CN113806075A - kubernetes集群的容器热更新CPU核的方法、装置、设备及可读介质 - Google Patents

kubernetes集群的容器热更新CPU核的方法、装置、设备及可读介质 Download PDF

Info

Publication number
CN113806075A
CN113806075A CN202110932729.2A CN202110932729A CN113806075A CN 113806075 A CN113806075 A CN 113806075A CN 202110932729 A CN202110932729 A CN 202110932729A CN 113806075 A CN113806075 A CN 113806075A
Authority
CN
China
Prior art keywords
container
cpu
cpu core
utilization rate
bound
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.)
Withdrawn
Application number
CN202110932729.2A
Other languages
English (en)
Inventor
林新宇
卢冰
荆君
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.)
Suzhou Inspur Intelligent Technology Co Ltd
Original Assignee
Suzhou Inspur Intelligent Technology 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 Suzhou Inspur Intelligent Technology Co Ltd filed Critical Suzhou Inspur Intelligent Technology Co Ltd
Priority to CN202110932729.2A priority Critical patent/CN113806075A/zh
Publication of CN113806075A publication Critical patent/CN113806075A/zh
Withdrawn legal-status Critical Current

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
    • G06F9/46—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
    • G06F9/505—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 considering the load
    • 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
    • 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
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/5022—Workload threshold
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/508—Monitor

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

本发明提供了一种基于kubernetes集群的容器热更新CPU核的方法、装置、设备及可读介质，该方法包括：根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务；监控每个容器中各个CPU核的利用率，并将监控到的利用率与设定的阈值进行比较；基于比较结果动态调整每个容器绑定CPU核的数量。通过使用本发明的方案，能够实现不同应用场景下的不同任务动态调整不同粒度的CPU资源，达到资源利用的最大化。

