Docker容器化下的遥感算法程序集成方法

目的 近年来，随着我国遥感技术的快速发展，遥感数据呈现出大数据的特点，遥感数据的时效性增强，针对新环境下遥感算法编程语言众多，程序运行和部署环境需求多样，程序的集成和部署困难的问题，提出了一种遥感算法程序快速封装与Docker容器化系统集成架构。方法 该系统架构主要包括：1）遥感算法程序的镜像自动化封装制作；2）镜像的分发管理，达到算法程序镜像的共享；3）遥感信息产品生产流程的容器化编排服务，将相关联的算法程序镜像串联，以满足特定遥感信息产品的生产；4）容器的调度运行，调用镜像，实现特定遥感产品的容器化运行。本文在上述容器化系统集成架构下，以Landsat5数据的NDVI、NDWI信息产品的生产作为容器化生产实例，并同物理机、KVM （kernel-based virtual machine）虚拟机在运行时间、内存占用量、部署效率等性能进行了对比。结果 Docker容器虚拟化环境下的产品生产和物理机环境下在运行时间和内存占用量上几无差别，优于KVM虚拟机。Docker容器虚拟化环境和KVM虚拟机环境下在部署上能够节省大量时间，相比于物理机环境能够提高部署效率。结论 容器化的系统集成方式能够有效解决遥感算法程序集成和部署困难的问题，有利于遥感算法程序的复用和流程的共享，提高系统集成效率，具备较强的遥感数据实时快速处理能力。     

浅析Docker容器技术的发展前景

Docker中有两个重要概念,一个是镜像 ( Image),另一个是容器(Container)。容器即利用 Docker 构建出来的虚拟环境,可理解为一个自给自足的Linux 环境,在功能上,与一个完整的 Linux 环境基本一致。Docker容器技术CPU、内存利用率更高,网络I/O性能更高,磁盘读写性能更好,是云计算技术发展的方向。     

基于Docker容器技术的Linux在线实验环境设计

基于Docker容器的虚拟技术在云计算、大数据环境中被大规模的使用,针对Linux操作系统实验环境使用受限的问题,设计了基于Docker容器技术的在线实验环境,描述了实验环境构建的大致过程,对服务器端Docker容器的创建方法进行了分类分析和服务器压力测试,结果表明,所设计的Linux在线实验环境能够满足线上及线下教学的需要,提高了教学效果和效率。     

基于OpenStack的高资源利用率Docker调度模型

在现有OpenStack云平台与Docker容器技术的集成方案中,基于容器初始资源请求的调度模型由于未充分考虑容器运行时的实际资源使用情况,导致资源利用率较低。为满足云计算领域的高资源利用率和低成本需求,构建基于OpenStack云平台的Docker调度模型（DSM）,将其与OpenStack的Keystone、Glance以及Neutron组件的API进行交互,获取创建容器所需的镜像、网络等资源,同时调用Docker Engine提供的API部署容器,对容器生命周期进行高效灵活管控。通过融合初始化模块、资源实时感知模块、容器调度模块、资源实时监测模块和容器迁移模块,并在容器调度模块中利用资源可用度评估与优先级决策调度机制为容器选择最优的计算节点,实现OpenStack云平台中资源的高效利用。实验结果表明,与经典Nova-Docker和Yun集成方案采用的调度模型相比,DSM调度模型在CPU和内存利用率上至少提升38.54、30.17个百分点和38.40、28.69个百分点。     

面向Kubernetes的多集群资源监控方案

应用系统的复杂化与微服务化促进了容器的广泛使用, 企业往往会根据业务需要使用Kubernetes搭建多个集群进行容器的编排管理与资源分配. 为实时监控多个集群的工作状态与资源使用情况, 提出了面向Kubernetes的多集群资源监控方案, 对Kubernetes提供的CPU、内存、网络以及存储指标进行采集, 根据采集数据的类型对部分数据进行计算以获取更直观的监控指标, 实现了多层级多类型的存储, 并提供监控数据的REST接口. 通过实验, 验证了本设计对集群资源的消耗低, 具有较好的性能.     

异构容器云间应用迁移模型研究

为解决基于Docker容器的应用跨异构容器云迁移的问题,针对主流的异构容器编排引擎的编排原理进行了研究,同时也研究了主流容器服务提供商之间的异构性,在此基础上提出了基于Docker容器的应用跨异构容器云迁移的三层模型。为提高基于Docker容器的应用跨异构容器云迁移的效率,提出基于镜像预同步的应用迁移技术。实验结果表明,利用三层模型能成功实现应用跨异构容器云的迁移,并且在引入镜像预同步技术前后,同构云异构容器编排引擎之间的应用迁移时间平均减少了60.33%,异构云Kubernetes集群间的应用迁移时间平均减少了43.67%。     

基于龙芯平台的Docker评测与分析

对轻量级技术的Docker技术进行了概述,针对Docker1.13+版本基于龙芯平台进行了移植并集成到Fedora28系统中,制作测试镜像对新版本Docker方案进行了性能测试分析,剖析了不同容器数量下的性能变化趋势和容器的性能瓶颈.通过龙芯单路、双路、四路服务器和AMD Ryzen5（2400 GB）主机进行了容器内的性能对比测试实验,肯定了龙芯平台上的新版Docker方案的稳定性,并分析了龙芯3A3000芯片与Ryzen5（2400 GB）芯片相近主频下的性能差异,展望了国产CPU芯片事业的发展前景.     

云计算应用中的嵌入式容器技术研究

虚拟化技术从主机虚拟化发展到容器虚拟化,推动了计算开发模式的变更。容器虚拟化技术广泛应用于云计算,提供高效灵活的计算资源配置,极大提高了计算资源的利用率和软件开发效率。以Docker为代表的容器实现了持续集成、持续交付和部署。在嵌入式系统中,应用灵活多变,配置较多,涉及到应用和实时操作系统的配置裁减,系统重构复杂。本文通过研究Docker、Linux容器的命名空间、资源隔离等技术,探讨嵌入式容器技术的发展趋势,提升嵌入式系统软件的开发、测试、部署效率。     

一种基于Docker的开发者服务平台设计

平台即服务(PaaS)作为云计算的三种服务模型之一,为应用程序提供运行环境,并将应用的部署和依赖关系管理起来,极大的方便了应用开发者。Docker基于LXC的轻量虚拟化特点,启动速度快且占用资源少,为PaaS的构建提供了良好的支持。本文分析了Docker的特点,设计了一种基于Docker的开发者服务平台,为开发者提供代码托管、编译发布和运行环境等服务。实验测试结果表明,该设计方案具有系统资源占用少和快速部署的优点。     

A microservice‐based architecture for (customisable) analyses of Docker images

We introduce Docker Analyser , a microservice‐based tool that permits building customised analysers of Docker images. The architecture of Docker Analyser is designed to crawl Docker images from a remote Docker registry, to analyse each image by running an analysis function, and to store the results into a local database. Users can build their own image analysers by instantiating Docker Analyser with a custom analysis function and by configuring the architecture. More precisely, the steps needed to obtain new analysers are (1) replacing the analysis function used to analyse crawled Docker images, (2) setting the policy for crawling Docker images, and (3) setting the scalability options for obtaining a scalable architecture. In this paper, we also present 2 different use cases, ie, 2 different analysers of Docker images created by instantiating Docker Analyser with 2 different analysis functions and configuration options. The 2 use cases show that Docker Analyser decreases the effort required to obtain new analysers versus building them from scratch.