基于预测机制的负载均衡模型研究

论文摘要

负载均衡是一种通过动态分配机制,提高计算机系统可用性和可伸缩性的关键技术。根据Web服务器集群中各个服务器上的工作负载情况及时调整负载均衡算法是目前基于预测机制负载均衡算法研究的核心内容。工作负载特征对Web服务器集群中负载均衡调度算法的性能有重要影响。针对负载特征在调度算法所起作用的分析和讨论,提出基于预测机制的自适应负载均衡算法（RRMMMCS-A-P）。通过监测工作负载,预测后续请求到达率和请求大小,快速调整相应参数,实现集群中各服务器之间的负载均衡。实验表明,无论是对计算密集型任务还是数据密集型任务,RRMMMCS-A-P同基于CPU和CPU-MEM的调度算法相比在缩短平均响应时间方面具有较好的性能。多维Markov链和排队论算法可以对工作负载特征进行有效地预测,在多内存需求多时间片轮询策略的基础上提出了基于Markov预测和排队模型的多内存多时间片轮询调度策略（RR-MMMCSMarkov）。实验验证了该策略可以较好地调度各服务器之间的工作负载,缩短各个服务器的平均响应时间。

论文目录

• 摘要
• Abstract
• 目录
• 图目录
• 表目录
• 1 绪论
• 1.1 研究背景
• 1.2 研究意义
• 1.3 本文研究内容
• 1.4 论文组织结构
• 2 负载均衡技术基础
• 2.1 负载均衡技术基础
• 2.1.1 负载均衡的概念
• 2.1.2 负载均衡原理及特点
• 2.1.3 负载均衡任务
• 2.2 负载均衡技术及分类
• 2.2.1 负载均衡技术要素
• 2.2.2 软件负载均衡和硬件负载均衡
• 2.2.3 本地负载均衡和全局负载均衡
• 2.2.4 DNS负载均衡
• 2.2.5 NAT负载均衡
• 2.2.6 动态反馈负载均衡
• 2.3 负载均衡集群技术
• 2.3.1 技术概念
• 2.3.2 负载均衡集群中的策略
• 2.4 负载均衡策略的实现
• 2.4.1 策略实现基础
• 2.4.2 结合CPU和MEM的负载均衡策略实现
• 2.4.3 常见问题
• 2.4.4 常见的负载均衡算法
• 2.5 本章小结
• 3 基于工作负载预测的自适应负载均衡模型
• 3.1 Web工作负载研究背景
• 3.2 Web工作负载概述
• 3.3 WEB服务器集群负载特征
• 3.4 基于工作负载预测的自适应负载均衡策略
• 3.4.1 策略描述
• 3.4.2 算法思想
• 3.4.3 改进算法
• 3.5 RR-MMMCS调度策略
• 3.5.1 轮询调度策略
• 3.5.2 RR-MMMCS策略
• 3.6 实验设置
• 3.6.1 系统负载模型
• 3.6.2 系统参数设置
• 3.7 性能分析
• MMMCS-A-P策略性能分析'>3.7.1 RR_MMMCS-A-P策略性能分析
• MMMCS-A-P策略变异系数分析'>3.7.2 RR_MMMCS-A-P策略变异系数分析
• 3.8 本章小结
• 4 基于马尔科夫预测的排队模型分析
• 4.1 Web服务器集群负载均衡概述
• 4.2 Web服务器集群负载均衡优势
• 4.3 多维Markov链在负载均衡中的应用
• 4.4 排队论在负载均衡中的应用
• 4.4.1 集中式负载均衡排队模型
• 4.4.2 分布式负载均衡排队模型
• 4.5 基于多维Markov链的排队模型
• 4.5.1 策略分析
• 4.5.2 算法思想
• 4.5.3 性能分析
• 4.6 本章小结
• 5 结论与展望
• 5.1 结论
• 5.2 进一步工作及展望
• 参考文献
• 个人简历及在学期间发表的学术论文
• 致谢