基于微服务架构的多资源负载均衡优化方法

为有效提高网络多资源利用率和执行效率,确保网络多资源负载均衡效果,通过微服务架构研究了多资源负载均衡优化方法。通过数据层、基础层、服务层、业务层以及表示层,建立微服务总体框架结构,动态调度网络多资源服务,降低负载情况,采用微服务架构,构造可扩展的网络拓扑结构。依据负载均衡优化目标建立优化模型,利用多蚁群算法对优化模型进行求解,通过局部和全局更新网络流量之间信息素,实现网络多资源负载均衡优化。结果表明：所提方法的资源负载均衡执行时间仅为10 s,网络资源利用率和负载均衡度分别为89.2%和89.4%。可见所提方法能够对网络多资源负载进行均衡优化,有效提高网络多资源利用率和执行效率,确保资源负载均衡效果。     

基于协作区域的内容中心网络缓存策略

针对现有网络缓存策略所存在的缓存负载分布不均衡、缓存冗余大、网络资源利用率低等问题,提出了一种基于协作区域的内容中心网络缓存策略.该策略利用协作区域中的节点来辅助中心节点进行分组缓存,以实现负载均衡.仿真结果表明,与LCE策略和Betw策略相比,该策略能够有效地提高缓存命中率和资源利用率,并改善负载均衡性.     

一种C-RAN架构下载波迁移的调度策略

在云无线电接入网络(cloud-radio access network,RAN)架构的基础上,为提高载波迁移后虚拟多模基站的资源利用率和负载均衡度,把CPU资源适度分离成基带CPU资源和协议CPU资源,并提出一种基于负载特征的载波迁移调度策略.针对物理层主机的触发类型和虚拟多模基站的负载特征,采用双阈值上下触发方式触发迁移,根据9种负载状态并采用最小资源代价策略,完成对需要迁移的虚拟多模基站以及目标主机的选择.实验结果表明,基带资源利用率方差均值降低0.04左右,协议资源利用率方差均值降低0.03左右,实现了虚拟基站迁移的自主管理,并且达到了节约资源的目的.迁移前后,虚拟基站的状态没发生太大的改变,具有良好的一致性.     

基于智能算法的一种新的负载均衡策略

现代服务器集群存在着资源利用率低,单点故障频发等问题,为了使资源分配和利用更加合理,本文对一种基于智能算法的负载均衡方案进行了探讨.此方案把模拟退火算法嵌入遗传算法中,按照从全体到局部的顺序依次搜索寻优,得到一种比较好的负载均衡方案,数据和实验结果表明,此方案能使负载均衡资源分配达到比较好的效果,并使资源利用率得到进一步提高.     

一种云环境下的虚拟机负载均衡算法

针对多数负载均衡算法都以虚拟机的CPU、内存等资源的利用率作为优化目标,而未考虑虚拟机上总任务工作时长不均衡导致任务总等待时长增加的问题,提出一种结合随机森林分类器的粒子群优化算法用于解决虚拟机的负载均衡问题.该算法不仅均衡了虚拟机的CPU利用率和内存利用率,也将虚拟机上总任务工作时长作为优化目标,以达到均衡虚拟机资源利用率,同时减少任务总等待时间的目的.仿真实验结果表明,该算法能有效解决虚拟机的负载均衡问题.     

云系统负载均衡问题的优化求解

为了得到理想的云计算负载均衡结果,提出一种改进布谷鸟搜索算法的云计算负载均衡优化策略.分析了云计算负载均衡问题,建立了相应的数学模型,用鸟巢模拟云计算负载均衡问题的潜在解,并通过布谷鸟之间的交流和信息共享找到全局最佳鸟窝位置,即云计算负载均衡的最优方案,然后与粒子群算法进行了对比测试实验.实验结果表明,改进布谷鸟搜索算法可以得到理想的云计算负载均衡结果,提高了云计算资源的利用率,得到了比粒子群算法更优的解.     

