微服务架构与容器技术分析及应用

作为一种现代化软件架构理念,微服务架构与传统单体结构、集群结构、分布式系统相比,不仅能有效地解决服务器中方案的耦合问题,还能从根本上为各项系统的运转提供方便灵活的服务支持,最终为实现可持续发展目标奠定基础。基于此,笔者主要阐述了设计架构的演变历程,并对微服务特性和容器技术的基本内容进行了全面探析,以此为气象业务系统的进一步发展打下坚实基础。     

面向微服务架构的容器级弹性资源供给方法

容器作为物理资源的逻辑抽象,具有资源占用少、资源供给快等特点,适合工作负载突变的互联网应用模式,特别是面向微服务架构的新型服务范型.已有工作受限于物理机和虚拟化环境,或资源难以弹性供给或资源供给时效性较差,难以应对负载突变(flash-crowds）场景.针对此问题提出了一种服务质量(quality of service, QoS)敏感的、基于前馈的容器资源弹性供给方法,该方法采用排队论刻画工作负载、资源利用率和响应时间的关联关系,构建应用性能模型.其中,响应时间采用模糊自适应卡尔曼滤波进行预测(前馈控制器),预测结果违背QoS是触发资源弹性供给的依据.基于CloudStone基准的实验结果显示,前馈控制器具有快速收敛的特点,对响应时间的预测误差小于10%.在flash-crowds场景下,相对于已有方法可有效保障应用的QoS.     

微服务架构与容器技术分析及应用

目前,微媒体服务规模增长越来越快,存在褒贬不一的不良现象。本文主要分析了微软服务管理体系结构与系统容器之间的技术关系。微软服务架构是一种系统架构设计理念,通过微软服务的各种功能,有效地解决了系统服务器中解决方案的耦合问题。通过这种服务功能的广泛使用,我们可以实现全服务分离,非常方便开发和系统部署,再与其他容器技术相结合,有效解决微软件服务系统框架中可能出现的系统负载问题,更有效地支持微系统服务器的运行。     

微服务容器化部署的研究

随着分布式系统和云计算的飞速发展,微服务和容器的应用越来越广泛,通过将微服务容器化实现自动化部署和持续集成,从而简化部署和加快开发也是企业应用的研究重点。通过对微服务特性和容器核心技术的研究,给出了微服务容器化部署的理论支持,并对几种常见的微服务部署模式进行了比较,最后着重介绍了微服务容器化部署模式的一般流程和总体设计方案,包括微服务应用的开发、容器镜像的构建、管理和容器部署编排,并给出了微服务容器镜像构建的优化方案,对企业的应用开发部署具有一定的理论参考价值。     

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。     

云服务下的最佳工具——容器和微服务

随着互联网和云计算的快速发展,人们对数据信息服务的依赖性日益增强。常规的单一应用结构和面向服务的应用体系结构无法满足业务需求,在云计算应用快速发展的今天,以高灵活、低耦合、高扩展、动态扩展为特征的新型软件应用体系结构,是分布式未来整个软件行业的发展方向之一。同时,以docker为代表的容器虚拟化技术将大大降低大规模部署和实现微服务应用的成本。     

面向微服务架构的容器级弹性资源供给方法

笔者研究了面向微服务架构的容器级弹性资源供给方法,阐述了微服务架构下容器级弹性资源供给方法的实现流程。基于实际增强学习、模糊控制和反馈控制等,进行了资源供给方法实验。结果表明,前馈控制器更适用于负载突变场景。在此应用场景下,利用前馈控制器快速收敛的特点,保障了应用的服务质量,解决了资源供给弹性难和资源供给时效性差的问题。     

面向微服务架构的云系统负载均衡机制

针对微服务架构的请求响应延迟上升问题,提出一种微服务链感知的请求负载均衡算法。从负载均衡器入手,将微服务链上的平均请求延迟和主机负载情况作为衡量指标,形式化微服务环境和请求延迟,在此基础上研究微服务链调用中存在的共享微服务竞争问题。模拟实验结果表明,与RR算法相比,该算法在复杂的微服务链环境下能够有效降低请求延迟,且在实例分布不均匀的环境中保持较好的负载性能,均衡不同主机之间的负载。在更接近真实应用环境的高频请求测试中,算法能有效降低系统的综合响应时间。     

