随着互联网时代的日益发展,大量的网络数据在互联网上交互,在各个网络节点接收、处理,转发网络流量的过程中,会由于当前路由选择问题,数据请求地址问题,数据关键字问题等原因,造成流量在转发调度的过程中比例失调,即流量发向某些设备偏多,而导致其它设备相对闲置的问题,这种现象被称为流量倾斜现象。而负载均衡技术便是解决这种流量倾斜现象的常用手段,随着负载均衡技术研究的不断深入,与不同领域的技术相结合,业界学者提出了很多高效稳定的模型,使得负载均衡技术逐渐成熟。本文深入研究基于应用层数据特征分析的负载均衡技术。首先,针对负载均衡模型在流量调度中的优化问题与负载节点状态的实时性问题。提出了基于DPI预测的负载均衡方法,通过分析应用层协议样本,确定应用层协议特征并建立回归方程,然后预估流量大小。通过将预估值与动态探测的节点状态相结合,构建了以预测为主的动态负载均衡模型。该模型能够在流量的均衡调度前预测负载节点的状态,从而对节点负载情况进行优化。实验部分通过与经典负载均衡算法作对比,验证了基于DPI预测的负载均衡模型具有稳定高效的负载均衡效果。其次,在更大规模网络中,使用负载均衡设备集群进行流量分发时,存在负载均衡器间流量不均衡导致节点数据倾斜的问题。本文使用图论中的路径计算问题为基础,提出了基于动态探测的负载迁移模型。该模型使用基于Floyd算法的动态路径生成算法构建路径,结合动态路由协议OSPF中hello报文的应用原理,传递并更新负载均衡信息,出现数据倾斜时可以将流量迁移至周边的空闲设备,从而达成负载均衡的目的。实验部分构建分布式Map Reduce模型的结构模拟集群环境,使用指定key值倾斜的数据流进行实验,通过对比连接矩阵法与本文算法的负载效果,验证了该方法可以有效减少负载节点的数据倾斜现象。