CN114461394A - 一种cpu资源伸缩控制方法、装置、设备及存储介质 - Google Patents
一种cpu资源伸缩控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114461394A CN114461394A CN202210109151.5A CN202210109151A CN114461394A CN 114461394 A CN114461394 A CN 114461394A CN 202210109151 A CN202210109151 A CN 202210109151A CN 114461394 A CN114461394 A CN 114461394A
- Authority
- CN
- China
- Prior art keywords
- cpu
- resource
- container
- recommended value
- target container
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000008602 contraction Effects 0.000 title abstract description 5
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 84
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G06F9/5044—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 hardware capabilities
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CPU资源伸缩控制方法、装置、设备及计算机可读存储介质,该方法包括:获取K8s集群中目标容器的CPU资源伸缩指令;根据CPU资源伸缩指令,利用CPU吞吐量算法计算目标容器对应的CPU内存资源的推荐值;根据推荐值,调整容器组中目标容器对应的CPU内存资源;本发明通过根据CPU资源伸缩指令,利用CPU吞吐量算法计算目标容器对应的CPU内存资源的推荐值,能够基于CPU吞吐量算法进行容器组伸缩CPU资源的操作,从而能够在应用需求的CPU资源,扩充请求的CPU资源;在服务应用消耗CPU资源减少时,释放占用的多余CPU资源,提高了K8s集群内部署应用使用的CPU资源相对稳定性和应用可靠性。
Description
技术领域
本发明涉及云计算计算领域,特别涉及一种CPU资源伸缩控制方法、装置、设备及计算机可读存储介质。
背景技术
在容器技术时代,大量的业务应用场景,通过Kubernetes(K8s)的容器编排技术上云,其中上云的应用消耗的CPU资源是在不断变化的。在Kubernetes集群节点资源充足的前提下,服务应用消耗CPU资源发生变化,有的服务应用并不需要及时将消耗的CPU资源进行扩充或缩减操作,同时还需要保障服务应用消耗CPU资源的相对稳定。这就需要有一种方案,既保障服务应用消耗CPU资源的稳定性,又要在消耗CPU资源持续变化时,拥有改变服务应用消耗CPU资源的能力。
因此,如何能够在保证K8s集群内部署应用使用的CPU资源的稳定性同时,对消耗持续变化的CPU资源进行伸缩,是现今急需解决的问题。
发明内容
本发明的目的是提供一种CPU资源伸缩控制方法、装置、设备及计算机可读存储介质,以基于CPU吞吐量算法进行容器组伸缩CPU资源的操作,提高K8s集群内部署应用使用的CPU资源相对稳定性和应用的可靠性。
为解决上述技术问题,本发明提供一种CPU资源伸缩控制方法,包括:
获取K8s集群中目标容器的CPU资源伸缩指令;
根据所述CPU资源伸缩指令,利用CPU吞吐量算法计算所述目标容器对应的CPU内存资源的推荐值;
根据所述推荐值,调整容器组中所述目标容器对应的CPU内存资源。
可选的,所述获取K8s集群中目标容器的CPU资源伸缩指令,包括:
根据所述K8s集群的伸缩参数信息,获取所述CPU资源伸缩指令;其中,所述伸缩参数信息包括各容器对应的CPU伸缩启停情况和CPU吞吐量算法启停情况。
