基于Apache集群负载均衡的研究和实现

摘要

随着Intemet的不断发展和广泛应用,使得人们对网络服务的质量的要求越来越高,网络服务器经受着巨大的考验,很多网络服务因为网络负载的线性增长而不堪重负,服务响应时间增加,服务质量大打折扣,集群负载均衡技术成为解决服务端瓶颈的一个有力措施,具有较高的性价比和可扩展性,所以得到了广泛的应用。
　　 集群的负载均衡算法是负载均衡技术的关键,通过考虑节点设备各方面的因素来使任务合理均衡地分配到相应的真实节点设备上,减少集群系统的响应时间,增加集群系统的吞吐量,提高网络设备的灵活性和可用性,增加网络通信的带宽。集群设计中的负载均衡算法的优劣将直接影响集群的性能。动态反馈是基于服务器的实时负载和响应情况,不断调整服务器间请求的比例,来避免有些服务器在过载时仍接收大量的请求,以此来达到提高整个集群系统的处理能力。
　　 本文通过对集群系统和当前主流的负载均衡技术理论的介绍和研究,针对其不足之处,提出了三种可行的解决方案,根据动态反馈算法而提出的新算法中,不仅考虑了节点设备的性能和负载能力,而且还根据输入指标来调整各节点的权值,使负载均衡不倾斜。本文还利用神经网络BP算法、排队论算法来对负载均衡算法进行改进,充分利用神经网络BP算法和排队论模型的各种优点,构建一个无需人工干预的自学习的负载均衡算法,本文进行了详细的描述。最后还通过仿真实验的对比分析,证明了改进算法的优越性,有效的提高集群系统的性能,降低系统的延迟时间,提高系统的吞吐量和利用率。

目录

文摘

英文文摘

第一章 绪论

1.1.引言

1.2.课题研究的目的和意义

1.3.集群负载均衡的研究现状

1.4.本文主要研究工作及组织结构

第二章 集群负载均衡关键技术的研究

2.1.J2EE集群概述

2.2.负载均衡技术

2.2.1.负载均衡概述

2.2.2.基本的负载均衡算法

第三章 一种改进的动态反馈负载均衡算法

3.1.负载均衡算法研究的背景

3.2.影响负载均衡的因素

3.3.现有负载均衡算法的不足

3.4.一种新的动态负载均衡算法

3.5.新算法的流程

3.6.新算法的数据结构定义

3.7.系统运行环境

3.8.测试结果及分析

3.8.1.测试结果分析1

3.8.2.测试结果分析2

3.9.实验结论

3.10.总结

第四章 利用BP神经网络改进的动态负载均衡算法

4.1.神经网络介绍

4.1.1.人工神经网络的特点和优越性

4.1.2.神经网络的BP算法

4.2.神经网络BP算法在负载均衡中的应用

4.2.1.传统负载均衡算法的不足

4.2.2.利用BP算法对负载均衡算法的改进

4.3.基于BP神经网络的负载均衡改进算法

4.4.测试结果及分析

第五章 基于排队理论的自适应负载均衡算法研究

5.1.排队论简介

5.1.1.排队论基本模型

5.1.2.两个重要排队系统

5.2.基于排队论的改进负载均衡算法

5.3.算法的设计与实现

5.3.1.算法的设计

5.3.2.算法的实现

5.4.实验结果及分析

5.4.1.实验分析1

5.4.2.实验分析2

5.5.总结

第六章 总结与展望

6.1.总结

6.2.展望

参考文献

致谢

个人简历及发表的学术论文