基于kubernetes的视频处理软件系统设计和开发
发布时间：2021-01-18 08:59
近几年来,互联网迅速发展,IT技术人员发现传统的开发部署模式存在很多的缺点,如应用迁移部署运维困难、服务器资源利用率低等。云计算的出现为互联网提供了新的模式,Docker虚拟化技术和kubernetes容器编排技术的问世则推动了云计算的发展,越来越多的应用服务都被部署在了云平台的环境下。本文旨在通过Docker容器化技术隔离和限制视频处理任务的请求资源,并通过kubernetes容器编排技术调度视频处理任务来达到提高服务器资源利用率的目标,本系统实现了一个视频处理云平台的系统,主要功能为Web页面创建视频处理任务,kubernetes调度视频处理任务至合适的工作节点运行,本文完成的主要工作内容如下:（1）视频处理软件系统的整体设计。确定了系统的需求和系统的总体框架,并对Docker容器技术和kubernetes技术研究分析,为后续调度器优化做铺垫。（2）搭建视频处理软件系统kubernetes集群。基于阿里云弹性云服务器搭建kubernetes集群,利用dockerfile的模式创建视频处理任务镜像,并采用flannel网络模型实现Pod间跨主机通信,采用kubernetes的Node...
【文章来源】：浙江工业大学浙江省
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
kubernetes工作节点状态图
基于kubernetes的视频处理软件系统设计和开发23部署k8s网络插件部署k8s的Worker节点搭建完成Master节点去污点开始所有节点安装Docker、K8s拉取部署master节点所需的镜像部署k8sMaster节点图3-4搭建k8s集群流程图Figure3-4.Setupak8sclusterflowchart3.2.4集群测试集群搭建完成以后，需要对集群状态进行测试，本文主要通过三个步骤确认集群运行正常，测试集群搭建的主要步骤流程图如图3-5所示：第一步查看kubernetes集群节点运行状态第二步查看kubernetes集群三大组件状态第三步Kubernetes集群部署测试实例运行图3-5测试集群流程图Figure3-5.Testclusterflowchart第一步查看节点状态是否正常运行；在master节点查看nodes节点的状态，通过命令kubectlgetnodes查看所有节点的状态，如图3-6所示，若每个节点的STATUS状态为Ready状态，则表示kubernetes集群的每个节点都处于Ready状态，可以随时进行调度；若出现notReady状态，则需要对集群的配置进行查看。图3-6kubernetes工作节点状态图Figure3-6.Kubernetesworkingnodestatediagram第二步查看各个组件的状态来确认kubernetes集群搭建成功，并且是否正常的运行；如图3-7所示主要包含三个组件：分别为controller-manager，scheduler和etcd的STATUS均为Healthy，表明kubernetes集群的三大组件均处于正常的状态，集群可以进入下一步，实例部署测试。图3-7kubernetes组件工作状态图Figure3-7.kubernetescomponentworkingstatediagram第三步通过部署实例测试kubernetes集群的调度功能是否正常运行。本文主
基于kubernetes的视频处理软件系统设计和开发273.4视频处理任务部署本小节主要介绍本文中创建的几个图像处理的例子，本文采用OpenCV处理图像，主要包括图像边缘检测、图像均值滤波两类的图像处理任务。由于这两个任务的部署方式类似，因此主要本文利用边缘检测任务作为例子阐述部署流程，如图3-14所示：第一步编写图像边缘检测任务镜像的Dockerfile，如下所示，为图像边缘检测任务镜像的Dockerfile，主要是基于ubuntu16.04的操作系统，安装了opencv-python和一些图像边缘检测程序必备的环境，并将容器的相关的端口暴露，方便访问。#任务镜像DockerfileFROMubuntu:16.04MAINTAINER******@qq.comADD$PWD/sources.list/etc/apt/sources.listCOPYpip.conf/root/.pip/RUNapt-getupdate&&apt-getinstall-yapt-utils……RUNapt-getinstall-ypython3.5python3.5-dev\&&apt-getinstall-ypython-pipRUNpipinstallopencv-pythonEXPOSE22CMD["/usr/sbin/sshd","-D"]第一步编写任务镜像Dockerfile第二步编译生成任务镜像第三步创建deployment或者job部署任务图3-14部署任务步骤图Figure3-14.Deploymenttaskstepdiagram图3-15创建Docker镜像过程图Figure3-15.CreateaDockerimageprocessdiagram
本文编号：2984665
【文章来源】：浙江工业大学浙江省
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
kubernetes工作节点状态图
基于kubernetes的视频处理软件系统设计和开发23部署k8s网络插件部署k8s的Worker节点搭建完成Master节点去污点开始所有节点安装Docker、K8s拉取部署master节点所需的镜像部署k8sMaster节点图3-4搭建k8s集群流程图Figure3-4.Setupak8sclusterflowchart3.2.4集群测试集群搭建完成以后，需要对集群状态进行测试，本文主要通过三个步骤确认集群运行正常，测试集群搭建的主要步骤流程图如图3-5所示：第一步查看kubernetes集群节点运行状态第二步查看kubernetes集群三大组件状态第三步Kubernetes集群部署测试实例运行图3-5测试集群流程图Figure3-5.Testclusterflowchart第一步查看节点状态是否正常运行；在master节点查看nodes节点的状态，通过命令kubectlgetnodes查看所有节点的状态，如图3-6所示，若每个节点的STATUS状态为Ready状态，则表示kubernetes集群的每个节点都处于Ready状态，可以随时进行调度；若出现notReady状态，则需要对集群的配置进行查看。图3-6kubernetes工作节点状态图Figure3-6.Kubernetesworkingnodestatediagram第二步查看各个组件的状态来确认kubernetes集群搭建成功，并且是否正常的运行；如图3-7所示主要包含三个组件：分别为controller-manager，scheduler和etcd的STATUS均为Healthy，表明kubernetes集群的三大组件均处于正常的状态，集群可以进入下一步，实例部署测试。图3-7kubernetes组件工作状态图Figure3-7.kubernetescomponentworkingstatediagram第三步通过部署实例测试kubernetes集群的调度功能是否正常运行。本文主
基于kubernetes的视频处理软件系统设计和开发273.4视频处理任务部署本小节主要介绍本文中创建的几个图像处理的例子，本文采用OpenCV处理图像，主要包括图像边缘检测、图像均值滤波两类的图像处理任务。由于这两个任务的部署方式类似，因此主要本文利用边缘检测任务作为例子阐述部署流程，如图3-14所示：第一步编写图像边缘检测任务镜像的Dockerfile，如下所示，为图像边缘检测任务镜像的Dockerfile，主要是基于ubuntu16.04的操作系统，安装了opencv-python和一些图像边缘检测程序必备的环境，并将容器的相关的端口暴露，方便访问。#任务镜像DockerfileFROMubuntu:16.04MAINTAINER******@qq.comADD$PWD/sources.list/etc/apt/sources.listCOPYpip.conf/root/.pip/RUNapt-getupdate&&apt-getinstall-yapt-utils……RUNapt-getinstall-ypython3.5python3.5-dev\&&apt-getinstall-ypython-pipRUNpipinstallopencv-pythonEXPOSE22CMD["/usr/sbin/sshd","-D"]第一步编写任务镜像Dockerfile第二步编译生成任务镜像第三步创建deployment或者job部署任务图3-14部署任务步骤图Figure3-14.Deploymenttaskstepdiagram图3-15创建Docker镜像过程图Figure3-15.CreateaDockerimageprocessdiagram
本文编号：2984665
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2984665.html
