基于Docker的容器技术的研究与应用
这是一篇关于Docker技术,运维安全审计系统,高可用,容器部署的论文, 主要内容为现阶段运维安全审计系统使用虚拟机技术搭建,在一定程度上降低了系统的运维成本。然而,由于网络环境的复杂性以及服务器之间的差异性等因素导致系统安装部署过程极其繁杂,后期大量运维工作、组件间的高耦合性和升级困难等问题都影响着系统在生产环境中使用的成本和效率。Docker容器技术的出现不仅让系统开发和部署变得更加简单和高效,而且提高了应用程序的可移植性和可伸缩性。因此,需要利用Docker容器技术简化运维安全审计系统部署并降低运维成本,及时为运维安全审计系统的用户提供安全且可靠的新功能。本文研究了 Docker容器技术、容器编排技术、负载均衡和高可用技术,对国网下属某信通公司运维安全审计系统的实际情况进行了系统分析,指出了在现场工作量快速增加的情况下,运维安全审计系统目前的集群部署方式所暴露出来的问题,通过分析Docker容器化部署的优势,本文提出将Docker容器技术应用到运维安全审计系统,给出了基于Docker技术的运维安全审计系统总体架构,并按照系统功能划分了四个模块:一是Web服务模块,主要提出了基于Redis的Session会话存储的设计方案并实现,针对Nginx自身负载均衡策略的缺陷提出并设计了基于Nginx的动态负载均衡策略,实现了 Web服务的高可用访问;二是代理服务模块,主要设计了基于ClusterIP服务暴露方案来实现代理服务在容器集群内部暴露,并基于HPA提出了自定义指标的弹性伸缩策略来实现代理服务根据节点负载情况进行弹性伸缩;三是数据存储模块,设计了高可用数据存储集群来实现运维安全审计系统的MySQL数据、Redis内存数据和磁盘数据的可用性、可靠性和一致性;四是集群管理模块,针对Etcd存储节点在实际生产环境易发生故障的问题,设计并实现了 Etcd存储管理模块,有效提高了 Etcd集群的可用性,并设计了 Kubernetes集群控制节点高可用架构,保证了 Kubernetes集群的可用性和稳定性,确保运维安全审计系统能够始终可靠地运行。最后根据各个模块的设计方案完成了相应功能的开发,在搭建Kubernetes集群的基础上实现了基于Docker技术的运维安全审计系统的部署,并针对系统功能和性能完成了测试并验证。结果证明将Docker容器技术应用到运维安全审计系统的可实施性和有效性,对于提升运维安全审计系统的可用性、降低系统部署成本以及提高运维效率具有重要意义。
基于进化多任务优化的多目标容器部署算法研究
这是一篇关于多目标优化,容器部署,微服务,资源利用率,进化多任务优化的论文, 主要内容为容器化技术具有支持快速部署Web应用程序和提高云数据中心资源利用率等潜力,因此它被广泛应用到微服务架构中。尽管现有的容器化技术已经得到了很好的发展,然而,随着用户对应用需求的不断增长,导致云数据中心对计算资源的需求也不断增长。因此,如何有效地解决应用程序的快速部署和提高云数据中心的资源利用率,从而减少物理机的使用数量则成为亟待解决的问题。容器部署是一个NP难组合优化问题。进化算法作为一种成熟的具有广泛适用性的全局优化方法,在解决容器部署问题上前景广阔,但现有的方法既没有关注大规模多目标容器部署(Multi-objective Container Placement,MOCP)优化问题,也没有考虑优化任务之间潜在的相关关系。因此,本文针对云数据中心不同的多目标容器部署优化问题,提出了几种新的基于进化多任务优化的方法。本文具体完成了以下的工作内容:1.针对云数据中心处理用户对同一个应用程序的并发请求的MOCP问题,结合改进的多因子进化算法(Multi-factorial Evolutionary Algorithm,MFEA),提出了MOCP-MFEA算法。该算法首次将多个用户的并发应用程序请求建模为一个四目标的多任务问题,并提出了两种编解码方法来促进任务间遗传信息的迁移进而加速算法收敛。同时,该算法还提出了局部搜索策略来处理算法的不可行解和提高集群的资源利用率。在不同应用数量和异构集群规模下对该算法进行测试。实验结果表明,所提出的算法可以显著缩短优化时间,并且在异构集群环境中表现出良好的弹性,从而为MOCP问题提供一种有竞争力的解决方案。2.