服务组合中一种自适应的负载均衡算法

服务组合可以整合网络上现有的多种异构服务,形成新的服务.针对服务组合中服务路径的选择和负载均衡问题,提出了一种自适应的分布式负载均衡算法--LCB(load capacity based algorithm)算法.LCB算法使用服务路由来查找服务和转发数据,使用负载容率(load capacity,简称LC)测度来进行服务副本的选择,从而建立一条适当的组合服务路径.LC测度是对服务器负载的估算,它根据服务器的负载波动信息不断地进行自适应的调整,从而实现多个服务副本之间的负载均衡.与现有的服务组合负载均衡算法相比,LCB算法不需要知道服务器的最大负载量和当前负载信息,而且具有更好的可扩展性,更适用于分布式环境下动态服务副本的组合.模拟实验表明,LCB算法具有良好的负载均衡效果.     

大规模文件上传接收服务的负载均衡引擎研究

针对大规模网络环境下的文件上传接收服务系统的需求,设计了一个集群架构的文件接收服务系统,采用多台接收服务器来实现文件接收服务,提高了系统的稳定性和可用性。根据文件传输的特点,综合考虑文件流量负载情况和服务器当前负载情况,提出了一个综合负载统计的负载均衡算法,测试结果表明基于该算法的文件接收集群系统具有较好的负载均衡效果。设计并实现了文件上传接收服务系统的负载均衡引擎,解决了系统的负载失衡问题,提高了系统的运行效率。     

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。     

大规模文件上传接收服务的负载均衡引擎研究

针对大规模网络环境下的文件上传接收服务系统的需求,设计了一个集群架构的文件接收服务系统,采用多台接收服务器来实现文件接收服务,提高了系统的稳定性和可用性.根据文件传输的特点,综合考虑文件流量负载情况和服务器当前负载情况,提出了一个综合负载统计的负载均衡算法,测试结果表明基于该算法的文件接收集群系统具有较好的负载均衡效果.设计并实现了文件上传接收服务系统的负载均衡引擎,解决了系统的负载失衡问题,提高了系统的运行效率.     

一种多节点协作的流媒体集群系统多目标内容部署算法

针时多节点协作的流媒体服务器集群系统中的存储带宽资源利用问题,建立了多目标内容部署优化模型,提出一种多目标内容部署算法.该算法采用统计窗口跟踪内容点播率变化,在优化内容预期负载与预留服务能力匹配程度,系统负载均衡度和内容副本替换代价的同时,重点考虑了节点间协作能力对性能的影响.仿真表明,与同类算法相比,该算法在用户请求接受率、系统负载均衡度、平均内容部署代价等方面具有更好的综合性能.     

基于权重轮询负载均衡算法的优化

随着电商网站用户规模不断增长,高并发问题成为在搭建大规模电商网站系统时面临的一项重大挑战,通过负载均衡算法来实现Web服务集群中各节点均衡负载是解决高并发的手段之一.然而,目前通用的负载均衡算法都存在一些不足之处,针对这一问题,提出了一种动态自适应权重轮询随机负载均衡算法（Dynamic Adaptive Weight Round-Robin Random Load-Balancing,DAWRRRLB）,该算法考虑到影响Web服务集群中服务器节点性能的多重因素,根据节点在运行过程中的实时负载情况动态的改变集群中节点的负载性能,并结合改进的Pick-K算法对权重轮询负载均衡算法进行优化,始终保证性能最优的服务器节点在提供服务.通过多次实验对比,改进的DAWRRRLB算法可以有效的提高负载均衡效率.     

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。     

服务覆盖网中保证QoS的服务路由算法

针对服务覆盖网的服务路径选择问题,提出改进的KCP算法。在后继结点选择时,使用节点延迟、剩余资源、链路带宽、延迟等表征节点和链路性能的多项指标,组合成综合性能函数;引入调节因子兼顾负载均衡和节点复用率。仿真试验表明,此算法能够有效地进行服务路由选择,并且达到良好的负载均衡和高节点复用率。     

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。     

一种适合P2P MMOG的动态负载均衡算法*

P2P MMOG中常采用多台服务器集群的结构来处理玩家的请求,但是,玩家在游戏中的走动、打斗常常使某些服务器超载,因此网络游戏系统应该具有一定的负载均衡能力,即能以较高的性能动态地将负载从超载节点迁移到轻载节点中。提出了一种在游戏动态运行过程中与系统空闲时的一种动态负载均衡算法。实验表明,该算法能够有效地均衡负载和提高系统性能。     

