基于Kubernetes的弹性伸缩容器云的设计与实现
这是一篇关于容器云平台,Kubernetes,弹性伸缩,时序预测的论文, 主要内容为弹性伸缩主要功能是在云计算资源有限的情况下,如何有效地调配资源,提高资源利用率。学界对弹性伸缩的研究主要集中于基于进程级的弹性伸缩和基于时序的PMs预测。国内外主要公共云计算供应商如亚马逊、谷歌、阿里、腾讯、华为等都在各自的云产品中大规模应用了弹性伸缩策略。本文在阅读文献和相关项目源码的基础上,基于Kubernetes集群提出了一种基于负载预测和截止时间分配的弹性伸缩策略。该弹性伸缩策略分为两部分,分别是负载时序预测方面和弹性伸缩的执行策略方面。弹性伸缩的执行策略根据负载预测的反馈值进行弹性伸缩。对负载时序预测方面,在本文中尤指对CPU利用率变化的时序预测。本文研究了时间序列的预测模型,提出了一种基于EMD的决策树修正自回归模型。该模型在平均自回归模型的基础上进行了改进,优化了平均自回归模型在参数选择过程中的调优准则,然后通过改进后的移动平均自回归模型进行初步预测,将原始时间序列分为平稳时间序列部分和非线性残差部分。对非线性残差部分使用EMD经验模态分解使其分解为若干残差分向量,再分别对这些残差分向量使用决策树模型进行残差预测,将残差预测后的残差分向量预测序列进行再次融合得到残差修正序列。使用残差修正序列对平滑时间序列进行修正,得到最终的预测序列。在弹性伸缩的执行策略部分,本文设计了一种基于任务截止时间动态确定CPU利用率阈值的弹性伸缩策略。通过图的知识分配截止时间,然后根据服务平均响应时间和CPU利用率的关系动态确定CPU利用率的阈值,作为弹性伸缩依据。负载时序预测模型和弹性伸缩执行策略部分合起来构成总体弹性伸缩策略,本文基于该策略设计并开发了弹性伸缩容器云平台系统。并对系统的各个功能模块进行了功能测试。该系统的功能模块有用户管理配置分系统、系统管理控制分系统、资源监控分系统、日志管理分系统,以及弹性伸缩分系统。通过上述一系列的实验和系统测试,验证了本文提出的基于负载预测和截止时间的弹性伸缩策略相较于Kubernetes默认弹性伸缩策略在性能上的提升。
基于Docker与Kubernetes的容器云平台的研究与实现
这是一篇关于云计算,容器云平台,Docker,Harbor,Kubernetes,调度优选算法的论文, 主要内容为随着计算机技术和容器虚拟化技术的快速发展,云计算已然成为物联网、大数据等应用中最基本的计算平台,应用容器化也愈渐成为了一种趋势。但是,随着应用规模的增大和应用关系的错综复杂,使得人为管理所有容器应用的运行越来越力不从心。因此,如何在企业环境下降低人为运维的成本、如何管理大规模容器的运行,已成为了当下亟待解决的问题。本文结合实习公司的用户需求,基于Docker容器技术和Kubernetes容器编排工具,研究并实现一个可以被部署在私有云下的PaaS层容器云平台。该平台为用户提供了一种容器编排方案,简化了部署应用的过程。此外,本文还对Kubernetes v1.5.2版本的调度优选算法进行了研究。本文的具体研究工作如下:本文首先介绍了课题的研究背景与意义,分析了国内外在虚拟化技术和编排工具方面的研究现状。其次,分析了平台的目标用户及需求,将用户分为了云管理员和普通用户两种角色,并从用户需求中分析提取了平台的功能需求,根据平台的使用和运行场景总结了系统的非功能需求。接着,在需求分析的基础上设计了平台的总体架构,包括平台前后端设计以及平台后端与Kubernetes集群等组件的交互设计等,并通过分析平台各组件的实体和实体之间的关系完成了数据库设计。在第4章,本文研究了Kubernetes调度过程,针对Kubernetes优选算法中未考虑节点本身性能、使用的资源模型过小和设置默认requests不合理三点不足,对算法进行了改进。首先,在设置CPU的默认requests时考虑了CPU核数,在设置内存的默认requests考虑了内存总容量;其次,改进的优选算法中考虑了节点本身的性能。