Description

kubernetes集群的容器热更新CPU核的方法、装置、设备及可 读介质
技术领域
本领域涉及计算机领域，并且更具体地涉及一种基于kubernetes集群的容器热更新CPU核的方法、装置、设备及可读介质。
背景技术
随着计算机计算能力的快速、显著提升，人工智能已广泛应用于机器视觉、专家系统、智能搜索、自动程序设计、智能控制、遗传编程、语言和图像理解等方面。高性能CPU(Central Processing Unit，中央处理器)对深度学习有较为明显的加速作用，但是CPU内存、算力是有限的。在容器启动后，现有容器技术无法调整CPU资源，这就造成了任务无法根据实际需求进行CPU资源的动态伸缩。如何更高效地利用CPU资源、动态伸缩容器内CPU核等难题是开发者努力攻关的方向。
发明内容
有鉴于此，本发明实施例的目的在于提出一种基于kubernetes集群的容器热更新CPU核的方法、装置、设备及可读介质，通过使用本发明的技术方案，能够实现不同应用场景下的不同任务动态调整不同粒度的CPU资源，达到资源利用的最大化。
基于上述目的，本发明的实施例的一个方面提供了一种基于kubernetes集群的容器热更新CPU核的方法，包括以下步骤：
根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务；
监控每个容器中各个CPU核的利用率，并将监控到的利用率与设定的阈值进行比较；
基于比较结果动态调整每个容器绑定CPU核的数量。
根据本发明的一个实施例，基于比较结果动态调整每个容器绑定CPU核的数量包括：
响应于监控到的CPU核的利用率小于第一阈值且对应容器绑定的CPU核数大于1，释放对应容器绑定的一个CPU核。
根据本发明的一个实施例，基于比较结果动态调整每个容器绑定CPU核的数量包括：
响应于监控到的CPU核的利用率大于第二阈值，判断是否有容器释放CPU核；
响应于有容器释放CPU核，将容器释放的CPU核绑定到CPU核的利用率大于第二阈值对应的容器中。
根据本发明的一个实施例，还包括：
响应于没有容器释放CPU核，发出警告并向集群申请CPU核。
根据本发明的一个实施例，根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务包括：
kubernetes集群根据业务层下发的信息，调用容器层相关接口创建各个容器；
将满足资源数量要求的CPU核绑定到每个容器中，并启动容器执行相关任务。
根据本发明的一个实施例，第一阈值为CPU利用率30％，第二阈值为CPU利用率90％。
本发明的实施例的另一个方面，还提供了一种基于kubernetes集群的容器热更新CPU核的装置，装置包括：
绑定模块，绑定模块配置为根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务；
比较模块，比较模块配置为监控每个容器中各个CPU核的利用率，并将监控到的利用率与设定的阈值进行比较；
调整模块，调整模块配置为基于比较结果动态调整每个容器绑定CPU核的数量。
根据本发明的一个实施例，调整模块还配置为：
响应于监控到的CPU核的利用率小于第一阈值且对应容器绑定的CPU核数大于1，释放对应容器绑定的一个CPU核；
响应于监控到的CPU核的利用率大于第二阈值，判断是否有容器释放CPU核；
响应于有容器释放CPU核，将容器释放的CPU核绑定到CPU核的利用率大于第二阈值对应的容器中。
根据本发明的一个实施例，调整模块还配置为：
响应于没有容器释放CPU核，发出警告并向集群申请CPU核。
根据本发明的一个实施例，绑定模块还配置为：
kubernetes集群根据业务层下发的信息，调用容器层相关接口创建各个容器；
将满足资源数量要求的CPU核绑定到每个容器中，并启动容器执行相关任务。
根据本发明的一个实施例，第一阈值为CPU利用率30％，第二阈值为CPU利用率90％。
本发明的实施例的另一个方面，还提供了一种计算机设备，该计算机设备包括：
至少一个处理器；以及
存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行时实现上述任意一项方法的步骤。
本发明的实施例的另一个方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述任意一项方法的步骤。
本发明具有以下有益技术效果：本发明实施例提供的基于kubernetes集群的容器热更新CPU核的方法，通过根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务；监控每个容器中各个CPU核的利用率，并将监控到的利用率与设定的阈值进行比较；基于比较结果动态调整每个容器绑定CPU核的数量的技术方案，能够实现不同应用场景下的不同任务动态调整不同粒度的CPU资源，达到资源利用的最大化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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实施例。
图1为根据本发明一个实施例的kubernetes集群的容器热更新CPU核的方法的示意性流程图；
