一种基于cookie会话保持的LVS集群系统

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:L1010732268
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对基于源IP会话保持的IPVS在高速代理上网环境中存在的会话失效和负载不均衡问题,研究了LVS系统的设计原理与实现方法,并结合Web应用中cookie会话保持机制,提出了基于cookie会话保持的改进方案。实验结果表明,改进的基于cookie会话保持的IPVS负载均衡集群系统能有效地解决高速代理上网环境中存在的会话失效和负载不均衡的问题,同时在相同的并发用户量的情况下响应时间更短、吞吐率更高,特别是在高并发情况下集群性能更优。
其他文献
由于目前博客基本是文本格式,提出基于语义理解分析博文倾向性的方法。算法以HowNet情感词语词库为基础,绿色网络云系统可以创建并不断完善绿色网络系统的情感字典云数据库,使用词语相似度方法计算词语的情感权值,同时利用词语的情感权值的计算对博文倾向性作初始判定,从而得到博文的情感倾向性判定结果。最后通过实验对该方法进行验证,结果表明该算法可以有效地判定博客文本情感倾向性,为绿色网络系统是否过滤该博客提
针对云计算下大量用户环境下网络异常流量分组管理问题进行研究,提出一种面向云计算的网络流量分组方法。该方法采用BIRCH算法对云计算产生的大量网络数据进行初次聚类,然后根据初次分类的统计特征进行分组融合,从而得到对网络流量的最终分类结果。实验通过一个具有突发异常流量的仿真场景,从分组效果和基于该分组的流量管理两个角度进行验证。实验结果证明,基于该方法能有效对异常用户进行分组,并且在有效阻断异常流量的
针对传统方法在分析DNA序列相似性方面的不足,提出了一种新的基于信息量的DNA序列相似性分析算法,该方法将DNA序列视为基于符号集{A,C,G,T}的信号序列,全部待比较的DNA序列组合成一个以字符A、C、G、T为属性值的信息系统。在所得数据库系统中引进DNA序列的信息量、联合信息量、条件信息量、交互信息量等概念,讨论这些信息量的性质并给出它们之间的一些关系式,然后在此基础上构建DNA序列相似性分
为使产品设计时间预测既克服小样本、异方差噪声问题,又提供除预测值以外的其他有用信息,建立概率支持向量回归(PSVR)模型。首先,在异方差回归模型基础上设计概率约束条件,以使预测值以较大概率位于真实值的某邻域,结合具有参数不敏感损失函数的支持向量回归确定优化目标,提出PSVR。然后,将最大完工时间知识嵌入进PSVR的约束条件,用以确定真实值邻域的宽度,将交叉验证与遗传算法相结合以确定PSVR的相关参
为了提高实时系统的任务成功率和资源利用率,提出了一种过载控制策略HP-OMS。HP-OMS利用周期任务在每个超周期内保持其执行状态不变的特点,并与特定调度算法相结合,通过拒绝不可能完成的作业,消除了任务调度中作业级联抢占问题,提高了系统资源的有效利用率。实验结果显示,OMS适用于处理静态或者动态调度任务集,应用了OMS过载控制策略的调度算法能够明显提高系统性能。
针对Haar-like特征的缺陷以及AdaBoost算法存在训练耗时的问题,提出一种基于协方差特征的改进AdaBoost人脸检测算法。该方法用协方差特征代替Haar-like特征进行特征提取;然后使用特征裁剪和动态权重裁剪相结合的裁剪AdaBoost算法,训练得到基于协方差特征的强分类器。实验结果表明,相对于基于Haar-like特征的AdaBoost算法,该算法性能没有明显退化且很大程度上提高了
针对Ziarko提出的变精度粗糙集缺乏相应的逻辑解释,且约简方法不合理,对经典粗糙集的逻辑解释进行了扩展,提出了变精度粗糙集决策算法应满足的四个条件,证明了变精度粗糙集决策算
针对Spiez等人提出的一个公开问题,即计算Shamir型方案中所有存在的任意长度的(k,i)-特权数组,首先证明了Shamir型方案是一类基于向量空间秘密共享方案这一结论,然后利用这个结果以及Mathemathica软件给出了计算任意长度的特权数组的一种算法,从而解决了Spiez等人提出的这个公开问题。实验结果表明,该算法适应任何有限域。特别地,利用设计的算法,给出了非素有限域上一类迹的所有(6
在基于图像差分的行人检测算法中,光照的变化对提取图片中的行人干扰非常大,一般的自适应背景更新方法很难消除光照快速变化带来的影响。为了解决这一问题,设计了一种基于直方图分布特征相似性的光照变化干扰去除方法,分析了光照干扰前后两幅图片局部区域的直方图分布特征相似性原理,给出了图像直方图分布特征相似性测量方法及评价参数——标准差。通过对光照频繁变化环境下相邻两帧图片进行差分实验,结果表明,该方法能够克服
针对物联网事件云的复杂事件处理面临的海量事件规模、分布式数据处理、上下文相关等挑战,提出一种分布式的上下文敏感复杂事件处理方法。该方法基于模糊本体进行事件上下文的表示和推理,通过查询重写支持事件上下文处理,并基于查询规划和数据划分进行分布式处理与启发式优化。实验结果表明,该方法能够处理模糊事件上下文,对于大规模物联网事件云上下文敏感复杂事件的处理具有比一般方法更好的性能和可伸缩性。