随着互联网的快速发展和广泛应用,Web信息系统处理的业务形式多种多样,服务站点规模和服务响应增长越来越大,为了提高信息服务系统的可用性、可靠性和安全性,服务集群技术应运而生。为了充分利用集群中每个服务节点资源以提高集群整体性能,需要选择合适的负载均衡技术和高效的负载均衡算法来分配客户端访问请求,使每台服务器或服务节点处理访问负载的大小基本平衡。本文针对Web集群系统中传统负载均衡算法存在的不足,提出一种处理混合请求的负载均衡优化算法,以三类改进模型为主,完成了如下工作:1、负载模型的优化传统算法使用连接数和响应时间等单一变量作为衡量服务器负载大小的依据,没有考虑其他的影响因素,而且对请求访问做统一处理。负载模型将请求分为静态资源请求和动态资源请求,使用多维度变量计算节点的最大处理能力、总负载和静态负载。使用负载率表示一个节点承受负载大小的程度,同时提出了负载均衡方差的概念来衡量整个集群系统的负载均衡程度;2、自适应权重模型的优化传统算法通过服务器性能或者以往经验设置服务器权值,这种权值不够准确,而且无法更新。根据服务器的负载量和平均时间存在某种非线性关系,自适应权重模型利用BP神经网络的误差反向传播算法存储这种非线性关系,使服务器权值可以根据后台节点的负载情况实时修正。实验验证了该模型可以有效减少输出值和期望值之间的误差,使每台服务器可以接收期望的动态负载;3、分发模型的优化传统算法在一个采样周期内会把全部请求分配给同一台服务器而造成负载倾斜。分发模型基于自适应权重模型,使用哈希表记录静态资源请求的分配,将同一请求分发给同一台服务器,提高缓存命中率;利用BP神经网络的输出误差计算每台服务器接收到动态资源请求的概率,在一个采样周期内概率性地分发动态资源请求,避免负载倾斜。实验验证了该模型的有效性。4、采用OPNET软件对负载均衡算法进行模拟仿真,结果表明,相比加权轮询算法和最小连接数算法,本文的优化算法使负载均衡器的CPU使用率最低,负载均衡方差最小,负载均衡效果最好,证明了本文优化算法的合理性和有效性。