摘要
本发明涉及计算机技术领域,具体提供了智能容器集群调度方法及装置,具有如下步骤:S1、数据收集模块从容器集群中的各个节点获取实时运行状态信息;S2、特征提取层将原始数据转换为适合机器学习模型处理的形式;S3、基于大模型和深度学习模型来生成最优的调度策略;S4、执行机构将决策引擎生成是调度指令转化为实际的操作命令,并下发给目标容器;S5、反馈机制持续改进大模型的性能;S6、设置异常检测与恢复机制。与现有技术相比,本发明能够解决传统容器集群调度中存在的负载不均衡、资源利用率低下以及对突发流量响应慢等问题。
技术关键词
集群调度方法
智能容器
时间序列预测模型
多任务学习模型
实时性能监控
强化学习框架
机器可读程序
数据收集模块
容器集群调度
机器学习模型
深度学习模型
机制
执行机构
从容器
深度神经网络
动作策略
节点
调度装置