CN115509744A - 容器分配方法、系统、装置、设备及存储介质 - Google Patents
容器分配方法、系统、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115509744A CN115509744A CN202211137906.9A CN202211137906A CN115509744A CN 115509744 A CN115509744 A CN 115509744A CN 202211137906 A CN202211137906 A CN 202211137906A CN 115509744 A CN115509744 A CN 115509744A
- Authority
- CN
- China
- Prior art keywords
- node
- data
- resource data
- preset
- 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
- G06F9/46—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
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
Abstract
本公开提供了一种容器分配方法、系统、装置、设备及存储介质,涉及计算机技术领域。该方法包括获取节点负载数据,在节点负载数据超出预设阈值的情况下,将节点内容器预转移到其余节点,得到多个预设转移方案,获取每个预设转移方案对应的多个节点的负载均方差值,将负载均方差值最小的预设转移方案确定为目标转移方案,根据目标转移方案对节点内的容器进行转移。本公开能够提高容器运行效率。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种容器分配方法、系统、装置、设备及存储介质。
背景技术
为了便于对业务进行迁移,在当前的开发过程中,通常采用容器来作为业务开发的载体。
由于当前业务量较大,业务时限要求较高,所以需要大量容器来完成业务的开发。在当前的大量容器平台中,通常都将容器部署在平台的节点上,而由于缺乏对容器的管理,所以常常会出现节点内的容器量较多,使得节点资源匮乏的问题。
发明内容
本公开提供一种容器分配方法、装置、设备及存储介质,至少在一定程度上克服了当前由于缺乏对容器部署的管理所导致的节点的资源匮乏,进而影响容器运行效率的问题。
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,提供一种容器分配方法,包括:
获取节点负载数据;
在节点负载数据超出预设阈值的情况下,将节点内容器预转移到其余节点,得到多个预设转移方案;
获取每个预设转移方案对应的多个节点的负载均方差值;
将负载均方差值最小的预设转移方案确定为目标转移方案;
根据目标转移方案对节点内的容器进行转移。
在本公开的一个实施例中,获取节点负载数据,包括:
获取节点内容器存量资源数据以及节点内容器占用资源数据,其中,节点内容器存量资源数据包括节点内存量计算资源数据、存量存储资源数据、存量GPU资源数据、存量网络资源数据以及存量系统内存资源数据,节点内容器占用资源数据包括节点内占用计算资源数据、占用存储资源数据、占用GPU资源数据、占用网络资源数据以及占用系统内存资源数据;
根据节点内容器存量资源数据、节点内容器占用资源数据以及第一预设公式确定节点负载数据;
其中,第一预设公式为:
需要说明的是,LR为节点负载数据,ΔC为占用计算资源数据,C为存量计算资源数据,ΔS为占用存储资源数据,S为存量存储资源数据,ΔU为占用GPU资源数据,U为存量GPU资源数据,ΔN为占用网络资源数据,N为存量网络资源数据,ΔM为占用系统内存资源数据,M为存量系统内存资源数据,β1、β2、β3、β4以及β5均为预设的权重常数。
在本公开的一个实施例中,获取每个预设转移方案对应的多个节点的负载均方差值,包括:
获取每个预设转移方案对应的多个节点中,每个节点的负载数据;
根据每个预设转移方案对应的多个节点中每个节点的负载数据确定每个预设转移方案对应的多个节点的负载均方差值。
在本公开的一个实施例中,根据每个预设转移方案对应的多个节点中每个节点的负载数据确定每个预设转移方案对应的多个节点的负载均方差值,包括:
根据每个预设转移方案对应的多个节点中每个节点的负载数据确定多个节点的负载均值,
根据每个节点的负载数据与负载均值的差值的和确定每个预设转移方案对应的多个节点的负载均方差值。
在本公开的一个实施例中,预设阈值包括用户自定义设置的阈值。
在本公开的一个实施例中,获取节点负载数据,包括:
按照预设周期获取节点负载数据。
根据本公开的另一个方面,提供一种容器分配系统,系统包括:资源检测模块以及资源转移模块;
资源检测模块,用于获取节点负载数据,在节点负载数据超出预设阈值的情况下,将节点内容器预转移到其余节点,得到多个预设转移方案,获取每个预设转移方案对应的多个节点的负载均方差值,将负载均方差值最小的预设转移方案确定为目标转移方案,将目标转移方案发送至资源迁移模块;
