论文部分内容阅读
随着云计算的人量应用,各大云平台将存储、计算资源集合在一起,按需为各种应用系统提供高性价比的服务。为了确保云环境中的资源得到充分利用,必须使用负载均衡技术。现有的负载均衡算法存在着调度规则单一,参考指标单一,中央调度器瓶颈,使用范围局限等缺点,很难使复杂多变的云环境各节点资源使用平衡。所以,本文针对云环境自身特点,研究并实现适用于云环境的负载均衡算法,具有十分重要的意义。
首先,本文提出了一种基于一致性哈希的静态负载均衡算法,实现云环境接收任务的首次调度分配。该算法引入虚拟节点和动态备选集的思想,对一致性哈希算法进行了改进,实现了不同性能服务节点的差异调度,根据实时采集的集群资源信息,将任务始终分配给当前有处理能力的服务节点,大大降低了集群负载不均的可能性。之后,本文提出了基于层次分析法的动态负载均衡算法,实现了热点任务的再分配。该算法利用层次模型计算迁移任务的指标需求权重,合理的选择目标迁移节点,使任务迁移后集群资源使用更加均衡。另外,为了采集云环境资源状态信息,提供算法调度的依据,本文还搭建了简易的云环境,实现了云环境各服务节点资源信息的获取,汇总以及中央管理节点的任务调度,并提供直观的资源监测展示界面。
最后,为了验证负载均衡算法的有效性,本文分别采用一致性哈希算法,改进的一致性哈希算法和基于层次分析法的动态负载均衡算法进行对比实验,实验结果表明本文提出的两种负载均衡算法较好的实现了集群负载均衡,提高了系统运行性能。