基于一种组合预测模型的自动伸缩Docker集群关键技术研究
发布时间：2021-04-28 01:05
随着云计算的飞速发展,支撑云计算的虚拟化技术也更加成熟。Docker容器虚拟化技术是目前该领域的研究热点,Docker容器具有标准化应用发布、计算资源消耗低、快速部署和启动的优势,是承载云平台的主流技术之一。但是云服务的并发访问往往具有突发性,这时云平台的工作负载会急剧增加,需要快速增加计算资源来维持服务质量。同样地,在流量下降时,也需要根据负载量减少空闲资源以降低成本。因此自动伸缩功能对云平台来说至关重要。本文的具体工作如下:（1）本文分析了Docker集群构建所面临的关键问题,针对Docker集群的网络通信和镜像共享的问题,分别使用Calico与Harbor进行解决,实现了Docker集群的构建。（2）在研究了GM（1,1）模型和BP神经网络模型的基础之上,提出一种组合式预测模型,利用BP神经网络模型为灰色预测模型的预测结果完善非线性误差,使预测结果兼顾线性与非线性两个方面。并且根据这种组合式预测模型的预测结果进行资源调度。（3）针对集群的资源监控、负载均衡、服务发现问题,建立了基于CAdvisor与Heapster的资源监控子系统、基于Haproxy的高可用负载均衡和基于Cons...
【文章来源】：西安工程大学陕西省
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的研究内容
1.4 论文的章节介绍
2 相关技术介绍
2.1 云计算概述
2.2 虚拟化技术概述
2.3 Docker容器技术
2.3.1 Docker概述
2.3.2 Docker网络通信
2.3.3 Docker文件系统
2.3.4 Docker对于传统虚拟化的优势
2.4 本章小结
3 Docker集群的构建
3.1 Docker集群构建所面临的关键问题
3.2 自动伸缩Docker集群系统总体架构设计
3.3 集群私有镜像仓库的建立与改进
3.3.1 Docker镜像原理
3.3.2 镜像仓库的建立
3.3.3 基于Harbor的集群镜像仓库
3.4 Calico对集群网络的建立与改进
3.4.1 Docker集群网络概述
3.4.2 Calico介绍
3.4.3 使用Calico建立集群网络
3.5 本章小结
4 基于GM(1,1)与BP神经网络的组合预测算法
4.1 预测算法的分类
4.2 灰色模型
4.2.1 GM(1,1)模型的建模思想
4.2.2 GM(1,1)预测序列预处理
4.3 BP神经网络模型
4.3.1 BP神经网络概述
4.3.2 BP神经网络信号传递和误差修正
4.4 一种基于GM(1,1)与BP神经网络的组合预测模型
4.4.1 集群负载预测系统模型建立
4.4.2 工作负载的特性分析
4.4.3 基于GM(1,1)与BP神经网络的组合预测模型
4.5 本章小结
5 基于预测的自动伸缩研究与实现
5.1 基于预测的自动伸缩的问题分析
5.2 Docker集群监控子系统
5.2.1 集群监控子系统的组成
5.2.2 CAdvisor和Heapster介绍
5.2.3 集群状态监控子系统内部交互流程
5.2.4 集群监控子系统的实现
5.3 基于Haproxy的高可用负载均衡
5.3.1 Haproxy介绍
5.3.2 负载均衡的实现
5.3.3 keepalived对负载均衡高可用性的完善
5.4 Docker集群自动伸缩的设计
5.4.1 自动伸缩内部模块工作流程
5.4.2 基于Consul的自动服务发现
5.4.3 伸缩组规则定义
5.4.4 基于预测的自动伸缩策略
5.5 基于预测的自动伸缩Docker集群的实现
5.5.1 自动伸缩集群子系统组成
5.5.2 系统整体类图
5.5.3 系统界面图
5.6 本章小结
6 系统测试
6.1 实验环境搭建及配置
6.2 预测模型实验
6.2.1 预测效果评价指标
6.2.2 实验数据获取
6.2.3 预测实验及结果分析
6.3 弹性伸缩测试
6.3.1 测试方案
6.3.2 测试结果
6.4 本章小结
7 总结与展望
7.1 本文内容总结
7.2 未来后续工作
参考文献
作者攻读学位期间科研成果
致谢
本文编号：3164498
【文章来源】：西安工程大学陕西省
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的研究内容
1.4 论文的章节介绍
2 相关技术介绍
2.1 云计算概述
2.2 虚拟化技术概述
2.3 Docker容器技术
2.3.1 Docker概述
2.3.2 Docker网络通信
2.3.3 Docker文件系统
2.3.4 Docker对于传统虚拟化的优势
2.4 本章小结
3 Docker集群的构建
3.1 Docker集群构建所面临的关键问题
3.2 自动伸缩Docker集群系统总体架构设计
3.3 集群私有镜像仓库的建立与改进
3.3.1 Docker镜像原理
3.3.2 镜像仓库的建立
3.3.3 基于Harbor的集群镜像仓库
3.4 Calico对集群网络的建立与改进
3.4.1 Docker集群网络概述
3.4.2 Calico介绍
3.4.3 使用Calico建立集群网络
3.5 本章小结
4 基于GM(1,1)与BP神经网络的组合预测算法
4.1 预测算法的分类
4.2 灰色模型
4.2.1 GM(1,1)模型的建模思想
4.2.2 GM(1,1)预测序列预处理
4.3 BP神经网络模型
4.3.1 BP神经网络概述
4.3.2 BP神经网络信号传递和误差修正
4.4 一种基于GM(1,1)与BP神经网络的组合预测模型
4.4.1 集群负载预测系统模型建立
4.4.2 工作负载的特性分析
4.4.3 基于GM(1,1)与BP神经网络的组合预测模型
4.5 本章小结
5 基于预测的自动伸缩研究与实现
5.1 基于预测的自动伸缩的问题分析
5.2 Docker集群监控子系统
5.2.1 集群监控子系统的组成
5.2.2 CAdvisor和Heapster介绍
5.2.3 集群状态监控子系统内部交互流程
5.2.4 集群监控子系统的实现
5.3 基于Haproxy的高可用负载均衡
5.3.1 Haproxy介绍
5.3.2 负载均衡的实现
5.3.3 keepalived对负载均衡高可用性的完善
5.4 Docker集群自动伸缩的设计
5.4.1 自动伸缩内部模块工作流程
5.4.2 基于Consul的自动服务发现
5.4.3 伸缩组规则定义
5.4.4 基于预测的自动伸缩策略
5.5 基于预测的自动伸缩Docker集群的实现
5.5.1 自动伸缩集群子系统组成
5.5.2 系统整体类图
5.5.3 系统界面图
5.6 本章小结
6 系统测试
6.1 实验环境搭建及配置
6.2 预测模型实验
6.2.1 预测效果评价指标
6.2.2 实验数据获取
6.2.3 预测实验及结果分析
6.3 弹性伸缩测试
6.3.1 测试方案
6.3.2 测试结果
6.4 本章小结
7 总结与展望
7.1 本文内容总结
7.2 未来后续工作
参考文献
作者攻读学位期间科研成果
致谢
本文编号：3164498
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3164498.html