资源转移模块,用于根据目标转移方案对节点内的容器进行转移。
根据本公开的再一个方面,提供一种容器分配装置,装置包括:
第一获取模块,用于获取节点负载数据;
第一确定模块,用于在节点负载数据超出预设阈值的情况下,将节点内容器预转移到其余节点,得到多个预设转移方案;
第二获取模块,用于获取每个预设转移方案对应的多个节点的负载均方差值;
第二确定模块,用于将负载均方差值最小的预设转移方案确定为目标转移方案;
转移模块,用于根据目标转移方案对节点内的容器进行转移。
在本公开的一个实施例中,第一获取模块,包括:
第一获取单元,用于获取节点内容器存量资源数据以及节点内容器占用资源数据,其中,节点内容器存量资源数据包括节点内存量计算资源数据、存量存储资源数据、存量GPU资源数据、存量网络资源数据以及存量系统内存资源数据,节点内容器占用资源数据包括节点内占用计算资源数据、占用存储资源数据、占用GPU资源数据、占用网络资源数据以及占用系统内存资源数据;
第一确定单元,用于根据节点内容器存量资源数据、节点内容器占用资源数据以及第一预设公式确定节点负载数据;
其中,第一预设公式为:
需要说明的是,LR为节点负载数据,ΔC为占用计算资源数据,C为存量计算资源数据,ΔS为占用存储资源数据,S为存量存储资源数据,ΔU为占用GPU资源数据,U为存量GPU资源数据,ΔN为占用网络资源数据,N为存量网络资源数据,ΔM为占用系统内存资源数据,M为存量系统内存资源数据,β1、β2、β3、β4以及β5均为预设的权重常数。
在本公开的一个实施例中,第二获取模块,包括:
第二获取单元,用于获取每个预设转移方案对应的多个节点中,每个节点的负载数据;
第二确定单元,用于根据每个预设转移方案对应的多个节点中每个节点的负载数据确定每个预设转移方案对应的多个节点的负载均方差值。
在本公开的一个实施例中,确定模块,包括:
第三确定单元,用于根据每个预设转移方案对应的多个节点中每个节点的负载数据确定多个节点的负载均值;
第四确定单元,用于根据每个节点的负载数据与负载均值的差值的和确定每个预设转移方案对应的多个节点的负载均方差值。
在本公开的一个实施例中,预设阈值包括用户自定义设置的阈值。
在本公开的一个实施例中,第一获取模块,包括:
第三获取单元,用于按照预设周期获取节点负载数据。
根据本公开的又一个方面,提供一种电子设备,包括:处理器;以及存储器,用于存储处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行上述的容器分配方法。
根据本公开的又一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的容器分配方法。
本公开的实施例所提供的容器分配方法,通过获取节点负载数据,在节点负载数据超出预设阈值的情况下,将节点内容器预转译到其余节点,得到多个预设转移方案,然后获取每个预转移方案对应的多个节点的负载均方差值,将负载均方差值最小的预设转移方案确定为目标转移方案,然后根据目标转移方案对节点内的容器进行转移,由于获取节点的负载数据,并且在节点的负载过大的情况下,将节点内的容器转移至其余节点,并且保证了转移后的多个节点的负载均衡,使得所有节点内的容器的负载均衡,提高了节点内的容器的运行效率。
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容器分配系统结构的示意图;
图2示出本公开实施例中一种容器分配方法流程图;
图3示出本公开实施例中另一种容器分配方法流程图;
图4示出本公开实施例中再一种容器分配方法流程图;
图5示出本公开实施例中又一种容器分配方法流程图;
图6示出本公开实施例中一种容器分配装置示意图;和
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。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
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”。
为了便于理解,下面首先对本公开涉及到的几个名词进行解释如下:
kubernetes,是一个开源的,用于管理云平台中多个主机上的容器化的应用,Kubernetes的目标是让部署容器化的应用简单并且高效,Kubernetes提供了应用部署,规划,更新,维护的一种机制。
容器,是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中,然后发布到任何流行的Linux或Windows操作系统的机器上,也可以实现虚拟化。容器是完全使用沙箱机制,相互之间不会有任何接口。
节点,节点组件运行在Node,提供Kubernetes运行时环境,以及维护Pod。
Pod,Kubernetes使用Pod来管理容器,即用master来进行管理,每个Pod可以包含一个或多个紧密关联的业务容器。一对多的关系。
