和计算机可读介质 - Google Patents
容器应用迁移方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN112559125A CN112559125A CN202011418963.5A CN202011418963A CN112559125A CN 112559125 A CN112559125 A CN 112559125A CN 202011418963 A CN202011418963 A CN 202011418963A CN 112559125 A CN112559125 A CN 112559125A
- Authority
- CN
- China
- Prior art keywords
- node server
- container application
- target
- target node
- load
- 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
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
- G06F9/44—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
-
- 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
-
- 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
- G06F2009/45595—Network integration; Enabling network access in virtual machine instances
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
本公开的实施例公开了容器应用迁移方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息,其中,上述运行状态信息用于表征上述目标节点服务器的运行负载正常或上述目标节点服务器的运行负载异常;响应于确定上述运行状态信息表征上述目标节点服务器的运行负载异常,从上述目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用;对上述目标节点服务器中部署的上述目标容器应用进行迁移处理。该实施方式提升了对节点服务器中部署的容器应用进行迁移处理的及时性,减少了节点服务器在运行时负载异常的次数。进而提升了容器应用集群的稳定性。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及容器应用迁移方法、装置、电子设备和计算机可读介质。
背景技术
随着计算机技术的发展,各类应用程序产生的数据呈现暴增趋势,容器应用集群(例如,Kubernetes)的节点服务器可以对容器应用进行部署。目前,在对容器应用集群进行管理时,通常采用的方式为:在节点服务器初次部署容器应用时进行资源配置以对容器应用集群进行管理。
然而,当采用上述方式对容器应用集群进行管理时,经常会存在如下技术问题:
第一,未根据节点服务器在未来时间段的运行状态对节点服务器中部署的各个容器应用进行管理,导致对节点服务器中部署的容器应用进行迁移处理的及时性不高,造成节点服务器在运行时负载异常的次数较多,从而造成容器应用集群的稳定性降低;
第二,在初次部署容器应用时进行资源配置,难以在节点服务器运行时根据节点服务器的资源使用状况对已分配的资源进行管理,导致容器应用集群的设备的资源利用率较低。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了容器应用迁移方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种容器应用迁移方法,该方法包括:基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息,其中,上述运行状态信息用于表征上述目标节点服务器的运行负载正常或上述目标节点服务器的运行负载异常;响应于确定上述运行状态信息表征上述目标节点服务器的运行负载异常,从上述目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用;对上述目标节点服务器中部署的上述目标容器应用进行迁移处理。
第二方面,本公开的一些实施例提供了一种容器应用迁移装置,装置包括:生成单元,被配置成基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息,其中,上述运行状态信息用于表征上述目标节点服务器的运行负载正常或上述目标节点服务器的运行负载异常;选择单元,被配置成响应于上述运行状态信息表征上述目标节点服务器的运行负载异常,从上述目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用;处理单元,被配置成对上述目标节点服务器中部署的上述目标容器应用进行迁移处理。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的容器应用迁移方法,容器应用集群的稳定性有所提高。具体来说,造成容器应用集群的稳定性降低的原因在于:未根据节点服务器在未来时间段的运行状态对节点服务器中部署的各个容器应用进行管理,导致对节点服务器中部署的容器应用进行迁移处理的及时性不高,造成节点服务器在运行时负载异常的次数较多。基于此,本公开的一些实施例的容器应用迁移方法首先基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息。