云计算论文开题报告

一、本课题的研究目的和意义

互联网普及以来，每日产生的数据量急剧增加。对于存储资源、计算资源的需求也迈上了一个新台阶。而云计算恰恰是一种按照使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问。进入可配置的计算资源共享池(资源池包括网络、服务器、存储、应用软件、服务)，这些资源能够快速提供，用户只需要投入很少的管理工作即可。因此，云计算成为了行业内比较成熟的解决方案。
对于企业用户来说，利用云计算完成满足存储资源需求、计算资源需求，是适应现代轻快化企业制度的要求，是推动解决大数据时代存储、计算资源问题的必要条件。利用云计算，企业不仅可以用数据推动产业升级，还可以减少众多技术工程师、管理人员。因此，开发一个满足当下市场的企业云计算平台，来解决企业面临的问题，具有划时代的意义。

二、研究方案和主要内容

（一）研究内容
	1.将计算存储资源(包括网络、服务器、存储、应用软件、服务)虚拟化，并按照需求合理分配给不同的用户
	2.在云计算当中构建大数据服务，配置完成完整的的服务套件，
	使用户直接使用，直接享受大数据服务。
（二）研究因素
	1.远程链接调用云服务资源
	2.云服务根据用户需求情况自动调配计算资源
	3.云服务器提供完整的大数据服务
	4.云服务器对突发灾害(比如断电、断网)会做出自动的判断并自动调整
（三）研究方法
	1.运用openstack实现云服务器资源的分配与链接
	2.采用Kubernetes对服务器资源充分利用
	3.Docker实现对虚拟环境的搭建
	4.Zookeeper实现服务的容灾

三、文献综述（国内外研究情况及其发展）

目前，包括Amazon、Google、Aliyun、Microsof、IBM等国内外IT巨头都要将发展重点放在云计算，也有一些成功的B2B案例。其中最广为人知的便是在19年10月，微软险胜AWS，赢得了美国国防部100亿美元的云计算合同。同时，就云计算本身而言，它又因配套技术的提升而改变，首先5G将帮助耕作企业将边缘计算作为其混合云战略的一部分；其次自动化将主导混合云进入下一个阶段，企业将不再需要抉择私有云与公有云；最后，很多专属云将持续发力，云计算分工将更加明细。
目前云计算分为IasS、PasS、SasS三层。Openstack是AWS提出的云计算架构，主要在IasS层提供服务；Kubernetes主要在SasS层提供服务，两者相互促进，相辅相成。大多数云计算公司都会采用openstack + kubernetes的方式提供容器引擎。当然，最终面向用户的还是Dokcer，它正在引领着应用架构的变革——微服务化，在当今急速追求快的时代，更快的开发迭代，跟阿红的弹性伸缩，互联网应用不再次啊用传统的三层架构，而是用微服务的方式来实现软件的松耦合，跨部门开发以及快速交付等等目的。Docker定义了基础设施标准化、应用交付标准化、运维管理标准化、开发部署标准化，使得容器技术落地变得十分简单，应用可以稳定便携地运行在容器中，一旦出现灾害，也可以迅速利用其他容器弥补。
纵观全球云计算技术，都已被Openstack、kuberneters、Docker瓜分殆尽，各种技术相互博弈、相辅相成，做大的是蛋糕，服务的是用户。

四、拟解决的关键问题

1.集群根据用户需求自动调配计算、存储资源(包括网络、服务器、存储、应用软件、服务)。
2.系统能够对云服务器资源充分利用，尽可能满足更多用户。
3.能够为用户提供大数据套件服务，并且提供相应的自动化维护。
4.出现灾害性事件，系统能够及时自动做出反应，不影响用户的正常使用。

五、研究技术途径和方法

研究内容：

企业云计算系统，包括不同员工的登陆功能、申请云计算资源的功能、申请大数据Hadoop集群的功能、大数据集群自我容灾的功能。

技术路线：

网站采用Java EE；
云计算方便采用Openstack做虚拟化管理，
在此之上做Kubernetes做container管理，
最后Docker提供服务

六、本课题的进度安排

|

毕业设计（论文）各阶段名称	起 止 日 期
查阅中外文献资料	2 月 10 日 —3 月 5 日
需求分析，系统概要设计	3 月 5 日 —3 月 15 日
各模块代码实现及调试	3 月 15 日 —3 月 30 日
初步综合演示	3 月 30 日 —4 月 15 日
缺点完善后，最终演示	4 月 15 日 —4 月 25 日
撰写毕业设计论文	4 月 25 日 —5 月 10 日
答辩	5 月 15 日 —5 月 20 日

七、参考文献

[1]OpenStack运维指南[M].人民邮电出版社,2015:252.
[2]Kubernetes权威指南[M].电子工业出版社,2016:397.
[3]Docker[M].O’Reilly Media,2015:214.
[4]Hadoop实战[M].人民邮电出版社,2011:253.
[5]Hadoop开源云计算平台[M].北京邮电大学出版社,2011:217.
[6]基于容器技术的高可用OpenStack云平台快速部署应用[J]. 陈亚威,朱龙. 电子测试. 2018(18)
[7]Devendra K. Tayal,Kanak Meena. A new MapReduce solution for associative classification to handle scalability and skewness in vertical data structure[J]. Future Generation Computer Systems,2020,103.
[8]Oliver, Andrew C. 16 for '16: What you must know about Hadoop and Spark right now[J]. InfoWorld.com,2016.
[9]P. China Venkanna Varma,Venkata Kalyan Chakravarthy K.,V. Valli Kumari,S. Viswanadha Raju. Analysis of a Network IO Bottleneck in Big Data Environments Based on Docker Containers[J]. Big Data Research,2016,3.