一种基于LSTM的Kubernetes容器云弹性伸缩策略研究

Research on an LSTM-based kubernetes container cloud elastic scaling strategy

网络协同化制造成为数控机床企业和行业供应链上下游企业的资源配置的数字化核心,能解决制造过程中业务交互造成的生产组织协调困难、生产周期长、生产成本高等问题。而网络协同化发展离不开业务“上云”,Kubernetes因其优化资源使用效率、功能可扩展等优点成为当前主流的容器云编排与管理系统。但Kubernetes集群在弹性伸缩方面只考虑了集群的整体情况,未考虑单个应用负载过高或过低的情况,不能保证应用的服务质量。针对这一问题,对Kubernetes集群的弹性伸缩机制进行深入的分析与研究,提出了一种基于综合负载的预测式弹性伸缩策略,该策略定义了综合负载来衡量应用的实际资源使用情况,并利用LSTM双层网络模型预测未来一段时间内的综合负载,将其作为弹性伸缩的判断依据。在此基础上,提出了阈值容忍度算法,确定应用的最佳数量,该算法综合考虑了每个应用的负载情况,有效解决了响应延迟以及高并发情况下响应率过低的问题,对提升集群资源利用率和保证集群中容器的运行质量有着重要意义。