作者：Wei-Kuang Lai，You-Chiun Wang，Syu-Chen Wei

发表期刊：IEEE Internet of Things Journal

发表日期：2023年

一、背景

1、Kubernetes的应用：Kubernetes被广泛用于管理容器化应用，尤其是在云计算环境中，它通过调度器将Pod分配到节点上运行。

2、边缘计算的挑战：在边缘计算环境中，节点通常是异构的，具有不同的计算能力和网络带宽。这种异构性使得传统的Kubernetes调度器无法有效应对，从而导致性能下降。

3、延迟问题：现有的调度算法没有充分考虑节点资源和网络传输带来的延迟问题，这在边缘环境中尤为明显。

二、创新点

1、与传统的Kubernetes调度算法不同，DACS算法不仅考虑节点的CPU和内存资源，还将网络带宽纳入调度决策中，以优化应用的响应时间，特别适用于网络资源受限的边缘环境。

2、DACS算法引入了处理延迟和网络延迟的加权计算模型，根据节点的异构性动态调整权重，优化延迟表现。DACS不仅选择平均延迟最低的节点，还考虑节点剩余资源的组合，以减少资源竞争和上下文切换的影响，提升整体调度效率。

三、DACS算法

DACS 算法包含两个模块：调度模块和排名模块。

调度模块：

候选节点筛选： 遍历每个待调度 pod，根据其资源需求，从所有节点中筛选出资源充足的候选节点集合。

节点选择： 将筛选出的候选节点集合传递给排名模块，由排名模块选择最优节点，并将 pod 分配给该节点。

资源更新： 更新被选中节点的资源向量，记录该节点已服务的 pod 数量。

排名模块：

延迟计算： 对每个候选节点，根据公式 (8) 计算处理延迟，并根据 pod 是否为本地 pod，选择公式 (10) 或 (11) 计算网络延迟。

平均延迟计算： 将处理延迟和网络延迟进行加权平均，得到每个候选节点的平均延迟。

额外延迟考虑： 如果候选节点已服务其他 pod，则考虑上下文切换和资源竞争带来的额外延迟，并添加到平均延迟中。

最终候选节点选择： 根据平均延迟选择最优节点作为最终候选节点，并选择一个包含该节点的最终候选节点集合。

最优节点选择： 如果最终候选节点集合只有一个节点，则直接选择该节点。否则，在最终候选节点集合中选择剩余 CPU 和内存资源组合最大的节点。

四、实验及结果

论文设计了两种场景来评估 DACS 算法的性能：

场景 1：云环境，节点同构

实验设计： 所有节点资源相同，每个节点分配 2 个 vCPU 和 4 GB 内存，共 10 个 pod。

比较方法： kube-scheduler、ElasticFog、TSRA、NAS、KCSS、DACS (α = 0.25, 0.5, 0.75)

实验结果：

pod 分配： ElasticFog、TSRA 和 DACS (α = 0.75) 平衡了节点负载，每个节点分配 3 个 pod，DACS (α = 0.25) 选择平均 RTT 最小的节点处理额外 pod。

处理延迟： ElasticFog、TSRA 和 DACS 具有最低的平均处理延迟，因为它们平衡了节点负载。

网络延迟： TSRA 考虑了数据传输时间，具有最低的网络延迟。DACS (α = 0.75) 进一步降低了网络延迟，因为它考虑了节点之间的 RTT。

任务完成时间： DACS (α = 0.75) 具有最短的完成时间，因为它在处理延迟和网络延迟之间取得了良好的平衡。

场景 2：边缘环境，节点异构

实验设计： 节点资源不同，n1 有 2 个 vCPU 和 4 GB 内存，n2 有 1 个 vCPU 和 4 GB 内存，n3 有 1 个 vCPU 和 3 GB 内存，共 6 个 pod。

比较方法： kube-scheduler、ElasticFog、TSRA、NAS、KCSS、DACS (α = 0.25, 0.5, 0.75)

实验结果：

pod 分配： kube-scheduler 和 ElasticFog 将大部分 pod 分配给资源最多的节点 n1，TSRA 将 4 个 pod 分配给 n1，NAS 和 KCSS 将 pod 分配给资源较少的节点 n2 和 n3。DACS 将 3 个 pod 分配给 n1，并根据 α 值选择 n2 或 n3 处理额外 pod。

处理延迟： n1 的处理延迟最低，因为它有最多的 CPU 资源。DACS 的处理延迟也较低，因为它将 pod 分配给资源充足的节点。

网络延迟： TSRA 具有最低的网络延迟，因为它考虑了数据传输时间。DACS (α = 0.25) 具有最低的网络延迟，因为它优先考虑网络延迟。

任务完成时间： DACS (α = 0.25) 具有最短的完成时间，因为它在处理延迟和网络延迟之间取得了良好的平衡，并选择了网络延迟最低的节点处理额外 pod。

五、总结

实验结果表明，DACS 算法在云环境和边缘环境中都优于其他调度方法，它考虑了节点异构性和网络资源，有效地减少了处理延迟和网络延迟。不仅平衡了节点负载，也避免了资源浪费。此外，DACS 算法通过系数 α 调整处理延迟和网络延迟的权重，增加了灵活性。