CN111221624A - 一种针对基于Docker容器技术的调控云平台的容器管理方法 - Google Patents
一种针对基于Docker容器技术的调控云平台的容器管理方法 Download PDFInfo
- Publication number
- CN111221624A CN111221624A CN201911401302.9A CN201911401302A CN111221624A CN 111221624 A CN111221624 A CN 111221624A CN 201911401302 A CN201911401302 A CN 201911401302A CN 111221624 A CN111221624 A CN 111221624A
- Authority
- CN
- China
- Prior art keywords
- container
- machine
- cluster
- resource
- platform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 57
- 238000005516 engineering process Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 34
- 238000010276 construction Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 238000006116 polymerization reaction Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 10
- 238000012423 maintenance Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 7
- 238000012384 transportation and delivery Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000265 homogenisation Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
Abstract
一种针对基于Docker容器技术的调控云平台的容器管理方法,主要包括对调控云平台容器资源实施轻量级容器集群监控,得到集群监控信息,以及对调控云平台Docker容器集群资源实施动态均衡分配。本发明利用Docker容器技术构建了基于应用开发、部署、和运行环境全方位支撑的容器化调控云PaaS平台,实现了容器资源按需动态调配及电网分析决策类应用的快速构建、敏捷交付和方便运维,为持续提升新一代调度控制系统调控信息即时共享能力,应用的复杂逻辑处理、分布式计算和持续可靠服务能力提供支撑,进一步提高驾驭大电网的调控能力和大范围优化配置资源的能力。
Description
技术领域
本发明属于电力调控云领域,具体涉及一种针对基于Docker容器技术的调控云平台的容器管理方法。
背景技术
新一代调度控制系统遵循“业务需求驱动、功能重组再造、继承创新结合、智能元素融入”的原则,以大电网安全、经济、高效运行为目标,根据当前电网调度运行的实际生产环节,支撑监视控制、分析决策、计划市场、综合评估、仿真模拟和系统支撑六大类业务应用。“物理分布、逻辑统一”的新一代调度控制系统支撑平台需要对构建在平台之上各类应用的开发、部署和运行环境提供技术支撑,需要满足应用快速构建、敏捷交付和便捷运维的要求,主要包括以下几个方面:
(1)支撑平台基础资源快速弹性伸缩的要求
作为新一代调度控制系统的基础,调控云平台技术研究并实现了“资源池化”技术,将服务器、存储和网络资源整合形成具有抽象、虚拟特征、可动态扩展的资源池,构建服务器、存储、网络资源池,形成硬件支撑环境,为基础平台和应用建设提供高可靠、高可用的IT基础资源池;精细化CPU调度技术、内存复用技术、网络优化技术,自动扩容技术,虚拟机动态迁移技术及负载均衡技术、资源隔离技术等虚拟化资源管理和调度技术,实现了虚拟化资源(计算、存储、网络等)的统一调度和管理问题。
在“物理分布、逻辑统一”体系架构下,需要使用分而治之的手段将应用和业务进行纵向和横向拆分改造。随着业务越拆越小,服务越来越多,服务间依赖关系变得错综复杂,导致应用系统整体复杂程度呈指数级上升。全虚拟化技术将电网业务作为一种资源的服务模式,可以实现随时随地、便捷按需地从资源共享池中获取所需的资源(如网络、服务器、存储、应用及服务),但是,随着集群规模的扩大,出现资源利用率低与资源竞争的问题。为支持集中分析决策与服务全局共享的服务管理,需要关联业务应用封装成独立单元,计算过程在该单元内封闭。采用全虚拟化的方式构建独立单元的方式,资源负载较重,不利于业务服务单元的快速弹性伸缩。
