新一代信息技術(shù)的不斷發(fā)展,給互聯(lián)網(wǎng)產(chǎn)業(yè)帶來深刻變革的同時(shí),也對計(jì)算模式提出了新的要求。集中式云計(jì)算無法滿足海量邊緣數(shù)據(jù)處理的計(jì)算資源和帶寬要求,也無法滿足應(yīng)用的實(shí)時(shí)性和隱私性需求。由于云計(jì)算的不足,邊緣計(jì)算概念開始被廣泛關(guān)注。分布式的邊緣計(jì)算模型被認(rèn)為是云計(jì)算的一種補(bǔ)充和擴(kuò)展,通過將云的計(jì)算能力下沉至用戶附近,能夠有效緩解云中心的計(jì)算負(fù)載和核心骨干網(wǎng)的帶寬壓力。任何計(jì)算模型都離不開底層虛擬化技術(shù)的支持,容器虛擬化由于其高效的性能,被認(rèn)為是未來邊緣計(jì)算實(shí)現(xiàn)的底層技術(shù)基礎(chǔ)�？紤]到邊緣環(huán)境中資源受限和異構(gòu)的特點(diǎn),研究以容器為載體的應(yīng)用在有限資源中的調(diào)度問題是目前邊緣計(jì)算的一個(gè)主要研究方向。由于邊緣計(jì)算尚未具備成熟的標(biāo)準(zhǔn)和體系,本文通過將容器技術(shù)與邊緣計(jì)算結(jié)合,搭建邊緣容器云集群,從實(shí)際應(yīng)用出發(fā),研究多個(gè)邊緣容器云集群的工作框架及其資源調(diào)度策略。本文首先對多集群環(huán)境下邊緣容器云負(fù)載的時(shí)空差異性以及邊緣應(yīng)用的時(shí)延敏感需求差異性進(jìn)行分析,提出了一種采用主從模式管理的多集群邊緣云框架�？蚣芊譃檫吘壴萍汉蛥f(xié)同層兩部分,邊緣云集群執(zhí)行具體的工作負(fù)載,協(xié)同層負(fù)責(zé)邊緣集群和邊緣應(yīng)用的管理�？蚣軐⑦吘墤�(yīng)用分為兩類,時(shí)延敏感應(yīng)用和時(shí)延不敏感應(yīng)用,并通過域名進(jìn)行區(qū)分。其中時(shí)延敏感應(yīng)用請求直接在附近的邊緣云處理,時(shí)延不敏感應(yīng)用請求則通過協(xié)同層來完成請求代理和轉(zhuǎn)發(fā),有效解決多集群邊緣云協(xié)同調(diào)度下的應(yīng)用定位問題。在此基礎(chǔ)之上,本文研究了框架中時(shí)延敏感應(yīng)用的資源調(diào)度問題�？紤]到時(shí)延敏感應(yīng)用往往要求很高的服務(wù)質(zhì)量,但是在應(yīng)用負(fù)載動態(tài)變化的邊緣環(huán)境中,響應(yīng)式動態(tài)伸縮策略由于其滯后性并不能提供有效的服務(wù)保障。針對這一問題,本文提出了一種基于灰色模型和加權(quán)移動平均模型的主動式動態(tài)伸縮策略,本文將其簡稱為GMHPA(Gray and Moving for Horizontal Pod Autoscaling strategy)。GMHPA利用灰色模型對應(yīng)用負(fù)載預(yù)測,并與監(jiān)測實(shí)際值進(jìn)行對比判斷負(fù)載變化趨勢,然后根據(jù)變化趨勢,選擇不同模型預(yù)測結(jié)果計(jì)算應(yīng)用副本數(shù)目。實(shí)驗(yàn)表明,GMHPA策略相比現(xiàn)有的響應(yīng)式策略,可有效實(shí)現(xiàn)時(shí)延敏感應(yīng)用在負(fù)載上升時(shí)提前擴(kuò)容,在負(fù)載下降時(shí)滯后縮容,更好的滿足應(yīng)用的服務(wù)質(zhì)量要求。最后針對多集群環(huán)境下邊緣容器云負(fù)載的時(shí)空差異性,為提高集群整體資源使用率,本文提出了一種時(shí)延不敏感應(yīng)用的跨集群資源調(diào)度策略,簡稱為DICCS(Delay Insensitive Cross-Cluster Scheduling)。該策略將調(diào)度過程分為三步:首先對集群按照負(fù)載使用率進(jìn)行分類,然后根據(jù)分類結(jié)果,在高負(fù)載集群中按照調(diào)度觸發(fā)因素選擇待調(diào)度應(yīng)用,最后為待調(diào)度應(yīng)用分配目的集群。實(shí)驗(yàn)證明,DICCS策略能有效完成時(shí)延不敏感應(yīng)用的跨集群調(diào)度功能,提高集群的資源使用率,實(shí)現(xiàn)集群間的負(fù)載均衡。
【學(xué)位單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP393.09
【部分圖文】：

