云计算环境中三层架构的资源负载均衡研究简

为了使云环境中资源能更加高效、合理地运转,该文探求使用新的调度策略来使系统达到负载均衡,提出了一个在三层架构云计算网络环境中的两阶段调度算法.该算法结合了随机负载均衡算法和Min-Min负载均衡调度算法的特性,从而能更高效率地执行任务并使系统达到负载均衡.     

基于微服务框架的信息服务平台

针对微服务架构注册发现、负载均衡、可靠性保障和访问控制等问题,提出了一种分层的微服务框架.该框架自下而上分为数据层、基础层、服务层、业务层和表示层5个层次.在框架的实现过程中,通过采用开源分布式服务框架Spring Cloud,实现了基于Eureka的注册发现,基于服务实时变化的动态负载均衡,基于Hystrix的服务可靠性保障以及基于OAuth2的访问控制.最后基于该框架搭建了"北京大学校园移动信息服务平台".目前,该平台响应迅速,运行稳定,总关注人数已达到33 000余人,日访问量2 000余次.     

数字化校园网络架构优化与实现策略研究

网络架构优化及其各节点的实现策略是数字化校园建设的关键技术,通过对数字化校园网络的链路均衡技术和负载均衡技术的研究,给出了具有高稳定性、高可伸缩性的网络架构,同时给出了架构中外部接入的互联及链路均衡策略、内部应用服务的二级负载均衡策略,Windows Server 2003环境下各策略的测试结果表明,该网络架构在多个策略的支持下有效地实现了稳定的互联及链路均衡、高可伸缩性及高效负载均衡的目标,有效地增强了服务器性能的适应性,降低了数字化校园建设的硬件投入成本。     

基于多因子约束P中值模型的充电桩布局优化研究

合理、高效的供电网络配置是降低充电桩火灾危险性,确保电动汽车安全推广的重要保障.针对充电桩布局中距离远、负载大的问题,首先,通过分析电动汽车用户充电时的效率导向,在考虑传统配置优化模型资源分布不均衡的基础上,利用充电需求、平均续航时间以及服务能力等参数对其配置公平性进行约束,建立了以出行效率和服务能力为求解思想的多因子约束P中值模型.然后,以该模型特征为依据,选取贪心算法对模型进行启发式求解,通过Matlab分段计算距离矩阵,构造各阶段局部最优解,在局部最优解的基础上迭代计算进而得到全局最优解.最后,通过实例进行验证,验证结果表明:模型优化后各布局点的资源均衡性和充电便捷性均得到显著提升,有效改善了充电需求点对供电配置网络的负载压力.     

基于量子和克隆策略的负载均衡算法

针对网格计算中多个独立任务在多个异构的资源上处理时,资源的负载均衡为最小非抢先调度的问题,建立了一类资源负载均衡问题的优化调度模型.该模型将量子算法、克隆算法和遗传算法结合起来,提出一种新的混合量子克隆遗传调度算法.仿真实验表明在网格环境下,该算法全局寻优能力强,能有效地实现资源的负载均衡,并具有合理性和高效性.     

云计算环境下多信道联合均衡调度算法研究

针对传统资源调度方法存在执行时间跨度大、信道接入率低、资源负载不均衡等问题,提出云计算环境下多信道联合均衡调度算法研究.根据云计算环境下多信道通信链路优化时隙和多信道资源,构建多信道链路模型,提出信道端到端可靠性最大化优化模型,将优化问题转换为多信道联合均衡调度问题.利用多信道最优跨度和负载均衡算法对均衡调度问题进行求解.结合多信道数据处理和任务执行的特性,设计最优跨度和负载均衡双适应度函数,在种群进化初始阶段和接近收敛阶段对适应度函数做适当调整,完成多信道联合均衡调度.实验结果表明,所提方法资源调度的执行时间跨度小、信道接入率高、负载均衡程度好,能满足资源传输的实时性要求.     