(2)分析决策中心高效运行和全局管理的要求
分析决策中心是新一代调度控制系统的核心,实现集中统一的全局分析、全局防控、全局决策,分析决策应用的高效运行是一项基本的支撑要求,需要通过冗余互备、负载均衡等技术来有效支撑分析决策应用的可靠运行,并实现分析决策资源的高效利用。
(3)应用快速构建、敏捷交付和便捷运维的要求
调度控制系统支撑监视控制、分析决策、计划市场、综合评估、仿真模拟和系统支撑六大类业务应用,系统丰富的应用为运维带来挑战。
事实上,现有的电网自动化调度控制系统很难达到以上需求。
发明内容
为了提高智能电网的管理和调度水平,本发明提供了一种针对基于Docker容器技术的调控云平台的容器管理方法,
其中,所述基于Docker容器技术的调控云平台包括:
SaaS层,为软件级服务层,用于提供软件云应用产品,所述能效服务云系统通过能效服务应用Saas层实现对能效信息的采集和监测、提供能效参数的诊断分析、以及通过云产品为企业用户实现电力能效云调控和云服务;
平台服务层,包括支撑平台,公共组件管理平台,云容器引擎平台;其中,所述支撑平台包括模型数据平台,大数据平台,运行数据平台,数据交换平台;所述公共组件管理平台包括日记管理组件,告警管理组件,权限管理组件,内部和广域消息总线管理组件,内部和广域服务总线管理组件;所述云容器引擎平台包括镜像构建模块,私有镜像仓库,应用编排模块,PaaS平台;
IaaS层,为基础设施级服务层,包括服务器资源池、存储资源池、网络资源池,用于为应用提供基础数据解决方案,并提供调控云平台的云功能;
所述针对基于Docker容器技术的容器管理方法基于调控云架构建设,所述方法至少包括:
步骤1,对调控云平台容器资源实施轻量级容器集群监控,得到集群监控信息,具体包括:
步骤1-1,根据容器集群节点的动态性,设置多维度角度下的聚合指标作为监控指标,
步骤1-2,对容器集群节点及节点上的容器的性能指标实施实时监视,获得集群监控信息;
步骤2,对调控云平台Docker容器集群资源实施动态均衡分配,具体包括:
步骤2-1,在同一网络中,根据集群监控信息,拉取数据;
步骤2-2,评估集群节点上容器的资源使用状况,容器集群负载程度;
步骤2-3,依据调控云平台容器集群节点动态扩容/缩容策略,进行调控云平台Docker容器集群资源均衡分配。
为实现调度控制系统下基于共享服务架构的应用开发、部署和运维方式,本发明在深入研究容器资源管理技术的基础上,突破基于容器的调控云应用标准化管理关键技术,构建基于容器的新一代系统应用开发、部署和运行环境全方位技术支撑体系。以应用为核心研究基于容器的轻量级集群管理技术,实现容器资源按需动态调配;研究基于容器镜像仓库的应用管理技术,实现基于容器镜像的应用自动构建、发布、下载和部署;研究基于容器的应用全生命周期管理技术,构建自动的应用运行托管环境;研究针对容器环境下的应用故障监测与安全防护策略,实现应用的安全可靠运行。
本发明的有益效果包括:
首先,本发明以调控云平台为基础,结合新兴技术和传统调度自动化技术特点,调控云平台在满足对海量数据分布式处理和服务的要求外,容器管理平台提升了资源的使用效率,满足业务、负载突发高峰时系统的处理能力要求,实现了对平台资源利用的高效性、合理性和安全性等方面更高的标准。
其次,在基于共享服务的调度控制系统架构下,基于容器的资源管理和应用运行管理关键技术,可实现电网分析决策类应用的部署、升级、扩容、回退和下线等全过程支撑。建设一套覆盖开发、部署、试运行、运行各环节的应用开发及运行环境,可实现电网分析决策类应用的快速构建、敏捷交付和方便运维,为持续提升调度控制系统调控信息即时共享能力,应用的复杂逻辑处理、分布式计算和持续可靠服务能力,应用服务的按需访问能力提供支撑。
再次,基于容器的标准化应用管理构建模式和容器管理方法,有利于完善国分省调分析决策应用标准化建设、同质化管理,形成集中统一、工作协同、规范高效的“大运行”体系,进一步提高驾驭大电网的调控能力和大范围优化配置资源的能力。
并且,利用Docker容器技术构建了基于应用开发、部署、和运行环境全方位支撑的容器化调控云PaaS平台,实现了容器资源按需动态调配及电网分析决策类应用的快速构建、敏捷交付和方便运维,为持续提升新一代调度控制系统调控信息即时共享能力,应用的复杂逻辑处理、分布式计算和持续可靠服务能力提供支撑,进一步提高驾驭大电网的调控能力和大范围优化配置资源的能力。以及,通过虚拟机的动态资源分配方法,可动态地将高负载率的实体机中的虚拟机,迁移至低负载率的实体机中,因此,可达成平衡虚拟机集群中的每一实体机负载的目的。