圖１－１大數(shù)據(jù)時(shí)代的多樣化應(yīng)用??根據(jù)思科報(bào)告，預(yù)計(jì)到２０２０年將有５００億設(shè)備實(shí)現(xiàn)智能互聯(lián)，全球數(shù)據(jù)總量將??會達(dá)到４０ＺＢ，萬物互聯(lián)的時(shí)代己經(jīng)到來［１］。如圖１－１所示，大數(shù)據(jù)時(shí)代下智能設(shè)備??正在從數(shù)據(jù)消費(fèi)者的單一角色向生產(chǎn)者和消費(fèi)者的雙重角色轉(zhuǎn)變，這些設(shè)備產(chǎn)生??了海量的數(shù)據(jù)處理需求，對現(xiàn)有的集中式云計(jì)算架構(gòu)提出了嚴(yán)峻的挑戰(zhàn)。??為了更好的滿足邊緣側(cè)的“大連接、低時(shí)延、大帶寬”需求，尤其在物聯(lián)網(wǎng)、??工業(yè)控制、車聯(lián)網(wǎng)、無人駕駛等領(lǐng)域，邊緣計(jì)算（ＥｄｇｅＣｏｍｐｕｔｉｎｇ）的概念應(yīng)運(yùn)而??生。不同于云計(jì)算的集中式架構(gòu)，邊緣計(jì)算是一種分布式的計(jì)算模型，通過利用邊??緣設(shè)備的計(jì)算和存儲資源，實(shí)現(xiàn)對邊緣數(shù)據(jù)的過濾、處理和決策，有效緩解云中心??業(yè)務(wù)和網(wǎng)絡(luò)帶寬壓力［２］。??邊緣計(jì)算作為一種新型的計(jì)算模型，背后離不開虛擬化技術(shù)的支持。近年來，??容器虛擬化作為一種輕量級虛擬化技術(shù)受到廣泛關(guān)注。與傳統(tǒng)主機(jī)級虛擬化技術(shù)??不同

逐漸被淘汰。??虛擬化層翻譯技術(shù)則是通過在物理機(jī)器與虛擬機(jī)之間增加一個(gè)ｈｙｐｅｒｖｉｓｏｒ?qū)樱??來實(shí)現(xiàn)物理機(jī)與虛擬機(jī)、虛擬機(jī)與虛擬機(jī)之間的隔離和協(xié)調(diào)，如圖２－１所示。這種??方式使得虛擬機(jī)可以使用真實(shí)物理機(jī)的硬件資源，不再使用純軟件進(jìn)行模擬，大大??提高了虛擬機(jī)的運(yùn)行效率。虛擬化層翻譯技術(shù)又可根據(jù)ｈｙｐｅｒｖｉｓｏｒ是直接運(yùn)行在物??理機(jī)還是運(yùn)行在物理機(jī)上的操作系統(tǒng)中分為裸金屬型和宿主型。具體代表技術(shù)有??改造內(nèi)核的虛擬化技術(shù)硬件虛擬化技術(shù)ＫＶＭ［４６］。??虛擬機(jī)１?虛擬機(jī)２?虛擬機(jī)３??？?１?？—?？一?■?—?＊?—??１??ｉ?應(yīng)用ａ?ｊ?ｉ?應(yīng)用ｂ?ｊ?ｉ?應(yīng)用ｃ?ｊ??ｊ１?＊ｉ?｜Ｌ————Ｊ?ｊ?ｊ——??ｉ?Ｉ．?ｉ?■?ｊ?■??ｊ?Ｂｉｎｓ／Ｌｉｂｓ?！?ｊ?Ｂｉｎｓ／Ｌｉｂｓ?．?ｊ?Ｂｉｎｓ／Ｌｉｂｓ?｜??ｊ?＝＾ｉ?ｊ?……ｉｐｒ?＝ｄｊ??！?虛擬機(jī)操作系統(tǒng)?ｉ?！?虛擬機(jī)操作系統(tǒng)?ｉ?！?虛擬＋幾操作系統(tǒng)?ｉ??Ｍ?ｌｊ?丨Ｉ?ｊ?ｎ?１?ｌｊ??Ｌ??Ｌ??？?Ｌ?■??虛擬監(jiān)視器（ｈｙｐｅｒｖｉｓｏｒ）??Ｉ?＇?Ｉ??Ｉ?锪理娜作系統(tǒng)?Ｉ??Ｉ??????Ｊ??锪睡幾??圖２－１虛擬化層翻譯技術(shù)技術(shù)架構(gòu)圖??無論是純軟件模擬還是虛擬化層翻譯，其本質(zhì)上都需要在物理機(jī)上運(yùn)行完整??的虛擬機(jī)操作系統(tǒng)。主機(jī)級的虛擬化方式優(yōu)點(diǎn)是十分靈活，甚至支持在同一物理機(jī)??上運(yùn)行Ｗｉｎｄｏｗｓ和Ｌｉｎｕｘ不同的操作系統(tǒng)。但是這種方式的缺點(diǎn)也十分明顯，每個(gè)??虛擬機(jī)都需要運(yùn)行所需操作系統(tǒng)和應(yīng)用軟件的完整副本

