1.本書基於讀者的角度，將理論與實際結合，具有大量的實際操作方面的案例;
2.每一章節都有相應的實驗，按照實驗的具體條件進行環境的搭建，根據相應的需求方便讀者理解以及按照書中的步驟進行操作;
3.根據讀者的需求和興趣，每章實驗的步驟講解詳細清晰;
4.每章實驗部分附帶相關代碼與配套軟件，方便讀者學習。

本書遵循由淺入深、循序漸進的學習規律，分析了從雲計算到容器雲的過渡過程，全面介紹了Docker、Kubernetes、OpenShift，包括基礎知識、在主流操作繫統上的安裝方法以及基本操作，然後對容器雲與微服務以及容器雲中的資源預測與配置、容器雲任務調度、資源調度進行了深入探討，並對混合容器雲調度進行了繫統闡述。本書案例豐富、實驗詳實，凝聚了作者多年的研究成果和心得體會，非常適合熱愛和學習容器雲的學術界和工業界人士閱讀。本書有助於讀者更好地理解容器雲背後的根源和本質。

謝曉蘭，博士，桂林理工大學信息科學與工程學院教授、院長、博士生導師，同時擔任《大數據》期刊編委，國際工程與技術學會（IETI）理事，中國通信學會雲計算和大數據應用委員會委員，中國計算機學會高性能計算專業委員會、協同計算專業委員會、分布式計算與繫統專業委員會委員，廣西計算機學會副理事長，廣西本科高校計算機類教學指導委員會委員，廣西本科高校教學信息化與教學方法創新指導委員會委員。曾擔任多個國際會議、國內重要會議的程序委員會主席、會務主席、督導委員會主席與秘書長之職。研究方向包括雲計算、大數據、制造業信息化。主持國家自然科學基金項目2項、863計劃子課題1項、國家重點研發計劃子課題1項、其他省部級項目7項。以第一作者出版了《網格理論與應用》《Internet技術與應用教程》。曾獲得軟件著作權20項，發表科技論文100多篇，其中核心期刊收錄20篇，SCI/EI收錄50多篇。

目錄


第1章 雲計算平臺01
1．1雲計算平臺簡介01
1．1．1雲計算的概念01
1．1．2雲計算的發展02
1．1．3雲計算分類02
1．1．4雲計算技術03
1．1．5雲計算平臺的概念04
1．1．6雲計算平臺的優勢04
1．2從容器到容器雲06
1．2．1容器技術06
1．2．2Docker是什麼07
1．2．3Docker的發展歷程10
1．2．4Docker與容器11
1．2．5容器雲的發展12
1．3可信容器雲15
1．3．1可信容器雲的產生15
1．3．2可信容器雲的基本概念17
1．3．3可信容器雲的技術分類模型18
1．3．4可信容器雲的研究目標21
第2章 Docker關鍵技術25
2．1Docker在Linux環境下的安裝25
2．2CentOS下使用腳本安裝Docker28
2．3Windows下安裝Docker29
2．4Docker操作之準備工作34
2．5Docker容器34
2．5．1運行Docker容器35
2．5．2操作容器36
2．5．3進入容器的2種方式37
2．5．4容器命名39
2．5．5創建守護式容器39
2．5．6導入導出容器40
2．5．7刪除容器41
2．6Docker鏡像41
2．6．1何為鏡像41
2．6．2查看本地鏡像42
2．6．3拉取鏡像43
2．6．4查找鏡像43
2．6．5創建鏡像45
2．6．6刪除鏡像47
2．7Docker網絡48
2．7．1Docker網絡基礎理論48
2．7．2Docker網絡工作模式52
2．8Docker倉庫56
2．8．1官方倉庫Docker Hub56
2．8．2將鏡像推送到Docker Hub上59
2．8．3搭建本地私有倉庫60
2．9Docker數據管理61
2．9．1容器與非持久化數據61
2．9．2容器與持久化數據62
2．9．3創建和管理容器卷62
2．9．4在集群節點間共享存儲64
2．10Docker應用場景65
2．10．1簡化配置65
2．10．2代碼流水線管理66
2．10．3提升開發效率66
2．10．4隔離應用66
2．10．5整合服務器66
2．10．6調試能力66
2．10．7多租戶環境66
2．10．8快速部署67
2．11應用實例在容器中部署靜態網頁67
