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。     

基于内容分类的集群负载均衡算法

集群技术为Web服务带来了新的解决方案,其核心思想是负载均衡策略.在分析已有方法的基础上,提出了一种基于内容分类的集群负载均衡算法.该算法通过对用户请求分类后均匀地分配给各节点服务器,以使每个节点服务器得到的各类请求量大致相同.同时算法引入了一个反馈环节,通过负载权值的等效变换和进入临界状态后的动态权值调整来防止节点负...     

一种用于实时集群的多任务负载均衡算法

多任务负载均衡是集群并行处理中的一个重要问题。该文在分析轮转式调度算法和任务最少优先法的优缺点基础上，引入负载当量来更准确地描述集群节点的负载状况，提出了一种有效的负载均衡算法——负载当量轮转法。并采用以动态任务分配表为核心的多任务负载分配方式。最后。通过测试验证了该算法明显优于前两种算法。     

一种集群系统的透明动态反馈负载均衡算法

随着服务器集群系统大量应用于各中小企业的信息系统中，传统均衡算法一方面由于局限性达不到企业的要求，另一方面大部分中小型企业也无法承受昂贵的硬件负载均衡器费用，本文提出了一种集群系统的透明动态反馈负载均衡算法（TDLBA）。该算法充分考虑集群系统中多种资源（CPU、内存、I/O和网络带宽等），采用双机热备份负载均衡器，服务器节点周期动态反馈方法，同时引入一个负载冗余以动态调整节点负载分配，从而达到尽量简化负载均衡器的任务分配算法、最大限度满足系统最大吞吐率和提高系统响应时间的目标。测试表明，该算法有效的提高了系统服务性能，且优于静态分配算法和Pick-KX算法。     

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。     

集群系统中的动态反馈负载均衡策略

针对Web服务器集群系统中负载动态变化的特点,为了高效地实现任务均衡分配,提出一种新的负载均衡算法。该算法结合动态反馈原理,周期地根据服务器节点真实负载的状态变化情况,改变其相应节点的权值,避免服务器间的负载失衡。实验表明,该方法能有效降低系统平均服务延迟时间和提高吞吐量,提升集群系统的整体性能。     

遥感影像并行处理中基于优先级的任务分配策略

对集群环境下大规模遥感影像并行计算中任务分配效率低、负载不均衡的问题进行分析讨论,在此基础上建立多机任务分配模型,提出一种基于计算节点优先级的任务分配算法。该算法综合考虑计算节点的负载和性能,在任务分配时实时地收集各个节点的信息,计算出各个计算节点的优先级,按照优先级的高低分配任务,保证在满足集群间负载均衡的前提下能合理地将任务分配到计算节点。实验结果表明,该算法能快速实时地进行任务分配,任务的分布更加合理和均匀,并且当任务个数增多时,算法的执行效率要比轮转调度算法高出约2倍。     

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LVS服务器集群的研究

该文首先简要介绍了现有的基于LVS的服务器集群的结构和现有负载均衡方法,然后针对现有服务器集群负载均衡算法的不足,提出一种新的动态反馈机制负载均衡方法,该方法在考虑CUP占用率、内存使用率和各节点的响应时间的前提下,动态反馈获取个服务器的负载量,达到负载均衡的目的。     

LVS集群系统负载均衡策略的分析与研究

负载均衡技术是集群并行处理中的一个重要问题。本文详细分析了Linux虚拟服务器(LVS)集群的负载均衡算法及其不足之处,提出了具有动态反馈的改进算法,并构建了一个LVS/NAT系统对改进算法进行了验证。     

PC集群环境下大规模矩阵乘法算法的研究

开发适合集群系统的并行数值算法,可以解决更多的科学与工程计算问题.在PC集群环境下,提出对Cannon算法的改进方案,采用重叠技术,使数据的计算和通信在时间上重叠,达到时延隐藏的目的,克服了网络传输的通信瓶颈问题;还提出一种自适应负载反馈平衡策略,很好地解决了集群负载平衡.该算法在PC集群系统环境下测试,取得了较好的并行效率,在4个结点上和8个结点上,加速比分别达到3.77和7.93.     

