容器编排工具中部署工作节点的资源优化

随着云计算飞速发展,以Docker为代表的容器技术逐渐被重视.目前,3种常见的容器编排工具有Kubernetes、Docker Swarm和Rancher.然而,现有的容器编排工具在所有工作节点的总容量超标时,将会有响应时间长和资源占用较多等问题.因此,本文设计LSD(least space unused)算法以及LRU-SD(least recently used and space unused)算法,并应用于3种编排工具中.当总容量超出上限时,则选择删除不工作的节点并且增加新的工作节点.做法上,LSD算法是删除剩余空间最少的工作节点,LRU-SD算法先考虑删除最久未使用的节点,当有多个符合要求的节点时,则删除剩余空间最少的工作节点.实验部分,分析与比较使用不同算法对3种容器编排工具的影响,包含响应时间、CPU和内存.实验结果发现,LSD算法、LRU-SD算法和LRU算法不仅能够提高编排工具的响应时间,还可以增加资源的使用率.同时,在提升CPU的使用率方面,LRU-SD算法的效果最好.

微服务环境下容器编排可视化实践研究

伴随着云计算的快速发展,海量数据等业务需求的处理无法只依赖单体应用程序。微服务软件架构模式以其模块化、可扩展、高可用的应用优势为应用程序的开发带来了新的设计思路。容器是基于共享Linux内核、面向应用的一种新兴的轻量级虚拟化技术,以Docker为代表的容器技术为微服务提供了理想的载体。同时,以Kubernetes为代表的容器编排工具则极大地简化了容器化微服务创建、集成、部署、运维的整个流程。在开发和运维向“面向容器”的转变中,会带来数量庞大且关系复杂的服务组合,此时微服务的创建与部署则变得尤为重要。从易用性角度出发,提供了一种容器编排的可视化方法,实践分析显示,利用此方法进行的微服务部署不仅为研发人员提供了友好型服务创建界面,而且还便利了服务创建过程,提高了开发效率。

Docker环境下容器编排工具的选择

容器技术作为云平台的核心,要想更好的使用容器,我们需要优秀的容器管理工具。和其他任何组件一样,容器需要监控和控制,用户需要一个编排框架来调度和管理容器。目前的三个主流选择是Kubernetes、Mesosphere和Docker Swarm,虽然它们有不同的特性,但它们都支持容器监控、管理。Docker swarm mode内嵌在Docker engine中,简单易用是它的优势,是大多数企业值得尝试的容器集群管理和编排技术。

一种基于LSTM的Kubernetes容器云弹性伸缩策略研究

网络协同化制造成为数控机床企业和行业供应链上下游企业的资源配置的数字化核心,能解决制造过程中业务交互造成的生产组织协调困难、生产周期长、生产成本高等问题。而网络协同化发展离不开业务“上云”,Kubernetes因其优化资源使用效率、功能可扩展等优点成为当前主流的容器云编排与管理系统。但Kubernetes集群在弹性伸缩方面只考虑了集群的整体情况,未考虑单个应用负载过高或过低的情况,不能保证应用的服务质量。针对这一问题,对Kubernetes集群的弹性伸缩机制进行深入的分析与研究,提出了一种基于综合负载的预测式弹性伸缩策略,该策略定义了综合负载来衡量应用的实际资源使用情况,并利用LSTM双层网络模型预测未来一段时间内的综合负载,将其作为弹性伸缩的判断依据。在此基础上,提出了阈值容忍度算法,确定应用的最佳数量,该算法综合考虑了每个应用的负载情况,有效解决了响应延迟以及高并发情况下响应率过低的问题,对提升集群资源利用率和保证集群中容器的运行质量有着重要意义。

基于国产云基座的私有化容器云平台构建研究

为解决基础设施即服务(IaaS,Infrastructure as a Service)模式下资源利用率不足、高可用架构设计复杂、计算能力横向扩容难度大等问题,以国产Linux操作系统为云基座,构建具备多租户、高可用、可伸缩特性的私有化容器云平台。该平台在大幅度提升业务可用性和资源利用率的同时,通过私有化部署,最大程度保障企业网络安全和数据隐私。应用Kubernetes容器编排工具,实现了信息系统及应用的轻量级容器化部署和管理,为企业级数据中心的构建提供了技术实践路径,同时,为企业存量信息系统及应用迁移上云提供了资源消耗最小化的解决方案。

一种基于Docker的容器云平台设计与部署方法

提出一种基于Docker的容器云平台设计与部署方法。分析容器云平台的用户需求,详细描述容器云平台的层次架构与组成模块。在容器云平台部署过程中,改进集群监控方案,结合Grafana和Prometheus构建一个可靠的性能监控方案。在镜像库上,为保证安全与稳定,选择Harbor作为私有镜像仓库。使用网络文件系统(Network File System,NFS)存储服务为容器提供共享存储服务。通过测试验证了该方法的可行性与高效性。