探析微服务架构在容器中的应用实践

近年来,随着微服务架构和容器技术的日益成熟,在企业信息化建设中得到了越来越广泛的应用。微细服务架构解决了单一应用架构的高复杂性、系统耦合性和难以演进等问题。集装箱技术为服务提供了虚拟运行环境和理想运行载体。二者结合,可显著提高企业信息化应用水平。在许多企业的早期开发中,引入了微服务、集装箱船、云平台等,其核心业务非常简单,采用传统的MVC三层结构,常常可以提高开发效率。     

微服务应用平台的网络性能研究与优化

目前,微服务和容器的生态化技术已发展到新的一代,本文研究了一个基于棉布和集装箱的集装箱网络集成解决方案,并在此基础上实现微型集装箱服务。实验结果表明,与flannel相比,docker集装箱网的吞吐量、传输速率等网络性能提高了约50%,有利于在实际生产环境中应用微服务。     

基于深度强化学习的雾计算容器整合

在雾计算系统架构基础上, 针对数据中心高能耗、应用任务负载的随机动态性以及用户对应用的低时延要求, 提出一种基于A2C (advantage actor-critic)算法的以最小化能源消耗和平均响应时间为目标的容器整合方法, 利用检查点/恢复技术实时迁移容器, 实现资源整合. 构建从数据中心系统状态到容器整合的端到端决策模型, 提出自适应多目标奖励函数, 利用基于梯度的反向传播算法加快决策模型的收敛速度. 基于真实任务负载数据集的仿真实验结果表明, 该方法能够在保证服务质量的同时有效降低能耗.     

面向Java微服务系统的透明请求追踪及采样方法

微服务因其敏捷的开发方式、快速的部署方式,逐渐成为以云为基础的软件系统的主流架构方式之一.但是,微服务系统结构复杂,动辄上百个服务实例,而且服务之间的调用关系异常复杂,当微服务系统中出现异常时,难以定位故障根因.为了解决这个问题,端到端请求追踪(trace)成为微服务系统监控的标配.然而现有的分布式请求追踪实现方式对应用程序具有侵入性,严重依赖于开发者对请求追踪的经验,无法在运行时控制追踪功能的开启和关闭.这些不足不仅会增加开发者的负担,而且限制了分布式请求追踪技术的实际应用.设计并实现对程序开发者透明的请求追踪系统Trace++,能够自动生成追踪代码,利用动态代码插桩技术将追踪代码注入到运行中的应用程序. Trace++对程序低侵入,对开发者透明,能够灵活控制追踪功能的开启和关闭.此外, Trace++的自适应采样方法有效减少了请求追踪产生的开销.在微服务系统TrainTicket上的实验结果证明, Trace++能够准确发现服务依赖关系.在开启请求追踪时,性能开销接近于源代码插桩,在关闭请求追踪时无性能开销.此外, Trace++的自适应采样方法在采样到具有代表性样本的同时减少了8...     

容器热迁移优化技术研究

容器虚拟化技术由于轻量级的特性逐渐在云计算中崭露头角.容器热迁移是许多云管理能力的基础,其在最短的宕机时间内,将运行中的容器完整地迁移到另一个物理节点上继续运行.性能是容器热迁移研究的重点,但通过对现有容器热迁移系统的详细分析,本文发现其中仍然存在着一些影响性能的问题,包括转储并行度低、预拷贝策略不收敛以及根文件系统与运行状态迁移并行度低等.针对这些问题,本文分别提出和设计了资源感知的并行转储机制、基于后拷贝策略的运行状态迁移和基于多优先级的传输调度并行算法等优化策略和算法,并基于Docker实现了一个高性能容器热迁移系统Dmigrate.实验结果表明Dmigrate相比于目前最新的研究,平均可有效减少17.05%的宕机时间,总迁移时间平均减少24.33%.     