图2为根据本发明一个实施例的kubernetes集群的容器热更新CPU核的装置的示意图；
图3为根据本发明一个实施例的计算机设备的示意图；
图4为根据本发明一个实施例的计算机可读存储介质的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
基于上述目的，本发明的实施例的第一个方面，提出了一种基于kubernetes集群的容器热更新CPU核的方法的一个实施例。图1示出的是该方法的示意性流程图。
如图1中所示，该方法可以包括以下步骤：
S1根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务。
kubernetes集群简称k8s，是大规模容器管理技术Borg的开源版本，它是容器集群管理系统，是一个开源的平台，利用k8s可以实现容器集群的自动化部署、自动扩缩容、滚动更新、热维护等功能，k8s具有可移植性好、可扩展性强、自动化程度高、有效节省资源等特点。业务层下发任务，例如任务1使用2个CPU核，任务2使用3个CPU核，任务3使用1个CPU核，记为task1：2*CPU，task2：3*CPU，task3：1*CPU，k8s层根据业务层下发的信息，调用容器层相关接口创建容器，如上任务需要创建3个容器，即容器1、容器2和容器3，容器层相关组件将满足资源数量要求的CPU核绑定到每个容器中，并启动容器执行相关任务，例如container1：2*CPU，container2：3*CPU，container3：1*CPU，容器1、容器2和容器3可以使用绑定的CPU核数进行任务的处理。
S2监控每个容器中各个CPU核的利用率，并将监控到的利用率与设定的阈值进行比较。
各个容器在执行任务的过程中会使用每个CPU核的资源，例如容器1中两个CPU利用率分别为5％，容器2中三个CPU利用率分别为80％，容器3中一个CPU利用率为99％，标记为：container1：CPU1-5％，CPU2-5％，container2：CPU3-80％，CPU4-80％，CPU5-80％，container3：CPU6-99％。将上述监控到的每个CPU核的利用率与设定的阈值进行比较，阈值可以根据实际情况进行修改，本发明中第一阈值设定为CPU利用率30％，第二阈值设定为CPU利用率90％。
S3基于比较结果动态调整每个容器绑定CPU核的数量。
如果监控到的CPU核的利用率小于第一阈值且对应容器绑定的CPU核数大于1，释放对应容器绑定的一个CPU核，例如，监控到CPU1的利用率为5％，小于第一阈值的30％，并且CPU1绑定到容器1，容器1中绑定了两个CPU核，因此将容器1中的CPU1进行释放。如果监控到的CPU核的利用率大于第二阈值，判断是否有容器释放CPU核，如果有容器释放CPU核，将容器释放的CPU核绑定到CPU核的利用率大于第二阈值对应的容器中，例如，监控到CPU6的利用率为99％，大于第二阈值的90％，并且检测到容器1中原CPU1进行了释放，则将释放的CPU1绑定到CPU6所在的容器中，即将CPU1绑定到容器3中。通过上述动态调整可以显著提高系统CPU资源的使用效率。
通过本发明的技术方案，能够实现不同应用场景下的不同任务动态调整不同粒度的CPU资源，达到资源利用的最大化。
在本发明的一个优选实施例中，基于比较结果动态调整每个容器绑定CPU核的数量包括：
响应于监控到的CPU核的利用率小于第一阈值且对应容器绑定的CPU核数大于1，释放对应容器绑定的一个CPU核。例如，监控到CPU1的利用率为5％，小于第一阈值的30％，并且CPU1绑定到容器1，容器1中绑定了两个CPU核，因此将容器1中的CPU1进行释放。
在本发明的一个优选实施例中，基于比较结果动态调整每个容器绑定CPU核的数量包括：
响应于监控到的CPU核的利用率大于第二阈值，判断是否有容器释放CPU核；
响应于有容器释放CPU核，将容器释放的CPU核绑定到CPU核的利用率大于第二阈值对应的容器中。例如，监控到CPU6的利用率为99％，大于第二阈值的90％，并且检测到容器1中原CPU1进行了释放，则将释放的CPU1绑定到CPU6所在的容器中，即将CPU1绑定到容器3中。通过上述动态调整可以显著提高系统CPU资源的使用效率。
在本发明的一个优选实施例中，还包括：
响应于没有容器释放CPU核，发出警告并向集群申请CPU核。警告信息可以发送到集群的显示器中，也可以通过网络发送到管理员的移动设备和电子邮箱中。
在本发明的一个优选实施例中，根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务包括：
kubernetes集群根据业务层下发的信息，调用容器层相关接口创建各个容器；
将满足资源数量要求的CPU核绑定到每个容器中，并启动容器执行相关任务。业务层下发任务，例如任务1使用2个CPU核，任务2使用3个CPU核，任务3使用1个CPU核，记为task1：2*CPU，task2：3*CPU，task3：1*CPU，k8s层根据业务层下发的信息，调用容器层相关接口创建容器，如上任务需要创建3个容器，即容器1、容器2和容器3，容器层相关组件将满足资源数量要求的CPU核绑定到每个容器中，并启动容器执行相关任务，例如container1：2*CPU，container2：3*CPU，container3：1*CPU，容器1、容器2和容器3可以使用绑定的CPU核数进行任务的处理。