基于Equalchord语义Web服务发现模型

为了拓展服务发现的范围提高服务发现效率并使得各个服务注册中心上的负载均衡,提出了一种基于Equalchord的语义Web服务发现模型(ECSDM).在此模型中,服务发布时首先按照NACIS进行分类,并以分类码作为标识符按照Chord路由算法分布到网络节点上.针对Equalchord中的节点负载均衡问题提出了过载率的衡量指标.为了实现节点间负载均衡,提出了节点加入算法和节点自动负载均衡算法.节点加入时根据网络中的负载信息来设置自己标识符以分担负载过重节点的负载,节点通过周期性的比较与邻居的负载情况调用自我负载均衡算法按顺时针分担负载,实现节点间的负载均衡.通过仿真系统ChordSim模拟实验,证明了该模型及算法具有良好的效果.     

基于效用函数的C+W网络负载均衡研究

针对C+W网络中的负载均衡问题,提出一种基于效用函数的解决方案.首先获取网络关键指标,依据关键指标建立博弈模型,通过求解模型制定最优网络资源分配策略,最后依据该策略均衡网络负载,实现运营商利益最大化,方案给出了C+W网络负载均衡流程图.仿真结果证明算法是有效的,该方案能够提高网络资源利用率,实现了C+W网络负载均衡.     

采用OpenFlow交换机的服务器负载均衡策略

云数据中心对服务器的海量并发访问十分普遍.传统网络架构难以全局控制流量转发,需要配置昂贵的负载均衡器应对这一应用场景.软件定义网络SDN(software defined network)能够通过控制器全局掌控网络状态,并以交换机作为负载均衡器,从而降低部署成本.文中提出一种采用OpenFlow交换机的服务器负载均衡策略,通过多地址定向流表对服务请求进行分区映射,以活动连接数作为负载评估参数,通过蚁群算法求解最佳负载重定向方案.在负载迁移时,采用单地址定向流表来保证不同阶段流量的有序转发.实验结果显示,该策略能有效控制流表规模,并较传统均衡策略具有更优的性能.     

微学习环境下基于语义的MASHUP架构优化

针对目前MASHUP应用中非语义实现过程的弱描述性、低复用性等问题,探究当前微学习环境下MASHUP架构的语义实现方式并加以优化改进.基于分析以学习者为组织中心的微学习(microlearning)模式的内涵外延,论证了通过MASHUP网络聚合架构高效提取及有效整合网络中松散分布的同主题微内容的可能性.提出一种构建资源群组主题自动匹配的Net-Node网络混搭模型,通过资源子网内资源属性的路由搜索和串联匹配,实现微学习中MASHUP应用的微内容完全语义封装.     

一种改进的集群系统的任务调度算法

任务调度算法是提高集群系统负载均衡能力的有效手段。为了提高系统利用效率,除了每个任务分配优先级外,还提出基于动态分配任务抢占阈值的LSF（Least Slack First最小空闲时间优先算法）改进算法,并将该设计方法应用到渲染集群系统中,从而有效地减少了因任务抢占引起的系统开销和提高了渲染集群系统资源利用率。     

基于频谱系数和比例公平算法的网络调度优化策略

针对传统比例公平的无线网络资源调度优化策略无法有效保证用户的公平性, 存在无线网络通信系统资源利用率低等缺陷, 设计一种基于频谱系数和比例公平算法的无线网络通信系统资源调度优化策略, 以解决当前无线网络通信系统资源优化调度过程中存在的问题. 首先建立无线网络通信系统的信道模型, 通过自适应遗传算法确定合理的频谱系数; 然后根据比例公平算法计算调度优先级, 将无线网络通信系统的资源分配给用户, 并针对传统比例公平算法的不足进行改进; 最后在MATLAB 2016平台上对无线网络通信系统的性能进行分析. 结果表明, 该策略可更好地保证用户使用资源的公平性, 提升了无线网络通信系统的吞吐量, 改善了无线网络通信系统的资源利用率.     

