基于Linux虚拟服务器的负载均衡算法

分析Linux虚拟服务器负载均衡调度过程,提出一种基于Linux虚拟服务器的负载均衡算法。该算法结合系统资源类型和服务器权重系数,依据服务器加权负载标准差,进行集群真实服务器负载状况分析,动态调整服务器权重系数,对改进的最小连接数调度算法进行负载均衡调度。测试结果验证了该算法的有效性。     

Linux内核调度器算法研究与性能分析

Linux操作系统正在向嵌入式系统和高端服务器领域发展。提高调度器的调度性能,支持实时应用以及支持多处理器并行性的研究工作显得非常重要。文中对Linux2.4.22和2.6.10两个版本的内核调度器进行比较分析,重点分析了两种调度器的调度算法、调度时机、优先权计算方法和时机以及调度性能。     

Linux内核调度器算法研究与性能分析

Linux操作系统正在向嵌入式系统和高端服务器领域发展。提高调度器的调度性能，支持实时应用以及支持多处理器并行性的研究工作显得非常重要。文中对Linux2．4，22和2．6.10两个版本的内核调度器进行比较分析，重点分析了两种调度器的调度算法、调度时机、优先权计算方法和时机以及调度性能。     

基于集群技术的Linux虚拟服务器

Linux虚拟服务器的目标是把很多实际服务器集中在一起组成一个可扩展和高可靠性的虚拟服务器。论文阐述了其工作原理,三种基于IP层负载平衡调度的方法和六种连接调度算法,并通过一个实例强调了Linux虚拟服务器的目的和设计。     

动态反馈负载均衡在LVS集群中的设计与实现

在Linux内核中实现的负载均衡调度算法都是静态的,没有动态调节机制。介绍了LVS集群原理,分析了LVS调度算法的不足,提出了一种通过实时获取真实服务器的性能数据、计算和评估真实服务器负载,并根据结果调节服务器权值的方法。经测试,利用该方法能够有效防止服务器负载倾斜,达到良好高负载均衡的效果。     

基于Linux的负载均衡技术

网络业务量的激增和应用的特殊化都使得负载均衡成为迫切需求,Linux虚拟服务器按传输层连接对集群节点进行业务分配的方式,能便捷而高效地实现负载均衡。文中对Linux虚拟服务器集群的结构与原理进行了讨论,重点阐述了满足不同应用需要的4种负载均衡算法,并在Linux操作系统环境下,构建了虚拟服务器集群,测试了负载响应、服务性能、调度器备份。结果表明,虚拟服务器集群技术可较大幅度地提高系统的综合性能。     

基于反馈算法的灵活实时调度器的设计与实现

实时调度程序通常会预留大量资源和提供种类繁多的调度算法,这样会造成资源浪费和复杂的系统结构。灵活调度的目的是减少资源浪费和简化系统结构。本文提出的灵活调度模型克服了以往灵活调度模型的缺点,将控制理论和实时系统负载调节算法相结合,动态调整实时系统的参数,从而保证了实时系统的可调度性和稳定性。在Linux 2.4.0核心上实现的灵活调度服务器RT_Server验证了该灵活调度模型的高效性和实用性。     

Linux下WMV高性能IPTV流媒体服务器的设计与开发

流媒体点播技术定位于提供实时的文件点播服务,而WMV则是一种IPTV常用的文件格式。为了解决Linux或类Unix环境下对WMV文件格式的支持,设计了一个具有完全自主知识产权的支持WMV格式的Linux环境下的流媒体点播系统。该流媒体服务器采用创新的主从式架构设计,并设计了RTSP连接队列调度等算法,用来完善服务器的功能和提高服务器的性能。     

一种虚拟化的服务器集群模型

随着经济与电子商务的高速发展,企业与用户的业务交互次数呈现出几何级数增长的趋势,然而企业服务器的利用率却只有15%～30%.阐述了在Linux平台上运用虚拟化技术将企业现有的服务器虚拟成多台服务器,同时运用负载均衡调度算法对虚拟的多台Linux客户机进行集群的方案模型,以达到强化企业业务的持续性,加固数据的完整性和安全...     

