容器云的关键理论和方法研究

目录

第　1章 云计算平台　01
1．1　云计算平台简介　01
1．1．1　云计算的概念　01
1．1．2　云计算的发展　02
1．1．3　云计算分类　02
1．1．4　云计算技术　03
1．1．5　云计算平台的概念　04
1．1．6　云计算平台的优势　04
1．2　从容器到容器云　06
1．2．1　容器技术　06
1．2．2　Docker是什么　07
1．2．3　Docker的发展历程　10
1．2．4　Docker与容器　11
1．2．5　容器云的发展　12
1．3　可信容器云　15
1．3．1　可信容器云的产生　15
1．3．2　可信容器云的基本概念　17
1．3．3　可信容器云的技术分类模型　18
1．3．4　可信容器云的研究目标　21
第　2章 Docker关键技术　25
2．1　Docker在Linux环境下的安装　25
2．2　CentOS下使用脚本安装Docker　28
2．3　Windows下安装Docker　29
2．4　Docker操作之准备工作　34
2．5　Docker容器　34
2．5．1　运行Docker容器　35
2．5．2　操作容器　36
2．5．3　进入容器的2种方式　37
2．5．4　容器命名　39
2．5．5　创建守护式容器　39
2．5．6　导入导出容器　40
2．5．7　删除容器　41
2．6　Docker镜像　41
2．6．1　何为镜像　41
2．6．2　查看本地镜像　42
2．6．3　拉取镜像　43
2．6．4　查找镜像　43
2．6．5　创建镜像　45
2．6．6　删除镜像　47
2．7　Docker网络　48
2．7．1　Docker网络基础理论　48
2．7．2　Docker网络工作模式　52
2．8　Docker仓库　56
2．8．1　官方仓库Docker Hub　56
2．8．2　将镜像推送到Docker Hub上　59
2．8．3　搭建本地私有仓库　60
2．9　Docker数据管理　61
2．9．1　容器与非持久化数据　61
2．9．2　容器与持久化数据　62
2．9．3　创建和管理容器卷　62
2．9．4　在集群节点间共享存储　64
2．10　Docker应用场景　65
2．10．1　简化配置　65
2．10．2　代码流水线管理　66
2．10．3　提升开发效率　66
2．10．4　隔离应用　66
2．10．5　整合服务器　66
2．10．6　调试能力　66
2．10．7　多租户环境　66
2．10．8　快速部署　67
2．11　应用实例在容器中部署静态网页　67
第3章　Kubernetes　71
3．1　Kubernetes概述　71
3．1．1　Kubernetes是什么　71
3．1．2　为什么选择Kubernetes　72
3．1．3　Kubernetes的集群结构　73
3．1．4　Kubernetes的工作流程　74
3．2　Kubernetes安装与配置　75
3．3　Kubernetes核心概念　78
3．3．1　节点　78
3．3．2　pod　78
3．3．3　复制控制器　80
3．3．4　Service　81
3．4　命令行管理工具kubectl　82
3．4．1　kubectl用法概述　83
3．4．2　常用命令　84
3．4．3　输出选项　86
3．4．4　kubectl的常用命令示例　87
3．5　Kubernetes应用实例　88
3．5．1　Kubernetes体系框架　88
3．5．2　实例介绍　88
第4章　容器云平台OpenShift　93
4．1　开源容器云OpenShift概述　93
4．1．1　容器时代的IT　93
4．1．2　OpenShift　94
4．1．3　OpenShift与Docker、Kubernetes　95
4．2　OpenShift环境搭建　97
4．2．1　操作系统准备　98
4．2．2　操作系统配置　98
4．2．3　安装Docker　99
4．2．4　下载OpenShift Origin安装包　99
4．2．5　安装OpenShift　99
4．2．6　登录OpenShift Origin控制台　100
4．3　运行容器运用　101
4．3．1　项目的创建　101
4．3．2　Docker镜像的部署　102
4．3．3　访问容器应用　104
4．4　OpenShift架构　105
4．4．1　基础架构层　105
4．4．2　容器引擎层　106
4．4．3　容器编排层　106
4．4．4　PaaS服务层　106
4．4．5　界面及工具层　107
4．5　核心组件详解　107
4．5．1　Master节点　109
4．5．2　Node节点　109
4．5．3　Project与Namespace　109
4．5．4　pod　109
4．5．5　Service　110
4．5．6　Router与Route　111
4．5．7　Persistent Storage　111
4．5．8　Registry　111
4．5．9　Source to Image　112
4．5．10　开发及管理工具集　112
4．6　核心流程详解　113
4．6．1　应用构建　113
4．6．2　应用部署　113
4．6．3　请求处理　114
4．6．4　应用更新　114
4．7　本章小结　114
第5章　容器云与微服务　115
5．1　微服务概述　115
5．1．1　微服务起源　115
5．1．2　微服务的基本概念　116
5．1．3　微服务体系　117
5．1．4　微服务与容器云的关系　121
5．1．5　云原生　122
5．2　容器云中的微服务技术框架　126
5．2．1　微服务选型　126
5．2．2　Kubernetes微服务框架　129
5．2．3　微服务容器化　131
5．3　应用案例与分析　133
