技术特征：
1.一种容器化服务调度框架，其特征在于：包括，用户请求通过主节点的api网关进行语义分析及转发；对解析出的实际操作对象进行创建及调度，所有对象存入键值数据库当中；额外的控制器进程对集群中对象进行健康监视；基于kubenetes中的hpa水平扩容控制器，实现动态资源调度，水平扩容控制器通过指标聚合器将第三方工具收集到的指标数据进行聚合，从而将指标用于弹性调度算法，计算弹性资源调度的最优方案，并进行动态扩容，扩容具体流程：创建hpa水平扩容控制器资源；设置控制管理器的周期；运行应用实例，收集资源使用情况；对容忍度进行考量。2.如权利要求1所述的容器化服务调度框架，其特征在于：主节点作为整个集群的控制中心，主要负责资源的分配、调度及回收，所有从节点被用作资源池，作为主节点的划分对象。3.如权利要求2所述的容器化服务调度框架，其特征在于：所有节点采用虚拟机，多虚拟机保证节点的可用性，整个架构中的所有节点，均通过docker引擎作为容器运行。4.如权利要求3所述的容器化服务调度框架，其特征在于：集群存储采用分布式数据库etcd，以高可用的键值存储方式保存元数据以及所有资源的期望状态和当前状态。5.如权利要求1～4任一项所述的容器化服务调度框架的弹性调度算法，其特征在于：在标注蚁群算法的基础上，对于信息素的初始化、更新，以及启发因子的设置等进行优化改进，以达到目标任务以及适应边缘计算环境下的要求。对边缘节点的负载均衡性采用负载不均衡度来度量，该值在0到1之间取值，该值越小则表示边缘节点的任务的负载分布越均匀，系统的整体性能越高。具体表示为：其中，分别表示边缘节点i(i＝1,
…
,n)对于cpu、gpu、内存的使用率；分别表示整体边缘节点对于cpu、gpu、内存的平均使用率。6.如权利要求5所述的容器化服务调度框架的弹性调度算法，其特征在于：启发式因子用η
ij
，主要表示的是任务i布置在边缘节点j的期望强度，η
ij
的值越大则任务布置在该节点的可能性也越大：其中，q为任意常数，则可以定义为等待分配的任务对于所需求的资源与节点空闲资源之间的余弦相似度，相当于是任务i与节点j之间的相似程度用二者之间的夹角表示；夹角越小，则代表着二者之间的相似程度越高，任务分配在该节点的可能性也越高：
其中，a表示边缘节点可以为任务提供的资源种类的个数(以cpu、gpu、内存三种资源为需求资源)；为边缘节点i的第a种资源的空闲量；为任务j的第a种资源的需求量。7.如权利要求6所述的容器化服务调度框架的弹性调度算法，其特征在于：任务与节点之间的分配为多对一的映射关系，在任务的分配中保证任务对于每一种资源的需求量都应该小于节点空闲的资源量，通过对比任务对cpu、gpu、内存的需求和节点可利用资源进行对比防止将任务分配在资源不足的节点上面，即：比防止将任务分配在资源不足的节点上面，即：比防止将任务分配在资源不足的节点上面，即：的使用量；分别表示边缘节点i关于cpu、gpu、内存的可使用量。8.如权利要求7所述的容器化服务调度框架的弹性调度算法，其特征在于：初始蚁群算法的信息素更新对于全部的路径挥发，这样会导致经常未走过的节点的信息素会越来越低甚至趋近于零。所以，对于没有走过的路径不进行挥发，具体更改如下：趋近于零。所以，对于没有走过的路径不进行挥发，具体更改如下：其中，ρ表示信息素的挥发因子，1-ρ表示信息素的残留因子。若δτ
ij
＝0则表示该任务没有分配在该节点上面。9.如权利要求8所述的容器化服务调度框架的弹性调度算法，其特征在于：算法总体流程：输入：边缘节点集合pm＝{pm1,pm2,
…
,pmn}，任务需求集合tn＝{tn1,tn2,
…
,tnn}，信息素启发因子α，期望启发因子β，信息素挥发率ρ等初始需求。输出：最优的任务分配方案和负载不均衡度。10.如权利要求9所述的容器化服务调度框架的弹性调度算法，其特征在于：初始化蚂蚁个数antnum并且按照任务提交的顺序将任务的需求资源附加在每一个任务上；随机将n个携带着任务需求的蚂蚁分配在随机节点上面，计算第k只蚂蚁将任务i分配在节点j的概率；
第k只蚂蚁完成所有的任务分配之后，对所分配的节点进行局部更新；完成该蚂蚁的部署之后计算该分配方案的负载不均衡度，并与历史记录对比并记录最优分配方案和最小负载不均衡度；判断所有的蚂蚁是否全部结束；判断是否满足迭代次数或者满足了预先设置的负载均衡度，算法迭代结束返回最优路径解，否则，重新计算第k只蚂蚁将任务i分配在节点j的概率。
技术总结
本发明公开了一种容器化服务调度框架及弹性调度算法，包括用户请求通过主节点的API网关进行语义分析及转发；对解析出的实际操作对象进行创建及调度，所有对象存入键值数据库当中；额外的控制器进程对集群中对象进行健康监视。本发明整合Docker容器技术、Kubenetes容器管理技术，提出一种基于容器技术的电力物联网边缘侧服务调度框架，以及在基于容器技术的电力物联网边缘侧服务调度框架下，为了弥补电力物联网边缘侧服务调度算法的不足，在标注蚁群算法的基础上，对于信息素的初始化、更新，以及启发因子的设置等进行优化改进,设计一种基于蚁群算法的弹性资源动态调度算法，实现边缘端任务分配的负载均衡，让有限的边缘资源发挥最大的功效。最大的功效。最大的功效。
技术研发人员：曾纪钧 龙震岳 张小陆 梁哲恒
受保护的技术使用者：广东电网有限责任公司
技术研发日：2021.12.09
技术公布日：2022/5/17