面向SLA的容器云弹性资源调度方法研究

摘要

随着容器虚拟化技术的发展，云平台中基于容器打包部署应用成为了新的发展趋势。在拥有大规模应用且负载动态变化的容器云中，有效弹性的管理调度云资源，满足用户服务等级协议(Service-Level Agreement，SLA)，提高平台资源利用率是当前的研究热点之一。 分析发现现有的容器云资源调度方案大多基于手动或阈值反馈的方法来进行静态/半动态资源调整，易造成SLA违约或资源浪费。为此，设计了面向SLA的弹性资源调度方案，该方案采用周期性主动预测弹性调整的调度机制，设置了调度时间间隔，周期性预测应用负载的实时变化，主动触发弹性资源调度。给出了基于误差权重组合的应用负载预测模型，能预测应用近期工作负载变化趋势，结合应用负载的预测值对其所在容器弹性扩缩容，避免负载突变导致的调度不及时情况；设计了面向SLA容器弹性资源分配算法(Container Elasticity Resource Allocation,CERA)，将具体的SLA指标映射到容器资源分配中，使容器资源分配量适应应用负载波动，按需分配同时满足用户SLA；设计了基于均衡使用资源类型的容器放置算法(Balanced Resource type Container Placement Algorithm,BRCPA)，使容器到物理资源池的放置既能从用户角度出发，满足容器的放置需求，又可以从云提供商角度出发，提高资源利用率，降低数据中心能耗。 通过CloudSim云平台进行仿真实验，结果显示：基于误差权重组合的应用负载预测模型提升了预测准确度，超过ARIMA、ANN神经网络等预测模型；使用CERA算法弹性伸缩容器资源，容器的资源分配量可以随应用负载按需分配，并满足用户SLA，同时，与资源预留的容器分配方法相比，可大大节省资源；而BRCPA的容器放置算法，相比于最轻负载和首次适应的放置方法，物理主机资源利用率明显提高，数据中心能耗也有降低。

目录

第一个书签之前