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(RR_MMMCS-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,RR_MMMCS-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-MMMCS_Markov)。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。