Kubernetes集群在运行阶段,Node节点中Pod及其Docker容器在运行过程中,对资源的占用会随着业务的变化发生变化,包括网络带宽、对CPU、对内存的消耗都会变化,当节点内的资源占用超出预设阈值的情况下,就会使得节点内的资源匮乏,进而使得节点内的Pod的运行效率较为低下。
图1示出了可以应用于本公开实施例的容器分配方法或容器分配装置的示例性系统架构的示意图。
如图1所示,容器分配系统架构10可以包括:
资源检测模块102以及资源转移模块104;
资源检测模块102,用于获取节点负载数据,在节点负载数据超出预设阈值的情况下,将节点内容器预转移到其余节点,得到多个预设转移方案,获取每个预设转移方案对应的多个节点的负载均方差值,将负载均方差值最小的预设转移方案确定为目标转移方案,将目标转移方案发送至资源迁移模块;
资源转移模块104,用于根据目标转移方案对节点内的容器进行转移。
需要说明的是,容器分配系统、资源检测模块102以及资源转移模块104均可以设置在终端设备以及服务器中。
网络用以在终端设备和服务器之间提供通信链路的介质,可以是有线网络,也可以是无线网络。
可选地,上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络,包括但不限于局域网(Local Area Network,LAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中,使用包括超文本标记语言(Hyper Text Mark-up Language,HTML)、可扩展标记语言(ExtensibleMarkupLanguage,XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer,SSL)、传输层安全(Transport Layer Security,TLS)、虚拟专用网络(Virtual Private Network,VPN)、网际协议安全(InternetProtocolSecurity,IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中,还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
终端设备可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、增强现实设备、虚拟现实设备等。
可选地,不同的终端设备中安装的应用程序的客户端可以是相同的,或基于不同操作系统的同一类型应用程序的客户端。基于终端平台的不同,该应用程序的客户端的具体形态也可以不同,比如,该应用程序客户端可以是手机客户端、PC客户端等。
服务器可以是提供各种服务的服务器,例如对用户利用终端设备所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理,并将处理结果反馈给终端设备。
可选地,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
本公开的实施例所提供的容器分配系统,通过获取节点负载数据,在节点负载数据超出预设阈值的情况下,将节点内容器预转译到其余节点,得到多个预设转移方案,然后获取每个预转移方案对应的多个节点的负载均方差值,将负载均方差值最小的预设转移方案确定为目标转移方案,然后根据目标转移方案对节点内的容器进行转移,由于获取节点的负载数据,并且在节点的负载过大的情况下,将节点内的容器转移至其余节点,并且保证了转移后的多个节点的负载均衡,使得所有节点内的容器的负载均衡,提高了节点内的容器的运行效率。
基于相同的发明构思,本公开实施例中还提供了一种容器分配方法,该方法可以由任意具备计算处理能力的电子设备执行。
图2示出了本公开实施例中一种容器分配方法流程图。
如图2所示,容器分配方法可以包括:
S202,获取节点负载数据。
需要说明的是,节点可以包括Node节点,在Node节点中可以设置多个容器。
节点的负载数据可以包括节点内多个容器的负载的总和。
示例性的,节点的负载数据可以包括节点内容器存量资源数据、节点内容器占用资源数据以及节点内容器可用资源数据。
其中,节点内容器存量资源数据为节点内容器占用资源数据与节点内容器可用资源数据的和。
S204,在节点负载数据超出预设阈值的情况下,将节点内容器预转移到其余节点,得到多个预设转移方案。
需要说明的是,预设阈值包括用户自定义设置的阈值。
示例性的,用户可以根据经验确定在到达某个阈值后,节点内的容器的运行效率明显降低,则可以将这个阈值确定为预设阈值。
用户也可以根据其他方式确定阈值,此处不作具体限定。
需要说明的是,本公开是基于Kubernetes集群的架构,在Kubernetes集群的架构中,配置有多个节点,每个节点均可配置多个容器。
在Kubernetes集群的架构中,存在一个节点内的负载数据超出阈值的情况下,可以将节点内的容器迁移至其他节点,以使得Kubernetes集群的架构内的多个节点的负载较为均衡。