最后,在第5章,本文使用Java、JavaScript和HTML/CSS语言,通过Spring Boot、Mybatis、Vue和Thymeleaf等框架实现了基于Docker与Kubernetes的容器云平台,并展示了相关实现效果。其中,使用Harbor项目搭建了私有镜像仓库服务器,研究了Harbor框架及Harbor API的调用,并结合Docker API完成了对应用仓库模块的开发;使用TWaver可视化开发工具和HTML5拖动技术完成了应用编排功能;研究了Kubernetes资源的管理及Kubernetes Restful API的调用,使用基于Fabric8的Java客户端完成了应用部署功能和对应用实例的管理工作;通过Echarts等插件完成了应用概览模块;通过Vue和Validate插件完成了该平台的用户权限控制和数据有效性验证。
面向微服务架构化应用的容器云平台的研究与实现
这是一篇关于容器云平台,微服务架构,全链路追踪,多租户系统的论文, 主要内容为随着互联网与计算机技术的发展,各类互联网企业的规模也在不断扩大,企业内部业务涉及的应用领域也更加广泛。但大多数企业采用较为传统的应用落地方式,即服务器或虚拟机为基本部署单位的应用落地方式,随着企业业务规模的增加,需要管理的应用以及应用的复杂程度也成倍上升,运维成本随之提高。与此同时,面对体系越来越庞大的应用,大多数企业采用微服务架构来对自身业务进行重构。但微服务开发的技术体系非常复杂,需要相应的配套工程来支持微服务开发运行维护。而大多数企业对此也未做到良好的支持。本文基于以上问题设计了一个面向微服务架构化应用的容器云平台,平台面向企业内部使用,用来优化企业内部应用落地管理方案,平台能够对企业内部应用进行统一化的部署和管理,提高了服务器资源的利用效率,降低了运维人员的工作成本。同时针对企业应用微服务架构化带来的开发和运维的复杂度,提供丰富的平台内部解决方案。研究内容包括以下三个部分:1)基于网络代理的全链路追踪关键技术研究与实现,针对实现平台内部服务间全链路追踪的相关技术进行了研究,并最终实现了一个全链路追踪系统,能够对平台内部服务间调用关系进行监控。2)容器云平台多租户关键技术研究与实现,针对实现平台多租户系统的相关技术进行了研究,并实现了多租户系统,实现了细粒度的权限分割,以及不同用户间的资源隔离。3)面向微服务架构化应用的容器云平台研究与实现:实现了一个容器云平台,提供统一的平台资源管理功能,同时提供了全链路追踪,持续集成等功能来降低微服务架构带来应用维护复杂度,并且具备较完备的权限系统,对用户间计算资源进行隔离,保障了用户计算资源的安全性。本文最终实现一个面向微服务架构化应用的容器云平台。平台能够对集群中的容器进行统一的管理和编排,以及对服务器和镜像等相关平台资源进行管理。提供容器以及服务器运行状态的监控功能,满足运维中对应用实时运行状态进行掌控以及故障告警的需要。平台提供全链路追踪功能,对平台内部服务的相互调用情况进行实时的追踪与记录,当服务故障导致业务链不可用的情况发生时,能够快速定位故障服务。平台提供持续集成功能,实现应用从代码到容器化部署过程的全自动化。平台提供能力开放功能,通过统一的API网关对平台内部应用的能力进行开放,同时提供丰富的负载均衡策略,提高系统的吞吐量以及可用性。平台提供多租户功能,对不同租户之间的资源进行隔离,保证用户资源的安全性。论文最后对平台的各项功能进行测试,验证了平台的可用性。
基于Docker与Kubernetes的容器云平台的研究与实现
