面向5G边缘计算的Kubernetes资源调度策略

• 作者: 孔德瑾 姚晓玲
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 5G网络 边缘计算 资源调度 权重自学习 Kubernetes调度策略
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 热点与综述
• 页码范围: 32-38
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0058047

摘要

容器云是5G边缘计算的重要支撑技术,5G的大带宽、低时延和大连接三大特性给边缘计算带来较大的资源压力,容器云编排器Kubernetes仅采集Node剩余CPU和内存两大资源指标,并运用统一的权重值计算Node优先级作为调度依据,该机制无法适应边缘计算场景下精细化的资源调度需求.面向5G边缘计算的资源调度场景,通过扩展Kubernetes资源调度评价指标,并增加带宽、磁盘两种评价指标进行节点的过滤和选择,提出一种基于资源利用率进行指标权重自学习的调度机制WSLB.根据运行过程中的资源利用率动态计算该应用的资源权重集合,使其能够随着应用流量的大小进行自适应动态调整,利用动态学习得到的资源权重集合来计算候选Node的优先级,并选择优先级最高的Node进行部署.实验结果表明,与Kubernetes原生调度策略相比,WSLB考虑了边缘应用的带宽、磁盘需求,避免了将应用部署到带宽、磁盘资源已饱和的Node,在大负荷与异构请求场景下可使集群资源的均衡度提升10％,资源综合利用率提升2％.