其中,上述运行状态信息用于表征上述目标节点服务器的运行负载正常或上述目标节点服务器的运行负载异常。由此,可以对目标节点服务器在预定未来时间段的运行状态进行预测。然后,响应于确定上述运行状态信息表征上述目标节点服务器的运行负载异常,从上述目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用。由此,可以从容器应用集中确定需要进行迁移的容器应用。最后,对上述目标节点服务器中部署的上述目标容器应用进行迁移处理。由此,可以对需要进行迁移的容器应用进行迁移处理,以对容器应用集群进行管理。也因为生成了节点服务器在预定未来时间段的运行状态信息,可以根据节点服务器在未来时间段的运行状态对容器应用集群包括的各个节点服务器中部署的各个容器应用进行管理。从而可以提升对节点服务器中部署的容器应用进行迁移处理的及时性,减少节点服务器在运行时负载异常的次数。进而提升了容器应用集群的稳定性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的容器应用迁移方法的一个应用场景的示意图;
图2是根据本公开的容器应用迁移方法的一些实施例的流程图;
图3是根据本公开的容器应用迁移方法的对应关系表;
图4是根据本公开的容器应用迁移方法的另一些实施例的流程图;
图5是根据本公开的容器应用迁移方法的又一些实施例的流程图;
图6是根据本公开的容器应用迁移装置的一些实施例的结构示意图;
图7是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的容器应用迁移方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以基于目标节点服务器的实时运行监控信息102,生成预定未来时间段的运行状态信息103。其中,上述运行状态信息103用于表征上述目标节点服务器的运行负载正常或上述目标节点服务器的运行负载异常。然后,计算设备101可以响应于确定上述运行状态信息103表征上述目标节点服务器的运行负载异常,从上述目标节点服务器中部署的容器应用集104中选择容器应用作为目标容器应用105。最后,计算设备101可以对上述目标节点服务器中部署的上述目标容器应用105进行迁移处理。可选地,计算设备101可以将上述运行状态信息103发送至与上述目标节点服务器相关联的具有显示功能的设备106。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的容器应用迁移方法的一些实施例的流程200。该容器应用迁移方法,包括以下步骤:
步骤201,基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息。
在一些实施例中,容器应用迁移方法的执行主体(例如图1所示的计算设备101)可以基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息。其中,上述运行状态信息可以用于表征上述目标节点服务器的运行负载正常或上述目标节点服务器的运行负载异常。上述目标节点服务器可以为容器应用集群(例如,Kubernetes)中的一个节点的服务器。上述实时运行监控信息可以为上述目标节点服务器在运行时的资源使用信息。上述实时运行监控信息可以包括但不限于以下至少一项:节点中央处理器负载率,节点内存负载率,节点每秒查询率。其中,上述节点中央处理器负载率可以为上述目标节点服务器运行时中央处理器的使用比率。上述节点内存负载率可以为上述目标节点服务器运行时内存的使用比率。上述节点每秒查询率可以为上述目标节点服务器每秒所处理查询的次数。其中,上述预定未来时间段可以为当前时刻之后的预定时间段。
实践中,上述执行主体可以通过运行监控信息和预定未来时间段的运行状态信息的对应关系表(如图3所示),生成预定未来时间段的运行状态信息。其中,上述对应关系表可以为上述执行主体中预先存储的表。上述对应关系表还可以为上述执行主体从存储上述对应关系表的终端中获取的表。具体地,上述执行主体可以从上述对应关系表中,查询与上述实时运行监控信息对应的预定未来时间段的运行状态信息,得到运行状态信息。
作为示例,上述实时运行监控信息可以为[400次]。上述“[400次]”为节点每秒查询率。上述对应关系表可以如图3所示。上述执行主体可以从图3示例的对应关系表中查询与上述实时运行监控信息[400次]对应的运行状态信息,得到运行状态信息[异常]。上述“异常”表征上述目标节点服务器的运行负载异常。
实践中,上述执行主体还可以利用对于目标节点服务器的负载分值,生成预定未来时间段的运行状态信息。具体地,首先,上述执行主体可以通过有线连接方式或无线连接方式从终端获取与上述目标节点服务器的上述实时运行监控信息对应的负载分值。然后,上述执行主体可以响应于确定上述负载分值满足预定异常条件,生成表征上述目标节点服务器的运行负载异常的运行状态信息。其中,上述负载分值可以为对上述执行主体的负载情况的量化表示。上述预定异常条件可以为预定的用于确定上述目标节点服务器在预定未来时间段的运行状态是否为异常的条件。上述预定异常条件可以为“负载分值大于等于预定阈值”。这里,对于预定阈值的设定,不作限定。由此,可以对目标节点服务器在预定未来时间段的运行状态进行预测。
步骤202,响应于确定运行状态信息表征目标节点服务器的运行负载异常,从目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用。
