[发明专利]一种基于历史数据分析的容器云平台资源配额预测方法

权利要求书

1.一种基于历史数据分析的容器云平台资源配额预测方法，其特征在于，包括以下步骤：

(1)分别在实验环境和线上环境监控kubernetes服务实例并获得服务负载数据和资源使用量数据；所述资源使用量数据包括CPU资源使用量和内存资源使用量；

(2)根据步骤(1)得到的服务负载数据和资源使用量数据，基于统计学模型获取CPU资源使用量和内存资源使用量之间的关系；

(3)设置CPU参考配额值，并通过均匀采样生成一组CPU待选配额值；再根据步骤(2)获取的CPU资源使用量和内存资源使用量之间的关系，得到对应的内存待选配额值，构成CPU、内存配额值组；对不同的配额值组重复配额实验，根据实验得到的最小资源占用值确定配额较优值组；

(4)将服务配额设定为步骤(3)得到的配额较优值组，采用不同级别负载作为实验环境的服务请求，记录不同级别请求负载对应的CPU资源使用量；

(5)根据步骤(4)得到的不同级别请求负载对应的CPU资源使用量，通过线性回归的方法得到请求负载和服务CPU资源使用量的函数关系，从而根据请求负载预测CPU资源使用量；

所述步骤(5)包括以下子步骤：

(51)利用一元线性回归的方法，得到请求负载L与CPU资源使用量R之间的函数关系R＝a×L+b；

(52)构建请求负载与CPU资源使用量映射关系函数如下：当0≤请求负载≤L_峰值，去除请求负载为0的情况，如L_x-1＜请求负载≤L_x，则CPU资源使用量R＝R_x；当L_峰值＜请求负载，则CPU

2.根据权利要求1所述基于历史数据分析的容器云平台资源配额预测方法，其特征在于，所述步骤(1)包括以下子步骤：

(11)同时在实验环境和线上环境下，在kubernetes的每一个容器节点运行cAdvisor，用于实时获取容器节点的资源使用量数据，包括CPU资源使用量R和内存资源使用量M，并按照时间排序，生成CPU时序序列Tscpu和内存时序序列Tsmem；在kubernetes的每一个主机节点上部署node-exporter工具，配置普罗米修斯用于汇集服务质量指标数据；在kubernetes中安装部署Prometheus custom metrics API adapter和k8s-prometheus-adapter工具用于配置水平自动扩缩容；

(12)在实验环境下，根据服务质量指标为服务配置水平自动扩缩容，根据线上环境的历史服务请求数据提取服务负载周期Tload，模拟线上环境的单位时间请求数配置实验环境的服务请求负载。