(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210488072.X (22)申请日 2022.05.06 (71)申请人 江苏安超云软件 有限公司 地址 214000 江苏省无锡市经济开发区金 融三街6号1601室 (72)发明人 不公告发明人 　 (74)专利代理 机构 苏州三英知识产权代理有限 公司 32412 专利代理师 黄晓明 (51)Int.Cl. G06F 9/50(2006.01) G06F 9/48(2006.01) (54)发明名称 微服务运行时智能预测调度的方法及应用 (57)摘要 本发明公开了一种微服务运行时智能预测 调度的方法及应用， 该方法包括以下步骤： 将微 服务部署到Kubernetes的调度器中， 并在所述微 服务启动时， 通过Sidecar模式将Sidecar  pod部 署至所述微服务的pod中； 通过eBPF的功能获取 所述微服务中的函数调用关系和参数， 并通过 trace analysis系统的配置文件收集并分析所 述微服务运行时每个节点上的节 点数据； 根据所 述微服务在各节点的节点数据计算对应节点的 score值， 以便于调度服务根据各节点的score值 进行调度。 该方法能够通过观 察和分析系统中微 服务在各节 点的运行情况和系统网络情况， 动态 控制调度容器部署的节点， 保证系统的稳定， 更 稳定的调度节 点微服务分布策略， 提前预测可能 发生的问题， 减少不稳定的因素。 权利要求书2页 说明书8页 附图4页 CN 114911615 A 2022.08.16 CN 114911615 A 1.一种微 服务运行时智能预测调度的方法， 其特 征在于， 所述方法包括： 将微服务部署到Kubernetes的调度器中， 并在 所述微服务启动时， 通过Sidecar模式将 Sidecar pod部署至所述 微服务的pod中； 通过eBPF的功能获取所述微服务 中的函数调用关系和参数， 并通过trace  analysis系 统的配置文件收集并分析 所述微服务运行时每 个节点上的节点数据； 根据所述微服务在各节点的节点数据计算对应节点的score值， 以便于调度服务根据 各节点的score值进行调度。 2.如权利要求1所述的微服务运行时智能预测调度的方法， 其特征在于， 所述通过 trace analysis系统的配置文件收集并分析微 服务运行时每 个节点上的节点数据， 包括： 通过预测算法计算所述 微服务在各节点 运行预设时长后的负载使用情况； 通过预测算法计算所述 微服务在各节点 运行预设时长后的磁 盘使用情况； 以及 根据所述微服务在各节点运行预设时长后的负载和磁盘使用情况计算对应节点的预 测评分值。 3.如权利要求2所述的微服务运行时智能预测调度的方法， 其特征在于， 所述通过预测 算法计算所述 微服务在各节点 运行预设时长后的负载使用情况， 包括： 对所述节点数据进行特征选择， 其中， 所述特征包括但不限于： 磁盘型号、 SMART属性、 BMS属性、 时间记录、 磁 盘健康度、 事 件日志、 CPU 使用频率、 CPU温度以及磁 盘坏区； 对特征选择后的所述节点数据进行降噪， 以过 滤掉空值数据； 计算降噪后的所述节点数据 特征的变化率和方差， 并将所述变化率和所述方差加入到 所述节点数据中； 以及 根据随机森林算法和处 理后的所述节点数据对节点进行分类。 4.如权利要求2所述的微服务运行时智能预测调度的方法， 其特征在于， 所述通过预测 算法计算所述 微服务在各节点 运行预设时长后的磁 盘使用情况， 包括： 对所述节点数据进行特征选择， 其中， 所述特征包括但不限于： count值、 缺失值、 标准 差以及历史时间点的磁 盘使用率； 通过中位 值对所述节点数据的缺失值进行填充； 根据Sarima模型、 GBDT模型和填充后的所述节点数据对节点进行分类。 5.如权利要求2所述的微服务运行时智能预测调度的方法， 其特征在于， 根据 所述微服 务在各节点的节点数据计算对应节点的score值， 包括： 对所述节点数据进行特征提取， 其中， 所述特征包括但不限于： 节点负载、 带宽、 内存使 用、 cpu使用、 runc数目、 cpu数目、 网络流量、 cpu当前运行任务、 微服务进程和 线程数目、 微 服务gorouti ne的数目以及微 服务函数参数 数目； 对特征提取后的所述节点数据进行标注， 并对标注后的所述节点数据进行归一化处 理， 作为参考训练数据； 根据所述 参考训练数据和所述预测评分值计算每 个节点的score值。 6.如权利要求5所述的微服务运行时智能预测调度的方法， 其特征在于， 所述方法还包 括： 在根据所述微服务在各节点的节点数据计算对应节点的score值前， 筛选出所述 Kubernetes集群中资源充足的节点， 其中， 所述资源包括但不 限于： 磁盘容量、 CPU以及内权　利　要　求　书 1/2 页 2 CN 114911615 A 2存； 获取所述资源充足节点上的容器数目； 以及 在所述资源充足节点中选择容器数目最少且所述score值 最高的节点进行调度。 7.如权利要求6所述的微服务运行时智能预测调度的方法， 其特征在于， 所述方法还包 括： 在所有节点的资源都不足的情况下， 在所述Kubernetes集群中增加节点， 以提升系统 资源。 8.一种微 服务运行时智能预测调度的装置， 其特 征在于， 所述装置包括： 部署模块， 用于将微服务部署到Kubernetes的调度器中， 并在 所述微服务启动时， 通过 Sidecar模式将Sidecar  pod部署至所述 微服务的pod中； 收集分析模块， 用于通过eBPF的功能获取所述微服务中的函数调用关系和参数， 并通 过trace analysis系统的配置文件收集并分析 所述微服务运行时每 个节点上的节点数据； 预测调度模块， 用于根据所述微服务在各节点的节点数据计算对应节点的score值， 以 便于调度服 务根据各节点的score值进行调度。 9.一种电子设备， 其特 征在于， 包括： 至少一个处 理器； 以及 存储器， 所述存储器存储指令， 当所述指令被所述至少一个处理器执行时， 使得所述至 少一个处 理器执行如权利要求1至7中任一项所述的微 服务运行时智能预测调度的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求 1至7任一项 所述的微服务运行时智 能预测调度的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114911615 A 3