10.3969/j.issn.2095-2163.2023.02.002
基于Kubernetes的资源调度策略研究与改进
针对Kubernetes默认调度策略在多Pod调度时无法考虑多任务调度过程的全局特征,导致无法保证集群整体负载均衡的问题,本文设计了一种优化的静态资源调度策略Ku-PSO,通过改进粒子群算法(PSO),提升集群负载均衡效率.首先,通过建立多Pod调度模型,以集群负载均衡度作为适应函数,并设置约束条件保证集群正常运行;其次,通过改进粒子群算法的惯性因子、个体学习因子和社会学习因子实现权值优化,使得粒子群在前期寻优过程中具有优秀的全局搜索能力,后期寻优过程中能够迅速收敛,应用于集群资源调度能够快速找出资源的最优分配方案.实验表明,使用Ku-PSO算法进行Kuber-netes资源调度较默认调度策略集群均衡度显著提升,较PSO算法可以有效减少部署时间,实现更优的均衡调度.
Kubernetes、资源调度、粒子群算法、权值优化、均衡调度
13
TP311.5(计算技术、计算机技术)
国家级大学生创新创业训练计划项目;浙江省教育厅一般科研项目;浙江省重点研发计划项目;国家自然科学基金
2023-02-27（万方平台首次上网日期，不代表论文的发表时间）
共6页
1-5,14