这是一篇关于云计算,容器云平台,Docker,Harbor,Kubernetes,调度优选算法的论文, 主要内容为随着计算机技术和容器虚拟化技术的快速发展,云计算已然成为物联网、大数据等应用中最基本的计算平台,应用容器化也愈渐成为了一种趋势。但是,随着应用规模的增大和应用关系的错综复杂,使得人为管理所有容器应用的运行越来越力不从心。因此,如何在企业环境下降低人为运维的成本、如何管理大规模容器的运行,已成为了当下亟待解决的问题。本文结合实习公司的用户需求,基于Docker容器技术和Kubernetes容器编排工具,研究并实现一个可以被部署在私有云下的PaaS层容器云平台。该平台为用户提供了一种容器编排方案,简化了部署应用的过程。此外,本文还对Kubernetes v1.5.2版本的调度优选算法进行了研究。本文的具体研究工作如下:本文首先介绍了课题的研究背景与意义,分析了国内外在虚拟化技术和编排工具方面的研究现状。其次,分析了平台的目标用户及需求,将用户分为了云管理员和普通用户两种角色,并从用户需求中分析提取了平台的功能需求,根据平台的使用和运行场景总结了系统的非功能需求。接着,在需求分析的基础上设计了平台的总体架构,包括平台前后端设计以及平台后端与Kubernetes集群等组件的交互设计等,并通过分析平台各组件的实体和实体之间的关系完成了数据库设计。在第4章,本文研究了Kubernetes调度过程,针对Kubernetes优选算法中未考虑节点本身性能、使用的资源模型过小和设置默认requests不合理三点不足,对算法进行了改进。首先,在设置CPU的默认requests时考虑了CPU核数,在设置内存的默认requests考虑了内存总容量;其次,改进的优选算法中考虑了节点本身的性能。最后,在第5章,本文使用Java、JavaScript和HTML/CSS语言,通过Spring Boot、Mybatis、Vue和Thymeleaf等框架实现了基于Docker与Kubernetes的容器云平台,并展示了相关实现效果。其中,使用Harbor项目搭建了私有镜像仓库服务器,研究了Harbor框架及Harbor API的调用,并结合Docker API完成了对应用仓库模块的开发;使用TWaver可视化开发工具和HTML5拖动技术完成了应用编排功能;研究了Kubernetes资源的管理及Kubernetes Restful API的调用,使用基于Fabric8的Java客户端完成了应用部署功能和对应用实例的管理工作;通过Echarts等插件完成了应用概览模块;通过Vue和Validate插件完成了该平台的用户权限控制和数据有效性验证。
基于Docker与Kubernetes的容器云平台的研究与实现
这是一篇关于云计算,容器云平台,Docker,Harbor,Kubernetes,调度优选算法的论文, 主要内容为随着计算机技术和容器虚拟化技术的快速发展,云计算已然成为物联网、大数据等应用中最基本的计算平台,应用容器化也愈渐成为了一种趋势。但是,随着应用规模的增大和应用关系的错综复杂,使得人为管理所有容器应用的运行越来越力不从心。因此,如何在企业环境下降低人为运维的成本、如何管理大规模容器的运行,已成为了当下亟待解决的问题。本文结合实习公司的用户需求,基于Docker容器技术和Kubernetes容器编排工具,研究并实现一个可以被部署在私有云下的PaaS层容器云平台。该平台为用户提供了一种容器编排方案,简化了部署应用的过程。此外,本文还对Kubernetes v1.5.2版本的调度优选算法进行了研究。本文的具体研究工作如下:本文首先介绍了课题的研究背景与意义,分析了国内外在虚拟化技术和编排工具方面的研究现状。其次,分析了平台的目标用户及需求,将用户分为了云管理员和普通用户两种角色,并从用户需求中分析提取了平台的功能需求,根据平台的使用和运行场景总结了系统的非功能需求。接着,在需求分析的基础上设计了平台的总体架构,包括平台前后端设计以及平台后端与Kubernetes集群等组件的交互设计等,并通过分析平台各组件的实体和实体之间的关系完成了数据库设计。在第4章,本文研究了Kubernetes调度过程,针对Kubernetes优选算法中未考虑节点本身性能、使用的资源模型过小和设置默认requests不合理三点不足,对算法进行了改进。