CN115714747A - 基于Kubernetes的集群内部网络流量优化方法、设备、系统及介质 - Google Patents
基于Kubernetes的集群内部网络流量优化方法、设备、系统及介质 Download PDFInfo
- Publication number
- CN115714747A CN115714747A CN202211595755.1A CN202211595755A CN115714747A CN 115714747 A CN115714747 A CN 115714747A CN 202211595755 A CN202211595755 A CN 202211595755A CN 115714747 A CN115714747 A CN 115714747A
- Authority
- CN
- China
- Prior art keywords
- service
- media
- flow
- node
- path
- 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 46
- 238000005457 optimization Methods 0.000 title claims description 34
- 238000003860 storage Methods 0.000 claims abstract description 97
- 238000004891 communication Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 10
- 230000008878 coupling Effects 0.000 abstract description 9
- 238000010168 coupling process Methods 0.000 abstract description 9
- 238000005859 coupling reaction Methods 0.000 abstract description 9
- 238000009826 distribution Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Abstract
本发明公开了一种基于Kubernetes的集群内部网络流量优化方法、设备、系统及介质,所述方法包括以下步骤：响应于所述存储调度服务接收到至少一路流量对应的流量转发任务，确定至少一路流量中的每一路流量对应的Node，并将该路流量对应的流量转发任务下发到该Node上的任一存储服务；接收到流量转发任务的存储服务向媒体调度服务发送请求，以确定该路流量的流量转发情况；根据该路流量的流量转发情况，确定与该路流量对应的媒体服务，从与该路流量对应的媒体服务分发一路媒体流至该媒体服务所在Node上的任一存储服务。其可保证媒体流传输在同一节点上进行，进一步降低Pod间耦合网络流量的传输，实现资源的更合理分配。
Description
技术领域
本发明属于网络流量优化技术领域，具体地涉及一种基于Kubernetes的集群内部网络流量优化方法、设备、系统及介质。
背景技术
在传统部署时代，应用程序运行在物理服务器上，无法为应用程序定义资源边界，会导致资源分配问题，而在不同的物理服务器上运行每个应用程序又会造成资源利用率低的问题， 并且扩展和维护成本很高。
虚拟化技术是将一台计算机虚拟为多台逻辑计算机，每台逻辑计算机可运行不同的操作系统，使应用程序可以在相互独立的空间内运行而互不影响，从而显著提高计算机的工作效率。目前主要分为硬件级虚拟化（虚拟机）和操作系统级虚拟化（容器化）。
硬件级虚拟化由于运行在硬件之上，需要模拟一个完整的操作系统，所以不利于应用的升级和更新/回滚，并且对物理机性能损耗较大，可移植性差。
操作系统级虚拟化运行在操作系统之上，允许操作系统上有多个独立的用户空间实例，通过用户空间实例隔离各个服务进程的运行环境。通过容器化可实现服务的快速部署、持续开发、资源隔离、开发/测试/生产环境一致性、跨平台。
Kubernetes，简称K8S，是用8代替名字中间的8个字符“ubernete”而成的缩写。K8S是用于自动部署、扩展和管理容器化应用程序的开源系统，其具有可移植、可扩展、自动化、滚动更新、健康监测、服务发现、负载均衡等特点。
