[发明专利]基于遗传算法的Pod调度方法及系统

说明书

本发明公开了基于遗传算法的Pod调度方法及系统，属于kubernetes集群调度技术领域，要解决的技术问题为如何克服对pod的调度时、由于node中CPU和内存比例失衡造成的资源浪费。如下步骤：确定目标pod的CPU需求量和内存需求量；基于kubernetes自身的过滤方法对所有node进行过滤，基于所有符合要求的node构建可调度node集合；计算node当前CPU和内存的比例值；将目标pod的CPU需求量和内存需求量之间的比值作为理想值，基于可调度node集合中每个node对应的比例值，通过遗传算法求解最优解的思想，选出与理想值最接近的比例值作为最优比例值。

技术领域

本发明涉及kubernetes集群调度技术领域，具体地说是基于遗传算法的Pod调度方法及系统。

背景技术

Kubernetes作为云计算的管理平台具有重大意义，随着云计算的不断发展，Kubernetes已经成为了云原生的基石。Kubernetes已经成为了大多数互联网公司进行简化运维的利器，是云计算服务的重要支撑技术。目前，Kubernetes中对pod的调度分为两步来完成的，第一步是过滤，第二步是打分。对于过滤：选择满足预设条件的node，比如CPU，内存资源是否满足，标签是否符合等，将不符合条件的node剔除掉。对于打分：是对通过过滤的node进行打分，最后选择分数最高node，如果最高分有相同的，则在最高分的node中随机选取一个。Kubernetes本身的评分算法如下：

score＝(cpu((capacity-sum(requested))10/capacity)+

memory((capacity-sum(requested))10/capacity))/2

score表示评分的结果，cpu表示CPU剩余总量，capacity表示对应资源的初始最大值，sum(requested)表示对应资源当前已经分配的资源总和。

采用默认的调度算法进行pod调度时，主要的考虑因素是CPU和内存两者总和值的大小，没有考虑一个节点中，可能出现CPU剩余量很少，但是内存剩余很多，或者CPU剩余量较多，但是内存剩余很少的情况，导致资源的浪费。

如何克服对pod的调度时、由于node中CPU和内存比例失衡造成的资源浪费，是需要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供基于遗传算法的Pod调度方法及系统，来解决如何克服对pod的调度时、由于node中CPU和内存比例失衡造成的资源浪费的技术问题。

第一方面，本发明的一种基于遗传算法的Pod调度算法，基于遗传算法求解最优解的思想，在Kubernetes的pod调度中，选出CPU和内存之间比例值满足理想值的node作为最优node，所述方法包括如下步骤：

确定目标pod的CPU需求量和内存需求量；

基于kubernetes自身的过滤方法对所有node进行过滤，基于所有符合要求的node构建可调度node集合；

对于可调度node集合中每个node，基于所述node当前CPU剩余量与目标pod的CPU需求量之间的差值以及所述node当前内存剩余量与目标pod的内存需求量之间的差值，计算所述node当前CPU和内存的比例值，记为所述node的比例值；

将目标pod的CPU需求量和内存需求量之间的比值作为理想值，基于可调度node集合中每个node对应的比例值，通过遗传算法求解最优解的思想，选出与理想值最接近的比例值作为最优比例值，将所述最优比例值对应的node作为最优node。

作为优选，通过遗传算法求解最优解的思想，选出与理想值最接近的比例值作为最优比例值，包括如下步骤：