论文摘要：云计算环境下的负载均衡机制研究

云计算是一种基于虚拟化和分布式计算等软件服务的相对较新的技术。它通过服务交付和响应来完成其功能。服务交付和使用模式是区别于以前集群的重要特征。云计算技术的实现不仅依赖于网格计算、分布式计算等，还依赖于一项更重要的技术——负载均衡等技术。因此，如何实现资源访问的负载均衡成为云计算实施的关键问题之一。由于云计算环境，负载均衡机制需要考虑其有效性、健壮性和可扩展性。因此，本文根据云计算的特点，提出了三种负载均衡机制：基于改进的模糊C-Means（FCM）算法的负载均衡机制和基于人工蜂群算法（ABC）的负载均衡机制和基于改进蜂群算法的负载均衡机制。基于改进模糊C-means算法的负载均衡机制在算法的有效性上更加突出。主要是通过粒子群优化（PSO）和模糊C-means算法的融合，对服务器计算节点的负载状态进行准确分类。在此基础上，将部分作业迁移到高负载类别的计算节点上。由于其迁移的每一步都是合理的，因此该系统的有效性比其他算法有很大的提高。基于蜂群算法的负载均衡机制在鲁棒性上更加突出。它主要将每个请求视为蜂群中的单个蜜蜂。蜜蜂本身携带蜂蜜信息。蜂蜜采集结束后，会将信息带回蜂巢，供其他蜜蜂参考。整个操作过程就是寻求最大蜜量的过程。因为每一轮采蜜中都加入了侦察蜂，因此整个优化过程不容易陷入局部最优。因此，系统吞吐量不会受到请求数量的很大影响。基于改进蜂群算法的负载均衡机制在可扩展性上更加突出。类似于基于蜂群算法的负载均衡机制，只是在蜂群算法的基础上增加了对等待队列长度的判断。这适用于联系人较少但仍分组到同一服务器的请求。这一举措减少了对此类请求的不必要等待。本文的主要工作和创新之处在于： 1.对请求类型进行分类。针对不同需求的请求采用不同的负载均衡策略，使云计算环境中的负载均衡管理节点能够更好地服务于这类请求。 2.改进原有的模糊聚类算法。将原始模糊C-means算法与粒子群算法相结合，避免了原始模糊C-means算法的早熟现象。因此，提高了分类的准确性。 3.将改进的模糊聚类算法与负载均衡机制相结合。对计算节点进行分类，将计算节点分组一起求解，而不是单独求解每个节点，加快了系统的处理速度。 4、将蜂群算法与负载均衡机制相结合，在蜂群算法的基础上改进负载均衡机制，增强了算法的可扩展性。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/240621.html