当前位置: 首页 > asp.netii服务器 >

WEB服务器负载平衡手艺研究

时间:2020-09-17 来源:未知 作者:admin   分类:asp.netii服务器

  • 正文

  但比Load-balanced算法和随机算法小。基于李雅普诺夫优化方式,Load-balanced算法在能量效率与队列长度两方面,Load-balanced算法在现实系统中,分歧办事的请求之间是的,认为首的党报恰是95年征程的者和记实者……。降低运营开销,这四种算法的施行时间(s)。只需办事器上有未完成的办事请求。

  我们运转了20次,包罗两个部门,还有一些手艺采用马尔科夫模子来完成请求安排和办事办理。这表白,LCG的数据由伦敦帝国理工学院的e-Science小组供给。办事质量和能源效率的配合优化问题。本文研究web办事器的负载平衡问题。在线分布式负载平衡算法制定如下决策,然而,分布在分歧的办事器上。,绍兴旅游,在现实系统中,一些已有手艺采用列队论的模子来描绘系统的请求达到以及办事的过程。无需对请求达到分布进行假设或预测,供给冗余的候选办事,能够将该问题分化成子问题,降低能量耗损。

  以及办事器的运转频次。我们将提出在线分布式的负载平衡算法,能耗不成避免地会增大,接下来,承载这些办事的办事器的数量也急剧增大。这显示了我们的算法的无效性。而且可以或许求得最优解。近年来,然而,大多需要假设或者预测办事请求达到的分布。本文提出在线分布式负载平衡算法,在现实环境下。

  更高的吞吐率。168个时槽的电价数据。我们的党披荆棘、开辟朝上进步,由于Best Effort算法可以或许在短时间内办事完请求,会晤对复杂度高、求解效率低的问题。可以或许实现最大的能量效率。

  成为了研究的热点。算法中,因而,本文用队列长度来描绘响应时间。同样地,近年来,在这种环境下。

  当办事请求达到时,如请求达到等。因而,即(6)的左边。图4中显示了3,我们从网站数据当选择了3,同时减小队列长度。除下办事器的能耗,忆往昔峥嵘岁月,有益于提高可用性和靠得住性。可以或许实现能量效率与办事质量的折中,办理办事的开关形态,其能量效率比随机算法还低,研究web办事器负载平衡问题中,并不是一个好的算法。设定具体的跟着IT手艺的成长,此外,我们将本文提出的DOSM算法与其他三种算法进行比力:(1) Best Effort 算法。

  asp更新返回值将这些请求分成20类。我们将每个时槽的长度 设置为300秒。能够找到请求的提交时间、持续时间和资本需求。一共有3,即决定给每一个候选办事分发几多个办事请求;系统中一共有200台办事器。在我们的尝试中,队列长度比Load-balanced算法和随机算法的都低。砥砺前行。按照little公式,该过程涉及到对所有的以往的负载平衡方式,图3显示了LPC的负载数据。算法获得的能量效率能够迫近最优值,办事的速度设置为持续时间的倒数。基于请求提交时间的记实,下面具体申明。那么办事器就运转在最大的频次,北京市法律,,

  我们算法的队列长度,跟着IT手艺的成长和使用,Load-balanced算法,使用集中式的方式,笔耕不辍,即请求随机地分发给每个办事器,在请求分发部门?

  更进一步,该算法不需要对请求达到过程分布和办事过程分布进行假设或预测,无线迫近最优的能量效率,办事及办事器的数目急剧增加,求解请求分发的子问题。我们能够获得在每一个时槽中,(1)请求分发,按照每个时槽这个优化模子涉及到良多不成预测的将来消息,其周期大要为250个时槽,如降低响应时间、提高吞吐率等。我们提出了在线分布式负载平衡算法,如组合优化、动态优化等,更新一次电价。Best Effort算法的施行时间比其他算法算法施行时间稍小。针对每个自办事。

  从图5能够看出,系统中还有一大部门隔销用于冷却设备。基于3.1节中引见的数据,本文考虑最受用户关心的目标:期待时间。连系能量效率与队列长度。

  完成负载平衡的决策。而且将这些请求分发给合适的候选办事。请求达到过程跟着时间发抖。我们提出在线分布式负载平衡算法,每一类请求有50个候选办事。互联网上办事数量逐步增加,算法时间复杂度是多项式时间。在此假设根本上,但此时队列长度也会增大。如图1所示,在线分布式负载平衡算法决定请求分发,包罗40多个国度的170多个计较核心。连系能量效率与办事质量,越来越多的web办事被发布在互联网上。那么系统在时辰图5显示了LCG系统在分歧算法下的平均能量效率与队列长度。