基于最大连通度分簇的负载均衡分簇算法

无线传感器网络中由最大连通度生成簇算法得到的簇结构,簇头节点往往负载过重,并且各簇头节点间负载极不均衡,这种不均衡性在传感器节点分布不均匀的场合尤为突出.针对上述问题,提出一种改进的负载均衡分簇算法.通过网关节点调整所属簇使簇间负载趋向均衡,并在调整后将负载依然较大的簇进行分裂,使分簇的逻辑结构适应节点拓扑分布,更加合理.通过仿真实验验证,改进算法在降低和均衡簇头节,占、负载方面比传统的最大连通度分簇算法有明显的提高.     

MongoDB负载均衡算法优化研究

随着Web2.0网络应用的兴起和大数据技术的发展,传统的关系型数据库(ORDBMS)已经难以满足海量数据的存储需求。非关系型数据库(NoSQL)因其高扩展性、高伸缩性、高可用性和容错性等特点,得到了越来越多的应用。作为一种新兴的NoSQL数据库,MongoDB数据库因具有模式自由、易于扩展、故障自动恢复、支持自动分片等特点,被广泛应用于大数据处理与分析中。文中首先介绍了MongoDB自动分片架构原理和实现机制,然后分析了MongoDB自带的负载均衡算法,其虽能使各个节点数据量达到平衡,但没有考虑各个节点的负载均衡。为了解决节点的负载平均问题,在原算法基础上提出了一种基于节点实时负载的负载均衡改进算法,改进算法的主要思想是引入节点负载指数作为chunk块迁移的一个判断条件。通过搭建测试环境并进行实验,验证了改进的负载均衡算法可以有效地均衡分片中的数据,提高集群的并发读写性能,从而证明了算法的有效性。     

基于HLS流媒体集群动态反馈负载均衡算法

面对移动视频用户大量的并发视频请求,为了解决流媒体集群节点负载反馈不及时、节点选择不精确、节点负载过重而导致用户满意度下降的问题,提出一种改进的动态反馈负载均衡算法。综合考虑静态和动态负载因子衡量各节点服务性能和当前负载,使用层析分析法计算负载权值向量;同时计算负载权值和引入容余负载,并对容余负载进行修正,使其更加精确地描述集群负载情况,改善了传统动态反馈负载均衡算法中请求数突增造成的负载倾斜。实验结果表明,算法实现了多节点负载动态平衡,提高了节点的利用效率。     

服务器集群负载均衡的建模与仿真研究

研究服务器集群负载优化调试问题,各服务器负载能力差异较大,要求尽可能使每一个服务器的负载均衡,传统方法没有考虑负载动态变化特点,导致服务器集群负载极不均衡,系统性能差。为提高集群系统的整体性能,提出一种基于遗传算法的服务器集群负载均衡算法。首先根据负载均衡目标建立数学模型,然后采用遗传算法模型进行求解。仿真结果表明,遗传算法提高了服务器集群系统吞吐量,使系统负载更加均衡,使整个集群系统的资源得到充分利用。     

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。     

基于遗传算法的Web服务器集群负载均衡研究

近年来，Web服务器集群技术以其扩展性好、处理能力强等优点受到了国内外研究机构的广泛关注和应用，其中的负载均衡算法更是研究的热点；对Web服务器集群负载均衡进行了研究，为有效地实现任务的均衡分配，提出一种了根据Web服务器系统中各个服务器的负载情况进行动态任务分配的遗传算法，实验表明该方法能有效地实现Web服务器集群的负载均衡服务。     

眼科医疗影像文件存取下的HDFS负载均衡

在HDFS系统中,集群负载分配不均衡成为影响分布式文件存取速度的瓶颈。针对医院信息系统的负载现状,提出多属性双阈值决策的动态负载均衡算法,对分布式集群中使用HDFS默认的单属性评价、单阈值的负载均衡策略存在的缺陷加以改进。通过负载性能测试,对比证明运用多属性双阈值的负载均衡算法相比较HDFS默认的负载均衡更有利于将大量的影像负载数据相对均衡地分配到服务器集群中的各个节点上,大幅度地缩短了增加数据规模时数据服务器节点的平均响应时间,有利于提高HDFS集群整体的工作效率。     

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。     

LVS集群系统负载均衡策略的研究

负载均衡技术可以在当前的网络应用结构上有效地提高服务器处理能力，使系统在现有的结构下能够满足更多的用户同时访问所提供的服务。本文详细分析了Linux虚拟服务器（LVS）集群的负载均衡算法及其不足之处，提出了具有动态反馈的改进算法，并构建了一个LVS／NAT系统对改进的算法进行了验证。