在一些实施例中,上述执行主体可以响应于确定上述运行状态信息表征上述目标节点服务器的运行负载异常,从上述目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用。实践中,首先,上述执行主体可以通过有线连接方式或无线连接方式从上述目标节点服务器中获取上述容器应用集中的每个容器应用的应用监控信息,得到应用监控信息集合。其中,上述应用监控信息可以为上述容器应用在目标节点服务器运行时使用目标节点服务器的资源的信息。上述应用监控信息可以包括应用中央处理器占用率、应用内存占用率和应用每秒请求率。上述应用中央处理器占用率可以为运行上述容器应用所占用的上述目标节点服务器的中央处理器的比率。上述应用内存占用率可以为运行上述容器应用所占用的上述目标节点服务器的内存的比率。上述应用每秒请求率可以为上述容器应用在上述目标节点服务器中运行时每秒所处理查询的次数。然后,上述执行主体可以基于上述应用监控信息集合中的每个应用监控信息包括的应用中央处理器占用率、应用内存占用率和应用每秒请求率,生成上述应用监控信息对应的容器应用的资源占用分值,得到资源占用分值集合。
实践中,上述执行主体可以通过以下步骤生成上述应用监控信息对应的容器应用的资源占用分值:
第一步,确定上述应用监控信息对应的容器应用的应用每秒请求率与上述容器应用集中的各个容器应用的各个应用每秒请求率的和的比值。
第二步,将上述应用监控信息对应的容器应用的应用中央处理器占用率、应用内存占用率和上述比值的均值确定为上述容器应用的资源占用分值。
作为示例,上述应用中央处理器占用率可以为[70%]。上述应用内存占用率可以为[20%]。上述应用每秒请求率可以为[200次]。上述应用监控信息集合包括的各个应用每秒请求率可以为[100次,200次,50次,50次]。首先,上述执行主体可以确定上述应用每秒请求率[200次]与上述各个应用每秒请求率[100次,200次,50次,50次]的和的比值[0.5]。然后,上述执行主体可以将上述应用中央处理器占用率[70%]、上述应用内存占用率[20%]和上述比值[0.5]的均值[0.47]确定为上述容器应用的资源占用分值。这里,上述均值的取值可以保留至小数点后两位有效数字。
实践中,上述执行主体还可以基于上述应用监控信息集合中的每个应用监控信息包括的应用中央处理器占用率、应用内存占用率和应用每秒请求率,通过以下公式,生成上述应用监控信息对应的容器应用的资源占用分值:
其中,AScore表示上述容器应用的资源占用分值。ACPUper表示上述应用中央处理器占用率。AStoreper表示上述应用内存占用率。AQPSper表示上述应用每秒请求率。N表示上述应用监控信息集合所包括的应用监控信息的数量。i表示上述应用监控信息集合中应用监控信息的序号。AQPSperi表示第i个应用监控信息包括的应用每秒请求率。由此,可以根据应用监控信息包括的应用中央处理器占用率、应用内存占用率和应用每秒请求率,生成应用监控信息对应的容器应用的资源占用分值,以对容器应用在运行时使用目标节点服务器的资源状况进行量化表示。上述公式分别将应用中央处理器占用率、应用内存占用率和应用每秒请求率与各个应用每秒请求率的和的比值作为资源占用分值的调整因子,使得资源占用分值分别随应用中央处理器占用率、应用内存占用率和上述比值的增大而增大。同时,上述应用中央处理器占用率、应用内存占用率和上述比值又可以作为不同层级的调整因子,对资源占用分值的调整幅度不同。具体地,各个调整因子的调整幅度大小关系可以为:比值>应用中央处理器占用率>应用内存占用率。由于上述比值越高,应用每秒请求率越高,目标节点服务器的稳定性越差,应用每秒请求率对目标节点服务器的稳定性影响较大,应用中央处理器占用率和应用内存占用率次之,因此,利用上述公式中的各个调整因子的调整幅度大小关系,可以实现较为客观、准确的资源占用分值计算。
作为示例,上述应用中央处理器占用率可以为[70%]。上述应用内存占用率可以为[20%]。上述应用每秒请求率可以为[200次]。上述应用监控信息集合包括的各个应用每秒请求率可以为[100次,200次,50次,50次]。上述执行主体可以通过上述公式,生成上述应用监控信息对应的容器应用的资源占用分值:这里,上述资源占用分值的取值可以保留至小数点后两位有效数字。
之后,上述执行主体可以将上述资源占用分值集合中满足预定分值条件的资源占用分值确定为目标资源占用分值。其中,上述预定分值条件可以为“资源占用分值为最大值”。最后,上述执行主体可以将上述目标资源占用分值对应的容器应用确定为目标容器应用。由此,可以从容器应用集中确定需要进行迁移的容器应用。
作为示例,上述资源占用分值集合可以为[0.49,0.51,0.32,0.21]。首先,上述执行主体可以将上述资源占用分值集合[0.49,0.51,0.32,0.21]中满足预定分值条件“资源占用分值为最大值”的资源占用分值[0.51]确定为目标资源占用分值。然后,上述执行主体可以将上述目标资源占用分值[0.51]对应的容器应用“容器应用A”确定为目标容器应用。
步骤203,对目标节点服务器中部署的目标容器应用进行迁移处理。
在一些实施例中,上述执行主体可以对上述目标节点服务器中部署的上述目标容器应用进行迁移处理。实践中,上述迁移处理可以为将上述目标容器应用的应用程序从上述目标节点服务器中卸载,以及将上述目标容器应用部署在上述目标节点服务器对应的容器应用集群中的其他节点服务器的处理。由此,可以对需要进行迁移的容器应用进行迁移处理,以对容器应用集群进行管理。
作为示例,上述目标节点服务器可以为“节点服务器A”。上述目标容器应用可以为“容器应用A”。首先,上述执行主体可以将上述目标容器应用“容器应用A”的应用程序从上述目标节点服务器“节点服务器A”中卸载。然后,可以将上述目标容器应用“容器应用A”部署在上述目标节点服务器“节点服务器A”对应的容器应用集群中的节点服务器“节点服务器B”。