需要说明的是,与转移可以包括假设转移。
示例性的,可以将负载超出预设阈值的节点内的容器假设转移到其他节点中,每一个假设可以看做一个预设转移方案。
S206,获取每个预设转移方案对应的多个节点的负载均方差值。
需要说明的,每个预设转移方案可能存在不同,则每个预设转移方案对应的负载数据也可能存在不同。
需要说明的是,负载均方差值可以为度量不同节点负载差异度的度量值。
S208,将负载均方差值最小的预设转移方案确定为目标转移方案。
需要说明的是,不同的预设转移方案下不同的节点的负载数据不同,因此,不同预设转移方案对应的负载均方差值也可能存在不同。
在得到多个预设转移方案后,可以将不同预设转移方案对应的负载均方差值进行排序,得到最小的负载均方差值,然后将最小的负载均方差值对应的预设转移方案确定为目标转移方案。
S210,根据目标转移方案对节点内的容器进行转移。
本公开的实施例所提供的容器分配方法,通过获取节点负载数据,在节点负载数据超出预设阈值的情况下,将节点内容器预转译到其余节点,得到多个预设转移方案,然后获取每个预转移方案对应的多个节点的负载均方差值,将负载均方差值最小的预设转移方案确定为目标转移方案,然后根据目标转移方案对节点内的容器进行转移,由于获取节点的负载数据,并且在节点的负载过大的情况下,将节点内的容器转移至其余节点,并且保证了转移后的多个节点的负载均衡,使得所有节点内的容器的负载均衡,提高了节点内的容器的运行效率。
基于相同的发明构思,本公开实施例提供了另一种容器分配方法,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示出了本公开实施例中另一种容器分配方法流程图。
如图3所示该方法可以包括:
S302,获取节点内容器存量资源数据以及节点内容器占用资源数据。
需要说明的是,节点内容器存量资源数据包括节点内存量计算资源数据、存量存储资源数据、存量GPU资源数据、存量网络资源数据以及存量系统内存资源数据,节点内容器占用资源数据包括节点内占用计算资源数据、占用存储资源数据、占用GPU资源数据、占用网络资源数据以及占用系统内存资源数据。
S304,根据节点内容器存量资源数据、节点内容器占用资源数据以及第一预设公式确定节点负载数据。
需要说明的是,第一预设公式为:
需要说明的是,LR为节点负载数据,ΔC为占用计算资源数据,C为存量计算资源数据,ΔS为占用存储资源数据,S为存量存储资源数据,ΔU为占用GPU资源数据,U为存量GPU资源数据,ΔN为占用网络资源数据,N为存量网络资源数据,ΔM为占用系统内存资源数据,M为存量系统内存资源数据,β1、β2、β3、β4以及β5均为预设的权重常数。
需要说明的是,β1、β2、β3、β4以及β5可以是由用户自定义设置的权重,也可以是根据不同的资源数据在总的资源数据中所占比例确定的。
本公开实施例中,在确定节点的负载数据之前,分别获取了个各个节点资源数据的总量数据以及各个节点资源数据的占用数据,然后再为各个节点资源数据赋予不同的权重值,得到总的节点负载数据,由于是获取的各个节点的资源数据,并将各个节点的资源数据赋予不同的权重,可以使得确定出的节点的负载数据更加全面准确。
基于相同的发明构思,本公开实施例还提供了再一种容器分配方法。该方法可以由任意具备计算处理能力的电子设备执行。
图4示出了本公开实施例中再一种容器分配方法流程图。
如图4所示,该容器分配方法可以包括:
S402,获取每个预设转移方案对应的多个节点中,每个节点的负载数据。
需要说明的是,确定负载数据的方法已经在上述实施例中进行了详细说明,此处不再赘述。
S404,根据每个预设转移方案对应的多个节点中每个节点的负载数据确定每个预设转移方案对应的多个节点的负载均方差值。
需要说明的是,根据每个预设转移方案对应的多个节点中每个节点的负载数据确定每个预设转移方案对应的多个节点的负载均方差值,可以包括:
根据每个预设转移方案对应的多个节点中每个节点的负载数据确定多个节点的负载均值,
根据每个节点的负载数据与负载均值的差值的和确定每个预设转移方案对应的多个节点的负载均方差值。
需要说明的是,可以获取多个节点中全部节点的节点内容器存量资源数据以及多个节点中全部节点的节点内容器占用资源数据。
然后,分别根据多个节点中全部节点的节点内容器存量资源数据以及多个节点中全部节点的节点内容器占用资源数据确定多个节点的负载均值,然后可以根据每个节点的节点负载数据以及多个节点的负载均值确定每个预设转移方案对应的多个节点的负载均方差值。
需要说明的是,根据载均值确定每个预设转移方案对应的多个节点的负载均方差值的方法为本领域常规方法,此处不再赘述。
基于相同的发明构思,本公开实施例还提供了又一种容器分配方法。该方法可以由任意具备计算处理能力的电子设备执行。
图5示出了本公开实施例中又一种容器分配方法流程图。
如图5所示,该容器分配方法可以包括:
S502,按照预设周期获取节点负载数据。
需要说明的是,本公开实施例中可以按照预设周期获取节点的负载数据。
