网络处理器负载均衡算法综述

本文针对网络处理器中多个处理单元的负载均衡方法展开了讨论,详细介绍了多种负载均衡方法,给出了网络处理器负载均衡的特点和性能度量标准,提出了该领域进一步研究方向和基本思路.对同类研究有一定的帮助.     

网络处理器自适应负载均衡调度机制*

对TLDP结构网络处理器的线程调度问题展开讨论,设计并用硬连线实现了TLPD结构的微引擎间自适应负载均衡线程调度机制。它根据TLDP结构内部各个微引擎的实时负载状态和历史信息自动调整活动微引擎的数量,然后在被选择的活动微引擎集合上实现微引擎间的动态负载均衡,最大程度地提高了TLDP结构网络处理器的分组吞吐率。通过对TLDP结构的RTL级模型仿真说明,该机制能有效地实现微引擎间的实时负载均衡。     

一种面向汇聚网络处理器模型的负载均衡算法

本文提出一种由多个网络处理器组成的汇聚网络处理器转发子系统路由器结构模型,并设计了算法DIHDA对多网络处理器的负载进行均衡分配。实验结果表明,该算法能够在保持负载均衡的同时获得较好的报文保序效果,综合性能优于目前已有的同类算法。     

模拟退火遗传算法在网络负载均衡中应用研究

研究网络负载均衡问题,由于现代网络负载具有高突发性、高实时等特点,针对网络资源利用率和流量控制问题,单纯的采用模拟退火或遗传算法无法适合其变化规律,导致网络资源利用率低,网络拥塞现象严重.为了提高网络资源利用率,使网络负载均衡更加合理,提出一种与模拟退火和遗传算法相融合的网络负载均衡方法.首先利用遗传算法对网络负载均衡问题进行全局搜索,使问题的解迅速处于全局最优区域附近,然后采用模拟退火算法在全局最优区域附近进行进一步局部寻优,找到网络负载均衡最优解.仿真结果表明,改善了全局搜索速度,提高了网络资源利用率,明显改善网络负载不均衡的状况.     

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。     

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,其中的负载均衡算法更是研究的热点。本文对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。     

基于遗传算法负载均衡的网格工作流技术研究

针对传统的网格工作流系统中,在分配任务的过程中,根据执行任务的最短时间选取传输路径,这样造成多条路径负载的不均衡,导致网格工作流的工作效率低的问题。文章提出一种基于遗传算法负载均衡的网格工作流算法。通过模拟自然界的生物进化过程对任务空间进行随机化搜索,根据预定任务的适应度函数,并用全局并行搜索方式找到最优节点,避免了传统均衡方法的逐次匹配执行带来的低效问题。实验表明,该新算法能够实现快速负载均衡,提高网格工作流系统的工作效率,取得令人满意的结果。     

浅谈网络负载均衡

通畅的网络是在一个网络的负载均衡的条件下建立的,他的存在可以说是给整个网络的性能优良打下了基础,他的建立使网络的透明化、高效化、廉价化进入了一个成熟阶段,这位网络的进一步升级提供了非常方便的服务途径,网络的带宽、吞吐量都和网络的数据处理水平都能得到优化,这样便建立了一个成熟、灵活和可靠的网络。     

基于遗传模拟退火算法的网络负载均衡研究

为均衡网络负载,提高网络节点工作性能,建立了基于遗传模拟退火算法的网络负载均衡数学模型,提出将遗传模拟退火算法应用于寻优网络负载均衡的算法GSAA.OPNET仿真实验表明,GSAA算法将遗传算法和模拟退火算法相结合,发挥了遗传算法的快速全局搜索性能和模拟退火算法的局部搜索效率,显著地提高了搜索效率,能够高效地寻优均衡网络负载的参数.     

