基于Jini技术的Web服务器集群的研究与设计

通过对Jini技术和Web服务器集群的工作原理的介绍,分析了Jini构造Web服务器集群的可行性和具有的优势;提出了基于Jini技术构建Web服务器集群的实现模型,并给出了在构建Web服务器集群的过程中实现高可用性、负载平衡的解决方案。     

基于Jini的集群作业管理系统的实现

集群作业管理系统对于集群的使用很重要,本文研究如何基于Jini技术构建集群作业管理系统-Jcluster。文章首先介绍Jini技术和该技术的特点,然后阐述了基于Jini技术的Jcluster的设计思想和系统结构,并在自强2000集群系统上实现。经过测试,证实了该系统的具有即插即用的特性和良好的健壮性、同时Jcluster实现了对资源的多级资源池管理。     

基于Jini的集群网格并行计算平台的构建

研究如何使用分布式系统Jini体系来构建集群网格并行计算平台。首先介绍集群计算和Jini技术；然后给出基于Jini的集群计算系统模型JCCM，设计了一个在此模型上实现并行计算的通用算法，并在自强3000集群主机上对此模型及算法进行了测试，证实了该模型的可伸缩性和健壮性。     

集群技术在Internet服务器中的应用

随着Internet的发展，人们开始将集群技术应用到Internet服务器中，以提供高性能的服务。介绍了一个采用集群技术构建Web服务器系统，给出了该系统的硬件构成和软件结构。集群服务器系统能够很好地实现负载均衡，具有较高的容错性和良好的可扩展性。     

具有区分服务等级的可扩展并行服务器集群

采用并行Web服务器集群技术实现高性能的WEB服务器服务已经成为一种趋势,该技术具有性能高,可扩展性好,可靠性高、成本低等特点。文章介绍了目前Web服务器集群的结构和几种关键技术,在此基础上设计一种具有区分服务等级的Web服务器集群,并给出结构描述和资源管理的策略。     

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。     

面向Web服务器集群系统的Web QoS机制研究

Web QoS是当前Web计算中的重要研完内容，用于解决Web计算环境中端到端QoS保证问题。本文提出一种支持QoS的Web服务器集群系统方案以及实现技术，整个系统由支持QoS的集群交换机和Web服务器集群两级结构组成，通过集群交换机和Web服务器的协同工作，实现优先转发与优先服务相结合的分布式QoS保证体系，充分满足Web用户的服务质量需求。通过系统测试，原型系统的性能指标达到了设计要求。     

一种Web服务器集群的可伸缩管理算法

如何根据网络任务的忙闲变化，对Web服务器进行调度管理，是Web应用中面临的新问题之一。目前，由于追求为用户提供快速及时的应答服务，越来越多的系统采用了Web服务器集群技术。文中针对Web服务器的网络任务特点，以排队论为工具，提出了一种新的Web服务器集群管理算法。该算法通过调整服务器数目来增减处理能力，实现对Web服务器集群的可伸缩管理。     

一个基于集群的Web服务器负载平衡模型

将集群思想应用到解决Web服务器的负载平衡问题,提出了基于集群的Web服务器负载平衡模型。重点介绍了负载探测的实现和负载平衡算法的设计。     

高可用性的Web服务器群的设计与实现

Web服务器要求提供不间断的服务能力，本文提出一种基于Linux集群方案，构建高可用性的Web服务器群，并对其原理和构建过程进行了讨论。     

CCSAS:一个高效灵活的应用服务器集群通信系统

可靠的集群通信系统为Web应用服务器集群在高负载条件下满足性能需求提供了基础．本文分析了利用集群技术扩展Web应用服务器对于通信的关键需求，提出了一个高效、灵活的集群通信系统，阐述了该系统的结构和设计，介绍了其中若干关键技术和解决办法，包括多播消息的高效传递、协议层次、可配置集群拓扑结构和备份模式等．本文描述的集群通信系统已在自主研发的OnceAS应用服务器中实现．     

主动接纳策略的Web集群多维QoS目标优化调度算法

针对以往的调度算法对服务器本身的研究较多，而结合网络流量特征采取相应调度策略研究较少的情况．提出了一种结合网络自相似访问特征的接纳控制策略，分析了一种综合考虑Web集群系统中多维调度因子的多目标函数．在此基础上提出了一种既适应网络访问特征，又支持QoS的Web集群调度算法．最后给出了其算法性能测试结果．     

