分布式计算机系统负载平衡研究

负载平衡是分布式系统中的一个研究热点。为了实现和充分利用这种能力，需要优良的负载平衡分配方案。对负载问题进行了数学化描述，研究了分布计算机系统中基本负载平衡策略，在此基础上提出了一个基于人工智能的负载平衡方案。利用在线跟踪技术，获得作业的行为特征（资源需求和执行时间等），从而筛选出那些不值得转移的短作业。性能测试的结果表明，文中所提出的方法能够较好地缩短作业的平均响应时间和提高系统的资源利用率，实现了动态负载平衡的目的。     

基于HLA分布式仿真系统中的负载平衡问题

一个大型分布式仿真运行过程中需要使用大量计算资源和网络资源，如何有效利用并调度这些资源成为分布式仿真领域研究中的重点。该文通过对在基于HLA的仿真系统中所遇到的负载问题的分析，提出在基于HLA的仿真系统中加入负载平衡功能，以完善RTI所能提供的基本服务，使得大型仿真系统可以长时间高效和稳定地运行，并在此基础上描述了负载平衡系统的主要架构。     

一种可适应的分布式动态负载平衡策略及其仿真

工作在多用户方式下的大规模并行处理系统，如何保持其资源的有效利用率，缩短任务的响应时间，需要动态负载平衡技术的支持。本文提出并讨论了一种可适应的分布式动态负载平衡策略ＡＲＩＤ，描述了该方法的原理和负载平衡控制协议，分析了该方法的通信开销，以及对系统加速比、任务平均响应时间和系统稳定性的影响，最后，对该方法进行了仿真研究，并与其它动态负载平衡策略作了比较。     

使用资源利用率作为负载平衡系统的负载指标

一个可以正确反映当前系统负载情况的负载指标对一个成功的动态负载平衡系统来说是至关重要的．但是，很少负载平衡系统对其选定给出一个实验说明，而且多数系统使用资源队列长度（即ＣＰＵ队列长度）作为负载指标．本文说明了这种负载指标存在的缺点，并对一种新的负载指标－资源利用率进行了讨论．实验表明，在动态负载平衡系统中，使用资源利用率作为负载指标比使用资源队列长度作为负载指标对资源利用率及作业响应时间的改进更有效．     

基于Hilbert曲线的双层覆盖网模型

资源定位和负栽均衡是P2P网络系统中急需解决的核心问题。本文给出的模型将连续相邻的结点组成一个无结构的结点组，结点组之间利用Chord协议连接成为一个全局结构化的环形拓扑结构，并在该拓扑结构中引入HBLS资源查找算法和动态负载均衡双层环状模型调度策略。整个方案不仅具有很好的负载平衡特性，而且为查找提供了充分的灵活性性。仿真实验表明，该模型在资源定位和负载平衡两个方面都优于原Chord。     

分布式计算机系统负载平衡研究

负载平衡是分布式系统中的一个研究热点。为了实现和充分利用这种能力,需要优良的负载平衡分配方案。对负载问题进行了数学化描述,研究了分布计算机系统中基本负载平衡策略,在此基础上提出了一个基于人工智能的负载平衡方案。利用在线跟踪技术,获得作业的行为特征(资源需求和执行时间等),从而筛选出那些不值得转移的短作业。性能测试的结果表明,文中所提出的方法能够较好地缩短作业的平均响应时间和提高系统的资源利用率,实现了动态负载平衡的目的。     

P2P系统中自助式负载平衡下载的实现

在资源分配和共享领域中P2P技术成为实现资源共享的有效应用方式。基于P2P技术，资源的分配效率得到极大的提高，但是由于网络带宽、资源位置等因素影响，资源下载负荷往往是不均衡的。对此，该文提出了基于网络带宽，在多资源单用户和单资源多用户这两种情况下由资源提供者自我发现、自我请求其他有效资源的方式实现资源负载平衡分布。实验结果表明，该方法是有效的。     