可选的,所述根据所述K8s集群的伸缩参数信息,获取所述CPU资源伸缩指令,包括:
将所述CPU伸缩启停情况为开启状态且所述CPU吞吐量算法启停情况为开启状态的容器确定为所述目标容器,并生成所述CPU资源伸缩指令。
可选的,所述伸缩参数信息还包括各容器对应的资源阈值。
可选的,所述根据所述推荐值,调整容器组中所述目标容器对应的CPU内存资源之前,还包括:
判断所述K8s集群的伸缩参数信息中的自动伸缩启停情况是否为开启状态;
若是,则执行根据所述推荐值,调整容器组中所述目标容器对应的CPU内存资源的步骤;
若否,则存储所述推荐值。
可选的,所述根据所述CPU资源伸缩指令,利用CPU吞吐量算法计算所述目标容器对应的CPU内存资源的推荐值,包括:
根据所述CPU资源伸缩指令和CPU吞吐量算法参数信息,利用CPU吞吐量算法计算所述推荐值;其中,所述CPU吞吐量算法参数信息包括安全阈值范围和CPU吞吐量计算时间,所述推荐值处于所述安全阈值范围内。
可选的,所述CPU吞吐量算法参数信息还包括偏差样本数据清理配置情况。
本发明还提供了一种CPU资源伸缩控制装置,包括:
指令获取模块,用于获取K8s集群中目标容器的CPU资源伸缩指令;
推荐值计算模块,用于根据所述CPU资源伸缩指令,利用CPU吞吐量算法计算所述目标容器对应的CPU内存资源的推荐值;
调整模块,用于根据所述推荐值,调整容器组中所述目标容器对应的CPU内存资源。
本发明还提供了一种CPU资源伸缩控制设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述所述的CPU资源伸缩控制方法的步骤。
此外,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述所述的CPU资源伸缩控制方法的步骤。
本发明所提供的一种CPU资源伸缩控制方法,包括:获取K8s集群中目标容器的CPU资源伸缩指令;根据CPU资源伸缩指令,利用CPU吞吐量算法计算目标容器对应的CPU内存资源的推荐值;根据推荐值,调整容器组中目标容器对应的CPU内存资源;
可见,本发明通过根据CPU资源伸缩指令,利用CPU吞吐量算法计算目标容器对应的CPU内存资源的推荐值,能够基于CPU吞吐量算法进行容器组伸缩CPU资源的操作,从而能够在应用需求的CPU资源,扩充请求的CPU资源;在服务应用消耗CPU资源减少时,释放占用的多余CPU资源,以供其他负载使用,提高了K8s集群内部署应用使用的CPU资源相对稳定性和应用的可靠性。此外,本发明还提供了一种CPU资源伸缩控制装置、设备及计算机可读存储介质,同样具有上述有益效果。
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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的一种CPU资源伸缩控制方法的流程图;
图2为本发明实施例所提供的另一种CPU资源伸缩控制方法的原理示意图;
图3为本发明实施例所提供的另一种CPU资源伸缩控制方法的架构示意图;
图4为本发明实施例所提供的一种CPU资源伸缩控制装置的结构框图;
图5为本发明实施例所提供的一种CPU资源伸缩控制设备的结构示意图;
图6为本发明实施例所提供的一种CPU资源伸缩控制设备的具体结构示意图。
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。基于本发明中的实施例,本领域普通技术人员在没有做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。
请参考图1,图1为本发明实施例所提供的一种CPU资源伸缩控制方法的流程图。该方法可以包括:
步骤101:获取K8s集群中目标容器的CPU资源伸缩指令。
其中,K8s(Kubernetes)可以为一个用于容器集群的自动化部署、扩容以及运维的开源平台;容器组可以为用户业务在K8s集群内运行的载体,即服务可以以运行容器组的方式提供;容器可以为容器组的组成单元,在一个容器组内可以运行多个容器,容器个数可理解为运行服务数;应用可以为K8s集群内部署服务的体现形式,主要可以有无状态负载、有状态负载、任务和定时任务等工作负载形式;K8s集群的节点可以为组成K8s集群资源的一个运行单位,可以是一台服务器或者虚拟机,容器组在其上运行。
