(19)中华 人民共和国 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 202111644965.0 (22)申请日 2021.12.3 0 (71)申请人 昆明能讯科技有限责任公司 地址 650000 云南省昆明市经开区云大西 路104号云电科技园二期昆明能讯科 技有限责任公司 (72)发明人 师智良　陈恩邦　高雪林　 (74)专利代理 机构 昆明今威专利商标代理有限 公司 53115 代理人 赛晓刚 (51)Int.Cl. G06F 9/455(2006.01) G06K 9/62(2022.01) G06Q 50/06(2012.01) (54)发明名称 一种电力行业K8S动态容器编排方法及 存储 介质 (57)摘要 本发明公开了一种电力行业K8S动态容器编 排方法及存储介质， 针对电力行业应用具备高可 用、 高安全、 高并发、 内网应用特点通过对集群和 容器的任务特点及所占资源进行研究， 根据集群 的负载和同类容器负载情况， 基于改进随机森 林 模型， 将同一个类目中的任务均匀地分配到子集 群中合适的资源节点上去执行， 当该子集群的负 载达到阈值后再重新开启新的子集群， 实现容器 的动态、 高效、 快速编排。 本发明实现了最大程利 用现有资源进行容器， 解决了有限资源条件下， 计算容器的最优化编排问题。 权利要求书1页 说明书3页 附图1页 CN 114398148 A 2022.04.26 CN 114398148 A 1.一种电力行业K8S动态容器编排方法， 应用随机森林算法， 其特征在于， 包括以下步 骤： 步骤S1， 按照Docker容器任务执行时间进行分类， 将执行时长在(0,50000)之间的任务 划分为5个不同的等级， 分别是超长任务(S uper Long Task,SLT)、 长任务(Long  Task， LT)、 一般任务(Normal  Task,NT)、 短任务(Short  Task， ST)和超短任务(Super  Short Task， SST)， 将这五个等级作为 容器任务 集的五个 类标签， 五个 类标签的二进制标签如下表所示： 任务的二进制标签 [10000][01000][00100][00010] [00001] 任务类型 SLT LT NT ST SST 所以， 容器任务 集的类属性 集合表示为Class＝{SLT,LT,NT,ST,S ST}； 步骤S2， 将步骤S1的Class集合作 为分类条件， 根据改进的随机森林分类器训练任务分 类模型对 任务进行分类， 分类过程分为两步： 步骤S21， 构造带有类标签的任务集， 创建Docker任务容器， 放入任务资源池中形成任 务集； 步骤S22， 将带有类标签的任务 集作为输入参数， 并返回最优随机森林分类模型； 步骤S3， 将请求的任务集合Task划分成不同执行时间长度的子任务集合Docker_Task ＝{SLT,LT,NT,ST,SST}； K8S自带的监控平台获取该集群下各资源节点的资源使用情况， 构 成集合Resource＝{R1,R2,R3  R4}； K8S评估将该批任务分配到各资源节点是否会超载， 若 不超载， 则按计划分配； 若超载， 则将可能会超载的资源节点从资源集合中去除,重新评估 将该批任务均分到剩余资源节点是否超载,如此反 复， 直到资源集合为空或任务集合为空， 若任务集合为空。 2.根据权利要求1所述的方法， 其特 征在于， 步骤S2 2还包括： 当基于改进随机森林的容器云任务分类模型训练完成后， 表示n个基分类器， 每个基分 类器的叶子结点均表示一种分类结果， 如[10000]则表示第一种分类结果， 即SLT， [01000] 则表示第二种分类结果， 即LT， 以此类 推， 该结果即为该任务的最终类别。 3.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现如权利要求1或2所述的电力行业K8 S动态容器编排方法的步骤。权　利　要　求　书 1/1 页 2 CN 114398148 A 2一种电力行业K8S动态容器编排 方法及存储介质 技术领域 [0001]本发明涉及电力行业互联网应用领域， 具体涉及一种电力行业K8S动态容器编排 方法及存储介质， 尤其是一种应用改进随机森林的电力行业K8S动态容器编排方法及存储 介质。 背景技术 [0002]总体而言， 电力行业应用具有一定的特殊性， 需要应用具备高可用、 高安全、 高并 发， 而且只能在内网应用。 很多 可以在互联网应用的K8S容器 分配策略都不能应用于电力行 业。 Docker作为容器化的事实标准， 作为基本的资源任务调度单位， 每一个容器都分配了相 应的资源， 容器都封装了整个软件的runtime， 可以实现DevOps一体化管理。 但目前的容器 编排对资源节 点的负载度问题差异 化分配存在问题， 忽视了不同任务特点， 容易造成K8S容 器分配失衡， 导 致系统资源的利用低， 执 行速度慢， 执 行时间长等问题。 [0003]针对电网K8S环境下对容器分配情况， 从容器引擎管理、 性能监控、 异常检测、 网络 配置、 I/O性能隔离、 Web部署等方面对 任务属性、 负载均衡等方面均需进行研究， 发明内容 [0004]针对上述问题， 发明人提供了一种电力行业K8S动 态容器编排方法， 发明人通过分 析集群负载容易不均衡和低效的资源利用率等问题， 提出根据每个资源节点的利用率， 不 同的服务请求， 更新资源节点权重的动态加权分配算法， 进行K8S容器的编排。 采用改进随 机森林方式进 行容器编排， 实现最大程利用现有资源进 行容器， 解决了有限资源 条件下， 计 算容器的最优化编排问题。 [0005]本发明提供的电力行业K8 S动态容器编排方法， 包括以下步骤： [0006]步骤S1： 对Docker任务进行分类。 将执行时长在(0,50000)之间的任务划分为5个 不同的等级， 分别是超长任务(Super  Long Task,SLT)、 长任务(Long  Task， LT)、 一般任务 (Normal Task,NT)、 短任 务(Short  Task， ST)和超短任 务(Super  Short Task， SST)， 将这五 个等级作为 容器任务 集的五个 类标签， 五个 类标签的二进制标签见 下表： [0007]任务的二进制标签 [10000][01000][00100][00010][00001] 任务类型 SLT LT NT ST SST [0008]所以， 容器任务 集的类属性 集合表示为Class＝{SLT,LT,NT,ST,S ST}。 [0009]步骤S2： 将 步骤S1的Class集合作为分类条件， 根据改进的随机森林分类器训练任 务分类模型对 任务进行分类， 分类过程分为两步。 [0010]步骤S21： 构造带有类标签的任务集， 创建Docker任务容器， 放入任务资源池中形 成任务集。 [0011]步骤S22： 将带有类标签的任务集作为输入参数， 并返回最优随机森林分类模型。 当基于改进随机森林的容器云任务分类模型训练完成后， 表 示n个基分类器， 每个基分类器 的叶子结点均表示一种分类结果， 如[10000]则表示第一种分类结果， 即SLT， [01000]则表说　明　书 1/3 页 3 CN 114398148 A 3