基于多层Bayesian信任网的P2P负载均衡模型

针对基于信誉机制的P2P(Peer-to-Peer)网络中的负载不均衡现象,提出一种基于多层Bayesian信任网的P2P负载均衡模型,介绍了如何在Bayesian信任网中引入多种负载指标以及它们之间的各种关联,并且使用该结构预测P2P网络中各服务节点的负载,使整个网络达到负载均衡.对包含负载指标的多层Bayesian信任模型和动态负载模型进行了实验比较.实验结果表明:基于Bayesian信任网的P2P网络负载均衡模型运用节点的历史交互信息,结合Bayesian预测理论,影响资源请求节点选择服务节点,实现P2P负载的有效均衡,确保整个P2P网络资源利用的高效性、节点服务的可靠性以及整个网络的稳定性.     

基于JXTA的P2P计算负载均衡策略

随着基于JXTA平台的P2P计算的广泛应用，提高P2P系统的性能的动态负载均衡策略也日益为人们所霞视。提出了多层次网状复合动态负载均衡策略，并在JXTA平台上构建了使用该策略的均衡模型，依靠JXTA的服务、消息、公告和管道等技术，最后给出了该模型相应的实现算法。     

LRV负载均衡算法的研究与实现

在研究基于软交换的集群媒体服务器的系统特征的基础上,提出了1种LRV(limited resource vector)负载均衡算法并提供了算法的软件实现方法,该算法考虑了异构系统中资源的协调使用并有效防止了系统性能的剧烈变化. 通过在负载均衡系统Petri网模型上的大量仿真模拟,对LRV负载均衡算法与其他传统负载均衡算法在系统吞吐量、系统响应时间和性能平稳性几个方面做了比较和分析. 结果表明,LRV算法具有更优越的性能,LRV算法的软件实现方法对其他异构集群系统也具有重要参考价值.     

基于链路响应的负载均衡网络实现

链路优化和负载均衡是提高网络响应速度的关键技术,通过对链路聚合及负载均衡技术原理及实用性的研究,将DNS轮序、网络地址转换及负载均衡群集技术进行了有效的结合,提出了基于不同链路实施调度的负载均衡策略,该策略既实现了优先利用同网链路传输数据,又解决了网络负载三级均衡问题,提高了网络的响应速度、可靠性和可伸缩性,同时给出了策略实现的具体方法和步骤;Windows Server 2003测试结果表明,该策略具有良好的实用性和稳定性,易于实现。     

基于机器学习的动态负载均衡模型研究

现阶段,负载均衡服务器运行参数是根据经验设定的,这不利于自动运维。针对该现状,笔者提出一种基于机器学习的动态负载均衡模型。该模型在传统的负载均衡模型基础上增加了负载权重预测模块,并为策略转发模块补充动态调整功能。权重预测模块采用机器学习的经典算法线性回归来预测各个负载权重值,算法采用非定时触发机制,在预测权重值的同时也动态调整算法模型参数和触发周期,具备自我调优能力。策略转发模块在经典转发算法上增加了动态调整权重值功能,能够平滑地对权重参数进行调整而不影响后端负载能力。权重预测模块与策略转发模块采用多线程设计,互不干扰,仅通过消息缓冲区进行通信,保证了模块独立性和稳定性。压力测试表明,改进的负载均衡模型能够动态调整负载参数,结果符合预期。     

基于灰色模型的海洋大数据迁移算法设计

针对海洋大数据环境的数据量大和实时动态变化的特点,提出了一种基于云存储的海洋大数据迁移算法。首先,对海洋大数据进行了表示;设计了一种灰色模型的服务器负载预测算法,该算法能根据服务器历史负载信息来预测下一个时刻的负载。基于服务器的负载预测信息,提出了一种对服务器的负载进行实时迁移的数据迁移算法,通过设定最大负载阈值和最小负载阈值来实现服务器负载的均衡分配。在CloudSim环境下进行实验,实验结果表明文中方法能有效地实现海洋大数据环境的云环境的负载均衡,具有负载均衡高和负载均衡效率高的优点,与其他方法相比,具有更好的负载均衡能力。     

