检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

云平台中Web应用部署动态伸缩的研究

云平台中Web应用部署动态伸缩的研究

作者：曹镇印复旦大学

学位级别：硕士

近年来,随着网络的飞速发展和网络技术的普及,Web应用已被广泛使用在Internet以及Intranet上,越来越多的应用通过Web的方式提供给用户使用。目前Web应用的部署都是采用经典的三层架构：Web服务器层,应用程序服务器层以及数据库服务器层... 详细信息

近年来,随着网络的飞速发展和网络技术的普及,Web应用已被广泛使用在Internet以及Intranet上,越来越多的应用通过Web的方式提供给用户使用。目前Web应用的部署都是采用经典的三层架构：Web服务器层,应用程序服务器层以及数据库服务器层。传统的Web应用在部署之后,由于结构的相对固定,部署之后不能很好的进行动态的伸缩。这就使得Web应用在部署的时候对服务器的使用数量需要权衡,较多的服务器可以应对高并发访问量的情况,然而这会导致大部分时间资源得不到有效的利用,增加Web应用企业的运营成本;较少的服务器可以节约成本,但是在高并发访问量的时候无法满足用户需求,导致用户访问体验下降。云计算的概念自从被提出之后,迅速成为计算机领域令人振奋的研究热点,受到了工业界和学术界的广泛关注。其按需使用,按使用付费,动态可伸缩和资源共享等特点成为一种新兴的网络化计算模式。云计算技术的兴起,为企业部署Web应用提供了一种新的选择。企业可以将Web应用部署在云环境中,根据云的动态可伸缩的特点,在Web系统负载高的时候,动态的添加资源,以处理高并发的用户请求;当Web系统负载低的时候,动态减少资源的使用,以节约成本。本文正是在这种背景下,提出了在云环境中部署Web应用的总体架构。本文首先介绍了云环境中Web应用的总体架构,之后说明了在云中部署一个Web应用的具体步骤,以及Web应用部署之后,如何通过Web系统的负载来对资源进行动态的伸缩以及动态调整负载均衡的权值。

关键词：云计算 Web应用动态伸缩

基于混合预测模型的容器集群动态伸缩技术研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于混合预测模型的容器集群动态伸缩技术研究

作者：张义欣武汉纺织大学

学位级别：硕士

Kubernetes是如今最具影响力的云平台容器管理工具之一,虽然Kubernetes受到了广泛的应用和认可,但其原始的伸缩策略在面对如今多变的需求和复杂环境时显得相对被动,该策略仍然存在一定的缺陷。针对服务器负载数据复杂的特性和Kubernete... 详细信息

Kubernetes是如今最具影响力的云平台容器管理工具之一,虽然Kubernetes受到了广泛的应用和认可,但其原始的伸缩策略在面对如今多变的需求和复杂环境时显得相对被动,该策略仍然存在一定的缺陷。针对服务器负载数据复杂的特性和Kubernetes的响应式伸缩策略相对被动的问题,本文提出一种基于自适应加噪的集合经验模态分解（CEEMDAN）、通道注意力机制（SENet）和时间卷积神经网络（TCN）的混合预测模型CEEMDAN-SE-TCN。通过主动预测下一时刻容器集群的负载情况,并根据预测值进行相应的预伸缩操作,使云平台容器集群能够对服务器负载变化做出更快的响应,以这种主动的方式避免服务器出现长期处于高压状态和资源浪费的情况,从而达到提升平台服务质量和减少云平台运营商的维护成本的目的。针对数据抖动引起服务器容器集群进行不必要伸缩的问题,本文在Kubernetes原算法的基础上,提出了一种改进的动态权值伸缩策略DWHPA。该策略将实际指标与预测指标这两项数据综合考虑,以指定步长间隔的窗口法选取历史数据得到分析矩阵,通过Critic权重法对矩阵进行分析动态确定两个指标的权值关系,并根据所得权值与相应公式得到最终的期望Pod数量,通过这种方式减少了数据抖动对期望值和动态权值的影响,更加客观的反映了在数据抖动时服务器负载变换的整体趋势,以避免容器集群的无效伸缩,提升容器集群资源利用率。本文以Kubernetes搭建云平台容器集群进行实验,以Google集群数据集为实验数据,实验结果表明在同等条件下CEEMDAN-SE-TCN模型预测准确率优于其他方法。同时通过两组对比试验验证了本文提出的动态伸缩策略在应对数据变换时能够及时的提前做出响应,对服务器集群进行相应的扩容和缩容操作,避免了数据抖动带来的误操作,证明了该策略的有效性和可行性。