WC-Stress:基于QoS的Web集群服务器性能评价工具

针对当前Web通用服务器性能评测工具并不能满足Web集群系统性能评测的需要,该文的研发重点在于构造一个高性能的支持QoS的Web集群服务器评测工具WC-Stress(WebClusterStress)。它的特点包括:可组装的组件结构;支持Web集群的评测需要:如区分服务;支持细粒度的QoS性能评测:如资源优化调度算法的支持;支持新的Web访问特征:如自相似请求的产生。最后给出了此评测工具对笔者设计的一种新型Web集群服务器的测试结果。     

Elastic management of web server clusters on distributed virtual infrastructures

Cluster‐based solutions are being widely adopted for implementing flexible, scalable, low‐cost and high‐performance web server platforms. One of the main difficulties to implement these platforms is the correct dimensioning of the cluster size, so as to satisfy variable and peak demand periods. In this context, virtualization is being adopted by many organizations as a solution not only to provide service elasticity, but also to consolidate server workloads, and improve server utilization rates. A virtualized web server can be dynamically adapted to the client demands by deploying new virtual nodes when the demand increases, and powering off and consolidating virtual nodes during periods of low demand. Furthermore, the resources from the in‐house infrastructure can be complemented with a cloud provider (cloud bursting), so that peak demand periods can be satisfied by deploying cluster nodes in the external cloud, on an on‐demand basis. In this paper, we analyze the scalability of hybrid virtual infrastructures for two different distributed web server cluster implementations: a simple web cluster serving static files and a multi‐tier web server platform running the CloudStone benchmark. Copyright © 2011 John Wiley & Sons, Ltd.     

一种基于分散协作的Web缓存集群体系结构

Web对象缓存技术是一种减少Web访问通信量和访问延迟的重要手段，该文通过分析现有的各种Web缓存系统，提出了一种基于分散协作的Web缓存集群体系结构。该体系结构克服了集中式系统需要额外配备一台管理服务器的缺陷，消除了管理服务器瓶颈失效造成系统瘫痪的危险，减少由于管理服务器带来的延迟；同时消除了分散系统的缓存不命中情况下的多级转发的延迟和缓存内容重叠，提高了资源利用率和系统效率，具有良好的可扩展性和健壮性。     

基于节点代理的数据库集群服务器

将集群服务器能够实现的任务划分为parallelism型及anycast型，指出Web集群服务器的应用关键在于通过数据库集群服务器透明处理variability型动态页面，有3种原子方式搭建数据库集群服务器，讨论了基于节点代理方式的用户案例模型及IDL对象描述，说明实现这种数据库集群服务器的通用途径及核心问题。     

一种新的Web集群请求调度模式与体系结构

分析了网络及Web应用的发展对Web集群请求调度提出的新要求,在此基础上提出了一种基于文档组织分布的新请求调度模式.针对该请求调度模式的特点,提出了一种分布调度、分布路由的Web集群体系结构,该结构结合了多分配器集群和分布式集群的优点,能保证系统的可扩展性,并能有效减少集群内的通信开销和消除单点故障.     

An approximation-based load-balancing algorithm with admission control for cluster web servers with dynamic workloads

The growth of web-based applications in business and e-commerce is building up demands for high performance web servers for better throughputs and lower user-perceived latency. These demands are leading to a widespread substitution of powerful single servers by robust newcomers, cluster web servers, in many enterprise companies. In this respect the load-balancing algorithms play an important role in boosting the performance of cluster servers. The previous load-balancing algorithms which were designed for the handling of static contents in web services suffer from significant performance degradation under dynamic and database-driven workloads. Regarding this, we propose an approximation-based load-balancing algorithm with admission control for cluster-based web servers in this study. Since it is difficult to accurately determine the loads of web servers through feedbacks from distributed agents in web servers, we propose an analytical model of a web server to estimate the web servers’ loads. To achieve this, the algorithm classifies requests based on their service times and track numbers of outstanding requests for each class of each web server node and also based on their resource demands to dynamically estimate the loads of each node. For the error handling of the model a proportional integral (PI) controller from control theory is used. Then the estimated available capacity of each web server is used for load balancing and admission control decisions. The implementation results with a standard benchmark confirm the effectiveness of the proposed scheme, which improves both the mean response time and the throughput of the cluster compared to rival load-balancing algorithms, and also avoids situations in which the cluster is overloaded, even when the request rates are beyond the cluster capacity.