基于改进遗传算法的容器云调度方法
Container Cloud Scheduling Method Based on Improved Genetic Algorithm with Resource Constraints
陈红华 1程传奇 2崔翛龙 2张敏3
作者信息
- 1. 中国人民武装警察部队工程大学教育部重点实验室 西安 710086;中国人民武装警察部队工程大学信息工程学院 西安 710086
- 2. 中国人民武装警察部队工程大学教育部重点实验室 西安 710086
- 3. 中国人民武装警察部队工程大学教育部重点实验室 西安 710086;中国人民武装警察部队工程大学教研保障中心学报编辑部 西安 710086
- 折叠
摘要
容器云是一种应用级虚拟化技术,成为云计算环境下解决应用轻量级部署的趋势,容器云环境中资源的有效调度和管理是一个复杂且具有挑战性的问题.针对现有容器调度算法未平衡多目标问题和现有容器编排平台内置算法性能低等问题,提出基于改进遗传算法的容器云调度的方法.以遗传算法为基本方法,在资源约束条件下,通过改进种群初始方式、采用多种选择操作、设计自适应的交叉变异概率和优化目标函数来提升遗传算法在解决大规模任务调度问题时的性能,有效解决容器云环境下的资源利用率不高的问题,通过实验对比分析,在收敛速度、CPU与Menory负载均衡以及单位时间任务量等方面得到提升.该方法对容器云环境下的资源调度优化问题提供新的解决方案.
Abstract
Container cloud is a trend to solve lightweight deployment of applications,and its resource scheduling problem is a key technical challenge.Container cloud scheduling method based on improved genetic algorithm with resource constraints is pro-posed to address the issues of multiple imbalanced multi-objective problems in existing container scheduling algorithms and low per-formance of built-in algorithms in existing container choreography platforms.Genetic algorithm is used as the basic method,under resource constraints,the performance of genetic algorithm in solving large-scale task scheduling problems is improved by improving the initial population mode,adopting multiple selection operations,designing adaptive crossover and mutation probabilities,and optimizing objective functions.This method effectively solves the problem of low resource utilization in container cloud environ-ments,achieving CPU and Memnory load balancing and increasing task volume per unit time.
关键词
容器云/资源调度/遗传算法/资源约束/负载均衡Key words
container cloud/resource scheduling/genetic algorithm/resource constraints/load balancing引用本文复制引用
基金项目
某类研究生课题(JYWJ2023A0001)
武警工程大学基础研究基金项目(WJY202239)
武警工程大学科研创新团队项目(KYTD201807)
出版年
2024
国家科技期刊平台
NSTL
万方数据