排序方式: 共有171条查询结果,搜索用时 31 毫秒
1.
2.
3.
龚方生 《电子技术与软件工程》2021,(4):54-56
本文研究了微服务中的Docker技术应用。微服务架构作为大型云平台重要组成部分,其设计水平直接营销了大型云台运行性能,而Docker技术在微服务架构设计中充当着重要角色,通过将Docker技术应用于微服务架构设计中,不仅可以提高信息系统的运行性能,还能保证信息的安全性。为了充分发挥和利用Docker技术的应用优势,现以"作战筹划微服务系统"为例,根据Docker技术在微服务中的应用特点,从微服务架构设计、作战筹划微服务系统分解、微服务部署、系统验证三个方面入手,将Docker技术科学应用于作战筹划微服务系统中,应用结果表明:Docker技术具有非常高的可行性和有效性,不仅实现了对微服务架构的科学设计,还提高了信息系统的部署效率和效果,为实现对系统运行状态的实时监控和管理,提高信息系统运行性能提供重要的技术支持。希望通过这次研究,为相关人员提供有效的借鉴和参考。 相似文献
4.
5.
6.
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。 相似文献
7.
《电子技术与软件工程》2016,(10)
Docker是基于Go语言实现的云开源项目,诞生于2013年初,最初发起者是dotCloud公司。Docker自开源后受到广泛关注和讨论,目前已有多个相关项目,逐渐形成了围绕Docker的生态系统。dotCloud公司后来也改名为Docker Inc,专注于Docker相关技术和产品的开发。 相似文献
8.
随着调控云的持续推进,传统基于虚拟化技术的调控云在资源调度、弹性伸缩、应用快速响应等方面尚无较好的支撑,这对基于虚拟化技术的调控云平台服务层(platform as a service,PaaS)平台的可维护性和可用性构成一定的威胁。容器引擎(Docker)技术的迅速发展解决了传统基于虚拟机形式的调控云PaaS平台存在的不足。该文利用Docker容器技术设计调控云PaaS平台,对容器的弹性伸缩、资源调度、容器响应等性能方面进行分析与验证,实验表明基于Docker容器的调控云PaaS平台在资源上的合理分配、及时响应、弹性管理等方面具有良好的效果。 相似文献
9.
云的选择和构建以及云上应用在业务和管理层面的贯通是发电企业在信息化建设过程中急需解决的两大难题。本文介绍了云计算的分类和私有云的技术优势,确认私有云是发电企业的最佳、必须且唯一选择;分析了虚拟化技术、大规模数据存储与管理技术、动态资源调度与管理技术、微服务和容器技术等私有云发展的关键技术及其特点,提出“虚拟化+微服务+Docker”模式的发电企业私有云构建方案;基于私有云开发一体化平台,将发电企业生命周期内的各种生产与管理信息系统进行整合,实现云上应用在业务和管理层面的贯通,满足应用层、管理层、决策层的各级应用需求,同时支持未来应用功能的扩充,为未来企业级私有云化应用积累技术经验。 相似文献
10.
《武汉大学学报(工学版)》2019,(7):651-658
基于微服务特性和其在Docker容器中的应用,提出了基于请求频次和响应时间的容器自动扩缩容策略.不同于传统基于阈值扩容策略中使用单一系统指标,通过对微服务REST API访问的监控,使用应用级指标请求频次和响应时间,定量描述应用特征.通过测试得到不同大小容器规格与服务请求频次、响应时间的关系数据.在应用部署时,可根据服务所需请求频次选择合适的容器资源配置,在应用扩容时,可将响应时间作为扩容阈值.实验验证,该扩容策略可在满足服务SLA(响应时间等)的同时,在应用部署与扩容过程中最大化地利用计算资源. 相似文献