近年来随着云计算技术的发展,分布式计算技术已成为各大企业在当今时代首选的后端技术方案。然而,随着分布式技术的推广应用,集群中的资源负载均衡和提升资源利用率的问题逐渐成为发展瓶颈之一。近几年兴起的容器虚拟化技术改善了虚拟机技术中的资源利用率过低的问题,但负载均衡的问题依旧存在。本文基于目前流行的Docker容器技术,针对Docker Swarm集群工具中调度策略上的不足和节点负载不均衡的问题进行研究。首先分析现有调度策略中的不足,然后提出一种基于阈值的双重策略混合蛙跳算法,最后将其用于解决容器调度不合理而导致负载不均衡、调度效率低、资源利用率过低的问题,主要的工作包括以下方面:首先,对现在主流的Docker集群管理工具进行研究对比,阐述选择Docker Swarm集群工具作为实验平台的原因,同时分析Docker Swarm内置调度策略的不足,引入一种混合蛙跳算法进行改善。但标准的混合蛙跳算法自身存在收敛速度过慢以及容易陷入局部最优解的问题,因此提出一种基于阈值的双重策略局部搜索策略,通过判定种群中的个体离散程度来决定采用群体相互学习策略还是个体交叉变异策略。采用一系列标准测试函数的实验证明了改进后的算法可以有效地改善标准混合蛙跳算法的收敛速度和局部搜索能力。其次,通过容器调度问题的数学模型,结合Docker容器调度策略的特点,设计一套基于阈值的双重策略混合蛙跳算法的Docker Swarm调度策略,该策略从CPU、内存、硬盘空间、IO负载、网络负载5个方面评估节点的负载情况和按需分析容器的资源需求,使容器采用批量执行调度,以提高调度的效率。最后,通过多组实验测试对比验证,采用改进之后的混合蛙跳算法的效率高于原始的混合蛙跳算法以及其他部分改进的混合蛙跳算法。基于阈值的双重策略混合蛙跳算法的Docker Swarm容器调度策略比Docker Swarm内置的Spread调度策略的负载更均衡,调度效率更高。