面向地图导览应用的服务系统的设计与实现
这是一篇关于地图导览,微服务,Spring Boot,Kubernetes的论文, 主要内容为随着人们可支配收入的逐年增长,面对快节奏的当代生活,越来越多的人们选择旅游,通过旅游放松心情,调整状态,从而更好得投入新的工作。面对旅游行业的快速发展,各种旅游类型软件层出不穷,为人们推荐景点,分享攻略提供了平台,但是针对为用户提供地图导览的软件几乎没有,由于景区众多,区内路况复杂,人们往往得不到及时的导览,给快乐的旅行徒增烦恼,同时,大多数景点的介绍不够完善,让众多游客停留在走马观花,无法感受高品质的观赏体验。因此,一款内容丰富,便捷安装,个性化定制的地图导览应用将极大的改善人们的旅游体验,有效提高人们的生活品质。以提高人们生活品质,加深人文关怀为目的,通过进行多种方式的需求调研并结合主流的开发技术框架明确系统的详尽需求,通过对需求的分析决定采用快速迭代的开发方案,在建立较稳定的基础功能后不断完善并且增加新的功能,开发与测试几乎同步的方式让该系统在保持稳定性的前提下不断适应用户的新需求。在微服务理念逐渐普及的今天,结合实际的需求现状,采用前后端分离的开发模式,前端采用小程序作为基础框架,依托微信利于推广的特性,在保持较低的成本下不断进行功能迭代和有效宣传,服务部分基于微服务的架构风格,在提供功能性微服务的同时,针对流量控制,用户鉴权等问题提供网关服务,利用网关收敛流量入口,统一接口风格,提高服务的原子性和安全性。所有服务模块均采用轻量的Spring Boot作为基础框架,网关服务作为服务入口,主要实现路由转发,负载均衡等功能,功能性服务根据需求分析进行划分,实现主要的业务逻辑,利用MyBatis框架实现与非关系型数据库MySQL的交互。服务基于HTTPS协议为前端提供稳定可靠的API服务,同时严格遵循RESTful规范的API服务为前端提供明确清晰,易于维护的接口文档,考虑到地图导览的实时性要求和高并发请求的可能,服务系统采用Kubernetes作为基础的运行环境,基于容器集群的运行环境便于实现服务系统的多点部署和持续集成,多点部署保证了服务的可用性和稳定性,持续集成有利于功能集成和版本的快速迭代。系统在经过数十次迭代后正式上线,对外使用,在使用期间,保持系统稳定的同时不断进行迭代,能够根据用户位置为用户及时推送相关景物,在博物馆等景点密度较高场所能够有效为用户提供导览服务,用户反映较好,目前,应用用户量在逐步增长中。
容器云平台上应用自动化部署系统的设计与实现
这是一篇关于容器云平台,应用部署,自动化部署,Kubernetes的论文, 主要内容为近几年来,云计算技术发展迅猛,以容器、微服务、DevOps为代表的云原生技术得到了大量的落地实践。以云原生技术为基座建设的容器云平台越来越多地出现在人们的视野中,同时,应用架构的革新导致平台上服务、应用的部署需求越来越旺盛。为了更便捷快速地完成容器云平台下的应用部署任务,论文设计并实现了一个自动化部署系统。容器云平台上的应用自动化部署系统主要是为了实现将应用部署到云平台中,使得应用被云平台管理,以此将开发人员从繁杂的部署、运维中解放出来,让开发人员更多地关注需求开发,从而提升项目开发效率。自动化部署系统的实现借助了一些开源组件,系统包装了Jenkins组件,设计出了一种更适配于容器云平台的流水线机制。论文提出了多集群的部署方案,从而实现了系统资源与用户资源的隔离。论文设计并实现了一种全新的模板引擎,解决了自动化部署子系统与云平台的调用问题。系统通过挂载存储卷的方式实现了依赖复用以及文件复用,并提供一种动态服务来完成集成与部署任务。依赖复用和动态服务的设计使得系统能更有效地利用资源,基于动态配置的流水线机制使得系统能应对更复杂的应用部署场景。系统不仅提升了资源利用率,还提升了开发效率,在实际生产具有较大的价值。
计算卸载技术在容器化云平台上的研究与实现
