[发明专利]一种基于自动学习的云容器资源调度方法及系统

说明书

本发明提供了一种基于自动学习的云容器资源调度方法及系统，对多个不同的云容器进行连接使各云容器的资源调度相互连通，在多个不同的日期记录各个云容器在一天内各小时的内存占用分布作为训练数据集，使用训练数据集来训练自动学习模型预测各个云容器在下一时刻的内存占用分布作为内存占用预测分布，在得到内存占用预测分布后计算各个云容器的优选值，根据各个云容器的优选值对各个云容器的资源进行调度，实现了自动根据云容器数据存储的改变自动调度各个云容器的初始资源存储容量并高效节省了资源调度时间成本的有益效果，大幅度提升了云容器集群的资源使用效率。

技术领域

本发明属于分布式计算领域，具体涉及一种基于自动学习的云容器资源调度方法及系统。

背景技术

云容器是一种基于分布式计算的数据存储方式，可以有效地将大规模数据并行地存储于以多个不同的云容器组成的数据存储系统中。以云容器作为节点，可以有效变动每个节点的存储数据量，使各个节点动态根据当前的数据存储的内存增幅波动进行变动。自动学习AutoML可以使用自动化的数据驱动算法对已有的数据进行自动的数学建模并进行快速的预测，使用自动学习算法能够预测出各个云容器在当前时刻的下一时刻的内存占用分布，高效节省了时间成本。

发明内容

本发明的目的在于提出一种基于自动学习的云容器资源调度方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

本发明提供了一种基于自动学习的云容器资源调度方法及系统，将多个不同的云容器进行连接使各云容器的资源调度相互连通，在多个不同的日期记录各个云容器在一天内各小时的内存占用分布作为训练数据集，使用训练数据集来训练自动学习模型预测各个云容器在下一时刻的内存占用分布作为内存占用预测分布，在得到内存占用预测分布后计算各个云容器的优选值，进而根据各个云容器的优选值对各个云容器的资源进行调度。

为了实现上述目的，根据本发明的一方面，提供一种基于自动学习的云容器资源调度方法，所述方法包括以下步骤：

S100，对多个不同的云容器进行连接，使各云容器的资源调度相互连通；

S200，在多个不同的日期，记录各个云容器在一天内各小时的内存占用分布作为训练数据集；

S300，使用训练数据集来训练自动学习模型预测各个云容器在下一时刻的内存占用分布作为内存占用预测分布；

S400，在得到内存占用预测分布后，计算各个云容器的优选值；

S500，根据各个云容器的优选值，对各个云容器的资源进行调度。

进一步地，在S100中，对多个不同的云容器进行连接，使各个云容器的资源调度相互连通的方法为：

将多个不同的云容器进行连接组成一个云容器集群，其中每个云容器的云容器各不相同，云容器集群中各云容器的资源调度相互连通，即云容器集群中各云容器的内存容量能在云容器集群中互相转移与互相交换；

记云容器集群为Cluster，记云容器集群中云容器的数量为n，云容器集群中云容器的序号为i，i∈[1,n]，云容器集群中序号为i的云容器记作Cluster(i)。

进一步地，在S200中，在多个不同的日期，记录各个云容器在一天内各小时的内存占用分布作为训练数据集的方法为：