在按照预设周期获取节点的负载数据之后,进行节点容器的分配。
需要说明的是,预设周期可以包括用户自定义设置的周期。
本公开实施例中,由于使按照预设周期获取节点负载数据,然后再根据上述节点负载数据进行计算,得到节点容器分配的方案。由此,可以按照预设周期对节点内容器进行分配,避免了由于节点内容器分配不及时所导致的在一个时间段内节点资源消耗较大所导致的容器运行效率较低的问题。
基于同一发明构思,本公开实施例中还提供了一种容器分配装置,如下面的实施例。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分配装置示意图,如图6所示,该装置包括:
第一获取模块602,用于获取节点负载数据;
第一确定模块604,用于在节点负载数据超出预设阈值的情况下,将节点内容器预转移到其余节点,得到多个预设转移方案;
第二获取模块606,用于获取每个预设转移方案对应的多个节点的负载均方差值;
第二确定模块608,用于将负载均方差值最小的预设转移方案确定为目标转移方案;
转移模块610,用于根据目标转移方案对节点内的容器进行转移。
本公开的实施例所提供的容器分配装置,通过获取节点负载数据,在节点负载数据超出预设阈值的情况下,将节点内容器预转译到其余节点,得到多个预设转移方案,然后获取每个预转移方案对应的多个节点的负载均方差值,将负载均方差值最小的预设转移方案确定为目标转移方案,然后根据目标转移方案对节点内的容器进行转移,由于获取节点的负载数据,并且在节点的负载过大的情况下,将节点内的容器转移至其余节点,并且保证了转移后的多个节点的负载均衡,使得所有节点内的容器的负载均衡,提高了节点内的容器的运行效率。
在本公开的一个实施例中,第一获取模块602,包括:
第一获取单元,用于获取节点内容器存量资源数据以及节点内容器占用资源数据,其中,节点内容器存量资源数据包括节点内存量计算资源数据、存量存储资源数据、存量GPU资源数据、存量网络资源数据以及存量系统内存资源数据,节点内容器占用资源数据包括节点内占用计算资源数据、占用存储资源数据、占用GPU资源数据、占用网络资源数据以及占用系统内存资源数据;
第一确定单元,用于根据节点内容器存量资源数据、节点内容器占用资源数据以及第一预设公式确定节点负载数据;
其中,第一预设公式为:
需要说明的是,LR为节点负载数据,ΔC为占用计算资源数据,C为存量计算资源数据,ΔS为占用存储资源数据,S为存量存储资源数据,ΔU为占用GPU资源数据,U为存量GPU资源数据,ΔN为占用网络资源数据,N为存量网络资源数据,ΔM为占用系统内存资源数据,M为存量系统内存资源数据,β1、β2、β3、β4以及β5均为预设的权重常数。
本公开实施例中,在确定节点的负载数据之前,分别获取了个各个节点资源数据的总量数据以及各个节点资源数据的占用数据,然后再为各个节点资源数据赋予不同的权重值,得到总的节点负载数据,由于是获取的各个节点的资源数据,并将各个节点的资源数据赋予不同的权重,可以使得确定出的节点的负载数据更加全面准确。
在本公开的一个实施例中,第二获取模块606,包括:
第二获取单元,用于获取每个预设转移方案对应的多个节点中,每个节点的负载数据;
第二确定单元,用于根据每个预设转移方案对应的多个节点中每个节点的负载数据确定每个预设转移方案对应的多个节点的负载均方差值。
在本公开的一个实施例中,确定模块,包括:
第三确定单元,用于根据每个预设转移方案对应的多个节点中每个节点的负载数据确定多个节点的负载均值;
第四确定单元,用于根据每个节点的负载数据与负载均值的差值的和确定每个预设转移方案对应的多个节点的负载均方差值。
在本公开的一个实施例中,预设阈值包括用户自定义设置的阈值。
在本公开的一个实施例中,第一获取模块602,包括:
第三获取单元,用于按照预设周期获取节点负载数据。
本公开实施例中,由于使按照预设周期获取节点负载数据,然后再根据上述节点负载数据进行计算,得到节点容器分配的方案。由此,可以按照预设周期对节点内容器进行分配,避免了由于节点内容器分配不及时所导致的在一个时间段内节点资源消耗较大所导致的容器运行效率较低的问题。
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,存储单元存储有程序代码,程序代码可以被处理单元710执行,使得处理单元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,处理单元710可以执行上述方法实施例的如下步骤:
获取节点负载数据;
在节点负载数据超出预设阈值的情况下,将节点内容器预转移到其余节点,得到多个预设转移方案;
获取每个预设转移方案对应的多个节点的负载均方差值;
将负载均方差值最小的预设转移方案确定为目标转移方案;
根据目标转移方案对节点内的容器进行转移。
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,当程序产品在终端设备上运行时,程序代码用于使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,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)
