CN114610497A - 容器调度方法、集群系统、装置、电子设备及存储介质 - Google Patents
容器调度方法、集群系统、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114610497A CN114610497A CN202210280816.9A CN202210280816A CN114610497A CN 114610497 A CN114610497 A CN 114610497A CN 202210280816 A CN202210280816 A CN 202210280816A CN 114610497 A CN114610497 A CN 114610497A
- Authority
- CN
- China
- Prior art keywords
- node
- container
- nodes
- numa
- working
- 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
- G06F9/46—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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- 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
- G06F9/445—Program loading or initiating
- G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
- G06F9/44526—Plug-ins; Add-ons
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Stored Programmes (AREA)
Abstract
本公开提供了一种容器调度方法、集群系统、装置、电子设备及存储介质,涉及云计算技术技术领域。该方法包括:接收待调度容器的容器调度请求,容器调度请求包括资源请求信息;获取集群中多个工作节点的资源拓扑信息,其中,每个工作节点包含多个非统一内存访问NUMA节点,资源拓扑信息包括多个NUMA节点的NUMA节点资源拓扑信息;根据资源请求信息和每个工作节点的NUMA节点资源拓扑信息,从多个工作节点中选择用于运行待调度容器的目标工作节点;将待调度容器调度至目标工作节点,以使目标工作节点采用最少数量的NUMA节点运行待调度容器。本公开能够在容器调度过程中根据NUMA节点资源拓扑信息确定性能最优的调度策略,实现对容器的精准调度。
Description
技术领域
本公开涉及云计算技术领域,尤其涉及一种容器调度方法、集群系统、装置、电子设备及存储介质。
背景技术
随着容器化的普及,越来越多的网元系统、大数据系统、人工智能系统都开始容器化运行,并在具有容器编排功能的集群中进行承载这些系统中通常运行的是IO密集型或CPU密集型的业务。
然而不论是IO密集型业务,还是CPU密集型业务,均和最先容器化的互联网业务之间存在明显差异,目前面向互联网业务的集群(例如Kubernetes集群)提供的粗犷型调度方式,缺乏针对这些业务类型的精细化容器调度的能力。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开提供一种容器调度方法、集群系统、装置、电子设备及存储介质,至少在一定程度上克服相关技术中集群无法进行精细化资源调度的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种容器调度方法,包括:
接收待调度容器的容器调度请求,所述容器调度请求包括资源请求信息;
获取集群中多个工作节点的资源拓扑信息,其中,每个工作节点包含多个非统一内存访问NUMA节点,所述资源拓扑信息包括所述多个NUMA节点的NUMA节点资源拓扑信息;
根据所述资源请求信息和每个工作节点的NUMA节点资源拓扑信息,从所述多个工作节点中选择用于运行所述待调度容器的目标工作节点;
将所述待调度容器调度至目标工作节点,以使目标工作节点采用最少数量的NUMA节点运行所述待调度容器。
在本公开的一个实施例中,根据所述资源请求信息和每个工作节点的NUMA节点资源拓扑信息,从所述多个工作节点中选择用于运行所述待调度容器的目标工作节点,具体包括:
根据所述资源请求信息,预选满足所述资源请求信息的多个工作节点;
根据每个工作节点的NUMA节点资源拓扑信息,从预选的多个工作节点中选择用于运行容器的目标工作节点。
在本公开的一个实施例中,根据每个工作节点的NUMA节点资源拓扑信息,从预选的多个工作节点中选择用于运行容器的目标工作节点,具体包括:
