[发明专利]基于应用运行负载数据预测的容器资源弹性预伸缩方法

说明书

本发明公开了一种基于应用运行负载数据预测的容器资源弹性预伸缩方法，属于容器资源弹性伸缩技术领域，包括以下步骤：对当前容器负载数据进行预测计算；将预测结果作为容器弹性伸缩的预期输入，计算出容器扩展目标；若容器扩展目标高于当前已就绪资源，则容器弹性伸缩至目标值；接受实际的负载请求量，判断当前资源是否满足使用预期目标，若不满足目标，则将预测误差带来的容器资源误差覆盖的请求转入等待队列，再容器弹性伸缩至目标值，满足则消费请求队列，结束。本发明组合形成具有期望效果的预测算法并制定容器弹性伸缩策略，实现预发、高效的容器弹性伸缩方案，在复杂微服务集群架构的系统上具有广泛应用价值。

技术领域

本发明涉及一种容器资源弹性预伸缩方法，尤其涉及一种基于应用运行负载数据预测的容器资源弹性预伸缩方法。

背景技术

在计算机领域，容器作为业内使用最为广泛的微服务管理技术，通过将微服务及其运行环境进行统一打包处理，可以很好的降低系统的运维成本和资源成本，但这同时也给容器平台的管理带来了新的挑战。由于当前容器伸缩仅依靠容器管理平台依据当前负载状况进行手动响应式调整，其反应速度和伸缩精度均不能很好地满足复杂微服务集群架构下的服务运行要求和资源管理要求，主要表现在以下两个方面：

一、完全响应式弹性伸缩带来的滞后性。

现有的响应式容器弹性伸缩策略在发生负载变化时无法即时生效，会对业务产生影响。一方面，容器伸缩需要人工操作，通常是在接到负载抖动的告警之后才能做出判断和反应，反应时间内的请求会由于反应延时而丢失；另一方面，容器通过资源调整进行横向和纵向的伸缩需要消耗系统资源，花费一定的的时间，在负载变化到伸缩过程完成前的这段时间该服务提供的业务连续性很难保障。

二、人工运维与水平复制的伸缩精确度无法保障。

容器伸缩度量调整的依据是当前抖动负载的峰值，通常运维人员会以预先设定的服务资源为单位进行调整，该调整过程会有一定的主观因素。另外，当前的容器伸缩均通过以预设资源标注为单位的水平复制来实现，这导致资源量配必须为预设单元的公倍数，资源再伸缩过程需要经过间隔保护期，总体上容器伸缩精确度难以保障。

发明内容

本发明的目的就在于为了解决上述问题而提供一种能够依据容器负载预期值自动提前进行容器弹性精确调整的基于应用运行负载数据预测的容器资源弹性预伸缩方法。

本发明通过以下技术方案来实现上述目的：

一种基于应用运行负载数据预测的容器资源弹性预伸缩方法，包括以下步骤：

步骤1、采用高性能小样本综合时间序列预测方法对当前容器负载数据进行预测计算；

步骤2、将步骤1得到的预测结果作为容器弹性伸缩的预期输入，计算出容器扩展目标；

步骤3、若容器扩展目标在当前已就绪资源内，则不做弹性伸缩，结束；若容器扩展目标高于当前已就绪资源，则转至步骤4；

步骤4、容器弹性伸缩至目标值；

步骤5、接受实际的负载请求量，判断当前资源是否满足使用预期目标；

步骤6、若满足目标，则转至步骤8；若不满足目标，则转至步骤7；

步骤7、将预测误差带来的容器资源误差覆盖的请求转入等待队列，并转至步骤4；

步骤8、消费请求队列，结束。

作为优选，所述步骤1中的高性能小样本综合时间序列预测方法包括以下步骤：

步骤1.1、输入当前容器负载数据；

步骤1.2、将数据进行降噪处理；

步骤1.3、将降噪后的数据作为ARMA模型的输入变量进行初步计算；ARMA（Autoregressive moving average）模型即自回归滑动平均模型，是研究时间序列的重要方法，由自回归模型（简称AR模型）与移动平均模型（简称MA模型）为基础“混合”构成，是现有技术；