1.一种容器分配方法,其特征在于,所述方法包括:
获取节点负载数据;
在节点负载数据超出预设阈值的情况下,将节点内容器预转移到其余节点,得到多个预设转移方案;
获取每个预设转移方案对应的多个节点的负载均方差值;
将负载均方差值最小的预设转移方案确定为目标转移方案;
根据目标转移方案对节点内的容器进行转移。
2.根据权利要求1所述的容器分配方法,其特征在于,获取节点负载数据,包括:
获取节点内容器存量资源数据以及节点内容器占用资源数据,其中,节点内容器存量资源数据包括节点内存量计算资源数据、存量存储资源数据、存量GPU资源数据、存量网络资源数据以及存量系统内存资源数据,节点内容器占用资源数据包括节点内占用计算资源数据、占用存储资源数据、占用GPU资源数据、占用网络资源数据以及占用系统内存资源数据;
根据节点内容器存量资源数据、节点内容器占用资源数据以及第一预设公式确定节点负载数据;
其中,第一预设公式为:
需要说明的是,LR为节点负载数据,ΔC为占用计算资源数据,C为存量计算资源数据,ΔS为占用存储资源数据,S为存量存储资源数据,ΔU为占用GPU资源数据,U为存量GPU资源数据,ΔN为占用网络资源数据,N为存量网络资源数据,ΔM为占用系统内存资源数据,M为存量系统内存资源数据,β1、β2、β3、β4以及β5均为预设的权重常数。
3.根据权利要求2所述的容器分配方法,其特征在于,获取每个预设转移方案对应的多个节点的负载均方差值,包括:
获取每个预设转移方案对应的多个节点中,每个节点的负载数据;
根据每个预设转移方案对应的多个节点中每个节点的负载数据确定每个预设转移方案对应的多个节点的负载均方差值。
4.根据权利要求3所述的容器分配方法,其特征在于,根据每个预设转移方案对应的多个节点中每个节点的负载数据确定每个预设转移方案对应的多个节点的负载均方差值,包括:
根据每个预设转移方案对应的多个节点中每个节点的负载数据确定多个节点的负载均值,
根据每个节点的负载数据与负载均值的差值的和确定每个预设转移方案对应的多个节点的负载均方差值。
5.根据权利要求1所述的容器分配方法,其特征在于,预设阈值包括用户自定义设置的阈值。
6.根据权利要求1所述的方法,其特征在于,获取节点负载数据,包括:
按照预设周期获取节点负载数据。
7.一种容器分配系统,其特征在于,所述系统包括:资源检测模块以及资源转移模块;
所述资源检测模块,用于获取节点负载数据,在节点负载数据超出预设阈值的情况下,将节点内容器预转移到其余节点,得到多个预设转移方案,获取每个预设转移方案对应的多个节点的负载均方差值,将负载均方差值最小的预设转移方案确定为目标转移方案,将目标转移方案发送至资源迁移模块;
所述资源转移模块,用于根据目标转移方案对节点内的容器进行转移。
8.一种容器分配装置,其特征在于,所述装置包括:
第一获取模块,用于获取节点负载数据;
第一确定模块,用于在节点负载数据超出预设阈值的情况下,将节点内容器预转移到其余节点,得到多个预设转移方案;
第二获取模块,用于获取每个预设转移方案对应的多个节点的负载均方差值;
第二确定模块,用于将负载均方差值最小的预设转移方案确定为目标转移方案;
转移模块,用于根据目标转移方案对节点内的容器进行转移。
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分配方法。
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分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211137906.9A CN115509744A (zh) | 2022-09-19 | 2022-09-19 | 容器分配方法、系统、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211137906.9A CN115509744A (zh) | 2022-09-19 | 2022-09-19 | 容器分配方法、系统、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115509744A true CN115509744A (zh) | 2022-12-23 |
Family
ID=84503490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211137906.9A Pending CN115509744A (zh) | 2022-09-19 | 2022-09-19 | 容器分配方法、系统、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115509744A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116975158A (zh) * | 2023-09-25 | 2023-10-31 | 腾讯科技(深圳)有限公司 | 请求处理方法、装置、计算机设备和存储介质 |