基于多智能体强化学习的微服务弹性伸缩方法

针对现有微服务水平扩展策略难以应对异构应用对多种资源的差异化需求问题,提出了一种基于多智能体强化学习的微服务弹性伸缩方法。首先,通过刻画微服运行状态、资源调整动作及收益等要素建模云应用资源调整问题;其次,基于深度神经网络训练策略网络以决策资源调整操作,训练价值网络以评价决策优劣并优化调整策略;最后,提出中心化模型训练与分布式资源调整动作相结合的微服务弹性伸缩策略。实验结果表明,该方法能够根据负载波动及时调整各微服务的资源分配量,有效减少了云应用请求响应时间,并降低了云平台的资源使用成本。     

微服务架构在不动产登记网上预约系统中的应用

随着信息化技术的高速发展,国务院提出关于推进"互联网+政务服务"建设的理念.而不动产登记业务是政府政务服务当中至关重要的一环.为了缓解不动产登记窗口的压力,不动产登记网上预约系统应运而生.传统的不动产登记网上预约系统采用单体架构进行设计,存在着诸多的弊端,诸如效率低,维护难,不灵活,稳定性差,扩展性不够等.微服务架构可...     

无服务器环境下基于DQN和用户意图的函数放置研究

随着无服务器计算技术的快速发展,无服务器计算以其按需付费、自动扩展等特性吸引了越来越多的用户的关注,研究人员正在探索将无服务器架构应用于日渐完善的边缘计算系统。然而,在分布式的无服务器系统中如何有效地进行无服务器函数放置并为用户提供优质的服务仍是该领域一个亟需解决的问题。采用基于用户意图的DQN（deep Q-network）无服务器函数放置算法来解决分布式无服务器系统中的函数放置问题。该算法将用户意图作为学习目标,利用DQN算法进行函数放置的优化。通过仿真实验,基于用户意图的DQN无服务器函数放置算法在计算时延和放置开销方面显著降低。相较于传统方法,该算法能够有效满足用户的不同需求,并取得了较好的函数放置效果,这表明该算法在分布式无服务器系统中具有较高的适应性和性能优势。     

气象环境下的云计算调度算法

针对气象计算的特点,提出气象计算的云模型,在这个模型之上,提出气象云计算（Weather Cloud）的启发式调度算法。调度算法对气象作业按照时间紧迫型、CPU紧迫型、内存紧迫型和硬盘空间紧迫型进行分类,计算资源综合紧迫指数,相应地赋予不同调度优先权限。与CMMS（Cloud Min min Scheduling）、AFCFS（Adaptive First Come First Service）、Fair的调度算法对比表明,Weather Cloud的调度算法不但减少了计算的等待时间,而且增加了完成的指令数量。     

一种基于微服务架构的在线教育平台设计与实现

针对传统单体式架构在线教育平台存在灵活性较低、可拓展性和稳定性不足等问题,设计了一种基于微服务架构的在线教育平台.首先,该在线教育平台采用Spring Cloud框架来搭建微服务;然后,利用Nacos组件和其他微服务组件搭建项目基础环境;同时还选取MyBatis-Plus框架作为持久层的框架;最后利用Vue.js框架搭...     

基于深度强化学习的电子政务云动态化任务调度方法

电子政务云中心的任务调度一直是个复杂的问题。大多数现有的任务调度方法依赖于专家知识,通用性不强,无法处理动态的云环境,通常会导致云中心的资源利用率降低和服务质量下降,任务的完工时间变长。为此,提出了一种基于演员评论家（actor-critic,A2C）算法的深度强化学习调度方法。首先,actor网络参数化策略并根据当前系统状态选择调度动作,同时critic网络对当前系统状态给出评分;然后,使用梯度上升的方式来更新actor策略网络,其中使用了critic网络的评分来计算动作的优劣;最后,使用了两个真实的业务数据集进行模拟实验。结果显示,与经典的策略梯度算法以及五个启发式任务调度方法相比,该方法可以提高云数据中心的资源利用率并缩短离线任务的完工时间,能更好地适应动态的电子政务云环境。