由于容器具有部署快,輕量化等特點,越來越多的互聯(lián)網(wǎng)公司和制造業(yè)公司選擇容器云作為部署平臺,使得容器云在任務(wù)分配方面將面臨更大的挑戰(zhàn)。當(dāng)容器云平臺接收到大量任務(wù)請求時,由于容器云底層采用了容器虛擬化技術(shù),使得任務(wù)的總體執(zhí)行速度加快,對容器任務(wù)的分配效率提出了更高的要求。而Docker Swarm自帶的任務(wù)分配策略無法很好地平衡各資源節(jié)點上的負載,容易導(dǎo)致資源利用率不高、負載失衡、最小時間跨度變長等問題。針對以上問題,對容器云環(huán)境下的任務(wù)特征及屬性進行研究,提出利用隨機森林對任務(wù)進行快速分類,將同一個類目中的任務(wù)均勻地分配到子集群中合適的資源節(jié)點上去執(zhí)行,當(dāng)該子集群的負載達到閾值后再重新開啟新的子集群。分類準確度是隨機森林模型的關(guān)鍵指標,其中基分類器的數(shù)量和訓(xùn)練每個基分類器采用的樣本量是影響分類準確度的兩個參數(shù)。根據(jù)隨機森林的收斂性,當(dāng)基分類器達到一定數(shù)量時,該模型的泛化誤差會收斂到一個最小值,采用煙花算法設(shè)置隨機森林的參數(shù),以期獲得最優(yōu)的隨機森林分類模型。針對煙花算法易陷入局部最優(yōu),在迭代的過程中,會出現(xiàn)重復(fù)設(shè)置隨機森林參數(shù)的問題,提出對煙花算法進行改進,根據(jù)相鄰兩代最優(yōu)適應(yīng)度值的差距,... 

【文章來源】：桂林理工大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

Docker架構(gòu)

容器服務(wù)基本原理圖

Bagging邏輯結(jié)構(gòu)圖

【參考文獻】：
期刊論文
[1]基于改進禁忌搜索的云任務(wù)負載均衡調(diào)度策略研究[J]. 陸佳煒,李杰,張元鳴,肖剛.  小型微型計算機系統(tǒng). 2018(10)
[2]基于李雅普諾夫優(yōu)化的容器云隊列在線任務(wù)和資源調(diào)度設(shè)計[J]. 李磊,薛洋,呂念玲,馮敏.  計算機應(yīng)用. 2019(02)
[3]基于預(yù)測模型及獨立訓(xùn)練節(jié)點的負載均衡策略[J]. 陳大才,呂立,高岑,孫詠.  計算機系統(tǒng)應(yīng)用. 2018(09)
[4]一種Dubbo監(jiān)控中心的彈性負載均衡方案[J]. 曹郁,朱志祥.  計算機與數(shù)字工程. 2018(07)
[5]基于運營商容器云平臺的研究[J]. 姚嚴峰.  中國新通信. 2018(14)
[6]負載均衡技術(shù)在并行化符號執(zhí)行中的應(yīng)用[J]. 李航,臧洌,甘露.  計算機與現(xiàn)代化. 2018(07)
[7]一種煙花算法的優(yōu)化[J]. 趙偉,郭乙江.  科技通報. 2018(06)
[8]基于隨機森林和神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量預(yù)測研究[J]. 林開春,邵峰晶.  青島大學(xué)學(xué)報(工程技術(shù)版). 2018(02)
[9]基于CloudSim的分類負載均衡調(diào)度模型[J]. 李榮榮,牛立棟,孫紀敏.  計算機測量與控制. 2018(03)
[10]海量小數(shù)據(jù)分布式聚類優(yōu)化與負載均衡算法[J]. 汪明明,陳慶奎.  計算機工程. 2018(02)

博士論文
[1]云計算負載均衡策略的研究[D]. 劉琨.吉林大學(xué) 2016

碩士論文
[1]基于Docker Swarm集群的資源親和性調(diào)度算法[D]. 佟旭.蘭州大學(xué) 2018
[2]基于Docker-Swarm的微服務(wù)管理技術(shù)研究與實現(xiàn)[D]. 吳杰楚.華南理工大學(xué) 2018
[3]基于資源聚類的云計算任務(wù)調(diào)度算法研究[D]. 李堅.南京信息工程大學(xué) 2017
[4]容器云計算平臺關(guān)鍵技術(shù)研究[D]. 袁忠良.南京大學(xué) 2017
[5]煙花算法在圖像處理中的應(yīng)用研究[D]. 鄢來儀.湖北工業(yè)大學(xué) 2017
[6]基于隨機森林的SVM訓(xùn)練數(shù)據(jù)選擇研究[D]. 魏灑灑.西安電子科技大學(xué) 2017
[7]云計算環(huán)境下動態(tài)負載均衡算法的研究[D]. 馬瀟.電子科技大學(xué) 2017
[8]云環(huán)境下基于預(yù)測的資源調(diào)度研究[D]. 王洪燕.華北電力大學(xué)(北京) 2017
[9]基于Kubernetes的資源動態(tài)調(diào)度的研究與實現(xiàn)[D]. 楊鵬飛.浙江大學(xué) 2017
[10]面向容器云平臺的集群資源調(diào)度管理器的設(shè)計與實現(xiàn)[D]. 何思玫.浙江大學(xué) 2017



本文編號：3210228