网格任务调度模型的研究

网格任务调度是采用适当的调度策略把应用程序分配到异构的计算节点上进行高效的执行并返回正确结果的过程。本文研究了经典网格任务调度模型,分析了各自的优缺点,并提出了一种包含有树形全局调度模型和局部调度模型的两层结构模型,此树形全局调度模型通过负载从根节点自上而下的迁移,能够很好地实现网格系统的负载平衡。通过二叉树的节点删除算法能够很好地解决模型中节点的失效问题,因此具有很好的安全性和可靠性。     

基于数据划分的分布式模型及其负载均衡算法

介绍了基于应用划分的对称式集群和非对称式集群两种经典的分布式模型,分析两种经典模型在企业级应用中的缺陷.为了克服这些缺陷,引入基于数据划分的分布式模型,并提出适用于企业级系统的基于数据库访问量的负载均衡机制.通过测试与分析,获得负载均衡机制中两个关键参数Dmax和VSRT的阈值.该模型和负载均衡机制具有更好的运行性能、横向可扩展性和动态负载均衡能力,已经被应用于单机金融遗留系统到J2EE分布式环境的再工程项目中,成功地实现了基于数据划分的系统架构,取得了理想的效果.     

一种基于免疫稳态维持的Web服务负载均衡模型

基于免疫稳态维持机制,提出一种负载均衡的面向服务的系统架构(service-oriented architecture, SOA)模型。首先分析了免疫稳态和SOA框架上的Web服务负载均衡问题,提出了基于免疫系统的扩展SOA框架,在此基础上提出了Web服务的动态负载均衡模型,建立两个阶段的负载均衡优化算法,在多Agent仿真平台下对比研究该模型的负载均衡能力。模拟实验和分析表明,该免疫模型能够提高支持Web服务的负载均衡性能,降低服务请求处理的失败比率。     

改进的分布式系统负载平衡策略

针对服务器计算能力及带宽等方面的异构性导致的系统负载不均衡问题,提出了一种改进的分布式系统负载平衡策略.将模糊综合评判理论运用到服务器性能评价中,选出性能最佳的服务器,使负载均衡,提高了分布式资源的利用率.实验结果表明,运用此策略可以准确地选出最佳服务器.     

有限容量系统脉冲性负荷建模与仿真

随着电力电子技术的发展,特殊负荷对电力系统,尤其是有限容量电力系统的电能质量影响已表现得尤为突出。提出了脉冲性负荷的定义,在分析脉冲负载机理的基础上,设计了3种脉冲负载电路结构模型。最后将这几种脉冲负载模型接入有限容量系统进行仿真分析,提出了这3种负载模型对发电机的影响和各自的适用场合。     

电力市场下各经济实体间利益分配的研究

供应函数和需求函数是经济学的重要概念，用供应函数均衡博弈模型分析电力市场下各经济实体间的利益关系，得到了均衡电价的求解公式，以实现利用得益面积分析电厂和用户的策略行为。提出了电网得益的新概念，并对厂网分开前后各经济实体得益进行了比较，分析了输电容量、税收政策和电厂竞价在模型中的影响。     

稳定分布式调度算法中任务的优化分配

在分布式计算机系统上通过动态重新分布系统中的工作负载,显著提高其性能是分布式系统领域里最热门的课题．本文通过提出一种启发式稳定算法,分析了在分布式计算机系统中实现负载平衡的难点,完善了一种基于常规分布式系统的负载平衡,扼要说明了负载平衡的特征、功能与前景．     