在一些实施例的一些可选的实现方式中,上述执行主体可以将上述运行状态信息发送至与上述目标节点服务器相关联的具有显示功能的设备。由此,可以通过上述设备对上述运行状态信息的显示,对目标节点服务器的运行状态进行可视化监控。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的容器应用迁移方法,容器应用集群的稳定性有所提高。具体来说,造成容器应用集群的稳定性降低的原因在于:未根据节点服务器在未来时间段的运行状态对节点服务器中部署的各个容器应用进行管理,导致对节点服务器中部署的容器应用进行迁移处理的及时性不高,造成节点服务器在运行时负载异常的次数较多。基于此,本公开的一些实施例的容器应用迁移方法首先基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息。其中,上述运行状态信息用于表征上述目标节点服务器的运行负载正常或上述目标节点服务器的运行负载异常。由此,可以对目标节点服务器在预定未来时间段的运行状态进行预测。然后,响应于确定上述运行状态信息表征上述目标节点服务器的运行负载异常,从上述目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用。由此,可以从容器应用集中确定需要进行迁移的容器应用。最后,对上述目标节点服务器中部署的上述目标容器应用进行迁移处理。由此,可以对需要进行迁移的容器应用进行迁移处理,以对容器应用集群进行管理。也因为生成了节点服务器在预定未来时间段的运行状态信息,可以根据节点服务器在未来时间段的运行状态对容器应用集群包括的各个节点服务器中部署的各个容器应用进行管理。从而可以提升对节点服务器中部署的容器应用进行迁移处理的及时性,减少节点服务器在运行时负载异常的次数。进而提升了容器应用集群的稳定性。
进一步参考图4,其示出了容器应用迁移方法的另一些实施例的流程400。该容器应用迁移方法的流程400,包括以下步骤:
步骤401,将实时运行监控信息输入至预先训练的运行状态预测模型,得到运行状态信息。
在一些实施例中,容器应用迁移方法的执行主体(例如图1所示的计算设备101)可以将上述实时运行监控信息输入至预先训练的运行状态预测模型,得到运行状态信息。其中,上述运行状态预测模型可以通过如下步骤训练得到:
第一步,获取上述目标节点服务器的历史监控信息集合作为样本集。其中,上述样本可以包括历史运行监控信息和与上述历史运行监控信息对应的上述预定未来时间段的样本历史运行状态信息。上述历史运行监控信息可以为上述目标节点服务器在历史时间点的运行监控信息。上述运行监控信息可以为上述目标节点服务器在运行时的资源利用信息。例如,历史运行监控信息可以包括但不限于以下至少一项:历史节点中央处理器负载率、历史节点内存负载率和历史节点每秒查询率。其中,上述历史节点中央处理器负载率可以为上述目标节点服务器在历史时间点运行时中央处理器的使用比率。上述历史节点内存负载率可以为上述目标节点服务器在历史时间点运行时内存的使用比率。上述历史节点每秒查询率可以为上述目标节点服务器在历史时间点每秒所处理查询的次数。上述样本历史运行状态信息可以为上述目标节点服务器在上述历史运行监控信息对应的历史时间点之后预设时间段的运行状态信息。上述预设时间段与上述预设未来时间段相同。上述样本历史运行状态信息可以用于表征上述目标节点服务器的运行负载正常或上述目标节点服务器的运行负载异常。
第二步,基于样本集执行以下训练步骤:
第一训练子步骤,将样本集中的至少一个样本的历史运行监控信息分别输入至初始神经网络,得到上述至少一个样本中的每个样本对应的历史运行状态信息。实践中,上述初始神经网络可以是能够根据历史运行监控信息得到历史运行状态信息的各种神经网络,例如,卷积神经网络、深度神经网络等等。
第二训练子步骤,将上述至少一个样本中的每个样本对应的历史运行状态信息与对应的样本历史运行状态信息进行比较。实践中,当一个样本对应的历史运行状态信息与对应的样本历史运行状态信息相同时,认为该历史运行状态信息准确。
第三训练子步骤,根据比较结果确定初始神经网络是否达到预设的优化目标。实践中,对于由上述第二训练子步骤得出的比较结果,上述优化目标可以是指上述初始神经网络生成的历史运行状态信息的准确率大于预设的准确率阈值。
第四训练子步骤,响应于确定初始神经网络达到上述优化目标,将初始神经网络作为训练完成的运行状态预测模型。
第三步,响应于确定初始神经网络未达到上述优化目标,调整初始神经网络的网络参数。以及使用未用过的样本组成样本集,使用调整后的初始神经网络作为初始神经网络,再次执行上述训练步骤。实践中,可以采用BP算法(Back Propgation Algorithm,反向传播算法)和全量梯度下降法(Batch Gradient Descent)对上述初始神经网络的网络参数进行调整。
通过步骤401,可以通过预先训练的运行状态预测模型,根据实时运行监控信息生成较为准确的运行状态信息。
步骤402,响应于确定运行状态信息表征目标节点服务器的运行负载异常,从目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用。
步骤403,对目标节点服务器中部署的目标容器应用进行迁移处理。
在一些实施例中,步骤402-403的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤202-203,在此不再赘述。
从图4中可以看出,与图2对应的一些实施例的描述相比,图4对应的一些实施例中的容器应用迁移方法的流程400体现了对生成预定未来时间段的运行状态信息进行扩展的步骤。由此,这些实施例描述的方案可以通过预先训练的运行状态预测模型,根据实时运行监控信息生成较为准确的运行状态信息。
进一步参考图5,其示出了容器应用迁移方法的另一些实施例的流程500。该容器应用迁移方法的流程500,包括以下步骤:
步骤501,基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息。
步骤502,响应于确定运行状态信息表征目标节点服务器的运行负载异常,从目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用。