这是一篇关于计算卸载,云计算,容器监控,Kubernetes的论文, 主要内容为本文针对计算卸载技术和Kubernetes云平台各自的技术特点,为Kubernetes增加计算卸载支持,实现了一套用于Kubernetes的组件,将计算卸载技术的部分特性实现在容器化云平台上。在需求分析与设计阶段,本文对计算卸载组件的功能需求、任务的时延能耗参数的获取、任务调度、计算卸载的粒度和方式等进行了详细的分析与设计。在系统架构设计中,本文将整个系统主要分为监控组件、任务调度组件和计算卸载组件,其中监控组件包括任务报告组件、容器监控组件、节点性能监控组件和节点性能评估组件;任务调度组件主要实现了调度策略、资源管理和任务状态管理等功能;计算卸载组件包括卸载决策组件和卸载执行组件。通过实现这些组件,本文在实际测试中证明了能够提高计算效率和资源利用率。在测试分析中,本文从对比不同任务运行表现、不同负载均衡策略、不同节点数量和不同并发度等多个角度对计算卸载系统的表现进行了测试,结果显示在避免单个节点负载过重的同时,计算卸载系统也能够有不错的计算效率和资源利用率。本文的研究成果可以为容器化云平台上的计算卸载技术提供参考,同时也为分布式计算的实现提供了新思路。
基于Kubernetes的空中特种机分系统DevOps平台的设计与实现
这是一篇关于Kubernetes,Docker,DevOps,容器的论文, 主要内容为随着计算机技术的快速发展,越来越多的领域开始与计算机技术紧密结合。在现代战争中,空中特种机作为拥有空中作战指挥核心战略地位的机种,在空中打击链的各个环节中都发挥着重要作用。传统的空中特种机系统是以分系统为单位,包括雷达探测系统、电子侦察系统、数据处理系统、导航系统、敌我识别系统[1]等多套分系统。以分系统为基本单位,各分系统之间紧密结合,相互联系,构成了空中特种机系统。但是随着各个分系统功能的复杂度增加、系统间耦合度增强,当开发人员完成某分系统功能开发工作后,系统配置与环境的修改经常会对其他分系统的正常运行造成影响,而运维人员通常不了解代码内部结构,很难快速调整资源环境确保所有分系统稳定运行,这给运维人员的工作带来很大的麻烦,系统的更新换代因此变得越发缓慢。同时,各分系统与特定硬件资源的绑定导致资源的分配调度变得困难,资源利用率也大大降低。如今,随着容器技术与微服务概念的成熟,我们可以将各分系统分割为多个功能组件与服务,将各组件与服务打包成Docker镜像部署在Kubernetes集群中,以容器的形式独立运行并对外提供服务,这样可以达到空中特种机各分系统解耦的目的。由于容器中只包含应用程序与必要的运行资源,避免了资源浪费,系统资源利用率得以提高。为了增加开发人员、运维人员之间的联系,本文将设计并实现一个以Kubernetes为基础进行构建的DevOps(开发运维)平台,该平台对常用的容器、集群管理功能进行整合、封装,并提供简洁易用的接口,降低用户对Docker、Kubernetes等容器相关技术的学习成本。通过这些接口用户能够在任何系统环境下对新开发的空中特种机分系统组件进行包装,打包为Docker镜像后通过平台进行快捷部署,并对部署的组件(容器)进行实时监控管理,平台能自动对运行的容器进行维护与调度,并保证集群的负载均衡。同时,为了提高空中特种机分系统的开发效率,平台提供代码的持续集成功能,能够自动完成代码构建、编译、测试、部署等任务,减少大量重复枯燥的人工操作。本论文主要完成了以下几方面内容:(1)搭建私有镜像仓库,设计仓库管理接口。空中特种机分系统组件镜像开发完成后需要存放在私有镜像仓库中,供K8S集群随时调用部署,本文搭建镜像仓库并为其设计基本的CRUD接口,实现远端在线构建镜像文件的功能,优化了对镜像的操作速度,实时更新镜像信息。(2)集群监控管理。平台为空中特种机分系统运维人员提供监控、管理集群的操作接口,他们不需要掌握Kubernetes与Docker等容器技术的技术细节,从而降低了学习成本。