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。     

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。     

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。     

Kubernetes可视化管理平台

为了方便云平台的管理,摆脱使用Kubetcl命令行方式操作Kubernetes集群的繁琐,前台采用React框架构建UI界面,后台使用Fabric8框架调用Kubernetes云平台的功能接口,前后端数据的交互借助Axios框架来完成。最终成功完成了基于Docker的Kubernetes可视化管理平台的开发。通过该平台,管理人员可以操作Kubernetes集群中Pod、Namespaces、Service等核心组件。并且在此基础上,该文借助时序数据库InfluDB和可视化监控工具Grafana,实现了平台资源的监控。通过集成Harbor管理页面,可以对Docker私有镜像仓库进行管理。最终,Kubernetes可视化管理平台实现的功能主要包括:物理节点信息显示,Pod、Controller、Service、Namespace的增删改查,平台资源监控和私有镜像管理。这种所见即所得的管理方式,可以充分发挥容器集群自动化部署、自动化扩缩容、自动维护的特性。同时,也使得容器集群的管理更加方便,极大地提高了平台管理的效率,降低了管理人员的负担。     

从Docker容器看容器技术的发展: 一种系统文献综述的视角

近些年,软件构造、运行和演化过程面临着诸多新需求,例如开发测试环境需要高效切换或配置、应用隔离、减少资源消耗、提高测试和部署效率等,给开发人员开发和维护软件带来了巨大的负担.容器技术有希望将开发人员从繁重的开发运维负担中解脱出来,尤其是Docker作为目前工业界的容器行业标准,近年来逐渐成为学术界一个热门的研究领域.为了帮助研究人员全面准确地理解当前Docker容器研究的现状和趋势,使用系统文献综述(systematic literature review)的方法搜集了75篇该领域最新的高水平论文,进行了详细的分析和总结.首先,使用定量研究方法调查了Docker容器研究的基本现状,包括研究数量、研究质量、研究领域和研究方式.其次,首次提出了面向Docker容器研究的分类框架,分别从核心、平台和支持3个方面对当前研究进行了系统性地归纳和梳理.最后,讨论了Docker容器技术的发展趋势并总结了7个未来的研究方向.     

基于流量控制的Docker容器网络带宽控制机制

针对Docker容器缺乏对网络带宽资源进行限制的能力的问题,提出了一种基于流量控制（TC）的Docker容器网络带宽控制机制。首先,基于CGroups文件系统的实时监测机制,利用Linux内核的虚拟文件系统（VFS）作为媒介,将Docker容器创建时设置的网络控制参数传递给Linux内核流量控制器TC;然后,通过引入IFB模块实现上下行带宽控制,并使用rate、ceil及prio参数进行空闲带宽共享及容器优先级控制;最后,控制TC执行具体的网络限制,以实现容器之间灵活的网络资源控制。实验结果表明,该机制在容器独占带宽场景下可有效地将实际容器带宽限制在2%的波动范围内,而在共享空闲带宽场景下可在平均误差0.5%的范围内精准限制容器带宽,同时该机制能够基于优先级弹性地管理资源。该机制具有提供更为原生的接口且无需额外工具配合的优势,可为基于Docker的云平台的细粒度弹性网络资源控制提供便捷有效的解决思路。     

基于openstack云平台的docker应用

openstack与Docker作为云计算领域两个最热门的开源项目,其中openstack提供了一个简化部署云平台的工具集,目标是提供虚拟计算和存储服务;Docker则提供一个可以运行应用程序的解决方案,是一个构建在LXC上的轻量级虚拟化容器。针对目前openstack云平台创建的实例为虚拟机,占用宿主机大量的资源配额的问题,本文介绍一种openstack环境中创建的实例为Docker容器,相比较虚拟机具有启动速度快,资源利用率高以及性能开销小的优点。此外详细介绍Docker的工作原理,主要特性,底层的实现以及在openstack云平台中的集成使用。     

IB网上CPU-GPU异构超算平台容器性能评估及优化

为了实现资源和系统环境的隔离,近年来新兴了多种虚拟化工具,容器便是其中之一。在超算资源上运行的问题通常是由软件配置引起的。容器的一个作用就是将依赖打包进轻量级可移植的环境中,这样可以提高超算应用程序的部署效率。为了解基于IB网的CPU-GPU异构超算平台上容器虚拟化技术的性能特征,使用标准基准测试工具对Docker容器进行了全面的性能评估。该方法能够评估容器在虚拟化宿主机过程中产生的性能开销,包括文件系统访问性能、并行通信性能及GPU计算性能。结果表明,容器具备近乎原生宿主机的性能,文件系统I/O开销及GPU计算开销与原生宿主机差别不大。随着网络负载的增大,容器的并行通信开销也相应增大。根据评估结果,提出了一种能够发挥超算平台容器性能的方法,为使用者有针对性地进行系统配置、合理设计应用程序提供依据。     

容器技术在软件项目中的应用研究

Docker是一种面向云平台的虚拟化技术.作为容器技术的典型代表,Docker解决了传统虚拟化技术存在的诸多问题,以一种轻量化的方式管理资源,达到资源的最大化利用.对Docker技术的基本原理和架构组件进行了介绍,并基于此分析了Docker技术在软件项目开发中的应用场景.     

