公开(公告)号：CN116860392A

公开(公告)日：2023-10-10

申请号：CN202310815034.5

申请日：2023-07-05

Applicant: 桂林理工大学

Inventor： 谢晓兰 ,  劳榕 ,  李海军 ,  刘亚荣

IPC: G06F9/455 ,  G06F9/50

Abstract: 本发明公开了一种基于综合利用率的数据中心容器迁移方法。首先，搭建容器迁移场景，初始化物理机与容器状态；获取所有物理机的各类资源利用率；按照特定的比例计算出该物理机的资源综合利用率，并以此确定该物理机的状态；计算出每一个容器在其物理机上的所对应的综合资源相关度；将过载主机上的容器按此排序逐一放入待迁移列表，直至该主机的综合资源利用率降为正常；建立容器迁移优化模型；使用改进后的蜉蝣算法进行容器迁移模型的求解，并进行迁移；将仍然处于欠载状态的物理机上的容器逐一迁入拥有剩余资源且能容纳其的物理机上；本发明可以使得数据中心的物理机的负载更为均衡、能量消耗更小。

公开(公告)号：CN118193125A

公开(公告)日：2024-06-14

申请号：CN202410272592.6

申请日：2024-03-11

Applicant: 桂林理工大学

Inventor： 陈基漓 ,  李海军 ,  谢晓兰 ,  劳榕

IPC: G06F9/455 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/049

Abstract: 本发明公开了一种基于时间卷积和长短期记忆网络的容器云资源预测方法。包括5个步骤：步骤S1.异常值剔除：通过箱型图可视化数据分布，判断离群值是否属于异常数据，再异常值进行剔除；步骤S2.缺失值填充：利用N近邻方法对缺失值进行填充；步骤S3.标准化处理：获取极值对数据进行标准化，消除不同特征之间的量纲差异；步骤S4.特征选择：通过判断各个特征的重要性，从原始特征集合中选择一个子集作为模型训练的输入特征；步骤S5.搭建模型：使用基于PyTorch的深度学习来框架搭建用于容器云资源预测的TCN‑LSTM模型，训练模型优化超参数，输出预测结果。该发明能够捕获长时间序列数据的依赖和特征，降低网络的复杂性，有效地提升了预测的准确性。

公开(公告)号：CN118094940A

公开(公告)日：2024-05-28

申请号：CN202410301792.X

申请日：2024-03-16

Applicant: 桂林理工大学

Inventor： 谢晓兰 ,  劳榕 ,  李海军 ,  刘亚荣

IPC: G06F30/20 ,  G06F9/455 ,  G06F9/50 ,  G06F17/16 ,  G06N3/006 ,  G06F17/18 ,  G06F111/06

Abstract: 本发明公开了一种基于资源匹配度的改进鲸群算法的容器放置方法。包括4个步骤：S1确定主机资源利用状态：计算所有主机的各类资源利用率，以此为依托计算出各主机的资源综合利用率，并确定资源临界值，从而判定各主机状态；S2建立目的主机列表：按照主机所处状态，逐步将各状态主机迁入目的主机列表；S3构建优化模型：建立包含资源匹配度的优化模型；S4设计容器放置算法并执行放置：使用改进后的鲸群算法求解优化模型，最后按照输出的映射关系进行放置操作。本发明提供一种基于资源匹配度的改进鲸群算法的容器放置方法，通过改进的鲸群算法求解映射关系，实现容器在主机上的合理放置，达到减少资源碎片化与降低能源消耗的效果。