改进的随机森林模型在容器云任务分配中的应用研究

发布时间：2021-06-01 21:57

　　由于容器具有部署快,轻量化等特点,越来越多的互联网公司和制造业公司选择容器云作为部署平台,使得容器云在任务分配方面将面临更大的挑战。当容器云平台接收到大量任务请求时,由于容器云底层采用了容器虚拟化技术,使得任务的总体执行速度加快,对容器任务的分配效率提出了更高的要求。而Docker Swarm自带的任务分配策略无法很好地平衡各资源节点上的负载,容易导致资源利用率不高、负载失衡、最小时间跨度变长等问题。针对以上问题,对容器云环境下的任务特征及属性进行研究,提出利用随机森林对任务进行快速分类,将同一个类目中的任务均匀地分配到子集群中合适的资源节点上去执行,当该子集群的负载达到阈值后再重新开启新的子集群。分类准确度是随机森林模型的关键指标,其中基分类器的数量和训练每个基分类器采用的样本量是影响分类准确度的两个参数。根据随机森林的收敛性,当基分类器达到一定数量时,该模型的泛化误差会收敛到一个最小值,采用烟花算法设置随机森林的参数,以期获得最优的随机森林分类模型。针对烟花算法易陷入局部最优,在迭代的过程中,会出现重复设置随机森林参数的问题,提出对烟花算法进行改进,根据相邻两代最优适应度值的差距,... 

【文章来源】：桂林理工大学广西壮族自治区

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

Docker架构

容器服务基本原理图

Bagging逻辑结构图

【参考文献】：
期刊论文
[1]基于改进禁忌搜索的云任务负载均衡调度策略研究[J]. 陆佳炜,李杰,张元鸣,肖刚.  小型微型计算机系统. 2018(10)
[2]基于李雅普诺夫优化的容器云队列在线任务和资源调度设计[J]. 李磊,薛洋,吕念玲,冯敏.  计算机应用. 2019(02)
[3]基于预测模型及独立训练节点的负载均衡策略[J]. 陈大才,吕立,高岑,孙咏.  计算机系统应用. 2018(09)
[4]一种Dubbo监控中心的弹性负载均衡方案[J]. 曹郁,朱志祥.  计算机与数字工程. 2018(07)
[5]基于运营商容器云平台的研究[J]. 姚严峰.  中国新通信. 2018(14)
[6]负载均衡技术在并行化符号执行中的应用[J]. 李航,臧洌,甘露.  计算机与现代化. 2018(07)
[7]一种烟花算法的优化[J]. 赵伟,郭乙江.  科技通报. 2018(06)
[8]基于随机森林和神经网络的空气质量预测研究[J]. 林开春,邵峰晶.  青岛大学学报(工程技术版). 2018(02)
[9]基于CloudSim的分类负载均衡调度模型[J]. 李荣荣,牛立栋,孙纪敏.  计算机测量与控制. 2018(03)
[10]海量小数据分布式聚类优化与负载均衡算法[J]. 汪明明,陈庆奎.  计算机工程. 2018(02)

博士论文
[1]云计算负载均衡策略的研究[D]. 刘琨.吉林大学 2016

硕士论文
[1]基于Docker Swarm集群的资源亲和性调度算法[D]. 佟旭.兰州大学 2018
[2]基于Docker-Swarm的微服务管理技术研究与实现[D]. 吴杰楚.华南理工大学 2018
[3]基于资源聚类的云计算任务调度算法研究[D]. 李坚.南京信息工程大学 2017
[4]容器云计算平台关键技术研究[D]. 袁忠良.南京大学 2017
[5]烟花算法在图像处理中的应用研究[D]. 鄢来仪.湖北工业大学 2017
[6]基于随机森林的SVM训练数据选择研究[D]. 魏洒洒.西安电子科技大学 2017
[7]云计算环境下动态负载均衡算法的研究[D]. 马潇.电子科技大学 2017
[8]云环境下基于预测的资源调度研究[D]. 王洪燕.华北电力大学(北京) 2017
[9]基于Kubernetes的资源动态调度的研究与实现[D]. 杨鹏飞.浙江大学 2017
[10]面向容器云平台的集群资源调度管理器的设计与实现[D]. 何思玫.浙江大学 2017



本文编号：3210228