[发明专利]一种面向多层服务的容器云资源调度优化方法

权利要求书

1.一种面向多层服务的容器云资源调度优化方法，其特征在于：该方法包括如下的步骤，

第一步，根据需求构建由多个异构容器构成的容器云架构；

第二步，云服务提供商在容器云中的整体收益函数为：

Profit(C)＝Revenue(C)-Cost(C)

其中，C为容器配置方案，N为容器云中部署的多层服务的个数，M为多层服务的服务层数，τ为单位时间长度，i为多层服务的序数，j为每个服务层数的序数，k为每个请求类型的序数；为在τ时间内请求k在多层服务i的总任务到达率，为在τ时间内请求k在多层服务i中的平均响应时间，R_i，k为请求k在多层服务i中SLA约定的响应时间，α_i，k为请求k在多层服务i中SLA约定的响应超时率，β_i，k为请求k在多层服务i中的单位请求惩罚，为τ时间内请求k在多层服务i中响应超时的请求数；c_{i，j，k，w}为请求k在第i个多层服务第j层的w类容器上执行的单位消耗费用；

实际中的消耗根据使用实际容器消耗费用计算，其中，为τ时间内多层服务系统i中j层容器w的数量，在τ时间内w容器的单位满负荷消耗费用，为在τ时间内多层服务i中j层容器w的使用率即CPU使用率；

第三步，根据排队论提供多层服务下各层服务的具体响应时间；其中，多层服务系统中0层所运行的为n_i，0个任务调度器，当请求k以λ_i，k，0的请求到达率到达时，每个调度器以μ_i，k，0请求分配处理率进行处理，调度器中存在的请求个数u的概率p_u如下：

p₀为调度器空闲的概率，ρ_i，k，0为λ_i，k，0/μ_i，k，0；

调度器层的平均响应时间r_i，k，0为：

多层服务i的第1层到第M_i层为根据用户部署的具体处理请求服务层，每层的多个服务实例相同，对应的容器处理能力相同，每层的请求到达率为λ_i，k，j，取决于k类请求在多层服务i中j-1层请求需要访问j层的概率p_i，k，j-1，即：

对于每一请求服务层j，每一个具体处理容器为一个M/G/1模型，具体的：

λ_i，k，j＝p_i，k，j-1·λ_i，k，j-1＝n_i，jλ_{i，k，j，w}

其中，R_{i，k，j，w}为k类请求在多层服务i中第j层每个容器节点w的平均响应时间，μ_{i，k，j，w}为多层服务i中第j层每个容器节点w对k类请求的处理率，λ_{i，k，j，w}为多层服务i第j层每个容器节点w的k类请求到达率；

通过对容器云中调度器和具体服务容器响应时间的把握，得到多层服务i中对k类请求的平均响应时间的计算方式：

进一步得到整体的收益模型优化形式转化为：

Max{Profit(C)}

n_i，jμ_{i，k，j，w}＞λ_i，k，j

第四步，获取资源优化配置方案的方法是：以混沌映射的方式初始化蝙蝠种群在解空间的位置和速度，设定其它相关参数包括最大音量、最大脉冲发生率、搜索脉冲频率范围和最大迭代次数等；更新每个个体的搜索脉冲频率、速度和位置；采用均匀分布生成随机数，如果该随机数大于对应蝙蝠的脉冲发生率，则对当前最优解进行随机扰动，为该蝙蝠产生一个新解并进行越界处理；按照均匀分布生成随机数，如果该随机数小于对应蝙蝠的音量且当前的解为更优解，则接受该新解则更新该蝙蝠的脉冲发生率和音量；对所有蝙蝠的适应度值进行排序，找出当前的最优解和最优适应度值；以此循环，直到达到设定的最大迭代次数，此状态下的最优解即为能够最大化提供商的收益并满足响应要求的资源配置策略。