在本发明的一个优选实施例中，第一阈值为CPU利用率30％，第二阈值为CPU利用率90％。
通过本发明的技术方案，能够实现不同应用场景下的不同任务动态调整不同粒度的CPU资源，达到资源利用的最大化。
需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，上述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中存储介质可为磁碟、光盘、只读存储器(Read-Only Memory，ROM)或随机存取存储器(Random AccessMemory，RAM)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
此外，根据本发明实施例公开的方法还可以被实现为由CPU执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU执行时，执行本发明实施例公开的方法中限定的上述功能。
基于上述目的，本发明的实施例的第二个方面，提出了一种基于kubernetes集群的容器热更新CPU核的装置，如图2所示，装置200包括：
绑定模块201，绑定模块201配置为根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务。
kubernetes集群简称k8s，是大规模容器管理技术Borg的开源版本，它是容器集群管理系统，是一个开源的平台，利用k8s可以实现容器集群的自动化部署、自动扩缩容、滚动更新、热维护等功能，k8s具有可移植性好、可扩展性强、自动化程度高、有效节省资源等特点。业务层下发任务，例如任务1使用2个CPU核，任务2使用3个CPU核，任务3使用1个CPU核，记为task1：2*CPU，task2：3*CPU，task3：1*CPU，k8s层根据业务层下发的信息，调用容器层相关接口创建容器，如上任务需要创建3个容器，即容器1、容器2和容器3，容器层相关组件将满足资源数量要求的CPU核绑定到每个容器中，并启动容器执行相关任务，例如container1：2*CPU，container2：3*CPU，container3：1*CPU，容器1、容器2和容器3可以使用绑定的CPU核数进行任务的处理。
还包括比较模块202，比较模块202配置为监控每个容器中各个CPU核的利用率，并将监控到的利用率与设定的阈值进行比较。
各个容器在执行任务的过程中会使用每个CPU核的资源，例如容器1中两个CPU利用率分别为5％，容器2中三个CPU利用率分别为80％，容器3中一个CPU利用率为99％，标记为：container1：CPU1-5％，CPU2-5％，container2：CPU3-80％，CPU4-80％，CPU5-80％，container3：CPU6-99％。将上述监控到的每个CPU核的利用率与设定的阈值进行比较，阈值可以根据实际情况进行修改，本发明中第一阈值设定为CPU利用率30％，第二阈值设定为CPU利用率90％。
还包括调整模块203，调整模块203配置为基于比较结果动态调整每个容器绑定CPU核的数量。
如果监控到的CPU核的利用率小于第一阈值且对应容器绑定的CPU核数大于1，释放对应容器绑定的一个CPU核，例如，监控到CPU1的利用率为5％，小于第一阈值的30％，并且CPU1绑定到容器1，容器1中绑定了两个CPU核，因此将容器1中的CPU1进行释放。如果监控到的CPU核的利用率大于第二阈值，判断是否有容器释放CPU核，如果有容器释放CPU核，将容器释放的CPU核绑定到CPU核的利用率大于第二阈值对应的容器中，例如，监控到CPU6的利用率为99％，大于第二阈值的90％，并且检测到容器1中原CPU1进行了释放，则将释放的CPU1绑定到CPU6所在的容器中，即将CPU1绑定到容器3中。通过上述动态调整可以显著提高系统CPU资源的使用效率。
在本发明的一个优选实施例中，调整模块203还配置为：
响应于监控到的CPU核的利用率小于第一阈值且对应容器绑定的CPU核数大于1，释放对应容器绑定的一个CPU核；
响应于监控到的CPU核的利用率大于第二阈值，判断是否有容器释放CPU核；
响应于有容器释放CPU核，将容器释放的CPU核绑定到CPU核的利用率大于第二阈值对应的容器中。
在本发明的一个优选实施例中，调整模块203还配置为：
响应于没有容器释放CPU核，发出警告并向集群申请CPU核。
在本发明的一个优选实施例中，绑定模块201还配置为：
kubernetes集群根据业务层下发的信息，调用容器层相关接口创建各个容器；
将满足资源数量要求的CPU核绑定到每个容器中，并启动容器执行相关任务。
在本发明的一个优选实施例中，第一阈值为CPU利用率30％，第二阈值为CPU利用率90％。
基于上述目的，本发明实施例的第三个方面，提出了一种计算机设备。图3示出的是本发明提供的计算机设备的实施例的示意图。如图3所示，本发明实施例的计算机设备包括：至少一个处理器S21；以及存储器S22，存储器S22存储有可在处理器S21上运行的计算机指令S23，指令由处理器执行时实现以下方法：
1.根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务。