针对云数据中心不同应用程序并发请求的MOCP问题,提出了一种多任务多种群(Multi-task Multi-population,MTMP)方法,记为MOCP-MTMP。提出的MOCPMTMP算法旨在提高集群的资源利用率,减少每台活动物理机上的资源浪费,并在满足资源约束和高可用性约束的情况下最大限度地减少活动物理机的数量。算法首先对应用程序进行分组,将每个分组视为一个优化任务,再利用多种群方法挖掘多个任务之间的潜在协同作用促进多个优化任务向最优解进行收敛。在异构集群环境中的两个不同测试模型上,所提出的算法被应用于具有不同应用程序规模的各种MOCP问题。实验结果表明,所提出的算法能够为不同应用程序的MOCP问题提供高效的部署方案。3.针对云数据中心不同应用程序的在线MOCP问题,提出了一种多任务遗传规划(Multi-task Genetic Programming,MTGP)方法,即MOCP-MTGP。由于在线容器部署需要实时响应,大多数当前的资源分配技术依赖于基于规则的方法,而未考虑资源请求类型和物理机类型等综合信息,使得集群中的资源未得到有效利用。因此,本文提出了一个新的在线MOCP问题模型,该模型首次考虑按照资源请求类型选择合适的分配规则。提出的MOCP-MTGP算法能从历史工作负载模式和不同异构集群状态中自动生成多组分配规则。综合实验表明,该算法能在满足资源约束和高可用性约束的前提下提高集群的资源利用率。
微服务架构的水库调度系统设计与实现
这是一篇关于水库调度系统,微服务,Spring Cloud,容器部署的论文, 主要内容为2020疫情期间展现了互联网远程线上办公的威力,其背后都是软件系统后端先进成熟的架构带来的服务器高效持续的工作。软件系统后端架构的发展经历了从单机、三层分层、SOA,再到现在的微服务,目前正在使用的水库调度系统基本是以采用服务总线的SOA架构实现,众多文献论文设计分析的各种水调系统大多是三层分层单体架构。如今先进且最热门的微服务架构在众多领域进行着研究,特别是在互联网软件系统中得到了广泛的应用,针对水调系统架构现状,为吸取互联网架构应用的经验,本文现以一种技术储备和应用的目的来设计实现微服务架构的通用水库调度系统。首先分析微服务架构相关技术,从单体到微服务的发展,现有水调系统现状,微服务架构实现所采用的框架技术,数据库技术,微服务部署等;再对微服务架构的运用进行需求分析;第三对水调系统微服务架构进行设计分析,包括微服务架构技术的整体拓扑设计,基础数据、洪水预报、发电调度、防洪调度等业务功能设计,缓存数据库设计等;最后对水调系统采用Spring Cloud进行微服务架构的搭建,包括各个业务功能微服务个体应用的服务发现,微服务个体应用接口实现,业务功能主要流程实现,缓存与持久数据库搭配实现,微服务应用Docker容器部署等。
基于Docker的容器技术的研究与应用
这是一篇关于Docker技术,运维安全审计系统,高可用,容器部署的论文, 主要内容为现阶段运维安全审计系统使用虚拟机技术搭建,在一定程度上降低了系统的运维成本。然而,由于网络环境的复杂性以及服务器之间的差异性等因素导致系统安装部署过程极其繁杂,后期大量运维工作、组件间的高耦合性和升级困难等问题都影响着系统在生产环境中使用的成本和效率。Docker容器技术的出现不仅让系统开发和部署变得更加简单和高效,而且提高了应用程序的可移植性和可伸缩性。因此,需要利用Docker容器技术简化运维安全审计系统部署并降低运维成本,及时为运维安全审计系统的用户提供安全且可靠的新功能。本文研究了 Docker容器技术、容器编排技术、负载均衡和高可用技术,对国网下属某信通公司运维安全审计系统的实际情况进行了系统分析,指出了在现场工作量快速增加的情况下,运维安全审计系统目前的集群部署方式所暴露出来的问题,通过分析Docker容器化部署的优势,本文提出将Docker容器技术应用到运维安全审计系统,给出了基于Docker技术的运维安全审计系统总体架构,并按照系统功能划分了四个模块:一是Web服务模块,主要提出了基于Redis的Session会话存储的设计方案并实现,针对Nginx自身负载均衡策略的缺陷提出并设计了基于Nginx的动态负载均衡策略,实现了 Web服务的高可用访问;二是代理服务模块,主要设计了基于ClusterIP服务暴露方案来实现代理服务在容器集群内部暴露,并基于HPA提出了自定义指标的弹性伸缩策略来实现代理服务根据节点负载情况进行弹性伸缩;三是数据存储模块,设计了高可用数据存储集群来实现运维安全审计系统的MySQL数据、Redis内存数据和磁盘数据的可用性、可靠性和一致性;四是集群管理模块,针对Etcd存储节点在实际生产环境易发生故障的问题,设计并实现了 Etcd存储管理模块,有效提高了 Etcd集群的可用性,并设计了 Kubernetes集群控制节点高可用架构,保证了 Kubernetes集群的可用性和稳定性,确保运维安全审计系统能够始终可靠地运行。