[发明专利]基于神经网络的Kubernetes调度优化方法在审
| 申请号： | 201810578161.7 | 申请日： | 2018-06-07 |
| 公开（公告）号： | CN108874542A | 公开（公告）日： | 2018-11-23 |
| 发明（设计）人： | 强保华;赵兴朝;谢武;陶林;宁毅;莫烨;卢永全 | 申请（专利权）人： | 桂林电子科技大学 |
| 主分类号： | G06F9/50 | 分类号： | G06F9/50;G06F8/60;G06F8/20;G06N3/08 |
| 代理公司： | 广州市一新专利商标事务所有限公司 44220 | 代理人： | 滕杰锋 |
| 地址： | 541004 广西*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于神经网络的Kubernetes调度优化方法，所述方法包括预测模型的构建以及资源调配算法，通过循环神经网络对Kubernetes中Node节点的内存消耗量进行预测，预测出内存消耗量在未来一段时间的变化，并将内存消耗数据输入到资源调配算法当中计算出需要增加的实例个数，Kubernetes系统根据所得实例个数进行动态扩展，从而完成Kubernetes基于内存资源的动态伸缩功能。本发明可以解决Kubernetes的容器应用中内存资源消耗过高导致系统稳定性降低的问题。 | ||
| 搜索关键词： | 调度优化 神经网络 资源调配 消耗量 算法 内存 内存资源消耗 循环神经网络 系统稳定性 动态扩展 内存消耗 内存资源 容器应用 伸缩功能 预测模型 预测 构建 | ||
【主权项】：
1.一种基于神经网络的Kubernetes调度优化方法，所述方法包括如下步骤：（1）将预测模型加载到Kubernetes系统中；（2）采集数据并把数据输入到预测模型中；（3）根据预测模型结果结合资源调配算法进行资源的调度；所述预测模型的构建步骤为：（1）通过Java语言编写Web实例应用程序；（2）将应用打包成War放入Tomcat当中；（3）当带有War包的Tomcat通过Dockerfile写入Docker镜像中；（4）将定制的Docker镜像部署到Kubernetes当中；（5）采集实例应用的资源使用量并采集数据输入到训练模型中得到预测模型；所述资源调配算法步骤为：（1）系统初始化，根据应用资源需求设置节点的规格系数；（2）通过监控模块对系统负载信息进行收集；（3）计算节点的资源负载情况并将计算结果输入到不同的队列；（4）资源调度器根据负载情况进行资源调度，对高负载应用实例进行增加Pod副本数操作，对低负载应用实例进行减少Pod副本数操作。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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桂林电子科技大学，未经桂林电子科技大学许可，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/patent/201810578161.7/，转载请声明来源钻瓜专利网。
