基于Docker的分布式天文应用集群计算研究

基于Docker的分布式天文应用集群计算研究

论文摘要

平方公里阵望远镜(SKA)即将开始建设,各子工作包也将进入关键设计评估阶段。其中,科学数据处理器(SDP)是SKA重要的工作包之一。伴随着建设进度的不断推进,面对即将到来的海量天文数据,提高数据处理能力、降低能耗开销和快速自动部署天文应用软件等问题逐渐成为当下亟待解决的主要问题。在这些主要问题中,快速自动部署天文应用软件因为能够为提高数据处理能力提供有效支持的同时有助于降低能耗开销,成为了需解决的首要问题。针对这一问题,同时考虑到基于云与容器技术的容器云是SDP未来可能采用的平台技术,本论文在容器云平台之上对基于Docker的分布式天文应用集群计算展开研究。研究内容以基于MPI的分布式天文海量数据处理技术为核心,较为常用的可见度函数校准软件SAGECaL为具体研究对象,分别从自动部署的实现和负载均衡最优化这两方面展开。论文主要研究工作包括:(1)研究基于MPI的分布式天文应用集群的自动部署方法。使用自动化脚本并配合Docker Swarm容器编排组件,设计并实现能有效支持使用MPI进行分布式计算的天文应用集群自动部署框架。通过提供交互友好的用户接口,用户只需提供较少的必要参数即可完成集群计算、终止并删除集群和进入集群节点查看运行情况等多种操作。自动部署过程中部署模块会根据集群节点规模选择多因素容器静态调度算法或是批量调度动态调度算法来适应单应用和集群混合部署的应用场景。实验结果表明,本论文所提出的自动部署方法极大地提高了分布式天文应用集群的部署效率。(2)基于遗传算法以天文应用集群整体负载均衡为优化目标进行批量调度算法研究。研究内容主要是将待部署的天文应用集群的所有节点作为一个整体放到物理机集群动态负载环境中,通过进化类算法探寻部署方案的最优解。进化类算法是个“算法簇”,这其中包含多种具体的算法均可以探寻函数最优解。为给SKASDP将来的实际使用提供可靠的保障,本论文选用进化类算法中研究相对全面的遗传算法为基础来开展批量调度算法的研究。建立在SKA-SDP对海量天文数据处理的可靠性需求之上,本论文所研究的批量调度算法紧密围绕保障算法绝对收敛和避免陷入局部最优解这两个核心需求来展开研究。批量调度算法的实现使用了精英保留策略保障遗传算法绝对收敛,通过双种群小生境策略配合改进的自适应遗传算法进化策略来将局部最优解尽量逼近全局最优解。实验结果表明本论文的批量调度算法能够在绝对收敛的前提下调度成功率达到100%,与其他调度算法相比能够更有效的使天文应用集群达到整体负载均衡的效果。本论文研究的分布式天文应用集群自动部署方法和基于遗传算法的批量调度算法有效解决了分布式天文应用集群部署使用困难和计算资源使用效率不高的难题,具有一定的实用性。相关研究内容也为多种类型天文应用软件同时在容器云环境下进行敏捷部署提供了有益的思路,具有一定的应用和推广价值。

论文目录

  • 摘要
  • Abstract
  • 第一章 前言
  •   1.1 研究背景
  •   1.2 论文研究范畴
  •   1.3 研究意义及价值
  •   1.4 论文主要研究工作
  •     1.4.1 可行性验证
  •     1.4.2 集群自动部署的实现
  •     1.4.3 批量调度算法研究
  •   1.5 国内外研究现状
  •     1.5.1 天文领域中的容器化
  •     1.5.2 多目标调度算法
  •   1.6 论文的组织结构
  • 第二章 相关技术概述
  •   2.1 容器技术及Docker容器
  •   2.2 Swarm容器编排组件
  •   2.3 Overlay网络技术
  •   2.4 MPI通讯协议及相关实现
  •   2.5 SAGECaL射电干涉校准程序
  •   2.6 遗传算法
  •   2.7 本章小结
  • 第三章 基于Docker的 SAGECal集群自动部署
  •   3.1 基本需求分析
  •   3.2 部署的整体思路
  •   3.3 容器化的SAGECaL集群整体结构
  •     3.3.1 SAGECaL集群层次结构
  •     3.3.2 SAGECaL集群拓扑结构
  •     3.3.3 镜像的构建与组成
  •   3.4 自动部署
  •     3.4.1 初始化
  •     3.4.2 创建Overlay网络和SAGECaL集群节点
  •     3.4.3 集群节点的发现与维护
  •     3.4.4 用户接口
  •     3.4.5 容错处理
  •   3.5 多算法协同调度机制
  •   3.6 本章小结
  • 第四章 基于遗传算法的批量调度算法
  •   4.1 已有调度算法的缺陷
  •   4.2 基本需求分析与约定
  •   4.3 批量调度的整体思路
  •   4.4 批量调度
  •     4.4.1 容器任务资源需求
  •     4.4.2 染色体编码与解码
  •     4.4.3 适应度函数
  •     4.4.4 遗传操作
  •   4.5 本章小结
  • 第五章 实验与分析
  •   5.1 集群自动部署和性能损耗分析
  •     5.1.1 实验设计
  •     5.1.2 实验环境
  •     5.1.3 时效性和合理性
  •     5.1.4 性能损耗分析
  •   5.2 批量调度和负载均衡分析
  •     5.2.1 实验设计
  •     5.2.2 实验环境
  •     5.2.3 实验结果分析
  •   5.3 本章小结
  • 第六章 总结与展望
  • 致谢
  • 参考文献
  • 附录A 攻读硕士学位期间的成果
  • 附录B 攻读硕士期间参与的研究工作
  • 文章来源

