一、基于状态改变的集群动态负载均衡调度策略（论文文献综述）
张金鹏[1]（2021）在《基于负载均衡和服务流控的高并发访问机制的研究》文中研究表明随着互联网的普及与高速发展,软件应用对并发量和服务质量的要求越来越高,推动着互联网的架构不断演变。迅速增长的用户规模,日益复杂的业务系统,导致网络的并发访问流量爆发式增长。单一的服务器架构受限于硬件和网络带宽等,难以应对海量的用户访问,集群和负载均衡技术应运而生,它们能够提供更强大的任务处理性能和容错能力。其中,微服务架构以其优秀的组织结构和开发性能得到了广泛关注,可以通过将复杂系统拆分成多个独立服务的架构,降低系统耦合度,并可与集群技术结合,实现流量的分布式处理。然而,当用户访问流量总量过大时,无论采用何种负载均衡技术,分配给集群中各个服务器的流量仍然会超过机器的最大处理能力,尤其针对突发流量,就需要应用流量控制技术予以解决。为此,本文将从集群的负载均衡和微服务的流量控制两个方面开展研究工作,提出了一种优化的动态负载均衡模型和一种基于sr TCM算法的多级动态服务流控模型,并设计和验证了其实现方案,本文的主要研究内容如下。首先,基于请求任务的处理时间作为性能评价参数,构建一种基于蚁群算法的负载均衡基本模型。其次,对基本模型进行了综合优化,提出了一个优化的动态负载均衡模型,其主要优化工作:对标准蚁群算法的算法规则的综合优化;周期性采集微服务节点负载信息参数的数据,对蚁群算法的路径搜索方式进行优化;引入信息素迭代因子,根据请求响应时间对信息素更新方式进行优化。第三,基于Open Resty平台设计了优化的动态负载均衡模型实现方案。研究微服务架构下流控技术相关的理论,提出了一种基于srTCM算法的多级动态服务流控模型,能够根据请求的类型和机器的运行状态,对进入服务节点内部的任务进行动态调控和差异化处理,并设计了基于Gateway网关的动态流控模型实现方案。通过性能对比实验,验证了本文研究成果的性能,证明其优于常用的负载均衡和限流方案。
刘成[2]（2020）在《基于服务器集群的负载均衡系统的设计与实现》文中认为随着医疗行业信息化的发展,医疗系统服务器架构设计这一研究方向深受重视。大多数医疗相关信息系统在进行需求分析、构建设计之时并未考虑到高并发业务流量冲击带来的负载不均和集群无法满足高可用的问题。负载均衡技术作为该问题的一种解决方案,是当下非常热门且研究趋势良好的技术,与传统的单点服务器架构技术相比具有巨大的优势。首先为了实现服务器集群在高并发下的负载均衡,本文针对一致性哈希方法中的数据倾斜问题,对比了现有的数据均衡方案,基于改进一致性哈希设计了一种可扩展、高效的负载均衡方法。该方法构建了虚拟节点最大线性值计算模型和虚拟节点冗余值计算模型,将虚拟节点的构建数量与节点性能值和集群节点数相关联,可以防止哈希倾斜带来的调度不均。接着针对原生master-slave节点主备模型中的主备失效和Session共享问题,对比了现有的主备构建方案和Session共享方案,本文基于选举队列和Redis设计出一种可拓展、可备份的高可用模型。该模型构建了基于选举状态的选举队列,同时将业务逻辑Session管理解耦,可以防止主备失效后缓存数据丢失而造成服务中断。最后本文对系统进行软硬件环境构建,并对功能模块进行原型实现和系统测试,根据测试结果表明该系统在负载均衡和高可用性上满足医疗系统的业务需求。该系统已在医院正式上线运行一年,得到了所有科室医疗工作人员的肯定。
徐贇[3]（2020）在《基于PSO-GA的LVS集群负载均衡调度算法研究与实现》文中指出人们的生活和工作与网络紧密相连,网络活动占据日常生活的比重越来越大,由此产生了大量数据。如此多的数据给服务器集群造成了巨大的压力,由此引发了资源分配的问题。资源分配的越合理,集群的处理效率就越高,时延就越低,用户的满意度就越高。因此研究负载均衡问题,具有重要的实际意义。现有的负载均衡算法考虑的因素比较简单,并没有综合考虑服务器负载情况与请求的资源消耗情况。针对这些情况,本文提出了一种基于PSO-GA（Particle Swarm Optimization-Genetic Algorithm）的LVS（Linux Virtual Server）集群负载均衡调度算法,通过构建资源均衡模型与适应度函数来量化不同调度方案将会对集群当前负载产生的影响,再利用PSO-GA算法求解适应度函数以获得最优权值。负载均衡器按照此权值调度请求,从而实现Linux虚拟服务器集群负载均衡。本文的主要工作如下:1.从请求的资源消耗情况与服务器节点的实时负载情况两个方面出发,建立资源均衡模型,并以资源均衡模型为基础设计了适应度函数。2.在粒子群算法的基础上引入遗传算法的变异思想,形成PSO-GA算法。本文适当调整了PSO-GA算法的惯性权重,设计了淘汰机制剔除极差个体,并控制变异率的变化。利用Matlab对PSO-GA算法进行了仿真测试。3.在服务器集群上实现整个负载均衡算法框架。本文编写了负载信息采集模块与通信模块,实现节点负载信息采集与传递,编写了PSO-GA计算模块和权值传递模块,实现权值的计算和传递,编写了调度模块,实现权值的应用。4.在服务器集群上测试了新的负载均衡算法。测试结果表明,在并发量较大的情况下,本文的负载均衡算法比其它三种负载均衡算法在吞吐量、响应时延与请求错误率三个方面表现得更好,在资源利用率方面也更均衡。
熊衍捷[4]（2020）在《面向区块链即服务的负载均衡调度研究》文中提出区块链即服务（Blockchain as a Service,Baa S）是云计算与区块链技术的融合产物,它以云平台特有的管理优势、抽象化的资源池、高度可扩展的能力为基础,为区块链用户、开发者提供方便快捷的应用环境。随着Baa S的集群规模和用户数量的显着增长,如何在复杂的网络拓扑下承载高负荷业务成为Baa S中负载均衡的一大难点。为了提高资源负载均衡能力增强服务质量,实现Baa S的高可用,以Kubernetes平台部署超级账本（Hyperledger）的核心项目Fabric为例,在不改变Fabric的基本架构下设计更具针对性的调度算法。论文以Baa S、云计算相关技术为基础,主要创新性体现在以下两个方面:1)提出两种面向Baa S通道的静态调度算法以提高资源负载均衡度。