根据每个工作节点的NUMA节点资源拓扑信息,按照每个工作节点运行所述待调度容器所需NUMA节点的数量,对预选的多个工作节点进行排序;
根据排序结果,从预选的工作节点中选择用于运行容器的目标工作节点。
在本公开的一个实施例中,获取集群中多个工作节点的资源拓扑信息,具体包括:
从集群中主节点的数据库中获取工作节点的资源拓扑信息,其中,所述资源拓扑信息通过工作节点收集并上传至主节点的数据库中。
在本公开的一个实施例中,所述NUMA节点拓扑信息包括如下至少之一:NUMA节点的CPU信息、内存信息、读写信息、网卡接入信息和异构硬件信息。
在本公开的一个实施例中,所述集群为Kubernetes集群。
根据本公开的另一个方面,提供一种集群系统,其特征在于,包括主节点和多个工作节点;
其中,每个工作节点包含多个非统一内存访问NUMA节点;
所述主节点,与各个工作节点通信,用于在接收到待调度容器的容器调度请求后,获取集群中多个工作节点的资源拓扑信息,并根据所述资源拓扑信息和所述容器调度请求中包含的资源请求信息,从所述多个工作节点中选择用于运行所述待调度容器的目标工作节点,将所述待调度容器调度至目标工作节点,以使目标工作节点采用最少数量的NUMA节点运行所述待调度容器;
其中,资源拓扑信息包括多个NUMA节点的NUMA节点资源拓扑信息。
根据本公开的另一个方面,提供一种容器调度装置,其特征在于,包括:
请求接收模块,用于接收待调度容器的容器调度请求,所述容器调度请求包括资源请求信息;
信息收集模块,用于获取集群中多个工作节点的资源拓扑信息,其中,每个工作节点包含多个非统一内存访问NUMA节点,所述资源拓扑信息包括所述多个NUMA节点的NUMA节点资源拓扑信息;
节点选择模块,用于根据所述资源请求信息和每个工作节点的NUMA节点资源拓扑信息,从所述多个工作节点中选择用于运行所述待调度容器的目标工作节点;
容器调度模块,用于将所述待调度容器调度至目标工作节点,以使目标工作节点采用最少数量的NUMA节点运行所述待调度容器。
根据本公开的另一个方面,提供一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述的容器调度方法。
根据本公开的另一个方面,提供一种计算机可读存储介质,其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上述的容器调度方法。
本公开的实施例所提供的容器调度方法、集群系统、装置、电子设备及存储介质,能够收集精细化的NUMA节点资源拓扑信息,在容器调度过程中,解析用户的资源请求信息的同时,增加与各个工作节点的NUMA节点资源拓扑对应的调度策略,从而能够根据NUMA节点资源拓扑信息确定性能最优的调度策略,实现对容器的精准调度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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附图。
图1示出本公开实施例中一种Kubernetes集群架构示意图;
图2示出本公开实施例中一种容器调度装置架构示意图;
图3示出本公开实施例中一种容器调度方法流程示意图;
图4示出本公开实施例中一种容器调度方法工作流程图;
图5示出本公开实施例中一种集群系统示意图;
图6示出本公开实施例中一种容器调度装置示意图;
图7示出本公开实施例中一种电子设备的结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
为了便于理解,首先对本公开涉及到的几个名词进行解释如下:
Kubernetes,是一个完备的分布式系统支撑平台,具有完备的集群管理能力,多扩多层次的安全防护和准入机制、多租户应用支撑能力、透明的服务注册和发现机制、内建智能负载均衡器、强大的故障发现和自我修复能力、服务滚动升级和在线扩容能力、可扩展的资源自动调度机制以及多粒度的资源配额管理能力。同时Kubernetes提供完善的管理工具,涵盖了包括开发、部署测试、运维监控在内的各个环节。
非统一内存访问(NUMA),是一种用于多处理器的电脑内存体设计,内存访问时间取决于处理器的内存位置。在NUMA下,处理器访问它自己的本地存储器的速度比非本地存储器(存储器的地方到另一个处理器之间共享的处理器或存储器)快一些。
CPU密集型(CPU bound),CPU密集型也叫计算密集型,指的是系统的硬盘、内存性能相对CPU要好很多,此时,系统运作大部分的状况是CPU Loading 100%,CPU要读/写(I/O)硬盘或内存,I/O在很短的时间就可以完成,而CPU还有许多运算要处理,CPU负载很高。
IO密集型(I/O bound),IO密集型指的是系统的CPU性能相对硬盘、内存要好很多,此时,系统运作,大部分的状况是CPU在等硬盘或内存的I/O操作,此时CPU负载并不高。
在介绍本公开的技术方案之前,首先对相关技术中存在的技术问题和本公开的发明构思结合应用场景进行进一步解释。
