一种分布式动态负载均衡调度算法

目前计算机应用服务系统经常采用集群系统,负载均衡调度是集群系统的关键。在通用负载均衡调度算法的基础上,提出一种分布式动态负载均衡调度算法.该算法动态收集、统计和分析服务器的信息,以此为根据完成服务器负载均衡的任务,能够实现集群正常调度.在此基础上,采取分布式调度的策略,提高负载均衡调度的效率、性能,以使其对业务系统整体性能的影响最小。     

基于遗传算法的Docker集群调度策略

Docker集群技术因其轻量级、部署简单、高效等特点而成为构建云计算平台的新方案.为了提升传统Docker集群调度策略的负载均衡性能和增加多任务并发调度能力,文中提出了基于遗传算法的Docker集群调度策略.该策略将多个任务合并成一个调度组,并生成相应调度结果作为种群个体;然后结合任务负载模式、节点当前负载状态及硬件性能计算集群负载均衡值并作为个体适应度;最后利用遗传算法筛选出全局近似最优解作为调度结果.实验结果表明,文中策略与目前流行的Docker Swarm的Spread策略、权值调度策略相比,负载均衡性能和多任务调度效率均有了显著的提高.     

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.     

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.     

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。     

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。     

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     

Apusic与JBoss的集群策略分析与研究

在服务器集群中,负载均衡是一个关键部分,它是集群系统中任务分配的核心环节.该文在比较3种负载均衡策略的基础上分析了JBoss应用服务器集群负载均衡策略的特点,对国内第一个自主知识产权Apusic应用服务器负载均衡策略进行了分析,给出了其实现方法.     

基于虚拟机迁移的虚拟机集群资源调度

针对虚拟机集群资源负载不平衡的问题,基于虚拟机迁移技术,提出了一种虚拟机集群资源调度策略,将虚拟机的资源进行了分类并用向量表示,描述了每一类资源的数量和负载的计量方法,用最佳适应算法寻找虚拟机迁移的目标主机,通过使用上限阈值和下限阈值约束资源利用率的方法,使负载平衡目标与节能目标相统一,引入最小迁移周期避免了虚拟机资源利用率不稳定带来的频繁迁移.该调度策略能为虚拟机中的应用提供透明的资源调度,并使虚拟机集群达到负载平衡和节能的双重目标.     

一种基于服务器主动调度策略的集群体系结构

在分析现有集群服务器调度机制的基础上,提出一种基于服务器主动调度策略的集群体系结构.该体系结构摒弃了传统层次上的负载均衡工作方式,消除了高负载下服务器的"活锁"现象,提高了服务器的有效利用率,保证了较短的响应时间,实现了最大的处理能力,以及公平服务、容错、可扩展等功能.     

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。     

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。     

基于OPNET的集群负载均衡仿真

为了分析比较集群负载均衡中随机调度算法、轮转算法、加权轮转算法等3种基本算法,介绍了OPNET的建模方法,给出了基于OPNET进行网络仿真的建模层次和步骤,并运用OPNET建立集群系统模型,对其进行仿真测试.仿真结果表明:3种算法均能实现负载的平衡分配,在同构集群中,轮转算法有较好的负载均衡效果;但在异构的集群系统中,加权轮转算法具有最好负载均衡效果.     

异构Flink集群中负载均衡算法研究与实现

Flink是目前非常流行的流处理引擎.和先前的Hadoop,Spark,Storm等分布式计算框架相比,Flink能实现低延迟、高吞吐,保证Exactly Once.调度模块是保证集群高性能非常重要的一部分,但目前Flink调度默认把集群中所有节点看作是同等性能的,采用轮询调度策略.但在异构集群里这样的调度就会低效,因为计算资源少的节点运行的Task和计算资源多的节点运行的Task一样多,所以局部负载不均衡,影响Job的运行时间和吞吐量,造成延时.提出平滑加权轮询任务调度算法和基于蚁群算法的任务调度算法,解决运行过程中集群负载不均衡问题.平滑加权轮询任务调度算法在任务调度初始阶段根据集群资源按照权重平滑轮询调度.基于蚁群算法的任务调度算法是在运行过程中当集群已使用资源高于阈值时采用类似蚁群算法去执行任务调度,动态计算全局最优任务分配方案,能重新负载均衡.     

一种基于网格的跨集群VOD系统及其仿真实现

提出了一种城域范围内基于网格技术的跨集群异构VOD系统实现框架;描述了系统硬件拓扑、软件层次结构,系统主要组件的交互活动．提出了一种对点播任务的分布式自适应调度算法并给出了基于此调度算法的仿真方案和结果．调度算法基于多目标规划,分为二级实现,包括任务在跨集群间的调度和集群内的调度．仿真结果显示,在系统的负载容量内,负载的大幅增加不会引起服务质量的显著下降。     

虚拟机集群自适应负载均衡策略

针对虚拟机集群资源负载不平衡的问题,为提高资源利用率,提出一种集群自适应调度策略。首先将虚拟机资源按类别进行划分,然后通过量化各类资源对系统性能的影响,采用随机概率选择算法,完成对拟迁移的虚拟主机和目标迁移节点的选择,从而解决系统负载不平衡问题。实验结果表明,该方法能有效改善系统性能和提升资源利用率。     

基于内容交换的分布调度集群系统研究

提出一种新的基于内容交换的分布调度方法,克服了单点失效问题,基本解决了其易成为系统瓶颈的问题.同时,由于采用分布调度方法,能够很好地均衡负载,从而提高了整个集群系统的并行服务能力.     

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.     

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.     

基于簇的可动态调整的分层负载均衡算法

为了提高分布式系统的性能,设计了能根据节点当前任务负载强度和调度能力,动态地改变集群的逻辑控制结构的2层负载均衡算法.算法把系统中的节点分成多个簇,每个簇有1个调度节点和若干个工作节点,簇内工作节点形成算法的第1层,执行用户提交的任务;簇间的调度节点形成算法的第2层,调度节点间通过相互协作,均衡簇间的负载.算法可以通过分裂簇增加调度节点的方式来提高系统的调度能力;通过合并簇增加工作节点的方式来提高系统的执行能力.对于不同类型任务,算法能根据任务到达流的速度调整逻辑控制结构,从而提高CPU利用率.测试结果表明,该算法不仅能提高系统性能,而且经过调整后的系统会进入稳定状态.