其一为面向通道的一般调度算法增强容灾性,具备高内聚低耦合、易于部署的特点;其二为基于加权平均k-均值的NJW谱聚类算法对Fabric中的对等节点进行编排的静态调度,既提高了收敛水平又不至于产生极少数的对等节点独自分为一类的情形,增强了平台可用性。2)针对动态部署场景,参考平台的系统架构,提出使用动态预警模块搭载一种改进的基于最小二乘的结构函数法计算分形维数并进行资源预测。Baa S是区块链技术在云计算领域的延申,虽然去中心化、去信任、不可篡改的本质属性仍是其“云化”后的核心竞争力,但是云计算赋予了其更强的易用性以及更广泛的应用空间同样值得重视。据此,本文完成以下三方面的工作:（1）简要分析了区块链技术的起源与发展现状,深入探讨Fabric的架构、功能模块、交易流等系统要素,在其基础上提出了基于Kubernetes的优化方案,并完成了对Baa S负载均衡需求的分析。（2）搭建基于Fabric 1.0.5的多机环境,使用Hyperledger Caliper的测试框架首先对平台的面向通道、背书策略、链码的调度方案进行相关测试。其次构建部署场景,对本文提出的静态调度算法进行对比测试,验证了可行性并具备较高的负载均衡性能。（3）向部署了动态预警模块的Baa S发起短时高负荷业务,结果表明该场景下通过部署动态预警模块可在几乎不影响吞吐量的情况下减少用户的请求等待时间,进一步提高了服务质量。
吴陈[5]（2020）在《基于Nginx的服务器集群负载均衡策略的研究与改进》文中研究指明随着互联网技术的广泛普及,网络流量和网络用户基数越来越大,单一服务器在应对爆炸式增长的并发访问请求时承受巨大的负载压力,会出现响应延迟的情况。目前解决这一问题的有效方案是搭建基于Nginx的服务器集群系统,而负载均衡作为集群系统的研究重点备受关注。负载均衡主要通过将大量请求合理分发给集群各服务器进行处理以提升整个系统的吞吐量、资源利用率并降低请求的响应时间。因此负载均衡策略的优劣对集群系统性能的提升起着至关重要的作用。本文通过研究Nginx的核心数据结构、进程工作模型、配置文件系统、反向代理机制、负载均衡策略以及源码模块结构,在Nginx加权轮询算法的基础上,提出一种动态自适应负载均衡算法。该算法通过采集服务器运行时CPU、内存、网络带宽、磁盘IO四项负载指标利用率计算剩余负载权值,同时采集服务器最近一段时间内处理请求的响应时间信息计算响应时间权值,并由以上两部分权值得到服务器实时动态权值。该算法还将所有服务器最近一次响应时间的平均值作为阈值把服务器状态划分为轻载和重载,并将各轻载服务器的动态权值作为权值因子用来调整Nginx加权轮询算法中的权值参数,从而达到根据服务器负载性能实时修改服务器权值的目标。本文还搭建了一套Nginx和Tomcat的集群测试系统,使用性能测试工具Autobench对加权轮询算法、IP-HASH算法、第三方fair算法以及本文提出的动态自适应算法进行大量性能对比测试。结果表明,动态自适应算法实际并发连接数在负载饱和状态下相较于其他三种算法中最优的fair算法提升了7.9%,相较于原加权轮询算法提升了14.6%,响应时间也比其他几种算法要短,从而证明本文提出的动态算法是可行的。与以上其他三种负载均衡算法相比,本文提出的算法具有如下几个特点:（1）综合硬件资源利用率和响应时间信息来评估服务器性能更加全面完善。（2）采用层次分析法科学计算评价函数权系数向量,构建综合负载决策函数对服务器权值进行赋值,相比于人工设置的固定式权值更加有效。（3）设定自适应权值修改阈值,对处于轻载状态的服务器进行权值的调整。动态自适应算法选取当前权值最大的轻载服务器分配请求,集群负载状态保持动态均衡。
陈丰琴[6]（2020）在《基于Kubernetes集群容器资源调度策略的研究与设计》文中进行了进一步梳理新一代Caa S云服务模式的形成,为用户提供了快速构建具有敏捷性的生产环境,加快了产品的研发和发布周期。以Docker为代表的容器虚拟化技术凭借其轻量级、易移植、快启动等优点迅速在工业界得到应用,随之用于管理部署大规模集群容器的Kubernetes凭借其强大的管理功能、较好的兼容性以及开源等特点成为业界主流的容器编排系统。然而当前Kubernetes最核心的调度功能仅包含较为单一的调度策略,难以适应复杂多变的生产场景需求。因此本文以Kubernetes调度器为主要研究对象,深入研究了其调度流程以及当前相关调度机制,并针对特定生产环境需求和现有调度机制中存在的缺陷进行优化与改进,主要工作内容如下:1.静态调度算法库扩充。针对特定Pod应用的容灾需求,本文以插件的形式设计了一种具有安全性的KNN节点分类的均匀化调度策略。该调度策略下预先进行KNN节点负载分类,过滤处于重度负载的节点,同时触发报警机制告知用户及时处理危机节点,随后将多副本Pod应用分布式、均匀化地部署到满足条件的安全集群节点上。实验结果表明,该调度策略达到了应用容灾需求、起到了节点保护机制,且在高并发Pod调度时,相比默认内置调度策略能有效缩短调度时间。2.动态负载均衡调度优化。针对当前研究最新v1.15版本Kubernetes的静态负载均衡调度策略,本文扩充了资源评估因子,利用AHP层次分析法确定节点实时负载与性能资源评估因子的权值,综合加权计算节点性能与实时负载进行目标节点评分筛选,并运用加权最小连接数算法对多个分数最高的目标节点进行二次筛选。实验结果表明,该优化策略在集群中并发调度Pod时,集群负载均衡度相比原有调度策略效果更佳。3.动态优先级抢占式调度设计。针对当前研究最新v1.15版本Kubernetes中依据优先级对象的静态优先级抢占式调度,本文根据控制器类型和当前集群负载状态进行Pod类型与优先级划分,并综合考虑Pod的Qo S、资源容量和执行时间设计一种动态优先级抢占式调度策略,在节点资源不足的情况下满足高优先级Pod优先抢占低优先级Pod运行。实验结果表明,该优化策略能有效实现Pod抢占功能,并相比单一的静态抢占式和动态抢占式调度能有效提高集群资源利用率,缩短集群平均调度时间。