K8S集群由一组被称作节点Node的机器组成，这些节点会运行由K8S所管理的容器化应用，且每个集群至少有一个工作节点。Pod是可以在K8S中创建和管理的、最小的可部署计算单元。Pod包含一组容器，一组容器中包括一个或多个容器，这些容器共享存储、网络、以及怎样运行这些容器的声明。Pod中的内容总是一同调度，在共享的上下文中运行。工作节点会托管所谓的Pod，而Pod就是作为应用程序负载的组件。控制管理集群中的工作节点和Pod，为集群提供故障转移和高可用性。
在对Kubernetes集群内部网络流量优化时，如图1所示，现有一般采用的方式为：
获取集群当前的重调度策略，该重调度策略包括多个自定义配置策略，自定义配置策略包括删除重复项RemoveDuplicat，节点使用率NodeUtilization，节点亲和性NodeAffinity，节点中容器重启次数PodRestartTimesInNode，以及命名空间定义WorkInNameSpaces中的至少一种。根据该重调度策略，对集群内的节点和Pod进行资源配置的监控，确定出各待调度节点；按照打分规则对各所述待调度节点进行打分操作，得到各待调度节点对应的打分结果；打分结果用于表征自定义配置策略与待调度节点当前的资源配置信息的匹配程度；根据各待调度节点对应的打分结果，确认出最优节点，将Pod调度至最优节点上。
由于K8S在新创建Pod时由调度器选出可调度Node中打分最高的，然后在这个最优Node上拉起Pod，因此Pod的部署位置存在一定的随机性。通常部署在K8S上的平台都进行了微服务化拆分，增加扩展性。由于每个微服务的逻辑过于基础、轻量，一个完整业务逻辑需要多个微服务程序实例协作共同完成，也就是说微服务仍属于同一个平台，耦合是不可避免的，因此Pod间或多或少都会存在耦合流量，尤其像视频、图片、大文件等数据量较大的资源如果在不同服务间耦合，会在Pod间产生很大流量。
发明内容
为了解决现有方法仅将Pod调度至较优节点上，没有考虑到同一平台下的各微服务间耦合, Pod间会存在耦合流量的问题，本发明提供一种基于Kubernetes的集群内部网络流量优化方法、设备、系统及介质,其可保证媒体流传输在同一节点上进行，进一步降低Pod间耦合网络流量的传输，实现资源的更合理分配。
本发明的目的通过以下技术方案来实现：
本发明第一方面提供一种基于Kubernetes的集群内部网络流量优化方法，其特征在于：所述集群内部署一媒体调度服务、一存储调度服务、至少一个受所述媒体调度服务调度管理的媒体服务和至少一个受所述存储调度服务调度管理的存储服务，至少一个所述媒体服务和至少一个所述存储服务运行于同一负载节点Node；所述方法包括以下步骤：
响应于所述存储调度服务接收到至少一路流量对应的流量转发任务，确定至少一路流量中的每一路流量对应的Node，并将该路流量对应的流量转发任务下发到该Node上的任一存储服务；
接收到流量转发任务的存储服务向媒体调度服务发送请求，以确定该路流量的流量转发情况；
根据该路流量的流量转发情况，确定与该路流量对应的媒体服务，从与该路流量对应的媒体服务分发一路媒体流至该媒体服务所在Node上的任一存储服务。
在一种可能的设计中，所述媒体调度服务记录有至少一路流量所在媒体服务对应的Node信息；
所述确定至少一路流量中的每一路流量对应的Node，并将该路流量对应的流量转发任务下发到该Node上的任一存储服务，包括：
向媒体调度服务发起查询以确定至少一路流量中的每一路流量所在的Node，
响应于在媒体调度服务中查询到对应流量所在的Node，存储调度服务将该路流量对应的流量转发任务下发到该Node上的任一存储服务。
在一种可能的设计中，响应于在媒体调度服务中未查询到对应流量所在的Node，确定最优的存储服务并将该路流量对应的流量转发任务下发到该最优的存储服务。
在一种可能的设计中，所述确定最优的存储服务包括：
根据重调度策略确定最优的存储服务。
在一种可能的设计中，所述根据该路流量对应的流量的转发情况，确定与该路流量对应的媒体服务，包括：
响应于媒体调度服务根据所述请求查找该路流量的媒体流已在转发，将已在进行流量转发的媒体服务确定为与该路流量对应的媒体服务。
在一种可能的设计中，所述请求包括对该路流量的媒体流进行转发的任务和自身所在的Node；
所述根据该路流量对应的流量的转发情况，确定与该路流量对应的媒体服务，包括：
响应于媒体调度服务根据所述请求查找该流量的媒体流未转发，确定位于所述请求中Node上所有媒体服务中的最优的媒体服务，将该最优的媒体服务作为与该路流量对应的媒体服务。
在一种可能的设计中，所述确定位于所述请求中Node上所有媒体服务中的最优的媒体服务包括：
