可区分服务的反馈式Web应用负载均衡策略

为研究Internet环境下Web应用面向区分服务的性能优化策略,从多个方面提出了动态反馈式负载均衡的改进方案,包括基于K-means算法的预处理、双周期式负载反馈、基于反馈的负载距离计算和引入随机概率的节点选择等,在资源层面上对用户请求和服务节点进行区分并把握它们之间的关联,实现更有针对性的调度.实验分析结果表明,与传统的策略进行对比,改进策略能够降低请求的平均响应时间和请求失效数,在保障负载均衡的服务质量上取得效果.     

云中心基于Nginx的动态权重负载均衡算法

为了解决云中心的服务器端在高并发情况下各节点的负载失衡问题,在对负载均衡技术Nginx自带的负载均衡策略和主流的负载均衡策略进行研究、分析的基础上,提出了一种动态调节权重的负载均衡策略.该策略基于加权轮询策略进行改进,同时考虑服务器的本身硬件性能与工作时的负载情况,设计了静态权值和动态权值的计算方法,将两者结合得到节点最终权值.静态权值主要考虑了各服务器的硬件性能情况,动态权值的计算则是收集各后端服务器节点工作时的CPU利用率、内存利用率、网络性能情况及磁盘I/O等性能情况,由此,动态地调节各后端服务器节点权重.测试结果表明,相较于原加权轮询算法,该算法在高并发情况下的响应时间和实际并发数等方面表现更好.     

基于服务器负载状况分类的负载均衡调度算法

针对云端集群负载均衡问题和现有负载均衡算法的优缺点,提出了一种基于服务器负载状况分类的负载均衡算法.通过每阶段采集负载信息,实时掌握节点状态,停止重负载节点接收任务,降低中负载节点集合接收的负载,相应地增加轻负载节点集合的负载,以达到负载均衡效果.同时采用集合的形式很好的避免了大量负载涌入某一指标最优的节点,能够更好地实现均衡,提高系统的吞吐率.结果表明:该算法可以有效地避免云端集群负载发生倾斜,使系统在长时间的运行过程中达到动态的负载均衡.     

基于云存储的内容分发技术研究

针对云存储的收费机制和内容,在分析已有的用户贪婪、服务器贪婪等启发式解决算法的基础上,提出改进的启发式云存储静态内容分发遗传算法;综合考虑资源的访问热度、资源的缺乏程度,提出基于热点预测和经济模型的动态内容分发技术;进而全面考虑当前网络带宽、边缘云存储节点性能及历史访问价值,提出概率匹配自收敛的云存储中内容分发负载均衡技术,并将提出的算法分别在模拟器CloudSim上进行测试,同时和现有的内容分发算法、负载均衡算法进行对比.实验结果证明,本文提出的算法能够应用到云存储内容分发技术当中,并且能够在提高内容分发效率的同时有效降低分发成本.     

基于PI反馈的分布式控制系统动态负载均衡算法

针对分布式控制系统由于负载不均衡、网络通信量大等引起的时延问题,文中设计了基于请求划分的任务分配模型,提出了基于实时动态比例积分(PI)反馈控制的负载均衡算法.该算法利用增量PI控制的思想,根据服务器节点性能的实时反馈值动态调节服务器节点的分配权值,通过虚拟节点转移算法局部调整虚拟节点的分配,以维护哈希空间的稳定.仿真实验结果表明,该算法实现了分布式控制系统的动态负载均衡,减小了服务器资源消耗及用于存取远程数据的通信开销,提高了控制系统的实时性,具有良好的扩展性和容错性.     

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.     

一种基于拓扑的传感器网络数据收集算法

以降低无线传感器网络通信能耗, 均衡网络能量负载为目标, 通过动态构造以节点间通信能耗为权重的最小生成树及调整节点通信概率的方法, 提出一种基于拓扑的传感器网络数据收集算法DGAT, 改造了网络服务过程中节点的通信模式及能量消耗方式. 模拟实验结果表明, DGAT算法不仅大幅度提高了网络的生存时间, 且使网络的能耗更均衡.     

