(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 202211063296.2 (22)申请日 2022.08.31 (71)申请人 山东财经大学 地址 250014 山东省济南市历下区二环东 路7366号 (72)发明人 杨成伟　祝翠玲　马慧娴　王颖彬　 (74)专利代理 机构 北京华清迪源知识产权代理 有限公司 1 1577 专利代理师 胡乐 (51)Int.Cl. G06F 9/455(2006.01) G06F 9/50(2006.01) G06N 3/00(2006.01) (54)发明名称 一种基于改进烟花算法的云计算资源调度 方法 (57)摘要 本发明公开了一种基于改进烟花算法的云 计算资源调度方法， 在改进Kubernetes的调度问 题时， 同时考虑了集群的计算资源、 网络资源、 存 储资源， 同时根据容器的特点考虑了节点上的镜 像， 较为全面地考虑了影响调度问题的因素， 从 而更好地实现调度过程， 从多个角度改进了烟花 算法。 改善了优化算法设置参数过于依赖人为经 验的问题； 分组分别进行爆炸， 既防止了优质火 花爆炸幅度过小， 又让一般 火花对其他区域进行 充分探索； 通过减少火花的爆炸个数， 可 以节约 部分计算资源和 网络资源， 使用柯西变异， 差分 变异以及反向学习变异代替原本的高斯变异， 提 高了种群的多样性， 通过用精英随机选择策略代 替轮盘赌或随机选择， 节省了计算资源和计算时 间。 权利要求书5页 说明书13页 附图4页 CN 115454568 A 2022.12.09 CN 115454568 A 1.一种基于改进烟花算法的云计算资源调度方法， 应用于Kubernetes的调度工作中， 其特征在于， 所述方法包括： 设经过预选阶段筛 选后的候选节点 集合为： NOdelist＝{NO， N1，……， ND} 所述候选节点 为Kubernetes集群中的节点； 从所述候选节点集合Nodelist中随机选 择N个节点作为初 始烟花， 其中， 1＜N＜D+1， 所述 预选阶段筛 选通过预选算法进行 预筛选； 通过集群负载P、 最佳火花当选次数的最大值Tmax和最佳火花当选次数的最小值Tmin计 算Ti； 根据适应度公式计算每 个烟花的适应度值和所有烟花的平均适应度值； 根据所述每个烟花的适应度值和所有烟花的平均适应度值将所有初始烟花分为核心 烟花、 优质烟花和一般烟花， 其中， 适应度值最小的为核心烟花， 适应度小于等于所有烟花 的平均适应度值的为优质烟花， 其 余为一般烟花； 选择核心烟花、 优质烟花中适应度值较大的1/2、 一般烟花中适应度值较小 的1/2和其 余烟花总数的1/2， 作为样本烟花； 计算每 个样本烟花的半径和数目； 生成柯西变异算子火花， 原始烟花、 爆炸火花、 柯西变异算子火花记为集合K； 并将集合 K中个体按照适应度值升序排序； 排名前1/2的个体进行差分变异， 所得新个体记为集合U； 排名后1/2的个 体进行反向学习变异， 所 得新个体记为集合V； 对超出比边界的火花采用映射 规则将其映射到可 行域内； 对于每一个最佳烟花判断适应度最小的烟花是否与上轮相同， 若相同， 则t＝t+1， 否 则， 将t设为1； 判断t是否达到选择最佳烟花的标准T， 若没有达到， 则用精英选择法选择下一代烟花， 如果t＝T， 则输出 该烟花， 作为待分配的Pod被分配到的Kubernetes集群节点。 2.根据权利要求1所述的方法， 其特征在于， 所述候选节点集合中Nodei＝{NMIP， NRAM， NBM， NDISK， NIMG}， 其中， N odei为Nodelist中的任一节点,0 ≤i≤D； 其中， NMIP表示该节点的CPU计算力， NRAM表示该节点的内存大小， NBM表示该节点的网络 带宽， NDISK表示为该节点的硬 盘空间， NIMG表示该节点本地所拥有的镜像列表； Podi＝{PodMIP， PodRAM， PodBM， PodDISK， PodIMG} 所述Podi是Kubernetes集群中运行部署应用或服务的最小单位， 其中， Pod表示待分配 的Pod， PodMIP表示该Pod所需的CPU计算力， PodRAM表示该Pod所需的内存大小， PodBM表示该 Pod所需的网络带宽， PodDISK表示为该Pod所需的硬盘空间， PodIMG表示该Pod所需的镜像列 表。 3.根据权利 要求1所述的方法， 其特征在于， 所述适应度值为f(x)， 集合S包括每个节点 的CPU计算力、 内存大小、 硬 盘空间和带宽4维资源； 适应度值f(x)公式为： 节点i集合S中的资源使用率 定义如下:权　利　要　求　书 1/5 页 2 CN 115454568 A 2其中， 为节点i的可用的第d维资源， 为Podi需要的第d维资源， 为节点i所有的 第d维资源； 节点i的镜像缺失率 定义如下： 其中， 为节点i所包含的Podi需要的镜像数量， 为Podi需要的镜像数量。 4.根据权利要求1所述的方法， 其特征在于， 所述通过集群负载P、 最佳火花当选次数的 最大值Tmax和最佳火花当选次数的最小值Tmin计算Ti， 的具体过程如下： Ti＝Pk(Tmax‑Tmin)+Tmin 其中， Ti为当前Podi调度时调度结果达到的最佳火花当选次数， P 为当前集群的负载率， Tmax为最佳火花当选次数的最大值， Tmin为最佳火花当选次数的最小值。 5.根据权利要求1所述的方法， 其特征在于， 所述计算每个样本烟花的半径和数目的具 体过程为： 对于所述 一般烟花， 使用原烟花 算法爆炸火花数和半径计算方法； 产生火花的公式如下： 其中， M为常数， N为烟花总个数， fMAX是所有烟花中最大适应度值， τ是一个无限小的常 数， 用来避免零操作， f(xi)表示第i个烟花的适应度值， Si表示第i个烟花产生的火花数目； 通过下式将Si转化为一个整数： 爆炸半径计算公式如下： Ri表示第i个烟花的爆炸半径， R是调整爆炸半径的一个常数， fmin表示所有烟花中最佳 适应度值， f(xi)表示第i个烟花的适应度值， τ 是一个无限小的常数， 用来避免零操作； 对于优质烟花， 向核心烟花去靠拢， 设置最低爆炸半径， 当低于该半径数值的时， 则设 置为该值， 爆炸幅度的计算公式修改如下 所示： 权　利　要　求　书 2/5 页 3 CN 115454568 A 3