根据负载均衡确定所述请求中Node上的最优的媒体服务。
本发明第二方面提供一种基于Kubernetes的集群内部网络流量优化设备，包括依次通信连接的存储器和控制器，所述存储器上存储有计算机程序，所述控制器用于读取所述计算机程序，以执行第一方面及其任一种可能中所述的一种基于Kubernetes的集群内部网络流量优化方法。
本发明第三方面提供一种基于Kubernetes的集群内部网络流量优化系统，包括媒体采集设备、第二方面中所述的一种基于Kubernetes的集群内部网络流量优化设备和存储设备；
所述媒体采集设备用于采集媒体信息，且与所述网络流量优化设备通信连接；
所述第二存储器用于存储媒体流，且与所述网络流量优化设备通信连接。
本发明第四方面提供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指令，当所述指令在计算机上运行时，以执行第一方面及其任一种可能中所述的一种基于Kubernetes的集群内部网络流量优化方法。
本发明与现有技术相比，至少具有以下优点和有益效果：
本发明的方案通过对方法的改进，以使媒体流传输在同一节点上进行，进一步降低Pod间耦合网络流量的传输，实现资源的更合理分配。
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附图。
图1 为本发明方法流程图；
图2 为本发明方法一具体应用的流程图；
图3 为Kubernetes的原理框图；
图4 为本发明的一应用实例结构示意图；
图5 为本发明网络流量优化设备的结构示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。通常在此处附图中描述和示出的本发明实施方式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方式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方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
Kubernetes，简称K8S，如图3所示，其包括控制节点master和负载节点Node。
每个Kubemetes 集群里需要有一个Master节点来负责整个集群的管理和控制，基本上Kubemetes 所有的控制命令都是发给它，它来负责具体的执行过程。
Node 节点才是Kubemetes 集群中的工作负载节点，每个Node 都会被Master分配一些工作负载(工作负载指的是容器 ,例如 : docker )，当某个Node 岩机时，其上的工作负载会被Master 自动转移到其他节点上去。每个node都运行Kubelet、Kube-proxy、DockerEngine关键服务进程。
kubelet: 负责Pod 对应的容器的创建、启停等任务，同时与Master 节点密切协作，实现集群管理的基本功能。
kube-proxy: 实现Kubemetes service的通信与负载均衡机制的重要组件。
Docker Engine (docker ): Docker 引擎，负责本机的容器创建和管理工作。Node 节点可以在运行期间动态增加到Kubemetes 集群中，前提是这个节点上己经正确安装、配置和启动了上述关键进程，在默认情况下kubelet 会向Master 注册自己，这也是Kubemetes推荐的Node 管理方式。一旦Node 被纳入集群管理范围， kubelet 进程就会定时向Master 节点汇报自身的情报，例如操作系统、Docker 版本、机器的CPU 和内存情况，以及之前有哪些Pod在运行等，这样Master 可以获知每个Node 的资源使用情况，并实现高效均衡的资源调度策略。而某个Node 超过指定时间不上报信息时，会被Master 判定为"失联"， Node 的状态被标记为不可用CNot Ready) ，随后Master 会触发"工作负载大转移"的自动流程。
Pod是在K8S集群中运行部署应用或服务的最小单元，它是可以支持多容器的。Pod的设计理念是支持多个容器在一个Pod中共享网络地址和文件系统，可以通过进程间通信和文件共享这种简单高效的方式组合完成服务。Pod是多进程设计，运用多个应用程序，也就是一个Pod里面有多个容器，一个docker对应一个容器，而一个容器里面运行一个应用程序。
