随着Internet的飞速发展和Web应用的广泛展开,Web服务器端负载也在快速增长,这对服务器性能提出了更高的挑战。而集群技术则是目前解决这个问题的常用方法,该技术通过请求分配使得集群达到负载均衡。虽然目前已经对这个课题进行了很多的研究工作,但许多问题还没有得到完满的解决。本文介绍如何使用改进后的遗传算法解决动态负载均衡的问题以及在实现动态负载均衡系统中所采用的方法和技术。 遗传算法是一种基于自然选择和有性繁殖机制的随机搜索策略,被广泛应用在函数优化、作业调度等领域。本文在论述了遗传算法的基本特征、流程和优点后,重点讨论了遗传算法在负载均衡问题中的应用,通过从作业调度的角度重新考察请求分配问题,提出了一种改进的遗传算法——基于遗传算法的动态负载均衡算法GA-DLB。该算法借助遗传算法的随机搜索特性以及优秀个体的可继承性,通过在初始种群中使用动态数组结构定义染色体以此来适应批量处理网络请求的需要,在适应度函数的设计上引入了后台Web服务器CPU占用率作为负载指标,通过实时监测该指标达到动态均衡效果。在选择算子中采用“精英主义策略”保证GA-DLB能始终以概率1收敛到全局最优解,在种群结构上采用了多点交叉方式,使优质个体有更多的杂交机会,结合在变异算子中设定好的变异率,防止种群因单一化而陷入局部优化解。GA-DLB和其它均衡算法相比,有着很明显的优点:①通过实时监测后台服务器负载指标,实现了真正的动态均衡负载;②借助遗传算法的自适应和自学习性,降低了算法与问题本身的强关联性,回避了其他均衡算法中设定权值等问题,提高了算法的健壮性;③由于GA-DLB是基于遗传算法改进的,而遗传算法有着强大的数学知识作理论支撑,因此本算法有较强的鲁棒性。 本文在系统地分析和总结了现有Web服务器集群系统的请求分配和负载均衡技术之后,着重研究了数据包转发方式和动态方式的负载均衡。我们首先建立了一个负载均衡系统模型,该模型是以基于IP层的直接路由方式来进行数据包的转发。然后,采用GA-DLB对客户端请求进