CN115412449B - 一种基于负载预测的容器动态伸缩方法及系统 - Google Patents
一种基于负载预测的容器动态伸缩方法及系统 Download PDFInfo
- Publication number
- CN115412449B CN115412449B CN202211058420.6A CN202211058420A CN115412449B CN 115412449 B CN115412449 B CN 115412449B CN 202211058420 A CN202211058420 A CN 202211058420A CN 115412449 B CN115412449 B CN 115412449B
- Authority
- CN
- China
- Prior art keywords
- load
- container
- expansion
- capacity
- current application
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000008602 contraction Effects 0.000 claims abstract description 21
- 230000009467 reduction Effects 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 19
- 230000008014 freezing Effects 0.000 claims description 9
- 238000007710 freezing Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000004044 response Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于负载预测的容器动态伸缩方法及系统,包括以下步骤:实时获取容器当前应用负载和预测负载,设定容器伸缩的阈值;比较容器当前应用负载和预测负载与设定的阈值之间的大小关系:若当前应用负载或预测负载大于设定的阈值,进行扩容;若当前应用负载和预测负载均小于设定的阈值,进行缩容。可以针对平台运行的多种情况进行合理分配,保证平台处于合理和理想的状态,避免扩容延迟或抖动,响应时间缩短,提高了容器运行的稳定性,避免了资源的浪费,提高了运行效率,解决现有技术中伸缩扩容方法针对不同情况无法合理进行扩容和缩容,且容器伸缩时容易出现扩容延迟或抖动的问题。
Description
技术领域
本发明属于数据处理技术领域,涉及一种基于负载预测的容器动态伸缩方法及系统。
背景技术
在云环境中,容器的弹性伸缩是非常重要的,由于容器在不同时间段内访问量会存在差异,因此需要通过对应用环境下的各项数据进行分析处理从而对容器资源实现弹性伸缩。面对云平台中线上和线下任务共存的复杂场景,为了保障线上任务的服务质量,需要一个合理的容器伸缩方案来保证系统的高效运作。
传统的预测式伸缩方案过于依赖模型准确度,针对不同时间段的访问情况难以进行合理的扩容和缩容,无法合理缓解服务器的压力,影响服务器的正常运行,造成资源的浪费,且在容器伸缩时容易出现扩容延迟或抖动的现象,伸缩扩容的稳定性较低。
发明内容
本发明的目的在于解决现有技术中伸缩扩容方法针对不同情况无法合理进行扩容和缩容,且容器伸缩时容易出现扩容延迟或抖动的问题,提供一种基于负载预测的容器动态伸缩方法及系统,本发明公开的方法能够针对不同情况对资源进行合理分配,提高了资源的利用率,提高了运行效果。
为达到上述目的,本发明采用以下技术方案予以实现:
一种基于负载预测的容器动态伸缩方法,包括以下步骤:
S1:实时获取容器当前的应用负载和预测负载;
S2:分别设定容器的扩容阈值和缩容阈值;
S3:若当前应用负载或预测负载大于设定的扩容阈值,进行扩容;
若当前应用负载和预测负载均小于设定的缩容阈值,进行缩容。
本发明的进一步改进在于:
所述步骤S3中,进行扩容包括以下步骤:
比较当前应用负载与预测负载,选取两者中的较大值作为扩容场景的下载负载;
基于下载负载计算扩容后的Pod副本数量。
所述扩容后的Pod副本数量通过式(1)得到:
式中,t代表时长;nc代表过去t分钟内的访问总量;np代表后续t分钟内访问总量的预测结果;Q代表应用一个副本的QPS;rup代表副本数量。
所述步骤S3中,进行缩容包括以下步骤:
通过反距离加权法分别计算当前应用负载和预测负载的权重;
基于得到的两个权重,计算缩容场景的下载负载;
基于得到的下载负载计算缩容场景下的Pod副本数量。
所述当前应用负载的权重通过式(2)得到:
所述预测负载的权重通过式(3)得到:
式(2)和式(3)中,Wc代表当前应用负载的权重;Wp代表预测负载的权重;nt代表当前设置的访问总量阈值;nc代表当前访问总量;np代表预测访问总量。
所述缩容场景的下载负载通过式(4)得到:
ndown=Wc*nc+Wp*np (4)
式中,Wc代表当前指标的权重;Wp代表预测指标的权重;nc代表当前访问总量;np代表预测访问总量;
所述缩容场景下的Pod副本数量通过式(5)得到:
式中,t代表时长;n代表t分钟内的访问总量;Q代表应用一个副本的QPS。
还包括以下步骤:
引入冷冻窗口机制,在容器进入扩容场景或缩容场景后,则进入冷冻期。
一种基于负载预测的容器动态伸缩系统,包括数据采集模块、阈值设定模块和容器伸缩模块;
数据采集模块,用于实时获取容器当前应用负载和预测负载;
阈值设定模块,用于分别设定容器的扩容阈值和缩容阈值;
容器伸缩模块,用于若当前应用负载或预测负载大于设定的扩容阈值,进行扩容;
若当前应用负载和预测负载均小于设定的缩容阈值,进行缩容。
一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明任一项所述方法的步骤。
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,所述计算机程序被处理器执行时实现本发明任一项所述方法的步骤。
与现有技术相比,本发明具有以下有益效果:
本发明提供了一种基于负载预测的容器动态伸缩方法,设定容器进行扩容和缩容的阈值,并实时采集当前应用负载和预测负载,根据当前应用负载与预测负载设定的扩容和缩容阈值之间的关系,选择扩容或缩容,可以针对平台运行的多种情况进行合理分配,保证平台处于合理和理想的状态,避免扩容延迟或抖动,扩容或缩容的响应时间缩短,提高了容器运行的稳定性,避免了资源的浪费,本发明公开的方法在对容器进行扩容或缩容时,不会过于依赖模型的准确度,根据提高了运行效率。
进一步的,本发明在进行扩容时,选取应用负载和预测负载之间的较大值作为下载负载,可以提高平台运行的稳定性,避免出现负载过大的情况。
进一步的,本发明在进行缩容时,根据应用负载和预测负载的权重计算缩容场景下的负载,避免出现提前缩容或缩容过快的现象,也避免了出现长时间无法缩容的现象,有利于提高平台的稳定性,提高服务质量。
进一步的,本发明引入了冷冻机制,防止扩容或缩容环境下,副本数量抖动,保证了副本数量的稳定性,避免资源浪费,提高了运行效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明的流程示意图。
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。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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中,需要说明的是,若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,若出现术语“水平”,并不表示要求部件绝对水平,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本发明实施例的描述中,还需要说明的是,除非另有明确的规定和限定,若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图对本发明做进一步详细描述:
参见图1,本发明公开了一种基于负载预测的容器动态伸缩方法,包括以下步骤:
步骤1:实时获取容器当前应用负载和预测负载;
本发明实施例,通过Kubernetes集群的资源监控系统,监听应用的负载数据。
在实际的应用中,根据采集的数据集的区别,选择现有的不同负载预测模型进行预测负载的计算。
步骤2:设定容器伸缩时,进行扩容和缩容的阈值
本发明实施例中,设定容器进行扩容的阈值计算方法为:
n*Q*300 (6)
本发明实施例中,设定容器进行缩容的阈值计算方法为:
(n-1)*Q*300 (7)
式(6)和式(7)中,n代表t分钟内的访问总量;Q代表应用一个副本的QPS。
步骤3:比较容器当前应用负载和预测负载与设定的扩容阈值和缩容阈值之间的大小关系:
若当前应用负载或预测负载大于设定的阈值,进行扩容:
进入扩容场景后,因为要尽可能保证平台的稳定,所以扩容场景采用激进策略,尽可能保证不会出现负载过大的情况,使平台可以稳定运行。
计算出当前负载和预测负载中的较大值,作为扩容场景下的负载,
将扩容场景的下载负载带入式(1)中,计算得到扩容场景后的副本数量:
其中,t代表时长,单位为分钟;nc代表过去t分钟内的访问总量;np代表后续t分钟内访问总量的预测结果;Q代表应用一个副本的QPS;rup代表副本数量。
若当前应用负载和预测负载均小于设定的阈值,进行缩容:
对于缩容场景不能和扩容场景一样采用激进的方案,如果按照最小值进行缩容,可能会出现提前缩容现象,导致过快缩容问题,不利于平台的稳定性,影响应用的服务质量,但是如果按照最大值进行缩容,可能会减少错误缩容的次数,但是会影响到正常的缩容操作,出现长时间不能缩容问题。
因此选择对两个值进行综合考量,通过反距离加权公式(2)和(3)动态调整最小值在计算副本数量时所占的权重:
在式(2)和式(3)中,Wc代表当前应用负载的权重;Wp代表预测负载的权重;nt代表当前设置的访问总量阈值;nc代表当前访问总量;np代表预测访问总量。
基于Wc和Wp,计算缩容场景下得到的应用负载ndown:
ndown=Wc*nc+Wp*np (4)
基于式(4)得到的负载,计算缩容场景下最终的副本数量:
式中,t代表时长;n代表t分钟内的访问总量;Q代表应用一个副本的QPS。
若当前应用负载和预测负载均在扩容阈值和缩容阈值之间,则不对容器进行调整。
所述不对容器调整进行调整的阈值区间为:[(n-1)*Q*300,n*Q*300]。
本发明实施例还包括以下步骤:
引入冷冻窗口机制:
在对应用进行扩缩容之后进入冷冻期,冷冻期间不允许进行缩容操作;
设置冷冻窗口时间步长为1,当冷冻期结束后,扩容或缩容场景结束。
本发明实施例引入冷冻期,防止副本数量抖动,保证副本数量的稳定性,避免浪费资源,提高效率。
本发明实时还公开了一种基于负载预测的容器动态伸缩系统,包括数据采集模块、阈值设定模块和容器伸缩模块;
数据采集模块,用于实时获取容器当前应用负载和预测负载;
阈值设定模块,用于设定容器伸缩的阈值;
容器伸缩模块,用于比较容器当前应用负载和预测负载与设定的阈值之间的大小关系:
若当前应用负载或预测负载大于设定的阈值,进行扩容;
若当前应用负载和预测负载均小于设定的阈值,进行缩容。
本发明一实施例提供的终端设备的示意图。该实施例的终端设备包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。或者,所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。
所述处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述终端设备的各种功能。
所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于负载预测的容器动态伸缩方法,其特征在于,包括以下步骤:
S1:实时获取容器当前的应用负载和预测负载;
S2:分别设定容器的扩容阈值和缩容阈值;
S3:若当前应用负载或预测负载大于设定的扩容阈值,进行扩容;
若当前应用负载和预测负载均小于设定的缩容阈值,进行缩容;
所述步骤S3中,进行扩容包括以下步骤:
比较当前应用负载与预测负载,选取两者中的较大值作为扩容场景的下载负载;
基于下载负载计算扩容后的Pod副本数量;
所述扩容后的Pod副本数量通过式(1)得到:
式中,t代表时长;nc代表过去t分钟内的访问总量;np代表后续t分钟内访问总量的预测结果;Q代表应用一个副本的QPS;rup代表副本数量;
所述步骤S3中,进行缩容包括以下步骤:
通过反距离加权法分别计算当前应用负载和预测负载的权重;
基于得到的两个权重,计算缩容场景的下载负载;
基于得到的下载负载计算缩容场景下的Pod副本数量;
所述当前应用负载的权重通过式(2)得到:
所述预测负载的权重通过式(3)得到:
式(2)和式(3)中,Wc代表当前应用负载的权重;Wp代表预测负载的权重;nt代表当前设置的访问总量阈值;nc代表当前访问总量;np代表预测访问总量;
所述缩容场景的下载负载通过式(4)得到:
ndown=Wc*nc+Wp*np (4)
式中,Wc代表当前指标的权重;Wp代表预测指标的权重;nc代表当前访问总量;np代表预测访问总量;
所述缩容场景下的Pod副本数量通过式(5)得到:
式中,t代表时长;n代表t分钟内的访问总量;Q代表应用一个副本的QPS。
2.根据权利要求1所述的一种基于负载预测的容器动态伸缩方法,其特征在于,还包括以下步骤:
引入冷冻窗口机制,在容器进入扩容场景或缩容场景后,则进入冷冻期。
3.一种基于负载预测的容器动态伸缩系统,可实现权利要求1所述基于负载预测的容器动态伸缩方法,其特征在于,包括数据采集模块、阈值设定模块和容器伸缩模块;
数据采集模块,用于实时获取容器当前应用负载和预测负载;
阈值设定模块,用于分别设定容器的扩容阈值和缩容阈值;
容器伸缩模块,用于若当前应用负载或预测负载大于设定的扩容阈值,进行扩容;
若当前应用负载和预测负载均小于设定的缩容阈值,进行缩容。
4.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-3任一项所述方法的步骤。
