[发明专利]一种基于Kubernetes集群的弹性伸缩方法

权利要求书

1.一种基于Kubernetes集群的深度学习平台的弹性伸缩方法，其特征在于，包括：

S1、构建集群的监控与信息收集模块；

S2、根据监控与信息收集模块收集的历史指标信息，使用CNN-LSTM混合网络进行指标预测；CNN-LSTM混合网络具体包括串联的CNN结构与LSTM结构，所述CNN结构的输入为监控与信息收集模块收集的历史指标信息，CNN结构的输出作为LSTM结构的输入，LSTM结构的输出为指标预测值；CNN结构包括：第一卷积层、第二卷积层、最大池化层、扁平层；所述第一卷积层与第二卷积层用于读取输入的时间序列数据，然后投影至特征图中并放大其中的特征；最大池化层对放大后的特征图进行最大池化操作；扁平层对最大池化操作后的特征图进行展平操作；LSTM结构包括2个LSTM网络与全连接层，2个LSTM网络根据扁平层的输出进行时序数据预测，全连接层对预测结果进行处理并输出；

S3、根据监控与信息收集模块收集的指标当前值与步骤S2得到的指标预测值，判断是否进行扩容或缩容操作。

2.根据权利要求1所述的一种基于Kubernetes集群的深度学习平台的弹性伸缩方法，其特征在于，步骤S1所述监控与信息收集模块的结构包括：Kubernetes、Node-exporter、Prometheus Server；通过Node-exporter对节点上的指标信息进行采集，再使用Prometheus Server收集来自Node-exporter及Kubernetes集群中的目标主机上的监控信息、存储时间序列数据。

3.根据权利要求2所述的一种基于Kubernetes集群的深度学习平台的弹性伸缩方法，其特征在于，所述指标为CPU使用率、内存占用、网络流量中的一种。

4.根据权利要求3所述的一种基于Kubernetes集群的深度学习平台的弹性伸缩方法，其特征在于，步骤S3通过设定阈值，将指标当前值与指标预测值之差的绝对值跟设定的阈值进行比较，若绝对值大于或等于设定阈值，则认为未来会出现指标高峰或指标低谷，需要进行扩容或缩容操作；否则未来不会出现指标高峰或指标低谷。

5.根据权利要求4所述的一种基于Kubernetes集群的深度学习平台的弹性伸缩方法，其特征在于，还包括设置计时器与时间阈值；每执行一次扩容或缩容操作前，将计时器清零并重新开始计时，通过计时器记录扩容或缩容操作的间隔时间；

当未来会出现指标高峰或指标低谷时，若当前计时器的时间大于或等于时间阈值，则执行扩缩容操作，否则等待一段时间，使得当前计时器的时间大于或等于时间阈值，再进行扩缩容操作。