可以理解的是,本步骤中的目标容器可以为K8s集群中的任意一个需要利用CPU吞吐量算法进行CPU资源伸缩(即CPU内存资源伸缩)的推荐值计算的容器;本步骤中的CPU资源伸缩指令可以为控制使用CPU吞吐量算法计算目标容器对应的CPU资源伸缩的推荐值的指令。
具体的,对于本实施例中处理器获取K8s集群中目标容器的CPU资源伸缩指令的具体方式,可以由设计人员根据实用场景和用户需求自行设置,如处理器可以直接接收目标容器的CPU资源伸缩指令,例如K8s集群的节点中的处理器可以直接接收用户配置发送的CPU资源伸缩指令。处理器也可以自行生成目标容器的CPU资源伸缩指令,例如处理器可以根据用户配置的伸缩参数信息,获取CPU资源伸缩指令;其中,伸缩参数信息包括各容器对应的CPU伸缩启停情况和CPU吞吐量算法启停情况,本实施例对此不做任何限制。
对应的,上述CPU伸缩启停情况可以为是否开启CPU伸缩(即CPU内存资源伸缩)的情况,即CPU伸缩启停情况为开启状态时开启CPU伸缩,CPU伸缩启停情况为关闭状态时关闭CPU伸缩;上述CPU吞吐量算法启停情况可以为是否启用CPU吞吐量算法的情况,即CPU吞吐量算法启停情况可为开启状态时启用CPU吞吐量算法。也就是说,处理器可以将CPU伸缩启停情况为开启状态且CPU吞吐量算法启停情况为开启状态的容器确定为目标容器,并生成CPU资源伸缩指令。
需要说明的是,本实施例所提供的方法还可以包括获取伸缩参数信息的过程,如图2所示,处理器可以通过伸缩装置获取伸缩参数信息,即用户可以通过部署伸缩装置,设置伸缩参数信息;如图3所示,用户可以通过管理平台(CMP)中伸缩装置的部署,配置伸缩参数信息,使K8s集群中的处理器可以利用VPA(Vertical Pod Autoscaler,Pod应用垂直伸缩工具)完成CPU内存资源伸缩的推荐值计算(recommender)和更新(updater)。
具体的,对于本实施例中伸缩参数信息的具体内容,可以由设计人员根据使用场景和用户需求自行设置,如伸缩参数信息可以包括容器组中各容器对应的CPU伸缩启停情况和CPU吞吐量算法启停情况;处理器可以仅包括CPU伸缩启停情况和CPU吞吐量算法启停情况中的CPU伸缩启停情况,即处理器可以在CPU伸缩启停情况为开启状态时默认启用CPU吞吐量算法进行CPU伸缩的推荐值的计算。伸缩参数信息还可以包括容器组对应的自动伸缩启停情况,即是否开启CPU内存资源自动伸缩的情况,如自动伸缩启停情况为开启状态时可以开启CPU内存资源自动伸缩,从而在计算得到目标容器对应的CPU内存资源的推荐值后,利用该推荐值自动调整目标容器对应的CPU内存资源;自动伸缩启停情况为关闭状态时可以关闭CPU内存资源自动伸缩,从而在计算得到目标容器对应的CPU内存资源的推荐值后,可以存储该推荐值以供用户查看CPU内存资源伸缩的推荐值。伸缩参数信息也可以包括其他资源伸缩启停情况,如图2中是否开启内存伸缩的内存资源伸缩启停情况,以在其他资源伸缩启停情况为开启状态时,启用相应的内置算法进行其他资源的伸缩推荐值的计算。伸缩参数信息还可以资源阈值,以使自动伸缩的伸缩范围在设置的资源阈值的范围内,保证自动伸缩的安全性和可靠性。
步骤102:根据CPU资源伸缩指令,利用CPU吞吐量算法计算目标容器对应的CPU内存资源的推荐值。
可以理解的是,本实施例中处理器可以在开启CPU伸缩且启用CPU吞吐量算法的情况下,利用CPU吞吐量算法计算目标容器对应的CPU内存资源的推荐值,以利用CPU吞吐量算法计算出目标容器对应的需要伸缩的CPU内存资源的推荐值,使得CPU内存资源的伸缩与CPU吞吐量相关联,从而使得对于消耗CPU资源需要保持相对稳定,又要在消耗CPU资源持续变化时进行伸缩的应用,应用在消耗的CPU资源持续增加时,服务可以自动扩充CPU资源;应用消耗的CPU资源持续减少时,服务可以将CPU内存资源缩回;提高K8s集群内部署应用使用CPU资源相对稳定以及应用自身可靠的特性。
