动态反馈的异构集群负载均衡算法的实现

虚拟服务技术(LVS)的集群负载调度系统中的加权调度算法权值是静态的,没有动态调整机制,不能依据真实服务器处理能力进行动态的任务分配;给出了一种通过量化调度器和真实服务器的实时反馈负载信息指标,采用服务器负载率和分配权值为计算指标,引入临界回归因子,利用动态反馈临界加速回归的算法思想,实现基于动态反馈机制的动态反馈临界加速回归分配算法。该算法能根据负载均衡调度器和业务处理服务器的实时反馈信息,及时进行负载调度,实现负载动态平衡,进一步提高服务器的利用效率和集群系统的吞吐率,并在LVS的负载平衡调度集群系统中进行了应用性的实验验证。测试结果表明,该算法可实时反馈负载信息,动态进行负载调度,整体上较好的实现了负载动态平衡,提高了服务器的利用效率和集群系统的吞吐率。     

基于状态改变的集群动态负载均衡调度策略

集群系统中由于各节点机配置、客户请求执行时间、网络性能的不同 ,系统长期的运行会造成负载的积累效应 ;瞬时网络状态、用户请求信息的不确定性 ,很难只是通过静态负载均衡方案达到系统的负载均衡 .动态的即系统自适应的负载均衡成为必然补充 .提出一种基于状态改变要求驱动的混合式动态负载均衡调度策略 ,通过发送者表与接收者表对任务进行分布式动态迁移 ,并给出其实现步骤的算法描述     

一种改进的基于LVS的负载均衡策略

负载均衡策略对提高集群系统服务效率至关重要.本文介绍了一种改进的LvS集群系统的加权最小连接调度策略,将原算法中的静态权值优化为动态权值,并通过实验证明,新调度策略能有效减少服务器的负载倾斜.     

负载均衡在内网安全审计系统中的应用

内网安全是目前网络安全领域的研究热点。本文在研究和分析了现有内网安全审计系统的基础上,探讨了负载均衡算法,提出了一个基于负载均衡的内网安全审计系统的架构模型。该模型把集群服务器的动态负载均衡用在安全审计中,有效解决了有控制中心的分布式审计系统的瓶颈问题。     

基于负载均衡的任务调度算法

基于传统任务调度算法, 通过在调度过程中增设服务器最佳期望序列及负载均衡指数, 采用任务连接数约束服务器选择, 解决了传统任务调度算法对于集群负载均衡性能的忽略问题. 实验结果表明, 该改进算法能达到较高负载均衡度, 同时缩短任务完成时间, 并提高了集群对于批量级任务的处理能力, 从而达到了优化的目的.     

自调度集群的研究与实现

传统的Web集群服务器均以集中控制的负载均衡为特征,带来的主要问题是负载评估比较粗略,高负载情况下后端服务器容易出现“活锁“现象,前端负载均衡器也容易成为整个系统的瓶颈。针对传统集群负载均衡技术的缺点,提出一种自调度负载均衡技术,把负载均衡的工作转移到后端的服务器,能够提高整个集群系统的性能。Intel评测实验室的测试表明,自调度集群在系统高负载情况下仍表现出很好的并发能力。     

服务器负载均衡调度研究

负载均衡是实现多台服务器协同工作和并行处理的手段,可以极大地提高服务器的性能,充分利用网络资源。在常用负载均衡调度算法的基础上,提出了根据服务器综合负载状态进行调度的设计思想,并对调度算法进行了性能分析。     

自调度集群的研究与实现

传统的Web集群服务器均以集中控制的负载均衡为特征，带来的主要问题是负载评估比较粗略，高负载情况下后端服务器容易出现“活锁“现象，前端负载均衡器也容易成为整个系统的瓶颈。针对传统集群负载均衡技术的缺点，提出一种自调度负载均衡技术，把负载均衡的工作转移到后端的服务器，能够提高整个集群系统的性能。intel评测实验室的测试表明，自调度集群在系统高负载情况下仍表现出很好的并发能力。     

一种基于动态可分配比的服务器负载均衡算法

负载均衡是服务器集群技术研究的重点,为了解决分配不均的问题,综合考虑集群中各节点性能、负载情况、传输代价、网络随机任务等各方因素而提出了一种基于动态可分配比的负载均衡算法.基于动态可分配比的算法由一张动态的描述各节点负载情况的全局表动态生成一张候选节点表,并在该表中找出负载最轻的节点完成任务.通过仿真实验发现该算法思路简洁,实现简单,并在解决服务器负载均衡方面有明显效果.     

MMOG的网络负载均衡算法

随着网络游戏的迅猛发展,大型多人在线网络游戏(Massively Multiplayer Online Games, MMOG)对服务器的要求越来越高.通过对服务器集群和网络负载均衡算法的深入剖析,结合动态网络负载均衡算法--加权循环算法,给出了实现对大型多人在线网游环境下服务器集群的动态负载均衡算法.     

集中式动态负载均衡算法的研究

目前的负载均衡算法中难以探测节点终端的实际负载,导致难以有效地满足负载均衡集群系统实时需求.通过分析集群系统中的资源管理优化技术和负载均衡调度算法,对集群系统的模型结构进行了分析,提出了一种改进的集群系统的负载均衡算法,该算法较好地解决了集群的资源调度问题.     

