容器化部署Flink时，存在上下游算子的容器内存分配不均衡问题。提出基于深度学习的容器化Flink上下游负载均衡框架，使用CEEMDAN分解方法和BiLSTM相结合的预测方法预测Flink下游容器所需内存，并依据预测结果调整容器内存分配。实验证明：提出的上下游负载均衡策略可有效减少上游容器的等待时间，缓解下游容器的资源，计算效率提高约20%。
科研之友
微信
新浪微博
Facebook
分享链接
