.png){kind=icon}
返回
Multi-dimensional resource placement algorithm based on parallel genetic algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comcom.2025.108235.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着云原生技术的进步，容器集群管理系统如Kubernetes、Swarm和Mesos应运而生。由于Kubernetes在容器编排方面具有卓越能力，已被广泛应用于各个领域，并成为容器集群管理的行业首选方案。然而，Kubernetes主要依赖单一资源维度进行Pod调度，这往往导致资源利用率不均和单资源瓶颈。为解决此限制，我们通过设计基于岛屿模型的并行遗传算法优化了Kubernetes的Pod调度策略，该算法考虑了云原生环境中的多维资源消耗。该遗传算法通过改进遗传编码设计、初始种群生成和目标函数构建，针对云原生场景进行了定制化。通过将岛屿模型与遗传算法相结合，我们的并行优化方法提高了计算效率，并解决了云环境中的资源调度NP难问题。实验结果表明，所提算法将平均单次预测时间减少了42.5%，实现了93.77%的集群资源利用率，并达到3.681的并行加速比。此外，该算法缓解了资源不平衡问题，并提升了不同规模集群的资源利用效率。
期刊
IF:
4.3
论文数:
590
被引数:
1.1W
机构
引用论文
KubeSC‐RTP: Smart scheduler for Kubernetes platform on CPU‐GPU heterogeneous systemsKubeSC‐RTP：面向CPU‐GPU异构系统的Kubernetes平台智能调度器
.png){kind=icon}
PREAI
分享收藏Enhancing Network Slicing Security: Machine Learning, Software-Defined Networking, and Network Functions Virtualization-Driven Strategies增强网络切片安全性：基于机器学习、软件定义网络和网络功能虚拟化的策略
OAAI
OAAI分享收藏A collaborative scheduling method for cloud computing heterogeneous workflows based on deep reinforcement learning一种基于深度强化学习的云计算异构工作流协同调度方法
PREAI
分享收藏
查看更多内容