    类型: 硕士论文

    作者: 姚坤

    导师: 戴伟

    关键词: 集群计算,分布式,自动部署,遗传算法

    来源: 昆明理工大学

    年度: 2019

    分类: 基础科学

    专业: 天文学

    单位: 昆明理工大学

    分类号: P111.44

    DOI: 10.27200/d.cnki.gkmlu.2019.001249

    总页数: 72

    文件大小: 3540K

    下载量: 24

    相关论文文献

    • [1].Docker容器技术在高职信息化中的应用实践[J]. 信息记录材料 2020(03)
    • [2].Docker容器下企业资源管理系统的设计与实现[J]. 电子技术与软件工程 2020(11)
    • [3].基于Docker的嵌入式软件测试研究[J]. 电子技术与软件工程 2020(12)
    • [4].Docker容器安全管控技术研究[J]. 网络安全技术与应用 2020(11)
    • [5].基于Docker容器自动伸缩技术的调度方法[J]. 信息化研究 2020(04)
    • [6].面向Docker的覆盖网络搭建探究[J]. 电信工程技术与标准化 2015(09)
    • [7].浅析云计算中Docker容器的资源管理[J]. 中国管理信息化 2020(21)
    • [8].一种基于Docker的监控系统的设计与实现[J]. 计算机与数字工程 2019(11)
    • [9].Docker技术在生物信息学中的应用[J]. 军事医学 2016(07)
    • [10].基于Docker的可信容器[J]. 武汉大学学报(理学版) 2017(02)
    • [11].基于Docker的高校网站自动部署应用[J]. 无线互联科技 2017(16)
    • [12].基于Docker的漏洞验证框架的设计与实现[J]. 电子技术应用 2018(11)
    • [13].Docker容器技术在网络安全实验室的应用研究[J]. 韶关学院学报 2020(06)
    • [14].浅谈使用Docker搭建本地私有仓库[J]. 福建电脑 2018(10)
    • [15].使用Docker建立民航气象通信子系统备份[J]. 电脑编程技巧与维护 2016(08)
    • [16].基于Power Systems的Docker发展研究[J]. 信息通信技术 2015(02)
    • [17].基于Docker技术的容器隔离性分析[J]. 电子世界 2017(17)
    • [18].基于Docker容器的多应用集成搭建[J]. 数字技术与应用 2020(02)
    • [19].基于Docker的分布式程序判定系统设计与实现[J]. 实验室研究与探索 2018(06)
    • [20].基于SDN和Docker容器的网络虚拟化研究[J]. 卫星电视与宽带多媒体 2020(11)
    • [21].基于Docker容器虚拟化技术的WordPress系统研究[J]. 网络安全技术与应用 2020(10)
    • [22].Docker脆弱性分析与安全增强[J]. 信息安全与技术 2016(04)
    • [23].可执行的镜像——如何让你的开发环境docker化[J]. 通讯世界 2016(09)
    • [24].Hadoop与Docker技术的融合[J]. 电子技术与软件工程 2018(18)
    • [25].基于LSM的Docker访问控制机制研究[J]. 信息技术 2016(11)
    • [26].一种基于docker集群的自动评价虚拟命令行实验终端构建及其在类Unix系统教学中的应用[J]. 科技风 2020(17)
    • [27].Docker容器弹性集群资源调度算法研究[J]. 科技通报 2018(11)
    • [28].基于Docker下DevOps系统的设计与实现[J]. 电脑知识与技术 2018(07)
    • [29].基于Docker的DevOps系统设计与实现[J]. 指挥信息系统与技术 2017(03)
    • [30].基于Docker的虚拟化技术研究[J]. 信息技术 2016(01)

    标签:;  ;  ;  ;  

    基于Docker的分布式天文应用集群计算研究
    下载Doc文档

    猜你喜欢