基于Web服務(wù)器集群的負載均衡系統(tǒng)研究與實現(xiàn).pdf

1、隨著信息時代的高速發(fā)展，互聯(lián)網(wǎng)已成為人們工作與生活中不可缺少的部分。國內(nèi)外互聯(lián)網(wǎng)環(huán)境表現(xiàn)為:第一，網(wǎng)民基數(shù)大并呈上升趨勢;第二，網(wǎng)絡(luò)訪問量大;第三，依附于互聯(lián)網(wǎng)上的大型商務(wù)活動將趨向于普遍。提供最佳的Web服務(wù)的方法是建立Web服務(wù)器集群，而Web服務(wù)器集群核心是負載均衡的調(diào)度策略。
　　 本文研究的目的是在上述環(huán)境下，縮短請求響應(yīng)時間，使Web服務(wù)器集群較好地提供高可用高擴展性服務(wù)。提出基于動態(tài)信息反饋負載均衡，人工神經(jīng)網(wǎng)絡(luò)與

2、遺傳算法三者結(jié)合而成的負載均衡分配策略，并基于新分配策略設(shè)計與實現(xiàn)了負載均衡系統(tǒng)。主要研究內(nèi)容如下:
　　 第一，研究基于動態(tài)信息反饋策略，對周期收集的各節(jié)點信息，采用可靠因子計算集群綜合平均指標，基于平均指標修正分配比例，進行請求分發(fā)。
　　 第二，研究人工神經(jīng)網(wǎng)絡(luò)在動態(tài)反饋策略的應(yīng)用，基于動態(tài)反饋數(shù)據(jù)，詳述神經(jīng)網(wǎng)絡(luò)的設(shè)計，當節(jié)點數(shù)目大時采用CPU利用率、內(nèi)存利用率、磁盤讀寫率、連接率四個指標綜合量作為輸入，采用動態(tài)學

3、習率，進行人工神經(jīng)網(wǎng)絡(luò)訓練。
　　 第三，研究遺傳算法在動態(tài)調(diào)度策略的應(yīng)用?；诩喝止?jié)點負載均衡為目標函數(shù)。以人工神經(jīng)神經(jīng)網(wǎng)絡(luò)輸出權(quán)重作為遺傳算法初始值，達到權(quán)重修正效果，得到全局最優(yōu)的權(quán)重分配策略。
　　 第四，基于前三者結(jié)合的策略與中心處理模型，詳細地論述了負載均衡系統(tǒng)的設(shè)計與實現(xiàn)過程，即對接收、分發(fā)、分類、策略、信息收集、調(diào)度和監(jiān)控模塊的設(shè)計與實現(xiàn)。其中策略模塊采用策略與單例模式設(shè)計，運用joone與jgap實