.png){kind=icon}
返回
Application type awareness pod-level and system-level container scheduling
.png){kind=icon}
PRE
AI
DOI：10.1016/j.future.2025.107898.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Kubernetes作为一种管理容器化应用程序的强大工具，被认为是支持云计算平台的有前景的工具。默认的调度评分策略仅考虑为当前Pod寻找最优节点，而忽略了后续节点的可用性。此外，在评分过程中，得分最高的节点未必是当前任务最合适的节点。因此，提出了一种基于应用类型感知的Pod和系统层容器调度策略（ATASL）。首先，为了解决传统节点过滤方法中因需要按顺序遍历和评分所有节点而导致的计算浪费问题，ATASL根据Pod的资源需求和节点的剩余资源（对应计算和内存）为Pod和节点绑定标签，从而使后续的Pod调度仅限于对应的节点组，避免对所有节点进行评分遍历。此外，在调度每个新任务之前，ATASL会根据节点的实时资源状态调整节点角色，以适应动态负载变化。其次，在计算节点得分时，不仅考虑与Pod资源需求匹配的Pod级得分，还引入了系统惩罚得分机制，以避免因某种资源过度利用而导致的性能瓶颈。该机制对某个资源利用率显著超过集群整体平均利用率的节点施加惩罚，防止资源失衡和性能下降（即防止过载节点被选中）。最后，使用VMware构建了一个Kubernetes集群来评估系统性能。实验结果表明，ATASL能够显著提高集群的整体吞吐量和系统资源利用率，并大幅改善节点平衡性。
Keyword:
Kubernetes
Container scheduling
Container technology
Cloud computing
期刊
F
IF:
6.1
论文数:
6.9K
被引数:
2.3W
机构
引用论文
A new container scheduling algorithm based on multi-objective optimization一种新的基于多目标优化的集装箱调度算法.png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏Extending Kubernetes Clusters to Low-Resource Edge Devices Using Virtual Kubelets使用虚拟kubelet将Kubernetes集群扩展到低资源边缘设备
OAAI
OAAI分享收藏
查看更多内容