基于遺傳算法的Web服務(wù)器集群負(fù)載均衡的研究.pdf

1、負(fù)載調(diào)度機(jī)制是通過最小化響應(yīng)時(shí)間及最大化節(jié)點(diǎn)利用率的目的，選擇網(wǎng)絡(luò)中適當(dāng)?shù)墓?jié)點(diǎn)進(jìn)行負(fù)載分配。但是，負(fù)載均衡的構(gòu)建是個(gè)NP完全問題。服務(wù)集群在實(shí)現(xiàn)負(fù)載均衡這一領(lǐng)域已取得了許多研究成果，雖然傳統(tǒng)調(diào)度算法操作簡(jiǎn)單，但對(duì)于多個(gè)復(fù)雜的因素相互交集和約束組合而成的現(xiàn)實(shí)環(huán)境，這些點(diǎn)到點(diǎn)式的算法在搜索過程中往往會(huì)產(chǎn)生大量錯(cuò)誤的峰值點(diǎn)，從而影響了最佳分配組合的判定。
　　適應(yīng)于多個(gè)領(lǐng)域的遺傳算法，它的本質(zhì)是一種求解問題的高度并行性全局搜索算法，在基

2、于遺傳算法的負(fù)載均衡研究中，適應(yīng)度函數(shù)是評(píng)估請(qǐng)求分配組合優(yōu)劣的標(biāo)準(zhǔn)。對(duì)此，本文提出引入Mean-Variance模型改進(jìn)負(fù)載均衡算法中的適應(yīng)度函數(shù)。采用投資選擇模型Mean-Variance來設(shè)置服務(wù)集群中節(jié)點(diǎn)利用率的權(quán)重，通過Lagrange Multiplier以最小化任務(wù)完成時(shí)間為條件來獲得最優(yōu)的權(quán)重，該方式提高了服務(wù)集群中任務(wù)調(diào)度的準(zhǔn)確性和有效性。針對(duì)服務(wù)集群的負(fù)載均衡研究，本文的主要貢獻(xiàn)包括三個(gè)方面:
　　(1)在遺傳算

3、法的編碼設(shè)計(jì)中，本文提出采用三維十進(jìn)制對(duì)空間的候選解進(jìn)行編碼設(shè)計(jì)。在三維十進(jìn)制編碼中，每個(gè)解被編碼為由三個(gè)屬性表示的十進(jìn)制數(shù)組。其中每個(gè)數(shù)組中的字符串具有固定大小的量化值，量化負(fù)載是根據(jù)肯尼迪宇航中心服務(wù)器日志文件中任務(wù)的比重進(jìn)行量化。在搜索空間中的每個(gè)節(jié)點(diǎn)都有字符串代表，而且其代表的字符串是唯一的。因此三維十進(jìn)制編碼設(shè)計(jì)提高了遺傳調(diào)度操作的準(zhǔn)確性。
　　(2)通過深入研究和分析基于遺傳算法的負(fù)載均衡方法，針對(duì)適應(yīng)度函數(shù)作為評(píng)判分

4、配組合的精確性問題，本文引入Mean-Variance模型構(gòu)建適應(yīng)度函數(shù)。通過投資組合選擇模型Mean-Variance進(jìn)行最小化響應(yīng)時(shí)間，可得到每個(gè)服務(wù)器資源利用率的權(quán)重，從而獲得最優(yōu)的分配組合。改變了傳統(tǒng)適應(yīng)度函數(shù)中節(jié)點(diǎn)利用率的簡(jiǎn)單疊加模式，使得執(zhí)行時(shí)間和節(jié)點(diǎn)利用率得到了改善，提高負(fù)載均衡策略的有效性。
　　(3)本文采用Mean-Variance模型構(gòu)建適應(yīng)度函數(shù)，使得負(fù)載均衡算法中的執(zhí)行時(shí)間和節(jié)點(diǎn)利用率得到了有效性計(jì)算。但

5、調(diào)度算法中仍舊會(huì)出現(xiàn)部分服務(wù)超載運(yùn)行的不均衡現(xiàn)象。對(duì)此，提出自適應(yīng)閾值算法，根據(jù)目前的系統(tǒng)負(fù)載和新調(diào)度任務(wù)的負(fù)載得到單個(gè)服務(wù)器的負(fù)載均值，同時(shí)系統(tǒng)設(shè)置了重閾值和輕閾值，如果超過重閾值或低于輕閾值則此服務(wù)器將是不正常運(yùn)作，將被認(rèn)定為不可接受分配任務(wù)的服務(wù)器。因此可接受分配服務(wù)器的自適應(yīng)閾值策略給負(fù)載平衡機(jī)制添加了靈活性，給負(fù)載均衡系統(tǒng)增加了一個(gè)重要保障。
　　本文設(shè)計(jì)并實(shí)施了一系列實(shí)驗(yàn)，在不同服務(wù)環(huán)境及參數(shù)設(shè)計(jì)下與其他模型進(jìn)行比較。