P2P视频直播系统中的分布式负载均衡算法

在分析了P2P网络应用模式优势的基础上,针对现有的基于P2P的视频直播系统中的负载均衡算法存在的问题,提出了一种分布式负载均衡算法。该算法不仅可以协同考虑节点的处理能力和网络延时,还可以在开销较小的前提下有效的降低组播树高度和平均源到端延时。     

基于DHT的P2P系统负载均衡算法

负载不均衡是影响P2P系统应用服务器性能的关键因素之一,目前研究主要集中在基于flat DHT（Distributed Hashing Table）的P2P系统模型上。将分布式负载均衡算法结合虚拟服务器技术的优势相结合。设置双阈值以解决不必要的节点间通信问题;并在热区迁移中采用隔层负载迁移策略,以期减少不必要的反复的负载迁移。仿真实验结果表明,算法保证负载在各节点上趋于公平并使热区的次数明显减少。     

一种高效的分布式反馈流量负载均衡算法

为解决多节点路由器等系统的分布式流量负载均衡问题,提出一种基于反馈的自适应算法。该算法通过会话划分进行负载任务分组,根据各节点的反馈进行接入分配和负载参数调整,实现负载均衡,给出快速端口检测和初始负载均衡等实现该算法的关键技术。性能分析与实验表明,该算法具有较高的负载均衡度和较低的系统开销。     

基于退火策略的分布式资源负载均衡算法

针对分布式资源导致的访问热点等一系列问题,建立了一个用于分布式资源退火的处理模型.根据该模型,提出了基于退火策略的分布式资源负载均衡算法;该算法通过访问分类、定向扩散等方法提高了系统性能.性能及试验分析表明,该算法能够减少系统内部通信量,抑制资源扩散的抖动现象等.     

一个基于TCP迁移机制的第七层负载均衡系统

第七层负载均衡系统中常使用TCP代理机制实现,在这种系统中前端易成为整个系统的瓶颈。通过对其性能进行对比分析表明,使用TCP迁移机制能大大地减轻前端分配器的负荷,有效地解决了瓶颈问题,提高了系统的吞吐量。     

基于软件抗衰的分布式负载均衡策略

随着网络的迅速发展,服务器集群技术得到了广泛的应用,对负载均衡策略的研究也变得越来越必要,但当前的分布式负栽均衡策略始终存在性能和开销不能兼顾的问题。本文将软件抗衰思想引入负载均衡策略设计,根据系统内的均衡程度来确定均衡过程的起止时机,在一定程度上解决了这一矛盾。文内给出了相应的实现算法。     

云环境下面向负载均衡的分布式虚拟机迁移研究

针对云计算环境下主机资源的负载均衡问题,提出一种分布式的虚拟机迁移方案。首先,该方案建立主机状态域模型,将主机分为不同的负载状态;然后借鉴蚁群算法中信息素的思想进行主机搜索,设计信息素的更新规则,得到待迁移的虚拟机列表和目的主机列表;最后将虚拟机列表和目的主机列表进行匹配,得到虚拟机迁移结果,进行迁移。在Cloudsim环境下进行实验仿真,实验结果证明,使用该方案可获得较好的负载均衡等级。     

基于负载可迁移的分布式计费系统研究

宽带视频点播计费系统以分布式并行操作系统和分布式并行数据库系统为基础,通过量化的计费进程激活指数,结合计费进程互斥进入临界区算法,实现了多进程分布式协同计费。系统具有负载均衡能力,能够自动选择负载最轻的服务器作为计费节点。引入迁移惰性指数,使进程迁移的可控性得到进一步提高;系统具有很强的稳健性、实时性和不间断性的优点。该计费系统的设计方法不仅适用于宽带视频点播计费系统,也可供其它相近或相关计费系统借鉴。     

FNN在分布式环境中的负载均衡研究

以工作站机群系统（NOW－Network of Workstations)为研究对象，提出一种基于模糊神经网络（FNN）的负载预测和负载均衡策略，负载均衡是并行计算机系统研究中的关键问题之一，传统的负载均衡技术，如集中策略及阈值策略等，总是以当前计算机的实际负载进行任务调度，没有考虑负载预测问题，从而使计算机的资源消耗较大，易造成负载均衡控制滞后的情况，本文将模糊神经网络引入负载的衡策略，利用其处理不确定性问题和自学习能力，进行负载预测，较好地解决这一问题，最后通过仿真，证明了此方法的有效性。     

