代价敏感的容器多目标资源放置优化算法

发布时间：2021-02-07 00:53

　　自Docker问世以来,微服务也得到了快速的发展,企业、组织等纷纷使用微服务架构进行容器化开发。为了管理数以万计的容器应用,各种容器编排框架应运而生,但容器调度过程中带来的能耗高、资源利用率低等问题非常显著。研究合理的容器放置,能有效的减缓此类问题。针对CPU、内存和带宽三类资源利用率低等问题,提出了容器多目标资源放置算法CMR（Container Multi-target Resource）。实验结果证明CMR算法能够将容器放置到与自身资源请求大小最吻合的虚拟机上,对比FF、LF、MF和RS算法能够同时节省CPU能耗34.0%,内存能耗33.8%,带宽能耗26.5%。 

【文章来源】：智能计算机与应用. 2020,10(04)

【文章页数】：5 页

【部分图文】：

CMR算法RAM对比

实验首先对比了CMR算法与Fist Fit、MostFull、LeastFull、RandomSelection四种算法在三组级别的数据中心的总能耗，如图1所示。其次分别对比了CPU、内存和带宽随着数据中心量级的改变所带来的能耗变化情况，其中CPU能耗的比较如图2所示，内存成本的比较如图3所示，带宽成本的比较如图4所示。实验的CPU负载采用了来自PlanetLab的工作负载文件，内存和带宽采用了满载的策略。图2 CMR算法CPU对比

CMR算法CPU对比

【参考文献】：
期刊论文
[1]云计算中基于能耗优化的虚拟机多目标放置算法[J]. 许波,陈珂,朱兴统,彭志平.  小型微型计算机系统. 2014(06)



本文编号：3021371