摘要:隨著(zhù)互聯(lián)網(wǎng)產(chǎn)業(yè)的發(fā)展,虛擬機創(chuàng )建速度慢、不易擴展、靈活性不足等缺點(diǎn)越來(lái)越凸顯,容器技術(shù)的出現為這些問(wèn)題提出了一種新的解決思路。而現有的調度算法僅考慮容器云集群中工作節點(diǎn)的內存、CPU等物理資源,沒(méi)有考慮對容器云調度后的鏡像分發(fā)過(guò)程有明顯影響的網(wǎng)絡(luò )負載率,導致容器調度任務(wù)等待時(shí)間過(guò)長(cháng),造成數據中心的資源浪費。鑒于粒子群優(yōu)化算法在局部開(kāi)采能力和全局探測方面有較強的優(yōu)勢,提出了一種基于模擬退火算法的粒子群優(yōu)化算法(Simulated annealing particle swarm optimization algorithm,SA-PSO)的容器調度算法,通過(guò)使用模擬退火優(yōu)化粒子群算法使其在算法初期跳出局部最優(yōu)情況,提升算法性能。在Kubernetes平臺實(shí)驗過(guò)程中,SA-PSO調度算法相比Kubernetes的BalancedQosPriority算法,提升了整體節點(diǎn)資源利用率,顯著(zhù)減少任務(wù)最少等待時(shí)間;同時(shí)與標準PSO算法以及動(dòng)態(tài)慣性權重PSO算法進(jìn)行對比,不僅收斂能力有顯著(zhù)提升,并且相較標準PSO算法全局最優(yōu)節點(diǎn)命中率提升近60%。