对于网络、大数据、人工智能等IO密集型或者CPU密集型业务,为了达到极致的性能,往往需要精细化的资源配置要求:比如为了提升网络IO性能,需要将网络应用和网卡运行或接入到同一个NUMA节点;对于CPU密集型,需要通过CPU独占避免CPU上下文切换来提升性能。
要实现上述调度能力,容器编排集群需要具备精细化的资源拓扑管理和调度能力,在此场景下,尽管目前容器编排集群提供了CPU管理器(CPU Manager)、设备管理器(Device Manager)等管理器来进行资源分配,但这些管理器只有对资源数量的统计,缺乏对于资源拓扑的精细感知,并且这些管理器对于每种资源的管理是割裂的,缺乏多资源联动配合的调度能力。
本公开提供的方案,首先接收待调度容器的容器调度请求,容器调度请求包括资源请求信息;随后获取集群中多个工作节点的资源拓扑信息,其中,每个工作节点包含多个非统一内存访问NUMA节点,资源拓扑信息包括多个NUMA节点的NUMA节点资源拓扑信息;接下来根据资源请求信息和每个工作节点的NUMA节点资源拓扑信息,从多个工作节点中选择用于运行待调度容器的目标工作节点;最终将待调度容器调度至目标工作节点,以使目标工作节点采用最少数量的NUMA节点运行待调度容器。
图1示出了可以应用于本公开实施例的容器调度方法或容器调度装置的示例性系统架构的示意图。
如图1所示,系统架构可以包括主节点(Master Node)和工作节点(Worker Node),其中,主节点运行API服务器(api-server)、调度插件(scheduler)、控制管理器(controller-manager)、etcd数据库等控制面组件;工作节点运行Kubelet等数据面组件。
具体地,主节点是整个Kubernetes集群的核心节点,所有对于Kubernetes集群的执行命令操作都是由它执行,它负责整个集群的调度和管理工作,一般是集群中独立的服务器。主节点包括非常多的组件,主要包括API服务器、etcd数据库、控制管理器以及调度插件。API服务器是整个系统的数据总线和数据中心,提供了集群系统的各类资源对象的增删改查,集群管理的API接口(包括认证授权、数据校验以及集群状态变更)以及其他模块之间的数据交互和通信。其他组件通过API服务器查询或修改数据,只有API服务器才直接操作etcd数据库。控制管理器是集群内部管理和控制中心,负责获取用户所需要的开发依赖库、系统配置等相关参数并将这些参数生成任务发送至调度插件。调度插件接受控制器发送的任务,监测Pod合法性并将Pod根据调度策略找到一个合适的节点运行,并将绑定的信息通过API服务器发送到etcd数据库中存储。
工作节点是Kubernetes集群中任务的执行者,每一个工作节点都会被主节点按照调度规则分配到合理的工作负载。每个工作节点上都运行一个Kubelet服务进程,监听端口,接收并执行主节点发来的指令,管理Pod以及Pod中的容器。每个Kubelet进程会在API服务器上注册节点自身信息,定期向主节点汇报资源使用情况,并通过cAdvisor监控节点和容器的资源。
需要说明的是,容器是一种打包应用程序或服务以及它运行所需一切的一种手段,其中包括要执行的程序及其所有依赖关系,如代码、运行时、系统库等。Pod是Kubernetes最小的可部署单位,由一个或多个容器组成,具有共享的存储/网络资源,以及如何运行容器的规范。集群和节点是Kubernetes的硬件组成部分,其中节点是集群中单个机器的表示,节点本质上是承载Pod的机器,无论是物理的还是虚拟的,而多个节点组成的集合即为集群。
本领域技术人员可以知晓,图1中的主节点和工作节点的数量仅仅是示意性的,根据实际需要,可以具有任意数目的主节点和工作节点。本公开实施例对此不作限定。
在上述系统架构的基础上,图2详细地示出了本申请的改进方式,如图2所示,本公开在上述Kubelet组件中增加了精细化资源拓扑检测模块、精细化资源上报模块以及资源绑定模块,并在上述调度插件中进一步增加了精细化资源感知调度插件。
其中,精细化资源拓扑检测模块可用于对节点上资源拓扑的获取和变化的检测,包括节点的CPU NUMA信息、IO NUMA信息、异构硬件的资源拓扑信息等。
精细化资源上报模块可用于将拓扑检测模块获取的信息上报到Kubernetes的API服务器,由API服务器写入到对应的后端数据库,即etcd数据库,方便在调度的时候进行查询。
资源绑定模块可在创建的容器调度到目标工作节点后,由资源绑定模块将资源分配给对应的容器。
精细化资源感知调度插件可用于解析用户的资源需求,并对各工作节点的资源拓扑及使用情况进行分析,从而找出最佳匹配的工作节点。
下面结合附图及实施例对本示例实施方式进行详细说明。
首先,本公开实施例中提供了一种容器调度方法,该方法可以由任意具备计算处理能力的电子设备执行。
图3示出本公开实施例中一种容器调度方法流程示意图,如图3所示,本公开实施例中提供的容器调度方法包括如下步骤:
S302,接收待调度容器的容器调度请求,容器调度请求包括资源请求信息。
需要说明的是,上述待调度容器可以是客户端下发的当前需要运行的容器,待调度容器的容器调度请求由客户端发送至主节点,并由主节点的API服务器接收后传递至主节点的调度插件,从而启动调度过程。
具体地,容器调度请求中包括运行待调度容器所需的最小资源信息(资源请求信息),以使主节点能够获得容器运行的基本需求,并将与之匹配的最优资源分配至待调度容器,使容器的运行效率最大化。
S304,获取集群中多个工作节点的资源拓扑信息,其中,每个工作节点包含多个非统一内存访问NUMA节点,资源拓扑信息包括多个NUMA节点的NUMA节点资源拓扑信息。
需要说明的是,本公开中的工作节点采用NUMA架构,通过在工作节点中部署多个NUMA节点以提高内存使用效率。NUMA节点是由一个物理CPU和它所有的本地内存(LocalMemory)组成的,其中每个物理CPU可以包括多个CPU核心,广义得讲,一个NUMA节点内部还包含本地读写资源,对大多数Intel x86 NUMA平台来说,主要是高速串行计算机扩展总线标准(Peripheral Component Interconnect Express,PCIE)总线资源。
具体地,资源拓扑信息包括工作节点上NUMA节点的NUMA资源拓扑信息,例如,NUMA节点的CPU信息、内存信息、读写信息、网卡接入信息和异构硬件信息等。本公开的容器调度方法通过对NUMA资源拓扑信息的获取,使主节点在为容器分配资源的过程中,能够充分考虑工作节点中各资源之间的联动性能,从而提升容器的资源调用效率。
更具体地,资源拓扑信息可由工作节点的Kubelet组件采集,并通过主节点的API服务器最终上传至主节点的etcd数据库中。
S306,根据资源请求信息和每个工作节点的NUMA节点资源拓扑信息,从多个工作节点中选择用于运行待调度容器的目标工作节点。
具体地,可根据客户端的资源请求信息,预选满足资源请求信息的多个工作节点。
例如,当客户端请求的资源为2个CPU核心和4GB内存时,拥有超过2个以上CPU核心和4GB以上内存的工作节点都可满足客户端的资源请求信息,均可作为预选出的工作节点。
进一步地,在预选出的工作节点中,可按照每个工作节点上运行的待调度容器所需接入的NUMA节点的数量,对预选的多个工作节点进行排序,并根据排序结果,从预选的工作节点中选择用于运行容器的目标工作节点。
需要说明的是,由于在NUMA架构中,CPU访问与自身处于同一NUMA节点内的内存、网卡等资源时的性能最佳,因此在能够满足待调度容器运行的资源中,接入NUMA节点数量最少的资源在运行容器时具有最佳性能,而令待调度容器具有最佳性能的资源所在的工作节点即为待调度容器的目标工作节点。
S308,将待调度容器调度至目标工作节点,以使目标工作节点采用最少数量的NUMA节点运行待调度容器。
具体地,当待调度容器调度至目标工作节点时,将选择出的接入最少数量NUMA节点的资源分配至待调度容器,从而使得容器具有最佳运行效率。
更具体地,当运行CPU密集型任务或IO密集型任务时,通过将最优资源分配至相关容器,以实现最佳运行效率。
例如,当客户端请求的资源为2个CPU核心和4GB内存时,工作节点1和工作节点2的配置均为64个CPU核心和128GB内存,均可满足资源请求,但工作节点1中的每个NUMA节点拥有2个CPU核心和4GB内存,而工作节点2中的每个NUMA节点拥有1个CPU核心和2GB内存,即在满足资源请求的前提下,工作节点1仅需调用1个NUMA节点,而工作节点2需要调用2个NUMA节点,此时选择工作节点1为目标工作节点,并将接入同一NUMA节点的2个CPU核心和4GB内存用于运行待调度容器,以实现容器运行的最佳效率。
在本公开实施例中,可以对多种资源进行精细化的资源联动调度,根据业务请求,对请求的多种资源进行统一的分析和调度(例如上例中的CPU和内存),从而避免了传统调度策略对各种资源的割裂调度。
图4示出了本公开实施例中一种容器调度方法的工作流程图,如图4所示,在收到容器调度请求前,本公开实施例包括如下步骤:
(1)节点资源拓扑检测:每个工作节点Kubelet组件中的节点资源拓扑检测模块负责该节点各种资源拓扑信息的获取和实时检测,如各CPU的NUMA信息、物理网卡接入的NUMA节点、异构硬件的使用情况等,并将各资源变动信息实时更新给资源拓扑信息上报模块。
(2)资源拓扑信息上报:将工作节点收集的资源拓扑信息实时上报给Kubernetes集群的API服务器。
当收到容器调度请求时,本公开实施例包括如下步骤:
(1)应用部署请求:客户端产生新的容器调度请求,请求中明确了详细的资源请求信息。
(2)资源拓扑信息记录:API-Server接收到用户的容器调度请求。
(3)容器资源请求信息解析:Scheduer监听到用户容器调度请求,解析并检查用户的资源请求信息。