在一些实施例中,步骤501-502的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-202,在此不再赘述。
步骤503,将目标节点服务器的容器部署权限标识确定为第一标识以锁定目标节点服务器的设备资源。
在一些实施例中,容器应用迁移方法的执行主体(例如图1所示的计算设备101)可以响应于确定上述运行状态信息表征上述目标节点服务器的运行负载异常,将上述目标节点服务器的容器部署权限标识确定为第一标识以锁定上述目标节点服务器的设备资源。其中,上述容器部署权限标识可以为表征节点服务器的设备资源是否可用的文字或数字形式的标识。上述第一标识可以表征节点服务器的设备资源处于锁定状态。作为示例,上述执行主体可以响应于确定上述运行状态信息表征上述目标节点服务器的运行负载异常,将上述目标节点服务器的容器部署权限标识确定为第一标识“0”以锁定上述目标节点服务器的设备资源。由此,可以对运行负载异常的节点服务器的设备资源进行锁定,使得节点服务器不再处理部署容器应用的请求。
步骤504,对目标节点服务器中部署的目标容器应用进行迁移处理。
在一些实施例中,步骤504的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤203,在此不再赘述。
步骤505,从目标节点服务器中获取实时运行监控信息作为目标实时运行监控信息。
在一些实施例中,上述执行主体可以通过有线连接方式或无线连接方式从上述目标节点服务器中获取实时运行监控信息作为目标实时运行监控信息。其中,上述获取实时运行监控信息的步骤可以为确定上述目标节点服务器的运行负载异常后,获取实时运行监控信息的步骤。
步骤506,基于目标实时运行监控信息,生成节点负载分值。
在一些实施例中,上述执行主体可以基于上述目标实时运行监控信息,生成节点负载分值。上述目标实时运行监控信息可以包括节点中央处理器负载率、节点内存负载率和节点每秒查询率。其中,上述节点中央处理器负载率可以为上述目标节点服务器运行时中央处理器的使用比率。上述节点内存负载率可以为上述目标节点服务器运行时内存的使用比率。上述节点每秒查询率可以为上述目标节点服务器每秒所处理查询的次数。
实践中,上述执行主体可以基于上述节点中央处理器负载率、上述节点内存负载率和上述节点每秒查询率,生成节点负载分值。具体地,首先,响应于确定上述节点每秒查询率大于等于预设节点每秒查询率,上述执行主体可以将上述节点每秒查询率与预设节点每秒查询率的差和上述预设节点每秒查询率的比值确定为节点每秒查询率超额率。响应于确定上述节点每秒查询率小于上述预设节点每秒查询率,上述执行主体可以将预定数值确定为节点每秒查询率超额率。这里,对于预设节点每秒查询率和预定数值的设定,不作限定。
作为示例,上述节点每秒查询率可以为[150次]。上述预设节点每秒查询率可以为[180次]。上述预定数值可以为[0]。上述执行主体可以响应于确定上述节点每秒查询率[150次]小于上述预设节点每秒查询率[180次],将上述预定数值[0]确定为节点每秒查询率超额率。
作为另一个示例,上述节点每秒查询率可以为[190次]。上述预设节点每秒查询率可以为[180次]。上述执行主体可以响应于确定上述节点每秒查询率[190次]大于预设节点每秒查询率[180次],将上述节点每秒查询率[190次]与上述预设节点每秒查询率[180次]的差[10次]和上述预设节点每秒查询率[180次]的比值[1/18]确定为节点每秒查询率超额率。
然后,上述执行主体可以基于上述节点中央处理器负载率、上述节点内存负载率和上述节点每秒查询率超额率,生成节点负载分值。实践中,上述执行主体可以将上述节点中央处理器负载率、上述节点内存负载率和上述节点每秒查询率超额率的均值确定为节点负载分值。
作为示例,上述节点中央处理器负载率可以为[30%]。上述节点内存负载率可以为[15%]。上述节点每秒查询率超额率可以为[1/18]。上述执行主体可以将上述节点中央处理器负载率[30%]、上述节点内存负载率[15%]和上述节点每秒查询率超额率[1/18]的均值[0.17]确定为节点负载分值。这里,上述均值的取值可以保留至小数点后两位有效数字。
实践中,上述执行主体还可以通过以下公式,生成节点负载分值:
其中,NScore表示节点负载分值。NCPUper表示上述节点中央处理器负载率。NStoreper表示上述节点内存负载率。NQPSOver表示上述节点每秒查询率超额率。由此,可以根据目标实时应用监控信息包括的节点中央处理器负载率、节点内存负载率和节点每秒查询率,生成目标节点服务器的节点负载分值,以对目标节点服务器在运行时的资源使用状况进行量化表示。
作为示例,上述节点中央处理器负载率可以为[30%]。上述节点内存负载率可以为[15%]。上述节点每秒查询率超额率可以为[1/18]。上述执行主体可以通过公式,生成节点负载分值这里,上述节点负载分值的取值可以保留至小数点后两位有效数字。
步骤507,响应于确定节点负载分值满足预定条件,将容器部署权限标识确定为第二标识以供在目标节点服务器部署容器应用。
在一些实施例中,上述执行主体可以响应于确定上述节点负载分值满足预定条件,将上述容器部署权限标识确定为第二标识以供在上述目标节点服务器部署容器应用。其中,上述预定条件可以为“节点负载分值小于预定值”。上述第二标识可以表征节点服务器的设备资源处于可用状态。这里,对于预定值的设定,不作限定。由此,可以对节点负载分值满足上述预定条件的节点服务器的设备资源进行解锁,以供在节点服务器继续部署容器应用。
作为示例,上述节点负载分值可以为[0.28]。上述预定值可以为[0.5]。上述执行主体可以响应于确定上述节点负载分值[0.28]满足预定条件“节点负载分值小于0.5”,将上述容器部署权限标识确定为第二标识“1”以供在上述目标节点服务器部署容器应用。
