基于分层和容错机制云计算负载均衡策略

基于分层和容错机制云计算负载均衡策略

ID:6074033

大小:39.00 KB

页数:15页

时间:2018-01-02

基于分层和容错机制云计算负载均衡策略_第1页
基于分层和容错机制云计算负载均衡策略_第2页
基于分层和容错机制云计算负载均衡策略_第3页
基于分层和容错机制云计算负载均衡策略_第4页
基于分层和容错机制云计算负载均衡策略_第5页
资源描述:

《基于分层和容错机制云计算负载均衡策略》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、基于分层和容错机制云计算负载均衡策略  摘要:针对混合动态负载均衡算法应用在云计算中,出现的站点信息交换过于频繁导致处理效率低下以及缺乏容错机制等问题,提出了基于分层与容错机制的负载均衡算法。算法融合集中式和分布式的优点,通过组织邻站点,使站点信息交换控制在邻站点范围之内,在任务调度时携带站点实时负载信息以解决频繁广播负载消息导致网络繁忙与服务器效率低下的问题。算法实现云系统负载均衡,减小请求响应时间,引入容错备份机制,以增强系统鲁棒性。实验结果表明,基于分层与容错机制的云计算负载均衡策略在任务分配

2、时间、任务响应时间方面比传统算法提高20%以上,且在稳定性方面所提算法优于传统算法。关键词:云计算;负载均衡;分层算法;容错机制;资源利用率0引言云计算(Cloud15Computing)是一种通过Internet以服务的方式提供动态、可伸缩的虚拟化资源的计算模式。云计算将计算及存储能力分配在由大量计算机构成的资源池上,运用集群服务器模式以虚拟化技术向外提供服务。负载均衡是云计算服务的一个重要因素,它关系到云计算环境下处理海量数据的能力和资源合理分配提高资源利用率的问题。云计算环境下负载均衡和以往集

3、群服务器下相比发生了新的变化,使基于软件的负载均衡变得尤为重要,大大提高了硬件支撑能力,将大规模运算分配到多台云节点上并行处理,分发所有可用资源,提高数据的访问速度,确保整个系统的可用性和可靠性。目前国内外研究人员提出了很多云计算负载均衡算法,研究方向主要有集中式策略和分布式策略。集中式主要是通过系统中心节点检测各服务器负载并进行任务调度,这种方法容易维护,但是中心节点会遇到瓶颈问题。文献[1]提出的StochasticHillClimbing是一种集中式算法,中心节点询问其他节点负载情况并生成状态

4、表。文献[2-4]提出的Inspirationfromthe15Honeybee是模仿蜜蜂觅食以达到优化负载的算法,服务器间的相互通信以及负载情况等通过“广告板”来转达。分布式策略没有中心调度节点,每个节点都可以定位其他负载较轻的节点,比较适合大规模集群服务器,而且系统扩展性好,不会遇到中心节点瓶颈问题。文献[5]提出随机游走算法,节点的负载通过一个图的连通度来表示节点入度(indegree)映射空闲资源。当节点处理一个任务时减小其入度,当系统达到稳定状态时实现负载均衡。文献[6]提出了一种基于反馈

5、机制的动态负载平衡算法,算法在循环计算中根据反馈的负载指标分配计算任务,动态适应负载变化,但该算法在负载变化频繁时效果不佳,且不进行任务迁移。文献[7]提出一种混合动态负载均衡(HybridDynamicLoadBalancing,HybridDLB)策略,该策略对云中物理服务器进行分簇,组成站点,服务器负载信息通过站内广播收集,并通过算法选出簇头,由簇头节点评价站点负载值。站点间通过MasterNode交换站点负载情况。随着云系统任务逐渐增多,MasterNode交换站点易出现信息交换过于频繁导致

6、处理效率低下以及缺乏容错机制导致系统鲁棒性差。针对文献[7]中提出的混合动态负载均衡策略的不足之处,分析和研究了已有文献,提出了基于分层与容错机制的云计算负载均衡(multilayerandFaulttolerant,LayerFtolent)算法,对Hybrid15DLB算法进行改进:1)云服务器组成站点后选择一个站点作为调度服务器,对本站点进行负载管理与任务分配,增加站点选择模块维护邻站点信息,实现站点间分布式负载均衡;2)站点之间通过带宽计算形成有效邻站点,邻站点负载状态通过互相之间交换负载信

7、息来感知,为避免因全网广播引起的网络繁忙,交换信息不独立广播,只在原站点发送任务调度请求时携带站点负载信息至目标站点,且当有新站点加入时,只在站点负载达到阈值时才会更新负载状态表;3)利用云计算中空闲资源对任务进行备份,避免因服务器错误导致任务执行失败,实现系统容错机制。最后通过仿真实验表明本文算法能较好地实现云系统负载均衡,减少请求响应时间,提高资源利用率,增强系统鲁棒性。上述算法中每个分组从服务器列表的头和尾交替选取服务器,可以避免初始化站点时出现负载过重或过轻的情况。1.2负载评价模型云计算提

8、供的不仅仅是硬件资源,还包含各种服务,任务数量非常庞大且复杂,在实际应用环境中,影响负载的因素有节点CPU处理能力cpu_cap、CPU利用率cpu_uti、内存利用率mem_uti、任务队列长度task_len、任务规模task_sca等,把这些负载指标以数学的方法设计成量化评价模型,尽可能地减小与实际负载之间的误差,相对全面、准确地衡量云计算中节点的负载情况。单个服务器CPU处理能力计算表达式如式(2):1.3站点调度器设计与选择云服务器组成站点后需选择其中一台服

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。