基于Kubernetes的容器云平台研究与设计

来源 :电子设计工程 | 被引量 : 0次 | 上传用户:a98674591
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对有效进行平台运用维护的目的,采用Kubernetes和容器技术,提出了云平台的设计构想,旨在提升平台运行灵活度和自动化运维水平,降低运维成本,并将容器云平台融入研发流程中.通过在虚拟测试机上部署Kubernetes集群、cloud-controller-manager管理器和存储模块的实验,实验结果表明,该平台运行平稳,基于Kubernetes的容器云平台应用部署效率高、应用监控能力得以提升、人员成本下降,在实际运用中具有可推广性.
其他文献
由于多微网出力的不确定性,且多微网之间的协调运行较差,从而导致其调度成本增加,因此对多微网的经济调度模型进行了改进.以综合发电成本最低、发电排放物对环境污染成本最低和电池损耗成本最低三者作为目标函数,并且考虑微源输出功率约束、功率平衡约束和微网与电网的交互功率,从而对多微网系统进行多目标调度,通过改进的粒子群算法对多微网的最低成本进行寻优.文中对双微网模型进行算例分析,通过仿真发现,该模型能有效降低微网的总体运行成本.
针对传统变电工程概算方法存在工作量大且误差较大的问题,文中提出了基于BIM和粒子群(PSO)-支持向量机(SVM)的变电工程智能概算方法.推导SVM模型,分析固定的核函数参数和惩罚系数对SVM模型的影响;提出利用PSO算法优化SVM核函数参数和惩罚系数的改进方法;利用变电工程的BIM模型及特征数据作为PSO-SVM模型的输入,实现变电工程的智能化成本概算.算例分析结果表明,文中所提基于BIM和PSO-SVM的变电工程成本概算方法的误差绝对值均小于10%,相比于传统SVM算法具有更高的准确性,且通过参数优化
针对传统诊断方法过于依赖人工,而导致诊断误差率高的问题,提出了基于数据挖掘的异常用电行为诊断方法.依据数据挖掘过程,分析用电异常行为欠电流、欠电压、扩差、移相特征.利用相似性度量划分数据集,初始化模糊加权指数,初始化隶属度矩阵并更新,计算目标函数,根据计算结果,确定数据对象种类,由此设计异常用电嫌疑用户筛选流程.采用k-means聚类算法,设计诊断分析流程,并研究对窃电和漏电等异常用电行为的闭环诊断机制.由实验结果可知,该方法最高误差率为10%,最低为0,具有良好的诊断效果.