自Docker問世以來,微服務(wù)也得到了快速的發(fā)展,企業(yè)、組織等紛紛使用微服務(wù)架構(gòu)進(jìn)行容器化開發(fā)。為了管理數(shù)以萬計(jì)的容器應(yīng)用,各種容器編排框架應(yīng)運(yùn)而生,但容器調(diào)度過程中帶來的能耗高、資源利用率低等問題非常顯著。研究合理的容器放置,能有效的減緩此類問題。針對(duì)CPU、內(nèi)存和帶寬三類資源利用率低等問題,提出了容器多目標(biāo)資源放置算法CMR（Container Multi-target Resource）。實(shí)驗(yàn)結(jié)果證明CMR算法能夠?qū)⑷萜鞣胖玫脚c自身資源請(qǐng)求大小最吻合的虛擬機(jī)上,對(duì)比FF、LF、MF和RS算法能夠同時(shí)節(jié)省CPU能耗34.0%,內(nèi)存能耗33.8%,帶寬能耗26.5%。 

【文章來源】：智能計(jì)算機(jī)與應(yīng)用. 2020,10(04)

【文章頁數(shù)】：5 頁

【部分圖文】：

CMR算法RAM對(duì)比

實(shí)驗(yàn)首先對(duì)比了CMR算法與Fist Fit、MostFull、LeastFull、RandomSelection四種算法在三組級(jí)別的數(shù)據(jù)中心的總能耗，如圖1所示。其次分別對(duì)比了CPU、內(nèi)存和帶寬隨著數(shù)據(jù)中心量級(jí)的改變所帶來的能耗變化情況，其中CPU能耗的比較如圖2所示，內(nèi)存成本的比較如圖3所示，帶寬成本的比較如圖4所示。實(shí)驗(yàn)的CPU負(fù)載采用了來自PlanetLab的工作負(fù)載文件，內(nèi)存和帶寬采用了滿載的策略。圖2 CMR算法CPU對(duì)比

CMR算法CPU對(duì)比

【參考文獻(xiàn)】：
期刊論文
[1]云計(jì)算中基于能耗優(yōu)化的虛擬機(jī)多目標(biāo)放置算法[J]. 許波,陳珂,朱興統(tǒng),彭志平.  小型微型計(jì)算機(jī)系統(tǒng). 2014(06)



本文編號(hào)：3021371