基于协变量的Kubernetes资源调度优化方法、存储介质及设备(人工智能,高性能计算(HPC)/云计算,公有云平台计算/城市与工业物联网,边缘计算/大数据处理平台,微服务架构)
本申请涉及一种基于协变量的Kubernetes资源调度优化方法、存储介质及设备,方法包括:选用预选策略对节点过滤;采集过滤出的节点的指标时序数据,分析容器任务的通用卷积神经网络,得到分析数据,将分析数据输入CNN执行时间及性能消耗预测模型,得到待调度任务的预计执行时间、预计性能;将得到的指标时序数据、预计执行时间、预计性能输入给预测模型进行训练;根据预测模型得出结果对节点打分,将容器任务调度到得分最高的Node节点上完成任务调度。本申请通过将集群节点性能指标时序数据、待调度任务的预计执行时间、预计性能消耗传入预测模型进行训练,预测未来一段时间内最适合的调度目标节点,实现对节点进行动态分析,提高了Kubernetes集群的资源利用率。
《基于协变量的Kubernetes资源调度优化方法、存储介质及设备(人工智能,高性能计算(HPC)/云计算,公有云平台计算/城市与工业物联网,边缘计算/大数据处理平台,微服务架构)》是一发明专利,专利号为 2022112727172,当前法律状态为已下证,由广东技术师范大学提出申请,发明人为刘兰;何康健;惠占发;胡峻涵;杨迪瑾;林子萌,申请日期为2022-10-18,公开(公告)日期为2023-08-04,国际专利分类号(IPC)为 G06F 9/48 (2006.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本申请涉及一种基于协变量的Kubernetes资源调度优化方法、存储介质及设备,方法包括:选用预选策略对节点过滤;采集过滤出的节点的指标时序数据,分析容器任务的通用卷积神经网络,得到分析数据,将分析数据输入CNN执行时间及性能消耗预测模型,得到待调度任务的预计执行时间、预计性能;将得到的指标时序数据、预计执行时间、预计性能输入给预测模型进行训练;根据预测模型得出结果对节点打分,将容器任务调度到得分最高的Node节点上完成任务调度。本申请通过将集群节点性能指标时序数据、待调度任务的预计执行时间、预计性能消耗传入预测模型进行训练,预测未来一段时间内最适合的调度目标节点,实现对节点进行动态分析,提高了Kubernetes集群的资源利用率。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
