本发明涉及云端资源调度,具体地,涉及一种基于云端资源调度方法、存储介质及设备。
背景技术:
1、目前调度算法处理一般是一个调度域管理多个集群,每个集群都有自己的调度算法,并支持多种调度算法的融合对接。同时,调度算法可以感知静态部署关系运行时的特征;此外,针对突发的大规模资源诉求,并且是确定性稳定性的活动,调度算法也需要提供支持。
2、但是现有技术很难在混合云海量业务并发时很好解决集群中资源调度分配。
技术实现思路
1、针对现有技术中存在的问题,本发明提供了一种基于云端资源调度方法、存储介质及设备。
2、为实现上述技术目的,本发明采用如下技术方案:一种基于云端资源调度方法,具体包括如下步骤:
3、步骤1、构建数据预处理分类模型,将海量混合云集群pod应用资源输入数据预处理分类模型中,生成pod应用资源的pareto最优解集;
4、步骤2、通过朴素贝叶斯分类法构建分类预测模型,将pod应用资源的pareto最优解集输入到分类预测模型中,预测出pareto最优解集中的pod应用资源属于各类资源调度的概率;
5、步骤3、构建预警模型,在预警模型中根据预选策略遍历所有node,筛选出符合要求的node列表,结合属于某类资源调度概率最大的pod应用资源,分配给相同业务特征的集群。
6、进一步地,所述数据预处理分类模型的构建过程为:
7、minf(x)=(f1(x),…,fp(x))t
8、其中,f1(x),…,fp(x)表示p个目标函数,使得目标f(x)达到最小,x表示满足约束条件的可行解,s表示由所有满足约束条件的解组成的集合,是其变量的约束集合,相应的目标可行域z=f(s),给定一个可行点x*∈s,有表示任一个,若f(x*)<f(x),则x*称为多目标规划问题的绝对最优解。
9、进一步地,所述pod应用资源的pareto最优解集包括:突发资源调度的pareto最优解集、抢占资源调度的pareto最优解集、固定资源调度的pareto最优解集。
10、进一步地,所述分类预测模型的构建过程为:
11、
12、其中,x为pareto最优解集中的pod应用资源的描述,ci为第i个资源调度,p(x)为x的先验概率,p(ci)为ci的先验概率,p(x|ci)为x是ci的概率,p(ci|x)为ci属于x的后验概率。
13、进一步地所述预警模型的构建过程为:
14、x(k+1)=x(k)×p
15、其中,x(k)表node在t=k时刻的状态向量,p表示一步转移概率矩阵,x(k+1)表示node在t=k+1时刻的状态向量。
16、进一步地所述预选策略包括:(1)cpu<60%,node状态正常,否则异常;
17、(5)内存<50%,node状态正常,否则异常;
18、(6)磁盘占用率<60%,node状态正常,否则异常;
19、(7)网络延迟<30%,node状态正常,否则异常。
20、进一步地,本发明还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序使计算机执行所述的基于云端资源调度方法。
21、进一步地,本发明还提供了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时,实现所述的基于云端资源调度方法。
22、与现有技术相比,本发明具有如下有益效果:本发明基于云端资源调度方法将生成的成pod应用资源的pareto最优解集输入到预测模型中,预测出pareto最优解集中的pod应用资源属于各类资源调度的概率,将属于某类资源调度概率最大的pod应用资源结合筛选出的node列表,分配给相同业务特征的集群。通过本发明基于云端资源调度方法在混合云海量业务并发时很好解决集群中资源调度分配,且提高了集群中资源调度的稳定性。
1.一种基于云端资源调度方法,其特征在于,具体包括如下步骤:
2.根据权利要求1所述的一种基于云端资源调度方法,其特征在于,所述数据预处理分类模型的构建过程为:
3.根据权利要求1所述的一种基于云端资源调度方法,其特征在于,所述pod应用资源的pareto最优解集包括:突发资源调度的pareto最优解集、抢占资源调度的pareto最优解集、固定资源调度的pareto最优解集。
4.根据权利要求1所述的一种基于云端资源调度方法,其特征在于,所述分类预测模型的构建过程为:
5.根据权利要求1所述的一种基于云端资源调度方法,其特征在于,所述预警模型的构建过程为:
6.根据权利要求1所述的一种基于云端资源调度方法,其特征在于,所述预选策略包括:
7.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序使计算机执行如权利要求1-6任一项所述的基于云端资源调度方法。
8.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时,实现如权利要求1-6任一项所述的基于云端资源调度方法。