分布计算环境中冗余服务管理机制的研究与实现

本文以性能、可用性、可扩展性为目标 ,针对三层客户 /服务器体系结构 ,研究分布计算环境中冗余服务的失效管理、性能管理和配置管理 ,并在此基础上开发一个自动、自适应、透明和开放的冗余服务管理系统。本文的主要工作包括 :( 1 )针对现有的冗余服务概念模型的不足 ,本文首先利用分布对象技术定义 HORIS对象模型 ,通过它对分布计算环境中冗余服务的管理问题进行有效描述。基于HORIS模型 ,本文利用 agent技术创建了冗余服务的全局管理框架 AMA,并引入了基于“事件 -条件 -动作”规则的 agent模型实现 AMA框架的自动、自适应管理功能…     

分布式冗余服务的自适应配置管理策略

针对面向冗余服务的分布式计算模型HORIS,该文提出了一个基于移动代理技术的自适应配置管理ACM(AdaptiveConfigurationManagement)策略用于改善冗余系统的可扩展性,从而在保证系统可用性的前提下提高系统的性能。     

基于“事件—条件—动作”Agent模型的冗余服务管理框架

在目前大规模事务处理等商业应用的驱动之下,越来越多的分布式应用采用冗余服务以提高系统的性能和可用性。针对现有的冗余服务管理系统缺乏自动和自适应的管理功能,本文提出基于“事件-条件-动作ECA(Event-Condition-Action)”规则的Agent模型,并基于该模型创建了针对冗余服务的管理框架     

面向因特网应用的容错和负载平衡管理

针对因特网应用的三层客户／服务器体系结构,本文设计并实现了一个面向冗余服务的管理系统ＯＭ。它采用分布对象技术,基于ＣＯＲＢＡ平台,为冗余服务提供了容错和负载平衡管理服务,同时它还为系统管理员提供了管理接口,为用户提供了对服务的透明访问机制。     

基于移动Agent的面向对象分布式冗余服务系统

目前很多分布式应用系统都利用冗余服务技术来提高系统的可用性。论文分析了分布式冗余服务系统中集中管理模式存在的诸多问题,并提出引入移动agent实现对服务实例主动的集中管理和分布管理的结合,从而保证系统高可用性的同时改善系统的性能。其中用到对象和实例的概念来定义冗余服务。     

分布式数据库服务器系统及其自适应配置管理策略

服务器冗余技术在解决传统分布式环境的可用性和性能瓶颈问题的同时,给系统的管理带来了新的挑战．介绍了一种分布式数据库服务器DDSS的构成原理及工作模型．为了解决当前冗余服务系统的配置管理中存在的冗余资源动态可扩展性不强的问题,针对服务器DDSS(模型把系统中的每种服务抽象成为一个对象类,并提出同一个服务对象类的多个实例互为冗余服务),对冗余资源的配置管理问题进行讨论,并提出基于移动代理技术的自适应配置管理ACM(adaptive configuration management)策略,在保证系统可用性的前提下提高系统的性能,减少资源浪费．在ACM中,通过定义奖惩函数(对于静态配置)和用户请求到达率(对于动态配置)来作为配置依据,对冗余实例进行动态增加或删除．最后,对算法的性能进行了分析、测试,并与传统算法进行了比较．     

基于agent技术的并行构件组装及性能优化方法研究

为更好地组装并行构件程序和进行性能优化工作,设计和使用了不同的软件agent.构件连接agent负责构件接口的粘合和数据重分布.构件执行agent和资源管理agent相互协作,把构件部署在满足要求的计算节点上.定义了4种不同的构件自适应策略.不同的构件自适应agent、构件执行agent和资源管理agent相互合作,针对平台计算资源的不同情况,完成构件的自适应过程,提高了构件的性能.资源管理agent、负载探测agent和构件执行agent相互合作,完成负载均衡工作,提高了整个计算平台的性能和吞吐量.在异构计算机集群上的相关实验证明了所提出的基于agent技术的并行构件组装及性能优化方法的有效性.相比传统的性能优化方法,基于agent技术的方法使用灵活,并且具有性能上的优势.     

一个基于网络并行计算环境的动态负载分配算法

网络并行计算系统具有大量的自主的计算资源,如何充分发挥它们的潜在性能,这正是负载平衡的研究内容。文中描述一个基于网络并行计算环境的动态负载分配算法,该算法能够根据系统的状态和任务之间的通信关系动态地分配系统中的负载,以实现系统的动态负载平衡。通过应用实例测试说明该算法在稳定性和性能上,优于稳定的发送者动自适应算法。     

一种基于Agent的多粒度负载平衡中间件

通过负载平衡中间件技术，能够对多台计算机集群提供负载平衡，从而对集群中各类冗余服务进行有效管理，使系统的伸缩性和可靠性最大化。然而，现有的负载平衡中间件大都采用单一的基于对象的负载监测粒度，在多个服务对象组共存的情况下会导致服务对象组的扩展能力不强，并存在重复的负载监测。本文基于CORBA技术，通过采用Ageent，提出了一种多粒度的负载平衡中间件模型，并阐述了该模型相关的若干关键技术、解决方法及其实现。     

基于Mobile Agent技术的负载平衡模型研究

为更好地实现分布式系统中的负载平衡，结合自主设计的分布式数据库服务器系统DDSS（distributed database server system），抽象出分布式冗余系统的3层管理框架，从对负载索引的客观描述与定义着眼，引入服务请求消化率、阈值负载贴近度等概念及主动负载平衡的思想，提出并实现了基于移动代理技术的负载平衡模型MMA，并对其性能进行了分析．通过分析表明，基于移动代理技术的负载平衡模型MMA具有代价小、智能性好、效率高及具有对负载索引的刻画客观准确等优点．     

