OpenStack资源调度模式和应用

针对云计算平台中的资源调度模式,提出了以OpenStack的虚拟设备动态调度算法.算法通常使用以节点载荷的线上与离线操作模式与以提升服务品质并缩减迁移成本的待迁移虚拟设备挑选方略,为了规避群聚效果,保证系统的载荷平衡,通过运算虚拟设备对节点的需要读来权衡虚拟设备与节点间的匹配度,使用匹配度操作概率轮盘的目标节点的挑选方...     

基于OpenStack的清华云平台构建与调度方案设计

从一般云计算的体系结构与清华大学的实际需求出发,利用先进的OpenStack平台,采用分层设计的方法设计实现一个可对云资源进行综合管理的清华云平台。分析了该系统的优势和应具备的主要模块功能,重点研究系统中的资源调度关键技术,提出了一种基于任务调度和负载均衡的策略,并通过对调度方案的实验与分析,验证了该调度策略在保证服务性能和执行效率的基础上能够均衡服务器的资源负载,使云平台处于相对稳定的状态。     

集成Docker容器的OpenStack云平台性能研究

针对Open Stack云平台虚拟机未能较好利用宿主物理机资源的问题,结合基于组件工作的Open Stack在云平台管理中的高效性和Docker容器虚拟化的快速部署优势,搭建基于Docker容器技术的Open Stack云平台。对云平台管理的Docker容器中实际运行的客户机操作系统进行计算、调度、内存访问、文件读写等基础性能测试,做出相关性能的评估与分析,并在多实例运行状态下将其与Open Stack传统虚拟机进行性能比较。分析结果表明,该云平台能够利用Docker容器的轻量级虚拟化优势,优化云计算管理系统的计算性能和文件读写性能。     

基于 OpenStack 的虚拟资源调度技术研究

传统的高能物理计算系统基于物理机集群,主要通过 Torque、Condor、LSF 等资源管理和作业调度系统将作业调度到物理机器上运行,缺少对虚拟化计算的接口支持。我们选取 OpenStack 作为底层虚拟化平台,设计并实现上层调度系统与 OpenStack 之间的桥梁,采用推拉结合的作业运行方式,构建虚拟计算集群。     

基于Docker的云资源弹性调度策略

针对云资源弹性调度问题,结合Ceph数据存储的特点,提出一种基于Docker容器的云资源弹性调度策略。首先,指出Docker容器数据卷不能跨主机的特性给应用在线迁移带来了困难,并对Ceph集群的数据存储方法进行改进;然后,建立了一个基于节点综合负载的资源调度优化模型;最后,将Ceph集群和Docker容器的特点相结合,利用Docker Swarm实现了既考虑数据存储、又考虑集群负载的应用容器部署算法和应用在线迁移算法。实验结果表明,与一些调度策略相比,该调度策略对集群资源进行了更细粒度的划分,实现了云平台资源的弹性调度,并在保证应用性能的同时,达到了合理利用云平台资源和降低数据中心运营成本的目的。     

一种基于Docker的容器云平台设计与部署方法

提出一种基于Docker的容器云平台设计与部署方法。分析容器云平台的用户需求,详细描述容器云平台的层次架构与组成模块。在容器云平台部署过程中,改进集群监控方案,结合Grafana和Prometheus构建一个可靠的性能监控方案。在镜像库上,为保证安全与稳定,选择Harbor作为私有镜像仓库。使用网络文件系统（Network File System,NFS）存储服务为容器提供共享存储服务。通过测试验证了该方法的可行性与高效性。     

Docker动态调度算法的设计与实现

Docker作为容器的实施引擎,能高效部署、执行和管理容器。然而,现有Docker容器资源管理机制基于静态配置,无法根据应用类型特征和资源需求在运行时进行高效的动态资源分配。因此,实验性地分析Docker运行不同负载时的资源使用和性能情况,设计并实现了一种基于运行时的Docker动态调度算法,优先满足实时型应用容器服务要求,同时保证批处理型应用容器的性能。另外,算法根据节点运行现状推荐创建最合适的应用容器,最大化节点的资源利用率。实验表明,动态调度机制不会引入明显的性能开销;当容器间出现资源竞争时,可以将实时型应用容器满足服务要求的时间段延长87.5%,且最多对同时运行的批处理应用容器的性能造成2.9%的开销。算法推荐机制将节点上能够运行的容器实例数增大2.3倍时,对批处理型应用容器只造成最多9.3%的性能损耗。     

基于OpenStack的云平台高可用性研究

目前,云计算服务广泛应用在各个领域。为保障云平台的稳定可靠运行,笔者通过分析高可用集群与负载均衡技术,设计了Pacemaker+Haproxy技术解决方案,并对OpenStack的核心组件数据库和镜像服务进行高可用部署,实现了OpenStack云平台的高可用性。实践证明,该高可用性方案具有可行性。     

基于虚拟机迁移的资源调度机制研究

虚拟化技术不仅有效提高服务器资源的利用率,而且实现资源重组管理,从而能有效满足不同用户的多样性需求.而云计算技术能否得到广泛应用则取决于虚拟化资源的调度能否及时、可靠地保障用户服务质量.因此实现高效、灵活的动态虚拟机迁移对云计算具有十分重要的意义.针对云数椐中心环境,提出一种基于虚拟机迁移的资源调度模型,该模型不仅有效提高云服务资源的管理及利用,从而提高用户满意度.     