负载均衡的分布式系统任务调度优化算法

针对当前分布式系统任务调度算法存在节点负载不平衡,资源利用率低等缺陷,提出一种基于负载均衡的分布式系统任务调度优化算法.首先分析了当前分布式系统任务调度优化算法的研究现状;然后对节点的实时性能指标进行估计,并根据估计结果分配不同的任务;最后通过仿真实验与其他算法进行对比.实验结果表明,相比于经典分布式系统任务调度算法,该算法缩短了任务完成时间,使得系统各节点的负载更均衡,提高了节点资源的利用率.     

基于改进细菌觅食算法的容器云多维资源均衡调度

针对容器云平台默认的资源调度方式效率低等多种问题,引入改进细菌觅食算法,设计了一种新的容器云多维资源均衡调度方法.通过增加优选调度流程的方式对容器云平台调度方式进行优化,以此构建容器云多维资源调度模型,采用改进的细菌觅食算法优化求解资源调度模型,得到最优解,使得资源利用更充分、资源调度更均衡.实验结果表明,该方法的收敛速度更快,任务完成时间更短,负载均衡度更高,可以提高容器云多维资源调度过程中的集群资源利用率,保证调度负载均衡性.     

监控与预测的云资源优化配置

针对云环境下虚拟机资源在多数时间中处于闲置状态导致云资源利用率低的问题,设计一种云资源监控系统,并在云监控基础上提出一种基于自回归积分滑动平均(ARIMA)模型的动态负载预测与资源配置的方法.该方法利用虚拟机负载与配置的关系,通过预测负载情况,提前启动或者挂起虚拟机,提高云资源的利用率.研究结合OpenStack云环境提供的虚拟机,实现其下的云资源监控,预测和弹性分配功能.结果表明:该系统能准确预测虚拟机的需求量,所制定的资源弹性分配策略能够提高云资源的利用率,进一步节约成本.     

P2P网络负载调度的超图划分算法

目的解决P2P用户数量持续增多时,网络节点异质性造成的负载不均衡问题,提高节点和带宽利用率.方法基于超图的动态划分思想和排队论的理论证明,将网络划分为若干个小区域的集合,利用定义的超级节点对本区域内的节点进行管理.每个区域随机选取另一个区域共同进行超图的2路划分过程,使划分后的区域总负载保持一致.通过每个小区域的节点负载平衡来获得整个网络负载的相对平衡.结果实验结果表明,采用负载均衡算法的网络节点利用率有了明显改善,而且能在更短的时间内调整至均匀分布状态.在连接数较高的情况下,网络仍然能够保持较好的稳定性.结论基于超图划分的负载调度方案可以使系统的局部范围处于平衡状态,进而实现P2P网络整体的负载均衡.     

基于激励惩罚机制的虚拟资源竞拍与分配模型

针对传统虚拟机资源往往按照物理资源数量进行均值分配,没有考虑各虚拟机自身的负载情况,从而造成资源浪费这一问题,提出了基于惩罚机制的虚拟资源竞拍模型(VRAA).利用合作博弈的纳什均衡进行求解,并通过实验以CPU资源作为研究对象,对模型的稳定性和公平性进行了验证,通过对比发现采用竞拍博弈控制后的资源利用率和公平性指标明显提高,资源分配更接近系统的实际负载情况,减少了资源浪费.     