基于网格的分布式仿真系统负载平衡研究

对进程迁移的研究起源于分布式处理的出现，它使得分布式系统内动态负载平衡成为可能，并可显著提高系统的容错性和可用性；网格是新一代信息基础设施，其目的是实现资源共享利用网格提供的信息，将过载节点上的进程迁移到合适的其它节点上运行，就可以实现真正的负载平衡。该文首先简要介绍了进程迁移及网格的资源管理功能，根据现有的基于HLA构建的分布式仿真系统存在的缺陷，利用进程迁移、网格技术的优势研究并提出了分布式仿真系统负载平衡使能模块(LBEM)。现初步实现了网格环境中进程迁移的部分功能，该部分的研究工作是后续研究的基础。     

一种基于透明计算的动态负载平衡算法

服务器集群在透明计算新模式中的引入，需要多种资源(CPU、内存和I/O等)有效共享。针对传统负载平衡算法考虑资源因素单一、难以满足需求的现状，该文提出一种基于透明计算的负载平衡算法(LBTC)，它充分考虑系统多种资源，并采用负载向量表征和协调。通过不同平均内存需求情况下、不同系统中、不同算法执行复杂任务时的平均减速比较，表明LBTC能以适当增加计算复杂度为代价有效实现资源共享，提高系统性能。     

异构集群系统中基于进程迁移机制的负载平衡算法的研究

<正> 本文针对资源异构集群系统中的资源共享和有效利用问题,构建了一个异构集群系统资源共享与负载平衡框架HRSLBF。在该框架中,所有调度都是从全局资源共享、协调使用的角度进行的。因此,它能从根本上实现系统的平衡使用,提高系统的性能。 在HRSLBF框架中,我们提出了一种基于多种资源的负载平衡算法LBMR。该算法的主要思想有三点:第一,基于合理选择和定义的资源负载向量,综合考虑进程迁移以对源节点和目标节点资源利用率的影响,通过向量     

异构集群系统中一种基于资源的负载平衡算法的设计与模拟

本文指出了一种基于资源使用率和向量负载指数的,采用进程迁移机制的负载平衡算法,并通过踪迹驱动的方法进行了大量的模拟和分析。     

分布式数据流处理系统的动态负载平衡技术

设计了一种新的大规模分布式数据流处理系统的体系结构。系统由一组异构的服务器集群组成，负载在每个服务器集群内部多台同构的服务器之间获得平衡，从而达到整个系统的负载平衡。集群设计的主要目标之一是以资源换性能，服务器集群中服务器的最大数目足够保证系统不再发生过载现象，不再需要会降低性能的卸载技术。而且投入运行的服务器的数目根据实际的系统负载来决定，负载较轻时，一部分服务器可以进入休眠状态来减少能源的消耗。根据系统动态增减服务器的特点，设计了全新的初始化算法、动态负载平衡算法。与以前的分布式数据流处理系统相比，由于单个集群的服务器的数目大大减少，算法复杂性降低、速度加快、优化的空间增大。     

面向集群渲染的反馈控制负载均衡算法

针对传统集群渲染系统处理多级任务时无法实现动态负载均衡的问题,引入反馈控制思想,结合负载均衡原理,提出反馈控制负载均衡的新算法。该算法采用全局集中式负载均衡策略调度和分配任务线程,为不同的请求服务等级提供服务响应时间保障,实时动态调整集群系统各节点的负载并使其实现负载均衡。实验结果表明,系统整体性能比传统系统提高约1/3,证明了该算法的可行性和有效性。     

一种中间件数据库集群的负载均衡算法

为满足用户对数据库集群系统高输入高输出应用的需求,设计一种采用中间件技术的数据库集群系统,并针对该系统提出一种基于Markov模型的数据库集群负载均衡算法。该算法在执行节点负载信息采样周期内,利用Markov模型预测集群系统各执行节点的负载信息状态,根据预测的执行节点负载信息对集群系统进行负载均衡。实验结果表明,该算法能够有效提高数据库集群的性能。     

