云计算的快速发展及普及,使得分布式计算技术迅速成为互联网公司在海量信息时代主流的数据处理技术,在企业的日常业务系统中已经普遍使用。一般来讲,基础设施服务(IaaS),平台服务(PaaS)和软件服务(SaaS)是构成云计算经典的三层架构,提供了按需服务的可能。各层的作用区分明显,各司其职。而随着虚拟化技术的不断进步,容器技术Docker使得IaaS和PaaS的分层界限不再明显,并对服务形式发展具有巨大的推动作用。其原生集群编排工具Docker Swarm更是在当今互联网应用交付平台和集群资源调度管理的解决方案中首当其冲,因此,选择一种高效可靠的编排调度算法对彰显集群优势十分重要。然而,就当前而言,Docker Swarm自带的调度算法在资源分布不均匀时表现并不理想,Docker Swarm原生三种调度策略,Spread、Binpack和Random不能较好的实现负载均衡性,且资源利用率较低,集群整体性能表现较差。针对Docker自带的容器集群的调度算法不能较好地实现集群的负载均衡以及集群利用率低的问题,本文提出了一种改进的蚁群算法(Ant Colony Optimization,ACO)来优化集群资源分配。针对蚁群算法的已有缺点,首先利用最小任务最先完成的调度策略来初始化信息素,来减少开始搜索时间。其次通过引入平衡因子,协调局部信息素和全局信息素的更新机制,使得蚁群可以根据本轮迭代负载和信息素更新机制来决定下一轮的策略,同时也引入挥发系数的调整机制,以提高算法全局搜索能力,使得每个节点的资源得到最优化利用。通过搭建集群分发创建容器任务,将原生调度策略与改进的蚁群算法进行了多次对比实验。实验结果表明,改进的ACO能够较好地均衡集群各节点的资源利用。同时,当集群负载压力较高时,改进的ACO较原生算法服务运行时间更短。