5.一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如权利要求1-3任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211058420.6A CN115412449B (zh) | 2022-08-31 | 2022-08-31 | 一种基于负载预测的容器动态伸缩方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211058420.6A CN115412449B (zh) | 2022-08-31 | 2022-08-31 | 一种基于负载预测的容器动态伸缩方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115412449A CN115412449A (zh) | 2022-11-29 |
CN115412449B true CN115412449B (zh) | 2024-02-27 |
Family
ID=84164242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211058420.6A Active CN115412449B (zh) | 2022-08-31 | 2022-08-31 | 一种基于负载预测的容器动态伸缩方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115412449B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117527591A (zh) * | 2022-07-29 | 2024-02-06 | 华为云计算技术有限公司 | 一种资源弹性伸缩方法、装置及设备 |
CN116578300B (zh) * | 2023-07-13 | 2023-11-10 | 江西云眼视界科技股份有限公司 | 一种基于可视化组件的应用创建方法、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990160A (zh) * | 2019-12-27 | 2020-04-10 | 广西电网有限责任公司 | 一种基于负荷预测的静态安全分析容器云弹性伸缩方法 |
CN111381959A (zh) * | 2018-12-29 | 2020-07-07 | 中兴通讯股份有限公司 | 扩容方法及装置 |
WO2022028157A1 (zh) * | 2020-08-03 | 2022-02-10 | 同济大学 | 云环境下微服务系统的弹性伸缩方法、系统、介质及设备 |
CN114138401A (zh) * | 2021-10-20 | 2022-03-04 | 鸬鹚科技(深圳)有限公司 | 基于人工智能的容器配置方法、装置、设备及介质 |
CN114296867A (zh) * | 2021-12-17 | 2022-04-08 | 山东海量信息技术研究院 | 一种云平台的容器运行方法、系统及相关装置 |
CN114489944A (zh) * | 2022-01-24 | 2022-05-13 | 合肥工业大学 | 基于Kubernetes的预测式弹性伸缩方法 |
CN114528098A (zh) * | 2022-01-25 | 2022-05-24 | 华南理工大学 | 一种基于定长服务排队模型的云平台自动伸缩方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11303534B2 (en) * | 2019-12-13 | 2022-04-12 | Hewlett Packard Enterprise Development Lp | Proactively accomodating predicted future serverless workloads using a machine learning prediction model and a feedback control system |
-
2022
- 2022-08-31 CN CN202211058420.6A patent/CN115412449B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111381959A (zh) * | 2018-12-29 | 2020-07-07 | 中兴通讯股份有限公司 | 扩容方法及装置 |
CN110990160A (zh) * | 2019-12-27 | 2020-04-10 | 广西电网有限责任公司 | 一种基于负荷预测的静态安全分析容器云弹性伸缩方法 |