应用动态感知的卫星分布式集群管理平台设计与实现

卫星互联网环境中存在卫星节点资源受限、链路拓扑高动态变化和网络传输高时延等问题。针对上述问题导致的卫星节点资源利用率低、系统服务响应能力较弱、负载不均衡,提出利用容器编排技术整合卫星节点资源的卫星分布式集群管理平台构建方案。其中,重点针对Kubernetes默认资源编排调度策略无法适用于卫星互联网复杂链路环境的问题,设计一种应用动态感知的卫星分布式集群资源调度方法,通过分布式集群资源状态实时感知模块,采集卫星节点CPU、内存、磁盘及网络资源的负载情况作为评价指标,完成卫星互联网环境下不同应用Pod资源对象的优化调度。仿真结果表明:应用动态感知调度方法构建的卫星分布式集群管理平台,可以实现卫星网络环境下系统资源的合理调度,提升系统负载均衡能力,进而保证系统服务的快速响应。

容器技术在科学计算中的应用研究

作为一种新兴的虚拟化技术,容器能够以低廉的资源开销为应用程序和服务提供隔离的运行环境,近年来在持续集成和持续部署、自动化测试、微服务等多种业务场景中获得了广泛应用。在科学计算领域,容器技术的应用也正获得越来越多的关注。借助自身的打包能力及日益壮大的生态系统,容器技术有望为科学计算领域的生产力提升提供助力。文中对容器技术在科学计算中的应用现状进行了调研分析,并根据现有的应用实例讨论了在科学计算中使用容器及相关技术的多种方式。对不同应用模式的分析研究表明,通过提升应用程序的可移植性、改善研究的可重复性、提供非传统应用部署方案、简化云资源调度管理等多种方式,容器及相关技术可以为科学计算领域带来多方面的效率提升。

功能分发网络:基于容器的智能边缘计算平台

随着大数据、机器学习等技术的发展,网络流量与任务的计算量也随之快速增长.研究人员提出了内容分发网络(CDN)、边缘计算等平台技术,但CDN只能解决数据存储,而边缘计算存在着难以管理和不能跨集群进行资源调度等问题.容器化技术广泛应用在边缘计算场景中,但目前,边缘计算采取的容器编排策略普遍比较低效,导致任务的计算延迟仍然过长.提出了功能分发网络FDN(function delivery network),一方面为用户提供了访问边缘计算资源的统一接口和容器化的计算平台,无需进行繁琐的计算资源配置;另一方面,FDN平台优化系统的资源利用和任务的计算延迟,能将任务所需的容器编排到合适的边缘计算集群.开发了一种基于启发式的容器编排策略,实现了跨集群的容器编排功能,进一步优化了执行的计算延迟.基于Openwhisk软件实现了FDN,并在中国移动的网络中部署了该系统,而且对FDN和容器编排策略进行测试.实验结果表明,FDN计算平台能够降低任务的计算延迟;同时,启发式容器编排策略的性能相比传统的算法有了较大的提升.

融合区块链技术的容器云安全应用

针对容器云平台发生的内外部网络故障导致的容器云数据明文展示、恶意软件植入、容器编排故障、攻击容器宿主机的问题,应用区块链技术的存证、溯源、智能合约、非对称加密的技术特性,通过在云端平台构建虚拟链的形式,将容器云运行过程中发生的网络安全事件上链,基于区块链技术配置容器的分发功能,管理容器的生命周期数据,从而实现分布式技术在云计算平台的应用,优化现有的容器云的安全管理框架,提升云平台安全防护的健壮性。

基于容器云架构的诊验理影人工智能云平台

人工智能在医疗行业尤其是医院场景的深度融合是难点。如何让医生在集成云平台环境下,自主使用AI算法工具集,从而形成单病种全流程的AI辅助方案。本文旨在探讨如何面向单病种的预防、筛查、诊断、治疗全过程,设计和实现一套容器云架构下使用人工智能实现医疗数据分析和医疗算法模型服务平台。

微服务编排在网管支撑系统中运用分析

当下,信息技术发展速度明显加快,在上述背景下,下一代的通信网络发展过程中,人们越发的重视起未来网管技术的架构,这目前也成为了OSS领域当中的重要课题内容。在本文的分析中,主要从集中化、平台化等设计的原则出发,进行未来网管基础技术架构的阐述以及分析,目的在于使其成为一种有效满足业务需求的网络支撑体系。

军事舆情智能标注系统的设计与实现

数据标注是对未处理的初级数据,包括文本、图像、视频等非结构化数据进行打标签处理,并转换为人工智能可识别的过程。在信息化时代军事舆情领域的数据资源迎来爆发式增长的背景下,数据标注在实现数据标准化与快速准确检索目标数据的场景中扮演着极其重要的角色。为了能够帮助使用人员大幅度提高军事舆情数据的检索与分析效率,主要研究了基于机器学习与深度学习的智能标注技术,对智能标注系统做了流程设计和功能模块架构设计,包括通过Python算子训练实现标注算法模型化、Kubernetes容器编排实现标注算法服务容器化,设计实现了一套以工作流为执行单元、以分发各阶段任务为推动模式的智能标注系统。

