(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211367716.6 (22)申请日 2022.11.03 (71)申请人 成都盛思睿信息技 术有限公司 地址 610094 四川省成 都市自由贸易试验 区成都高新区府城 大道西段399号8栋 10层6号 申请人 贵州海誉科技股份有限公司 (72)发明人 李凡　牛新征　黄明峰　王流一　 许佳　郑云红　罗涛　 (51)Int.Cl. G06F 9/455(2006.01) G06F 9/50(2006.01) G06K 9/62(2022.01) (54)发明名称 资源受限状态下的Kubernetes Pod弹性扩 缩容方法 (57)摘要 本 发 明 公 开 了 资 源 受 限 状 态 下 的 Kubernetes  Pod弹性扩缩容方法。 所述方法包 括： 获取Kubernetes集群的资源指标数据， 对资 源指标数据进行清洗， 得到清洗后资源指标数 据； 将清洗后当前资源指标数据输入Softmax分 类模型， 得到未来资源需求情况； 构建集群弹性 扩缩容指标计算公式， 计算集群弹性扩缩容指 标； 结合未来资源需求情况、 集群弹性扩缩容指 标和集群资源状态， 得到 Kubernetes  Pod的弹性 扩 缩 容 策 略 。通 过 上 述 方 式 ， 本 发 明 在 Kubernetes集群的容器调度单元Pod弹性扩缩 容 策略中， 考虑了资源受限状态下的执行方案， 使 本发明适配Kubernetes集群可能出现的资源受 限状态。 权利要求书3页 说明书8页 附图3页 CN 115469974 A 2022.12.13 CN 115469974 A 1.资源受限状态下的Kubernetes  Pod弹性扩 缩容方法， 其特 征在于， 所述包括： S1： 获取容器编排工具Kubernetes集群的资源指标数据， 所述资源指标数据包括： 历史 资源指标 数据和当前资源指标 数据； S2： 对所述资源指标数据进行清洗， 得到清洗后资源指标数据， 清洗后资源指标数据包 括： 清洗后历史资源指标 数据和清洗后当前资源指标 数据； S3： 构建Softmax分类模型， 用于预测未来资源需求情况， 所述未来资源需求情况包括： 稳定、 增加、 减少、 资源过剩和资源瓶颈； S4： 将清洗后当前资源指标 数据输入Softmax分类模型， 得到未来资源需求情况； S5： 构建集群弹性扩 缩容指标计算公式， 计算 集群弹性扩 缩容指标； S6： 结合所述未来资源需求情况、 集群弹性扩缩容指标和集群资源状态， 得到 Kubernetes  Pod的弹性扩 缩容策略， 所述 集群资源状态包括： 资源受限和资源充足。 2.如权利要求1所述的资源受限状态下的Kubernetes  Pod弹性扩缩容方法， 其特征在 于， 所述S1， 包括： 所述历史资源指标数据， 包括： 集群连接数、 磁盘读写情况、 CPU利用率、 网络延迟情况、 可用的容器调度单 元Pod数量、 前五次非稳定结果发生时间； 所述当前资源指标数据， 包括： 集群连接数、 磁盘读写情况、 CPU利用率、 网络延迟情况， 可用的容器调度单 元Pod数量、 历史最近一次非稳定结果发生时间。 3.如权利要求1所述的资源受限状态下的Kubernetes  Pod弹性扩缩容方法， 其特征在 于， 所述S2， 包括： 所述清洗， 是指对资源指标数据进行空值填充， 对空值填充后的资源指标数据按照 时 间段进行分组 聚合； 最后对分组 聚合后的一个时间段内的指标数据进 行时间序列化和归一 化后得到清洗后资源指标 数据； 所述一个时间段， 时长优选为5分钟。 4.如权利要求1所述的资源受限状态下的Kubernetes  Pod弹性扩缩容方法， 其特征在 于， 所述S3， 包括： 所述构建Softmax分类模型， 是将所述清洗后历史资源指标数据分为训练集和测试集， 分别对所述Softmax分类模型进行训练和预测； 所述Softmax分类模型， 分类标签包括： 稳定、 增 加、 减少、 资源过剩和资源瓶颈 。 5.如权利要求1所述的资源受限状态下的Kubernetes  Pod弹性扩缩容方法， 其特征在 于， 所述Softmax分类模型的具体 计算公式为： 其中， 为第i个清洗后历史资源指标数据的预测函数， 为输入资源特征， 为类标签， 是模型参数的行向量矩阵， 对每个清洗后历史资源指标数据， 估计其所属权　利　要　求　书 1/3 页 2 CN 115469974 A 2类别概率 ， 为特征 的分类权重， 是对概率分 布进行归一 化， 使 属于每个类别概率之和为1， k 为类别的整数个数； 所述Softmax分类模型的损失函数为： 其中， m代表样本数， k代表类别数， c表示包含c类的实例的分类任务， 表示类别权 重， 是样本特 征和类别权 重、 尺度因子、 边距因子的点积。 6.如权利要求1所述的资源受限状态下的Kubernetes  Pod弹性扩缩容方法， 其特征在 于， 所述S5， 包括： 所述计算集群弹性扩缩 容指标Ela， 包括： 集群 连接数 、 磁盘读写情况 、 网络延迟情 况 、 CPU利用率 、 可用的容器调度单 元Pod数量 ， 所述计算公式为： 其中， Ela指集群弹性扩缩容指标， 其中 ， Ela的取 值范围为[0,1]， 其中， 参数可以根据不同集群重要性进行调 整。 7.如权利要求1所述的一种资源受限状态下的Kubernetes  Pod弹性扩缩容方法， 其特 征在于， 所述S6， 包括： 所述弹性扩 缩容策略， 包括： 当未来资源需求情况为稳定、 集群资源状态为资源充足、 集群弹性扩缩容指标Ela>0.6 且CPU利用率δ>0.6时， 对容器调度单元Pod进行扩容， 若集群弹性扩缩容指标Ela  <0.3且 CPU利用率 δ< 0.3时， 对容器调度单 元Pod进行缩容， 其 他情况则保持不变； 当未来资源需求情况为增加、 集群资源状态为资源充足、 集群弹性扩缩容指标Ela  > 0.5且CPU利用率 δ >0.5时， 对容器调度单 元Pod进行扩容， 其 他情况则保持不变； 当未来资源需求情况为减少， 不考虑集群资源状态， 集群弹性扩缩容指标Ela  <0.5且 CPU利用率 δ< 0.5时， 对容器调度单 元Pod进行缩容， 其 他情况则保持不变； 当未来资源需求情况为资源过剩， 不考虑集群资源状态， 对容器调度单元Pod进行缩权　利　要　求　书 2/3 页 3 CN 115469974 A 3