许晓露[7]（2020）在《分布式集群资源控制器的设计与实现》文中研究说明随着互联网的快速发展,互联网在为用户提供服务的同时也在经受巨大的挑战。传统的单一服务器无法处理大量的并发业务,计算机集群应运而生。计算机集群是分布式系统的一个重要分类,被广泛地应用在高性能计算中,它缓解了服务器面对高并发业务的压力。但是单靠增加服务器的数量也会出现性能瓶颈,传统的负载均衡算法无法综合的衡量集群的性能,异构集群中每台服务器的处理能力都不相同,如何处理高并发下的大量读写数据,这些问题都对集群的处理能力提出了更高的要求。因此,如何提高集群在高并发下的处理能力是本文研究的课题。本文设计了一个基于资源控制的集群系统,并详细介绍了系统的理论基础、设计思路、实现与测试。以下是本文的具体工作:1)设计和实现一个分布式系统。负载均衡节点负责实现对客户端业务的负载均衡,服务节点实现对大量客户端请求的峰值处理。2)动态反馈负载均衡策略。针对传统的负载均衡算法无法综合评价节点负载情况的问题,特别是异构集群这种复杂的情况,基于此本文设计并实现了一种基于动态反馈的负载均衡算法DAL。为了了解系统的动态负载情况,服务节点周期性地收集自身的负载指标并对其进行权值量化,这些指标包括CPU、内存等,其次结合每个节点的动态负载情况和本身的性能来衡量集群系统整体的动态负载情况,通过调度算法将负载低的节点分配给客户端。3)消息中间件。设计并实现了一个面向服务的消息中间件,这些服务被划为不同的业务模块,当客户端请求来到时需要根据它的请求内容将它分发到对应的业务模块中。同时,参照这样的思路,在设计消息中间件时将其划分为不同的功能模块,并给出每个模块内部的设计与实现。4)节点容错机制设计和实现。将节点以任务单元的形式划分,每个任务单元执行节点业务的一部分,根据容错机制的设计,监测模块配合Zookeeper实现容错监测模块,实时监测是否有任务单元出错。资源获取模块将定期保存最新的任务数据到非关系型分布式数据库中。当节点出错时系统,容错机制启动恢复模块,以数据库中存储的最新数据为基础创建一个新的任务单元。
郭志伟[8]（2019）在《面向高并发的分布式购物平台设计与实现》文中研究说明互联网的迅速发展,同时也带动了国内外电子商务的发展。越来越多的人选择通过电商平台实现商品交易。网络交易量越来越大,无疑给电商平台的体系架构带来了新的挑战。传统的基于SSM框架的集中式架构已经无法满足系统吞吐量和并发量的要求。在大数据量的访问下,如何应对复杂的业务逻辑和突发性的访问峰值,确保电商平台能够给用户提供可靠稳定的服务,就变成了技术上需要解决的问题。为了解决上述问题,本文引入了一款高性能的分布式服务框架Dubbo,通过将其与SSM框架集成来搭建新的电商平台体系架构,从而实现一个支持高并发的、负载均衡的、扩展性强的分布式购物平台。本文的主要研究内容如下:（1）使用分布式服务框架Dubbo集成Spring、SpringMVC,Mybatis框架作为购物平台的整体架构,同时使用Zookeeper、Redis、Solr、ActiveMQ、FastDFS、Nginx等技术完成一个支持高负载、高并发的分布式购物平台的设计与开发。（2）为了提高系统的并发性能,本文在使用Nginx做反向代理实现Web端负载均衡的基础上,采用了一种可以动态调节权重的负载均衡算法对Nginx的负载均衡性能进行优化,并使用熵值法来计算该算法中四个核心要素的权重系数,从而进一步提高平台负载均衡的能力和并发性能。（3）基于以上的技术架构和体系,开发了一个集内容管理系统、商城门户、搜索模块、购物车模块、订单模块、商品详情展示模块以及用户模块的功能齐全、面向高并发的分布式购物平台。（4）对平台的功能和性能进行测试,并对比分析了本文使用的可以动态调节权重的负载均衡策略对平台的并发性能和吞吐率所带来的提升效果。测试结果显示,本文所使用的动态负载均衡策略相比Nginx内置的静态负载均衡策略使平台的并发性能提升了17%左右。最后,对本文的工作进行了总结,分析了平台的不足之处以及后续应该改进的方向。
张淇[9]（2020）在《服务器集群负载均衡算法在商务系统中的研究与应用》文中研究表明随着网上购物的普及和电子商务的飞速发展,在进入21世纪后,我国网购用户规模在持续增长,据统计中国的网购用户规模早已突破5亿人,然而随着用户量的不断增长,对电商系统的访问量呈现出爆炸性增长,因此对网络服务器提出了更高的要求。当单位时间内对系统访问量很大的情况下,很可能导致系统响应时间长,稳定性差,甚至导致系统崩溃的结果。根据上述存在的问题展开研究,分析得出解决该问题最有效的技术手段是构建集群系统,使集群中的应用服务器共同处理请求任务,来满足用户短时间内大量的访问需求。然而集群系统中最核心的问题就是如何使各服务器节点合理分配请求任务,防止出现负载不均衡的情况,达到资源的高效率利用,负载均衡调度策略的好坏直接影响到整个集群性能的高低。首先对常用的加权轮询调度策略进行分析,通过其研究工作原理及代码结构,总结出该算法的局限性,根据动态反馈原理,对加权轮询算法进行了优化,提出一种基于动态反馈机制的负载均衡算法,该算法考虑到集群系统中的实际运行情况,根据各节点的负载情况对各服务器的权重做出动态改变,修改负载调度器中各服务器节点的权值以此来达到动态负载均衡的目的,并搭建了基于Nginx和Tomcat的服务器集群系统,通过分析Nginx内置的数据结构、核心模块和HTTP请求处理流程,对改进的算法进行具体实现,包括收集各服务器的负载信息,根据负载信息数据对权值做出修改等过程。最后使用搭建的集群系统,利用Apache-Jmeter压测工具对原有的加权轮询算法和优化后的负载均衡算法进行了性能测试。通过实验得到了负载均衡算法改进前后的测试数据,进行对比分析后得出了改进后的负载均衡算法在并发连接数达到1500以上时,服务器集群的整体性能是优于原有的加权轮询算法,适用于相对并发量较高的系统。此项研究成果在以后的实际应用中具有重要意义。图30幅;表13个;参49篇。
