论文部分内容阅读
随着IT技术的不断发展，基于容器的云资源共享泛型已成为大数据和人工智能基础设施的主要构造模式，其服务对象由7*24小时的服务类应用开始向服务类和批处理类应用混合场景转变，单纯利用服务类应用资源需求特征来实现资源高效使用的方法不再适用。不同任务的调度需求呈现出多样化特征，如批处理类任务执行周期短，优先级低，以应用性能为主要指标，关注数据的放置约束特性;服务类应用面向多租户场景，关注资源供给的公平性;批处理和服务类应用混合场景需保障服务应用具有较高的优先级。因此，如何构造支持高效调度决策的容器集群管理框架，满足对公平性、放置约束、优先级等多个目标的灵活支持，从而应对复杂多变的应用需求，是亟待解决的关键问题。 针对上述问题，本文基于容器构造集群调度框架，面向服务类和批处理类应用混合场景，支持公平性、放置约束、优先级三种调度目标，提出了一种基于最小费用最大流的容器集群调度方法，将任务的资源需求和物理资源供给问题转换成最小费用最大流图的构造和求解问题。首先，将公平性、优先级和放置约束三种调度目标从资源视角映射为图的构造问题，通过改变图的结构使其具备适应性调整能力。其次，针对图的求解时间复杂度高的问题，实现了一种增量式优化算法。最后，实现了原型系统。实验结果表明，本文方法与支持公平性、优先级和放置约束目标的典型系统进行相比，可通过按需配置，灵活支持多种调度目标，且可在大规模集群中有效降低调度延迟。