[发明专利]一种基于预测的分布式调度方法和装置

说明书

本发明公开了一种基于预测的分布式调度方法和装置。其中，该方法包括:获取当前调度Pod的历史资源利用率以及集群中可用节点的资源利用率；将当前调度Pod的历史资源利用率输入深度学习模型进行训练和推理，以获取当前调度Pod的资源预测利用率；根据当前调度Pod的资源预测利用率以及集群中可用节点的资源利用率，对集群中的可用节点进行筛选，以确定当前调度Pod的目标调度节点。本发明实施例通过利用深度学习模型对Pod的资源利用率进行预测，基于预测数据对集群中的节点进行打分，以实现对集群中由于集群偏载状态使得Pod一直处于异常状态的情况进行优化，来自动调整集群的偏载状态，从而优化集群的性能上限。

技术领域

本发明实施例涉及集群资源调度技术领域，尤其涉及一种基于预测的分布式调度方法和装置。

背景技术

Kubernetes是一个非常流行的容器编排工具，它以先进的设计理念受到业界的关注，并被广泛应用于实际的生产环境中，Kubernetes一个重要的工作就是选择合适的节点(node)来运行Pod(Kubernetes中创建和部署的最小单位，是一个运行实例)，整个集群的负载由集群中各个节点的资源利用率决定，而各个节点的利用率与节点上运行的Pod息息相关。因此，关于集群的调度策略极大的影响了集群的负载状态和资源利用率。

通常情况下，针对资源需求偏差较大的计算任务在使用Kubernetes默认调度算法进行调度时，集群会出现服务器偏载现象。

现有技术中，一般通过扩展Kubernetes的调度器来解决集群状态问题，但该方法或未考虑时间的因素或忽略了低优先级的任务，都仍需改进。

发明内容

本发明提供一种基于预测的分布式调度方法和装置，以实现对集群中由于集群偏载状态使得Pod一直处于异常状态的情况进行优化，来自动调整集群的偏载状态，从而优化集群的性能上限。

第一方面，本发明实施例提供了一种基于预测的分布式调度方法，应用于Kubernetes集群中，包括：

获取当前调度Pod的历史资源利用率以及集群中可用节点的资源利用率；

将所述当前调度Pod的历史资源利用率输入深度学习模型进行训练和推理，以获取所述当前调度Pod的资源预测利用率；

根据所述当前调度Pod的资源预测利用率以及集群中可用节点的资源利用率，对集群中的可用节点进行筛选，以确定所述当前调度Pod的目标调度节点。

第二方面，本发明实施例还提供了一种基于预测的分布式调度装置，配置于Kubernetes集群中，包括：

获取模块，用于获取当前调度Pod的历史资源利用率以及集群中可用节点的资源利用率；

预测模块，用于将所述当前调度Pod的历史资源利用率输入深度学习模型进行训练和推理，以获取所述当前调度Pod的资源预测利用率；

确定模块，用于根据所述当前调度Pod的资源预测利用率以及集群中可用节点的资源利用率，对集群中的可用节点进行筛选，以确定所述当前调度Pod的目标调度节点。

本发明通过利用深度学习模型对Pod的资源利用率进行预测，基于预测数据对集群中的节点进行打分，来为当前调度的Pod确定最优的目标调度节点，以实现对集群中由于集群偏载状态使得Pod一直处于异常状态的情况进行优化，来自动调整集群的偏载状态，从而优化集群的性能上限。

附图说明

图1为本发明实施例一提供的一种基于预测的分布式调度方法的流程图；

图2为本发明实施例一提供的一种基于预测的分布式调度方法的处理过程图；

图3为本发明实施例一提供的一种节点打分的流程图；

图4为本发明实施例二提供的模型本地工作方式的工作时序图；