计算机工程

作者：李俊俊, 董建刚, 李坤

单位：新疆大学软件学院, 新疆 乌鲁木齐 830091

关键词：Kubernetes工具,容器编排,集群节能,时间序列预测,GC-TimesNet模型,卷积神经网络,注意力机制,节能减排

在Kubernetes中, HPA具备自动扩展Pod的能力, 它可以根据流量的波动情况, 在高峰时增加Pod数量以应对需求, 而在低谷时减少数量以节省资源。然而, 由于HPA是根据当前Pod的性能指标来进行扩展的, 当流量激增时, 可能会对应用服务的可用性产生不利影响, 并且当压力较小时, 算力资源的空载会导致电子资源的浪费。针对上述问题, 研究并验证一种基于时序预测的集群资源自动缩放与智能休眠唤醒策略, 使用GC-TimesNet模型对集群资源的使用情况进行预测。当资源利用率较低时, 计算出需要关闭的算力节点数量, 将这些节点设置为不可调度状态, 并驱逐节点现有的Pod, 然后将这些机器置于睡眠状态。相反, 当资源需求增加时, 会唤醒足够数量的机器, 并通过HPA控制器增加所需数量的Pod副本。实验结果表明, 该策略能够较为准确地预测集群负载的变化趋势, 结合实施智能的休眠与唤醒策略, 提升优化集群的运维管理能力, 最大程度地提高计算资源的利用率, 为降低集群能源开销提供数据支撑, 实现节能减排。

来源：2024年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第9期