最后,建立资源节约型的调度系统建设模式。充分考虑安全性的前提下,在系统管理、系统运维和设备建设等方面,将IT系统资源由“需则共享”向“需即可用”的模式转变,提高通信、网络、硬件等系统资源的利用效率,形成新的节约型建设模式。
附图说明
图1本发明的平台框架图。
具体实施方式
为了更好地理解本发明,下面结合附图参考实施例的描述,对本发明的系统进行进一步的说明。
为了全面理解本发明,在以下详细描述中提到了众多具体细节。但是本领域技术人员应该理解,本发明可以无需这些具体细节而实现。在实施例中,不详细描述公知的方法、过程、组件,以免不必要地使实施例繁琐。
参见图1所示,本发明提供了一种针对基于Docker容器技术的调控云平台的容器管理方法,
所述基于Docker容器技术的调控云平台包括:
SaaS层,为软件级服务层,用于提供软件云应用产品,所述能效服务云系统通过能效服务应用Saas层实现对能效信息的采集和监测、提供能效参数的诊断分析、以及通过云产品为企业用户实现电力能效云调控和云服务;
平台服务层,包括支撑平台,公共组件管理平台,云容器引擎平台;其中,所述支撑平台包括模型数据平台,大数据平台,运行数据平台,数据交换平台;所述公共组件管理平台包括日记管理组件,告警管理组件,权限管理组件,内部和广域消息总线管理组件,内部和广域服务总线管理组件;所述云容器引擎平台包括镜像构建模块,私有镜像仓库,应用编排模块,PaaS平台;
IaaS层,为基础设施级服务层,包括服务器资源池、存储资源池、网络资源池,用于为应用提供基础数据解决方案,并提供调控云平台的云功能;
所述针对基于Docker容器技术的容器管理方法基于调控云架构建设,所述方法至少包括:
步骤1,对调控云平台容器资源实施轻量级容器集群监控,得到集群监控信息,具体包括:
步骤1-1,根据容器集群节点的动态性,设置多维度角度下的聚合指标作为监控指标,
步骤1-2,对容器集群节点及节点上的容器的性能指标实施实时监视,获得集群监控信息;
步骤2,对调控云平台Docker容器集群资源实施动态均衡分配,具体包括:
步骤2-1,在同一网络中,根据集群监控信息,拉取数据;
步骤2-2,评估集群节点上容器的资源使用状况,容器集群负载程度;
步骤2-3,依据调控云平台容器集群节点动态扩容/缩容策略,进行调控云平台Docker容器集群资源均衡分配。
优选地,其中,所述步骤2-3,依据调控云平台容器集群节点动态扩容/缩容策略,进行调控云平台Docker容器集群资源均衡分配,具体包括:
综合计算各项监控指标,如果计算结果大于扩容阀值时,对应用进行扩容并增加新的容器,启动相同的镜像,将该容器加入Docker容器集群节点上;如果计算结果小于缩容阀值时,对应用进行缩容并减少现有的容器,将该容器从Docker容器集群节点上移除。
优选地,其中,所述步骤1,对调控云平台容器资源实施轻量级容器集群监控,得到集群监控信息,还包括:步骤1-3,对所述集群监控信息进行周期性分析,将分析的数据进行可视化展示。
优选地,其中,所述IaaS层还提供虚拟机集群资源,所述虚拟机集群具有多台实体机,每一实体机对应至少一虚拟机。
优选地,其中,所述针对基于Docker容器技术的容器管理方法还包括,步骤3,对虚拟机集群的负载进行动态分配,具体包括:
步骤3-1,计算每一虚拟机使用资源权值、每一实体机使用资源权值与实体机平均使用资源权值;
步骤3-2,判断所述实体机使用资源权值与所述实体机平均使用资源权值的差值;
步骤3-3,当任一实体机使用资源权值与所述实体机平均使用资源权值的差值高于均衡阈值时,进行以下步骤:
步骤3-3-1,确定最大实体机使用资源权值所对应的实体机,作为均衡来源机;
步骤3-3-2,找出最小实体机使用资源权值所对应的实体机,作为均衡目的机;
步骤3-3-3,计算所述均衡来源机的所述实体机使用资源权值与所述实体机平均使用资源权值的均衡差值;
步骤3-3-4,在所有的均衡来源机中,找出具有最接近所述均衡差值的所述虚拟机使用资源权值所对应的虚拟机,作为均衡虚拟机;
步骤3-3-5,将所述均衡虚拟机迁至所述均衡目的机。
优选地,其中,所述虚拟机使用资源权值、所述实体机使用资源权值与所述实体机平均使用资源权值,根据下式计算:
α=1/P