逐漸被淘汰。??虛擬化層翻譯技術(shù)則是通過在物理機(jī)器與虛擬機(jī)之間增加一個(gè)ｈｙｐｅｒｖｉｓｏｒ?qū)樱??來實(shí)現(xiàn)物理機(jī)與虛擬機(jī)、虛擬機(jī)與虛擬機(jī)之間的隔離和協(xié)調(diào)，如圖２－１所示。這種??方式使得虛擬機(jī)可以使用真實(shí)物理機(jī)的硬件資源，不再使用純軟件進(jìn)行模擬，大大??提高了虛擬機(jī)的運(yùn)行效率。虛擬化層翻譯技術(shù)又可根據(jù)ｈｙｐｅｒｖｉｓｏｒ是直接運(yùn)行在物??理機(jī)還是運(yùn)行在物理機(jī)上的操作系統(tǒng)中分為裸金屬型和宿主型。具體代表技術(shù)有??改造內(nèi)核的虛擬化技術(shù)硬件虛擬化技術(shù)ＫＶＭ［４６］。??虛擬機(jī)１?虛擬機(jī)２?虛擬機(jī)３??？?１?？—?？一?■?—?＊?—??１??ｉ?應(yīng)用ａ?ｊ?ｉ?應(yīng)用ｂ?ｊ?ｉ?應(yīng)用ｃ?ｊ??ｊ１?＊ｉ?｜Ｌ————Ｊ?ｊ?ｊ——??ｉ?Ｉ．?ｉ?■?ｊ?■??ｊ?Ｂｉｎｓ／Ｌｉｂｓ?！?ｊ?Ｂｉｎｓ／Ｌｉｂｓ?．?ｊ?Ｂｉｎｓ／Ｌｉｂｓ?｜??ｊ?＝＾ｉ?ｊ?……ｉｐｒ?＝ｄｊ??！?虛擬機(jī)操作系統(tǒng)?ｉ?！?虛擬機(jī)操作系統(tǒng)?ｉ?！?虛擬＋幾操作系統(tǒng)?ｉ??Ｍ?ｌｊ?丨Ｉ?ｊ?ｎ?１?ｌｊ??Ｌ??Ｌ??？?Ｌ?■??虛擬監(jiān)視器（ｈｙｐｅｒｖｉｓｏｒ）??Ｉ?＇?Ｉ??Ｉ?锪理娜作系統(tǒng)?Ｉ??Ｉ??????Ｊ??锪睡幾??圖２－１虛擬化層翻譯技術(shù)技術(shù)架構(gòu)圖??無論是純軟件模擬還是虛擬化層翻譯，其本質(zhì)上都需要在物理機(jī)上運(yùn)行完整??的虛擬機(jī)操作系統(tǒng)。主機(jī)級的虛擬化方式優(yōu)點(diǎn)是十分靈活，甚至支持在同一物理機(jī)??上運(yùn)行Ｗｉｎｄｏｗｓ和Ｌｉｎｕｘ不同的操作系統(tǒng)。但是這種方式的缺點(diǎn)也十分明顯，每個(gè)??虛擬機(jī)都需要運(yùn)行所需操作系統(tǒng)和應(yīng)用軟件的完整副本
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李玉;石小林;;考慮倒垛情況的場吊調(diào)度問題研究[J];交通運(yùn)輸工程與信息學(xué)報(bào);2017年02期

