论文五:
[1]余钦水,李星毅.一种基于预测的动态负载均衡算法及实现[J].软件导刊,2016,15(03):59-62. |
依据当前互联网用户访问数据的特征提出了负载预测模型,并提出了相应的后端实例调整策略。根据该策略指导系统对负载均衡器的后端实例数量进行调整,从而完成整个算法流程。
统计某一网站连续几天的PV变化
某一天某一时刻的PV Pw(t) w=(1,2...7) t=(1,2....24)
某一天的PV Pd
下一天的PV Pd+1
Pw(t),w作为输入,Pw+1(t)作为输出,利用BP神经网络进行预测。
系统当前PV p(t) 下一时段的预测PV p`(t+1) 当前实例n 实例上限N 系统当前的平均cpu使用率c
增加实例
n<N, 增加实例
减少实例
减少实例
作者的结果:
这种方式比较新颖,根据以往数据进行预测,提前调整后端服务器集群数量。
论文六
[1]李立耀,赵少卡,林东森,徐聪,杨家海.云环境下虚拟机集群系统动态负载均衡机制[J].计算机应用,2014,34(11):3082-3085+3090. |
提出一种基于集群的综合负载计算模型,通过监测集群 VM 节点的负载情况,并使用加权计算进行负载的综合评价,之后根据评价情况实时地对用户请求进行合理有效的分配,并弹性地对集群中 VM 的数量进行增加或减少,最终实现整体集群的动态负载均衡。
节点指标:
cpu利用率 内存利用率 当前节点连接数 响应时间
连接数以及响应时间的归一化:
节点的综合负载:
指标的权值
权重调整策略:
动态负载均衡算法流程:
作者的结果:
总结:
最近读了一些有关Nginx动态负载均衡的论文,感谢大神做的工作。关于动态负载均衡,一般来说首先确定节点的衡量指标,然后计算各个节点的实时权重,根据某种特定的策略来实现动态调整;思路二是基于以往数据进行预测,提前进行集群数量调整,提升系统性能。其中主要的指标一般选取cpu,内存,网络,IO,连接数以及响应时间等。