[发明专利]基于粒子群优化的Docker容器调度方法在审
申请号: | 201810705833.6 | 申请日: | 2018-07-02 |
公开(公告)号: | CN109062657A | 公开(公告)日: | 2018-12-21 |
发明(设计)人: | 陈建新;李连万;周亮;闫午阳 | 申请(专利权)人: | 南京邮电大学 |
主分类号: | G06F9/455 | 分类号: | G06F9/455;G06F9/50;G06F9/48;G06N3/00 |
代理公司: | 南京苏科专利代理有限责任公司 32102 | 代理人: | 姚姣阳 |
地址: | 210003 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 适应度函数 粒子 粒子群算法 调度 粒子群优化 粒子编码 模拟退火 集群 随机初始化 种群初始化 自然数编码 迭代更新 负载均衡 停止条件 粒子群 问题解 最优解 更新 应用 | ||
1.一种基于粒子群优化的Docker容器调度方法,其特征在于,包括如下步骤:
S1、粒子编码步骤,将粒子群算法应用到Docker容器的调度中,通过自然数编码,将粒子群中的粒子编码长度与容器的任务相对应;
S2、种群初始化步骤,在问题解空间内随机初始化NP个粒子的位置和速度,设定粒子群算法参数;
S3、适应度函数步骤,使用适应度函数评价粒子的好坏,粒子以适应度函数大小为目标,不断迭代更新,直至满足停止条件,随后根据适应度函数的结果,更新每个粒子的粒子最优值和所有粒子的总体最优值;
S4、模拟退火步骤,对已更新的粒子最优值和总体最优值进行模拟退火,避免粒子群算法陷入局部最优解。
2.根据权利要求1所述的基于粒子群优化的Docker容器调度方法,其特征在于,所述S1粒子编码步骤,包括如下操作:
设有m个任务,一个任务对应于一个Docker容器,Docker集群中有n个节点资源,则粒子可编码为n为向量,表达式为,
P={p1,p2,…pi…,pm},
其中,1≤pi≤n,粒子的每一维坐标均表示一个Docker容器的编号,每个Docker容器均有一个任务,任意一维分量pm表示分配给此容器的资源号。
3.根据权利要求1所述的基于粒子群优化的Docker容器调度方法,其特征在于,所述S2种群初始化步骤,包括如下操作:
设种群规模为NP,对m个任务在n个资源节点上进行调度,种群初始化时系统随机产生NP个粒子,每个粒子的位置均由向量P表示,第i个粒子的表达式为,
pi={pi1,pi2,…,pij,…,pim},
其中,1≤pij≤n表示任务j分配到第pij号节点上,pij初始化为(1,n)之间的随机整数,
第i个粒子的速度由向量v表示为,
vi={vi1,vi2,…,vij,…,vim},
其中,1≤i≤NP,-n≤vij≤n,vij初始化为(-n,n)之间的随机数。
4.根据权利要求1所述的基于粒子群优化的Docker容器调度方法,其特征在于,所述S3适应度函数步骤,包括如下子步骤:
S31、利用节点的CPU使用率对服务等级协议进行评价;
S32、利用剩余资源利用率对资源使用率进行评价;
S33、依据对目标优化的要求设定相应的权值,获得综合适应度函数。
5.根据权利要求4所述的基于粒子群优化的Docker容器调度方法,其特征在于,S31中所使用的基于CPU使用率的服务等级协议评价函数的表达式为:
其中,Ucpu为节点的CPU使用率,p为规定保证服务等级协议的阈值范围。
6.根据权利要求4所述的基于粒子群优化的Docker容器调度方法,其特征在于,S32中所使用的剩余资源利用率函数的表达式为:
其中,Ri为第i维剩余资源,Rmin为剩余资源的最小值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810705833.6/1.html,转载请声明来源钻瓜专利网。