[发明专利]一种基于Kubernetes的动态资源配额及调度组件

权利要求书

1.一种基于Kubernetes的动态资源配额及调度组件，包括利用集群各节点监控数据和时间序列预测模型对应用资源申请量动态调整，利用节点实际资源负载从多个维度衡量节点与应用适配度并进行调度，其特征在于，包括：

资源监控模块，用于监控集群中各节点各资源的使用情况、监控节点上应用的资源使用情况和工作状态、根据负载告警和为其他模块提供数据；

动态资源配额模块，用于动态调整节点上应用服务的各种资源申请量，获取应用的各资源实际使用情况，使用组合预测模型进行预测并决定是否调整；

动态调度模块，用于将还未绑定节点的应用服务调度到最适合该应用服务的节点，通过从多个维度衡量适配度，使各节点资源使用均衡。

2.根据权利要求1所述的一种基于Kubernetes的动态资源配额及调度组件，其特征在于，所述资源监控模块包括：

指标监控单元，用于监控集群中各个节点和应用的CPU、内存、网络带宽、磁盘I/O实时使用情况；

告警管理单元，用于对监控数据出现异常的Node节点、Pod进行告警；

数据管理单元，用于采集监控获取到的各资源使用数据，对异常数据进行处理，对数据进行封装，为用户查询接口。

3.根据权利要求1所述的一种基于Kubernetes的动态资源配额及调度组件，其特征在于，所述动态资源配额模块包括：

资源预测单元，用于根据监控模块获取到的应用历史资源使用量，使用时间序列预测模型预测该Pod接下来一段时间资源使用量；

动态调整单元，用于根据预测值和当前值进行比较决定是否进行调整。

4.根据权利要求3所述的一种基于Kubernetes的动态资源配额及调度组件，其特征在于，所述资源预测单元包括：

获取资源使用量，包括CPU、内存、网络带宽以及磁盘I/O；

线性预测，即采用ARIMA模型对资源未来使用量线性部分进行预测

非线性预测，即根据真实值与线性预测值的差，采用LSTM模型，对残差预测；

模型检验，用于检验模型准确度；

预测结果，通过线性与非线性之和得到最终预测值。

5.根据权利要求1所述的一种基于Kubernetes的动态资源配额及调度组件，其特征在于，所述动态调度模块包括：

预选调度单元，用于对所有节点继续预检查，包括网络带宽剩余量、端口占用、磁盘空间是否充足，排除不符合要求的节点；

优选调度单元，用于从符合条件的节点选择最优节点进行部署；

绑定单元，用于将Pod与最优节点进行绑定，并更新绑定信息。

6.根据权利要求1所述的一种基于Kubernetes的动态资源配额及调度组件，其特征在于，该组件以用户为主体，根据用户需求对特定的Pod进行动态配额，为用户提供一种磁盘I/O和数据密集型的调度器，包括以下步骤：

步骤S100，对集群中各个节点和节点上Pod的资源使用量进行监控，根据预定义规则做出告警，采集需要使用的数据，

步骤S200，查询集群中需要进行动态配额的Pod，从监控模块获取到该服务的历史资源使用量，通过预测模型预测并动态调整，

步骤S300，根据Pod申请的资源量和各个节点的实际负载，通过预选策略和优选策略选择最优节点进行部署。

7.根据权利要求1所述的一种基于Kubernetes的动态资源配额及调度组件，其特征在于，步骤S100具体包括步骤：

步骤S101，搭建监控模块，配置需要监控的节点和应用指标，如CPU、内存、网络带宽、磁盘I/O等；

步骤S102，配置告警名称、告警规则、告警发送途径，如CPU、内存等资源高负载；

步骤S103，依据监控数据，运行告警规则，发送告警信息；

步骤S104，采集监控数据，并对外提供查询接口。