[发明专利]一种基于遗传算法的kubernetes云平台配置的优化方法

说明书

本发明公开一种基于遗传算法的kubernetes云平台配置的优化方法，该方法通过改进的遗传算法结合了基于相似度匹配的调度算法，实现了集群实例配置的优化，为云平台使用者节省了基础设施成本，并提高了集群的整体资源利用率。

技术领域

本发明涉及kubernetes云平台的应用领域，具体涉及一种基于遗传算法的kubernetes云 平台配置的优化方法。

背景技术

容器产品的竞争逐渐从Kubernetes的基础产品能力竞争向Kubernetes的成本优化等全生 命周期领域竞争，结合Kubernetes的降本提效能力也逐渐成为企业上云和搬站的核心能力。 AWS在云计算的成本优化有较多的最佳实践，并初步提出了面向K8s的成本优化建议，主要 考虑弹性和价格模型等一些初步的摸索。

云平台提供了多种多样的云服务器实例，它们的规格、各方面的性能以及一些特殊的资 源(GPU等)有所差别，不同的实例因这些差别有了不同的定价。云平台使用者如何配置自 己所需的服务器实例、优化自己的集群结构以降低成本是一大难题。

发明内容

针对现有技术的不足，本发明提出一种基于遗传算法的kubernetes云平台配置的优化方 法，该方法基于遗传算法搜索在满足服务质量的前提下的集群节点配置和容器部署的最优解， 从而有效地提高了kubernetes集群的利用率，降低了云平台使用者的成本。

本发明的目的通过如下的技术方案来实现；

一种基于遗传算法的kubernetes云平台配置的优化方法，具体包括如下步骤：

S1：定义Pod的资源请求向量；

S2：定义服务器实例的剩余资源向量，所述剩余资源由可用资源减去目前分配到此实例 的Pod的资源请求量得到；且所述剩余资源向量的排序方式与所述资源请求向量相同；

S3：进行编码，具体包括：

S3.1：对不同的实例类型使用自然数进行编号；

S3.2：对集群中的Pod进行编号，其中，被同一个kubernetes副本控制器管理的多个Pod 具有相同的编号；

S3.3：对基因按照组的形式进行编码，其中，每个组用用一个数字代表其实例类型，然 后用一组数字代表部署在实例之上的Pod；

S4：生成初始种群；

S4.1：生成一个随机数m∈[1,n]作为实例数量，其中n表示集群中不同类型Pod的总数；

S4.2：生成一个随机数x∈[1,N_InstanceType]，取编号为x的实例类型放入基因内，重复m次， 得到一个长度为m的实例组x₁,x₂,…,x_m；

S4.3：采用以下匹配算法将n个Pod放入实例组中：

(1)计算未放置到实例中的Pod的资源请求向量与所有实例的剩余资源向量之间的相似 度，然后根据相似度降序排序形成Pod与实例的相似度降序配对序列；

(2)从相似度降序配对序列中取出第一个配对，如果配对中实例的剩余资源足够容纳此 Pod，那么将此Pod放到此实例上，更新这个实例的剩余资源向量 Resource_remaining＝Resource_remaining-Resource_request，然后更新所有未放置Pod与这一实例的皮尔逊 系数，然后更新相似度降序配对序列；如果配对中实例的剩余资源并不能容纳此Pod，则从 相似度降序配对序列中去掉这一配对；