基于免疫遗传算法的负载均衡策略

针对基于遗传算法的负载均衡策略(SGALB)搜索效率不高、局部寻优性能不佳、容易产生退化的问题,提出一种基于免疫遗传算法的负载均衡策略(IGALB)。通过在SGALB基础上对种群进行亲和力和浓度计算,增加基于浓度的调节概率因子,确保种群的多样性,克服了SGALB早熟收敛;同时在一定条件下引入免疫算子,进行接种疫苗和免疫选择,有效缓解了SGALB的退化现象。仿真实验表明,该算法的寻优能力高于SGALB,并有效提高了集群系统的性能。     

异构集群的一种基于遗传的负载均衡改进算法

计算机集群系统是通过网络将一组PC或工作站连接起来,架构成的高可靠、可扩展的集群服务器,能够统一调度、协调运行,实现高效并行处理。负载均衡是集群系统良好性能的保障。用节点的总体资源、CPU的就绪队列长度和节点的任务数来构造遗传算法的目标函数,既考虑了集群异构的特点,又能很好的体现负载程度,通过使用网络压力测试工具对该算法进行性能测试,表明了其具有比较好的优越性。     

基于云自适应遗传算法的LVS 负载均衡改进算法

针对LVS系统存在负载倾斜问题,改进了系统中带权值参数的负载均衡算法．先通过服务器节点反馈的参数计算出服务器节点的负载,再采用云自适应遗传算法根据负载为各服务器节点分配权值,进而实现改进算法．实验证明,改进算法比传统算法提高约10％的性能,可使系统有效地实现动态负载均衡．     

一种面向节点负载均衡的虚拟网络重构算法

为提高虚拟网络请求接受率,针对物理节点负载不均衡的问题,提出一种面向节点负载均衡的虚拟网络重构算法。根据物理节点的平均可用计算资源和最小可用计算资源,设置一个阈值,对超过阈值的物理节点进行重配置,动态地选择需要迁移的虚拟节点,在均衡物理节点负载的情况下,尽可能地减少虚拟节点的迁移数量。仿真结果表明,所提方法均衡了物理节点负载,提高了物理网络资源利用率和虚拟网络请求接受率。     

云计算中负载均衡优化模型及算法研究*

虚拟化技术使云计算中形成了各种各样的资源池,这对于用户来说资源可以按需分配、动态扩展和配置,但对于管理员来说资源的管理和分配变得复杂和困难。因此如何实现资源合理分配和负载均衡成为研究的热点。为此提出了任务调度的负载均衡优化模型,并采用改进的遗传算法（IGA）来求解。最后通过与遗传算法（GA）和Min-Min算法进行仿真对比实验,结果证明了IGA算法在计算资源负载均衡方面表现较优。     

考虑网络负荷的工作站群机负载平衡策略

本文首先介绍了目前工作站群机负载平衡的研究现状,指出网络负荷波动性是工作站各体的一个重要特征,因此负载平衡必须考虑网络负荷;最后提出了一个新的负载平衡策略并介绍了获得网络负荷参数的方法。     

一种基于时分同步的码分多址技术网络监管的分布式动态负载平衡算法

时分同步的码分多址技术（TD-SCDMA）网络具有显著的特点,如：可移动性、高速数据传输、业务种 类丰富以及业务流量大等,因此,监管TD-SCDMA 网络必须能够线速处理所有用户信息．本文以Hayat 研究的随 机时延的分布式动态负载平衡模型为基础,设计了局域网环境下计算随机时延的负载转移时延模型,采用多次先验 仿真的方法确定了增益因子,改进了负载平衡机制以满足3G 监管的要求．经过仿真测试,改进后的算法不仅节省 了分布式系统的资源,同时还能保证系统稳定、有效地运行,适于TD-SCDMA 网络的监管．     

一种均衡网络流量的遗传算法

基于整数规划的多限制条件下流量分布优化数学模型,该文设计了一种基于遗传算法的优化算法来求解计算复杂度高的均衡网络流量问题,进行全空间并行搜索,采用自然数编码及选择交叉变异算子,结合最优个体保存策略进行选择,融入自动信息。仿真结果证明算法是有效的,改善了传统路由算法易于导致的网络流量分布不均衡的状况。