本發(fā)明涉及資源調(diào)度，特別涉及一種基于免疫算法的資源調(diào)度方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、免疫算法是一種模擬生物免疫系統(tǒng)機(jī)制的計(jì)算方法，它借鑒了生物體免疫系統(tǒng)中抗體與抗原之間的相互作用原理。在生物免疫系統(tǒng)中，抗體能夠識(shí)別并中和外來(lái)的抗原(如病毒、細(xì)菌等)，這一過(guò)程涉及到抗體的產(chǎn)生、選擇、克隆和變異等生物學(xué)現(xiàn)象。免疫算法將這些生物學(xué)原理抽象為算法操作，用于解決優(yōu)化問(wèn)題。

2、在資源調(diào)度領(lǐng)域，特別是在視頻中臺(tái)的應(yīng)用場(chǎng)景中，視頻監(jiān)控和圖像處理任務(wù)日益增多，對(duì)計(jì)算資源的需求也隨之攀升。在資源的實(shí)際分配過(guò)程中，如何在有限資源的情況下實(shí)現(xiàn)對(duì)資源進(jìn)行更優(yōu)分配，提高資源利用率和系統(tǒng)吞吐量是一個(gè)亟需解決的問(wèn)題。鑒于上述存在的問(wèn)題，本案發(fā)明人對(duì)該問(wèn)題進(jìn)行深入研究，遂有本案產(chǎn)生。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問(wèn)題，在于提供一種基于免疫算法的資源調(diào)度方法、裝置、設(shè)備及介質(zhì)，能夠在有限資源的情況下實(shí)現(xiàn)對(duì)資源進(jìn)行更優(yōu)分配，提高資源利用率和系統(tǒng)吞吐量。

2、第一方面，本發(fā)明提供了一種基于免疫算法的資源調(diào)度方法，所述方法包括如下步驟：

3、將資源調(diào)度任務(wù)所需的所有k8s?pod集合映射到工作節(jié)點(diǎn)集合，從而構(gòu)建出目標(biāo)策略矩陣；

4、根據(jù)所述目標(biāo)策略矩陣構(gòu)建出pod節(jié)點(diǎn)親和度目標(biāo)函數(shù)，以及構(gòu)建出資源損失率目標(biāo)函數(shù)；

5、定義對(duì)pod進(jìn)行資源調(diào)度的目標(biāo)函數(shù)和約束條件，采用帕累托最優(yōu)前沿構(gòu)建資源調(diào)度目標(biāo)模型；將抗原定義為優(yōu)化問(wèn)題，抗體定義為問(wèn)題解，抗原個(gè)數(shù)為優(yōu)化子目標(biāo)個(gè)數(shù)，定義出免疫算法中抗體的適應(yīng)度計(jì)算、抗體濃度計(jì)算和抗體變異概率，并采用免疫算法對(duì)資源調(diào)度目標(biāo)模型進(jìn)行求解。

6、第二方面，本發(fā)明提供了一種基于免疫算法的資源調(diào)度裝置，所述裝置包括矩陣構(gòu)建模塊、目標(biāo)函數(shù)構(gòu)建模塊以及資源調(diào)度模塊；

7、所述矩陣構(gòu)建模塊，用于將資源調(diào)度任務(wù)所需的所有k8s?pod集合映射到工作節(jié)點(diǎn)集合，從而構(gòu)建出目標(biāo)策略矩陣；

8、所述目標(biāo)函數(shù)構(gòu)建模塊，用于根據(jù)所述目標(biāo)策略矩陣構(gòu)建出pod節(jié)點(diǎn)親和度目標(biāo)函數(shù)，以及構(gòu)建出資源損失率目標(biāo)函數(shù)；

9、所述資源調(diào)度模塊，用于定義對(duì)pod進(jìn)行資源調(diào)度的目標(biāo)函數(shù)和約束條件，采用帕累托最優(yōu)前沿構(gòu)建資源調(diào)度目標(biāo)模型；將抗原定義為優(yōu)化問(wèn)題，抗體定義為問(wèn)題解，抗原個(gè)數(shù)為優(yōu)化子目標(biāo)個(gè)數(shù)，定義出免疫算法中抗體的適應(yīng)度計(jì)算、抗體濃度計(jì)算和抗體變異概率，并采用免疫算法對(duì)資源調(diào)度目標(biāo)模型進(jìn)行求解。

10、第三方面，本發(fā)明提供了一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)第一方面所述的方法。