第3章Kubernetes71
3．1Kubernetes概述71
3．1．1Kubernetes是什麼71
3．1．2為什麼選擇Kubernetes72
3．1．3Kubernetes的集群結構73
3．1．4Kubernetes的工作流程74
3．2Kubernetes安裝與配置75
3．3Kubernetes核心概念78
3．3．1節點78
3．3．2pod78
3．3．3復制控制器80
3．3．4Service81
3．4命令行管理工具kubectl82
3．4．1kubectl用法概述83
3．4．2常用命令84
3．4．3輸出選項86
3．4．4kubectl的常用命令示例87
3．5Kubernetes應用實例88
3．5．1Kubernetes體繫框架88
3．5．2實例介紹88
第4章容器雲平臺OpenShift93
4．1開源容器雲OpenShift概述93
4．1．1容器時代的IT93
4．1．2OpenShift94
4．1．3OpenShift與Docker、Kubernetes95
4．2OpenShift環境搭建97
4．2．1操作繫統準備98
4．2．2操作繫統配置98
4．2．3安裝Docker99
4．2．4下載OpenShift Origin安裝包99
4．2．5安裝OpenShift99
4．2．6登錄OpenShift Origin控制臺100
4．3運行容器運用101
4．3．1項目的創建101
4．3．2Docker鏡像的部署102
4．3．3訪問容器應用104
4．4OpenShift架構105
4．4．1基礎架構層105
4．4．2容器引擎層106
4．4．3容器編排層106
4．4．4PaaS服務層106
4．4．5界面及工具層107
4．5核心組件詳解107
4．5．1Master節點109
4．5．2Node節點109
4．5．3Project與Namespace109
4．5．4pod109
4．5．5Service110
4．5．6Router與Route111
4．5．7Persistent Storage111
4．5．8Registry111
4．5．9Source to Image112
4．5．10開發及管理工具集112
4．6核心流程詳解113
4．6．1應用構建113
4．6．2應用部署113
4．6．3請求處理114
4．6．4應用更新114
4．7本章小結114
第5章容器雲與微服務115
5．1微服務概述115
5．1．1微服務起源115
5．1．2微服務的基本概念116
5．1．3微服務體繫117
5．1．4微服務與容器雲的關繫121
5．1．5雲原生122
5．2容器雲中的微服務技術框架126
5．2．1微服務選型126
5．2．2Kubernetes微服務框架129
5．2．3微服務容器化131
5．3應用案例與分析133
5．3．1應用實踐現狀133
5．3．2網易雲輕舟微服務平臺133
第6章容器雲資源預測與配置研究139
6．1容器雲資源預測與配置概述140
6．1．1容器雲資源預測與配置研究背景與意義140
6．1．2資源預測研究現狀141
6．1．3資源配置研究現狀142
6．2資源負荷時間序列預測模型基礎研究144
6．2．1時間序列分析144
6．2．2時間序列平穩性檢驗和處理145
6．2．3時間序列純隨機性檢驗147
6．2．4時間序列分析模型ARIMA148
6．3資源動態管理方法研究148
6．3．1資源優化配置方法149
6．3．2資源動態監控方法151
6．4基於遺傳算法優化LSTM網絡的容器雲資源預測研究153
6．4．1長短期記憶網絡153
6．4．2遺傳算法相關理論及其改進157
6．4．3基於APMSSGA優化LSTM網絡結構參數163
6．4．4基於APMSSGA-LSTM的資源負荷預測模型165
6．5基於APMSSGA-LSTM資源預測模型的容器雲資源配置研究168
6．5．1容器雲環境資源預測與配置總體架構168
6．5．2基於KVM和Docker的容器雲平臺構建169
