[发明专利]一种面向容器云的任务协同调度系统及其方法

说明书

本发明提出了一种面向容器云的任务协同调度系统及其方法，环境特征抽取模块用于从当前资源环境下抽取任务协同调度所需的特征指标，进而支持调度方案构建模块进行节点调度能力的评判；调度方案构建模块用于为当前待调度任务构建当前环境下的最优调度方案；调度方案执行模块用于调度方案的执行，即负责将待调度任务调度到调度方案指定的最优调度节点；调度评估与反馈调节模块用于对最优调度方案的实际调度效果进行评估，即根据评估规则，对任务调度后环境资源状态的改善情况进行评判，评判结果被反馈到调度方案构建模块，用于改善评分算法评分的准确性。本发明在具有不同依赖特征关系的多目标任务调度方面，提升了资源收敛效果和调度性能。

技术领域

本发明涉及容器云任务调度技术，具体涉及一种面向容器云的任务协同调度系统及其方法。

背景技术

作为云计算发展的主流分支，容器云进一步提炼了云计算，使其以更轻量、更节约、更快捷的方式供应高质量计算资源的任务能力。随着容器云技术的不断发展，越来越多的应用开始容器化改造后迁移到云端，或直接面向容器云，采用云原生架构开发、集成与部署，依托容器轻量化、资源耗费少、启动快，以及云端强大的集中式存储与处理能力等优势，旨在为用户提供更加高效、优质的任务。但是，由于云原生任务的架构特点，容器云平台中任务具有数量大、依赖关系复杂、版本迭代快等特征，这些因素增加了任务调度和资源利用的复杂性，最终可能影响业务的可用性。如何通过任务调度，提升容器云的资源利用率和任务质量已成为研究热点。当前大多数容器云平台底层使用集中式调度架构，虽然此种架构设计实现了底层资源的一致性，然而单一场景下的调度模型很难实现全局资源的优化组合，也难于考虑更多来自业务层面的有用信息参与调度。而早期任务调度算法如贪婪算法、启发式算法、层次分析算法等普遍从固有资源使用量的角度完成调度动作，缺少与实际运行环境的交互反馈，尤其对于多副本多依赖任务调度容易陷入局部最优，无法实现最佳收敛。综上所述，目前在相关领域内缺少针对容器云任务的协同调度方法及系统，以进一步提升容器云的资源利用率和任务质量，实现容器云平台全局资源的优化调度。

发明内容

本发明的目的在于提出一种面向容器云的任务协同调度系统及其方法，以改善容器云环境的资源利用和任务质量，实现容器云平台全局资源的优化调度。

实现本发明目的的技术解决方案为：一种面向容器云的任务协同调度系统，其特征在于，具体包括：

环境特征抽取模块：用于从当前资源环境下抽取任务协同调度所需的特征指标，进而支持调度方案构建模块进行节点调度能力的评判；所述特征指标包括基础指标和协同指标两大类，其中基础指标包括节点各类基础资源的全局闲置率，协同指标包括任务依赖关系、任务孪生关系下的依赖任务和孪生任务的全局占有率和节点相似性关系下的节点之间的皮尔逊相似度；

调度方案构建模块：用于为当前待调度任务构建当前环境下的最优调度方案；所述最优调度方案为任务和最优调度节点之间的一种“绑定”关系；所述调度方案构建模块执行流程包括：①提取待调度任务资源需求和环境特征指标；②由评分算法根据所述待调度任务资源需求和环境特征指标对所有节点的调度能力进行综合评分；③对节点评分结果进行排序，将评分最高节点标识为最优调度节点；④将调度任务与最优调度节点进行关系绑定；

调度方案执行模块：用于调度方案的执行，即负责将待调度任务调度到调度方案指定的最优调度节点；

调度评估与反馈调节模块：用于对最优调度方案的实际调度效果进行评估，即根据评估规则，对任务调度后环境资源状态的改善情况进行评判，评判结果被反馈到调度方案构建模块，用于改善评分算法评分的准确性。

进一步的，所述环境特征抽取模块采用定时环境扫描机制进行环境特征指标的收集，将其封装为数据结构后，以节点名称和样本序号为索引，进行持久化存储，以支持任务协同调度后续进程。

进一步的，所述评分算法由基础评分算法和协同评分算法线性组合而成，其中基础评分算法用于对节点基础资源进行评分，协同评分算法用于对任务、节点协同作用进行评分，评分算法的评分公式如式(1)所示；