随着互联网技术的不断成熟,在线教育也得到了蓬勃的发展。尤其是在IT编程领域,由于其技术类型品类繁多,更新换代快,按需教学的在线教育模式正好迎合了广大IT人士的深层需求。计算机领域属于典型的工科领域,单纯的文字或视频课程教学缺乏实践性,学员在课上学习到的内容不能得到有效吸收;而现有的部分在线编码平台,仅仅能提供一些传统的基础算法知识的在线编程和考核,无法提供工程级技术的支持,编程教育存在着与企业需求脱节的现状;随着虚拟化技术的发展,一些虚拟平台开始面向各类IT技术提供虚拟实践环境,模拟真实的企业应用场景,但这些平台仍然存在的一个问题是,没有一套通用的测评机制,无法对学员的学习效果量化测评并给出相应指导。针对目前在线编程教育的不足,我们提出了面向大规模异构IT技术提供教学与测评的评测云平台。本文立足于评测云平台现有的任务管理及资源分配策略的不足,提出了改进的任务管理及资源分配机制,并将其集成至评测云平台,验证了我们方法的可行性及效果。文章的主要研究贡献为:第一,基于评测任务特点的大规模评测云平台任务管理机制。我们首先针对现有任务管理机制可能存在单点瓶颈及效率低下的问题,提出了改进的通用评测任务管理机制;同时,为了保证评测的实时性和评测集群资源的有效利用,对于简单类型的任务,我们提出了任务容器复用的任务管理机制;此外,对于工程级实训任务的支持,本文研究提出了基于Web Socket协议的容器web终端和虚拟桌面机制。第二,基于运行时数据智能分析的容器资源分配机制。针对原始基于人工经验的资源分配方法存在的资源利用率低的问题,本文基于评测云平台的海量历史运行数据,借助机器学习的方法对其进行分析,建立了实训本身的复杂度与实训评测所需计算资源的关系模型,用于指导实训资源的分配,并通过实验和分析验证了我们方法的优越性。第三,大规模评测云平台实验验证系统。基于我们提出的任务管理及资源分配机制,我们设计改进了评测云平台的关键模块。评测云平台所针对的任务场景可以扩展到典型的云平台任务场景,而相关任务管理机制研究和资源分配的工作在类似云平台建设中具有一定的借鉴意义。