基于SDN技术的服务器负载均衡设计

传统服务器负载均衡的实现方式存在可靠性低、维护性差、增加额外开销等问题.软件定义网络(SDN)在流调度上具有灵活、可靠性高、可维护的特点.在研究现有负载均衡方法的基础上,结合SDN技术,提出基于SDN的云中心动态负载均衡方法,实现了基于流级的动态负载均衡.Floodlight与OVS仿真实验证明,利用SDN技术实现服务器集群负载均衡的方案是可行的.     

基于最小负载的Linux Web机群负载均衡算法

为了充分发挥Web机群后端服务器的实际处理能力,实现了一种基于最小负载的Web机群负载均衡算法.该算法依据后端服务器的实际状态:CPU使用率、内存使用率、网络利用率和磁盘性能,通过定时获取后端服务器的状态信息,导出服务器综合负载并放大取整,作为服务器权值.基于最小负载的均衡算法能够动态反馈,具有自适应特性.与加权轮转调度算法相比,基于最小负载的调度算法具有更高的请求成功数和较低的请求失败数.     

一种新的处理能力优先的权值分配调度算法

针对加权最小连接数算法中服务节点权值不准确而直接影响负载均衡效率和整个集群系统性能的问题, 提出一种新的改进算法--处理能力优先的权值分配调度算法. 给出了改进算法的工作流程和要点, 分析并设计了算法的主要技术、 主要模块及原理. 实验结果表明: 该算法解决了LVS(Linux virtual server)负载调度的负载不平衡问题, 提高了LVS集群的性能和稳定性; 改进算法比加权最小连接数算法具有更优化的动态平衡性.     

仿真网格中一种基于匹配度的改进Min-Min调度算法

分布式仿真网格是完善分布式仿真系统有效途径之一,而资源任务调度问题是提高分布式仿真网格系统效率的基础。通过对经典Min-Min和Max-Min调度算法研究学习,发现现有算法存在负载不均衡问题。针对现存问题,在考虑到任务本身优先级要求、任务大小和机器运行速度运行效率等因素的情况下,提出机器任务匹配度函数Matching-rate[i][j],将任务的预期完成时间与任务优先级进行匹配;并定义了系统负载均衡参数LBP,然后根据机器任务匹配度函数和系统负载均衡参数实现动态地调度Min-Min算法和Max-Min算法。最后通过实验,验证了此算法在总执行时间、总执行费用和机器利用率指标中有了一定改进,提高了调度性能,且达到了实现负载均衡的目的。     

一种基于多衡量指标的HDFS负载均衡算法

针对在Hadoop分布式文件系统中,系统默认的数据负载均衡算法在做负载均衡决策时只根据磁盘空间使用率这单一的衡量指标无法准确反映集群中各服务器实际的工作负载状况这一缺陷,通过研究和分析Hadoop分布式文件系统本身的负载均衡机制和在其基础上改进的负载均衡算法,本文提出了一种基于多衡量指标的负载均衡方法,定义了一个衡量指标函数,然后根据该函数计算集群中各数据服务器的负载量来对集群进行负载决策.最后通过实验结果表明,该方法有效地提高了Hadoop分布式文件系统中的负载均衡效果.     

LVS集群负载调度算法研究

负载调度算法是LVS集群系统的核心技术,按照实现原理将负载调度算法分为三类,比较研究IPVS的十种负载调度算法的原理与实现,通过搭建一个Web集群系统,分别测试WRR、WLC、SED、NQ等调度算法的性能,结果表明采用这些算法的集群系统性能均高于无集群系统性能.     

利用IP转发技术在集群服务器中实现负载均衡

研究集群服务器系统中实现网络服务网载均衡的软件方法,讨论由专用路由实现负载均衡的特点及设计软件实现方法,使用分配器将客户机的请求分配到多个服务器中去,达到网络服务的负载均衡,并研究了服务器分配算法,系统性能开销和高可用性实现问题,利用IP转发技术,在不需要加特殊网络设备的条件下,用软件方法在集群服务器系统中实现网络服务的负载均衡。     

基于云计算的多目标服务调度算法的改进研究

在研究现有云计算服务调度算法的基础上,设计了基于QoS的分布式多目标服务调度算法。该算法兼顾用户需求和系统整体性能,依据完成时间、费用、开销和负载均衡多个参数进行服务调度,从而获得较好的调度质量。仿真实验表明该调度算法能够满足云用户的QoS要求,调节云内各种设备的负载均衡,提高云计算平台运行效率。     

面向GPU异构集群的自学习负载均衡调度算法

由于GPU的高性能计算能力,越来越多地被用于集群系统中,但同时也给集群带来节点级的异构问题,使原来适用于同构集群的调度算法在异构集群中性能大大降低。为使异构节点间的负载均衡,降低总的作业执行时间,提出了一个面向GPU异构集群的自学习负载均衡调度算法。首先对Torque调度器进行扩展,使其支持GPU作业调度,然后将提出的自学习调度算法在Rocks操作系统及Torque调度器软件中实现。真实物理集群上的实验结果表明,扩展后的Torque调度器很好地支持GPU任务的调度,自学习调度算法较原来的Torque调度算法能达到更好的负载均衡。