Kubemetes集群中基于负载预测的资源调度策略研究
发布时间：2021-07-31 05:58
Kubernetes是基于Docker容器技术的开源容器管理系统,凭借其强大的容器编排能力,目前已经成为了容器管理领域的首选方案。然而,Kubernetes默认的资源调度策略存在着不足,无法满足复杂场景下的资源调度需求。本文以Kubernetes作为研究对象,介绍了Kubernetes的核心概念和资源调度方案,并提出了一种基于负载预测的资源调度策略,该策略使用预测式的资源调度机制,根据负载预测模型的预测结果提前进行资源调度,从而减少应用程序的请求响应时间,并提高系统的服务质量。本文分析了Kubernetes集群中应用的负载特征,基于经验模态分解（EMD）和时间卷积网络（TCN）建立了一种组合负载预测模型EMD-TCN。使用EMD算法对应用负载数据进行分解,使用TCN模型对分解后的数据进行预测,将各个分量的预测结果叠加,得到最终的预测结果。Kubernetes根据模型的负载预测值为应用及时、准确地分配资源,避免因负载突变导致的调度不及时的情况。在Pod调度过程中本文提出了一种节点优选算法,根据不同类型Pod对资源的消耗情况选择合适的目标节点进行调度,从而消除节点上单一资源的瓶颈,提高节点...
【文章来源】：西北师范大学甘肃省
【文章页数】：50 页
【学位级别】：硕士
【部分图文】：
Docker与虚拟机的比较
西北师范大学硕士学位论文8（a）虚拟机（b）Docker图2-1Docker与虚拟机的比较2.1.2Docker基本架构Docker采用client-server架构，主要由Dockerdaemon、Dockerclient、Docker镜像、Docker容器和Docker镜像仓库五部分组成，其架构图如图2-2所示。图2-2Docker架构图（1）DockerdaemonDockerdaemon是一个守护进程，负责启动和停止容器、创建容器、上传容器镜像以及在仓库中检索镜像。该守护进程在启用Docker的主机上运行，并接受来自Docker客户端的命令。（2）DockerclientDockerclient用于管理容器，并通过RestfulAPI与Docker守护进程通信，该
第2章相关技术介绍112.2.3Kubernetes系统架构Kubernetes属于主从分布式架构，主要由Master节点、Node节点和客户端命令行工具kubectl组成，系统架构如图2-3所示。图2-3Kubernetes系统架构图Master节点是Kubernetes集群的控制节点，主要负责整个系统的调度和管理，所有对于Kubernetes的命令操作都需要在控制节点上执行[37]。Master节点主要包含以下四个组件：（1）APIServerAPIServer是Kubernetes系统的对外接口，提供RESTAPI供客户端和其它组件调用，支持水平扩展。它的核心功能是为Kubernetes中各类资源对象提供增删改查等操作。APIServer通过一个名为kube-apiserver的进程提供服务，该进程运行在Master节点上，在默认情况下，kube-apiserver进程在本机的8080端口提供REST服务，可以同时启动HTTPS安全端口来加强RESTAPI访问的安全性。如架构图中所示，kubectl是直接与APIServer交互的，默认监听6443端口。（2）ControllerManagerControllerManager（简称CM）是集群内部的管理控制中心，负责对集群中的资源对象和命名空间进行管理。ControllerManager内部包含了ReplicationController、NodeController、NamespaceController等多个控制器，各个控制器通过APIServer提供的接口实时监控整个集群中不同资源对象的当前状态。当系统发生
【参考文献】：
期刊论文
[1]基于双向时间深度卷积网络的中文文本情感分类[J]. 韩建胜,陈杰,陈鹏,刘杰,彭德中. 计算机应用与软件. 2019(12)
[2]基于Kubernetes应用的弹性伸缩策略[J]. 陈雁,黄嘉鑫. 计算机系统应用. 2019(10)
[3]基于三次指数平滑法和时间卷积网络的云资源预测模型[J]. 谢晓兰,张征征,王建伟,程晓春. 通信学报. 2019(08)
[4]一种基于应用历史记录的Kubernetes调度算法[J]. 何龙,刘晓洁. 数据通信. 2019(03)
[5]一种基于负载均衡的Kubernetes调度改进算法[J]. 谭莉,陶宏才. 成都信息工程大学学报. 2019(03)
[6]基于ICS的云计算资源预测负载的研究[J]. 张光亚. 科技通报. 2019(04)
[7]基于Mesos的分布式参数优化调度策略及系统设计[J]. 李铄,陆忠华,孙永泽. 科研信息化技术与应用. 2019(02)
[8]基于时间卷积网络的模拟电路故障诊断方法[J]. 阳景,潘强,潘红兵. 电子测量技术. 2019(05)
[9]基于Kubernetes负载特征的资源预测模型研究[J]. 谢文舟,孙艳霞. 网络安全技术与应用. 2018(04)
[10]一种适用于Docker Swarm集群的调度策略和算法[J]. 马晓光,刘钊远. 计算机应用与软件. 2017(05)
硕士论文
[1]基于特征自编码和时间卷积网络的股价预测研究[D]. 满成剑.山东大学 2019
[2]基于Kubrnetes的容器云平台强多租户模型关键技术研究[D]. 李伟东.浙江大学 2019
[3]基于Kubernetes的容器自动伸缩技术的研究[D]. 杨茂.西安邮电大学 2018
[4]基于Kubernetes的伸缩性分布式资源调度器的设计与实现[D]. 徐凯.西安电子科技大学 2017