关键词： Kubernetes 卷积神经网络负载预测 Critic权重法动态伸缩

基于Q-Learning的虚拟机动态伸缩算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电子科技 2016年第3期29卷 35-38页

作者：赵勉李烨上海理工大学光电信息与计算机工程学院上海200093

针对大规模云环境中业务量变化时平台服务质量和资源消耗的问题,提出一种基于Q-Learning的虚拟机扩容/缩容决策算法。将该问题转换为马尔科夫决策模型,为了在业务平台服务质量和资源消耗之间取得较好的平衡,智能体根据平台当前状态计算... 详细信息

针对大规模云环境中业务量变化时平台服务质量和资源消耗的问题,提出一种基于Q-Learning的虚拟机扩容/缩容决策算法。将该问题转换为马尔科夫决策模型,为了在业务平台服务质量和资源消耗之间取得较好的平衡,智能体根据平台当前状态计算出最佳策略,执行决策并转到下一状态。仿真结果表明,该算法可根据业务量的变化实时作出伸缩决策,并提供最合适的虚拟机资源以满足业务需求,且能提高平台的稳定性。

关键词：云计算虚拟机动态伸缩 Q-Learning 资源利用率

在线全文

学校读者我要写书评

暂无评论

基于灰色模型的云资源动态伸缩功能研究

软件导刊 2018年第4期17卷 131-134页

作者：王天泽西安工程大学计算机科学学院陕西西安710048

随着云计算的快速发展,大量应用开始向云上迁移,云平台资源分配受到关注。云服务负载是动态变化的,为保证服务质量不受负载量变化影响,最大化利用云资源,如何动态扩充、缩紧资源成为需要考虑的重要问题。设计并实现了一个Docker Swarm... 详细信息

随着云计算的快速发展,大量应用开始向云上迁移,云平台资源分配受到关注。云服务负载是动态变化的,为保证服务质量不受负载量变化影响,最大化利用云资源,如何动态扩充、缩紧资源成为需要考虑的重要问题。设计并实现了一个Docker Swarm弹性云动态伸缩模块,通过增加和减少云服务副本数量改变服务资源的分配。弹性云的动态伸缩模块使用了响应式伸缩模型与预测式伸缩模型,其中预测式伸缩模型基于灰色预测模型。实验证明基于灰色预测的预测式伸缩模型具有较高的预测准确率。

关键词：云平台动态伸缩弹性云灰色预测

面向Docker容器的动态负载集群伸缩研究

在线全文

学校读者我要写书评

暂无评论

舰船电子工程 2018年第8期38卷 109-115页

作者：杨忠成都理工大学工程技术学院乐山614000

针对负载的变化动态调整服务器的数量以保证服务的稳定性问题,论文提出了一种基于混合负载的容器集群动态伸缩方案,这一方案会对不同的负载采用不同的伸缩策略,对于计算密集型服务采用响应型伸缩策略,对于网络密集型服务采用预测型伸缩... 详细信息