基于此，本实施例第一方面提供一种基于Kubernetes的集群内部网络流量优化方法，该方法可以但不限于由一网络流量优化设备来执行，网络流量优化设备可以是软件，或者为软件和硬件的组合，网络流量优化设备可以集成在智能移动端、平板、电脑、云端等智能设备中。该方法可用于视频监控、视频直播、网络会议、视频解析业务、视图库业务、阿里云存储等业务领域中。
本实施例第一方面提供的一种基于Kubernetes的集群内部网络流量优化方法的流程示意图，具体的，如图1所示，该网络流量优化方法包括以下步骤S01～步骤S03。需要说明的是,本方案中涉及的步骤S01至步骤S03并不是对各步骤先后顺序的限制，其仅起标示识别作用，各步骤的先后顺序以描述中信号的衔接顺序为主。为了便于理解，下述结合视频监控这一业务领域对本方案进行详细说明，其他业务领域的方法步骤本该业务领域的方法步骤大致相同，不同之处在于外部的媒体采集设备、媒体类型不同。针对不同的业务场景，外部的媒体采集设备可以是摄像机、相机、存储器、手机、平板等可以采集和/或存储媒体的设备；媒体类型可以是视频流、图像流或其他。
如图4所示，基于Kubernetes的集群内集群内部署一媒体调度服务、一存储调度服务、至少一个媒体服务和至少一个存储服务，所述媒体调度服务负责调度管理至少一个媒体服务中的所有媒体服务，存储调度服务负责调度管理至少一个存储服务中的所有存储服务，存储服务和媒体服务存在流量耦合即流量需要从媒体服务转发到存储服务，以供存储。媒体调度服务、存储调度服务可以基于一个微服务调度，也可同时基于多个微服务调度。至少一个所述媒体服务和至少一个所述存储服务运行于同一负载节点Node。一具体视频监控平台的具体应用中，如图4所示，其包括负载节点Node1、Node2和Node3。媒体调度服务和存储调度服务分别部署在负载节点Node1上。媒体服务有4个，包括媒体服务1、媒体服务2、媒体服务3和媒体服务4；存储服务有4个，包括存储服务1、存储服务2、存储服务3和存储服务4。其中，媒体服务1、媒体服务2、存储服务1、存储服务2部署在Node2上，媒体服务3、媒体服务4、存储服务3和存储服务4部署在Node3上。媒体采集设备即网络摄像机接入到视频监控平台，来自网络摄像机的媒体流通过媒体服务转发出去，供查看实况，以及录像存储。媒体调度服务记录每路网络摄像机的实况任务所在媒体服务对应的Node信息。例如，一路网络摄像机的实况任务已经创建，由Node2上的媒体服务1进行转发。需要说明的是，网络摄像机的实况任务会创建一路媒体流转发，即将来自网络摄像机的媒体流通过媒体服务转发到客户端播放。
步骤S01、响应于所述存储调度服务接收到至少一路流量对应的流量转发任务，确定至少一路流量中的每一路流量对应的Node，并将该路流量对应的流量转发任务下发到该Node上的任一存储服务。
该方法步骤可以基于所述媒体调度服务记录有至少一路流量所在媒体服务对应的Node信息实现，也可基于媒体调度服务没有存储有流量对应的Node信息实现。其中Node信息包括节点名称、节点内部IP、节点状态等。
在一具体视频监控平台的应用实例中，如图4所示，存储调度服务接收到一网络摄像机的录像任务，需要说明的是，网络摄像机的录像任务会创建一路媒体流转发，即将来自网络摄像机的媒体流通过媒体服务转发到存储端保存成录像文件。
若媒体调度服务记录有至少一路流量所在媒体服务对应的Node信息，此时，存储调度服务向媒体调度服务发起查询以确定至少一路流量中的每一路流量所在的Node，响应于在媒体调度服务中查询到对应流量所在的Node，即该路网络摄像机所在的Node为Node2，存储调度服务将该路流量对应的流量转发任务下发到该Node上的任一存储服务，即下发到Node2上的存储服务，比如可下发到Node2上的存储服务1。
若媒体调度服务没有存储有流量对应的Node信息或者是在上述情况下在媒体调度服务中没有查询到对应流量所在的Node，确定最优的存储服务并将该路流量对应的流量转发任务下发到该最优的存储服务，比如下发到Node3上的存储服务3。此处的确定最优的存储服务可根据重调度策略进行确定。
根据重调度策略确定最优的存储服务的方法具体为：
先根据集群当前的重调度策略对集群内的存储服务和容器进行资源配置的监控结果，确定各待确定存储服务。重调度策略包括多个自定义的配置策略，自定义的配置策略可以通过configmap的方式挂载到Kubernetes集群中的控制节点master上。configmap在工具内会生成对应的各配置文件。自定义配置策略可以包括删除重复项RemoveDuplicat、节点使用率NodeUtilization、节点亲和性NodeAffinity、节点中容器重启次数PodRestartTimesInNode中的一种或多种。上述配制策略为现有策略，在此不对其具体含义做解释。自定义的配置策略中包含宿主机配置规格。具体的，该步骤先获取存储服务的标签以及容器的标签；再根据状态为开启的配置策略包含的宿主机配置规格对存储服务的标签以及容器的标签进行匹配,得到匹配结果；最后，根据匹配结果，确定出各待确定存储服务。