(4)节点预选:节点预选模块获取每个节点的详细拓扑信息,并与用户的资源请求进行对比,筛选出满足用户所需资源的节点,并按照NUMA节点数量排序。
(5)节点优选:节点优选模块对预选出的各工作节点进行评估,选出最佳节点。
(6)容器资源绑定:容器调度到工作节点的Kubelet进程后,由资源绑定模块将对应的资源和分配给相关的容器。
基于同一发明构思,本公开实施例中还提供了一种集群系统,如下面的实施例所述。由于该系统实施例解决问题的原理与上述方法实施例相似,因此该系统实施例的实施可以参见上述方法实施例的实施,重复之处不再赘述。
图5示出本公开实施例中一种集群系统示意图,如图5所示,该系统500包括主节点501和多个工作节点502。
其中,每个工作节点502包含多个非统一内存访问NUMA节点;
所述主节点501,与各个工作节点502通信,用于在接收到待调度容器的容器调度请求后,获取集群中多个工作节点502的资源拓扑信息,并根据所述资源拓扑信息和所述容器调度请求中包含的资源请求信息,从所述多个工作节点502中选择用于运行所述待调度容器的目标工作节点502,将所述待调度容器调度至目标工作节点502,以使目标工作节点502采用最少数量的NUMA节点运行所述待调度容器;
其中,资源拓扑信息包括多个NUMA节点的NUMA节点资源拓扑信息。
本领域技术人员可以知晓,图5中的主节点和工作节点的数量仅仅是示意性的,根据实际需要,可以具有任意数目的主节点和工作节点。本公开实施例对此不作限定。
基于同一发明构思,本公开实施例中还提供了一种容器调度装置,如下面的实施例所述。由于该装置实施例解决问题的原理与上述方法实施例相似,因此该装置实施例的实施可以参见上述方法实施例的实施,重复之处不再赘述。
图6示出本公开实施例中一种容器调度装置示意图,如图6所示,该装置600包括:
请求接收模块601,用于接收待调度容器的容器调度请求,容器调度请求包括资源请求信息;
信息收集模块602,用于获取集群中多个工作节点的资源拓扑信息,其中,每个工作节点包含多个非统一内存访问NUMA节点,资源拓扑信息包括多个NUMA节点的NUMA节点资源拓扑信息;
节点选择模块603,用于根据资源请求信息和每个工作节点的NUMA节点资源拓扑信息,从多个工作节点中选择用于运行待调度容器的目标工作节点;
容器调度模块604,用于将待调度容器调度至目标工作节点,以使目标工作节点采用最少数量的NUMA节点运行待调度容器。
可选地,上述节点选择模块603具体可用于:
根据资源请求信息,预选满足资源请求信息的多个工作节点;
根据每个工作节点的NUMA节点资源拓扑信息,从预选的多个工作节点中选择用于运行容器的目标工作节点。
可选地,上述节点选择模块603具体可用于:
根据每个工作节点的NUMA节点资源拓扑信息,按照每个工作节点运行待调度容器所需NUMA节点的数量,对预选的多个工作节点进行排序;
根据排序结果,从预选的工作节点中选择用于运行容器的目标工作节点。
可选地,上述节点选择模块603具体可用于:
从集群中主节点的数据库中获取工作节点的资源拓扑信息,其中,资源拓扑信息通过工作节点收集并上传至主节点的数据库中。
可选地,NUMA节点拓扑信息包括如下至少之一:NUMA节点的CPU信息、内存信息、读写信息、网卡接入信息和异构硬件信息。
可选地,上述集群为Kubernetes集群。
需要说明的是,上述实施例提供的容器调度装置在用于容器调度时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的容器调度装置与容器调度方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例,不应对本公开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以通用计算设备的形式表现。电子设备700的组件可以包括但不限于:上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元710执行,使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元710可以执行上述方法实施例的如下步骤:接收待调度容器的容器调度请求,容器调度请求包括资源请求信息;获取集群中多个工作节点的资源拓扑信息,其中,每个工作节点包含多个非统一内存访问NUMA节点,资源拓扑信息包括多个NUMA节点的NUMA节点资源拓扑信息;根据资源请求信息和每个工作节点的NUMA节点资源拓扑信息,从多个工作节点中选择用于运行待调度容器的目标工作节点;将待调度容器调度至目标工作节点,以使目标工作节点采用最少数量的NUMA节点运行待调度容器。
可选地,上述处理单元710具体可执行:
根据资源请求信息,预选满足资源请求信息的多个工作节点;
根据每个工作节点的NUMA节点资源拓扑信息,从预选的多个工作节点中选择用于运行容器的目标工作节点。