kubernetes集群简称k8s，是大规模容器管理技术Borg的开源版本，它是容器集群管理系统，是一个开源的平台，利用k8s可以实现容器集群的自动化部署、自动扩缩容、滚动更新、热维护等功能，k8s具有可移植性好、可扩展性强、自动化程度高、有效节省资源等特点。业务层下发任务，例如任务1使用2个CPU核，任务2使用3个CPU核，任务3使用1个CPU核，记为task1：2*CPU，task2：3*CPU，task3：1*CPU，k8s层根据业务层下发的信息，调用容器层相关接口创建容器，如上任务需要创建3个容器，即容器1、容器2和容器3，容器层相关组件将满足资源数量要求的CPU核绑定到每个容器中，并启动容器执行相关任务，例如container1：2*CPU，container2：3*CPU，container3：1*CPU，容器1、容器2和容器3可以使用绑定的CPU核数进行任务的处理。
2.监控每个容器中各个CPU核的利用率，并将监控到的利用率与设定的阈值进行比较。
各个容器在执行任务的过程中会使用每个CPU核的资源，例如容器1中两个CPU利用率分别为5％，容器2中三个CPU利用率分别为80％，容器3中一个CPU利用率为99％，标记为：container1：CPU1-5％，CPU2-5％，container2：CPU3-80％，CPU4-80％，CPU5-80％，container3：CPU6-99％。将上述监控到的每个CPU核的利用率与设定的阈值进行比较，阈值可以根据实际情况进行修改，本发明中第一阈值设定为CPU利用率30％，第二阈值设定为CPU利用率90％。
3.基于比较结果动态调整每个容器绑定CPU核的数量。
如果监控到的CPU核的利用率小于第一阈值且对应容器绑定的CPU核数大于1，释放对应容器绑定的一个CPU核，例如，监控到CPU1的利用率为5％，小于第一阈值的30％，并且CPU1绑定到容器1，容器1中绑定了两个CPU核，因此将容器1中的CPU1进行释放。如果监控到的CPU核的利用率大于第二阈值，判断是否有容器释放CPU核，如果有容器释放CPU核，将容器释放的CPU核绑定到CPU核的利用率大于第二阈值对应的容器中，例如，监控到CPU6的利用率为99％，大于第二阈值的90％，并且检测到容器1中原CPU1进行了释放，则将释放的CPU1绑定到CPU6所在的容器中，即将CPU1绑定到容器3中。通过上述动态调整可以显著提高系统CPU资源的使用效率。
在本发明的一个优选实施例中，基于比较结果动态调整每个容器绑定CPU核的数量包括：
响应于监控到的CPU核的利用率小于第一阈值且对应容器绑定的CPU核数大于1，释放对应容器绑定的一个CPU核。
在本发明的一个优选实施例中，基于比较结果动态调整每个容器绑定CPU核的数量包括：
响应于监控到的CPU核的利用率大于第二阈值，判断是否有容器释放CPU核；
响应于有容器释放CPU核，将容器释放的CPU核绑定到CPU核的利用率大于第二阈值对应的容器中。
在本发明的一个优选实施例中，还包括：
响应于没有容器释放CPU核，发出警告并向集群申请CPU核。
在本发明的一个优选实施例中，根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务包括：
kubernetes集群根据业务层下发的信息，调用容器层相关接口创建各个容器；
将满足资源数量要求的CPU核绑定到每个容器中，并启动容器执行相关任务。
在本发明的一个优选实施例中，第一阈值为CPU利用率30％，第二阈值为CPU利用率90％。
基于上述目的，本发明实施例的第四个方面，提出了一种计算机可读存储介质。图4示出的是本发明提供的计算机可读存储介质S31的实施例的示意图。如图4所示，计算机可读存储介质S31存储有被处理器执行时执行如下方法的计算机程序S32：
根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务；
监控每个容器中各个CPU核的利用率，并将监控到的利用率与设定的阈值进行比较；
基于比较结果动态调整每个容器绑定CPU核的数量。
在本发明的一个优选实施例中，基于比较结果动态调整每个容器绑定CPU核的数量包括：
响应于监控到的CPU核的利用率小于第一阈值且对应容器绑定的CPU核数大于1，释放对应容器绑定的一个CPU核。
在本发明的一个优选实施例中，基于比较结果动态调整每个容器绑定CPU核的数量包括：
响应于监控到的CPU核的利用率大于第二阈值，判断是否有容器释放CPU核；
响应于有容器释放CPU核，将容器释放的CPU核绑定到CPU核的利用率大于第二阈值对应的容器中。
在本发明的一个优选实施例中，还包括：
响应于没有容器释放CPU核，发出警告并向集群申请CPU核。
在本发明的一个优选实施例中，根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务包括：
kubernetes集群根据业务层下发的信息，调用容器层相关接口创建各个容器；
将满足资源数量要求的CPU核绑定到每个容器中，并启动容器执行相关任务。
在本发明的一个优选实施例中，第一阈值为CPU利用率30％，第二阈值为CPU利用率90％。
