一种新的服务器集群系统的设计与实现

互联网的飞速发展给我们带来极大便利的同时，也对网络服务器的性能提出了新的挑战。集群技术已成为解决服务器瓶颂问题的有效手段。本文在对服务器集群系统存在的瓶颈问题进行分析的基础上，提出了一种新的服务器集群系统解决方案。该方案通过对传统socket通讯模型进行扩展，并结合直接路由技术，有效地减轻虚拟服务器的负载；同时，通过采用主动自调度策略以解决真实服务器的瓶颈问题，对原型的测试表明该模型是可行的，且提高了服务器集群系统的性能。     

集群服务器自调度方法的研究与实现

传统的Web集群服务器,均以集中控制的负载均衡为特征,带来的主要问题是负载评估比较粗略,高负载情况下后端服务器容易出现"活锁"现象,前端负载均衡器也容易成为整个系统的瓶颈.针对传统集群负载均衡技术的缺点,提出一种自调度负载均衡技术,把负载均衡的工作转移到后端的服务器,能够有效提高整个集群系统的性能.     

一种视频服务器集群的动态反馈调度算法

目前采用集群技术是实现大规模视频服务的主要手段.本文在通过分析Linux服务器集群系统(LVS)的特点,视频服务器集群系统的负载调度研究中,针对请求的服务时间变化大的特点,提出一种动态反馈负载平衡算法,它结合内核中的加权连接调度算法,根据动态反馈回来的负载信息来调整服务器的权值,从而有效地解决服务器间的负载不平衡问题,提高了系统的吞吐率,使整个集群的综合负载率随规模增大而呈平滑增长.     

蚁群算法在服务器集群批量任务调度中的应用

服务器集群中的负载均衡和作业调度是影响系统性能的重要因素.本文描述服务器集群批量任务的作业调度问题,对该问题建立了基于图的模型.由于使用一般的启发式算法或动态规划算法解决该问题具有局限性,本文引入蚁群算法进行求解,并针对该问题具体求解提出了启发式距离合适的计算方法.最后在仿真的基础上,讨论了算法的优化效果和收敛性,结果表明蚁群算法解决该问题具有优异的性能.     

集中式负载调度中瓶颈缓解技术

在分析了现有的网络负载平衡方案的基础上,针对采用集中式负载调度的集群系统中普遍存在的网络瓶颈的问题,提出了基于虚拟路由技术的缓解方法。首先对LVS进行了网络瓶颈问题的分析,并针对存在的问题提出了采用虚拟路由技术,调度器与服务器配对技术与增加网卡相结合的缓解网络瓶颈问题的方法。在FreeBSD5．2下实现了一个负载调度系统,称之为FSS,其支持虚拟路由,和服务器与调度器的配对,其它功能与LVS在IP层调度时基本相同。经实验验证,该方法达到了缓解网络瓶颈的目的。     

ASAS集群的模糊控制策略

传统的集群服务器依靠前端分发器基于负载均衡来分发客户请求,而ASAS集群采用了基于后端服务器负载分析后的主动调度策略。控制ASAS集群后端服务器的CPU利用客户请求的响应时间,或者连接容量,却很难建立一个精确的数学模型,因此传统的控制器很难控制。这里设计了一个模糊控制算法,控制算法的输入是CPU利用率和客户请求的响应时间,输出是连接数,试验表明这种模糊控制策略取得了很好的性能表现。     

ASAS集群的模糊控制策略

传统的集群服务器依靠前端分发器基于负载均衡来分发客户请求，而ASAS集群采用了基于后端服务器负载分析后的主动调度策略。控制ASAS集群后端服务器的CPU利用客户请求的响应时间，或者连接容量，却很难建立一个精确的数学模型，因此传统的控制器很难控制。这里设计了一个模糊控制算法，控制算法的输入是CPU利用率和客户请求的响应时间，输出是连接数，试验表明这种模糊控制策略取得了很好的性能表现。     

负载均衡系统设计方案

网络流量与日俱增,而对流量的需求会积聚在服务器端,如何提高服务器处理能力是一个现实的问题,采用负载均衡调度器来构造高效集群系统是一种有效的办法.通过网络发展需求和负载均衡技术分析比较,给出几种负载均衡调度器的设计方案和由此负载均衡调度器构成的集群体系结构,最后给出负载均衡调度器具体应用.     

云计算集群服务器系统监控方法的研究

随着云计算技术越来越多地应用到信息产业的各个领域,云计算环境下集群服务器系统的监控与管理的需求越来越大。云计算下的集群服务器系统主要是通过一系列基于分布式架构的服务器集群组成,其下的服务器数量可能多达上万台。要管理好数量如此大的云计算集群服务器系统,保证其高性能运行,必然需要一套有效的云计算集群监控系统对其进行监测与调控。但是,传统的集群监测系统存在一些不足与弊端。本文对于云计算集群系统的高性能监测调度方案进行了研究,从云监控系统的架构、数据采集、负载均衡调度方面进行了探讨,构建了一个保证云计算集群系统高性能运营的云系统方案。     

基于用户云服务集群的资源动态调度研究

用户购买云服务器设施来搭建用户服务器集群,并将业务迁移到云服务器上后,很大程度上没有充分利用购买的计算资源。而随着业务量访问增加,传统的用户集群往往会通过增加服务节点来应对此情况,此时又需购买额外的云服务设施。论文基于传统用户的集群系统,使用改进的TOPSIS（逼近理想解排序法）算法结合集群监控信息来动态调度集群中节点上的应用。实验表明,该方案可以充分发挥用户购买的云服务器设施的计算资源,利用用户私有闲置资源来应对业务的突发访问,合理的调度用户服务器集群之间的业务应用分配,提高用户集群资源利用率的同时也保证了应用服务质量,节约了用户成本。