摘要: 随着云计算的快速发展，函数计算作为一种新兴的计算模式，为用户提供了更加灵活、高效的资源管理和计算服务，让用户无需关注底层资源，只需关注业务代码。近年来，国内外各大云服务提供厂商都在研发函数计算平台，旨在为用户提供便捷的函数计算方法... 展开 随着云计算的快速发展，函数计算作为一种新兴的计算模式，为用户提供了更加灵活、高效的资源管理和计算服务，让用户无需关注底层资源，只需关注业务代码。近年来，国内外各大云服务提供厂商都在研发函数计算平台，旨在为用户提供便捷的函数计算方法。因此，如何设计高资源利用率、高服务质量的函数计算平台成为了互联网领域的重要研究方向。 然而当前的函数计算平台大都采用基于Kubernetes的管理框架管理服务器集群，其默认的基于阈值的弹性伸缩算法HPA(HorizontalPodAutoscaler)存在伸缩不及时、资源利用率低的问题;其默认的调度算法的负载均衡策略较为粗糙，可能无法实现任务在集群中的最佳分布，导致节点资源利用不充分。为了解决以上问题，本文对弹性伸缩策略和集群调度策略进行研究，设计了一个函数计算平台。本文主要从三方面进行了研究: (1)研究弹性伸缩策略。本文提出了一种预测式水平弹性伸缩策略ETA-PA(EEMD-Transformer-ARIMAPodAutoscaler)。该弹性伸缩策略采用EEMD-Transformer-ARIMA混合预测模型通过集群历史负载数据对未来的负载数据进行预测，实现了一种能够提前进行扩容或缩容的策略，降低了服务响应时间，提升了服务质量。 (2)研究集群调度策略。本文提出了一种基于改进知识获取与分享这一启发式算法的调度策略CCGSK-scheduler。首先通过引入混沌变量代替参数的随机初始化解决了初始知识获取与分享算法易于陷入局部最优的问题，其次根据Pod应用请求端口冲突的问题引入了Pod端口校验算法使知识获取与分享算法可以适用于集群调度策略，最后将改进后的知识获取与分享算法应用在集群调度中，改进了默认调度算法的节点选择策略，提升了资源的利用率。 (3)基于以上两种策略，本文搭建了一个函数计算平台。设计函数计算平台的总体架构，将系统结构分层，降低耦合度，提高开发效率;设计弹性伸缩模块，利用预测模型对未来的负载进行预测，实现高效、可靠的伸缩决策;设计集群调度模块，使集群负载更加均衡，提高资源利用率。最后本文对平台的主要功能进行了测试，证明了平台的可用性和实用性。 本文构建了高可用的函数计算平台，实现了函数计算、数据存储及资源共享。该平台帮助用户简化应用开发、部署和运维过程，降低了成本并提高了效率。 收起