首先,在设置CPU的默认requests时考虑了CPU核数,在设置内存的默认requests考虑了内存总容量;其次,改进的优选算法中考虑了节点本身的性能。最后,在第5章,本文使用Java、JavaScript和HTML/CSS语言,通过Spring Boot、Mybatis、Vue和Thymeleaf等框架实现了基于Docker与Kubernetes的容器云平台,并展示了相关实现效果。其中,使用Harbor项目搭建了私有镜像仓库服务器,研究了Harbor框架及Harbor API的调用,并结合Docker API完成了对应用仓库模块的开发;使用TWaver可视化开发工具和HTML5拖动技术完成了应用编排功能;研究了Kubernetes资源的管理及Kubernetes Restful API的调用,使用基于Fabric8的Java客户端完成了应用部署功能和对应用实例的管理工作;通过Echarts等插件完成了应用概览模块;通过Vue和Validate插件完成了该平台的用户权限控制和数据有效性验证。
基于Docker与Kubernetes的容器云平台的研究与实现
这是一篇关于云计算,容器云平台,Docker,Harbor,Kubernetes,调度优选算法的论文, 主要内容为随着计算机技术和容器虚拟化技术的快速发展,云计算已然成为物联网、大数据等应用中最基本的计算平台,应用容器化也愈渐成为了一种趋势。但是,随着应用规模的增大和应用关系的错综复杂,使得人为管理所有容器应用的运行越来越力不从心。因此,如何在企业环境下降低人为运维的成本、如何管理大规模容器的运行,已成为了当下亟待解决的问题。本文结合实习公司的用户需求,基于Docker容器技术和Kubernetes容器编排工具,研究并实现一个可以被部署在私有云下的PaaS层容器云平台。该平台为用户提供了一种容器编排方案,简化了部署应用的过程。此外,本文还对Kubernetes v1.5.2版本的调度优选算法进行了研究。本文的具体研究工作如下:本文首先介绍了课题的研究背景与意义,分析了国内外在虚拟化技术和编排工具方面的研究现状。其次,分析了平台的目标用户及需求,将用户分为了云管理员和普通用户两种角色,并从用户需求中分析提取了平台的功能需求,根据平台的使用和运行场景总结了系统的非功能需求。接着,在需求分析的基础上设计了平台的总体架构,包括平台前后端设计以及平台后端与Kubernetes集群等组件的交互设计等,并通过分析平台各组件的实体和实体之间的关系完成了数据库设计。在第4章,本文研究了Kubernetes调度过程,针对Kubernetes优选算法中未考虑节点本身性能、使用的资源模型过小和设置默认requests不合理三点不足,对算法进行了改进。首先,在设置CPU的默认requests时考虑了CPU核数,在设置内存的默认requests考虑了内存总容量;其次,改进的优选算法中考虑了节点本身的性能。最后,在第5章,本文使用Java、JavaScript和HTML/CSS语言,通过Spring Boot、Mybatis、Vue和Thymeleaf等框架实现了基于Docker与Kubernetes的容器云平台,并展示了相关实现效果。其中,使用Harbor项目搭建了私有镜像仓库服务器,研究了Harbor框架及Harbor API的调用,并结合Docker API完成了对应用仓库模块的开发;使用TWaver可视化开发工具和HTML5拖动技术完成了应用编排功能;研究了Kubernetes资源的管理及Kubernetes Restful API的调用,使用基于Fabric8的Java客户端完成了应用部署功能和对应用实例的管理工作;通过Echarts等插件完成了应用概览模块;通过Vue和Validate插件完成了该平台的用户权限控制和数据有效性验证。
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：毕设导航 ，原文地址：https://m.bishedaima.com/lunwen/50122.html