2 沈益民;范玉順;;調(diào)度問題微結(jié)構(gòu)及柔性優(yōu)化方法[J];自動化學(xué)報(bào);2006年02期

3 董平;機(jī)器調(diào)度問題及求解方法[J];物流技術(shù)與應(yīng)用;1997年01期

4 楊自厚,李寶澤,高志遠(yuǎn);鋼鐵廠煤氣資源的最優(yōu)分配[J];冶金自動化;1988年03期

5 朱繼忠,徐國禹;電力系統(tǒng)有功安全經(jīng)濟(jì)再調(diào)度[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);1989年06期

6 鄢勇,劉鍵;同步并行任務(wù)流圖的最佳近似調(diào)度[J];電子學(xué)報(bào);1989年05期

7 劉長有;李磊;;一種電網(wǎng)經(jīng)濟(jì)調(diào)度問題的分布式對偶優(yōu)化解法[J];山西建筑;2016年33期

8 周龍飛;張霖;劉永奎;;云制造調(diào)度問題研究綜述[J];計(jì)算機(jī)集成制造系統(tǒng);2017年06期

9 劉志雄;;求解調(diào)度問題的粒子群算法編碼方法研究[J];武漢科技大學(xué)學(xué)報(bào);2010年01期

10 王璇;劉世峰;劉達(dá);;基于“實(shí)時(shí)智能”方法的港口物流調(diào)度問題研究[J];物流技術(shù);2009年12期

相關(guān)博士學(xué)位論文 前10條

1 孫德峰;鋼鐵原料物流計(jì)劃與調(diào)度的建模及最優(yōu)化方法研究[D];東北大學(xué);2016年

2 文晶;風(fēng)電集群接入電力系統(tǒng)的源荷協(xié)調(diào)優(yōu)化調(diào)度模型研究[D];華北電力大學(xué)(北京);2015年

3 劉迪迪;能量捕獲無線網(wǎng)絡(luò)的傳輸調(diào)度和能量管理研究[D];西安電子科技大學(xué);2018年

4 侯愛琴;高性能網(wǎng)絡(luò)中面向大數(shù)據(jù)傳輸QoS的帶寬調(diào)度研究[D];西北大學(xué);2018年

5 袁媛;鋼鐵生產(chǎn)與物流調(diào)度的時(shí)空建模和凸優(yōu)化方法[D];東北大學(xué);2017年

6 譚龍華;控制性能導(dǎo)向的實(shí)時(shí)系統(tǒng)調(diào)度參數(shù)優(yōu)化研究[D];西北工業(yè)大學(xué);2016年

7 郭慶新;改進(jìn)智能優(yōu)化方法及在有色金屬工業(yè)調(diào)度中的應(yīng)用研究[D];東北大學(xué);2016年

8 唐猛;自動小車存取系統(tǒng)建模及調(diào)度優(yōu)化研究[D];武漢大學(xué);2015年

9 謝杏子;若干單件訂單接受與加工調(diào)度問題及其優(yōu)化方法研究[D];南京理工大學(xué);2016年

10 常永剛;露天礦運(yùn)輸系統(tǒng)優(yōu)化與卡車調(diào)度問題研究[D];沈陽工業(yè)大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 謝獲;考慮設(shè)備維護(hù)的煉鋼—連鑄調(diào)度問題研宄[D];沈陽工業(yè)大學(xué);2019年

2 馬明睿;柔性設(shè)備協(xié)同制造的網(wǎng)絡(luò)綜合調(diào)度算法研究[D];哈爾濱理工大學(xué);2019年

3 姚學(xué)儒;公共自行車租賃點(diǎn)選址以及調(diào)度優(yōu)化方法研究[D];內(nèi)蒙古大學(xué);2019年

4 陳先康;基于維護(hù)意意義下帶特定條件的的調(diào)度問題研究[D];貴州大學(xué);2019年

5 王博;基于邊緣計(jì)算的多集群容器云資源調(diào)度機(jī)制研究與實(shí)現(xiàn)[D];山東大學(xué);2019年

6 裴杰;基于改進(jìn)蟻群算法的綠色單機(jī)調(diào)度問題研究[D];鄭州輕工業(yè)大學(xué);2019年

7 王大國;柔性作業(yè)車間多目標(biāo)動態(tài)調(diào)度模型及算法研究[D];浙江工業(yè)大學(xué);2018年

8 余楊清;裝配式建筑多供應(yīng)商分布式協(xié)同調(diào)度研究[D];武漢理工大學(xué);2018年

9 胡國正;基于改進(jìn)人工蜂群算法的風(fēng)電經(jīng)濟(jì)調(diào)度問題研究[D];深圳大學(xué);2018年

10 李梓鋒;基于可消納域的風(fēng)電集群有功分層調(diào)度策略研究[D];東北電力大學(xué);2019年

本文編號：2867350