通过平台提供的接口运维人员能够对将镜像仓库中的镜像部署到集群中,为其指定部署节点,设置可迁移节点,并按需分配资源占有量。同时通过平台提供的监控视图,运维人员能够实时掌握集群中各组件(容器)CPU、内存、网络I/O等资源的使用情况,根据监控信息对集群节点进行扩容缩容操作。(3)建立日志监控管理系统。平台能够收集各节点组件的实时日志信息,并提供日志的查询、删除等功能。当集群意外宕机,日志不会随之消失,平台能够对其进行持久化存储。(4)配置管理。通过平台,工作人员能够对集群中大规模组件(容器)的环境变量、配置文件进行统一管理、在线修改,配置修改完成提交后能够即时生效。(5)持续集成。开发人员将代码提交至代码仓库后,平台能够及时对该代码进行集成,将代码整合到主干代码仓库上,并对其进行自动化编译、构建、测试、部署等操作,有利于快速验证代码合理性,提高代码集成效率,加快空中特种机分系统组件版本的迭代速度,并减少运维人员工作量。(6)优化平台自动伸缩性能。Kubernetes提供的原生自动伸缩策略具有一定局限性,它在面对突发大规模并发访问时表现欠佳,本文对原生策略进行了优化。本文使用在微服务与并发方面表现良好的Golang进行开发,通过GRPC框架来提高平台数据传输效率,加快系统响应速度。由于所有组件都被封装为镜像并以容器的形式在集群中运行,开发环境与运行环境的差异能够被很好地屏蔽,一键部署、“即插即用”是平台的重要优势。1.0版本平台系统在试用过程中证实了其实用性,用户拥有良好的使用体验,它能够满足空中特种机分系统工作人员开发运维的基本需求。
面向地图导览应用的服务系统的设计与实现
这是一篇关于地图导览,微服务,Spring Boot,Kubernetes的论文, 主要内容为随着人们可支配收入的逐年增长,面对快节奏的当代生活,越来越多的人们选择旅游,通过旅游放松心情,调整状态,从而更好得投入新的工作。面对旅游行业的快速发展,各种旅游类型软件层出不穷,为人们推荐景点,分享攻略提供了平台,但是针对为用户提供地图导览的软件几乎没有,由于景区众多,区内路况复杂,人们往往得不到及时的导览,给快乐的旅行徒增烦恼,同时,大多数景点的介绍不够完善,让众多游客停留在走马观花,无法感受高品质的观赏体验。因此,一款内容丰富,便捷安装,个性化定制的地图导览应用将极大的改善人们的旅游体验,有效提高人们的生活品质。以提高人们生活品质,加深人文关怀为目的,通过进行多种方式的需求调研并结合主流的开发技术框架明确系统的详尽需求,通过对需求的分析决定采用快速迭代的开发方案,在建立较稳定的基础功能后不断完善并且增加新的功能,开发与测试几乎同步的方式让该系统在保持稳定性的前提下不断适应用户的新需求。在微服务理念逐渐普及的今天,结合实际的需求现状,采用前后端分离的开发模式,前端采用小程序作为基础框架,依托微信利于推广的特性,在保持较低的成本下不断进行功能迭代和有效宣传,服务部分基于微服务的架构风格,在提供功能性微服务的同时,针对流量控制,用户鉴权等问题提供网关服务,利用网关收敛流量入口,统一接口风格,提高服务的原子性和安全性。所有服务模块均采用轻量的Spring Boot作为基础框架,网关服务作为服务入口,主要实现路由转发,负载均衡等功能,功能性服务根据需求分析进行划分,实现主要的业务逻辑,利用MyBatis框架实现与非关系型数据库MySQL的交互。服务基于HTTPS协议为前端提供稳定可靠的API服务,同时严格遵循RESTful规范的API服务为前端提供明确清晰,易于维护的接口文档,考虑到地图导览的实时性要求和高并发请求的可能,服务系统采用Kubernetes作为基础的运行环境,基于容器集群的运行环境便于实现服务系统的多点部署和持续集成,多点部署保证了服务的可用性和稳定性,持续集成有利于功能集成和版本的快速迭代。系统在经过数十次迭代后正式上线,对外使用,在使用期间,保持系统稳定的同时不断进行迭代,能够根据用户位置为用户及时推送相关景物,在博物馆等景点密度较高场所能够有效为用户提供导览服务,用户反映较好,目前,应用用户量在逐步增长中。