葛钰[10]（2019）在《面向云服务的web服务器负载均衡设计与实现》文中指出随着互联网技术的迅猛发展,用户的激增以及需求的多样化给传统网络架构带来了巨大压力。云计算的应运而生,提供了一种新兴的商业计算模型。各大公司纷纷构建自己的公有云或私有云平台,依托云计算技术拓展业务,提高集群计算、快速响应、高可用、灵活部署等各方面能力。OpenStack作为较成熟开源产品,具有良好的扩展性和兼容性,被广泛运用于企业部署IaaS层云计算架构中。云服务提供商基于OpenStack建立私有云平台,面向行业、企业内部、个人提供私有云服务,用户通过浏览器访问云服务,获取相应资源。在高并发访问情况下,单一web服务器难以支撑正常云服务业务需求,通常使用web服务器集群技术解决。而在集群技术中,负载均衡策略的好坏直接影响集群系统响应能力。因此本文基于私有云平台,为提供可靠云服务,加快云平台响应,针对Nginx中加权最小连接算法的缺点,设计实现改进的自适应动态负载均衡策略。论文的主要工作如下:1.搭建私有云平台系统总体架构。完成云平台软件架构设计,包括web框架、开发语言、数据库等设计,并完成业务层各个模块后台编程实现。2.搭建web服务器相关网络架构,使用Nginx作为反向代理服务器实现web服务器负载均衡集群。同时,为防止Nginx单点失效,搭建Nginx-keepalive主从热备。3.分析加权最小连接算法,针对其无法根据后端服务器性能状况变更权值的缺点,设计一种改进的自适应动态负载均衡策略。周期性获取各后端服务器性能,使用本论文设计的相关算法得出下一个周期各节点权值,通过服务与注册中心挂载带有节点IP地址以及权值的消息,借助第三方模块将消息动态加载到Nginx upstream模块中实现自适应动态负载均衡。4.搭建实验网络环境。首先对Nginx主从热备进行功能性测试;其次使用JMeter压力测试工具确定周期T取值;最后,通过多次实验对本文改进的自适应动态负载均衡策略以及加权最小连接算法进行对比分析。依据平均响应时间以及吞吐量评价参数验证自适应动态负载策略能够提高系统性能。
二、基于状态改变的集群动态负载均衡调度策略（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于状态改变的集群动态负载均衡调度策略（论文提纲范文）
（1）基于负载均衡和服务流控的高并发访问机制的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 课题来源与选题依据 |
| 1.1.1 课题来源 |
| 1.1.2 选题依据 |
| 1.2 研究现状及意义 |
| 1.2.1 研究现状 |
| 1.2.2 研究意义 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第2章 相关理论与技术概述 |
| 2.1 微服务架构与集群 |
| 2.1.1 微服务架构 |
| 2.1.2 服务器集群 |
| 2.1.3 基于SpringCloud的微服务架构 |
| 2.2 负载均衡技术 |
| 2.2.1 负载均衡分类 |
| 2.2.2 负载均衡算法 |
| 2.2.3 基于OpenResty平台的负载均衡 |
| 2.3 服务流控技术 |
| 2.3.1 流控模式 |
| 2.3.2 限流算法 |
| 2.4 本章小节 |
| 第3章 基于蚁群算法的动态负载均衡 |
| 3.1 蚁群算法 |
| 3.1.1 概述 |
| 3.1.2 算法原理及流程 |
| 3.1.3 常用的优化措施 |
| 3.2 构建基于任务处理时间的负载均衡调度的基本模型 |
| 3.2.1 模型构建 |
| 3.2.2 任务分配流程 |
| 3.2.3 模型分析 |
| 3.3 动态负载均衡基本模型的优化 |
| 3.3.1 优化思路 |
| 3.3.2 优化模型的架构设计 |
| 3.3.3 评价参数的权重系数分析 |
| 3.4 基于OpenResty平台的优化模型实现方案 |
| 3.4.1 信息采集模块 |
| 3.4.2 数据处理模块 |
| 3.4.3 算法调度模块 |
| 3.5 本章小节 |
| 第4章 基于trTCM算法的多级动态服务流控 |
| 4.1 tr TCM算法 |
| 4.1.1 算法概述 |
| 4.1.2 算法的实现流程 |
| 4.2 动态服务流控策略的提出 |
| 4.2.1 服务流控的作用 |
| 4.2.2 常用的限流算法的分析与改进 |
| 4.3 多级动态服务流控模型的架构 |
| 4.3.1 请求分类模块 |
| 4.3.2 限流模块 |
| 4.3.3 多级流控调控模块 |
| 4.3.4 异常请求过滤模块 |
| 4.4 基于Gateway网关的多级动态服务流控实现方案 |
| 4.4.1 Gateway网关 |
| 4.4.2 请求过滤功能 |
| 4.4.3 请求分类标记功能 |
| 4.4.4 动态限流算法 |
| 4.4.5 多级动态调控功能 |
| 4.5 本章小节 |
| 第5章 实验与分析 |
| 5.1 实验环境与准备 |
| 5.1.1 性能测试 |
| 5.1.2 实验环境 |
| 5.2 动态负载均衡的测试与分析 |
| 5.2.1 实验流程 |
| 5.2.2 实验结果 |
| 5.2.3 实验数据分析 |
| 5.3 动态服务流控的测试与分析 |
| 5.3.1 实验流程 |
| 5.3.2 实验结果 |
| 5.3.3 实验数据分析 |
| 5.4 本章小节 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（2）基于服务器集群的负载均衡系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 课题来源及研究内容 |
| 1.3 本文的组织架构 |
| 第二章 相关技术研究 |
| 2.1 基础知识 |
| 2.1.1 集群技术 |
| 2.1.2 负载均衡技术 |
| 2.2 服务器集群负载均衡技术研究 |
| 2.2.1 国内研究现状 |
| 2.2.2 国外研究现状 |
| 2.2.3 小结 |
| 2.3 服务器集群高可用技术研究 |
| 2.3.1 国内研究现状 |
| 2.3.2 国外研究现状 |
| 2.3.3 小结 |
| 2.4 本章小结 |
| 第三章 基于服务器集群的负载均衡系统总体设计 |
| 3.1 系统模块分析 |
| 3.1.1 系统的设计目标 |
| 3.1.2 系统的功能分析 |
| 3.2 总体架构设计 |
| 3.2.1 系统总体架构 |
| 3.2.2 系统网络部署总体架构 |
| 3.3 系统功能设计 |
| 3.3.1 用户管理子系统设计 |
| 3.3.2 版本控制子系统设计 |
| 3.3.3 负载均衡子系统设计 |
| 3.3.4 集群高可用子系统设计 |
| 3.3.5 集群状态监控子系统设计 |
| 3.4 数据库设计 |
| 3.5 本章小结 |
| 第四章 基于改进一致性哈希的负载均衡方法 |
| 4.1 一致性哈希在负载均衡中的现存问题 |
| 4.2 基于改进一致性哈希的负载均衡方法详细设计 |
| 4.2.1 虚拟节点数量计算模型 |