最后根据各个模块的设计方案完成了相应功能的开发,在搭建Kubernetes集群的基础上实现了基于Docker技术的运维安全审计系统的部署,并针对系统功能和性能完成了测试并验证。结果证明将Docker容器技术应用到运维安全审计系统的可实施性和有效性,对于提升运维安全审计系统的可用性、降低系统部署成本以及提高运维效率具有重要意义。
基于进化多任务优化的多目标容器部署算法研究
这是一篇关于多目标优化,容器部署,微服务,资源利用率,进化多任务优化的论文, 主要内容为容器化技术具有支持快速部署Web应用程序和提高云数据中心资源利用率等潜力,因此它被广泛应用到微服务架构中。尽管现有的容器化技术已经得到了很好的发展,然而,随着用户对应用需求的不断增长,导致云数据中心对计算资源的需求也不断增长。因此,如何有效地解决应用程序的快速部署和提高云数据中心的资源利用率,从而减少物理机的使用数量则成为亟待解决的问题。容器部署是一个NP难组合优化问题。进化算法作为一种成熟的具有广泛适用性的全局优化方法,在解决容器部署问题上前景广阔,但现有的方法既没有关注大规模多目标容器部署(Multi-objective Container Placement,MOCP)优化问题,也没有考虑优化任务之间潜在的相关关系。因此,本文针对云数据中心不同的多目标容器部署优化问题,提出了几种新的基于进化多任务优化的方法。本文具体完成了以下的工作内容:1.针对云数据中心处理用户对同一个应用程序的并发请求的MOCP问题,结合改进的多因子进化算法(Multi-factorial Evolutionary Algorithm,MFEA),提出了MOCP-MFEA算法。该算法首次将多个用户的并发应用程序请求建模为一个四目标的多任务问题,并提出了两种编解码方法来促进任务间遗传信息的迁移进而加速算法收敛。同时,该算法还提出了局部搜索策略来处理算法的不可行解和提高集群的资源利用率。在不同应用数量和异构集群规模下对该算法进行测试。实验结果表明,所提出的算法可以显著缩短优化时间,并且在异构集群环境中表现出良好的弹性,从而为MOCP问题提供一种有竞争力的解决方案。2.针对云数据中心不同应用程序并发请求的MOCP问题,提出了一种多任务多种群(Multi-task Multi-population,MTMP)方法,记为MOCP-MTMP。提出的MOCPMTMP算法旨在提高集群的资源利用率,减少每台活动物理机上的资源浪费,并在满足资源约束和高可用性约束的情况下最大限度地减少活动物理机的数量。算法首先对应用程序进行分组,将每个分组视为一个优化任务,再利用多种群方法挖掘多个任务之间的潜在协同作用促进多个优化任务向最优解进行收敛。在异构集群环境中的两个不同测试模型上,所提出的算法被应用于具有不同应用程序规模的各种MOCP问题。实验结果表明,所提出的算法能够为不同应用程序的MOCP问题提供高效的部署方案。3.针对云数据中心不同应用程序的在线MOCP问题,提出了一种多任务遗传规划(Multi-task Genetic Programming,MTGP)方法,即MOCP-MTGP。由于在线容器部署需要实时响应,大多数当前的资源分配技术依赖于基于规则的方法,而未考虑资源请求类型和物理机类型等综合信息,使得集群中的资源未得到有效利用。因此,本文提出了一个新的在线MOCP问题模型,该模型首次考虑按照资源请求类型选择合适的分配规则。提出的MOCP-MTGP算法能从历史工作负载模式和不同异构集群状态中自动生成多组分配规则。综合实验表明,该算法能在满足资源约束和高可用性约束的前提下提高集群的资源利用率。
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：代码客栈 ，原文地址：https://m.bishedaima.com/lunwen/54760.html
