随着互联网的发展,在线服务系统规模迅速扩大,然而摩尔定律逐渐失效,传统单体架构已无法满足日益增长的计算需求,分布式组件化架构逐渐成为行业主流。在线服务系统将单体程序划分成若干个彼此独立、功能单一的服务组件,部署在虚拟机集群中,通过消息通信协同对外提供服务,这种模型称为微服务模型。用户满意度是在线服务系统的核心指标之一,目前针对用户满意度进行组件调度的研究仍非常缺乏。本文针对分布式组件化架构的在线服务系统,分析了终端用户和运营用户的满意度需求,分别提出满意度模型和量化方法:将终端用户每条请求的满意度建模为基于响应时间的分数,按照用户分级赋予请求不同权重,定义满意度效用为所有请求的满意度分数加权和;将运营用户满意度建模为保证终端用户满意度前提下的运营成本,量化为机时数量,即投入节点数量与占用时间的乘积。本文提出最大化满意度效用前提下最小化投入机时数量的调度目标,根据节点池中可用节点数量是否充足将该目标分解为两种情况:(1)节点池充足时,系统可通过动态扩容保证请求无需排队,即响应时间仅为业务逻辑固有的处理时间,此时满意度效用取得最大值,因此仅需最小化投入机时数量。(2)节点池枯竭时,系统无法动态扩容,请求需要排队,由于运营用户已投入全部节点,所以此时仅需最大化请求队列的满意度效用。传统组件部署策略为单节点单组件,通常单个组件不会均衡利用节点的各类资源,因此该策略将造成资源浪费。本文提出了单节点单簇部署策略,即将组件集合划分为多个簇,每个节点上部署一个簇。为了保证组件簇可均衡利用各类资源,本文设计了基于变异系数的组件集合亲缘度模型;由于组件集合分簇问题为NP完全问题,本文设计了遗传算法RBGA计算分簇方案;为了适应系统流量强度变化,本文给出了动态节点伸缩算法RBS;为了最大化请求队列满意度效用,本文提出队列调度算法MLPQ。本文基于PhxRPC开发了原型系统并通过仿真实验评估了上述算法,实验结果表明:RBGA算法的近似比在1.2附近波动;相比于单节点单组件策略,RBS算法可有效减少投入节点数量,最多减少50%;相比于静态优先级调度算法,MLPQ算法可有效提高满意度效用,最多提高30%,结合RBS算法后,系统满意度效用最多可再提高45%。