分布式系統(tǒng)中的主機負(fù)載預(yù)測與動態(tài)負(fù)載均衡研究.pdf

1、動態(tài)負(fù)載均衡是網(wǎng)絡(luò)計算的關(guān)鍵技術(shù),如何提高動態(tài)負(fù)載均衡的性能,一直是網(wǎng)絡(luò)計算人員研究的一個熱點.傳統(tǒng)的動態(tài)負(fù)載均衡方法總是收集結(jié)點負(fù)載的實時值作為任務(wù)在各結(jié)點分配的依據(jù),但這種方法會產(chǎn)生決策時延,造成進(jìn)程抖動現(xiàn)象,使均衡系統(tǒng)的性能大大下降.如果我們能準(zhǔn)確地衡量和預(yù)測結(jié)點的負(fù)載,并結(jié)合負(fù)載均衡策略,將有效解決以上問題,大大提高網(wǎng)絡(luò)計算的性能.基于這種思想,本文運用數(shù)學(xué)、統(tǒng)計學(xué)、人工智能學(xué)等多學(xué)科的知識建立了多種預(yù)測主機負(fù)載的預(yù)測模型,主要

2、包括傳統(tǒng)的線性時間序列模型、特殊的自我平衡及趨勢預(yù)測時間序列模型、神經(jīng)網(wǎng)絡(luò)BP模型.本文通過實驗評估比較了這些預(yù)測模型的預(yù)測性能,獲得了各預(yù)測模型的優(yōu)劣,從中選擇了具有較佳預(yù)測性能的時間序列AR、混合趨勢預(yù)測MT、神經(jīng)網(wǎng)絡(luò)BP三種預(yù)測模型構(gòu)建了預(yù)測模型模板庫.在獲得良好預(yù)測模型的基礎(chǔ)上,本文建立了HLPS(Host Load Prediction System)模型體系,并開發(fā)了應(yīng)用于LINUX分布式環(huán)境的HLPS軟件包,可以對主機負(fù)載

3、進(jìn)行實時在線預(yù)測.然后,本文應(yīng)用HLPS成果,提出了基于負(fù)載預(yù)測的任務(wù)運行時間預(yù)測理論,這和傳統(tǒng)的針對特定應(yīng)用構(gòu)建性能模型以預(yù)測任務(wù)運行時間的方法相比,在預(yù)測簡易性、可操作性上有了較大的提高.最后,本文把負(fù)載預(yù)測和動態(tài)負(fù)載均衡有效結(jié)合起來,提出了一種高效的基于負(fù)載預(yù)測的動態(tài)負(fù)載均衡算法,該算法使用預(yù)測的方法獲得負(fù)載信息,并采取了改進(jìn)型接收者驅(qū)動策略.經(jīng)性能分析和實驗評估,這種方法與傳統(tǒng)的動態(tài)負(fù)載均衡方法相比具有一定的優(yōu)越性,有效地提高了