具体的,本步骤处理器可以根据CPU资源伸缩指令和CPU吞吐量算法参数信息,利用CPU吞吐量算法计算推荐值;其中,CPU吞吐量算法参数信息包括安全阈值范围和CPU吞吐量计算时间,推荐值处于安全阈值范围内。也就是说,处理器可以根据CPU资源伸缩指令,利用CPU吞吐量算法参数信息,启用CPU吞吐量算法计算目标容器对应的CPU内存资源的推荐值。
对应的,本实施例所提供的方法还可以包括获取CPU吞吐量算法参数信息的过程,如图2所示,处理器可以通过CPU吞吐量算法参数设置装置获取CPU吞吐量算法参数信息,即用户可以通过部署CPU吞吐量算法参数设置装置,设置CPU吞吐量算法参数信息;如图3所示,用户可以通过管理平台(CMP)中CPU吞吐量算法参数设置装置的部署,配置CPU吞吐量算法参数信息。
需要说明的是,对于本实施例中CPU吞吐量算法参数信息的具体内容,可以由设计人员根据使用场景和用户需求自行设置,如CPU吞吐量算法参数信息可以包括CPU吞吐量计算时间,也就是计算CPU吞吐量的时间长短,即CPU吞吐量算法参数信息的检测时间宽度,如默认值可以为15分钟;CPU吞吐量算法参数信息还可以包括安全阈值范围,如图2中安全阈值的上下限之间的范围,以保证算法计算的身推荐值的安全性;CPU吞吐量算法参数信息还可以包括偏差样本数据清理配置情况,即是否清除偏差样本数据的情况,如偏差样本数据清理配置情况为开启状态时,可以将检测时间宽度内偏离均值样本很大的数据清洗掉,以保证消耗资源的不会发生太大幅度变化;相应的,CPU吞吐量算法参数信息还可以包括偏差样本数据清理的偏差幅度值,如默认的偏差幅度值可以为0.1。
具体的,如图2所示,本实施例中处理器可以根据从伸缩装置读取的伸缩参数信息,在开启CPU伸缩且启用CPU吞吐量算法时,利用CPU吞吐量算法参数设置装置传输的CPU吞吐量算法参数信息,启用CPU吞吐量算法计算目标容器对应的CPU内存资源的推荐值。
对应的,本实施例中处理器还可以在开启CPU伸缩且未启用CPU吞吐量算法时,利用现有的内置算法(如CPU尖峰敏感型内置算法)计算相应的容器对应的CPU内存资源的推荐值。也就是说,本实施例所提供的方法还可以包括处理器获取K8s集群中常规目标容器的常规CPU资源伸缩指令;根据常规CPU资源伸缩指令,利用CPU尖峰敏感型内置算法计算常规目标容器对应的CPU内存资源的常规推荐值;根据常规推荐值,调整容器组中常规目标容器对应的CPU内存资源。
步骤103:根据推荐值,调整容器组中目标容器对应的CPU内存资源。
具体的,本步骤中处理器可以将计算出的推荐值作用到容器组的CPU内存资源上,以调整容器组中目标容器对应的CPU内存资源,即将目标容器对应的CPU内存资源调整为推荐值。也就是说,本步骤中处理器可以在开启自动伸缩的情况下,自动利用计算得到的目标容器对应的推荐值,调整容器组中目标容器对应的CPU内存资源。
对应的,本步骤之前还可以包括判断是否开启自动伸缩的过程,如判断K8s集群的伸缩参数信息中的自动伸缩启停情况是否为开启状态;若是,则进入本步骤;若否,则存储推荐值,以供后续用户的查询使用。也就是说,处理器可以在伸缩参数信息中容器组对应的自动伸缩启停情况为开启状态以及容器组中某一容器对应的CPU伸缩启停情况和CPU吞吐量算法均为开启状态时,将该容器作为目标容器,利用CPU吞吐量算法计算目标容器对应的CPU内存资源的推荐值,并根据该推荐值自动调整容器组中目标容器对应的CPU内存资源;相应的,处理器可以在伸缩参数信息中容器组对应的自动伸缩启停情况为开启状态以及容器组中某一容器对应的CPU伸缩启停情况为开启状态且CPU吞吐量算法为关闭状态时,将该容器作为常规目标容器,利用常规的内置算法(如CPU尖峰敏感型内置算法)计算常规目标容器对应的CPU内存资源的常规推荐值,并根据该常规推荐值自动调整容器组中目标容器对应的CPU内存资源。
可以理解的是,本实施例是以处理器对K8s集群中的一个容器(即目标容器)的CPU内存资源的伸缩控制为例进行的展示,对于K8s集群中其它容器的CPU内存资源的伸缩控制,可以采用与本实施例所提供的方法相同或相似的方式实现,本实施例对此不做任何限制。
本实施例中,本发明实施例通过根据CPU资源伸缩指令,利用CPU吞吐量算法计算目标容器对应的CPU内存资源的推荐值,能够基于CPU吞吐量算法进行容器组伸缩CPU资源的操作,从而能够在应用需求的CPU资源,扩充请求的CPU资源;在服务应用消耗CPU资源减少时,释放占用的多余CPU资源,以供其他负载使用,提高了K8s集群内部署应用使用的CPU资源相对稳定性和应用的可靠性。