再根据打分规则对所述待确定存储服务进行打分操作得到各待确定存储服务的打分结果，所述打分结果表征所述配置策略与待确定存储服务当前资源配置信息的匹配程度。
最后，根据所述打分结果，确定出最优存储服务。
步骤S02、接收到流量转发任务的存储服务向媒体调度服务发送请求，以确定该路流量的流量转发情况。该请求包括对该路流量的媒体流进行转发的任务和自身所在的Node。
具体实例中，存储服务接收到录像任务后，向媒体调度服务请求该网络摄像机的媒体流转发，并携带自身所在Node信息。
步骤S03、根据该路流量的流量转发情况，确定与该路流量对应的媒体服务，从与该路流量对应的媒体服务分发一路媒体流至该媒体服务所在Node上的任一存储服务。
流量转发情况可以是已在转发或者未转发，根据媒体调度服务反馈的流量转发情况的不同，采取不同的措施确定与该路流量对应的媒体服务。
具体的，当流量转发情况为已在转发时，将已在进行流量转发的媒体服务确定为与该路流量对应的媒体服务，即从Node2上的媒体服务1分发一路媒体流至存储服务1。
当流量转发情况为未转发时，确定位于所述请求中Node上所有媒体服务中的最优的媒体服务，将该最优的媒体服务作为与该路流量对应的媒体服务。若匹配到了Node3，根据负载均衡选出最优媒体服务，进而创建媒体流转发任务，即在Node3上的媒体服务和存储服务之间进行媒体流传输。此处，可根据负载均衡确定位于所述请求中Node上所有媒体服务中的最优的媒体服务。
根据负载均衡确定位于所述请求中Node上所有媒体服务中的最优的媒体服务，具体包括以下步骤：先获取媒体服务所在集群资源信息、物理资源信息和媒体服务调用情况；再根据媒体服务所在集群资源信息、物理资源信息和媒体服务调用情况确定出各媒体服务的权重配比信息；最后，媒体调度服务根据所述各媒体服务的权重配比信息进行带权轮询负载均衡确定出最优的媒体服务。具体的，可参见专利CN113946450A“一种用于K8S微服务框架的自适应带权轮询负载均衡系统”中公开的具体方法。
采用上述方法，保证了在同一节点上进行媒体流传输，由于同一节点内的流量传输不占带宽，不耗性能，进一步降低Pod间耦合网络流量的传输，实现资源的更合理分配。
本实施例第二方面提供一种基于Kubernetes的集群内部网络流量优化设备，如图5所示，包括依次通信连接的存储器和控制器，所述存储器上存储有计算机程序，所述控制器用于读取所述计算机程序，以执行第一方面及其任一种可能中所述的一种基于Kubernetes的集群内部网络流量优化方法。所述存储器可以但不限于包括随机存取存储器（Random-Access Memory，RAM）、只读存储器（Read-Only Memory，ROM）、闪存（FlashMemory）、先进先出存储器（First Input First Output，FIFO）和或先进后出存储器（FirstInput Last Output，FILO）等等。控制器可以是一个或者多个处理器的组合，可以不限于采用型号为STM32F105系列的微控制器。如图5所示，存储器和控制器可采用系统总线进行通信。还可如图所示，增加一通信接口，用以与外部的存储设备或者媒体采集设备通信连接。
本实施例第三方面提供一种基于Kubernetes的集群内部网络流量优化系统，包括媒体采集设备、第二方面中所述的一种基于Kubernetes的集群内部网络流量优化设备和存储设备；
所述媒体采集设备用于采集媒体信息，且与所述网络流量优化设备通信连接；
所述第二存储器用于存储媒体流，且与所述网络流量优化设备通信连接。
具体的，媒体采集设备可以是摄像机、相机、存储器、手机、平板，以采集或提供相应的媒体流。以网络摄像机为例，可通过开放型网络视频接口论坛协议（Open NetworkVideo Interface Forum, ONVIF）接入网络流量优化设备。
本实施例第四方面提供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指令，当所述指令在计算机上运行时，以执行第一方面及其任一种可能中所述的一种基于Kubernetes的集群内部网络流量优化方法。