| 4.2.2 节点性能比 |
| 4.2.3 虚拟节点最大线性值 |
| 4.2.4 虚拟节点冗余值 |
| 4.3 实验与分析 |
| 4.3.1 实验环境与方法 |
| 4.3.2 实验结果与分析 |
| 4.4 本章小结 |
| 第五章 基于Redis的服务器集群高可用模型 |
| 5.1 高可用模型在服务器集群中的现存问题 |
| 5.2 基于Redis的高可用模型详细设计 |
| 5.2.1 架构设计 |
| 5.2.2 集群主备构建策略 |
| 5.2.3 Session共享策略 |
| 5.3 实验与分析 |
| 5.3.1 实验环境与方法 |
| 5.3.2 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 系统原型实现与测试 |
| 6.1 系统环境 |
| 6.1.1 硬件环境 |
| 6.1.2 软件环境 |
| 6.2 系统原型实现 |
| 6.2.1 用户管理子系统原型 |
| 6.2.2 版本控制子系统原型 |
| 6.2.3 集群高可用子系统原型 |
| 6.3 系统功能测试 |
| 6.3.1 用户登陆测试 |
| 6.3.2 版本控制测试 |
| 6.3.3 集群高可用测试 |
| 6.3.4 负载均衡测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间申请的专利 |
| 附录2 攻读硕士学位期间参加的科研项目 |
（3）基于PSO-GA的LVS集群负载均衡调度算法研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 服务器集群的研究现状 |
| 1.2.2 负载均衡的研究现状 |
| 1.3 论文的研究内容 |
| 1.4 论文的组织结构 |
| 1.5 本章小结 |
| 第2章 LVS相关技术分析 |
| 2.1 LVS集群结构 |
| 2.2 LVS中 IPVS技术 |
| 2.3 负载均衡调度算法要素 |
| 2.4 权值计算问题分析 |
| 2.5 本章小结 |
| 第3章 基于PSO-GA的 LVS集群负载均衡调度算法 |
| 3.1 调度算法模型及整体流程 |
| 3.2 资源均衡模型的建立与适应度函数设计 |
| 3.2.1 服务器节点负载的度量 |
| 3.2.2 资源均衡模型的建立 |
| 3.2.3 适应度函数的设计 |
| 3.3 编码方案的确定与染色体的设计 |
| 3.4 PSO-GA算法的设计与仿真 |
| 3.4.1 粒子群算法与遗传算法原理分析 |
| 3.4.2 PSO-GA算法的设计思路 |
| 3.4.3 PSO-GA算法的仿真 |
| 3.5 本章小结 |
| 第4章 LVS集群搭建及调度算法实现 |
| 4.1 LVS集群搭建 |
| 4.1.1 配置负载均衡器 |
| 4.1.2 配置服务器节点 |
| 4.2 调度算法实现框架 |
| 4.3 主要功能模块设计与实现 |
| 4.3.1 节点负载信息采集模块设计与实现 |
| 4.3.2 负载均衡器与节点通信模块设计与实现 |
| 4.3.3 PSO-GA计算模块设计与实现 |
| 4.3.4 调度模块设计与实现 |
| 4.3.5 权值传递模块设计与实现 |
| 4.4 本章小结 |
| 第5章 测试结果与分析 |
| 5.1 测试环境搭建 |
| 5.1.1 测试平台网络拓扑结构 |
| 5.1.2 部署Tomcat |
| 5.1.3 测试环境介绍 |
| 5.2 测试工具与测试步骤 |
| 5.3 信息采集周期对集群的影响 |
| 5.4 测试结果分析 |
| 5.4.1 响应时延 |
| 5.4.2 吞吐量 |
| 5.4.3 请求错误率 |
| 5.4.4 资源利用率均方差 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间从事的科研工作及取得的贡献 |
（4）面向区块链即服务的负载均衡调度研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 区块链 |
| 1.1.2 云计算与BaaS |
| 1.2 国内外研究现状 |
| 1.2.1 Kubernetes资源调度研究现状 |
| 1.2.2 谱聚类算法研究现状 |
| 1.3 本文的创新与工作 |
| 1.4 本文组织结构 |
| 1.5 本章小结 |
| 第2章 相关技术综述 |
| 2.1 Hyperledger Fabric理论基础 |
| 2.1.1 Fabric项目简述 |
| 2.1.2 Fabric基本交易流程简述 |
| 2.1.3 基于多通道的设计模型 |
| 2.1.4 几种可用的共识算法 |
| 2.2 Kubernetes介绍 |
| 2.2.1 Kubernetes基本模块简述 |
| 2.2.2 Docker容器介绍 |
| 2.2.3 Kube-Scheduler调度器简介 |
| 2.3 负载均衡算法 |
| 2.3.1 负载均衡技术简述 |
| 2.3.2 负载均衡算法的分类 |
| 2.3.3 常用的负载均衡算法 |
| 2.4 谱聚类算法 |
| 2.4.1 谱聚类算法理论基础 |
| 2.4.2 几种经典的谱聚类算法 |
| 2.4.3 k-means算法简述 |
| 2.5 本章小结 |
| 第3章 BaaS均衡需求分析与实验 |
| 3.1 BaaS架构分析 |
| 3.2 交易流 |
| 3.3 BaaS负载均衡分析 |
| 3.3.1 面向通道的调度实验 |
| 3.3.2 面向背书策略的性能分析 |
| 3.3.3 面向Chaincode的调度实验 |
| 3.4 Kubernetes默认调度算法的不足 |
| 3.5 本章小节 |
| 第4章 面向BaaS静态负载均衡设计 |
| 4.1 基于通道的一般调度算法 |
| 4.1.1 Average-Channel调度算法 |
| 4.1.2 仿真实验 |
| 4.2 基于NJW的资源负载均衡调度算法SC-channel |
| 4.2.1 相似矩阵的构造 |
| 4.2.2 面向BaaS的 A-k-means算法 |
| 4.2.3 SC-channel算法基本流程 |
| 4.3 SC-channel仿真实验 |
| 4.3.1 环境搭建 |