基于粗糙集的负载均衡算法研究

在负载均衡服务器集群中,负载均衡算法是一个关键部分。针对目前服务器集群使用的负载均衡算法所存在的缺陷:服务器可能出现较大倾斜,本文提出了一种基于粗糙集理论的动静结合的负载均衡算法。该算法避免了服务器间负载的不均衡,能有效地防止服务器倾斜的发生,提高了集群系统的整体性能。     

基于数据库集群的动态负载均衡研究与实现

针对数据库集群负载问题,提出了一种动态负载均衡方法,并进一步设计、实现了包括CPU使用率、磁盘存储量、磁盘响应效率、网络延时、内存使用率等在内的多指标的节点负载测量和实时监控。该算法根据各节点的负载反馈信息进行任务分配,实现了负载均衡。性能分析和实验表明,该算法具有较高的负载均衡度和较低的系统开销。     

Storm流处理平台中负载均衡机制的实现

Storm流处理平台解决了传统的基于Hadoop的批处理系统实时性不高的问题,为多源异构大数据处理提供了高效、快速、实时的数据处理框架。然而Storm平台在任务分配过程中只考虑了不同节点之间可用Slot的排序,并没有充分考虑节点的实际负载情况,从而容易产生负载不均衡的问题。针对以上问题,本文在Storm分布式流处理系统上实现对可用Slot和节点负载情况的加权排序改进Storm调度算法,通过数据结构设计,保证rowkey的随机性和唯一性,确保RegionServer的负载平衡;同时通过批量写入的机制,提高Hbase数写入速度,从而提高流数据存储效率。通过与原生Storm系统的对比实验,表明本文算法的改进和机制优化保证了数据的快速写入,提高了集群资源的利用率,改进后的系统在实用性与效率上具有明显的优势。     

基于动态权重的一致性哈希微服务负载均衡优化

随着互联网技术的发展,互联网服务器集群的负载能力正在面临着前所未有的挑战,实现合理的负载均衡策略尤为重要。为了使负载均衡达到最佳的效率,可以使用一致性哈希算法来对集群负载均衡系统进行负载分配。针对微服务架构的服务器集群场景,对该集群负载均衡的特性进行分析,提出一种基于虚拟节点的一致性哈希环的设计与分割方法及基于动态权值的分配策略,在一致性哈希算法的基础上,实现服务集群之间的负载转移,解决微服务集群中服务负载增多,导致服务之间负载不均衡的问题,防止其中某些服务因为负载压力过大,导致服务崩溃的问题。经实验表明,与传统的一致性哈希算法相比,改进后的负载均衡策略负载不均衡的概率是原来的31%;并且动态分配策略具有良好的负载均衡性能,有效地解决了微服务分布式架构的负载均衡问题。     

基于动态反馈的负载均衡算法

负载均衡服务器集群中,负载均衡算法是一个关键的部分,它是集群系统中任务分配的核心环节。任务分配的主要因素包括服务节点的处理能力与服务节点实际负载两个部分。本文所讨论的负载均衡算法综合了这两方面的影响,引入了节点负载增量对服务节点实际负载进行预测,以求更精确地表示服务节点的负载情况;同时通过动态反馈机制实时修正,保证了系统在长时间运行时,负载不会发生倾斜。     

负载均衡的主导资源公平分配算法

随着使用云计算并行且可靠地处理计算问题成为一种趋势,各种云计算平台应运而生,在这些平台中,保证多种资源调度策略的公平性非常重要。主导资源公平分配算法DRF有效地实现了多种资源环境中的公平分配,但在资源分配过程中容易出现集群负载不均的情况。因此,提出在使用DRF算法分配资源过程中,通过集群中各节点的资源利用率情况对节点进行K-means聚类分析,根据聚类结果将资源分配给任务来提高集群负载均衡的能力。基于CloudSim 4.0实现了改进DRF算法的仿真实验,实验结果表明,负载均衡的DRF算法比原始的DRF算法以及基于层次分析法(AHP)改进的DRF算法更能有效地改善集群整体的负载均衡。