一种负载均衡算法的研究与实现

在分布式系统中，负载均衡就是要将重负载机上的作业转移到轻载机上执行，使得整个计算机系统中的负载趋于平衡，目的是要缩短作业的平均响应时间．本文以故障检测设备的研发为背景，提出了一种实用的负载均衡算法，并通过网络仿真软件-OPNET仿真了该算法，仿真结果表明该算法较好地完成了负载均衡的任务．     

基于GSPN的Ad-hoc网络性能和安全平衡

关于Ad-hoc网络研究中性能与安全的平衡问题有很多优化方案,但一直缺乏统一的量化标准来比较性能和收益,为此,提出了一种可以广泛使用的方法来评估Ad-hoc网络中性能和安全平衡。首先,采用GSPN构建节点内和节点间的数据传输模型;然后,运用Petri网抽象和精化;最后,结合连续时间马尔可夫链CTMC计算性能、安全和收益。通过这种方式,可将不同策略纳入统一的评估框架中,根据不同环境和需求选择最优均衡解,并在数据加密算法、密钥大小和策略选择上进行了仿真,为该模型利于网络资源的利用提供了理论依据和数据支持。     

基于Agent的Web缓存主动负载均衡模型

为改善Web缓存系统中存在负载不平衡现象，提出了一种基于Agent的自主式缓存负载平衡方案．文中对Agent的结构进行了设计，指出了现有均衡算法的不足，提出了基于主机检测的动态复制均衡算法和交换负载均衡算法．最后通过仿真对方案的有效性进行了检验，检验结果表明，选择不同的均衡策略和算法与传统方法相比有更好的灵活性．     

基于DPB+-Tree的数据迁移策略研究

提出了一种适合于数据迁移、又能保证分布并行特性的树结构DPB+-Tree,讨论了基于DPB+-Tree的数据迁移策略,其中数据节点迁移采用分布式提交协议来保证原子性,索引重构通过对溢出链的hash重排来实现,迁移算法则通过设置负载系数的两个阈值来对负载倾斜进行判断。经模拟实验结果表明,该数据迁移策略能够有效改善系统的负载均衡和吞吐率特性。     

基于智能DNS的网络负载均衡的研究

在分析传统网络负载均衡技术的基础上,研究了基于IntelliDNS负载均衡的策略,提出了基于IntelliDNS的不同地域实现网络与服务器负载均衡的实现方法并给出了实验结果,研究结果表明：本文提出的基于IntelliDNS和CACHE相结合的方法实现服务器负载均衡是有效的.     

基于动态反馈的负载均衡方法研究

随着基于互联网的应用服务快速发展,网络上提供应用服务支撑的服务器(集群)所面临的并发性访问激增,运用负载均衡是应对处理大量并发访问及提高服务请求接入性能的重要策略之一。负载均衡通过对服务器集群中的逻辑/物理单机进行规划实现负载任务分配调度,实现对大量并发访问的并行化处理,从而提高应用服务的请求接入和服务处理性能。提出了一种基于动态反馈的负载均衡方法,其通过周期性的获取集群中单机节点的工况信息,然后分析单机节点的实时负载和响应情况,并将其与保持负载均衡性能的决策参考阈值相比对,通过负载任务再分配达成动态负载调整并保持集群工作性能均衡的目的,进而提升集群系统的服务吞吐能力,降低服务请求的响应延迟,能够为开展海量数据高并发处理提供技术基础和保障。实验结果表明,该算法使系统的整体性能得到了改善。     

基于OPNET的集群负载均衡仿真

为了分析比较集群负载均衡中随机调度算法、轮转算法、加权轮转算法等3种基本算法,介绍了OPNET的建模方法,给出了基于OPNET进行网络仿真的建模层次和步骤,并运用OPNET建立集群系统模型,对其进行仿真测试．仿真结果表明：3种算法均能实现负载的平衡分配,在同构集群中,轮转算法有较好的负载均衡效果;但在异构的集群系统中,加权轮转算法具有最好负载均衡效果．