相应于上面的方法实施例,本发明实施例还提供了一种CPU资源伸缩控制装置,下文描述的一种CPU资源伸缩控制装置与上文描述的一种CPU资源伸缩控制方法可相互对应参照。
请参考图4,图4为本发明实施例所提供的一种CPU资源伸缩控制装置的结构框图。该CPU资源伸缩控制装置可以包括:
指令获取模块10,用于获取K8s集群中目标容器的CPU资源伸缩指令;
推荐值计算模块20,用于根据CPU资源伸缩指令,利用CPU吞吐量算法计算目标容器对应的CPU内存资源的推荐值;
调整模块30,用于根据推荐值,调整容器组中目标容器对应的CPU内存资源。
可选的,指令获取模块10可以具体用于根据K8s集群的伸缩参数信息,获取CPU资源伸缩指令;其中,伸缩参数信息包括各容器对应的CPU伸缩启停情况和CPU吞吐量算法启停情况。
可选的,指令获取模块10可以包括:
指令生成子模块,用于将CPU伸缩启停情况为开启状态且CPU吞吐量算法启停情况为开启状态的容器确定为目标容器,并生成CPU资源伸缩指令。
可选的,伸缩参数信息还包括各容器对应的资源阈值。
可选的,该装置还可以包括:
判断模块,用于判断K8s集群的伸缩参数信息中的自动伸缩启停情况是否为开启状态;若为开启状态,则向调整模块30发送启动信号;
存储模块,用于若不为开启状态,则存储推荐值。
可选的,推荐值计算模块20可以具体用于根据CPU资源伸缩指令和CPU吞吐量算法参数信息,利用CPU吞吐量算法计算推荐值;其中,CPU吞吐量算法参数信息包括安全阈值范围和CPU吞吐量计算时间,推荐值处于安全阈值范围内。
可选的,CPU吞吐量算法参数信息还包括偏差样本数据清理配置情况。
本实施例中,本发明实施例通过推荐值计算模块20根据CPU资源伸缩指令,利用CPU吞吐量算法计算目标容器对应的CPU内存资源的推荐值,能够基于CPU吞吐量算法进行容器组伸缩CPU资源的操作,从而能够在应用需求的CPU资源,扩充请求的CPU资源;在服务应用消耗CPU资源减少时,释放占用的多余CPU资源,以供其他负载使用,提高了K8s集群内部署应用使用的CPU资源相对稳定性和应用的可靠性。
相应于上面的方法实施例,本发明实施例还提供了一种CPU资源伸缩控制设备,下文描述的一种CPU资源伸缩控制设备与上文描述的一种CPU资源伸缩控制方法可相互对应参照。
请参考图5,图5为本发明实施例所提供的一种CPU资源伸缩控制设备的结构示意图。该CPU资源伸缩控制设备可以包括:
存储器D1,用于存储计算机程序;
处理器D2,用于执行计算机程序时实现上述方法实施例所提供的CPU资源伸缩控制方法的步骤。
具体的,请参考图6,图6为本发明实施例所提供的一种CPU资源伸缩控制设备的具体结构示意图,该CPU资源伸缩控制设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)322(例如,一个或一个以上处理器)和存储器332,一个或一个以上存储应用程序342或数据344的存储介质330(例如一个或一个以上海量存储设备)。其中,存储器332和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对设备中的一系列指令操作。更进一步地,中央处理器322可以设置为与存储介质330通信,在CPU资源伸缩控制设备310上执行存储介质330中的一系列指令操作。
CPU资源伸缩控制设备310还可以包括一个或一个以上电源326,一个或一个以上有线或无线网络接口350,一个或一个以上输入输出接口358,和/或,一个或一个以上操作系统341。例如,Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等。
其中,CPU资源伸缩控制设备310可以具体为K8s集群中的节点。
上文所描述的CPU资源伸缩控制方法中的步骤可以由CPU资源伸缩控制设备的结构实现。
相应于上面的方法实施例,本发明实施例还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种CPU资源伸缩控制方法可相互对应参照。