-
2022
- 2022-09-19 CN CN202211137906.9A patent/CN115509744A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116975158A (zh) * | 2023-09-25 | 2023-10-31 | 腾讯科技(深圳)有限公司 | 请求处理方法、装置、计算机设备和存储介质 |
CN116975158B (zh) * | 2023-09-25 | 2024-01-26 | 腾讯科技(深圳)有限公司 | 请求处理方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10613788B2 (en) | Data migration between cloud storage systems | |
CN107590001B (zh) | 负载均衡方法及装置、存储介质、电子设备 | |
CN104426800B (zh) | 用于在对等通信网络中管理消息队列的系统和方法 | |
US20220179711A1 (en) | Method For Platform-Based Scheduling Of Job Flow | |
CN115766875A (zh) | 边缘算力资源调度方法、装置、系统、电子设备及介质 | |
US10516729B2 (en) | Dynamic graph adaptation for stream processing over hybrid, physically disparate analytics platforms | |
CN115509744A (zh) | 容器分配方法、系统、装置、设备及存储介质 | |
CN111712799B (zh) | 供在非边缘装置和边缘装置上执行的模型的自动分布 | |
WO2022029560A1 (en) | Managing communication between microservices | |
CN116389492A (zh) | 视频分析系统、方法、装置、计算机可读存储介质 | |
CN113472638B (zh) | 边缘网关控制方法及系统、装置、电子设备、存储介质 | |
CN115328609A (zh) | 一种云桌面数据处理的方法及系统 | |
CN114070889A (zh) | 配置方法、流量转发方法、设备、存储介质及程序产品 | |
US20220237448A1 (en) | Resource constraint aware deep learning model optimization for serverless-based inference systems | |
CN114328435A (zh) | 一种基于分布式架构的非结构化文件的流处理方法及系统 | |
CN113672200A (zh) | 微服务处理方法及装置、存储介质及电子设备 | |
US20200233688A1 (en) | Hardware placement and maintenance scheduling in high availability systems | |
US11500399B2 (en) | Adjustable control of fluid processing networks based on proportions of server effort | |
EP3721351A1 (en) | Transfer learning and domain adaptation using distributable data models | |
US20240103903A1 (en) | Dynamic pod priority inference utilizing service mesh telemetry data | |
US11880723B1 (en) | Detection and correction of differences in application programming interface service responses | |
US11575582B2 (en) | Service chain based network slicing | |
CN113760528A (zh) | 基于多云平台的资源处理方法和装置 | |
US20230214276A1 (en) | Artificial Intelligence Model Management | |
CN115086321B (zh) | 多集群流量转发方法及装置、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 |