[发明专利]一种集群中容器资源动态分配方法

权利要求书

1.一种集群中容器资源动态分配方法，基于改进鲸鱼优化算法进行容器资源动态分配；其特征在于：

包括下述步骤：

步骤1，获取多个容器多种资源历史使用数据，构建时间序列；

步骤2，利用LSTM进行时间序列预测，预测多个容器未来每种资源的使用量；

步骤3，构建多容器多资源分配模型和系统效用最大化模型；

步骤4，改进鲸鱼优化算法，提升算法的收敛精确度、速度以及综合寻优能力；

步骤5，将改进鲸鱼优化算法应用于多资源分配问题，对多个容器使用的多种资源重新分配，最大化系统的整体效用，获得多个容器多种资源分配值，通过修改容器对应的Cgroups文件重新分配资源。

2.根据权利要求1所述的一种集群中容器资源动态分配方法，其特征在于，

步骤1中，基于k8s集群HeapSter、InfluxDB、Grafana组件获取多个容器对多种资源的历史使用数据，包括特定时间下的内存、CPU、网络、磁盘I/O等资源，并存入时间序列数据库。

3.根据权利要求1所述的一种集群中容器资源动态分配方法，其特征在于，

步骤2中包括：

步骤2-1：从时间序列数据库中获取多个容器的历史资源使用数据，利用LSTM为每个容器的每种资源训练模型，并预测每个容器对每种资源的未来使用量；

步骤2-2：对比预测后一段时间内容器的每种资源使用量和预测得到此段时间的资源未来使用量，通过观测值和预测值对比，得到预测误差，使用RBF神经网络对误差进行建模，得到误差预测；

步骤2-3：利用RBF的误差预测值对LSTM的预测值进行修正，得到修正后的每个容器的未来资源使用量，并基于此计算每个容器每种资源使用量在系统该种资源上的占比，作为后续多容器多资源分配模型中设置每种资源所占权重的依据。

4.根据权利要求1所述的一种集群中容器资源动态分配方法，其特征在于，

步骤3中包括：

步骤3-1：构建多容器多资源分配模型；将系统中应用分为三类，在线应用，离线应用，实时计算应用，每种应用为弹性应用，其QoS和资源之间符合不确定模型；

假设容器集群中包含n个容器{π₁,π₂,…,π_n}，每个容器使用m种共享资源{R₁,R₂,…,R_m}，容器π_j的效用函数q_j＝λ_jf_j(ω_1jR_1j,ω_2jR_2j,…,ω_mjR_mj)，其中λ_j是一个介于[0,1]之间的值，它代表了容器或应用π_j的权重系数，可为不同类型的应用设置不同的权重系数，ω_ij代表容器π_j对第i种资源的需求程度，因为不同类型的应用对不同类型资源的需求也有不同，所以考虑为不同类型的资源设置权重系数；效用函数满足为了对不同容器或应用的效用值有一个统一的度量标准，对效用函数进行归一化处理：/

其中，1≤i≤m,1≤j≤n,0≤Q_j≤1 1。

5.根据权利要求1所述的一种集群中容器资源动态分配方法，其特征在于，

步骤4中从三个方面改进鲸鱼优化算法,引入非线性收敛因子，加入惯性权重因子以及最优个体变异机制。

6.根据权利要求5所述的一种集群中容器资源动态分配方法，其特征在于，

步骤4中包括：

步骤4-1：引入非线性收敛因子

其中t表示当前迭代次数，t_max是总的迭代次数。