在截止日期和可靠性限制下,微服务工作流程安排与资源配置模型

科学领域:

• 云计算 云计算 云计算 云计算
• 分布式系统 分布式系统
• 人工智能的人工智能

背景情况:

• 微服务架构和容器化正在迅速发展,这增加了大规模云服务调度的复杂性.
• 在这些不断发展的技术下,确保云服务的可靠性和满足截止日期是一个重大挑战.

研究的目的:

• 为容器环境中的微服务工作流提供成本优化的调度方法.
• 解决云服务调度中的截止日期和可靠性限制.
• 为了降低云资源租成本,同时保持服务质量.

主要方法:

• 开发了一个图形深度学习模型 (DeepMCC) 来自动配置容器以满足服务质量 (QoS) 要求.
• 提出了使用启发式租和部署策略的可靠性微服务工作流程调度算法 (RMWS).
• 对四个科学工作流数据集的方法进行了评估.

主要成果:

• 与现有的可靠性调度算法相比,提出的方法实现了44.59%的平均成本降低.
• 证明了显著的成本改善,在最坏的情况下降低了26.63%,在最好的情况下降低了73.72%.
• 成功满足截止日期和可靠性约束,同时优化资源利用.

结论:

• 提出的成本优化调度方法有效平衡了微服务工作流程的可靠性,期限遵守和成本降低.
• DeepMCC和RMWS为集装箱化环境中高效的云服务调度提供了强大的解决方案.
• 这些发现突出了通过智能调度在云资源管理中大幅节省成本的潜力.