本实施例中第二至第四方法提供的设备、系统及介质，其运行原理详见第一方面中详细阐述，在此不做赘述。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,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 (10)
1.基于Kubernetes的集群内部网络流量优化方法，其特征在于：所述集群内部署一媒体调度服务、一存储调度服务、至少一个受所述媒体调度服务调度管理的媒体服务和至少一个受所述存储调度服务调度管理的存储服务，至少一个所述媒体服务和至少一个所述存储服务运行于同一负载节点Node；所述方法包括以下步骤：
响应于所述存储调度服务接收到至少一路流量对应的流量转发任务，确定至少一路流量中的每一路流量对应的Node，并将该路流量对应的流量转发任务下发到该Node上的任一存储服务；
接收到流量转发任务的存储服务向媒体调度服务发送请求，以确定该路流量的流量转发情况；
根据该路流量的流量转发情况，确定与该路流量对应的媒体服务，从与该路流量对应的媒体服务分发一路媒体流至该媒体服务所在Node上的任一存储服务。
2.根据权利要求1所述的方法，其特征在于：所述媒体调度服务记录有至少一路流量所在媒体服务对应的Node信息；
所述确定至少一路流量中的每一路流量对应的Node，并将该路流量对应的流量转发任务下发到该Node上的任一存储服务，包括：
向媒体调度服务发起查询以确定至少一路流量中的每一路流量所在的Node，
响应于在媒体调度服务中查询到对应流量所在的Node，存储调度服务将该路流量对应的流量转发任务下发到该Node上的任一存储服务。
3.根据权利要求2所述的方法，其特征在于：
响应于在媒体调度服务中未查询到对应流量所在的Node，确定最优的存储服务并将该路流量对应的流量转发任务下发到该最优的存储服务。
4.根据权利要求3所述的方法，其特征在于：所述确定最优的存储服务包括：
根据集群当前的重调度策略对集群内的存储服务和容器进行资源配置的监控结果，确定各待确定存储服务；
根据打分规则对所述待确定存储服务进行打分操作得到各待确定存储服务的打分结果，所述打分结果表征所述重调度策略；
根据所述打分结果，确定出最优存储服务。
5.根据权利要求1所述的方法，其特征在于：所述根据该路流量对应的流量的转发情况，确定与该路流量对应的媒体服务，包括：
响应于媒体调度服务根据所述请求查找该路流量的媒体流已在转发，将已在进行流量转发的媒体服务确定为与该路流量对应的媒体服务。
6.根据权利要求1所述的方法，其特征在于：所述请求包括对该路流量的媒体流进行转发的任务和自身所在的Node；
所述根据该路流量对应的流量的转发情况，确定与该路流量对应的媒体服务，包括：
响应于媒体调度服务根据所述请求查找该流量的媒体流未转发，确定位于所述请求中Node上所有媒体服务中的最优的媒体服务，将该最优的媒体服务作为与该路流量对应的媒体服务。
7.根据权利要求6所述的方法，其特征在于：所述确定位于所述请求中Node上所有媒体服务中的最优的媒体服务包括：
获取媒体服务所在集群资源信息、物理资源信息和媒体服务调用情况；
根据媒体服务所在集群资源信息、物理资源信息和媒体服务调用情况确定出各媒体服务的权重配比信息；
媒体调度服务根据所述各媒体服务的权重配比信息进行带权轮询负载均衡确定出最优的媒体服务。
8.一种基于Kubernetes的集群内部网络流量优化设备，包括依次通信连接的存储器和控制器，所述存储器上存储有计算机程序，其特征在于：所述控制器用于读取所述计算机程序，以执行权利要求1-7任一所述的一种基于Kubernetes的集群内部网络流量优化方法。
9.一种基于Kubernetes的集群内部网络流量优化系统，其特征在于：包括媒体采集设备、权利要求8所述的一种基于Kubernetes的集群内部网络流量优化设备和存储设备；
所述媒体采集设备用于采集媒体信息，且与所述网络流量优化设备通信连接；
所述第二存储器用于存储媒体流，且与所述网络流量优化设备通信连接。