Openstack与Docker融合的探究

Open Stack已成为了云计算中基础设施即服务(Infrastructure as a Service,简称Iaas)标准。Docker是基于Linux容器为基础构建的容器引擎,通过命名空间和资源划分实现资源隔离和调配,使用分层存储构建镜像,实现了将操作系统和应用捆绑的方法,使得应用系统环境标准化、集装箱化传递成为现实。文章探究了Open Stack、Docker的融合,分析了OPen Stack融合Docker的三种方案,为Open Stack的部署、Docker技术的应用提供了参考。     

对基于Docker的虚拟化技术的几点探讨

Docker技术一种容器级的虚拟化技术,同时也是一种轻量级的容器管理引擎,采用Docker虚拟化技术可以快速的实现大量的标准化应用的部署,在软件开发与测试等相关测试中具有十分广泛的用途。通过对Docker的虚拟化技术基本规范进行分析,探讨了Docker技术的隔离性能与资源控制功能,并对Docker的虚拟化技术应用优势进行分析。     

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。     

基于Docker的虚拟化技术分析与探究

Docker技术属于一种容器虚拟技术,也是一种容器管理引擎。笔者主要围绕该技术进行讨论分析,旨在利用Docker虚拟技术实现标准化应用部署,将其运用到软件开发和测试环节,能取得较好应用效果。通过对该技术基本规范和应用特点进行研究,可凸出其资源控制和隔离功能,促进Docker技术良好发展。     

容器编排工具中部署工作节点的资源优化

随着云计算飞速发展, 以Docker为代表的容器技术逐渐被重视. 目前, 3种常见的容器编排工具有Kubernetes、Docker Swarm和Rancher. 然而, 现有的容器编排工具在所有工作节点的总容量超标时, 将会有响应时间长和资源占用较多等问题. 因此, 本文设计LSD (least space unused)算法以及LRU-SD (least recently used and space unused)算法, 并应用于3种编排工具中. 当总容量超出上限时, 则选择删除不工作的节点并且增加新的工作节点. 做法上, LSD算法是删除剩余空间最少的工作节点, LRU-SD算法先考虑删除最久未使用的节点, 当有多个符合要求的节点时, 则删除剩余空间最少的工作节点. 实验部分, 分析与比较使用不同算法对3种容器编排工具的影响, 包含响应时间、CPU和内存. 实验结果发现, LSD算法、LRU-SD算法和LRU算法不仅能够提高编排工具的响应时间, 还可以增加资源的使用率. 同时, 在提升CPU的使用率方面, LRU-SD算法的效果最好.     

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.     

浅析Docker取证分析技术

当前互联网应用越来越发达,而Docker容器技术也受到了应用提供商的关注,广泛地运用在互联网服务的各处.由于Docker有小巧、灵活、方便部署、资源占用少等特点,许多Web服务都采用了Docker技术,针对Docker的网络攻击行为也越来越多,此外,一些不法网站也开始使用Docker技术进行部署,因此,本文研究了针对D...     

Kubernetes容器云编排系统的研究与实现

Docker容器技术因其在开发和部署上的便捷性与实用性,在实际生产中被广泛使用。作为一个强大的容器云编排工具,Kubernetes在管理大量容器时具有明显优势,在众多的容器云编排系统中脱颖而出,已成为容器云管理的事实标准。本文设计开发了一款基于Kubernetes的容器云编排系统完成容器的日常管理,实现了容器的创建、容器的副本维护、容器的滚动更新、容器的计划任务、服务的发布以及存储的共享等功能。Kubernetes使容器的部署和应用变得更简单、高效,具有较高的应用价值。     

容器网络Calico基本原理和模拟

Docker是一个开源的引擎,诞生于2013年,一直受到广泛的关注和讨论,目前已经发展得如火如荼。随着云计算、大数据的发展,Docker的应用规模也越来越大,容器的使用越来越多,如何解决容器的通信问题变得愈加重要。Docker的网络方式包括主要内置的5种用于通信的驱动方式,但是它们都具有一定的局限性。通过实验搭建集群环境,笔者采用Calico的网络模式进行测试同一台宿主机上的Docker容器之间以及跨主机的Docker容器之间的通信问题,有效地解决了容器间的通信问题。     

Docker可信镜像源检测模型

Docker镜像是Docker容器运行的基础, 目前缺少完善的镜像安全检测方法, 导致容器运行时易受到容器逃逸、拒绝服务攻击等各种安全威胁. 为避免有毒镜像使用, 本文提出一种Docker可信镜像源检测模型DTDIS (detect trusted Docker image source), 该模型使用可信密码模块vTCM (virtual trusted cryptography module)构建镜像基准值数据库, 检测本地镜像文件是否被篡改; 使用父镜像漏洞数据库扩展Clair镜像扫描器避免重复扫描; 结合文件度量信息、漏洞扫描信息判别Docker镜像源是否可信. 经云环境下实验证明, 该模型能够有效对Docker镜像进行安全评估, 保证用户使用可信镜像.