上述技术方案为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“在初次部署容器应用时进行资源配置,难以在节点服务器运行时根据节点服务器的资源使用状况对已分配的资源进行管理,导致容器应用集群的设备的资源利用率较低”。导致容器应用集群的设备的资源利用率较低的因素往往如下:在初次部署容器应用时进行资源配置,难以在节点服务器运行时根据节点服务器的资源使用状况对已分配的资源进行管理。如果解决了上述因素,就能达到提高容器应用集群的设备的资源利用率的效果。为了达到这一效果,本公开首先响应于确定上述运行状态信息表征上述目标节点服务器的运行负载异常,将上述目标节点服务器的容器部署权限标识确定为第一标识以锁定上述目标节点服务器的设备资源。由此,可以对运行负载异常的节点服务器的设备资源进行锁定,使得节点服务器不再处理部署容器应用的请求。然后,在对上述目标节点服务器中部署的上述目标容器应用进行迁移处理后,从上述目标节点服务器中获取实时运行监控信息作为目标实时运行监控信息。之后,基于上述目标实时运行监控信息,生成节点负载分值。由此,可以根据实时应用监控信息包括的节点中央处理器负载率、节点内存负载率和节点每秒查询率,生成目标节点服务器的节点负载分值,以对目标节点服务器在运行时的资源使用状况进行量化表示。步骤506中的公式分别将节点中央处理器负载率、节点内存负载率和节点每秒查询率超额率作为节点负载分值的调整因子,使得节点负载分值可以分别随节点中央处理器负载率、节点内存负载率和节点每秒查询率超额率的增大而增大。同时,节点中央处理器负载率、节点内存负载率和节点每秒查询率超额率又可以作为不同层级的调整因子,对节点负载分值的调整幅度不同。具体地,各个调整因子的调整幅度大小关系可以为:节点每秒查询率超额率>节点中央处理器负载率>节点内存负载率。由于节点每秒查询率超额率越高,节点每秒查询率越高,目标节点服务器的稳定性越差,节点每秒查询率对目标节点服务器的稳定性影响较大,节点中央处理器负载率和节点内存负载率次之,因此,利用上述公式中的各个调整因子的调整幅度大小关系,可以实现较为客观、准确的节点负载分值计算。最后,响应于确定上述节点负载分值满足预定条件,将上述容器部署权限标识确定为第二标识以供在上述目标节点服务器部署容器应用。由此,可以对节点负载分值满足上述预定条件的节点服务器的设备资源进行解锁,以供在节点服务器继续部署容器应用。从而,可以在初次部署容器应用后进行资源配置,在节点服务器运行时根据节点服务器的资源使用状况对已分配的资源进行管理。进而,可以提高容器应用集群的设备的资源利用率。
从图5中可以看出,与图2对应的一些实施例的描述相比,图5对应的一些实施例中的容器应用迁移方法的流程500体现了扩展的容器部署权限标识相关的步骤。由此,这些实施例描述的方案可以在初次部署容器应用后进行资源配置,在节点服务器运行时根据节点服务器的资源使用状况对已分配的资源进行管理。进而,可以提高容器应用集群的设备的资源利用率。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了一种容器应用迁移装置的一些实施例,这些装置实施例与图6所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,一些实施例的容器应用迁移装置600包括:生成单元601、选择单元602和处理单元603。其中,生成单元601被配置成基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息,其中,上述运行状态信息用于表征上述目标节点服务器的运行负载正常或上述目标节点服务器的运行负载异常;选择单元602被配置成响应于上述运行状态信息表征上述目标节点服务器的运行负载异常,从上述目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用;处理单元603被配置成对上述目标节点服务器中部署的上述目标容器应用进行迁移处理。
在一些实施例的可选实现方式中,容器应用迁移装置600的生成单元601可以进一步被配置成:将上述实时运行监控信息输入至预先训练的运行状态预测模型,得到运行状态信息。
在一些实施例的可选实现方式中,上述运行状态预测模型可以通过如下步骤训练得到:获取上述目标节点服务器的历史监控信息集合作为样本集,其中,上述样本包括历史运行监控信息和与上述历史运行监控信息对应的上述预定未来时间段的样本历史运行状态信息;基于样本集执行以下训练步骤:将样本集中的至少一个样本的历史运行监控信息分别输入至初始神经网络,得到上述至少一个样本中的每个样本对应的历史运行状态信息;将上述至少一个样本中的每个样本对应的历史运行状态信息与对应的样本历史运行状态信息进行比较;根据比较结果确定初始神经网络是否达到预设的优化目标;响应于确定初始神经网络达到上述优化目标,将初始神经网络作为训练完成的运行状态预测模型。
在一些实施例的可选实现方式中,训练得到上述运行状态预测模型的步骤还包括:响应于确定初始神经网络未达到上述优化目标,调整初始神经网络的网络参数,以及使用未用过的样本组成样本集,使用调整后的初始神经网络作为初始神经网络,再次执行上述训练步骤。
在一些实施例的可选实现方式中,容器应用迁移装置600的选择单元602可以包括:确定子单元(图中未示出),被配置成将上述目标节点服务器的容器部署权限标识确定为第一标识以锁定上述目标节点服务器的设备资源。
在一些实施例的可选实现方式中,容器应用迁移装置600还包括:获取单元、节点负载分值生成单元和确定单元(图中未示出)。其中,获取单元被配置成从上述目标节点服务器中获取实时运行监控信息作为目标实时运行监控信息。节点负载分值生成单元被配置成基于上述目标实时运行监控信息,生成节点负载分值。确定单元被配置成响应于确定上述节点负载分值满足预定条件,将上述容器部署权限标识确定为第二标识以供在上述目标节点服务器部署容器应用。