视频监控系统中的VOD负载均衡改进算法

在传统轻负载优先调度负载均衡算法中,存在用户点播响应时延长且负载均衡度不高的问题。为解决上速问题,提出一种静态负载调度和动态负载迁移相结合的负载均衡算法。静态调度算法采用基于视频点播(VOD)相似度的轻负载优先算法,将相似的点播请求调度至相同的视频点播上,提高VOD的缓存命中率,以缩短点播响应时延。动态负载迁移算法采用基于缓存考虑的REM负载迁移算法,将负载由高载VOD迁移到低载VOD上,以提高负载均衡程度。实验结果表明,在典型城域视频监控系统500路点播规模下,提出的负载均衡算法与传统轻负载优先算法相比,能够缩短17.5%的点播延迟时间,降低53.4%的集群负载方差,提高了系统的负载均衡度。     

LTE网络中具备QoS保障的动态负载均衡算法

研究了3GPPLTE网络中考虑不同服务质量(quality-of-service,QoS)要求的动态负载均衡算法.小区间的负载不均衡对于不同QoS要求用户有不同负面影响.对于有保障速率要求的用户,负载不均衡会导致较高的新呼叫阻塞率;而对于那些没有速率要求的用户,负载不均衡会导致繁忙小区中边缘用户过于恶化的吞吐量.全网中这两类用户的负载均衡问题紧密耦合,难以用一个统一的目标函数来分析研究.因此提出一个相应的多目标优化问题,其目标函数分别是针对全网内有QoS要求用户的负载均衡指示函数和针对全网内没有QoS要求用户的总效用函数,限制条件为实际小区物理资源和用户QoS要求.对该问题的复杂度进行了分析后,提出了一个实时的低复杂度低开销的分布式负载均衡算法结构,包括QoS保障的混合调度,QoS感知的负载均衡切换和呼叫准入控制.最后,系统级仿真结果显示提出的全新的负载均衡算法结构达到了较好的负载均衡效果,可以显著降低有QoS要求用户的新呼叫阻塞率,同时以略微损失全网无QoS要求用户总吞吐量的代价大幅提升繁忙小区中边缘用户的实际吞吐量.     

基于逐跳计算的分布式负载均衡算法

网络中流量的不断增长容易导致流量不均衡、网络拥塞,进而影响用户的体验。因特网服务提供商（ISP）通常采用优化开放最短路径优先（OSPF）权值（OPW）算法应对网络拥塞,然而该算法存在三个方面的问题：1）需要实际流量矩阵;2）容易导致网络震荡;3）OPW已经被证实为NP难题,并且需要采用集中式方法求解。针对OPW算法存在的问题,提出了一种基于逐跳计算的分布式负载均衡算法（DLBH）。首先,为所有节点设置虚拟流量;然后,根据虚拟流量计算所有链路的代价;最后,采用分布式算法计算最优路由。DLBH采用分布式方法解决网络拥塞问题,而OPW只能采用集中式方法解决网络拥塞问题,因此DLBH的扩展性优于OPW的扩展性。理论分析表明,DLBH的时间复杂度远远小于OPW的时间复杂度。实验结果表明,DLBH的最大链路利用率明显低于OPW算法的最大链路利用率,大幅降低了网络拥塞。     

分布式数据库系统的动态负载平衡策略及算法设计

随着网络中数据库应用的发展,使得分布式数据库系统的负载平衡问题突显出来。目前大多数分布式数据库管理系统没有负责平衡功能,其负载平衡依赖于操作系统的负载平衡机制来解决,这样带来的问题是系统负载的评价粒度细小和负载转移的开销增加。讨论了动态负载平衡策略的要素,针对分布式数据库系统的负载平衡问题,提出了以事务队列长度作为负载评价标准,并给出了一个动态负载平衡策略及算法。     

集群文件服务系统中的负载均衡算法的研究

为解决目前集群文件服务系统中负载均衡算法的缺陷,充分考虑文件本身存在的差异,降低大文件分配到负载重的服务器上而造成负载失衡的可能性,避免频繁收集节点的负载信息造成大量额外的网络开销而降低系统吞吐量,提出了改进的负载均衡算法.该算法综合考虑文件负载量、服务器的硬件配置及其实时负载量,引入对上传文件大小和数量的计算,改变服务器负载量定时更新为定量更新.实验结果表明,该算法减少了客户的等待响应时间,提高了系统吞吐量,达到了良好的负载均衡.     