Web应用服务器自适应负载平衡服务

Web应用服务器是为事务性Web应用提供一系列运行时服务的分布式系统.基于中间件的自适应负载平衡服务是为Web应用服务器提供高可信赖性和高伸缩性的一种有效方法,但目前还存在许多不足,如缺乏服务端透明性、负载策略不可替换等,不能满足Web应用服务器特有的需求.分析了Web应用服务器负载平衡服务的关键需要,设计了一种自适应负载平衡服务,阐述了在J2EE应用服务器WebFrame2.0上实现该服务的若干关键技术及其解决办法,包括可热插拔、负载策略可替换、负载反馈与自适应控制、状态迁移以及容错技术等,最后是相关工作介绍及其比较.该负载平衡服务已在Web应用服务器WebFrame2.0中得以实现.     

服务组合中一种服务组合路径优化方法研究

在大规模网络环境下的服务组合路径研究中,服务组合路径长度总是大于服务组合中服务的个数.然而,在服务密集分布、节点间网络距离近似相等的环境下,这个结论不再成立.此时,服务组合路径长度服务组合中的服务路径选择问题的关键在于如何在不影响负载平衡的前提下,选择合适的服务节点,使服务组合能连续使用部署在同一节点上的服务资源,以减少路由次数.为此引入了保持因子和匹配长度因子这两个参数来调整服务节点的选择算法,并通过模拟实验分析了这两个参数对负载平衡和服务路径长度的影响,最后给出这两个参数的选择策略和选择方法.     

基于IPv6选播路由协议的负载平衡研究

为了提高网络服务的质量,在Internet上经常采用复制的方法产生一组镜像服务器。选播是在单个发送者与一组接收者中任意一个主机之间的数据通信,选播服务可以改善网络负载分布和简化网络应用;根据路径的距离,发往某选播地址的数据包被路由到拥有该地址且最近的镜像服务器;然而,最近的镜像服务器不一定是最佳的镜像服务器。负载平衡是一种通过充分利用所提供的冗余多链路进行业务量分配的模式。基于IPv6选播路由协议,文章提出了一个新的协议模型,通过TCP连接总数确定选播地址对应的最佳服务器,有效地解决由当前选播路由协议确定的最近服务器产生网络拥塞时如何改善路由策略问题,从而实现负载平衡并提高网络的传输性能。     

网格服务器性能优化系统研究与实现

为了提高网格服务器的性能，研究和设计了基于分配器的网格服务器性能优化系统，并实现了一个原型系统——集群式网格服务器．该原型系统能够集成多个网格处理服务器的处理能力，提供一个单一映象的网格服务．在这些服务器上实现负载平衡，并通过分配器统一对外提供网格服务．测试并分析了CGSS系统的性能测试结果．测试结果表明，基于分配器的性能优化能够显著的提高网格服务器系统的性能．     

基于区分Web QoS的负载均衡集群模型

随着电子商务的应用逐步深入,用户访问量的激增且服务请求多样．如何实现对所有请求的快速响应是当前解决的问题．针对此问题,本文提出采用基于区分WebQoS的负载均衡技术．建立了基于区分WebQoS的负载均衡的集群模型．根据请求类型和用户权限划分服务等级,高服务的请求具有高优先调度权,在集群当中通过动态反馈技术均衡调度到某个节点,从而达到区分WebQoS服务的目的,同时也保证集群服务器的负载均衡．该模型在网络环境及硬件环境相同的条件下,与常用的负载均衡技术进行了比较,实验结果证明本文提出的方法效果显著．     

智能电网系统中费控服务的优化调度研究

智能电网系统中,费控指令通过应用服务器集群被下发到前置服务器集群,再通过前置服务器集群被下发到终端,终端接收到指令后将指令下发到特定的智能电表.在这个过程中,应用服务器集群和前置服务器集群的可用资源不对等,导致负载不均衡,影响费控服务执行的效率和成功率;前置服务器集群中前置机与终端的固定匹配方式,容易导致前置服务器集群负载不均衡,延长了费控指令完成时间,降低了费控服务的执行效率.为此深入研究费控指令的下发过程,分析存在的问题和瓶颈,提出了一种基于负载预测和负载均衡的费控服务优化调度模型.该模型首先提出一种基于时间序列的负载预测方法,实现服务器负载的预测;基于预测负载,提出一种费控指令的均衡下发算法,为不同负载的服务器下发合适规模的费控指令,以提高指令下发的效率和成功率;针对前置服务器集群可能出现的负载不均衡,提出一种基于图聚类的终端均衡布局算法.实验结果表明,本文提出的费控服务优化调度模型,均衡了两个集群和终端之间的负载,有效提高了费控指令下发的效率和成功率.     