其中,j为实体机编号,i为虚拟机编号,P为虚拟机集群的实体机总数,n为虚拟机总数,v为每一实体机所有虚拟机数,VMjiRate为j实体机中的i虚拟机的所述虚拟机使用资源权值的虚拟机使用资源比,为j实体机中的i虚拟机器的处理器负载率,VMjiRAMallocate为j实体机中的i虚拟机器的存储分配量,HOSTjiRate为j实体机的所述实体机使用资源权值的实体机使用资源比,α为所述实体机平均使用资源权值的实体机平均使用资源比。
本发明的有益效果包括:
首先,本发明以调控云平台为基础,结合新兴技术和传统调度自动化技术特点,调控云平台在满足对海量数据分布式处理和服务的要求外,容器管理平台提升了资源的使用效率,满足业务、负载突发高峰时系统的处理能力要求,实现了对平台资源利用的高效性、合理性和安全性等方面更高的标准。
其次,在基于共享服务的调度控制系统架构下,基于容器的资源管理和应用运行管理关键技术,可实现电网分析决策类应用的部署、升级、扩容、回退和下线等全过程支撑。建设一套覆盖开发、部署、试运行、运行各环节的应用开发及运行环境,可实现电网分析决策类应用的快速构建、敏捷交付和方便运维,为持续提升调度控制系统调控信息即时共享能力,应用的复杂逻辑处理、分布式计算和持续可靠服务能力,应用服务的按需访问能力提供支撑。
再次,基于容器的标准化应用管理构建模式和容器管理方法,有利于完善国分省调分析决策应用标准化建设、同质化管理,形成集中统一、工作协同、规范高效的“大运行”体系,进一步提高驾驭大电网的调控能力和大范围优化配置资源的能力。
并且,利用Docker容器技术构建了基于应用开发、部署、和运行环境全方位支撑的容器化调控云PaaS平台,实现了容器资源按需动态调配及电网分析决策类应用的快速构建、敏捷交付和方便运维,为持续提升新一代调度控制系统调控信息即时共享能力,应用的复杂逻辑处理、分布式计算和持续可靠服务能力提供支撑,进一步提高驾驭大电网的调控能力和大范围优化配置资源的能力。以及,通过虚拟机的动态资源分配方法,可动态地将高负载率的实体机中的虚拟机,迁移至低负载率的实体机中,因此,可达成平衡虚拟机集群中的每一实体机负载的目的。
最后,建立资源节约型的调度系统建设模式。充分考虑安全性的前提下,在系统管理、系统运维和设备建设等方面,将IT系统资源由“需则共享”向“需即可用”的模式转变,提高通信、网络、硬件等系统资源的利用效率,形成新的节约型建设模式。
这里只说明了本发明的优选实施例,但其意并非限制本发明的范围、适用性和配置。相反,对实施例的详细说明可使本领域技术人员得以实施。应能理解,在不偏离所附权利要求书确定的本发明精神和范围情况下,可对一些细节做适当变更和修改。
Claims (6)
1.一种针对基于Docker容器技术的调控云平台的容器管理方法,其特征在于,
所述基于Docker容器技术的调控云平台包括:
SaaS层,为软件级服务层,用于提供软件云应用产品,所述能效服务云系统通过能效服务应用Saas层实现对能效信息的采集和监测、提供能效参数的诊断分析、以及通过云产品为企业用户实现电力能效云调控和云服务;
平台服务层,包括支撑平台,公共组件管理平台,云容器引擎平台;其中,所述支撑平台包括模型数据平台,大数据平台,运行数据平台,数据交换平台;所述公共组件管理平台包括日记管理组件,告警管理组件,权限管理组件,内部和广域消息总线管理组件,内部和广域服务总线管理组件;所述云容器引擎平台包括镜像构建模块,私有镜像仓库,应用编排模块,PaaS平台;
IaaS层,为基础设施级服务层,包括服务器资源池、存储资源池、网络资源池,用于为应用提供基础数据解决方案,并提供调控云平台的云功能;
所述针对基于Docker容器技术的容器管理方法基于调控云架构建设,所述方法至少包括:
步骤1,对调控云平台容器资源实施轻量级容器集群监控,得到集群监控信息,具体包括:
步骤1-1,根据容器集群节点的动态性,设置多维度角度下的聚合指标作为监控指标,
步骤1-2,对容器集群节点及节点上的容器的性能指标实施实时监视,获得集群监控信息;
步骤2,对调控云平台Docker容器集群资源实施动态均衡分配,具体包括:
步骤2-1,在同一网络中,根据集群监控信息,拉取数据;
步骤2-2,评估集群节点上容器的资源使用状况,容器集群负载程度;
步骤2-3,依据调控云平台容器集群节点动态扩容/缩容策略,进行调控云平台Docker容器集群资源均衡分配。
2.根据权利要求1所述的方法,其中,所述步骤2-3,依据调控云平台容器集群节点动态扩容/缩容策略,进行调控云平台Docker容器集群资源均衡分配,具体包括:
综合计算各项监控指标,如果计算结果大于扩容阀值时,对应用进行扩容并增加新的容器,启动相同的镜像,将该容器加入Docker容器集群节点上;如果计算结果小于缩容阀值时,对应用进行缩容并减少现有的容器,将该容器从Docker容器集群节点上移除。
