随着计算机技术的发展,以Docker为代表的容器技术因灵活性和实用性等特点而备受青睐,在敏捷开发、应用部署和智能运维等过程中得到了广泛的应用。同时,以Kubernetes为代表的容器编排平台能够帮助企业管理大规模容器集群,辅助执行编排部署、版本更新和健康检查等任务,因此针对Kubernetes的应用与开发也变得日趋火热。Docker容器的运行以镜像为基础,镜像需要通过分发过程被传输到工作节点。在现有Docker镜像分发框架中,镜像被集中存储在镜像仓库,容器引擎作为客户端直接从镜像仓库下载镜像。当集群规模增大时,镜像仓库容易成为性能瓶颈,影响集群稳定性。同时大规模集群中的镜像分发可能涉及到跨机房甚至跨境传输,现有分发框架的C/S模式难以提供较高的传输速率。Kubernetes使用基础编排单位Pod来间接管理容器。Kubernetes资源调度器将Pod与工作节点绑定后,Pod才能被启动执行。Kubernetes默认调度策略较为简单,仅支持分散、标签、亲和等调度方式。在大规模容器云平台的诸如机器学习、大数据处理等Pod密集、通信频繁型工作场景中,将Pod集中调度到最少节点能够降低Pod间的通信性能损耗,但Kubernetes默认调度策略目前不能够达成上述调度目标。针对上述问题,本文对Docker镜像分发框架进行了改进与实现,对Kubernetes资源调度器进行了设计与实现。论文主要工作内容如下:1.设计基于BitTorrent协议的Docker镜像分发框架。现有Docker镜像分发框架使用C/S模式,所有分发请求均由集群唯一的镜像仓库响应。在此框架中镜像仓库将成为影响镜像分发的重要因素,在大规模容器云平台中易出现集群不稳定、网络传输慢等问题。本文设计与实现了一种Docker镜像分发框架,包含框架内各组件与镜像P2P分发策略。本框架支持基于BitTorrent协议的镜像P2P传输模式,避免镜像仓库成为性能瓶颈,充分利用节点带宽。实验证明本框架提升了平均镜像拉取速度,降低了镜像仓库负载。2.提出基于Holt-Winters模型的Docker镜像仓库负载预测方法。Docker镜像仓库具有文件小且多的特点,使用P2P传输作为默认传输模式容易出现种子文件多、通信效率低等问题。本文提出了一种Docker镜像仓库负载预测方法,并设计了镜像分发模式决策策略。在本方法中,镜像仓库默认使用单点模式传输镜像,当接收到镜像分发请求时将训练Holt-Winters模型并预测近期负载,判断是否启用P2P传输模式。实验证明本方法降低了镜像仓库负载,同时减少了种子文件数量。3.设计基于指标聚合的Kubernetes高级资源调度器。在重负载、高交互的工作场景中,将同组Pod集中调度到最少节点能够提升网络通信效率,但Kubernetes默认调度器不支持这种聚集调度策略。同时Kubernetes在调度过程中对Pod优先级的评估依据仅来自于资源配额指标,大规模容器云平台中的Pod优先级评估需要结合更多维度的指标。本文设计了一种支持聚集调度的Kubemetes资源调度器,并设计了基于指标聚合的Pod优先级评估策略应用于该调度器。本调度器支持将同组Pod聚集调度到相同节点,并适时驱逐非同组Pod,同时聚合资源配额、迁移代价、可替代性等多维度指标生成优先级用于评估Pod。实验证明本调度器能够在调度过程中有效聚集和驱逐Pod,提升了调度灵活性和资源利用率。本文搭建了使用上述Docker镜像分发框架和Kubernetes高级资源调度器的容器云平台,并进行功能验证与性能测试实验。实验结果证明了本文提出的框架与方法提升了镜像分发效率、降低了镜像仓库负载、提升了调度灵活性,具备可行性与实用性。