基于路径可用性约束的HOWBAN备份路由策略

备份路由选取,不仅要考虑路径的不相关性,还应考虑业务恢复的资源需求以及备份资源利用率.针对此问题,在光无线混合宽带接入网的融合架构下,确立跨域传输路径可用性与用户对路径可用性需求之间的匹配关系,根据匹配结果分别在光域和无线域划分出2种约束情形,并由此构建用于备份路径选取的条件约束模型,依据此模型选择性预留备份带宽.以提高异构网络资源利用率为目标,将带宽资源划分为工作带宽、备份带宽及空闲带宽,在共享备份原则下,通过渐进优化的方式,按照备份带宽、空闲带宽的先后顺序,完成对工作路径的保护,从而以尽可能少的空闲带宽消耗来保障节点间的连接可用性.数值结果表明,提出的策略有效提高了网络故障恢复率和备份资源效率.     

基于猫群优化算法的云计算虚拟机资源负载均衡调度

为了提高虚拟机资源调度的利用率, 实现虚拟机资源合理调度, 提出一种基于猫群优化算法的虚拟机资源调度优化方法. 首先根据虚拟机资源调度优化目标构建数学模型; 然后综合考虑最短时间与最优负载构建猫群优化算法的适应度函数, 并通过模拟猫的日常行为实现虚拟机资源调度最优方案的寻优; 最后在CloudSim平台上对该算法的有效性进行测试. 测试结果表明, 该算法能获得更优的虚拟机资源调度方案, 保证了虚拟机资源的负载均衡, 可以满足用户需求的偏好性.     

云计算下均衡负载的差异性资源调度算法优化研究

随着云计算的逐渐发展,云计算下容易出现虚拟机负载不均衡和差异性资源调度时间长的问题,当前调度算法大多无法有效解决均衡负载问题,影响调度性能。为此,提出一种新的云计算下均衡负载的差异性资源调度算法,对云计算下资源调度问题进行描述,针对云计算下虚拟机差异性资源负载问题设定参数。设计蚁群优化算法,蚂蚁爬行的每一步代表指派的一个差异性资源任务,引入挥发因子对信息素更新规则进行改进,获取全局信息素。利用蚁群优化算法对云计算下负载的差异性资源进行均衡调度,给出详细实现过程。实验结果表明,所提算法有较好的收敛性,均衡负载效果好,且时间复杂度低。     

云计算资源优化问题求解的萤火虫算法

为了提高云计算资源利用率,结合云计算资源优化问题的特点,设计一种云计算资源优化问题求解的萤火虫算法.首先建立云计算资源负载调度问题的约束条件,以用户任务完成时间最少作为云计算资源负载调度优化的目标函数;然后通过萤火虫算法找到目标函数值最优的资源调度策略;最后在CloudSim平台上实现云计算资源负载调度仿真实验.实验结果表明,萤火虫算法减少了云计算任务完成的时间,均衡了云计算资源的负载,使云计算资源得到合理分配,且比其他算法优势明显.     

基于负载预测的虚拟机资源优化分配方案

云计算环境下,为了提高主机资源利用率和保证性能,考虑了主机负载因素的影响,提出了一种基于负载预测的虚拟机资源优化分配方案。通过预测主机负载情况,过滤掉即将达到警告值的主机,保证主机性能,防止虚拟机因负载过重发生不必要的迁移;对参与分配的物理机进行资源最大化利用分配,提高物理主机的资源利用率。通过仿真实验对该方案进行验证。实验结果表明该方案在保证了主机性能的同时提高了资源利用率。     

无线传感器网络启发式分簇拓扑控制方法研究

传统启发式分簇拓扑控制方法通信开销大、负载均衡性差,忽略剩余节点能量,导致拓扑结构连通性和骨干网健壮性差,无线传感网络生命周期短。为此,提出一种新的无线传感器网络启发式分簇拓扑控制方法。给出无线传感网络模型。利用粒子完成分簇,对簇内负载与簇间负载进行分析,保证负载均衡性。引入一种描述节点间能耗及鲁棒性的行向量,以全面分析骨干节点通信开销与剩余能量对簇头挑选的影响。将最小生成树作为网络的基础结构,引入表示网络连接状态的列向量,以描述网络通信开销情况,获取目标函数。通过粒子群法求最优解,实现簇头选择。通过簇头组成骨干网,实现无线传感器网络拓扑控制。实验结果表明,所提方法能够保证拓扑结构的连通性与骨干网健壮性,延长网络生命周期。