| 4.3.2 SC-channel负载均衡度实验 |
| 4.4 本章小结 |
| 第5章 面向BaaS动态负载均衡设计 |
| 5.1 BaaS动态负载均衡需求分析 |
| 5.2 最小二乘法优化的分形预测模型建立 |
| 5.3 面向BaaS的动态预警模块设计 |
| 5.4 仿真实验 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（5）基于Nginx的服务器集群负载均衡策略的研究与改进（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 Nginx研究现状 |
| 1.2.2 负载均衡研究现状 |
| 1.3 研究内容及章节安排 |
| 第二章 相关理论与技术研究 |
| 2.1 服务器集群 |
| 2.1.1 服务器集群概念 |
| 2.1.2 服务器集群分类 |
| 2.1.3 服务端性能指标 |
| 2.2 负载均衡技术 |
| 2.2.1 负载均衡概念及目标 |
| 2.2.2 负载均衡的实现类型 |
| 2.3 Nginx服务器 |
| 2.3.1 Nginx的进程工作模型 |
| 2.3.2 Nginx的反向代理功能 |
| 2.3.3 Nginx的负载均衡策略分析 |
| 2.4 本章小结 |
| 第三章 动态负载均衡方案分析与总体设计 |
| 3.1 动态负载均衡理论分析 |
| 3.1.1 服务器负载评价指标的分析与计算 |
| 3.1.2 综合负载决策函数权系数量化 |
| 3.2 动态负载均衡模块设计 |
| 3.3 负载指标数据采集与上报策略分析 |
| 3.3.1 负载指标数据采集方式选取 |
| 3.3.2 负载指标数据采集策略分析 |
| 3.3.3 节点指标信息上报周期的确定 |
| 3.4 动态负载均衡节点权值的分析计算 |
| 3.4.1 初始权值计算 |
| 3.4.2 动态权值计算 |
| 3.4.3 权值修正计算 |
| 3.5 动态负载均衡节点权值调整策略 |
| 3.6 本章小结 |
| 第四章 Nginx动态负载均衡算法研究与实现 |
| 4.1 Nginx源码解析 |
| 4.1.1 Nginx核心数据结构 |
| 4.1.2 Nginx配置文件系统 |
| 4.1.3 Nginx源码模块分析 |
| 4.2 Nginx动态自适应负载均衡算法实现 |
| 4.2.1 负载信息采集模块实现 |
| 4.2.2 权值计算模块实现 |
| 4.2.3 均衡器调度模块实现 |
| 4.2.4 动态自适应负载均衡算法流程 |
| 4.3 Nginx性能调优 |
| 4.3.1 Nginx配置优化 |
| 4.3.2 Linux内核参数优化 |
| 4.4 本章小结 |
| 第五章 Nginx动态自适应算法性能测试与结果分析 |
| 5.1 性能测试指标与工具 |
| 5.1.1 性能测试指标 |
| 5.1.2 性能测试工具 |
| 5.2 性能测试环境搭建 |
| 5.3 测试方案与结果分析 |
| 5.3.1 负载信息上报周期的实验确定 |
| 5.3.2 单机与集群服务器的对比测试 |
| 5.3.3 动态自适应负载均衡算法性能测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）基于Kubernetes集群容器资源调度策略的研究与设计（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本论文研究内容及章节安排 |
| 1.3.1 本论文研究内容 |
| 1.3.2 本论文章节安排 |
| 第2章 云平台相关技术概述 |
| 2.1 容器技术概述 |
| 2.1.1 Docker容器简介 |
| 2.1.2 Docker容器原理及架构 |
| 2.1.3 Docker容器与虚拟化技术 |
| 2.2 Kubernetes相关技术概述 |
| 2.2.1 Kubernetes核心概念 |
| 2.2.2 Kubernetes系统架构 |
| 2.2.3 Kubernetes集群监控系统 |
| 2.3 Kubernetes调度器的研究与分析 |
| 2.3.1 Scheduler调度流程 |
| 2.3.2 Scheduler默认调度算法分析 |
| 2.4 本章小结 |
| 第3章 Kubernetes静态调度算法库扩充 |
| 3.1 应用场景分析 |
| 3.2 KNN节点分类的均匀化调度模型设计 |
| 3.2.1 节点负载指标及相关参数 |
| 3.2.2 节点负载分类 |
| 3.2.3 节点分类的均匀化调度模型设计 |
| 3.2.4 算法注册 |
| 3.3 本章总结 |
| 第4章 Kubernetes动态负载均衡调度优化算法的研究 |
| 4.1 动态负载均衡调度理论研究 |
| 4.1.1 静态负载均衡调度问题分析 |
| 4.1.2 相关负载均衡调度算法研究 |
| 4.2 Kubernetes动态负载均衡调度优化模型分析 |
| 4.2.1 集群节点综合负载权重计算 |
| 4.2.2 集群节点打分计算 |
| 4.2.3 集群负载均衡度计算 |
| 4.3 Kubernetes动态负载均衡调度优化算法实现 |
| 4.3.1 优化算法的总体设计 |
| 4.3.2 优化算法调度流程 |
| 4.4 本章小结 |
| 第5章 Kubernetes动态优先级抢占式调度策略的设计 |
| 5.1 Kubernetes抢占式调度策略的研究与分析 |
| 5.2 优先级抢占式调度相关算法研究 |
| 5.3 动态优先级抢占式调度模型分析 |
| 5.3.1 Pod类型划分 |
| 5.3.2 Pod优先级划分 |
| 5.3.3 动态优先级抢占式调度模型设计 |
| 5.3.4 动态优先级抢占式调度流程 |
| 5.4 本章小结 |
| 第6章 Kubernetes集群部署及实验结果分析 |
| 6.1 Kubernetes集群部署 |
| 6.2 KNN节点分类的均匀化调度测试与分析 |
| 6.2.1 实验目标 |
| 6.2.2 实验设计与结果分析 |
| 6.3 动态负载均衡调度测试与分析 |
| 6.3.1 实验目标 |
| 6.3.2 实验设计与结果分析 |
| 6.4 动态优先级抢占式调度测试与分析 |
| 6.4.1 实验目标 |