Linux内核2．6进程调度分析与改进

对Linux内核2.6进行了进程调度分析,阐述了Linux内核2.6提高实时性的各方面因素.同时针对Linux内核2.6三种基本的调度策略SCHED-OTHER,SCHED-FIFO,SCHED-RR存在调度实时性不强的问题,提出了四种改进调度实时性的调度算法:静态优先级的RM调度算法,动态优先级的EDF,LSF调度算法及一种混合的调度算法.这四种方法都在不同程度上提高了Linux内核2.6的实时性能.为了让Linux更好地应用到实时系统中去,今后应当研究更切实有效的调度算法来提高Linux实时性.     

Performance of Scheduling Strategies for Client–Server Systems

Two approaches to the improvement of the performance of client–server systems, multithreading and scheduling of servers, are investigated. Both of these approaches are observed to have a significant impact on system performance. The use of multithreading improves throughput characteristics of systems, whereas the deployment of appropriate scheduling strategies at servers can produce a significant improvement in mean client response times. Based on a simulation model a number of basic questions that are important in the context of scheduling on nonmultithreaded, as well as multithreaded, systems are analyzed. Two important factors, monopolization of servers by large requests and software bottlenecks, are observed to be important in the context of scheduling on client–server systems. Both server scheduling, as well as multithreading, can be used to control these effects and lead to a higher system performance. Scheduling policies based on request characteristics are observed to perform well. A new request characteristic that is useful in the scheduling of client–server systems in the presence of software bottlenecks is proposed. Selection of both the server process, as well as the thread within the server, is required when multiple server, are co-located on the same CPU. A comparison between two scheduling approaches, single level and two level is presented in the paper. The results of this research are useful primarily in the design of operating systems for client–server systems and are also of interest to system designers and users.     

一种基于预测模型的负载均衡算法

结合集群系统中服务节点负载变化的不确定性和随机性的特点,提出WPLS-SVM组合的Linux服务器集群系统负载预测模型。该模型能够依据采样值对集群中节点的负载情况做出预测,根据节点的负载预测结果结合随机区间调度算法可以有效地实现对请求任务的分配与调度。仿真结果表明,较传统的负载均衡算法该算法克服了响应速度慢、预测精度差等缺点,提高了集群系统的利用率。     

不对称通信环境中动态广播调度算法分析

在数据传输模式中，服务器拥有比客户更强的通信传输能力的这类系统被称为不对称通信系统，如客户服务器模型与数据广播系统。这类伴随着网络、无线通信和移动计算等技术快速发展的系统都有其高效率的数据传输方式。其中广播系统包含着两种运行模式：pull—based的客户从服务器请求数据的模式和push—based的服务器直接将数据分发给大量客户的模式。这两种系统都需要高效的广播调度机制才能充分发挥系统的性能。分别讨论了pull—based的按需广播和push—based的主动广播的动态调度算法、性能参数指标及其性能特点。     

面向服务的测量船测控服务总线系统

当前测量船测控软件系统需要完成对各类飞行器的遥测、遥控、外测、仿真等数据的处理,该系统复杂性较高,不易扩展和维护。面向服务的体系架构SOA是一个组件模型,它将复杂系统的不同功能单元封装为服务,并通过接口实现对服务的调用,大大降低了系统的复杂性,方便了系统功能的扩展。分析了测量船测控软件系统,设计了面向服务的测量船测控服务总线系统架构,该架构支持“服务调度规则”与“服务调度系统”2种服务调度模式,实现了系统服务端、客户端和服务调度。测试结果表明：该系统能够保证2种模式下的服务调用性能,对提高测量船测控软件系统的效率具有重要意义。     

Simulation study of multitasking in distributed server systems with variable workload

The multitasking performance of a distributed server system is considered where the workload is variable. Time varying distributions are proposed for job arrival, job parallelism, and task service demand. A simulation model is used to address performance issues associated with task scheduling. The objective is to identify conditions that produce good overall system performance, while maintaining fairness of individual job execution times. Simulated results show that all task scheduling methods have merit. In all cases, the best policy depends on performance goals. Furthermore, although the paper studies distributed multiprocessor system performance, it also addresses the performance issues of other systems where multitasking and scheduling is used, since no restrictions are imposed on the server/job/task characteristics.     