5．3．1　应用实践现状　133
5．3．2　网易云轻舟微服务平台　133
第6章　容器云资源预测与配置研究　139
6．1　容器云资源预测与配置概述　140
6．1．1　容器云资源预测与配置研究背景与意义　140
6．1．2　资源预测研究现状　141
6．1．3　资源配置研究现状　142
6．2　资源负荷时间序列预测模型基础研究　144
6．2．1　时间序列分析　144
6．2．2　时间序列平稳性检验和处理　145
6．2．3　时间序列纯随机性检验　147
6．2．4　时间序列分析模型ARIMA　148
6．3　资源动态管理方法研究　148
6．3．1　资源优化配置方法　149
6．3．2　资源动态监控方法　151
6．4　基于遗传算法优化LSTM网络的容器云资源预测研究　153
6．4．1　长短期记忆网络　153
6．4．2　遗传算法相关理论及其改进　157
6．4．3　基于APMSSGA优化LSTM网络结构参数　163
6．4．4　基于APMSSGA-LSTM的资源负荷预测模型　165
6．5　基于APMSSGA-LSTM资源预测模型的容器云资源配置研究　168
6．5．1　容器云环境资源预测与配置总体架构　168
6．5．2　基于KVM和Docker的容器云平台构建　169
6．5．3　容器云平台资源状态的监控与预警　173
6．5．4　基于预测的容器云资源自适应弹性配置机制研究　175
6．6　实验与分析　179
6．6．1　实验环境　180
6．6．2　基于KVM和Docker的容器云平台实现　180
6．6．3　容器云平台资源预测实验　181
6．6．4　资源配置实验　187
6．7　本章小结　189
第7章　容器云环境中基于QoS目标优化的任务调度策略研究　195
7．1　容器云平台下的任务调度　195
7．2　基于QoS目标优化的容器云任务调度模型　197
7．2．1　基于QoS需求的任务调度模型　197
7．2．2　QoS目标优化的任务调度模型建立　200
7．3　协同优化文化基因任务调度算法　204
7．3．1　文化基因算法　205
7．3．2　协同优化文化基因任务调度算法流程　209
7．4　仿真实验及结果分析　216
7．4．1　实验环境的构建及算法仿真相关设置　217
7．4．2　实验结果与分析　219
7．5　本章小结　222
第8章　容器云环境中基于信任的调度算法的研究　225
8．1　云计算任务调度与可信计算技术　225
8．1．1　可信计算技术　225
8．1．2　禁忌搜索算法与禁忌表　228
8．1．3　基于信任的任务调度算法研究　228
8．2　容器云环境下基于QoS及信任的模型研究　229
8．2．1　信任模型的研究　229
8．2．2　基于容器平台的QoS的信任模型的设计　231
8．2．3　基于信任机制的容器云平台的调度模型设计　234
8．3　基于容器云平台的PSO-ACO任务调度算法　236
8．3．1　粒子群优化算法　236
8．3．2　蚁群算法　239
8．3．3　基于容器平台的PSO-ACO融合任务调度算法设计　244
8．3．4　PSO算法和ACO算法之间的关联　248
8．3．5　基于容器云平台的PSO-ACO任务调度算法的流程　249
8．4　算法仿真及分析　250
8．4．1　实验环境的构建及算法仿真相关设置　250
8．4．2　实验结果与分析　253
8．5　本章小结　256
第9章　云制造环境下容器云资源调度研究　259
9．1　概述　259
9．1．1　云制造的背景及意义　259
9．1．2　云制造的研究现状　260
9．1．3　云制造资源调度研究现状　262
9．2　云制造环境下资源调度的相关理论　264
9．2．1　云制造　264
9．2．2　云制造资源　270
9．2．3　云制造环境下的资源调度　275
9．3　云制造环境下资源调度模型优化研究　281
9．3．1　云制造调度问题的复杂性　281
9．3．2　资源调度过程分析　282
9．3．3　云制造环境下多目标静态资源调度模型　284
9．3．4　云制造环境下混合资源调度模型　287
9．4　云制造环境下免疫粒子群资源调度优化算法　292
9．4．1　免疫算法　292
9．4．2　云制造环境下免疫粒子群优化算法的设计　294
9．5　仿真实验及结果分析　301
9．5．1　实验仿真环境与参数的设置　302
9．5．2　仿真实验设计与分析　303
9．5．3　实例验证与分析　305
9．6　本章小结　309
第　10章 混合容器云调度的关键技术与方法研究　313
10．1　混合容器云概述　313
10．1．1　混合容器云的产生及发展　314
10．1．2　混合容器云的基础知识　318
10．1．3　混合容器云的架构　325
10．1．4　混合容器云的调度　330
10．2　基于DHT网络的云合作平台　334
10．2．1　需求背景　334
10．2．2　云合作平台架构　335
10．2．3　DHTNode网络　336
10．2．4　DHTClient　337
10．2．5　基于智能合约的可信机制　337
10．2．6　私有CaaS层与数据中心层　338
10．3　基于循环反向拍卖的任务调度　339
10．3．1　需求背景　339
10．3．2　作业与资源　341
10．3．3　反向拍卖　342
10．3．4　均衡分析　343
10．4　基于超节点和改进GA的容器调度　344
10．4．1　需求背景　345
10．4．2　基于超节点的资源管理　345
10．4．3　容器云调度　347
10．4．4　基于改进GA的资源分配　349
10．5　实战与分析　357
10．5．1　自动部署　357
10．5．2　资源伸缩　359
10．5．3　资源分配　361
10．5．4　资源选择　363
10．6　本章小结　364