6．5．3容器雲平臺資源狀態的監控與預警173
6．5．4基於預測的容器雲資源自適應彈性配置機制研究175
6．6實驗與分析179
6．6．1實驗環境180
6．6．2基於KVM和Docker的容器雲平臺實現180
6．6．3容器雲平臺資源預測實驗181
6．6．4資源配置實驗187
6．7本章小結189
第7章容器雲環境中基於QoS目標優化的任務調度策略研究195
7．1容器雲平臺下的任務調度195
7．2基於QoS目標優化的容器雲任務調度模型197
7．2．1基於QoS需求的任務調度模型197
7．2．2QoS目標優化的任務調度模型建立200
7．3協同優化文化基因任務調度算法204
7．3．1文化基因算法205
7．3．2協同優化文化基因任務調度算法流程209
7．4仿真實驗及結果分析216
7．4．1實驗環境的構建及算法仿真相關設置217
7．4．2實驗結果與分析219
7．5本章小結222
第8章容器雲環境中基於信任的調度算法的研究225
8．1雲計算任務調度與可信計算技術225
8．1．1可信計算技術225
8．1．2禁忌搜索算法與禁忌表228
8．1．3基於信任的任務調度算法研究228
8．2容器雲環境下基於QoS及信任的模型研究229
8．2．1信任模型的研究229
8．2．2基於容器平臺的QoS的信任模型的設計231
8．2．3基於信任機制的容器雲平臺的調度模型設計234
8．3基於容器雲平臺的PSO-ACO任務調度算法236
8．3．1粒子群優化算法236
8．3．2蟻群算法239
8．3．3基於容器平臺的PSO-ACO融合任務調度算法設計244
8．3．4PSO算法和ACO算法之間的關聯248
8．3．5基於容器雲平臺的PSO-ACO任務調度算法的流程249
8．4算法仿真及分析250
8．4．1實驗環境的構建及算法仿真相關設置250
8．4．2實驗結果與分析253
8．5本章小結256
第9章雲制造環境下容器雲資源調度研究259
9．1概述259
9．1．1雲制造的背景及意義259
9．1．2雲制造的研究現狀260
9．1．3雲制造資源調度研究現狀262
9．2雲制造環境下資源調度的相關理論264
9．2．1雲制造264
9．2．2雲制造資源270
9．2．3雲制造環境下的資源調度275
9．3雲制造環境下資源調度模型優化研究281
9．3．1雲制造調度問題的復雜性281
9．3．2資源調度過程分析282
9．3．3雲制造環境下多目標靜態資源調度模型284
9．3．4雲制造環境下混合資源調度模型287
9．4雲制造環境下免疫粒子群資源調度優化算法292
9．4．1免疫算法292
9．4．2雲制造環境下免疫粒子群優化算法的設計294
9．5仿真實驗及結果分析301
9．5．1實驗仿真環境與參數的設置302
9．5．2仿真實驗設計與分析303
9．5．3實例驗證與分析305
9．6本章小結309
第10章 混合容器雲調度的關鍵技術與方法研究313
10．1混合容器雲概述313
10．1．1混合容器雲的產生及發展314
10．1．2混合容器雲的基礎知識318
10．1．3混合容器雲的架構325
10．1．4混合容器雲的調度330
10．2基於DHT網絡的雲合作平臺334
10．2．1需求背景334
10．2．2雲合作平臺架構335
10．2．3DHTNode網絡336
10．2．4DHTClient337
10．2．5基於智能合約的可信機制337
10．2．6私有CaaS層與數據中心層338
10．3基於循環反向拍賣的任務調度339
10．3．1需求背景339
10．3．2作業與資源341
10．3．3反向拍賣342
10．3．4均衡分析343
10．4基於超節點和改進GA的容器調度344
10．4．1需求背景345
10．4．2基於超節點的資源管理345
10．4．3容器雲調度347
10．4．4基於改進GA的資源分配349
10．5實戰與分析357
10．5．1自動部署357
10．5．2資源伸縮359
10．5．3資源分配361
10．5．4資源選擇363
10．6本章小結364