影响多媒体服务器性能的关键因素研究

在构建大规模视频服务系统时 ,基于层次型多服务器群的体系结构在吞吐率、可扩展性、经济性等方面都有其突出的优势 ,尤其适合于在因特网上的应用 .但是 ,要充分发挥和提高视频服务系统的性能 ,还要针对一些主要的瓶颈(如服务器磁盘 I/ O带宽与网络带宽 ) ,解决好一系列的问题 .本文分析了影响多媒体视频服务器性能的一些主要因素 ,如视频服务器的体系结构、服务器与客户端之间的数据传送方式、媒体数据在视频服务器存储子系统中的分布与放置方式、对磁盘访问请求的调度、单服务器中的缓存及多服务器间协同缓存的管理、接入控制策略、流调度策略等 ,这些因素对视频服务器的性能与吞吐率有着极大的影响 .本文还介绍了一些适用于大规模视频服务系统的性能优化技术 ,如广播、批处理等流调度策略 .在构建视频服务器系统时 ,只有综合考虑这些因素 ,才能真正提高服务器乃至整个视频服务系统的吞吐率 ,并较好地满足客户的 Qo S要求     

任务序列强度感知的大规模集群服务器控制模型

异构云数据中心各类服务器的控制成本和性能上的差异将影响其运维管理成本及QoS博弈平衡关系,针对任务序列强度具有的时效性,提出了任务序列强度感知的大规模任务调度模型。依据当前到达数据中心的任务序列的强度以及集群中服务器的当前状态,在任务调度中强调节约服务器运维管理成本和各服务器负载均衡的基础上实现优化数据中心对任务序列处理的平均响应时间和系统的吞吐量。通过对实验结果的分析,验证了集群服务器控制模型在任务调度中的可信度大于95%,同时通过与当前应用广且具代表性的算法——最短任务优先,公平分发机制进行比较分析,其效果是三者中最好的,也验证了模型的有效性和可行性。     

并行视频服务器调度算法研究

从服务器缓冲要求，客户端缓冲要求，系统响应时间三个方面着重分析比较了在服务器推动模型基础上建立的两种调度算法，并发推动调度算法和改进的并发推动调度算法，为我们进行相关的系统设计提供了理论依据．     

边缘计算中协作计算卸载与动态任务调度

在边缘计算场景中,通过将部分待执行任务卸载到边缘服务器执行能够达到降低移动设备的负载、提升移动应用性能和减少设备开销的目的.对于时延敏感任务,只有在截止期限内完成才具有实际意义.但是边缘服务器的资源往往有限,当同时接收来自多个设备的数据传输及处理任务时,可能造成任务长时间的排队等待,导致部分任务因超时而执行失败,因此无法兼顾多个设备的性能目标.鉴于此,在计算卸载的基础上优化边缘服务器端的任务调度顺序.一方面,将时延感知的任务调度建模为一个长期优化问题,并使用基于组合多臂赌博机的在线学习方法动态调整服务器的调度顺序.另一方面,由于不同的任务执行顺序会改变任务卸载性能提升程度,因而影响任务卸载决策的有效性.为了增加卸载策略的鲁棒性,采用了带有扰动回报的深度Q学习方法决定任务执行位置.仿真算例证明了该策略可在平衡多个用户目标的同时减少系统的整体开销.     

基于混合蚁群优化的边缘计算细粒度任务调度方法

为缓解中心服务器的压力,制定合理的调度方案,基于混合蚁群优化算法提出了边缘计算细粒度任务调度方法。描述边缘计算任务调度问题,并设置假设条件,简化调度求解难度。通过计算任务的优先指数,按照从大到小的顺序排列后组成任务队列。分析边缘服务器性能特征,明确边缘服务器处理能力。构建能耗以及时延多目标函数,并设置约束条件,利用混合蚁群优化算法求解多目标函数,完成边缘计算细粒度任务调度方案设计。结果表明：该方法应用下的任务调度能耗和时延更小,说明所提方法性能更优,所获得的调度方案更合理。