可选地,上述处理单元710具体可执行:
根据每个工作节点的NUMA节点资源拓扑信息,按照每个工作节点运行待调度容器所需NUMA节点的数量,对预选的多个工作节点进行排序;
根据排序结果,从预选的工作节点中选择用于运行容器的目标工作节点。
可选地,上述处理单元710具体可执行:
从集群中主节点的数据库中获取工作节点的资源拓扑信息,其中,资源拓扑信息通过工作节点收集并上传至主节点的数据库中。
可选地,NUMA节点拓扑信息包括如下至少之一:NUMA节点的CPU信息、内存信息、读写信息、网卡接入信息和异构硬件信息。
可选地,上述集群为Kubernetes集群。
存储单元720可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202,还可以进一步包括只读存储单元(ROM)7203。
存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204,这样的程序模块7205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备740(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备700交互的设备通信,和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且,电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器760通过总线730与电子设备700的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备700使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式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一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
本公开中的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。
在本公开中,计算机可读存储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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
可选地,计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
在具体实施时,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式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一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种容器调度方法,其特征在于,包括:
接收待调度容器的容器调度请求,所述容器调度请求包括资源请求信息;
获取集群中多个工作节点的资源拓扑信息,其中,每个工作节点包含多个非统一内存访问NUMA节点,所述资源拓扑信息包括所述多个NUMA节点的NUMA节点资源拓扑信息;
根据所述资源请求信息和每个工作节点的NUMA节点资源拓扑信息,从所述多个工作节点中选择用于运行所述待调度容器的目标工作节点;
将所述待调度容器调度至目标工作节点,以使目标工作节点采用最少数量的NUMA节点运行所述待调度容器。
2.根据权利要求1所述的容器调度方法,其特征在于,根据所述资源请求信息和每个工作节点的NUMA节点资源拓扑信息,从所述多个工作节点中选择用于运行所述待调度容器的目标工作节点,具体包括:
根据所述资源请求信息,预选满足所述资源请求信息的多个工作节点;
根据每个工作节点的NUMA节点资源拓扑信息,从预选的多个工作节点中选择用于运行容器的目标工作节点。
3.根据权利要求2所述的容器调度方法,其特征在于,根据每个工作节点的NUMA节点资源拓扑信息,从预选的多个工作节点中选择用于运行容器的目标工作节点,具体包括:
根据每个工作节点的NUMA节点资源拓扑信息,按照每个工作节点运行所述待调度容器所需NUMA节点的数量,对预选的多个工作节点进行排序;
根据排序结果,从预选的工作节点中选择用于运行容器的目标工作节点。
4.根据权利要求1所述的容器调度方法,其特征在于,获取集群中多个工作节点的资源拓扑信息,具体包括:
从集群中主节点的数据库中获取工作节点的资源拓扑信息,其中,所述资源拓扑信息通过工作节点收集并上传至主节点的数据库中。
5.根据权利要求1所述的容器调度方法,其特征在于,所述NUMA节点拓扑信息包括如下至少之一:NUMA节点的CPU信息、内存信息、读写信息、网卡接入信息和异构硬件信息。