基于动态带宽分配的Hadoop数据负载均衡方法

数据负载均衡对Hadoop分布式文件系统(HDFS)性能有着重要的影响,针对HDFS中默认的数据负载均衡方法存在的效率低和缺乏灵活性的不足,文中提出了一种新的动态负载均衡方法,即通过控制变量来动态分配网络带宽以达到数据负载均衡.在此基础上建立了基于控制变量的数据负载均衡数学模型.实验结果表明,文中提出的方法既能保证HDFS的数据访问性能,又能提高集群加入新节点时的数据负载均衡效率.     

一种基于改进的动态规划思路的众核软件映射算法

众核软件映射到处理器核心上,形成流水线执行,有利于挖掘软件任务模块的并行性,提高系统吞吐率.提出了一种基于改进的动态规划思路的软件映射算法,算法通过将图划分问题近似分解为多个子问题,通过寻求每个子问题的最优解进而获得全局最优解.动态规划思路的改进主要体现在实时更新可选任务节点和动态调整子图期望负载两方面,这有利于划分后的各子图负载更均衡.实验结果表明,算法在提高系统吞吐率方面均优于现有相关算法.     

一种基于改进动态规划思路的众核软件映射算法

众核软件映射到处理器核心上,形成流水线执行,有利于挖掘软件任务模块的并行性,提高系统吞吐率.提出了一种基于改进的动态规划思路的软件映射算法,算法通过将图划分问题近似分解为多个子问题,通过寻求每个子问题的最优解进而获得全局最优解.动态规划思路的改进主要体现在实时更新可选任务节点和动态调整子图期望负载两方面,这有利于划分后的各子图负载更均衡.实验结果表明,算法在提高系统吞吐率方面均优于现有相关算法.     

对象存储系统中基于负载均衡的设备选择算法

为解决大规模海量存储系统中用户数据访问过程中出现的系统负载不均衡现象,深入分析了对象存储节点的负载特征,提出一种对象存储设备的选择算法,检测和计算各个对象存储设备的实时负载信息,并依此从中选择当前负载较低的设备进行数据访问.测试和仿真结果均表明:对于I/O请求中写请求占主导的负载,该算法实现了负载的均衡分布,消除了单点过载,缩短了系统响应时间.该算法不仅适用于写请求到达时的设备选择,也适用于重要数据的备份选择以及链式MDS中后继节点的选择,具有较广的应用范围.     

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.     

网格中多副本数据的后向预测调度算法

针对网格环境下追求最快响应时间的多副本数据检索应用,提出了一种调度算法,该算法考虑了数据副本分布状况对负载均衡的影响.在被检索数据的多个子集分布在网格中多个节点,并且以数据子集为单位存在不定数目的副本情况下,给出了一种估算存放副本的网格节点动态负载和延时的方法.基于估算出的这些参数,算法根据对响应时间的计算和对后向任务的预测将任务分配到网格节点.后向预测考虑了网格节点被选中访问其上各个副本的可能性.最后通过仿真程序分析了该算法的性能.     

机会传感器网络中节点协商的数据分发机制

针对机会传感器网络数据分发中如何降低网络通信开销、减少延迟并提高分发可靠性的问题,提出了基于节点动态协商策略的性能均衡的数据分发机制(EEDP).其核心思想是每个节点都建立有一个称为分发能力因子的评价指标,由节点的能量水平和节点与分发目标节点的相遇概率确定.在数据分发过程中,利用贪婪策略,不断寻找分发能力因子最高的部分节点承担分发任务,以加快分发速度并保持节点负载均衡.仿真结果表明,相比于谣言传播分发协议和定向分发协议,所提机制在通信开销、分发延迟及可靠性之间达到较好的平衡.     