此外，根据本发明实施例公开的方法还可以被实现为由处理器执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被处理器执行时，执行本发明实施例公开的方法中限定的上述功能。
此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
在一个或多个示例性设计中，功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则可以将功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质，该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的，该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备，或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件，则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的，磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘，其中磁盘通常磁性地再现数据，而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种基于kubernetes集群的容器热更新CPU核的方法，其特征在于，包括以下步骤：
根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务；
监控每个容器中各个CPU核的利用率，并将监控到的利用率与设定的阈值进行比较；
基于比较结果动态调整每个容器绑定CPU核的数量。
2.根据权利要求1所述的方法，其特征在于，基于比较结果动态调整每个容器绑定CPU核的数量包括：
响应于监控到的CPU核的利用率小于第一阈值且对应容器绑定的CPU核数大于1，释放对应容器绑定的一个CPU核。
3.根据权利要求1所述的方法，其特征在于，基于比较结果动态调整每个容器绑定CPU核的数量包括：
响应于监控到的CPU核的利用率大于第二阈值，判断是否有容器释放CPU核；
响应于有容器释放CPU核，将容器释放的CPU核绑定到CPU核的利用率大于第二阈值对应的容器中。
4.根据权利要求3所述的方法，其特征在于，还包括：
响应于没有容器释放CPU核，发出警告并向集群申请CPU核。
5.根据权利要求1所述的方法，其特征在于，根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务包括：
kubernetes集群根据业务层下发的信息，调用容器层相关接口创建各个容器；
将满足资源数量要求的CPU核绑定到每个容器中，并启动容器执行相关任务。
6.根据权利要求1所述的方法，其特征在于，所述第一阈值为CPU利用率30％，所述第二阈值为CPU利用率90％。
7.一种基于kubernetes集群的容器热更新CPU核的装置，其特征在于，所述装置包括：
绑定模块，所述绑定模块配置为根据kubernetes集群业务需求创建若干容器并将CPU核分别绑定的每个容器中并启动各个容器执行相关任务；
比较模块，所述比较模块配置为监控每个容器中各个CPU核的利用率，并将监控到的利用率与设定的阈值进行比较；
调整模块，所述调整模块配置为基于比较结果动态调整每个容器绑定CPU核的数量。
8.根据权利要求7所述的装置，其特征在于，所述调整模块还配置为：
响应于监控到的CPU核的利用率小于第一阈值且对应容器绑定的CPU核数大于1，释放对应容器绑定的一个CPU核；
响应于监控到的CPU核的利用率大于第二阈值，判断是否有容器释放CPU核；
响应于有容器释放CPU核，将容器释放的CPU核绑定到CPU核的利用率大于第二阈值对应的容器中。
9.一种计算机设备，其特征在于，包括：
至少一个处理器；以及
存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现权利要求1-6任意一项所述方法的步骤。
10.一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程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任意一项所述方法的步骤。
CN202110932729.2A 2021-08-13 2021-08-13 kubernetes集群的容器热更新CPU核的方法、装置、设备及可读介质 Withdrawn CN113806075A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110932729.2A CN113806075A (zh) 2021-08-13 2021-08-13 kubernetes集群的容器热更新CPU核的方法、装置、设备及可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110932729.2A CN113806075A (zh) 2021-08-13 2021-08-13 kubernetes集群的容器热更新CPU核的方法、装置、设备及可读介质