| 6.4.2 实验设计 |
| 6.4.3 实验流程与结果分析 |
| 6.5 本章小结 |
| 结论与展望 |
| 本文工作总结 |
| 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
（7）分布式集群资源控制器的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.2.3 本文的主要贡献与创新 |
| 1.2.4 本论文的结构安排 |
| 第二章 理论基础与相关技术 |
| 2.1 计算机集群 |
| 2.1.1 集群概述 |
| 2.1.2 集群体系结构 |
| 2.1.3 集群设计要点 |
| 2.2 负载均衡 |
| 2.2.1 负载均衡目标 |
| 2.2.2 静态负载均衡算法 |
| 2.2.3 动态负载均衡算法 |
| 2.2.4 算法对比 |
| 2.3 消息中间件 |
| 2.3.1 消息中间件概述 |
| 2.3.2 消息中间件通信模型 |
| 2.4 本章小结 |
| 第三章 分布式集群资源控制器的整体设计 |
| 3.1 应用场景与需求分析 |
| 3.2 系统总体结构 |
| 3.3 模块功能划分 |
| 3.3.1 负载均衡节点BalancerNode模块 |
| 3.3.2 服务节点ServerNode模块 |
| 3.3.3 客户端Client模块 |
| 3.3.4 业务模块 |
| 3.4 本章小结 |
| 第四章 分布式集群资源控制器的设计与实现 |
| 4.1 通信交互组件的设计与实现 |
| 4.1.1 消息报文定义 |
| 4.1.2 网络通信 |
| 4.1.3 定时器 |
| 4.2 节点管理 |
| 4.2.1 客户端Client |
| 4.2.2 负载均衡节点BalancerNode |
| 4.2.3 服务节点SeverNode |
| 4.3 消息中间件的设计与实现 |
| 4.3.1 数据处理流程 |
| 4.3.2 消息编解码器的设计与实现 |
| 4.3.3 消息分发器的设计与实现 |
| 4.3.4 队列管理模块设计与实现 |
| 4.3.5 消息处理模块的设计与实现 |
| 4.4 动态反馈负载均衡调度的设计与实现 |
| 4.4.1 调度策略功能架构 |
| 4.4.2 基于权值指标的动态负载计算 |
| 4.4.3 负载指标采集的设计与实现 |
| 4.4.4 负载计算模块的设计与实现 |
| 4.4.5 负载调度模块设计与实现 |
| 4.5 容错机制的设计与实现 |
| 4.5.1 容错功能设计与实现 |
| 4.5.2 信息获取模块的设计与实现 |
| 4.5.3 任务单元监测模块设计与实现 |
| 4.5.4 任务单元恢复模块设计与实现 |
| 4.5.5 容错处理流程 |
| 4.6 关键流程时序图 |
| 4.6.1 负载计算流程 |
| 4.6.2 负载计算流程 |
| 4.6.3 服务节点注册 |
| 4.7 本章小结 |
| 第五章 系统测试与结果分析 |
| 5.1 动态反馈负载均衡策略测试 |
| 5.1.1 测试环境 |
| 5.1.2 功能测试 |
| 5.1.3 性能测试 |
| 5.2 消息中间件测试 |
| 5.2.1 测试环境 |
| 5.2.2 功能测试 |
| 5.2.3 性能测试 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（8）面向高并发的分布式购物平台设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电商平台研究现状 |
| 1.2.2 负载均衡技术研究现状 |
| 1.3 本文主要研究工作 |
| 1.4 本文的组织结构 |
| 第2章 关键技术介绍 |
| 2.1 Dubbo分布式服务框架 |
| 2.2 SSM框架 |
| 2.3 Nginx |
| 2.4 Solr |
| 2.5 ActiveMQ消息队列、Redis |
| 2.6 MyCat |
| 2.7 负载均衡算法 |
| 2.8 本章小结 |
| 第3章 分布式购物平台分析与设计 |
| 3.1 系统功能性需求分析 |
| 3.1.1 前台功能需求分析 |
| 3.1.2 内容管理系统功能分析 |
| 3.2 系统非功能性需求分析 |
| 3.3 系统用例分析 |
| 3.4 系统架构设计 |
| 3.5 系统集群设计 |
| 3.6 Nginx负载均衡性能的优化 |
| 3.6.1 Nginx加权轮询策略 |
| 3.6.2 动态调节权重的负载均衡策略 |
| 3.6.3 基于熵值法的负载权重系数的确定 |
| 3.7 数据库设计 |
| 3.7.1 数据库读写分离方案设计 |
| 3.7.2 数据库概念结构设计 |
| 3.7.3 数据库物理结构设计 |
| 3.8 本章小结 |
| 第4章 分布式购物平台的实现 |
| 4.1 系统开发环境介绍 |
| 4.2 集群的搭建 |
| 4.2.1 Redis集群的搭建 |
| 4.2.2 Solr集群的搭建 |
| 4.3 数据库读写分离的实现 |
| 4.4 Nginx动态负载均衡策略的实现 |
| 4.4.1 负载信息收集模块 |
| 4.4.2 负载信息处理模块 |
| 4.4.3 负载均衡调度模块 |
| 4.5 具体业务功能的实现 |
| 4.5.1 内容管理模块 |
| 4.5.2 商城门户模块 |
| 4.5.3 商品搜索模块 |
| 4.5.4 商品详情展示模块 |
| 4.5.5 单点登录模块 |
| 4.5.6 购物车模块 |
| 4.5.7 订单模块 |
| 4.6 本章小结 |
| 第5章 平台测试 |
| 5.1 功能测试 |
| 5.1.1 内容管理模块测试 |
| 5.1.2 登录注册模块测试 |
| 5.1.3 商品搜索模块测试 |
| 5.1.4 购物车模块测试 |
| 5.1.5 订单模块测试 |
| 5.2 性能测试 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 研究总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