10.一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指令，其特征在于：当所述指令在计算机上运行时，以执行权利要求1-7任一所述的一种基于Kubernetes的集群内部网络流量优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211595755.1A CN115714747A (zh) | 2022-12-13 | 2022-12-13 | 基于Kubernetes的集群内部网络流量优化方法、设备、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211595755.1A CN115714747A (zh) | 2022-12-13 | 2022-12-13 | 基于Kubernetes的集群内部网络流量优化方法、设备、系统及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115714747A true CN115714747A (zh) | 2023-02-24 |
Family
ID=85235952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211595755.1A Pending CN115714747A (zh) | 2022-12-13 | 2022-12-13 | 基于Kubernetes的集群内部网络流量优化方法、设备、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115714747A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112822192A (zh) * | 2021-01-06 | 2021-05-18 | 中山大学 | 一种面向用户需求的安全功能服务网系统及其实现方法 |
| CN113141405A (zh) * | 2021-04-23 | 2021-07-20 | 北京奇艺世纪科技有限公司 | 服务访问方法、中间件系统、电子设备和存储介质 |
| CN113364888A (zh) * | 2021-06-30 | 2021-09-07 | 重庆紫光华山智安科技有限公司 | 服务调度方法、系统、电子设备及计算机可读存储介质 |
| CN113497945A (zh) * | 2020-03-20 | 2021-10-12 | 华为技术有限公司 | 基于云手机的直播和配置方法以及相关装置和系统 |
| CN115061811A (zh) * | 2022-05-10 | 2022-09-16 | 联想(北京)有限公司 | 一种资源调度方法、装置、设备及存储介质 |
| EP4068090A1 (en) * | 2019-11-26 | 2022-10-05 | Beijing Jingdong Shangke Information Technology Co., Ltd. | Container scheduling method and apparatus, and non-volatile computer-readable storage medium |
-
2022
- 2022-12-13 CN CN202211595755.1A patent/CN115714747A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4068090A1 (en) * | 2019-11-26 | 2022-10-05 | Beijing Jingdong Shangke Information Technology Co., Ltd. | Container scheduling method and apparatus, and non-volatile computer-readable storage medium |
| CN113497945A (zh) * | 2020-03-20 | 2021-10-12 | 华为技术有限公司 | 基于云手机的直播和配置方法以及相关装置和系统 |
| CN112822192A (zh) * | 2021-01-06 | 2021-05-18 | 中山大学 | 一种面向用户需求的安全功能服务网系统及其实现方法 |
| CN113141405A (zh) * | 2021-04-23 | 2021-07-20 | 北京奇艺世纪科技有限公司 | 服务访问方法、中间件系统、电子设备和存储介质 |
| CN113364888A (zh) * | 2021-06-30 | 2021-09-07 | 重庆紫光华山智安科技有限公司 | 服务调度方法、系统、电子设备及计算机可读存储介质 |
