基于改进秃鹰搜索算法的Kubernetes资源调度应用

Kubernetes是一个管理容器化应用的开源平台,?其默认的调度算法在优选阶段仅把CPU和内存两种资源来作为计算节点的评分指标,?同时还忽略了不同类型的Pod对节点资源的占用比例是不同的,?容易导致某一资源达到性能瓶颈,?从而造成节点对资源使用失衡.?针对上述问题,?本文在Kubernetes原有的资源指标基础上增加了带宽和磁盘容量,?考虑到CPU、内存、带宽和磁盘容量这4类资源在节点上的占用比例对节点的性能的影响,?可能造成Pod中应用的非正常运行,?甚至杀死Pod,?从而影响集群整体的高可靠性.?本文将等待创建的Pod区分为可压缩消耗型、不可压缩消耗型以及均衡型,?并为每种类型的Pod设置相应的权重,?最后通过改进的秃鹰搜索算法(TBESK)来寻找出最优节点进行调度.?实验结果表明,?随着集群中Pod的数量在不断增加,?在集群负载较大的情况下,?TBESK算法的综合负载标准差和默认的调度算法相比提升了24％.