（9）服务器集群负载均衡算法在商务系统中的研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究的目的和意义 |
| 1.4 论文结构 |
| 第2章 相关技术介绍与研究 |
| 2.1 服务器集群技术 |
| 2.1.1 服务器集群简介 |
| 2.1.2 集群系统分类 |
| 2.2 负载均衡技术 |
| 2.2.1 负载均衡简述 |
| 2.2.2 负载均衡的目标 |
| 2.2.3 负载均衡的实现类型 |
| 2.2.4 负载均衡调度策略 |
| 2.3 Nginx服务器 |
| 2.3.1 Nginx概述 |
| 2.3.2 Nginx的模块化结构 |
| 2.3.3 Nginx的反向代理 |
| 2.4 本章小结 |
| 第3章 Nginx动态负载优化算法 |
| 3.1 现有负载均衡算法不足 |
| 3.2 动态反馈算法改进思路 |
| 3.2.1 动态反馈机制 |
| 3.2.2 服务器负载参数的分析 |
| 3.2.3 动态调节权重反馈型负载均衡算法的设计 |
| 3.2.4 动态权值计算模块 |
| 3.2.5 权值修正模块 |
| 3.3 本章小结 |
| 第4章 Nginx优化负载均衡算法分析与系统实现 |
| 4.1 系统整体概述 |
| 4.2 Nginx编码基础及核心模块分析 |
| 4.2.1 HTTP请求处理过程分析 |
| 4.2.2 Nginx 源码目录结构 |
| 4.2.3 Nginx核心数据结构 |
| 4.3 优化算法具体实现 |
| 4.3.1 负载参数信息收集 |
| 4.3.2 负载信息整合与处理 |
| 4.3.3 算法调度过程 |
| 4.3.4 权值修改模块实现 |
| 4.4 Nginx性能配置优化 |
| 4.5 本章小结 |
| 第5章 改进的算法在集群中的实现及测试分析 |
| 5.1 系统测试指标与工具 |
| 5.1.1 性能测试概念 |
| 5.1.2 性能测试指标的选取 |
| 5.1.3 系统测试工具 |
| 5.2 测试环境 |
| 5.2.1 测试环境搭建 |
| 5.2.2 Nginx的安装与配置 |
| 5.2.3 周期T的实验方案与结果分析 |
| 5.2.4 Jmeter进行并发测试 |
| 5.3 测试内容与结果分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 企业导师简介 |
| 作者简介 |
| 学位论文数据集 |
（10）面向云服务的web服务器负载均衡设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 OpenStack云平台发展现状 |
| 1.2.2 负载均衡研究现状 |
| 1.3 论文的主要工作以及组织结构 |
| 1.3.1 论文主要工作 |
| 1.3.2 论文组织 |
| 第2章 相关技术概述 |
| 2.1 OpenStack概要 |
| 2.1.1 OpenStack架构解析 |
| 2.1.2 部分基础组件介绍 |
| 2.2 Nginx服务器 |
| 2.2.1 Nginx简介 |
| 2.2.2 Nginx整体架构 |
| 2.3 负载均衡技术 |
| 2.3.1 负载均衡实现类型 |
| 2.3.2 负载均衡实现方式 |
| 2.3.3 常用负载均衡策略 |
| 2.4 本章小结 |
| 第3章 私有云平台架构设计 |
| 3.1 系统总体架构 |
| 3.2 软件架构 |
| 3.2.1 Django请求流程 |
| 3.2.2 软件分层设计 |
| 3.3 网络架构 |
| 3.3.1 反向代理负载均衡 |
| 3.3.2 Nginx主从热备 |
| 3.4 本章小结 |
| 第4章 系统功能与自适应动态负载均衡实现 |
| 4.1 私有云平台重要模块后台实现 |
| 4.1.1 云平台用户身份认证实现 |
| 4.1.2 云主机生命周期实现 |
| 4.2 负载均衡集群配置 |
| 4.2.1 Nginx配置及性能调优 |
| 4.2.2 Keepalived双机热备 |
| 4.3 自适应动态负载均衡策略算法实现 |
| 4.3.1 加权最小连接数算法分析 |
| 4.3.2 权值计算 |
| 4.3.3 权值改变参考参数及临界值 |
| 4.3.4 负载均衡器动态权值计算 |
| 4.4 自适应动态负载均衡策略实现方式 |
| 4.4.1 服务器负载信息获取模块实现 |
| 4.4.2 权值计算模块实现 |
| 4.4.3 负载均衡器动态更新模块 |
| 4.5 本章小结 |
| 第5章 实验测试与分析 |
| 5.1 实验测试环境 |
| 5.2 负载均衡器主从切换测试 |
| 5.3 自适应动态负载均衡相关实验测试 |
| 5.3.1 周期T值确定 |
| 5.3.2 性能测试及分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
四、基于状态改变的集群动态负载均衡调度策略（论文参考文献）
- [1]基于负载均衡和服务流控的高并发访问机制的研究[D]. 张金鹏. 南昌大学, 2021
- [2]基于服务器集群的负载均衡系统的设计与实现[D]. 刘成. 南京邮电大学, 2020(03)
- [3]基于PSO-GA的LVS集群负载均衡调度算法研究与实现[D]. 徐贇. 重庆邮电大学, 2020(02)
- [4]面向区块链即服务的负载均衡调度研究[D]. 熊衍捷. 天津大学, 2020(02)
- [5]基于Nginx的服务器集群负载均衡策略的研究与改进[D]. 吴陈. 华南理工大学, 2020(02)
- [6]基于Kubernetes集群容器资源调度策略的研究与设计[D]. 陈丰琴. 西南交通大学, 2020(07)
- [7]分布式集群资源控制器的设计与实现[D]. 许晓露. 电子科技大学, 2020(07)
- [8]面向高并发的分布式购物平台设计与实现[D]. 郭志伟. 浙江工商大学, 2019(05)
- [9]服务器集群负载均衡算法在商务系统中的研究与应用[D]. 张淇. 华北理工大学, 2020(02)
- [10]面向云服务的web服务器负载均衡设计与实现[D]. 葛钰. 西南交通大学, 2019(03)
标签：负载均衡论文; kubernetes论文; 集群技术论文; nginx负载均衡配置论文; 集群服务器论文;