Providing End-to-End Quality of Service with Optimal Least Weight Routing in Next-Generation Multiservice High-Speed Networks

Routing algorithms play a critical role in meeting both the stringent quality of service (QoS) requirements of guaranteed services and the certain QoS requirement of assured services over next-generation multiservice high-speed networks. In this paper, we propose the use of optimal least weight routing (OLWR) algorithm for routing QoS flows in high-speed networks. The main principle of our algorithm is that the choice of the most appropriate route is based on a set of parameters (least weight parameters) that estimate and consider the impact that the acceptance and routing decision of a call request belonging to a specific class would have on the network and other classes of service. Effective bandwidth, bandwidth and trunk reservation techniques, along with load balancing and packing trade-off considerations, are also introduced in the proposed routing algorithm. The performance evaluation of our algorithm is achieved via modeling and simulation of multiclass service routing in various network topologies. The performance results demonstrated that OLWR outperforms both the multihop least-loaded routing algorithms and the multihop most-loaded routing algorithms in terms of both revenue and carried load.     

集群服务器在混合请求下的负载均衡优化算法

针对Web集群服务器在处理分配混合页面访问任务时开环负载均衡算法导致局部服务器负载偏高而降低系统效率的问题,建立了一类基于动态调节的闭环负载分配策略。根据服务器处理Web访问页面类型的特点,建立静态页面与动态页面混合处理的负载量模型,形成处理不同服务请求与负载均衡的内在动态映射关系,以此优化静态页面缓存与调用方式,并基于服务器负载率动态预测和均衡指标,采用负载率偏差最小的任务权重最优分配模型,确定服务器集群的最优任务权重,实现了服务器集群处理混合页面访问的负载均衡分配策略和算法。仿真结果验证了负载均衡算法的正确性和有效性,可以达到更好的负载均衡效果。     

LBBSRT: An efficient SDN load balancing scheme based on server response time

The response time is the most important factor determining user experiences in the service provision model involving server clusters. However, traditional server cluster load balancing scheme are limited by the hardware conditions, and cannot completely exploit the server response times for load balancing. In order to effectively resolve the traditional load balancing schemes, we propose a load balancing scheme based on server response times by using the advantage of SDN flexibility, named LBBSRT. Using the real-time response time of each server measured by the controller for load balancing, we process user requests by obtaining an evenly balanced server loads. Simulation experiments show that our scheme exhibits a better load balancing effect and process requests with a minimum average server response times. In addition, our scheme is easy to implement, and exhibits good scalability and low cost characteristics.     

Adaptive Server Load Balancing in SDN Using PID Neural Network Controller

Web service applications are increasing tremendously in support of high-level businesses. There must be a need of better server load balancing mechanism for improving the performance of web services in business. Though many load balancing methods exist, there is still a need for sophisticated load balancing mechanism for not letting the clients to get frustrated. In this work, the server with minimum response time and the server having less traffic volume were selected for the aimed server to process the forthcoming requests. The Servers are probed with adaptive control of time with two thresholds L and U to indicate the status of server load in terms of response time difference as low, medium and high load by the load balancing application. Fetching the real time responses of entire servers in the server farm is a key component of this intelligent Load balancing system. Many Load Balancing schemes are based on the graded thresholds, because the exact information about the network flux is difficult to obtain. Using two thresholds L and U, it is possible to indicate the load on particular server as low, medium or high depending on the Maximum response time difference of the servers present in the server farm which is below L, between L and U or above U respectively. However, the existing works of load balancing in the server farm incorporate fixed time to measure real time response time, which in general are not optimal for all traffic conditions. Therefore, an algorithm based on Proportional Integration and Derivative neural network controller was designed with two thresholds for tuning the timing to probe the server for near optimal performance. The emulation results has shown a significant gain in the performance by tuning the threshold time. In addition to that, tuning algorithm is implemented in conjunction with Load Balancing scheme which does not tune the fixed time slots.