3.根据权利要求1所述的方法,其中,所述步骤1,对调控云平台容器资源实施轻量级容器集群监控,得到集群监控信息,还包括:步骤1-3,对所述集群监控信息进行周期性分析,将分析的数据进行可视化展示。
4.根据权利要求1所述的方法,其中,所述IaaS层还提供虚拟机集群资源,所述虚拟机集群具有多台实体机,每一实体机对应至少一虚拟机。
5.根据权利要求4所述的方法,其中,所述针对基于Docker容器技术的容器管理方法还包括,步骤3,对虚拟机集群的负载进行动态分配,具体包括:
步骤3-1,计算每一虚拟机使用资源权值、每一实体机使用资源权值与实体机平均使用资源权值;
步骤3-2,判断所述实体机使用资源权值与所述实体机平均使用资源权值的差值;
步骤3-3,当任一实体机使用资源权值与所述实体机平均使用资源权值的差值高于均衡阈值时,进行以下步骤:
步骤3-3-1,确定最大实体机使用资源权值所对应的实体机,作为均衡来源机;
步骤3-3-2,找出最小实体机使用资源权值所对应的实体机,作为均衡目的机;
步骤3-3-3,计算所述均衡来源机的所述实体机使用资源权值与所述实体机平均使用资源权值的均衡差值;
步骤3-3-4,在所有的均衡来源机中,找出具有最接近所述均衡差值的所述虚拟机使用资源权值所对应的虚拟机,作为均衡虚拟机;
步骤3-3-5,将所述均衡虚拟机迁至所述均衡目的机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911401302.9A CN111221624A (zh) | 2019-12-31 | 2019-12-31 | 一种针对基于Docker容器技术的调控云平台的容器管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911401302.9A CN111221624A (zh) | 2019-12-31 | 2019-12-31 | 一种针对基于Docker容器技术的调控云平台的容器管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111221624A true CN111221624A (zh) | 2020-06-02 |
Family
ID=70832775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911401302.9A Pending CN111221624A (zh) | 2019-12-31 | 2019-12-31 | 一种针对基于Docker容器技术的调控云平台的容器管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111221624A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111682970A (zh) * | 2020-06-11 | 2020-09-18 | 湖南华诺科技有限公司 | 一种基于容器化快速扩缩容物联网接入能力的系统及方法 |
CN111796908A (zh) * | 2020-06-18 | 2020-10-20 | 聚好看科技股份有限公司 | 一种资源自动弹性伸缩的系统、方法及云平台 |
CN112035516A (zh) * | 2020-09-30 | 2020-12-04 | 北京百度网讯科技有限公司 | 用于算子服务的处理方法、装置、智能工作站和电子设备 |
CN112099917A (zh) * | 2020-09-08 | 2020-12-18 | 中国电力科学研究院有限公司 | 调控系统容器化应用运行管理方法、系统、设备及介质 |
CN113377525A (zh) * | 2021-03-22 | 2021-09-10 | 天地信息网络有限公司 | 一种面向在轨空间资源的虚拟云管理平台 |
CN113507489A (zh) * | 2020-09-30 | 2021-10-15 | 西部证券股份有限公司 | 一种可视化的金融私有云的部署运维方法 |
CN113742030A (zh) * | 2021-07-29 | 2021-12-03 | 南方电网深圳数字电网研究院有限公司 | 跨区服务配置方法、装置和存储介质 |
CN114064413A (zh) * | 2021-11-24 | 2022-02-18 | 深圳前海微众银行股份有限公司 | 容器组调控方法、装置及电子设备 |
