基于遺傳算法的服務(wù)器端動態(tài)負(fù)載均衡系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、隨著Internet的飛速發(fā)展和Web應(yīng)用的廣泛展開，Web服務(wù)器端負(fù)載也在快速增長，這對服務(wù)器性能提出了更高的挑戰(zhàn)。而集群技術(shù)則是目前解決這個問題的常用方法，該技術(shù)通過請求分配使得集群達到負(fù)載均衡。雖然目前已經(jīng)對這個課題進行了很多的研究工作，但許多問題還沒有得到完滿的解決。本文介紹如何使用改進后的遺傳算法解決動態(tài)負(fù)載均衡的問題以及在實現(xiàn)動態(tài)負(fù)載均衡系統(tǒng)中所采用的方法和技術(shù)。 遺傳算法是一種基于自然選擇和有性繁殖機制的隨機搜索策

2、略，被廣泛應(yīng)用在函數(shù)優(yōu)化、作業(yè)調(diào)度等領(lǐng)域。本文在論述了遺傳算法的基本特征、流程和優(yōu)點后，重點討論了遺傳算法在負(fù)載均衡問題中的應(yīng)用，通過從作業(yè)調(diào)度的角度重新考察請求分配問題，提出了一種改進的遺傳算法——基于遺傳算法的動態(tài)負(fù)載均衡算法GA-DLB。該算法借助遺傳算法的隨機搜索特性以及優(yōu)秀個體的可繼承性，通過在初始種群中使用動態(tài)數(shù)組結(jié)構(gòu)定義染色體以此來適應(yīng)批量處理網(wǎng)絡(luò)請求的需要，在適應(yīng)度函數(shù)的設(shè)計上引入了后臺Web服務(wù)器CPU占用率作為負(fù)載指

3、標(biāo)，通過實時監(jiān)測該指標(biāo)達到動態(tài)均衡效果。在選擇算子中采用“精英主義策略”保證GA-DLB能始終以概率1收斂到全局最優(yōu)解，在種群結(jié)構(gòu)上采用了多點交叉方式，使優(yōu)質(zhì)個體有更多的雜交機會，結(jié)合在變異算子中設(shè)定好的變異率，防止種群因單一化而陷入局部優(yōu)化解。GA-DLB和其它均衡算法相比，有著很明顯的優(yōu)點：①通過實時監(jiān)測后臺服務(wù)器負(fù)載指標(biāo)，實現(xiàn)了真正的動態(tài)均衡負(fù)載；②借助遺傳算法的自適應(yīng)和自學(xué)習(xí)性，降低了算法與問題本身的強關(guān)聯(lián)性，回避了其他均衡算法

4、中設(shè)定權(quán)值等問題，提高了算法的健壯性；③由于GA-DLB是基于遺傳算法改進的，而遺傳算法有著強大的數(shù)學(xué)知識作理論支撐，因此本算法有較強的魯棒性。 本文在系統(tǒng)地分析和總結(jié)了現(xiàn)有Web服務(wù)器集群系統(tǒng)的請求分配和負(fù)載均衡技術(shù)之后，著重研究了數(shù)據(jù)包轉(zhuǎn)發(fā)方式和動態(tài)方式的負(fù)載均衡。我們首先建立了一個負(fù)載均衡系統(tǒng)模型，該模型是以基于IP層的直接路由方式來進行數(shù)據(jù)包的轉(zhuǎn)發(fā)。然后，采用GA-DLB對客戶端請求進行動態(tài)分配。最后，通過熟悉Linux