一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的CPU资源伸缩控制方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
以上对本发明所提供的一种CPU资源伸缩控制方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种CPU资源伸缩控制方法,其特征在于,包括:
获取K8s集群中目标容器的CPU资源伸缩指令;
根据所述CPU资源伸缩指令,利用CPU吞吐量算法计算所述目标容器对应的CPU内存资源的推荐值;
根据所述推荐值,调整容器组中所述目标容器对应的CPU内存资源。
2.根据权利要求1所述的CPU资源伸缩控制方法,其特征在于,所述获取K8s集群中目标容器的CPU资源伸缩指令,包括:
根据所述K8s集群的伸缩参数信息,获取所述CPU资源伸缩指令;其中,所述伸缩参数信息包括各容器对应的CPU伸缩启停情况和CPU吞吐量算法启停情况。
3.根据权利要求2所述的CPU资源伸缩控制方法,其特征在于,所述根据所述K8s集群的伸缩参数信息,获取所述CPU资源伸缩指令,包括:
将所述CPU伸缩启停情况为开启状态且所述CPU吞吐量算法启停情况为开启状态的容器确定为所述目标容器,并生成所述CPU资源伸缩指令。
4.根据权利要求2所述的CPU资源伸缩控制方法,其特征在于,所述伸缩参数信息还包括各容器对应的资源阈值。
5.根据权利要求1所述的CPU资源伸缩控制方法,其特征在于,所述根据所述推荐值,调整容器组中所述目标容器对应的CPU内存资源之前,还包括:
判断所述K8s集群的伸缩参数信息中的自动伸缩启停情况是否为开启状态;
若是,则执行根据所述推荐值,调整容器组中所述目标容器对应的CPU内存资源的步骤;
若否,则存储所述推荐值。
6.根据权利要求1至5任一项所述的CPU资源伸缩控制方法,其特征在于,所述根据所述CPU资源伸缩指令,利用CPU吞吐量算法计算所述目标容器对应的CPU内存资源的推荐值,包括:
根据所述CPU资源伸缩指令和CPU吞吐量算法参数信息,利用CPU吞吐量算法计算所述推荐值;其中,所述CPU吞吐量算法参数信息包括安全阈值范围和CPU吞吐量计算时间,所述推荐值处于所述安全阈值范围内。
7.根据权利要求6所述的CPU资源伸缩控制方法,其特征在于,所述CPU吞吐量算法参数信息还包括偏差样本数据清理配置情况。
8.一种CPU资源伸缩控制装置,其特征在于,包括:
指令获取模块,用于获取K8s集群中目标容器的CPU资源伸缩指令;
推荐值计算模块,用于根据所述CPU资源伸缩指令,利用CPU吞吐量算法计算所述目标容器对应的CPU内存资源的推荐值;
调整模块,用于根据所述推荐值,调整容器组中所述目标容器对应的CPU内存资源。
9.一种CPU资源伸缩控制设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的CPU资源伸缩控制方法的步骤。
10.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的CPU资源伸缩控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210109151.5A CN114461394A (zh) | 2022-01-28 | 2022-01-28 | 一种cpu资源伸缩控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210109151.5A CN114461394A (zh) | 2022-01-28 | 2022-01-28 | 一种cpu资源伸缩控制方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114461394A true CN114461394A (zh) | 2022-05-10 |
Family
