摘要: 典型特种工业设备智能检测监测云服务平台面向政府、检验机构、制造企业、用户等多种角色，提供包括性能监控、故障诊断和预知维修等高负载、高并发的实时服务，期望通过数据和服务的协同工作实现服务的稳定运行和高效扩展。为了保证云服务的整体质量... 展开 典型特种工业设备智能检测监测云服务平台面向政府、检验机构、制造企业、用户等多种角色，提供包括性能监控、故障诊断和预知维修等高负载、高并发的实时服务，期望通过数据和服务的协同工作实现服务的稳定运行和高效扩展。为了保证云服务的整体质量，在充分利用基础计算资源池及虚拟化云容器的数据处理能力的基础上，需要不断改进容器编排引擎的内生伸缩调度策略，通过动态和自适应的自动伸缩策略实现系统资源的按需分配和高效利用。 传统的伸缩系统在负载量急剧变化的场景下难以适应即时响应的需求，并且存在系统抖动严重、单点压力过大等问题。本文在国内外相关研究的基础之上，提出一种基于多维特征融合的负载预测方法，探究通过多种策略提取历史负载序列隐层特征的方法，并通过特征的融合和过滤完成数据集的重构，然后在回归模型中进行特征分析和负载预测。为了提高容器编排引擎的运行速率，利用上述负载预测方法构建一种预测式的自动伸缩模型，并将依据该模型实现的自动伸缩系统应用在智能检测监测云服务平台上。本文主要工作内容如下： ①分析与云容器及伸缩相关的关键技术、基础理论和现有方法缺陷，包括伸缩调度技术、负载预测方法、时间序列分析等，结合课题的研究意义和目的提取出需要解决的核心问题，并设计技术路线和具体实践方案。 ②针对现有方法的缺陷，在负载序列分析的基础上提出一种融合多维特征的负载预测方法。为了从原始数据中获取多维度高阶隐层特征，使用自适应的特征提取方法重构初始特征向量，并将其融合和筛选后输入到回归模型中进行负载预测，最后通过在多个序列上的对比实验验证该方法的有效性。 ③分析容器编排引擎中响应式自动伸缩策略和预选优选两级调度方案的优势和缺陷，以多维负载预测方法为基础，分别针对扩容和缩容阶段提出相应的优化策略，并构建一种综合考虑响应速率、资源平衡等因素的预测式容器伸缩模型。 ④针对智能检测监测云服务平台的实际场景，利用软件工程实践方法和系统研发技术，采用多级存储方案和模块化、松耦合的架构方式，在开源容器编排引擎K8s的基础之上设计实现云容器自动伸缩系统，并将其应用到典型工业设备智能检测监测云服务平台中。 收起