6.根据权利要求1~5中任意一项所述的容器调度方法,其特征在于,所述集群为Kubernetes集群。
7.一种集群系统,其特征在于,包括主节点和多个工作节点;
其中,每个工作节点包含多个非统一内存访问NUMA节点;
所述主节点,与各个工作节点通信,用于在接收到待调度容器的容器调度请求后,获取集群中多个工作节点的资源拓扑信息,并根据所述资源拓扑信息和所述容器调度请求中包含的资源请求信息,从所述多个工作节点中选择用于运行所述待调度容器的目标工作节点,将所述待调度容器调度至目标工作节点,以使目标工作节点采用最少数量的NUMA节点运行所述待调度容器;
其中,资源拓扑信息包括多个NUMA节点的NUMA节点资源拓扑信息。
8.一种容器调度装置,其特征在于,包括:
请求接收模块,用于接收待调度容器的容器调度请求,所述容器调度请求包括资源请求信息;
信息收集模块,用于获取集群中多个工作节点的资源拓扑信息,其中,每个工作节点包含多个非统一内存访问NUMA节点,所述资源拓扑信息包括所述多个NUMA节点的NUMA节点资源拓扑信息;
节点选择模块,用于根据所述资源请求信息和每个工作节点的NUMA节点资源拓扑信息,从所述多个工作节点中选择用于运行所述待调度容器的目标工作节点;
容器调度模块,用于将所述待调度容器调度至目标工作节点,以使目标工作节点采用最少数量的NUMA节点运行所述待调度容器。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1~6中任意一项所述的容器调度方法。
10.一种计算机可读存储介质,其上存储有计算机程序,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中任意一项所述的容器调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210280816.9A CN114610497A (zh) | 2022-03-21 | 2022-03-21 | 容器调度方法、集群系统、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210280816.9A CN114610497A (zh) | 2022-03-21 | 2022-03-21 | 容器调度方法、集群系统、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114610497A true CN114610497A (zh) | 2022-06-10 |
Family
ID=81865086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210280816.9A Pending CN114610497A (zh) | 2022-03-21 | 2022-03-21 | 容器调度方法、集群系统、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114610497A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116467151A (zh) * | 2023-06-19 | 2023-07-21 | 浙江无端科技股份有限公司 | 一种程序性能信息采集方法、装置、设备及存储介质 |
CN117331650A (zh) * | 2023-10-31 | 2024-01-02 | 中科驭数(北京)科技有限公司 | 容器集的调度方法、装置、设备及存储介质 |
CN117519994A (zh) * | 2024-01-05 | 2024-02-06 | 银河麒麟软件(长沙)有限公司 | 一种基于k8s的NUMA感知调度方法及系统 |
WO2024082584A1 (zh) * | 2022-10-19 | 2024-04-25 | 京东科技信息技术有限公司 | 资源分配方法、容器管理组件和资源分配系统 |
-
2022
- 2022-03-21 CN CN202210280816.9A patent/CN114610497A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024082584A1 (zh) * | 2022-10-19 | 2024-04-25 | 京东科技信息技术有限公司 | 资源分配方法、容器管理组件和资源分配系统 |
CN116467151A (zh) * | 2023-06-19 | 2023-07-21 | 浙江无端科技股份有限公司 | 一种程序性能信息采集方法、装置、设备及存储介质 |
CN116467151B (zh) * | 2023-06-19 | 2023-08-25 | 浙江无端科技股份有限公司 | 一种程序性能信息采集方法、装置、设备及存储介质 |