容器云多维资源利用率均衡调度研究

在OpenShift容器云平台上针对其调度策略进行研究和改进,提出了基于多维资源空闲率权重的评价函数和调度方法。该方法综合考虑物理节点CPU、内存、磁盘、网络带宽空闲率和已部署的容器应用个数等因素,利用模糊层次分析法（fuzzy analytic hierarchy process,FAHP）自动建模求解容器应用多维资源权重参数。实验表明,新的调度方案能够使集群多维资源利用率更加均衡,从而提升资源的利用率和集群性能。     

基于改进秃鹰搜索算法的Kubernetes资源调度应用

Kubernetes是一个管理容器化应用的开源平台,其默认的调度算法在优选阶段仅把CPU和内存两种资源来作为计算节点的评分指标,同时还忽略了不同类型的Pod对节点资源的占用比例是不同的,容易导致某一资源达到性能瓶颈,从而造成节点对资源使用失衡.针对上述问题,本文在Kubernetes原有的资源指标基础上增加了带宽和磁盘容量,考虑到CPU、内存、带宽和磁盘容量这4类资源在节点上的占用比例对节点的性能的影响,可能造成Pod中应用的非正常运行,甚至杀死Pod,从而影响集群整体的高可靠性.本文将等待创建的Pod区分为可压缩消耗型、不可压缩消耗型以及均衡型,并为每种类型的Pod设置相应的权重,最后通过改进的秃鹰搜索算法(TBESK)来寻找出最优节点进行调度.实验结果表明,随着集群中Pod的数量在不断增加,在集群负载较大的情况下, TBESK算法的综合负载标准差和默认的调度算法相比提升了24%.     

基于LKM的Docker资源信息隔离方法

针对Docker容器目前存在的内存资源信息尚未隔离的问题,设计了一种基于LKM技术的资源信息隔离方法.该方法通过LKM的形式利用系统调用劫持来修改读取到的procfs文件内容,从而实现了Docker中的容器资源信息隔离的功能,使得在其上运行的容器可以不用作任何修改就能达到资源信息隔离的目的.最后通过实验证明资源信息隔离的功能是可用的.     

基于遗传算法的Kubernetes资源调度算法

Kubernetes在优选阶段仅根据节点CPU和内存的利用率来决定节点的分值,这只能保证单节点的资源利用率,无法保证集群资源的负载均衡.针对该问题,提出一种基于遗传算法的Kubernetes资源调度算法,该算法加入了网络带宽和磁盘IO两项评价指标,同时为评价指标赋予不同权重值,并且引入校验字典校验并修复遗传算法生成的新...     

基于OpenStack资源监控系统

资源监控是提高云平台可靠性的重要手段. 本文结合OpenStack云平台的特点,设计并实现了一个全面、智能、高效的资源监控系统,完成了资源监控系统整体架构的设计以及各模块的功能划分,并给出了实例监控方式、数据存储模型等具体的实现方法. 最后,通过测试结果说明资源监控系统的有效性.     

基于资源监控统计的云计算主动调度方法

现有的云计算资源调度策略没有考虑资源池的总体资源需求,造成了资源的损耗,影响虚拟机的正常运行．提出了一种基于资源监控统计的云计算主动调度方法,充分考虑资源池的总体资源需求情况,引入监控数据采集模块和监控数据分析模块,同时加入监控数据库作为系统的基础,定制一套适用于资源调度的虚拟机监控数据统计和分析的方法,使得基于监控统计数据的虚拟机调度方法可以轻松实现．     

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.     

基于云预存储技术的Docker在线迁移方法

针对基于Docker容器的分布式云计算下出现负载不均衡问题, 有必要将较高负载服务器中的Docker容器进程迁移到其他相对空闲的服务器上. 而传统的容器迁移算法忽视了容器本身的特征, 从而导致在迁移过程中传输效率低下. 基于此, 利用第三方管理平台和数据预存储阈值机制, 提出一种Docker容器动态迁移预存储算法PF-Docker. 首先将Docker容器内部进程运行相关文件和流动数据预存至云端存储器, 然后通过预存储阈值机制减少流动数据的无效传输, 最后在停机传输阶段将流动数据和冗余数据传输给目的服务器. 实验表明, 该方法在Docker容器迁移中能有效地降低迁移时间, 减少数据传输量, 提高容器的容错率.