面向高性能计算环境的微服务运维平台设计与实现

国家高性能计算环境为提高应用服务的持续交付能力逐步引进微服务架构。针对国家高性能计算环境由传统单体架构向微服务架构转变引入的新的运维问题,设计并实现了面向高性能计算环境的微服务运维平台,拟面向开发运维人员,降低开发难度,提升运维效率。重点研究并实现了微服务运维平台中的服务部署及管理、服务运行监控和服务弹性伸缩特色功能,通过应用化封装技术对服务部署及管理过程进行封装,同时设计用户权限管理机制,利用EFK和Prometheus分别完善高性能计算环境的日志收集功能和监控告警功能,通过Horizontal Pod Autoscaler资源对象实现基于CPU、内存等核心指标以及QPS等自定义指标的服务规模弹性伸缩技术。测试结果表明,微服务运维平台可以实现高性能计算环境中以项目为划分依据的一键式服务部署、更新、删除等操作,提供交互性更好的可视化运行监控方案,应对流量高峰场景,增强应用服务可靠性。

基于Kubernetes的云原生海量数据存储系统设计与实现

为应对云原生技术的日益发展与普及伴随的云上数据量的激增及该技术在性能与稳定性等方面所出现的瓶颈,提出了一种基于Haystack的存储系统。该存储系统在服务发现、自动容错与缓存方面进行了优化,更适用于云原生业务,以满足数据采集、存储与分析行业不断增长且频次较高的文件存储与读写需求。该存储系统使用对象存储模型来满足高频海量的文件存储,为使用该存储系统的业务提供简单而统一的应用程序接口,应用了文件缓存策略提升资源利用率,同时利用Kubernetes丰富的自动化工具链使该存储系统比其他存储系统更容易部署和扩展且更稳定。实验结果表明,该存储系统在读多于写的大规模碎片数据存储情境下相比目前主流的对象存储与文件系统均有一定的性能与稳定性提升。

铁路信息系统云边协同体系架构研究

随着铁路信息系统业务量和数据量的日益增加,迫切需要探索一种新的架构,提升系统的自治能力和响应能力。文章结合铁路信息系统业务特点,提出了适用于铁路信息系统的云边协同体系架构,详细阐述了云边协同的技术体系和微服务、容器编排、边缘计算等关键技术,并介绍了其在铁路信息系统中的应用场景,可对云边协同技术在铁路领域的落地实施提供参考。

Kubernetes高可用集群的部署实践

随着容器技术的发展和微服务架构的流行,用于容器编排的Kubernetes得到了迅速的发展,建设Kubernetes高可用集群的需求也日益增长。然而,Kubernetes高可用集群的部署涉及到众多问题,具有一定的难度。该文将Kubernetes高可用集群详细的部署过程流程化,减少集群部署过程中的不可控因素,提高了Kubernetes高可用集群部署的效率和成功率。

面向智能制造的通用分布式四域数字孪生系统

针对离散制造车间面临加工产品多样、数据服务计算实时性要求高、制造设备多导致难以实时反馈补偿的问题,依靠数字孪生虚拟与物理同步的特点,构建满足大量需求的高可用、高性能、高并发数字孪生参考模型。建立面向虚拟与物理模型多终端实时交互模式及信息时效分级规则,提出多终端虚拟交互模型,最终形成一种泛化性分布式计算服务数字孪生系统。并通过机床箱体加工线作为实际案例,验证本数字孪生系统,实现针对物理请求、实时响应、信息反馈、迭代演进的全闭环制造过程数字孪生平台,为之后的工厂数字孪生系统提供案例指导。

基于Docker的Web系统架构设计

结合微服务和Docker容器化技术构建高可用性的Web系统架构,首先使用开源容器引擎Docker打包微服务应用,然后运用Kubernetes平台编排容器,设计系统业务运维的资源调度.实验表明系统能够实现系统的高可用性以及系统资源弹性调度,提升集群的资源利用率.

基于多维空间模型的资源整合调度

信息化战场环境下,容器化技术可实现战术边端资源的有效利用。针对边缘资源受限及利用率低下等问题,提出了一种基于多维空间的资源整合调度算法。该算法通过减少资源碎片来提高资源利用率,改进了战术边端的服务能力。基于公开数据集的试验分析表明,该算法与首次适应算法相比,可提高15%的资源利用率。基于现有容器云平台架构集成开发试验分析表明,实际集群环境中,该算法与首次适应算法相比,可提高11.6%的资源利用率。