伴随着云计算,物联网等技术的快速发展,数据资源的种类日渐多样,用户对于数据源的处理需求日渐升高。数据服务指提供数据采集、数据存储、数据处理、数据交换等数据各种生存形态演变的一种信息技术驱动的服务。由于用户对服务的需求、服务所依赖的资源、服务之间的关联关系都具有动态性和不确定性,保障服务质量成为了包括容器云在内的云服务的一项基本要求。因此,本文基于容器云针对数据服务质量保障问题展开研究。首先影响服务质量的因素众多,本文不仅考虑承载服务的基础资源,还将由服务之间和服务与数据源之间关联关系所产生的延时作为保障服务质量的因素,设计了面向数据服务质量的容器云动态监控架构和基于监控数据的可视化系统。其次,本文提出了一种运行时的服务调度方法,提出的方法将基于质量的服务调度问题转化为受基础资源使用情况和服务的延时约束的规划问题,通过粒子群算法有效生成服务优化调度方案,以达到保障数据服务质量的最终目标。最后,结合实际案例对提出的监控架构和调度方法进行了实验验证和分析。本文的主要研究工作如下:1.为了解决服务质量所面临的延时敏感性、波动性和依赖性的挑战,提出了一种面向数据服务质量的多粒度容器云监控架构。该架构兼顾基础资源使用情况和服务延时的监控,由容器集群和监控服务器两部分构成。其中,容器集群作为容器云的基础环境,是监控的对象,监控服务器则提供各类监控数据收集、监控数据的外部访问、以及基于监控数据的监控响应功能。2.为了改进服务调度依据单一的问题,提出了一种运行时的面向数据服务的调度方法。该方法明确了调度对象、调度流程、调度策略和调度算法,当服务的监控指标达到提前设定好的阈值时对服务进行伸缩,并对伸缩产生的新服务副本进行调度,调度算法实质是将基于调度的服务动态部署问题建模为约束-规划问题,采用粒子群算法执行优化过程。在约束方面,不再仅以基础资源的利用率作为调度依据,还将容器云的整体资源配置和服务之间以及服务与数据源之间的依赖关系考虑在内,以实现保障服务质量的最终目标。3.设计和实现了面向数据服务质量的容器云监控可视化系统,并验证了系统监控和监控响应功能的可行性。结合交通领域的应用案例分析,通过实验与k8s原有调度方法进行对比分析,验证了本文提出调度方法的有效性。实验结果表明该方法能在保障容器云环境的资源利用率和均衡性的同时,明显减少了服务间和服务与数据源间的延时,有效的保障了服务质量。