隨著網(wǎng)絡(luò)技術(shù)的發(fā)展,網(wǎng)絡(luò)的規(guī)模越來(lái)越大,同時(shí)對(duì)于靈活性的需求也愈發(fā)增加。網(wǎng)絡(luò)功能虛擬化是網(wǎng)絡(luò)架構(gòu)發(fā)展的新方向,網(wǎng)絡(luò)功能虛擬化編排器是其中的重要組成部分,負(fù)責(zé)編排、運(yùn)維等基礎(chǔ)性工作。本文對(duì)開(kāi)源網(wǎng)絡(luò)功能虛擬化編排器項(xiàng)目OPEN-O進(jìn)行調(diào)研,發(fā)現(xiàn)其現(xiàn)有架構(gòu)存在的問(wèn)題。針對(duì)架構(gòu)短板,設(shè)計(jì)實(shí)現(xiàn)了基于Spring Cloud微服務(wù)框架的重構(gòu)方案。為了充分發(fā)揮微服務(wù)架構(gòu)的優(yōu)勢(shì),通常將微服務(wù)以容器的形式部署在服務(wù)器上,并借助容器編排系統(tǒng)管理微服務(wù)容器,通過(guò)調(diào)整微服務(wù)副本數(shù)實(shí)現(xiàn)彈性伸縮。本文分析了當(dāng)前最為流行的容器編排系統(tǒng)Kubernetes的彈性伸縮原理,是基于閡值的響應(yīng)式伸縮。為了提高系統(tǒng)性能,增強(qiáng)服務(wù)穩(wěn)定性,本文對(duì)Kubernetes進(jìn)行了增強(qiáng),設(shè)計(jì)實(shí)現(xiàn)了基于負(fù)載預(yù)測(cè)的彈性伸縮模型。同時(shí)針對(duì)現(xiàn)有負(fù)載預(yù)測(cè)算法所存在的不足,文章提出了基于遞歸神經(jīng)網(wǎng)絡(luò)和多級(jí)注意力的負(fù)載預(yù)測(cè)算法模型RNNDA,算法綜合考慮了CPU、內(nèi)存、磁盤(pán)和網(wǎng)絡(luò)收發(fā)等多種因素對(duì)負(fù)載的影響,并加入了自注意力和時(shí)域注意力機(jī)制,做到了消除噪聲和學(xué)習(xí)到不同時(shí)刻數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果的重要性。經(jīng)過(guò)測(cè)試,驗(yàn)證了相對(duì)于現(xiàn)有的負(fù)載預(yù)測(cè)算法,RNNDA具有更好...

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容與創(chuàng)新工作
    1.4 論文組織結(jié)構(gòu)
第二章 技術(shù)綜述
    2.1 網(wǎng)絡(luò)功能虛擬化
        2.1.1 NFV概述
        2.1.2 開(kāi)源網(wǎng)絡(luò)編排器
    2.2 微服務(wù)
        2.2.1 微服務(wù)概述
        2.2.2 微服務(wù)框架
    2.3 容器Docker與容器編排系統(tǒng)Kubernetes
        2.3.1 Docker
        2.3.2 Kubemetes
    2.4 本章小結(jié)
第三章 基于遞歸神經(jīng)網(wǎng)絡(luò)和多級(jí)注意力的負(fù)載預(yù)測(cè)模型
    3.1 問(wèn)題描述
    3.2 RNNDA模型的設(shè)計(jì)
        3.2.1 遞歸神經(jīng)網(wǎng)絡(luò)(RNN)
        3.2.2 RNNDA模型整體結(jié)構(gòu)
        3.2.3 RNNDA中基于注意力的輸入特征變換
        3.2.4 RNNDA中基于注意力的時(shí)域預(yù)測(cè)
        3.2.5 RNNDA模型訓(xùn)練
    3.3 實(shí)驗(yàn)及結(jié)果分析
        3.3.1 阿里巴巴Cluster Trace Program數(shù)據(jù)
        3.3.2 實(shí)驗(yàn)對(duì)比算法
        3.3.3 實(shí)驗(yàn)?zāi)Ｐ图?xì)節(jié)
        3.3.4 實(shí)驗(yàn)性能結(jié)果
        3.3.5 消融測(cè)試
    3.4 本章小結(jié)
第四章 系統(tǒng)架構(gòu)設(shè)計(jì)
    4.1 項(xiàng)目背景
        4.1.1 OPEN-O系統(tǒng)分析
        4.1.2 Kubernetes彈性伸縮策略
    4.2 系統(tǒng)需求分析
        4.2.1 網(wǎng)絡(luò)編排器重構(gòu)
        4.2.2 彈性伸縮優(yōu)化
    4.3 總體架構(gòu)設(shè)計(jì)方案
        4.3.1 網(wǎng)絡(luò)編排器設(shè)計(jì)
        4.3.2 彈性伸縮設(shè)計(jì)
    4.4 本章小結(jié)
第五章 系統(tǒng)實(shí)現(xiàn)與測(cè)試
    5.1 系統(tǒng)實(shí)現(xiàn)
        5.1.1 網(wǎng)絡(luò)編排器重構(gòu)
        5.1.2 基于負(fù)載預(yù)測(cè)的彈性伸縮實(shí)現(xiàn)
    5.2 重構(gòu)測(cè)試
        5.2.1 實(shí)驗(yàn)環(huán)境
        5.2.2 實(shí)驗(yàn)設(shè)計(jì)
        5.2.3 實(shí)驗(yàn)結(jié)果與分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來(lái)工作與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間取得的研究成果



本文編號(hào)：3867918