基于服务类型的负载平衡中间件模型

数字图书馆会出现用户请求响应时间较长、服务器资源消耗较大以及集群环境中各服务器性能不同导致的网络负载不平衡问题。为解决上述问题,提出基于服务类型的负载平衡中间件模型。该模型考虑不同的服务请求对服务器负载状况的影响,结合各服务器的性能进行动态负载调度。性能测试结果表明,该中间件负载平衡效果良好,可用性与可靠性较高。     

一种分布式动态负载平衡算法

在多处理机系统中,负载平衡是提高并行处理效率的一条重要途径。基于分布存贮的TRANSCUBE多处理机环境,本文提出一种分布式动态负载平衡算法。算法采用接收者开始的异步调度策略,通过“握手”协议在空载和重载处理机间建立联系,并自动实现任务(或进程)从重载处理机到空载处理机的迁移,该算法适于并行解具有动态特性的应用问题,而且在问题规模较大和处理机负载变化较慢时,性能较好。     

基于自适应蜂群算法的云计算负载平衡机制

针对将蜂群算法应用在负载平衡系统中,出现的由于请求之间关系处理不当而产生的不利于负载平衡的资源局部密集现象,提出了改进的自适应蜂群算法。通过引进其他类型的请求,以阻断短时间内本该到来的与该服务器处理的请求有某些相似的请求,由此增强了负载平衡的可用性,提高了系统吞吐量。实验结果表明基于蜂群算法的负载平衡机制无论是在系统吞吐量方面或是系统可扩展性方面均适用于云计算环境,改进的自适应蜂群算法在系统吞吐量方面较传统算法性能提高5%以上。     

一种支持服务网格的动态负载平衡系统

为了实现服务网格系统内负载的均衡分布，提高资源利用率和系统的吞吐率，设计并实现了一种基于服务网格环境的动态负载平衡系统。提出了层次式负载平衡调度模式，给出了本系统结构形式，设计并实现了一种综合考虑各局部代理作业数和各个局部代理性能以及当前的负载情况的动态双阈值作业分配算法。实验结果表明，此算法能有效地基于负载分派作业，达到了提高网格内分布资源的利用率和减少作业调度时间的目的。     

基于分布对象的冗余服务模型

针对现有的分布计算模型不能充分描述冗余服务的特点,文中基于分布对象的观点,提出一个面向冗余服务的计算模型ＨＯＲＩＳ。它利用类和实例的概念定义了冗余服务,并将状态服务和无状态服务区分开来,同时还刻画了分布计算环境中的请求和主机的概念。在ＨＯＲＩＳ的基础之上,文中创建了一个冗余服务的管理框架ＡＭＡ,并在ＣＯＲＢＡ平台上进行了实现,与其它冗余服务的管理框架相比,它具有接口开放,适应性强、能管理异构服务以     

机群系统中一种新的自适应结点分配算法:受限负载平衡结点分配(LLBA)

在机群系统中结点分配策略根据一定的原则为作业确定运行结点是提高系统性能的关键。通过对机群结点分配策略的研究,作者发现当前基于负载平衡自适应的结点分配策略为并行作业选择负载最轻的结点,这不利于系统性能的充分发挥。作者提出了一种新的自适应负载平衡结点分配算法：受限负载平衡结点分配。     

云存储系统管理节点故障自恢复算法

为了解决大规模云存储系统中管理节点发生故障导致存储服务不可用的问题,建立了管理节点故障影响分析模型,提出了一种基于消息的管理节点动态自我恢复算法FRA-M.该算法通过基于负载均衡的元数据备份更新控制方法完成多个管理节点之间相互协作、透明接管和故障自我恢复.测试结果表明,FRA-M算法能够使得管理节点发生故障时自动进行切换,并且能够合理地分配资源达到良好的负载均衡状态.通过控制TCP超时时限、故障检测周期以及故障检测超时,能够使得FRA-M算法的性能保持在相对稳定的区间,随失效时刻的适应性也比较强.当管理节点发生故障时,FRA-M能够较好地保证存储服务可用性、数据可用性和数据可靠性.     

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。     

服务计算环境下一种基于机器学习的负载预测方法研究

随着计算机技术的迅速发展，分布式应用的规模迅速增加，越来越多的软件系统开始采用面向服务的体系结构SOA。为了提高SOA的可靠性和可扩展性，一种有效的方式就是提供服务副本，并通过基于中间件的负载平衡服务在不同的服务副本之间平衡负载。通过使用中间件，我们可以满足当前的面向服务应用对于性能、可扩展性和可用性的需求。然而，我们必须保证对于负载的计算具有一定的预测性以避免负载峰值的影响。对于复杂的面向服务应用来说，负载峰值意味着系统可能在短时间内具有极高的负载，而在大多数时间内负载较为平稳，从而因为负载取样的延时性导致系统过载而响应时间增加、总体吞吐量也受到影响。因此，为了降低响应时间，以及在负载频繁波动的情况下也能有效地利用服务副本，我们基于中间件为自适应和灵活的负载平衡机制的需求提出并实现了一种基于机器学习的预测机制。     

基于主动队列管理的集群计算负载平衡系统

在分析了分组到达率和服务率的关系及主动队列管理AQM（Active Queue Management）的Balanced RED算法的基础上,提出了一个计算连接权重的动态分配算法“基于AQM加权时序动态法”（Weighted Opportunity Dynamic Algorithm based on AQM）,它具有对终端用户透明、能自动找出最佳服务器来处理请求的特点,从而实现集群计算服务器的负载平衡。另外据此算法设计并实现了一个支持服务器集群的动态负载平衡原型系统,实验结果表明该算法在负载平衡的效能上有明显的提高。