Publications (1)

Publication Number Publication Date
CN113806075A true CN113806075A (zh) 2021-12-17

Family

ID=78942917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110932729.2A Withdrawn CN113806075A (zh) 2021-08-13 2021-08-13 kubernetes集群的容器热更新CPU核的方法、装置、设备及可读介质

Country Status (1)

Country Link
CN (1) CN113806075A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115129458A (zh) * 2022-09-02 2022-09-30 腾讯科技（深圳）有限公司 基于容器的进程调度方法、装置、设备及存储介质
CN117311990A (zh) * 2023-11-28 2023-12-29 苏州元脑智能科技有限公司 资源调整方法、装置、电子设备、存储介质及训练平台

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115129458A (zh) * 2022-09-02 2022-09-30 腾讯科技（深圳）有限公司 基于容器的进程调度方法、装置、设备及存储介质
CN115129458B (zh) * 2022-09-02 2022-11-25 腾讯科技（深圳）有限公司 基于容器的进程调度方法、装置、设备及存储介质
CN117311990A (zh) * 2023-11-28 2023-12-29 苏州元脑智能科技有限公司 资源调整方法、装置、电子设备、存储介质及训练平台
CN117311990B (zh) * 2023-11-28 2024-02-23 苏州元脑智能科技有限公司 资源调整方法、装置、电子设备、存储介质及训练平台

Similar Documents

Publication Publication Date Title
US11762697B2 (en) Method and apparatus for scheduling resource for deep learning framework
US8966485B2 (en) Realizing jumps in an executing process instance
CN103473142B (zh) 一种云计算操作系统下的虚拟机迁移方法及装置
CN113806075A (zh) kubernetes集群的容器热更新CPU核的方法、装置、设备及可读介质
CN113377540A (zh) 集群资源调度方法及装置、电子设备和存储介质
CN109886693B (zh) 区块链系统的共识实现方法、装置、设备和介质
US10417062B2 (en) Method and apparatus of unloading out of memory processing flow to user space
CN111953780A (zh) 微服务灰度发布方法、装置、设备、系统及存储介质
WO2022001941A1 (zh) 网元管理方法、网管系统、独立计算节点、计算机设备、存储介质
CN114124948A (zh) 一种云端组件高可用的方法、装置、设备及可读介质
CN114756374A (zh) 一种异构cpu调度的方法、装置、设备及介质
KR20210056655A (ko) 클라우드 엣지 환경에서 예측 기반 마이그레이션 후보 및 대상 선정 방법
CN110673935A (zh) 一种基于Kubernetes系统的作业调度方法、设备以及存储介质
CN106933654B (zh) 一种基于缓存的虚拟机启动方法
US20220229689A1 (en) Virtualization platform control device, virtualization platform control method, and virtualization platform control program
CN113626144B (zh) 一种集群创建存储双活卷的方法、装置、设备及可读介质
CN110780993A (zh) 一种基于Kubernetes的资源调度优化的方法、设备及介质
CN117112224A (zh) 一种容器应用跨架构调度的方法、装置、设备及介质
CN113672177B (zh) 一种多客户端定制卷QoS的方法、装置、设备及可读介质
CN108984271A (zh) 一种均衡负载的方法以及相关设备
CN104734923B (zh) 应用任务的执行控制方法和系统、消息服务器
US11086549B2 (en) Just-in-time data migration in a live system
CN113626182A (zh) 一种gpu卡动态调整方法、装置、设备及存储介质
US20220004440A1 (en) Optimization of virtual agent utilization
CN117311935A (zh) 一种线程池管理的方法、装置、设备及介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20211217