11、第四方面，本發(fā)明提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述的方法。

12、本發(fā)明實(shí)施例中提供的一個(gè)或多個(gè)技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點(diǎn)：通過(guò)采用帕累托最優(yōu)前沿來(lái)融合pod節(jié)點(diǎn)親和度目標(biāo)函數(shù)和資源損失率目標(biāo)函數(shù)這兩個(gè)評(píng)估指標(biāo)，并結(jié)合定義的約束條件來(lái)構(gòu)建出資源調(diào)度目標(biāo)模型；同時(shí)利用免疫算法的基本思想將優(yōu)化問(wèn)題轉(zhuǎn)化為一種抗體與抗原相互作用的過(guò)程，采用免疫算法對(duì)資源調(diào)度目標(biāo)模型進(jìn)行求解，從而在資源調(diào)度中獲得帕累托最優(yōu)解，因免疫算法具有自適應(yīng)性、全局搜索能力強(qiáng)、收斂速度快等優(yōu)點(diǎn)，因此通過(guò)采用本發(fā)明的技術(shù)方案，能夠在有限資源的情況下實(shí)現(xiàn)對(duì)資源進(jìn)行更優(yōu)分配，并在保證任務(wù)的高可用性和負(fù)載均衡的同時(shí)，提高資源利用率和系統(tǒng)吞吐量，從而有效提升整個(gè)資源調(diào)度系統(tǒng)的效率和性能。

13、上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說(shuō)明書(shū)的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

技術(shù)特征：

1.一種基于免疫算法的資源調(diào)度方法，其特征在于，所述方法包括如下步驟：

2.根據(jù)權(quán)利要求1所述一種基于免疫算法的資源調(diào)度方法，其特征在于：所述的將資源調(diào)度任務(wù)所需的所有k8s?pod集合映射到工作節(jié)點(diǎn)集合，從而構(gòu)建出目標(biāo)策略矩陣具體包括：

3.根據(jù)權(quán)利要求1所述一種基于免疫算法的資源調(diào)度方法，其特征在于：所述的根據(jù)所述目標(biāo)策略矩陣構(gòu)建出pod節(jié)點(diǎn)親和度目標(biāo)函數(shù)，以及構(gòu)建出資源損失率目標(biāo)函數(shù)具體包括：

4.根據(jù)權(quán)利要求1所述一種基于免疫算法的資源調(diào)度方法，其特征在于：所述的定義對(duì)pod進(jìn)行資源調(diào)度的目標(biāo)函數(shù)和約束條件，采用帕累托最優(yōu)前沿構(gòu)建資源調(diào)度目標(biāo)模型具體包括：

5.根據(jù)權(quán)利要求1所述一種基于免疫算法的資源調(diào)度方法，其特征在于：所述的定義出免疫算法中抗體的適應(yīng)度計(jì)算、抗體濃度計(jì)算和抗體變異概率具體包括：

6.根據(jù)權(quán)利要求5所述一種基于免疫算法的資源調(diào)度方法，其特征在于：所述的采用免疫算法對(duì)資源調(diào)度目標(biāo)模型進(jìn)行求解具體包括：

7.一種基于免疫算法的資源調(diào)度裝置，其特征在于：所述裝置包括矩陣構(gòu)建模塊、目標(biāo)函數(shù)構(gòu)建模塊以及資源調(diào)度模塊；

8.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述的方法。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明提供一種基于免疫算法的資源調(diào)度方法、裝置、設(shè)備及介質(zhì)，將資源調(diào)度任務(wù)所需的所有K8s?Pod集合映射到工作節(jié)點(diǎn)集合，從而構(gòu)建出目標(biāo)策略矩陣；根據(jù)所述目標(biāo)策略矩陣構(gòu)建出Pod節(jié)點(diǎn)親和度目標(biāo)函數(shù)，以及構(gòu)建出資源損失率目標(biāo)函數(shù)；定義對(duì)Pod進(jìn)行資源調(diào)度的目標(biāo)函數(shù)和約束條件，采用帕累托最優(yōu)前沿構(gòu)建資源調(diào)度目標(biāo)模型；將抗原定義為優(yōu)化問(wèn)題，抗體定義為問(wèn)題解，抗原個(gè)數(shù)為優(yōu)化子目標(biāo)個(gè)數(shù)，定義出免疫算法中抗體的適應(yīng)度計(jì)算、抗體濃度計(jì)算和抗體變異概率，并采用免疫算法對(duì)資源調(diào)度目標(biāo)模型進(jìn)行求解。本發(fā)明的優(yōu)點(diǎn)：能夠在有限資源的情況下實(shí)現(xiàn)對(duì)資源進(jìn)行更優(yōu)分配，提高資源利用率和系統(tǒng)吞吐量。

技術(shù)研發(fā)人員：吳志雄,張旭東,唐鵬飛
受保護(hù)的技術(shù)使用者：南威軟件股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10