CN116389324A (zh) * | 2023-06-07 | 2023-07-04 | 深圳市东信时代信息技术有限公司 | 一种云服务器管理方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018153218A1 (zh) * | 2017-02-27 | 2018-08-30 | 腾讯科技(深圳)有限公司 | 一种资源处理方法、相关装置以及通信系统 |
CN109067867A (zh) * | 2018-07-30 | 2018-12-21 | 北京航空航天大学 | 面向数据中心负载监控的虚拟化容器服务弹性伸缩方法 |
CN110347586A (zh) * | 2019-05-30 | 2019-10-18 | 中国电力科学研究院有限公司 | 一种电力系统能效分布式服务云系统 |
-
2019
- 2019-12-31 CN CN201911401302.9A patent/CN111221624A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018153218A1 (zh) * | 2017-02-27 | 2018-08-30 | 腾讯科技(深圳)有限公司 | 一种资源处理方法、相关装置以及通信系统 |
CN109067867A (zh) * | 2018-07-30 | 2018-12-21 | 北京航空航天大学 | 面向数据中心负载监控的虚拟化容器服务弹性伸缩方法 |
CN110347586A (zh) * | 2019-05-30 | 2019-10-18 | 中国电力科学研究院有限公司 | 一种电力系统能效分布式服务云系统 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111682970A (zh) * | 2020-06-11 | 2020-09-18 | 湖南华诺科技有限公司 | 一种基于容器化快速扩缩容物联网接入能力的系统及方法 |
CN111682970B (zh) * | 2020-06-11 | 2022-03-11 | 湖南华诺科技有限公司 | 一种基于容器化快速扩缩容物联网接入能力的系统及方法 |
CN111796908A (zh) * | 2020-06-18 | 2020-10-20 | 聚好看科技股份有限公司 | 一种资源自动弹性伸缩的系统、方法及云平台 |
CN112099917A (zh) * | 2020-09-08 | 2020-12-18 | 中国电力科学研究院有限公司 | 调控系统容器化应用运行管理方法、系统、设备及介质 |
CN112099917B (zh) * | 2020-09-08 | 2022-02-11 | 中国电力科学研究院有限公司 | 调控系统容器化应用运行管理方法、系统、设备及介质 |
CN113507489A (zh) * | 2020-09-30 | 2021-10-15 | 西部证券股份有限公司 | 一种可视化的金融私有云的部署运维方法 |
CN112035516A (zh) * | 2020-09-30 | 2020-12-04 | 北京百度网讯科技有限公司 | 用于算子服务的处理方法、装置、智能工作站和电子设备 |
CN113507489B (zh) * | 2020-09-30 | 2022-10-14 | 西部证券股份有限公司 | 一种可视化的金融私有云的部署运维方法 |
CN112035516B (zh) * | 2020-09-30 | 2023-08-18 | 北京百度网讯科技有限公司 | 用于算子服务的处理方法、装置、智能工作站和电子设备 |
CN113377525A (zh) * | 2021-03-22 | 2021-09-10 | 天地信息网络有限公司 | 一种面向在轨空间资源的虚拟云管理平台 |
CN113742030A (zh) * | 2021-07-29 | 2021-12-03 | 南方电网深圳数字电网研究院有限公司 | 跨区服务配置方法、装置和存储介质 |
CN114064413A (zh) * | 2021-11-24 | 2022-02-18 | 深圳前海微众银行股份有限公司 | 容器组调控方法、装置及电子设备 |
WO2023093031A1 (zh) * | 2021-11-24 | 2023-06-01 | 深圳前海微众银行股份有限公司 | 容器组调控方法、装置及电子设备 |
CN116389324A (zh) * | 2023-06-07 | 2023-07-04 | 深圳市东信时代信息技术有限公司 | 一种云服务器管理方法、装置、设备及存储介质 |