针对负载的变化动态调整服务器的数量以保证服务的稳定性问题,论文提出了一种基于混合负载的容器集群动态伸缩方案,这一方案会对不同的负载采用不同的伸缩策略,对于计算密集型服务采用响应型伸缩策略,对于网络密集型服务采用预测型伸缩策略,通过这两种策略的协调工作共同来完成业务的动态伸缩。最后,通过模拟这两种场景对文中的动态伸缩方案进行了测试验证,证明了方案的可行性。

关键词：计算机应用技术云计算虚拟化 Docker 动态伸缩

一种基于LSTM的Kubernetes容器云弹性伸缩策略研究

在线全文

学校读者我要写书评

暂无评论

制造业自动化 2023年第9期45卷 189-196页

作者：石硕魏振辉刘晓菲林喜军中国海洋大学信息科学与工程学部青岛266100

网络协同化制造成为数控机床企业和行业供应链上下游企业的资源配置的数字化核心,能解决制造过程中业务交互造成的生产组织协调困难、生产周期长、生产成本高等问题。而网络协同化发展离不开业务“上云”,Kubernetes因其优化资源使用效... 详细信息

网络协同化制造成为数控机床企业和行业供应链上下游企业的资源配置的数字化核心,能解决制造过程中业务交互造成的生产组织协调困难、生产周期长、生产成本高等问题。而网络协同化发展离不开业务“上云”,Kubernetes因其优化资源使用效率、功能可扩展等优点成为当前主流的容器云编排与管理系统。但Kubernetes集群在弹性伸缩方面只考虑了集群的整体情况,未考虑单个应用负载过高或过低的情况,不能保证应用的服务质量。针对这一问题,对Kubernetes集群的弹性伸缩机制进行深入的分析与研究,提出了一种基于综合负载的预测式弹性伸缩策略,该策略定义了综合负载来衡量应用的实际资源使用情况,并利用LSTM双层网络模型预测未来一段时间内的综合负载,将其作为弹性伸缩的判断依据。在此基础上,提出了阈值容忍度算法,确定应用的最佳数量,该算法综合考虑了每个应用的负载情况,有效解决了响应延迟以及高并发情况下响应率过低的问题,对提升集群资源利用率和保证集群中容器的运行质量有着重要意义。

关键词：协同制造容器编排弹性伸缩动态伸缩综合负载

在线全文

学校读者我要写书评

暂无评论

基于区域增长的自适应窗口立体匹配算法

中南大学学报（自然科学版） 2005年第6期36卷 1042-1047页

作者：罗三定陈海波中南大学信息科学与工程学院湖南长沙410083

针对基于区域的立体匹配算法支持窗口难以选择的问题,提出一种新的自适应窗口区域立体匹配算法。该区域增长的方法可以动态地获得形状和大小均具有自适应特性的支持窗口,并通过区域视差范围估计、核心窗口视差近似、动态搜索步距调整等... 详细信息

针对基于区域的立体匹配算法支持窗口难以选择的问题,提出一种新的自适应窗口区域立体匹配算法。该区域增长的方法可以动态地获得形状和大小均具有自适应特性的支持窗口,并通过区域视差范围估计、核心窗口视差近似、动态搜索步距调整等方法使算法得到改进。研究结果表明该算法对于视差不连续和遮挡区域都有着良好的适应性;采用该算法获得的视差图像的准确度高达95%,且计算时间缩短到5s以内。

关键词：立体匹配自适应窗口视差估计动态伸缩边界约束

在线全文

学校读者我要写书评

暂无评论

拖挂式移动机器人的结构优化

机器人 2006年第3期28卷 245-248,254页

作者：韩强黄亚楼苑晶康叶伟南开大学软件学院天津300071

分析了拖挂式移动机器人运动过程中连杆长度与相邻车体间夹角的关系.从连杆长度这一参数入手进行结构优化,在满足相邻车体间夹角约束的前提下,把系统最小转弯半径降到了最低,从而有效提高了机器人跟踪路径的能力.所得结论可用于指导机... 详细信息

分析了拖挂式移动机器人运动过程中连杆长度与相邻车体间夹角的关系.从连杆长度这一参数入手进行结构优化,在满足相邻车体间夹角约束的前提下,把系统最小转弯半径降到了最低,从而有效提高了机器人跟踪路径的能力.所得结论可用于指导机器人系统的结构设计.在此基础上,进一步提出了实现连杆动态伸缩控制的思想.

关键词：拖挂式移动机器人机构优化连杆跟踪能力动态伸缩

基于Kubernetes的弹性深度学习模型部署平台的设计与实现

在线全文

学校读者我要写书评

暂无评论

基于Kubernetes的弹性深度学习模型部署平台的设计与实现

作者：申磊雪西安电子科技大学

学位级别：硕士

人工智能与云原生是当前主流的以开源软件为驱动的前沿技术领域,因此以云原生为基础架构的AI平台在不断的探索和实践中。深度学习作为人工智能领域的重要分支,目前在如何训练出精准的网络模型上已经有了深入的研究并取得了可观的成果。... 详细信息

人工智能与云原生是当前主流的以开源软件为驱动的前沿技术领域,因此以云原生为基础架构的AI平台在不断的探索和实践中。深度学习作为人工智能领域的重要分支,目前在如何训练出精准的网络模型上已经有了深入的研究并取得了可观的成果。而深度学习项目从数据收集到网络模型构建,最终目标都是将模型部署上线以提供服务,因此当前人工智能热点技术从提高算法模型的精确度延伸到了模型的落地工程化。在模型落地工程化的过程中存在以下问题:(1)不同模型在封装时对环境、版本依赖需求繁杂,模型之间容易产生冲突;(2)模型服务需要消耗较多的算力资源,需要充分考虑资源的弹性分配对集群稳定性的影响;(3)模型服务作为时延敏感型任务,对请求的响应时间、成功率有较高的要求。因此本文的主要研究目标是探索设计一种灵活的模型服务化方式以及设计实现一个高效的模型部署解决方案。针对深度学习模型落地工程化问题,本文基于Docker容器,结合Kubernetes容器管理技术搭建了深度学习模型部署平台,将训练完成的模型进行容器化封装、自动化部署,并且实现了资源的弹性伸缩以及实时监控功能。论文的主要工作包括:(1)基于Kubernetes技术对模型服务进行分布式部署,并且针对原生的响应式扩缩容机制存在的滞后性问题进行优化,提出了一种基于EMD-LSTM的负载预测模型,根据历史负载情况预测未来的趋势,以达到在高/低负载来临之前提前进行扩/缩容操作。在负载预测模型的研究中,通过与传统统计学方法ARIMA和基于神经网络的算法LSTM两个当前主流的时间序列预测算法进行实验对比,验证了本文提出的EMD-LSTM模型对于云环境下的负载预测具有更高的准确性。(2)针对当前主流的深度学习框架Py Torch、Tensorflow,本文研究了如何将基于此两种框架训练完成的模型封装成服务,当服务多节点部署时如何将流量均匀的转发到后端节点以实现请求的负载均衡,并且结合本文提出的负载预测模型,对Kubernetes原生弹性扩缩容机制进行改进,设计并实现了弹性深度学习模型部署平台。最后从功能和性能两方面对平台展开测试,在性能测试中,验证了本文改进的预测式弹性扩缩容机制能够成功预测出未来的负载趋势,提前进行扩/缩容操作,从而避免了达到负载阈值时进行扩容操作所造成的响应时间骤增、大量请求被拒的情况,有效减少了请求的平均响应时间,提高了请求成功率,使得模型可以更加稳定的提供服务。(3)为了能够时刻了解集群的运行状况和资源使用情况,确保所有的节点都处于正常的工作状态,模型部署平台设计实现了对Kubernetes集群的监控。

关键词：模型部署 Kubernetes 动态伸缩经验模态分解 LSTM