首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于一种组合预测模型的自动伸缩Docker集群关键技术研究

摘要第4-5页
abstract第5-6页
1 绪论第10-14页
    1.1 研究背景及意义第10-11页
    1.2 国内外研究现状第11-12页
    1.3 本文的研究内容第12页
    1.4 论文的章节介绍第12-14页
2 相关技术介绍第14-22页
    2.1 云计算概述第14-15页
    2.2 虚拟化技术概述第15-17页
    2.3 Docker容器技术第17-21页
        2.3.1 Docker概述第17页
        2.3.2 Docker网络通信第17-18页
        2.3.3 Docker文件系统第18-19页
        2.3.4 Docker对于传统虚拟化的优势第19-21页
    2.4 本章小结第21-22页
3 Docker集群的构建第22-34页
    3.1 Docker集群构建所面临的关键问题第22-23页
    3.2 自动伸缩Docker集群系统总体架构设计第23-25页
    3.3 集群私有镜像仓库的建立与改进第25-30页
        3.3.1 Docker镜像原理第25页
        3.3.2 镜像仓库的建立第25-26页
        3.3.3 基于Harbor的集群镜像仓库第26-30页
    3.4 Calico对集群网络的建立与改进第30-33页
        3.4.1 Docker集群网络概述第30-31页
        3.4.2 Calico介绍第31页
        3.4.3 使用Calico建立集群网络第31-33页
    3.5 本章小结第33-34页
4 基于GM(1,1)与BP神经网络的组合预测算法第34-48页
    4.1 预测算法的分类第34-35页
    4.2 灰色模型第35-37页
        4.2.1 GM(1,1)模型的建模思想第35-36页
        4.2.2 GM(1,1)预测序列预处理第36-37页
    4.3 BP神经网络模型第37-40页
        4.3.1 BP神经网络概述第37-39页
        4.3.2 BP神经网络信号传递和误差修正第39-40页
    4.4 一种基于GM(1,1)与BP神经网络的组合预测模型第40-46页
        4.4.1 集群负载预测系统模型建立第40-41页
        4.4.2 工作负载的特性分析第41-42页
        4.4.3 基于GM(1,1)与BP神经网络的组合预测模型第42-46页
    4.5 本章小结第46-48页
5 基于预测的自动伸缩研究与实现第48-70页
    5.1 基于预测的自动伸缩的问题分析第48页
    5.2 Docker集群监控子系统第48-51页
        5.2.1 集群监控子系统的组成第48-49页
        5.2.2 CAdvisor和Heapster介绍第49页
        5.2.3 集群状态监控子系统内部交互流程第49-50页
        5.2.4 集群监控子系统的实现第50-51页
    5.3 基于Haproxy的高可用负载均衡第51-55页
        5.3.1 Haproxy介绍第51-52页
        5.3.2 负载均衡的实现第52-54页
        5.3.3 keepalived对负载均衡高可用性的完善第54-55页
    5.4 Docker集群自动伸缩的设计第55-63页
        5.4.1 自动伸缩内部模块工作流程第55-57页
        5.4.2 基于Consul的自动服务发现第57-59页
        5.4.3 伸缩组规则定义第59-60页
        5.4.4 基于预测的自动伸缩策略第60-63页
    5.5 基于预测的自动伸缩Docker集群的实现第63-68页
        5.5.1 自动伸缩集群子系统组成第63-65页
        5.5.2 系统整体类图第65-66页
        5.5.3 系统界面图第66-68页
    5.6 本章小结第68-70页
6 系统测试第70-78页
    6.1 实验环境搭建及配置第70-71页
    6.2 预测模型实验第71-74页
        6.2.1 预测效果评价指标第71-72页
        6.2.2 实验数据获取第72-73页
        6.2.3 预测实验及结果分析第73-74页
    6.3 弹性伸缩测试第74-76页
        6.3.1 测试方案第74页
        6.3.2 测试结果第74-76页
    6.4 本章小结第76-78页
7 总结与展望第78-80页
    7.1 本文内容总结第78页
    7.2 未来后续工作第78-80页
参考文献第80-85页
作者攻读学位期间科研成果第85-87页
致谢第87页

论文共87页,点击 下载论文
上一篇:基于Web3D的服装在线定制平台设计与实现
下一篇:基于用户体验的闲置品C2C移动交易平台的可用性研究