一种基于生态捕食模型的网络负载平衡算法

针对分布式系统的负载分配问题,通过对生态捕食模型的研究,提出一种基于生态差分方程数学模型、分布式控制的网络负载平衡算法。该算法将两节点对应到生态系统的捕食者和被捕食者,将各节点的负载信息对应到种群规模,利用两种群生态差分方程数学模型动态调整节点负载信息,达到网络负载平衡。实验证明了该算法的有效性。     

一种基于负载反馈的分布式数字集群动态负载均衡算法

针对传统负载均衡算法不能满足公网数字集群系统高并发用户请求和快速呼叫建立等需求,提出一种基于负载反馈的分布式数字集群动态负载均衡算法,实现公网数字集群系统负载均衡,提高用户容量。首先建立参与MCPTT服务器的静态负载和动态负载监控机制和指标;然后利用加权轮询算法为用户分配参与MCPTT服务器,并通过用户请求的处理获得复合负载参数;根据负载指标的反馈更新参与MCPTT服务器权值以动态调整服务器负载。仿真结果表明,该算法的负载均衡效果优于传统算法和其他动态反馈算法,负载均衡度更小、用户请求响应延迟更低。     

A stochastic load balancing algorithm for i‐Computing

This paper presents a stochastic dynamic load balancing algorithm for Internet computing, which is a new type of distributed computing involving heterogeneous workstations from different organizations on the Internet. To realize the practical environment, we assume the system to be comprised of heterogeneous, untrusted and non‐dedicated workstations connected by a non‐dedicated network. Our algorithm uses the product of the average processing time and the queue length of system jobs as the load index. Dynamic communication delay is included in the execution cost calculation. The transfer policy and the location policy are combined in a stochastic algorithm. State information exchange is done via information feedback and mutual updating. Simulations demonstrate that our algorithm outperforms conventional approaches over a wide range of system parameters. These results are reconfirmed by empirical experiments after we have implemented the algorithms on the Distributed Java Machine global virtual machine. Copyright © 2003 John Wiley & Sons, Ltd.     

基于存储熵的存储负载均衡算法

在分布式存储系统中,一般都是以磁盘空间利用率（DU）来判断各存储节点的负载均衡程度,当所有节点的磁盘空间利用率相等时,是整个分布式存储系统的存储负载均衡点。但是在实际的应用场景中,磁盘I/O速率比较低的存储节点和可靠性比较低的存储节点往往成为影响整个存储系统数据读写性能的瓶颈,因此在异构分布式存储系统中,特别是各存储节点磁盘I/O速率和可靠性差异较大的分布式存储系统中,如果仅仅以磁盘空间利用率作为存储负载均衡的判定条件,则其数据的读写效率必然受到限制。从读写效率的角度提出一种度量分布式存储系统中存储负载均衡的新思路。根据负载均衡理论和熵理论给出存储熵（SE）的定义,并提出一种基于存储熵的负载均衡算法,该算法通过系统负载判定、单节点负载判定和负载迁移实现了对分布式存储系统存储负载的量化调整,并通过实验与基于磁盘空间利用率的负载均衡算法进行了对比分析,验证了该算法对分布式存储系统中存储负载具有良好的均衡性,有效地控制了系统负载失衡的问题,提高了分布式存储系统的整体读写效率。     

基于网格计算的混合负载均衡策略

根据分布式系统的静态和动态负载均衡策略的优缺点,提出了在网格计算环境下的混合负载均衡策略.为了让网络中节点在网格计算环境中有效地执行需要大量计算的复杂任务,提出了用来评估节点效率的函数,并结合模拟实验证实了在此函数下算法的优越性.