CN116389324B (zh) * | 2023-06-07 | 2023-09-29 | 深圳市东信时代信息技术有限公司 | 一种云服务器管理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111221624A (zh) | 一种针对基于Docker容器技术的调控云平台的容器管理方法 | |
Zheng et al. | An approach for cloud resource scheduling based on Parallel Genetic Algorithm | |
Alresheedi et al. | Improved multiobjective salp swarm optimization for virtual machine placement in cloud computing | |
Huang et al. | Energy-aware virtual machine placement in data centers | |
Tziritas et al. | Application-aware workload consolidation to minimize both energy consumption and network load in cloud environments | |
CN106020934A (zh) | 一种基于虚拟集群在线迁移的优化部署方法 | |
CN103077082A (zh) | 一种数据中心负载分配及虚拟机迁移节能方法及系统 | |
Wided et al. | Load balancing with Job Migration Algorithm for improving performance on grid computing: Experimental Results | |
CN102981890A (zh) | 一种在虚拟化数据中心内的计算任务及虚拟机部署方法 | |
CN105491150A (zh) | 基于时间序列的负载均衡处理方法及系统 | |
CN107193640B (zh) | 一种基于Rendezvous哈希算法的虚拟机初始放置策略方法 | |
CN104679594A (zh) | 一种中间件分布式计算方法 | |
Patni et al. | Load balancing strategies for grid computing | |
CN107450855A (zh) | 一种用于分布式存储的模型可变的数据分布方法及系统 | |
CN108063784A (zh) | 一种云环境下应用集群资源分配的方法、装置和系统 | |
Liao et al. | Energy consumption optimization scheme of cloud data center based on SDN | |
CN109447264A (zh) | 云计算环境下基于vham-r模型的虚拟机放置遗传优化方法 | |
CN114356543A (zh) | 一种基于Kubernetes的多租户机器学习任务资源调度方法 | |
Rajabzadeh et al. | New comprehensive model based on virtual clusters and absorbing Markov chains for energy-efficient virtual machine management in cloud computing | |
CN112559122A (zh) | 一种基于电力专用安防设备的虚拟化实例管控方法及系统 | |
Menouer et al. | New scheduling strategy based on multi-criteria decision algorithm | |
CN105005503A (zh) | 基于元胞自动机的云计算负载均衡任务调度方法 | |
Kaur et al. | A review on energy aware VM placement and consolidation techniques | |
Deiab et al. | Energy efficiency in cloud computing | |
CN111242801A (zh) | 一种电力系统调控云电网运行分析平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |