网络延迟和昂贵的成本正在推动云计算向网络边缘发展。边缘计算,是云计算的扩展。边缘计算通过整合网络边缘的计算节点,使计算更加靠近终端数据,一定程度上解决了传统云计算体系对网络依赖性强的不足。随着物联网的发展,边缘计算设备日益增多、计算能力逐步增强,边缘计算的范围也在逐步扩大。当前的边缘计算无法很好地解决对边缘计算体系的拓展所引发的变化和问题。本文提出一个基于容器技术的边缘计算架构,称为无边界应用系统。无边界应用系统将原有边缘计算的两层架构拓展到三层架构,旨在拓展边缘计算的边界,容纳更多的边缘节点,增强边缘计算架构的计算能力,使计算更加靠近终端。无边界应用系统解决了以下问题:一、无边界应用系统基于容器技术和容器编排技术实现。系统使用容器技术作为边缘计算虚拟化解决方案,优化容器编排技术实现对边缘云中的应用服务和资源的精准编排。解决了复杂的边缘环境中资源编排的问题。二、无边界应用系统提出动态边缘云聚合算法(Dynamic Clustering on Edge,简称DCE)。能够使得边缘节点动态地聚合成边缘云,将边缘计算架构中的边缘层划分为更小、更容易管理的多个边缘云。解决了随着边缘节点增多,应用、资源、节点难以有效管理的问题。DCE通过指导边缘节点的自主聚类,解决了可移动、零散的边缘节点动态聚类的问题。除此之外,DCE算法还支撑了边缘云的弹性伸缩,解决了边缘云规模不一,资源不均衡的问题。三、无边界应用系统提出边缘云的容器调度算法(Container Orchestration on Edge,简称COE)。设计并实现边缘节点价格模型、资源感知模型、基于负载预测的调度发生判断机制的优化和多级调度机制。提供了容器在边缘云调度的精准、平稳、高效的解决方案。解决了边缘云调度不均衡的问题,提高了调度的准确率,同时降低了边缘云中的无效调度,提高了边缘云的平均资源利用率。本文最后使用容器和虚拟机仿真边缘计算环境,设计了多个实验。第一组以基于极大团的静态边缘云聚合算法[33]为对照,比较其应用算法后聚合而成的边缘云的收敛程度、局部最大时延和资源均衡程度,验证边缘计算背景下的DCE算法的效果。第二组以Kubernetes[30]的容器调度算法为对照,比较其调度的效率、准确率和边缘云的平均资源使用率验证边缘计算背景下的COE算法的效果。第三组以Kubernetes的容器编排系统为对照,比较其任务的平均完成时间,验证无边界应用系统的性能。