在一些实施例的可选实现方式中,上述目标实时运行监控信息包括节点中央处理器负载率、节点内存负载率和节点每秒查询率。
在一些实施例的可选实现方式中,上述节点负载分值生成单元被进一步配置成:基于上述节点中央处理器负载率、上述节点内存负载率和上述节点每秒查询率,生成节点负载分值。
在一些实施例的可选实现方式中,容器应用迁移装置600还包括:发送单元(图中未示出),被配置成将上述运行状态信息发送至与上述目标节点服务器相关联的具有显示功能的设备。
可以理解的是,该装置600中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置600及其中包含的单元,在此不再赘述。
下面参考图7,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)700的结构示意图。图7示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息,其中,上述运行状态信息用于表征上述目标节点服务器的运行负载正常或上述目标节点服务器的运行负载异常;响应于确定上述运行状态信息表征上述目标节点服务器的运行负载异常,从上述目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用;对上述目标节点服务器中部署的上述目标容器应用进行迁移处理。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括生成单元、选择单元和处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,生成单元还可以被描述为“基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (11)
1.一种容器应用迁移方法,包括:
基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息,其中,所述运行状态信息用于表征所述目标节点服务器的运行负载正常或所述目标节点服务器的运行负载异常;
响应于确定所述运行状态信息表征所述目标节点服务器的运行负载异常,从所述目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用;
对所述目标节点服务器中部署的所述目标容器应用进行迁移处理。
2.根据权利要求1所述的方法,其中,所述生成预定未来时间段的运行状态信息,包括:
将所述实时运行监控信息输入至预先训练的运行状态预测模型,得到运行状态信息。
3.根据权利要求2所述的方法,其中,所述运行状态预测模型通过如下步骤训练得到:
获取所述目标节点服务器的历史监控信息集合作为样本集,其中,所述样本包括历史运行监控信息和与所述历史运行监控信息对应的所述预定未来时间段的样本历史运行状态信息;
基于样本集执行以下训练步骤:
将样本集中的至少一个样本的历史运行监控信息分别输入至初始神经网络,得到所述至少一个样本中的每个样本对应的历史运行状态信息;
将所述至少一个样本中的每个样本对应的历史运行状态信息与对应的样本历史运行状态信息进行比较;
根据比较结果确定初始神经网络是否达到预设的优化目标;
响应于确定初始神经网络达到所述优化目标,将初始神经网络作为训练完成的运行状态预测模型。
4.根据权利要求3所述的方法,其中,训练得到所述运行状态预测模型的步骤还包括:
响应于确定初始神经网络未达到所述优化目标,调整初始神经网络的网络参数,以及使用未用过的样本组成样本集,使用调整后的初始神经网络作为初始神经网络,再次执行所述训练步骤。
5.根据权利要求1所述的方法,其中,所述从所述目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用,还包括:
将所述目标节点服务器的容器部署权限标识确定为第一标识以锁定所述目标节点服务器的设备资源。
6.根据权利要求5所述的方法,其中,所述方法还包括:
从所述目标节点服务器中获取实时运行监控信息作为目标实时运行监控信息;
基于所述目标实时运行监控信息,生成节点负载分值;
响应于确定所述节点负载分值满足预定条件,将所述容器部署权限标识确定为第二标识以供在所述目标节点服务器部署容器应用。
7.根据权利要求6所述的方法,其中,所述目标实时运行监控信息包括节点中央处理器负载率、节点内存负载率和节点每秒查询率;以及
所述基于所述目标实时运行监控信息,生成节点负载分值,包括:
基于所述节点中央处理器负载率、所述节点内存负载率和所述节点每秒查询率,生成节点负载分值。
8.根据权利要求1所述的方法,其中,所述方法还包括:
将所述运行状态信息发送至与所述目标节点服务器相关联的具有显示功能的设备。
9.一种容器应用迁移装置,包括:
生成单元,被配置成基于目标节点服务器的实时运行监控信息,生成预定未来时间段的运行状态信息,其中,所述运行状态信息用于表征所述目标节点服务器的运行负载正常或所述目标节点服务器的运行负载异常;
选择单元,被配置成响应于所述运行状态信息表征所述目标节点服务器的运行负载异常,从所述目标节点服务器中部署的容器应用集中选择容器应用作为目标容器应用;
处理单元,被配置成对所述目标节点服务器中部署的所述目标容器应用进行迁移处理。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011418963.5A CN112559125A (zh) | 2020-12-07 | 2020-12-07 | 容器应用迁移方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011418963.5A CN112559125A (zh) | 2020-12-07 | 2020-12-07 | 容器应用迁移方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112559125A true CN112559125A (zh) | 2021-03-26 |
