[发明专利]一种云资源调度的方法及装置

权利要求书

1.一种云资源调度的方法，其特征在于，应用于云容器平台，所述云容器平台包括底层容器引擎、资源调度器及应用管理器，所述方法包括：

资源调度器获取第一节点中容器内的数据存储状态；

若所述数据存储状态为饱和状态时，确定所述第一节点中容器内的待迁移数据，并获取所述相邻节点中各容器的数据存储状态；

设置第一筛选条件，并基于所述第一筛选条件对所述相邻节点的各容器进行筛选，获取筛选后的第一容器集群；

对第一容器集群中各容器的QoS指标进行预测，并评估所述第一容器集群中每一个容器的QoS指标是否满足迁移条件；

若所述第一容器集群中的第二容器集群的QoS指标满足迁移条件，则设置第二筛选条件，并基于所述第二筛选条件对所述第二容器集群进行筛选，获取筛选后的第三容器集群；

将所述待迁移数据迁移至所述第三容器集群中一个或多个容器中。

2.根据权利要求1所述的方法，其特征在于，所述QoS指标包括数据流量，则所述对第一容器集群中各容器的QoS指标进行预测，包括：

通过K-means对所述第一容器集群中各容器进行聚类，形成多个子集群；

在每一个子集群中，随机选择一个节点形成簇心，并以所述簇心为中心形成簇群；

依次遍历所述每一簇群中的历史数据流量，并计算每一簇群的历史数据流量均值；

基于所述每一簇群的历史数据流量均值，通过时间序列模型预测下一时间周期中所述每一簇群的目标数据流量均值。

3.根据权利要求1所述的方法，其特征在于，所述QoS指标包括数据容量，则所述对第一容器集群中各容器的QoS指标进行预测，并评估所述第一容器集群中每一个容器的QoS指标是否满足迁移条件，包括：

获取所述第一容器集群中各容器的容量指标，采集所述第一容器集群中各容器的历史数据容量；

将所述各容器的历史数据容量作为训练样本时间序列，输入至ARIMA容量预测模型中，预测下一时间周期中各容器的目标数据容量；

若所述各容器的目标数据容量与所述待迁移数据的数据大小之和小于对应的所述各容器容量指标，则所述容器的QoS指标满足迁移条件。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述对第一容器集群中各容器的QoS指标进行预测，包括：

提取所述第一容器集群中各容器的历史QoS指标，所述QoS指标包括响应时间及吞吐量；

提取所述各容器历史QoS指标中的多个特征，组成特征矩阵；

利用卷积神经网络对所述特征矩阵进行学习，并基于学习后的结果对所述QoS指标进行预测。

5.根据权利要求1所述的方法，其特征在于，基于所述第一筛选条件对所述相邻节点的各容器进行筛选，包括：

使用如下函数对各容器进行筛选

其中，i表示第i个容器，h_i为第一筛选函数，用于决策所述节点中的容器是否可作为待迁移容器，S_i为布尔型数据，表示运行状态，B_i为表示资源饱和度，B_TH表示资源饱和度阈值，其中u为单位阶跃函数，且

若h_i等于2则第i个容器满足第一筛选条件，若h_i小于2则第i个容器不满足第一筛选条件。

6.根据权利要求1所述的方法，其特征在于，所述基于所述第二筛选条件对所述第二容器集群进行筛选，获取筛选后的第三容器集群，包括：

获取第二容器群中的容器属性参数值，建立判决矩阵W；

利用特征根法求解出判决矩阵W的最大特征值Tmax和与其对应的特征向量X；

将所述特征向量X进行归一化，获取容器属性参数对应的权重值；

将所述判决矩阵中的容器属性参数与对应的权重值进行加权，获取最终评分；

若所述最终评分低于预设阈值，则不满足筛选条件，若高于等于预设阈值，则满足最终筛选条件。