基于软件定义网络的 WLAN 架构及负载均衡切换

软件定义网络将控制平面与数据转发平面进行分离,并提供开放的编程接口,实现网络的可编程化控制,极大地提高了网络管理的灵活性。在传统无线局域网中,终端通常依据信号强度选择接入点,这一机制往往会造成网络资源利用率低及接入点负载不均衡的问题。提出基于软件定义网络技术的无线局域网架构及一种负载均衡切换策略,利用控制器的全局视角与集中管控能力实现对接入点的实时监测,分析其状态信息并计算权值,由控制器根据负载情况向接入点下发流表,完成对网络的管理。硬件和计算机仿真平台实验表明,与传统的无线局域网架构相比,该方案有效提高了网络的资源利用率,平衡了接入点的负载,降低了数据在终端切换过程中的传输时延,提高了网络的性能。     

一种面向流媒体云服务平台的自适应负载均衡方法

设计了一种基于云计算技术的流媒体服务平台体系结构,针对此服务平台提出了一种面向云计算资源的自适应负载均衡方法,以提高平台的资源利用率以及减少服务拒绝率.测试结果表明:此方法适用于流媒体云服务平台的负载均衡调度.     

多链路管理中的负载均衡策略

企事业单位为了提高与因特网互联的速度和可靠性,通常设置多条链路与因特网互联.但是出现了某些链路负载过重,而另外一些负载过轻的问题,通过在多条链路的出口处增设一个链路均衡器可以实现各条链路中的负载均衡功能.本文提出链路负载均衡技术,分析了链路负载均衡的特点,利用SNAT技术实现双向数据流的引导,提出计算链路负载的公式和正常状态随机法、最短路由最小负载法两个均衡算法.     

云数据中心基于负载预测的物理主机状态检测策略

针对云数据中心现有物理主机状态检测算法对提高云数据中心物理资源的利用率效果不明显问题,提出了基于负载预测的物理主机状态检测策略(load prediction based physical host status detection,LP-PHSD),LP-PHSD利用时间序列和二次指数平滑法预测出物理主机在未来一段时间内的资源利用率情况,同时结合绝对中位差方法,确定资源利用率动态阈值边界,选择适当的时刻进行迁移,提高物理资源的利用效率,降低能量消耗.LP-PHSD包括源物理主机状态检测和目标物理主机状态检测2个部分,可以很好地判断出虚拟机迁移的时刻.实验表明,经LP-PHSD策略优化后的新虚拟机迁移方法与近几年的BenchMark迁移模型比较起来,云数据中心的总体能量消耗降低,虚拟机迁移次数减少,云服务质量明显提高.     

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.     

云计算下安全可控的移动弹性资源动态调度算法

当前云计算下移动弹性资源动态调度算法CPU利用率较低,且运行不稳定。为此,提出一种新的云计算下安全可控的移动弹性资源动态调度算法,把云计算下移动弹性资源的CPU平均利用率、内存负载、带宽负载以及可靠性看作移动弹性资源调度目标的约束,给出移动弹性资源的状态模型。依据遗传算法的优点,设计了一种基于蚁群算法的、安全可控的移动弹性资源动态调度算法。依据云计算下移动弹性资源动态调度特点和约束条件,利用适应度指标,对种群中个体的优良度进行描述,给出适应度函数。通过一维字符串完成对解的编码,利用轮盘赌法设置合理的阈值,获取所有染色体中选择性能较好的染色体。通过选择的实数编码完成对字符串的逆向解码,得到云计算下移动弹性资源调度的最优方案。实验结果表明,所提算法稳定性、效率和资源利用率高,迁移率低,负载均衡性好。     

P2P网络中负载均衡策略的研究

负载均衡是使P2P网络能更高效地工作的一个关键问题.从最大化处理器利用率和提高系统吞吐量等方面,综述现有P2P系统负载均衡策略及其研究成果.结合当前新兴的计算机和网络技术,分析负载均衡策略下一步研究的问题和方向.     

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.     

网格计算中一种动态负载均衡算法

负载均衡研究的目的就是尽可能避免这种空闲与超载并存的情况,从而有效地提高系统的资源利用率,减少任务的平均响应时间。现有的一些动态负载均衡算法在减少平均响应时间方面有待提高。本文提出了一种网格计算动态负载均衡方法,将整个网格系统分为多个相互联系的区域,并将作业实时地转移到计算资源相对丰富的区域,在不增加消息量的前提下,减少了任务的平均响应时间。