云服务集群通常是按最高负载需求进行配置的,这导致在实际使用中集群的平均资源利用率大部分时间处于低值区间,产生严重的资源浪费。为了提升资源利用率并且降低运营成本,服务提供商使用虚拟化技术在同一物理机上混合部署多个服务。随着轻量级容器技术的广泛使用,混合部署场景增多,服务数量增加且类型多变。然而,不同类型的服务其性能指标各不相同,难以用统一的方法保证所有服务正常运行。其次,混合部署的服务由于共用同一物理资源,其相互间资源竞争情况随着服务个数增加变的更为激烈。此外,由于容器技术直接利用宿主机的操作系统以达到低开销的目的,但这会造成容器间的资源隔离性差,尤其是存储资源,从而干扰服务性能。因此,如何保证在复杂多服务混合部署场景中的服务性能隔离性是亟待解决的问题,对云服务集群的优化和虚拟化技术的发展有着重要的意义。为了解决上述问题,本文首先通过分析现有公有云服务负载,抽象出单服务混部的典型场景,并提出层次化的容器I/O隔离性优化方法;针对更为广泛的通用一般化场景,总结多服务混部的特性,提出负载自适应的基于服务优先级隔离性优化方法;最后设计并实现I/O隔离性优化框架FOREST,自动高效优化复杂混部场景下各服务的性能。本文的主要研究内容如下:(1)通过深入剖析公有云服务集群的负载特点及部署规律,提出典型的单服务混部场景,即单个延迟敏感型服务与单个吞吐量优先型服务混合部署;针对该场景服务特性,研究双机制融合优化方法,通过控制I/O并发度约束服务延迟,合理分配磁盘资源确保吞吐量指标;利用反馈调节的优化思路设计基于层次化的容器I/O隔离性优化方法,以提升单服务混部场景下各服务性能。(2)通过分析一般化多服务混部场景下的服务间性能干扰,即多个延迟敏感型服务与多个吞吐量优先型服务混合部署场景,提出服务错峰优化方法;设计服务优先级自动划分算法,研究基于服务优先级的容器I/O隔离性优化方法,在考虑同类服务间相互作用和优化效果反馈时延的前提下,精准实施各类优化手段,增强多服务混部场景的I/O隔离性。(3)基于上述两种I/O隔离性优化方法,设计并实现高泛用性的隔离性优化框架FOREST;根据收集到的服务性能数据特征自动判断当前服务场景类型,灵活切换优化方法并计算相应的优化参数,高效提升整体系统的自适应性和性能隔离性。此外,对单独优化方法的效果进行验证并实验分析潜在优化影响因素,而且大量实验结果表明FOREST可以有效保证复杂服务混部场景中各服务的性能满足其预期指标。本文设计了两种隔离性优化方法并提出了综合性I/O隔离性优化框架FOREST,实验结果充分论证了优化方法的有效性。本文的研究对混部场景下容器I/O隔离性的分析与优化具有重要的意义,为各类服务混合部署的复杂应用场景提供了基础理论保障和技术支撑。