ID=81411866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210109151.5A Pending CN114461394A (zh) | 2022-01-28 | 2022-01-28 | 一种cpu资源伸缩控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114461394A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116980421A (zh) * | 2023-09-25 | 2023-10-31 | 厦门她趣信息技术有限公司 | 一种蓝绿部署下切流cpu资源飙升处理方法和装置以及设备 |
-
2022
- 2022-01-28 CN CN202210109151.5A patent/CN114461394A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116980421A (zh) * | 2023-09-25 | 2023-10-31 | 厦门她趣信息技术有限公司 | 一种蓝绿部署下切流cpu资源飙升处理方法和装置以及设备 |
CN116980421B (zh) * | 2023-09-25 | 2023-12-15 | 厦门她趣信息技术有限公司 | 一种蓝绿部署下切流cpu资源飙升处理方法和装置以及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108632365B (zh) | 服务资源调整方法、相关装置和设备 | |
CN113726846B (zh) | 边缘云系统、资源调度方法、设备及存储介质 | |
CN108076082A (zh) | 一种应用集群的扩容方法、装置和系统 | |
CN106886434B (zh) | 一种分布式应用安装方法与装置 | |
CN112929408A (zh) | 动态负载均衡方法及装置 | |
CN112764920B (zh) | 一种边缘应用部署方法、装置、设备和存储介质 | |
CN104113576A (zh) | 一种客户端的更新方法及装置 | |
WO2016169166A1 (zh) | 虚拟机调度方法和装置 | |
CN105808341A (zh) | 一种资源调度的方法、装置和系统 | |
CN113992691B (zh) | 一种边缘计算资源的分配方法、装置、设备及存储介质 | |
CN104239156A (zh) | 一种外部服务的调用方法及系统 | |
CN112465146A (zh) | 一种量子与经典混合云平台以及任务执行方法 | |
CN114461394A (zh) | 一种cpu资源伸缩控制方法、装置、设备及存储介质 | |
CN109960579B (zh) | 一种调整业务容器的方法及装置 | |
CN114637650A (zh) | 一种基于Kubernetes集群的弹性伸缩方法 | |
CN110875838A (zh) | 一种资源部署方法、装置和存储介质 | |
EP3340534A1 (en) | A local sdn controller and corresponding method of performing network control and management functions | |
CN114706675A (zh) | 基于云边协同系统的任务部署方法及装置 | |
WO2023089350A1 (en) | An architecture for a self-adaptive computation management in edge cloud | |
CN111831447B (zh) | 一种基于性能监控的应用弹性扩容方法及装置 | |
CN106886477B (zh) | 一种云系统中监控阈值设定方法及装置 | |
CN104135525A (zh) | 云平台elb组件的资源扩展方法和装置 | |
CN108770014B (zh) | 网络服务器的计算评估方法、系统、装置及可读存储介质 | |
CN115048186A (zh) | 业务容器的扩缩容处理方法、装置、存储介质及电子设备 | |
CN107682409B (zh) | 一种集群资源预伸缩方法及装置 |
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 |