| CN115061811A (zh) * | 2022-05-10 | 2022-09-16 | 联想(北京)有限公司 | 一种资源调度方法、装置、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| "k8s pod内以及pod间通信机制", Retrieved from the Internet <URL:https://blog.csdn.net/chushoufengli/article/details/125507908> * |
| ALMAS RAZA AND JOHN ALLEN: "7 Requirements for Optimized Traffic Flow and Security in Kubernetes", Retrieved from the Internet <URL:https://thenewstack.io/7-requirements-for-optimized-traffic-flow-and-security-in-kubernetes/> * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xiong et al. | Extend cloud to edge with kubeedge | |
| Kristiani et al. | The implementation of a cloud-edge computing architecture using OpenStack and Kubernetes for air quality monitoring application | |
| CN108293041B (zh) | 分布式系统、资源容器的分配方法、资源管理器及应用控制器 | |
| CN109150987B (zh) | 基于主机层和容器层的两层式容器集群弹性扩容方法 | |
| CN102868736B (zh) | 一种云计算监控框架设计及实现方法及云计算处理设备 | |
| US9880827B2 (en) | Managing software version upgrades in a multiple computer system environment | |
| CN110716744A (zh) | 一种数据流处理方法、系统和计算机可读存储介质 | |
| CN107370796B (zh) | 一种基于Hyper TF的智能学习系统 | |
| CN110120919B (zh) | 一种用于容器网络的网络资源隔离方法和系统 | |
| CN112698838B (zh) | 多云容器部署系统及其容器部署方法 | |
| CN113031874B (zh) | 基于Kubernetes集群的缓存处理方法、装置、设备及存储介质 | |
| US7966394B1 (en) | Information model registry and brokering in virtualized environments | |
| CN115080479B (zh) | 传输方法、服务器、设备、裸金属实例及基板管理控制器 | |
| CN114565502A (zh) | Gpu资源管理方法、调度方法、装置、电子设备及存储介质 | |
| CN116800616B (zh) | 虚拟化网络设备的管理方法及相关装置 | |
| CN115865874A (zh) | 一种会议消息推送方法、会议服务端及电子设备 | |
| CN111459619A (zh) | 一种基于云平台实现服务的方法和装置 | |
| CN114615268B (zh) | 基于Kubernetes集群的服务网络、监控节点、容器节点及设备 | |
| CN115987872A (zh) | 一种基于资源路由的云系统 | |
| CN115714747A (zh) | 基于Kubernetes的集群内部网络流量优化方法、设备、系统及介质 | |
| CN112559138B (zh) | 一种资源调度系统及方法 | |
| CN114979286A (zh) | 容器服务的访问控制方法、装置、设备及计算机存储介质 | |
| CN112052104A (zh) | 基于多机房实现的消息队列的管理方法及电子设备 | |
| CN116069481B (zh) | 一种共享gpu资源的容器调度系统及调度方法 | |
| CN104158835A (zh) | 一种智能桌面系统服务器控制客户端的方法 |
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 |