[发明专利]一种提升Kubernetes集群运行性能的方法、系统、设备及介质

说明书

本申请提供一种提升Kubernetes集群运行性能的方法、系统、设备及介质，本申请提出的方法可实现通过集群运行和应用运行数据上报后进行机器学习训练，得到的模型用于后续识别各种类型集群和应用的运行情况，以推荐更优的资源配置策略，并且结合ECK自动创建和调整Kubernetes集群配置的能力，通过生成的推荐配置策略下发到对应的Kubernetes集群进行调整，满足精准调整资源分配和容器及网络编排方式，使资源利用率最大合理化，可以让客户在ECK集群使用最低的成本享受运行性能更优的集群和应用运行体验。

技术领域

本申请涉及软件算法技术领域，尤其涉及一种提升Kubernetes集群运行性能的方法、系统、设备及介质。

背景技术

机器学习技术是一门多学科交叉专业技术，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时地模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。

数据分析策略生成技术，通过对参照数据的分析生成对应的配置策略，在本发明中，通过对Kubernetes集群和客户应用的运行性能的数据，生成推荐的资源和配置策略并应用。

然而，在现有的一些Kubernetes集群管理技术中，仅仅通过对集群或应用的监控进行资源配置的调整，效率相对低下，而且容易造成资源浪费和人工调整的工作量消耗。

在背景技术中公开的上述信息仅用于加强对本申请的背景的理解，因此其可能包含没有形成为本领域普通技术人员所知晓的现有技术的信息。

发明内容

本申请提供一种提升Kubernetes集群运行性能的方法、系统、设备及介质，用以解决现有技术存在的问题。

第一方面，本申请提供一种提升Kubernetes集群运行性能的方法，包括：

S1、上报Kubernetes集群和客户应用运行数据并进行筛选，筛选后进行数据清洗得到待训练数据和待识别数据；

S2、通过所述待训练数据以及机器学习算法，对初始模型进行训练，得到训练好的模型，所述训练好的模型包括至少两种不同的、根据各行业或者各种应用类型分类的运行模型；

S3、将所述训练好的模型和相关资源配置策略进行绑定；

S4、使用所述训练好的模型对所述待识别数据进行识别，得到各个模型的匹配度；

S5、根据所述各个模型的匹配度确定最佳匹配模型，并根据所述最佳匹配模型对应的资源配置策略进行Kubernetes集群的资源配置调整。

在一些实施例中，还包括：在ECK的Kubernetes集群在客户已允许和添加采集组件后，开始采集Kubernetes集群和客户应用运行数据。

在一些实施例中，数据清洗包括：检查数据一致性，处理无效值和缺失值。

在一些实施例中，根据所述各个模型的匹配度确定最佳匹配模型，包括：

根据所述各个模型的匹配度对各个模型进行打分，得到各个模型的推荐评分；

确定推荐评分最高的模型为所述最佳匹配模型。

第二方面，本申请提供一种提升Kubernetes集群运行性能的系统，包括：

数据管理模块，用于上报Kubernetes集群和客户应用运行数据并进行筛选，筛选后进行数据清洗得到待训练数据和待识别数据；

机器学习模块，用于通过所述待训练数据以及机器学习算法，对初始模型进行训练，得到训练好的模型，所述训练好的模型包括至少两种不同的、根据各行业或者各种应用类型分类的运行模型；将所述训练好的模型和相关资源配置策略进行绑定；