论文部分内容阅读
互联网与大数据的飞速发展,加剧了Web服务器的访问流量,进而导致Web服务器的负载波动较大,服务器集群技术通过调度策略合理分配访问请求,使其达到负载均衡,可以有效缓解现阶段出现的难题。本文首先分析了负载均衡常用方法、分类及技术特性。针对一些负载均衡算法并没有考虑性能的动态变化,在此基础上,研究了基于改进粒子群与自适应BP神经网络相结合的服务器负载均衡调度方法,最后基于组合分配策略对其均衡系统进行了实验室测试分析,具体研究内容如下:(1)负载均衡技术研究本文首先分析了服务器负载均衡技术的分类、优缺点及目标特性,基于其工作原理和技术特点介绍了负载均衡技术的实现方式;此外,基于服务器负载均衡技术的基本分类,详细分析了常用的两种常用动态负载均衡算法,并从服务器整体系统性能、调度策略复杂程度、请求响应时间长短、开发成本等指标上对两者进行分析,提出本文的算法框架。(2)基于自适应BP神经网络改进粒子群优化算法的动态负载均衡调度策略本文为优化负载均衡技术,提高其响应效率,首先对负载均衡的基本模型进行了分析,研究了基本动态负载均衡方法的优缺点和负载矢量的选择和获取;在此基础上,提出基于BP神经网络并加以优化的负载均衡调度算法。根据自适应BP神经网络缺点,再加入改进粒子群算法对其进行调优并研究了两者相结合的组合负载均衡调度方法,理论分析和仿真结果均验证了所提组合负载均衡调度策略比现有负载均衡调度策略能够更好地改善系统请求响应时间。论文为验证组合算法的稳定性和可靠性,简要介绍了负载均衡系统的设计流程与实现方式,基于组合负载均衡调度策略对测试系统试验环境进行了搭建,仿真及测试结果表明,本文提出的自适应BP神经网络-改进粒子群算法对系统请求响应时间优化效果比较明显,算法具有一定理论参考价值和实际应用价值。