[发明专利]在容器化边缘计算中自动分配资源的方法及系统

权利要求书

1.一种在容器化边缘计算中自动分配资源的方法，其特征在于，包括：

步骤S1：监视器收集数据，在消息代理上发布容器资源利用率和应用程序性能状态统计信息；

步骤S2：分析规划器接收通过消息代理获得的监控器发送的信息，通过机器学习的方式建立模型，基于模型推理生成扩展操作；

步骤S3：执行器接受分析规划器传输的数据生成分配资源的扩展指令。

2.根据权利要求1所述的在容器化边缘计算中自动分配资源的方法，其特征在于：

容器编排框架用于创建、部署和管理容器化应用程序，遵循主从模式，主处理节点编排容器的调度，管理集群通过接受其他节点作为从处理节点；从处理节点提供集群的计算能力，完成分布式容器的执行，主处理节点通过调度将容器分配给从处理节点；

容器编排架构引入分布式的自适应附加控件，此控件包括监视器、分析规划器和执行器完成自适应的功能；自适应附加控件松耦合集成到容器编排框架中，按照主从的分布式模式构建，包括一个单一的主附件运行分析规划器和执行器、多个独立的从附件以分布式的方式运行监视器。

3.根据权利要求1所述的在容器化边缘计算中自动分配资源的方法，其特征在于，在所述步骤S1中：

监视器运行在每个容器上，定期在消息代理上发布有关容器资源利用率和应用程序性能状态统计信息；监视器收集有关应用程序的数据和容器执行环境的数据，在应用程序上通过统一的数据格式进行记录运行状态和性能统计，通过自定义监控软件完成数据获取收集，每个容器监控数据通过工具实时收集。

4.根据权利要求1所述的在容器化边缘计算中自动分配资源的方法，其特征在于，在所述步骤S2中：

分析规划器使用收集到的数据基于优化目标来确定是否进行弹性计算自适应扩展，采用机器学习的方式完成分析规划；

在分析阶段，分析规划器通过机器学习的方式建立模型，机器学习的方式采用包括基于模型的强化学习、基于高斯过程的系统辨识；在规划阶段，基于模型推理生成要执行的扩展操作，执行器调用容器编排框架的接口完成弹性扩展。

5.根据权利要求1所述的在容器化边缘计算中自动分配资源的方法，其特征在于，在所述步骤S3中：

执行器负责生成扩展指令，定义了一个自适应扩展的动作集，执行横向或纵向扩展，或者联合执行两个维度的缩放。

6.一种在容器化边缘计算中自动分配资源的系统，其特征在于，包括：

模块M1：监视器收集数据，在消息代理上发布容器资源利用率和应用程序性能状态统计信息；

模块M2：分析规划器接收通过消息代理获得的监控器发送的信息，通过机器学习的方式建立模型，基于模型推理生成扩展操作；

模块M3：执行器接受分析规划器传输的数据生成分配资源的扩展指令。

7.根据权利要求6所述的在容器化边缘计算中自动分配资源的系统，其特征在于：

容器编排框架用于创建、部署和管理容器化应用程序，遵循主从模式，主处理节点编排容器的调度，管理集群通过接受其他节点作为从处理节点；从处理节点提供集群的计算能力，完成分布式容器的执行，主处理节点通过调度将容器分配给从处理节点；

容器编排架构引入分布式的自适应附加控件，此控件包括监视器、分析规划器和执行器完成自适应的功能；自适应附加控件松耦合集成到容器编排框架中，按照主从的分布式模式构建，包括一个单一的主附件运行分析规划器和执行器、多个独立的从附件以分布式的方式运行监视器。

8.根据权利要求6所述的在容器化边缘计算中自动分配资源的系统，其特征在于，在所述模块M1中：

监视器运行在每个容器上，定期在消息代理上发布有关容器资源利用率和应用程序性能状态统计信息；监视器收集有关应用程序的数据和容器执行环境的数据，在应用程序上通过统一的数据格式进行记录运行状态和性能统计，通过自定义监控软件完成数据获取收集，每个容器监控数据通过工具实时收集。