基于用户行为统计的流媒体集群负载均衡算法

为了通过内容分配达到负载均衡的目的,对流媒体用户的行为特征进行了分析,并根据用户在点播中对不同片源和片源内部各区段的行为规律,提出访问强度的概念,用来表示与分片相关I/O操作的处理频度,基于此定义给出了一种基于内容分片的负载均衡算法.该算法根据访问强度将节目切片,再将其分配给后台各异质节点.通过仿真实验比较算法在不同访问强度定义下的系统响应时间,验证了算法的有效性,达到了负载均衡的效果,系统性能明显提升.     

一种面向HPC Cloud系统的在线作业调度算法

针对HPC Cloud中的作业之间对网络I/O资源的竞争问题,提出了一种基于动态规划算法、二分搜索算法和网络最大流算法的在线作业调度算法——DBMF算法.DBMF算法专注于物理节点上网络I/O的负载均衡,通过物理节点之间的网络I/O负载均衡来减少对网络I/O资源的竞争.通过与FCFS和RSF算法进行对比,DBMF调度算法有效提高了HPC Cloud的系统负载,减少了作业之间对网络I/O资源的竞争.     

一种鲁棒的中等规模分簇结构水下传感器网络

针对现有水下传感器网络分簇算法负载不均衡和生命周期较短的问题,基于粒子群优化算法和遗传算法的基本思想,提出一种全局优化的智能分簇算法.为了使粒子初始化编码较为合理公平,根据节点近期当选过簇首的次数动态调整节点选举概率;通过对粒子整个编码区域进行循环搜索来捕获一个优良的随机交叉片段,保证了交叉后的粒子含有一定数量的历史较优簇首信息;通过节点编码位的变异提高算法的探索性,并确保解空间的存在性;在粒子评价函数中综合考虑簇首能量、负载均衡和分簇范围3个优化子目标.仿真结果表明,提出的算法更好地均衡了簇首负载,同时有效减少了网络能耗,延长了网络生命周期.     

一种实现动态负载均衡的多机情报并行处理方法

为提高C4ISR系统处理战场情报的能力,结合海上信息系统研究,提出了一种满足舰载信息基础设施要求的动态可配置高可用多机情报处理体系结构和并行处理方法.该并行处理方法以一种基于负载均衡原则的情报分片策略为基础,设计了一种动态负载均衡的情报处理算法.算法解决了多机系统在需处理的情报分片内目标数量动态变化时出现的计算节点负载不均衡的问题.实验结果表明,该情报处理方法在降低情报处理时延以及提高并行处理加速比上均有显著改善.     

基于节点实时负载的开源大数据负载均衡优化算法

为保证网络访问稳定,减少资源浪费,提出了基于节点实时负载的开源大数据负载均衡优化算法。建立开源大数据节点计算能力模型,按照节点负载大小及时反馈和调整,根据该区域服务器收到的请求数量预测下一步行动,利用指数平滑方法算出每秒服务器请求数量的预测值,完善一阶指数平滑法滞后偏差问题,计算服务器综合负载。在节点上添加一个负载代理和监控器,用于平衡组块的数目和分片节点负载,并将不能删除的分片和组块放入最小单元候选名单,实现负载均衡优化。通过实验证明,所提算法能提高网络资源利用率和负载均衡性,在访问中保证网络更加稳定安全。     

一种支持负载均衡的存储调度算法

针对应用层存储聚合中的调度问题,提出了一种支持负载均衡的存储调度(LBS)算法.LBS是一种基于策略的调度算法,它将应用对存储资源的需求转换为一系列约束,再通过分析约束之间的关系选择合适的存储节点或者已有的调度方案,从而提高了调度方案的复用率,维护了策略复用与节点负载之间的平衡关系,寻找到最佳的负载均衡策略.模拟测试表明,LBS算法在负载均衡方面和策略耦合方面明显优于Least和Random算法,负载均衡指标最高可提升10倍左右.