基于Kubernetes的多云网络成本优化模型

以Kubernetes为代表的云原生编排系统在多云环境中被云租户广泛使用,随之而来的网络观测性问题愈发突出,跨云跨地区的网络流量成本尤为突出。在Kubernetes中引入扩展的伯克利数据包过滤器(extended Berkeley packet filter,eBPF)技术采集操作系统内核态的网络数据特征解决网络观测问题,随后将网络数据特征建模为二次分配问题(quadratic assignment problem,QAP),使用启发式搜索与随机搜索组合的方法在实时计算的场景下求得最佳近优解。此模型在网络资源成本优化中优于Kubernetes原生调度器中仅基于计算资源的调度策略,在可控范围内增加了调度链路的复杂度,有效降低了多云多地区部署环境中的网络资源成本。

基于多云架构进行应用编排混合部署的研究

针对单云架构存在的技术不足,提出了多云架构的编排混合部署方案;构建出包括多云存储层、云软件平台、数据传递层和应用层的架构体系,在多云网络架构中,云软件平台包括数据层、控制层、数据接口层和应用层,并在网络设备的控制平面设置SDN控制器,通过VPC(Virtual Private Cloud虚拟私有云)对底层网络进行计算、分析、处理、存储和共享等;并在编排器内引入自适应蚁群算法,应用基于SDN/NFV的通讯网络实现数据重构,进而实现数据网络的集中控制和智能编排;通过试验,本研究的方法数据包整体调度时延误差短,达0.15秒。