CN117331650A (zh) * | 2023-10-31 | 2024-01-02 | 中科驭数(北京)科技有限公司 | 容器集的调度方法、装置、设备及存储介质 |
CN117519994A (zh) * | 2024-01-05 | 2024-02-06 | 银河麒麟软件(长沙)有限公司 | 一种基于k8s的NUMA感知调度方法及系统 |
CN117519994B (zh) * | 2024-01-05 | 2024-04-16 | 银河麒麟软件(长沙)有限公司 | 一种基于k8s的NUMA感知调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114610497A (zh) | 容器调度方法、集群系统、装置、电子设备及存储介质 | |
US10929165B2 (en) | System and method for memory resizing in a virtual computing environment | |
CN109803004B (zh) | 区块链智能合约管理方法与装置、电子设备、存储介质 | |
US9459850B2 (en) | Adaptive cloud aware just-in-time (JIT) compilation | |
US7765552B2 (en) | System and method for allocating computing resources for a grid virtual system | |
KR101984714B1 (ko) | 가상화 자원 모니터링 시스템 | |
Hashem et al. | MapReduce scheduling algorithms: a review | |
CN102831015B (zh) | 多核处理器的调度方法和设备 | |
JP2008527514A (ja) | グリッド・アクティビティのモニタリングおよび振り分けによる総合的グリッド環境管理を促進する方法、システム、およびコンピュータ・プログラム | |
US20170019345A1 (en) | Multi-tenant resource coordination method | |
CN109684074A (zh) | 物理机资源分配方法及终端设备 | |
CN104050042A (zh) | Etl作业的资源分配方法及装置 | |
Mateescu | Quality of service on the grid via metascheduling with resource co-scheduling and co-reservation | |
Breitgand et al. | An adaptive utilization accelerator for virtualized environments | |
CN111338785A (zh) | 资源调度方法及装置、电子设备、存储介质 | |
Wang et al. | Research on virtual machine consolidation strategy based on combined prediction and energy-aware in cloud computing platform | |
US9515905B1 (en) | Management of multiple scale out workloads | |
CN114721824A (zh) | 一种资源分配方法、介质以及电子设备 | |
CN114490062A (zh) | 一种本地磁盘的调度方法、装置、电子设备及存储介质 | |
CN116010020A (zh) | 容器池管理 | |
Rao et al. | Scheduling microservice containers on large core machines through placement and coalescing | |
US11263130B2 (en) | Data processing for allocating memory to application containers | |
CN113301087A (zh) | 资源调度方法、装置、计算设备和介质 | |
JPH10207847A (ja) | 分散システムにおける自動負荷分散方式 | |
Nascimento et al. | Dynamic self-scheduling for parallel applications with task dependencies |
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 |