基于容器的算法开发系统的设计与实现
这是一篇关于容器技术,算法开发,Kubernetes的论文, 主要内容为随着大数据时代的到来,算法相关技术领域的研究备受关注,针对算法开发的工具与开源技术也越来越多,算法开发却没有一个可通用、功能较完善的平台。基于以上背景,本文设计实现的基于容器的算法开发系统,为算法的开发部署,提供了一个较为完整的解决方案。本文从算法开发的用户角度出发,对系统进行分析与设计,使用Gitlab、Kubernetes、Ceph和SSM框架等技术,研发了基于容器的算法开发系统。系统主要包括六个功能模块,用户管理模块主要包含用户自我管理、团队管理等功能;数据集管理包含数据集的录入、分享和基本信息管理功能;模型管理主要是模型录入、模型信息管理、模型发布与模型分享等功能;算法管理包含对算法进行调试、编辑、管理与分享的功能;实验结果追踪包含对算法结果的管理、追踪以及可视化对比等功能;任务监控主要是对算法运行的资源消耗进行监控的功能,包括内存、CPU、存储等。系统的核心功能提供算法编辑调试、算法快速发布、结果跟踪管理以及算法资源消耗监控,提供隔离的算法开发环境,支持算法计算资源的动态扩展,为用户提供了一个可靠的、高效的算法开发平台。该系统已经过测试与线上使用,系统能够支持用户对算法调试、算法发布以及结果跟踪等功能的需要,方便用户进行算法开发。
基于Kubernetes的容器优化调度技术研究
这是一篇关于云计算,Kubernetes,容器调度,负载均衡,资源利用率的论文, 主要内容为随着云计算技术的快速发展,越来越多的场景采用容器化落地。容器资源管理与调度平台Kubernetes由于具有高可用、自动化、可扩展性等特点,已经成为了业内容器编排的事实标准。面向超大规模集群计算环境和海量容器应用需求,有必要研究基于Kubernetes容器调度技术,以解决集群计算资源的利用率与稳定性的矛盾。当前,随着云原生技术的不断成熟,基于Kubernetes构建统一的容器调度、管理、运维能力的解决方案已经成为可能。然而,集群计算资源的动态性与容器资源需求的多样性给基于Kubernetes的容器资源调度带来了挑战。针对这一问题,本文从CPU计算资源与GPU计算资源两个角度出发,开展了可兼顾动态性与多样性的容器优化调度技术,并构建了具有自动化、可扩展、实时监控的容器调度管理系统。具体而言,本文的主要研究内容包括:1)提出了面向容器多维度资源需求的负载均衡调度技术。针对Kubernetes默认的调度机制只考虑CPU和内存两大资源指标,无法满足边缘计算场景下精细化调度需求的问题,从控制层、调度插件层、监控层和节点代理层4个层面,设计了基于Kubernetes的CPU算力资源容器调度方案E-KCSS(Efficient-Kubernetes Container Scheduling Strategy)。E-KCSS以CPU、内存、带宽、磁盘、Pod数量等5个指标为调度因子,实现了容器调度的多样化,以针对集群计算资源的时序数据库监控数据作为调度驱动,实现了容器调度的动态性。为了解决Kubernetes预设的权重系数不能满足容器个性化资源需求的问题,引入了权重自适应机制,该机制能综合考虑计算节点的多维资源利用率和容器的资源需求,自动求解容器的多维资源权重集合,并根据计算节点资源的平衡度为容器选择最优节点。实验结果表明,与Kubernetes默认调度机制相比,E-KCSS在异构请求场景下容器应用部署上限提升23.63%,集群资源不均衡降低6.87%。2)提出了面向GPU计算资源的细粒度共享式容器调度技术。首先,设计了面向GPU计算资源的细粒度共享式容器调度架构。该架构基于消息缓存架构从监控层和调度层两个方面进行设计,通过对Kubernetes原生组件API Server的轻量级优化以及对Kubernetes资源对象的实时感知,提升了GPU计算资源调度的时效性。