[5]基于Kubernetes-on-EGO的两级资源调度器的设计与实现[D]. 台慧敏.西安电子科技大学 2017
[6]基于Kubernetes的容器云平台资源调度策略研究[D]. 唐瑞.电子科技大学 2017
[7]基于Docker的PaaS平台的研究与应用[D]. 江萌.华北电力大学(北京) 2017
[8]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
本文编号：3312910
【文章来源】：西北师范大学甘肃省
【文章页数】：50 页
【学位级别】：硕士
【部分图文】：
Docker与虚拟机的比较
西北师范大学硕士学位论文8（a）虚拟机（b）Docker图2-1Docker与虚拟机的比较2.1.2Docker基本架构Docker采用client-server架构，主要由Dockerdaemon、Dockerclient、Docker镜像、Docker容器和Docker镜像仓库五部分组成，其架构图如图2-2所示。图2-2Docker架构图（1）DockerdaemonDockerdaemon是一个守护进程，负责启动和停止容器、创建容器、上传容器镜像以及在仓库中检索镜像。该守护进程在启用Docker的主机上运行，并接受来自Docker客户端的命令。（2）DockerclientDockerclient用于管理容器，并通过RestfulAPI与Docker守护进程通信，该
第2章相关技术介绍112.2.3Kubernetes系统架构Kubernetes属于主从分布式架构，主要由Master节点、Node节点和客户端命令行工具kubectl组成，系统架构如图2-3所示。图2-3Kubernetes系统架构图Master节点是Kubernetes集群的控制节点，主要负责整个系统的调度和管理，所有对于Kubernetes的命令操作都需要在控制节点上执行[37]。Master节点主要包含以下四个组件：（1）APIServerAPIServer是Kubernetes系统的对外接口，提供RESTAPI供客户端和其它组件调用，支持水平扩展。它的核心功能是为Kubernetes中各类资源对象提供增删改查等操作。APIServer通过一个名为kube-apiserver的进程提供服务，该进程运行在Master节点上，在默认情况下，kube-apiserver进程在本机的8080端口提供REST服务，可以同时启动HTTPS安全端口来加强RESTAPI访问的安全性。如架构图中所示，kubectl是直接与APIServer交互的，默认监听6443端口。（2）ControllerManagerControllerManager（简称CM）是集群内部的管理控制中心，负责对集群中的资源对象和命名空间进行管理。ControllerManager内部包含了ReplicationController、NodeController、NamespaceController等多个控制器，各个控制器通过APIServer提供的接口实时监控整个集群中不同资源对象的当前状态。当系统发生
【参考文献】：
期刊论文
[1]基于双向时间深度卷积网络的中文文本情感分类[J]. 韩建胜,陈杰,陈鹏,刘杰,彭德中. 计算机应用与软件. 2019(12)
[2]基于Kubernetes应用的弹性伸缩策略[J]. 陈雁,黄嘉鑫. 计算机系统应用. 2019(10)
[3]基于三次指数平滑法和时间卷积网络的云资源预测模型[J]. 谢晓兰,张征征,王建伟,程晓春. 通信学报. 2019(08)
[4]一种基于应用历史记录的Kubernetes调度算法[J]. 何龙,刘晓洁. 数据通信. 2019(03)
[5]一种基于负载均衡的Kubernetes调度改进算法[J]. 谭莉,陶宏才. 成都信息工程大学学报. 2019(03)
[6]基于ICS的云计算资源预测负载的研究[J]. 张光亚. 科技通报. 2019(04)
[7]基于Mesos的分布式参数优化调度策略及系统设计[J]. 李铄,陆忠华,孙永泽. 科研信息化技术与应用. 2019(02)
[8]基于时间卷积网络的模拟电路故障诊断方法[J]. 阳景,潘强,潘红兵. 电子测量技术. 2019(05)
[9]基于Kubernetes负载特征的资源预测模型研究[J]. 谢文舟,孙艳霞. 网络安全技术与应用. 2018(04)
[10]一种适用于Docker Swarm集群的调度策略和算法[J]. 马晓光,刘钊远. 计算机应用与软件. 2017(05)
硕士论文
[1]基于特征自编码和时间卷积网络的股价预测研究[D]. 满成剑.山东大学 2019
[2]基于Kubrnetes的容器云平台强多租户模型关键技术研究[D]. 李伟东.浙江大学 2019
[3]基于Kubernetes的容器自动伸缩技术的研究[D]. 杨茂.西安邮电大学 2018
[4]基于Kubernetes的伸缩性分布式资源调度器的设计与实现[D]. 徐凯.西安电子科技大学 2017
[5]基于Kubernetes-on-EGO的两级资源调度器的设计与实现[D]. 台慧敏.西安电子科技大学 2017
[6]基于Kubernetes的容器云平台资源调度策略研究[D]. 唐瑞.电子科技大学 2017
[7]基于Docker的PaaS平台的研究与应用[D]. 江萌.华北电力大学(北京) 2017
[8]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
本文编号：3312910
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3312910.html
