基于負(fù)載預(yù)測(cè)的動(dòng)態(tài)負(fù)載均衡算法研究.pdf

1、互聯(lián)網(wǎng)時(shí)代的到來(lái)，生活方式也發(fā)生了巨大的變化，社交活動(dòng)、資訊收集、即時(shí)通信、電子商務(wù)等線上活動(dòng)也越來(lái)越頻繁。這些活動(dòng)帶來(lái)了爆發(fā)式的并發(fā)壓力，對(duì)整個(gè)互聯(lián)網(wǎng)提出了巨大的挑戰(zhàn)。作為解決方式-集群技術(shù)，它的研究也逐漸成為科研熱點(diǎn)問(wèn)題。集群系統(tǒng)的核心技術(shù)是負(fù)載均衡，負(fù)載均衡指的是通過(guò)相應(yīng)的分發(fā)策略，把客戶(hù)業(yè)務(wù)請(qǐng)求均衡地分配到各服務(wù)器結(jié)點(diǎn)，從而最大程度的提升整個(gè)系統(tǒng)的吞吐量和資源利用率，降低請(qǐng)求響應(yīng)時(shí)間。負(fù)載均衡算法的優(yōu)劣，關(guān)乎到集群系統(tǒng)的整體性能

2、表現(xiàn)。
　　針對(duì)一些負(fù)載均衡算法未考慮集群結(jié)點(diǎn)異構(gòu)性和性能動(dòng)態(tài)變化的問(wèn)題，論文提出了一種動(dòng)態(tài)負(fù)載均衡算法。在解決上述問(wèn)題的同時(shí)，還需在多類(lèi)型用戶(hù)請(qǐng)求下，達(dá)到一定的負(fù)載均衡效果，論文的主要研究?jī)?nèi)容如下：
　　1）在負(fù)載矢量的選擇方案上，通過(guò)總結(jié)和分析前人的研究成果，選取出合適的負(fù)載矢量集合。為減少負(fù)載信息的頻繁交互，采用了周期性更新的矢量采集策略。此外，負(fù)載矢量管理策略使用的是信息被動(dòng)拉的方式。
　　2）綜合負(fù)載用于表現(xiàn)

3、結(jié)點(diǎn)的當(dāng)前負(fù)載情況，關(guān)于它的計(jì)算模型，常用的加權(quán)平均型方式在性能表現(xiàn)上存在不足，故提出一種乘積平均型的計(jì)算方法，增加了負(fù)載矢量間的約束。
　　3）針對(duì)非實(shí)時(shí)性更新綜合負(fù)載帶來(lái)的準(zhǔn)確度問(wèn)題，論文引入了內(nèi)容歸一性負(fù)載預(yù)測(cè)模型，但該模型沒(méi)有考慮到請(qǐng)求內(nèi)容的多樣性，在復(fù)雜網(wǎng)絡(luò)環(huán)境下存在一些誤差。基于此，提出一種多元線性回歸負(fù)載預(yù)測(cè)模型。為解決多元線性預(yù)測(cè)模型可能出現(xiàn)的矩陣不可逆現(xiàn)象，引入頁(yè)面置換算法的FIFO算法來(lái)處理。
　　4）為

4、了進(jìn)一步的提升負(fù)載均衡效果，對(duì)本論文提出的算法進(jìn)行了再優(yōu)化?；跍p少均衡器的負(fù)載壓力的考慮，綜合負(fù)載和預(yù)測(cè)模型參數(shù)計(jì)算被放置在結(jié)點(diǎn)端完成。在均衡器調(diào)度環(huán)節(jié)的優(yōu)化上，引入了Nginx加權(quán)輪詢(xún)算法的平滑調(diào)度機(jī)制。
　　為了驗(yàn)證算法的可行性和實(shí)際效果，分別使用OPNET測(cè)試平臺(tái)和Httperf+Auto-bench軟件對(duì)加權(quán)輪詢(xún)算法、最小連接數(shù)算法及論文提出的動(dòng)態(tài)算法進(jìn)行仿真和性能測(cè)試。仿真及測(cè)試結(jié)果表明，本論文提出的負(fù)載均衡算法的系統(tǒng)