WO2022028157A1 (zh) * | 2020-08-03 | 2022-02-10 | 同济大学 | 云环境下微服务系统的弹性伸缩方法、系统、介质及设备 |
CN114138401A (zh) * | 2021-10-20 | 2022-03-04 | 鸬鹚科技(深圳)有限公司 | 基于人工智能的容器配置方法、装置、设备及介质 |
CN114296867A (zh) * | 2021-12-17 | 2022-04-08 | 山东海量信息技术研究院 | 一种云平台的容器运行方法、系统及相关装置 |
CN114489944A (zh) * | 2022-01-24 | 2022-05-13 | 合肥工业大学 | 基于Kubernetes的预测式弹性伸缩方法 |
CN114528098A (zh) * | 2022-01-25 | 2022-05-24 | 华南理工大学 | 一种基于定长服务排队模型的云平台自动伸缩方法 |
Non-Patent Citations (3)
Title |
---|
Jia Liu ; Yang Xu ; Ruo Ando ; Hiroki Takakura ; Yifei Xu.Resource Allocation for Throughput Optimization in Buffer-Limited Mobile Ad Hoc Networks.IEEE.2018,全文. * |
一种基于抖动测量的细粒度拥塞控制机制;田海燕,王换招,朱利,马臻;微电子学与计算机(第04期);全文 * |
一种基于深度学习的云平台弹性伸缩算法;曹宇;杨军;;计算机与现代化(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115412449A (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115412449B (zh) | 一种基于负载预测的容器动态伸缩方法及系统 | |
CN108683720B (zh) | 一种容器集群服务配置方法及装置 | |
US7734768B2 (en) | System and method for adaptively collecting performance and event information | |
CN109391680B (zh) | 一种定时任务数据处理方法、装置及系统 | |
EP3557418B1 (en) | Resource management of resource-controlled system | |
AU2016238862A1 (en) | Adaptive service timeouts | |
CN109213774B (zh) | 数据的存储方法及装置、存储介质、终端 | |
CN108259522A (zh) | 一种PaaS平台容器化应用的弹缩方法及装置 | |
CN114385353A (zh) | 资源调度方法及装置、电子设备、存储介质 | |
CN116136792A (zh) | 一种数据库的计算资源扩缩方法、装置、设备及存储介质 | |
CN107659430A (zh) | 一种节点处理方法、装置、电子设备和计算机存储介质 | |
CN110347477B (zh) | 一种云环境下服务自适应部署方法和装置 | |
CN110162272B (zh) | 一种内存计算缓存管理方法及装置 | |
CN110019372A (zh) | 数据监控方法、装置、服务器及存储介质 | |
CN113055892B (zh) | 载波调度方法、装置、计算设备及计算机存储介质 | |
CN109345300B (zh) | 数据统计方法及装置 | |
CN105468603A (zh) | 数据选择方法及装置 | |
CN110456986A (zh) | 存储区域网络设备的性能数据存储方法及系统 | |
CN108052922A (zh) | 一种智能安防训练方法、装置及系统 | |
CN117194133B (zh) | 视频监控场景下分布式存储的资源部署方法及电子设备 | |
CN112604300B (zh) | 更新包生成方法及装置 | |
CN114448897B (zh) | 一种目标器迁移方法及装置 | |
CN117786175A (zh) | 一种硬件资源处理方法、装置、电子设备及存储介质 | |
CN111580925A (zh) | 应用伸展的方法和装置 | |
CN116301625A (zh) | 存储卷扩容处理方法、装置、存储介质及电子设备 |
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 |