针对Kubernetes无法对GPU设备进行细粒度管控而导致的GPU资源全局视图缺失的问题,设计了基于Kubernetes的GPU设备收集器G-RCFK(GPU-Resource Collector for Kubernetes),实现对GPU设备的统一管控与GPU指标信息的细粒度实时获取。针对Kubernetes默认调度机制按块数调度GPU容器而导致GPU算力资源无法共享的问题,设计了面向GPU资源的共享式容器调度技术Nvi-Scheduler。该技术从用户优先级和资源优先级两个方面出发,结合GPU利用率和显存利用率实现了共享式容器调度。实验结果表明,与Nvidia-Device-Plugin和Kube Share调度器相比,所提出的技术在调度GPU容器方面更加灵活,部署效率提升了18.68%,实现了容器间GPU资源的共享。3)基于1)、2)的研究内容,基于Kubernetes并融合轻量级容器技术,从物理设备、基础设施、业务服务、用户接口等4个层面,设计并实现了容器调度管理系统。该系统包含了CPU算力资源和GPU算力资源的容器调度,可为容器调度提供便捷、高效、多样的管理平台。重点探讨了容器的全生命周期管理,可视化管理,容器Webshell交互功能等关键技术的设计和实现方法。实验验证了该系统的各项功能。
面向微服务应用的水平伸缩系统设计与实现
这是一篇关于微服务,Kubernetes,水平伸缩,容量规划的论文, 主要内容为随着云原生技术的发展和普及,以Docker为代表的容器虚拟化技术为用户提供了更为轻量、简单、高效、可控的资源池化方式,Kubernetes因其强大的容器编排能力,得到了国内外各大云厂商的青睐。这些基础技术的极速更迭,使得具备云原生架构的应用可以最大程度利用云服务和提升软件持续交付能力。为云原生化应用提供基础设施保障的大型云数据中心,因受限于资源异构、软硬件配置多样性、管理规则繁杂、应用特征呈现开放性、混合部署多类负载等服务侧因素以及用户访问云服务的习惯在时间空间分布上不均衡等用户侧因素,导致资源利用率普遍较低,冗余严重。目前社区版Kubernetes水平伸缩设计过于简单,只能基于实时感知到的负载值和预定义资源水位阈值进行比较从而计算所需副本数。这种方式缺乏风险管控机制,并不适用于工业生产。如何保障Qo S不损失的同时提高资源分配使用效率,是一个亟需解决的热点问题。本文基于某大型电商企业微服务场景,针对延迟敏感,无法及时弹起提供服务的在线应用,在不违反当前SLA的前提下,提高资源分配使用效率。具体研究工作包含以下三大方面:(1)主动式伸缩策略:针对具有长期稳定流量规律的在线应用,选取多种时序预测模型进行流量规律刻画。通过比较ARIMA、LSTM、Light GBM、Cat Boost在内的常用机器学习模型,选择合适的模型进行下一周期流量的预测;合理确定单个应用实例所能服务的QPS;基于一个周期内使用资源数最少的原则,推荐各个时段副本数。(2)被动式伸缩策略:针对没有明显周期性规律的在线应用,难以预测下一周期流量变化,在日常场景下,基于Metrics指导伸缩,通过推荐合理的目标负载阈值维持资源水位稳定。同时通过缩容冷却期、渐进式缩容和中间件流控等机制进行缩容风险控制。(3)水平伸缩系统的实现:为了实现以上两种伸缩策略,本文搭建了容量平台作为中心决策端,扩展Kubernetes水平伸缩组件作为执行端,通过配置容量画像的方式进行主动式伸缩,通过推荐设置目标负载阈值的方式进行被动式伸缩,从而达到既能保障Qo S不损失,又能提高资源分配使用效率。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码港湾 ，原文地址：https://m.bishedaima.com/lunwen/45997.html