Family
ID=75059609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011418963.5A Pending CN112559125A (zh) | 2020-12-07 | 2020-12-07 | 容器应用迁移方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112559125A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113419838A (zh) * | 2021-07-16 | 2021-09-21 | 北京字节跳动网络技术有限公司 | 资源调度方法、装置、电子设备及存储介质 |
CN114826932A (zh) * | 2022-05-09 | 2022-07-29 | 南京数睿数据科技有限公司 | 数据迁移方法、装置、电子设备和计算机可读介质 |
CN115277261A (zh) * | 2022-09-28 | 2022-11-01 | 北京安帝科技有限公司 | 基于工控网络病毒的异常机器智能识别方法、装置、设备 |
-
2020
- 2020-12-07 CN CN202011418963.5A patent/CN112559125A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113419838A (zh) * | 2021-07-16 | 2021-09-21 | 北京字节跳动网络技术有限公司 | 资源调度方法、装置、电子设备及存储介质 |
CN114826932A (zh) * | 2022-05-09 | 2022-07-29 | 南京数睿数据科技有限公司 | 数据迁移方法、装置、电子设备和计算机可读介质 |
CN114826932B (zh) * | 2022-05-09 | 2023-11-24 | 南京数睿数据科技有限公司 | 数据迁移方法、装置、电子设备和计算机可读介质 |
CN115277261A (zh) * | 2022-09-28 | 2022-11-01 | 北京安帝科技有限公司 | 基于工控网络病毒的异常机器智能识别方法、装置、设备 |
CN115277261B (zh) * | 2022-09-28 | 2022-12-16 | 北京安帝科技有限公司 | 基于工控网络病毒的异常机器智能识别方法、装置、设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112363813A (zh) | 资源调度方法、装置、电子设备和计算机可读介质 | |
CN112559125A (zh) | 容器应用迁移方法、装置、电子设备和计算机可读介质 | |
JP2007241394A (ja) | 分割処理管理装置及び分割処理管理システム及び演算処理実行システム及び分割処理管理方法 | |
CN104616173B (zh) | 预测用户流失的方法以及设备 | |
US20210360058A1 (en) | Job allocation support system and method | |
CN110650209A (zh) | 实现负载均衡的方法和装置 | |
CN109428926B (zh) | 一种调度任务节点的方法和装置 | |
CN114780338A (zh) | 主机信息处理方法、装置、电子设备和计算机可读介质 | |
CN113791891A (zh) | 持续集成任务构建方法、装置、设备和计算机可读介质 | |
CN116388112B (zh) | 异常供应端断电方法、装置、电子设备和计算机可读介质 | |
CN116567077A (zh) | 裸金属指令发送方法、装置、设备及存储介质 | |
CN114859935A (zh) | 应用于多节点组网的路径规划方法、装置、产品及介质 | |
CN111694670B (zh) | 资源分配方法、装置、设备和计算机可读介质 | |
CN113904940A (zh) | 资源调整方法、装置、电子设备和计算机可读存储介质 | |
CN112527454A (zh) | 容器组调度方法、装置、电子设备和计算机可读介质 | |
CN114035861A (zh) | 集群配置方法、装置、电子设备和计算机可读介质 | |
CN112181605A (zh) | 负载均衡方法、装置、电子设备和计算机可读介质 | |
CN111898061A (zh) | 搜索网络的方法、装置、电子设备和计算机可读介质 | |
CN113760178A (zh) | 缓存数据处理方法、装置、电子设备和计算机可读介质 | |
CN116862319B (zh) | 电力指标信息生成方法、装置、电子设备和介质 | |
CN111767085B (zh) | Storm平台参数配置方法和装置 | |
CN116881097B (zh) | 用户终端告警方法、装置、电子设备和计算机可读介质 | |
CN110262756B (zh) | 用于缓存数据的方法和装置 | |
CN112148448B (zh) | 资源分配方法、装置、设备和计算机可读介质 | |
CN111698132B (zh) | 用于控制集群中心跳事件的方法、装置、设备和介质 |
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 |