本文關(guān)鍵詞：基于Docker容器的混合式集群伸縮方法研究

  更多相關(guān)文章： Docker 虛擬機(jī) 集群 伸縮方法

【摘要】：互聯(lián)網(wǎng)時(shí)代的到來(lái),給人們的工作和生活帶來(lái)巨大的改變。龐大的在線用戶數(shù)、各種各樣的網(wǎng)絡(luò)服務(wù)給企業(yè)帶來(lái)了龐大的流量和經(jīng)濟(jì)效益,同時(shí)也給支撐在線服務(wù)的集群帶來(lái)了巨大的負(fù)擔(dān)。目前,基于云環(huán)境的集群大多數(shù)采用虛擬機(jī)來(lái)構(gòu)建,對(duì)其的伸縮策略也多屬基于閾值的響應(yīng)式伸縮方法。當(dāng)負(fù)載過(guò)大時(shí),即使是搭建在云環(huán)境里的集群可以動(dòng)態(tài)的進(jìn)行伸縮,用戶的請(qǐng)求響應(yīng)時(shí)間依然會(huì)變長(zhǎng)。而當(dāng)負(fù)載過(guò)小的時(shí)候,又會(huì)有不少機(jī)器空閑,造成不必要的浪費(fèi)。如何使集群在進(jìn)行伸縮調(diào)整的時(shí)候,盡可能地減少用戶等待的時(shí)間和伸縮造成的開(kāi)銷,這已成為相關(guān)企業(yè)不得不考慮的兩個(gè)問(wèn)題。針對(duì)這兩個(gè)問(wèn)題,本文提出了一種基于Docker的混合式集群伸縮方法。首先,調(diào)研了國(guó)內(nèi)外關(guān)于伸縮方法的研究現(xiàn)狀,確定了Docker容器與虛擬機(jī)混合部署集群的可行性。在概括了伸縮方法具備的三個(gè)理論要素之后,研究了請(qǐng)求響應(yīng)時(shí)長(zhǎng)和開(kāi)銷大的成因。根據(jù)常見(jiàn)的云環(huán)境的計(jì)費(fèi)規(guī)則,歸納出云環(huán)境下集群的計(jì)費(fèi)公式。其次,提出綜合使用基于閾值的響應(yīng)式和預(yù)測(cè)式伸縮方法。工作負(fù)載屬于時(shí)序序列,且具有自相似性,可采用自回歸模型對(duì)未來(lái)的工作負(fù)載進(jìn)行預(yù)測(cè)解決伸縮的時(shí)機(jī)問(wèn)題。通過(guò)對(duì)工作負(fù)載變化的特征分析,利用工作負(fù)載變化率判斷其類型,以便決定選擇虛擬機(jī)或者Docker容器伸縮,解決了伸縮的對(duì)象問(wèn)題。最后對(duì)集群上的服務(wù)采用排隊(duì)論進(jìn)行建模,通過(guò)當(dāng)前工作負(fù)載量計(jì)算出伸縮所需的服務(wù)數(shù)量,解決了伸縮的數(shù)量問(wèn)題。然后,根據(jù)前面的研究結(jié)果,在明確了設(shè)計(jì)目標(biāo)后,使用偽代碼對(duì)擴(kuò)展算法和收縮算法進(jìn)行描述。在此基礎(chǔ)上,設(shè)計(jì)并實(shí)現(xiàn)了自動(dòng)伸縮控制器,它包括監(jiān)控器、建模器、報(bào)警器和伸縮器四部分,能夠按照本文方法對(duì)目標(biāo)集群自動(dòng)進(jìn)行伸縮調(diào)整。最后,對(duì)本文提出的方法進(jìn)行驗(yàn)證測(cè)試。圍繞其設(shè)計(jì)及應(yīng)用場(chǎng)景,實(shí)現(xiàn)了測(cè)試所需的負(fù)載發(fā)生器,并設(shè)計(jì)了典型的周期性負(fù)載和突發(fā)式負(fù)載供測(cè)試使用。經(jīng)過(guò)與純響應(yīng)式伸縮方法的比較,驗(yàn)證了本文伸縮方法的有效性。
【關(guān)鍵詞】：Docker 虛擬機(jī) 集群 伸縮方法
【學(xué)位授予單位】：西安郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP368.5
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 緒論7-13
• 1.1 研究背景、目的及意義7-8
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀8-10
• 1.3 論文主要內(nèi)容及創(chuàng)新點(diǎn)10
• 1.4 論文組織結(jié)構(gòu)10-13
• 第2章 相關(guān)技術(shù)研究13-23
• 2.1 容器技術(shù)研究13-16
• 2.1.1 容器技術(shù)簡(jiǎn)介13
• 2.1.2 Docker容器簡(jiǎn)介13-14
• 2.1.3 Docker容器與虛擬機(jī)的對(duì)比14-16
• 2.2 混合式集群研究16-19
• 2.2.1 集群簡(jiǎn)介16
• 2.2.2 基于云環(huán)境的集群16-17
• 2.2.3 混合式集群17-19
• 2.3 伸縮方法研究19-22
• 2.3.1 伸縮方法簡(jiǎn)介19-21
• 2.3.2 伸縮方法理論要素21-22
• 2.4 本章小結(jié)22-23
• 第3章 基于Docker容器的伸縮方法研究23-37
• 3.1 存在問(wèn)題成因分析23-26
• 3.1.1 響應(yīng)時(shí)長(zhǎng)分析23-24
• 3.1.2 開(kāi)銷分析24-26
• 3.2 亞馬遜AWS伸縮方法26-28
• 3.3 伸縮方法關(guān)鍵問(wèn)題研究28-35
• 3.3.1 伸縮對(duì)象選擇28-29
• 3.3.2 伸縮時(shí)機(jī)判斷29-33
• 3.3.3 伸縮數(shù)量計(jì)算33-35
• 3.4 本章小結(jié)35-37
• 第4章 伸縮方法設(shè)計(jì)與實(shí)現(xiàn)37-47
• 4.1 伸縮方法設(shè)計(jì)目標(biāo)37
• 4.2 伸縮方法設(shè)計(jì)37-41
• 4.2.1 伸縮算法38-39
• 4.2.2 擴(kuò)展算法39-40
• 4.2.3 收縮算法40-41
• 4.3 伸縮方法實(shí)現(xiàn)41-46
• 4.3.1 系統(tǒng)設(shè)計(jì)41
• 4.3.2 模塊設(shè)計(jì)41-46
• 4.4 本章小結(jié)46-47
• 第5章 伸縮方法性能測(cè)試47-57
• 5.1 測(cè)試方法47
• 5.1.1 性能測(cè)試目的47
• 5.1.2 測(cè)試對(duì)照組設(shè)計(jì)47
• 5.2 驗(yàn)證測(cè)試47-55
• 5.2.1 測(cè)試工具47-50
• 5.2.2 測(cè)試環(huán)境50-53
• 5.2.3 測(cè)試結(jié)果及分析53-55
• 5.3 本章小結(jié)55-57
• 第6章 結(jié)論與展望57-59
• 6.1 本文總結(jié)57
• 6.2 工作展望57-59
• 參考文獻(xiàn)59-61
• 攻讀學(xué)位期間取得的研究成果61-63
• 致謝63-65

，

本文編號(hào)：873962