Page 24 - 网络电信2019年6月刊上

解 决 方 案

p的副本应部署在Node2上。很明显 Node2是更优选择，根据表 表 7 基于自学习机制学习得到的权重
三可知，Pod p是带宽型应用，大约需要占用3.5Gbps带宽，如
果部署到Node1，带宽资源仅剩余0.5Gbps，难以应对突发流
量。
4. 评价指标
（1）集群资源失衡度
对于Node i，各类资源利用率的标准差可以反映该Node资
源均衡状况。假设集群中有k台不同规格的Node，每个Node上有
m种资源。U(i,r)表示Node i资源r的利用率，Node i资源利用 录：
率标准差表示为： 2.实验结果与分析
在上述Kubernetes边缘云集群中，分别采用K8s原生调度算
法与本文提出的MSLB自学习调度算法，从集群资源均衡度、综
合资源利用率和调度合理率三个角度，对比两种算法在该场景
下的表现。
定义集群资源失衡度STD AVE =∑ i∈N STD AVE (i)/K，值越小，代 （1）集群资源失衡度
表集群中各类资源利用越均衡，资源倾斜的概率越小，从而使 集群资源失衡度变化曲线如图4所示，当Pod数量小于6000
得集群能够部署更多的容器。 时，集群负荷较低，WSLB机制与K8S原生调度机制的资源失衡度
（2）资源综合利用率 相差并不大，甚至有可能在某些特定的Pod需求下，略低于K8s
Node i的资源综合利用率为该Node各类资源利用率的均 原生调度机制，但当Pod数量大于6000，随着容器资源请求数量
值，定义集群资源综合利用率为所有Node资源综合利用率的平 继续上升，WSLB自学习得到的权重开始产生明显作用，WSLB的
均值，衡量了集群的资源是否得到充分利用。 资源失衡度明显优于K8s原生调度算法。由于WSLB考虑了四种资
（3）调度合理率 源的权重情况，降低了集群中Node出现某一资源用尽而其余资
如果将Pod p调度到Node i后，Node i的各类资源未触及资 源大量剩余的可能性，从而使得集群的资源使用失衡度整体下
源上限，那么此次调度结果是合理的。调度合理率是指对于请 降约10%，尤其是当Pod数量大于7000，集群资源饱和后，WSL失
求集合R，调度合理的比例。 衡度平均下降26.2%，体现了WSLB在集群资源饱和情况下可以有

四、实验分析 图 4 集群资源失衡度变化
1.实验环境
为验证本文提出的容器调度算法，本文基于墨尔本大学开
源的云计算仿真框架 ContainerCloudSim [20,21] 进行仿真，利用
该软件模拟一个包含30个Node的Kubernetes边缘云，每个Node
的资源信息表5所示。

表 5 Node 资源

本文基于边缘应用资源需求多样性、差异化的特点，按照
图 5 集群资源综合利用率
CPU倾向型、内存倾向型、存储倾向型、带宽倾向型以及标准无
倾向型5类应用资源请求构建了Pod资源需求，表6为部分Pod资
源需求。表7展示了WSLB对于上述Pod自动学习到的权重更新记

表 6 Pod 资源需求表

42 网络电信 二零二零年六月