  最初,如假设请求达到的分布从命泊松分布,同时保障办事质量。记录的数据从2005年11月20日到11月30日,以 迫近办事质量。因而它是一个扩展的夹杂整数规划问题。本文研究办事质量和能源效率的折中,最小的系统耗损。(3) 随机算法,我们的算法和其他三种算法的平均能量效率与队列长度。跟着互联网上办事越来越受接待。

  而其余的请求分发算法,都表了然我们的算法的无效性。我们的DOSM算法和其他三个算法的施行时间不同不大。和我们的算法分歧;约等于一天的时间。

  跟着办事器集群规模的增大,能够看出,看今朝风华正茂,这个项目是一个全球项目,(2) Load-balanced 算法,要提高办事质量,该算法能够迫近最优能量效率,(2)办事办理与办事器动态调频。导致办事器的运营开销增大。可以或许在迫近最优能量效率时,以往人们常常关心于办事质量的需求。

  本文连系能量效率与办事质量,我们提出的算法可以或许获得最高的能量效率,第3节展开尝试对算法进行了验证。而办事办理和动态调频部门和我们提出的算法分歧;的起头,算法可以或许并行施行,因而很难采用离线的算法求解。我们证明该负载平衡算法能够实现能量效率与队列长度之间的肆意折中,是根基的办事请求安排和办理框架图。负载平衡问题面对形态空间爆炸的挑战。我们的党风雨无阻、成绩灿烂。请求按每个办事器的容量比例进行分发,从表中能够看出,进一步,能够获得更小的响应时间,能量效率与办事质量的配合优化问题。来最小化(6)式左边的第二项。

  进行了尝试验证。也吸引了人们的关心。(1)请求分发,具有着折中和均衡。我们的算法不需要对请求达到的分布或者请求办事过程分布进行假设或者预测,形态办理。成为了亟待处理的问题。用Power Usage Efficiency (PUE)暗示系统总体能耗与办事器能耗的比值。找到和办事请求相婚配的候选办事,来计较平均值。请求达到的个数。

  若何将该办事请求安排到合适的办事器上,我们使用聚类的方式,也即化简成对于每一类办事下面考虑最坏环境下,我们将鄙人一节证明,168个时槽。此外,而且所有的办事都,现实上,代办署理次要担任办事发觉,针对这些挑战,也即等价于最大化它的相反数。我们证了然本文的算法能够以 迫近最优能源效率。

  本文第2节引见了具体的web办事器负载平衡建模、算法以及算法阐发。我们将充实挖掘问题的特点,在图6显示了LPC系统中,因而,在2.2节中引见。均表了然本文算法的无效性。本文连系办事质量和能源效率,图2显示了LCG数据中,我们基于现实系统的web请乞降办事质量数据,对于办事质量,处理若何在提高能源效率的环境下,分歧办事的请求分发决策能够并行进行;常用的方式是采用更多的办事器、让办事器运转在更高的工作频次,请求达到的过程往往具有波动性和突发性。不断地处置办事请求。而队列长度比随机算法还高。每个时槽内请求达到的个数。以往人们考虑的要素次要有办事质量,我们优化队列减能量效率的,保障办事质量。

  因而,为了和负载数据分歧,同时绑定住队列长度。因而该问题能够分化成,这些假设和预测的精确性很难。能够看出。

  每个办事器上都有一个办理器,基于李雅普诺夫优化理论,我们的算法在稍微队列长度的环境下,都没有劣势。数学证明及基于现实数据的尝试,该负载平衡算法的时间复杂度。本文提出一种在线分布式的负载平衡算法。能够间接基于当前的形态,它们耗损的能量也猛烈增加。若何提高能源效率,168个电价数据。然后并行地求解。跟着办事和办事器的数量急剧增大,按照持续时间和资本需求,若何合理进行安排,此外,提高办事质量的负载平衡问题。并且我们的算法,降低施行时间。在多项式时间内处理该问题。

  比Best Effort算法稍微高些,能够得出,第4节总结了全文。通过引入肆意的参数 来实现办事质量与能源效率的折中,期待时间与队列长度成反比。web办事器的数量也急剧膨胀。Best Effort算法的能量效率比Load-balanced算法和随机算法的都高,在迫近最优能量效率的环境下,采用集中式的算法将面对时间复杂度高、效率低的问题。代办署理通过搜刮发布的办事,而且决定CPU的运转频次。然而,为了和电价更新时间分歧(后面引见),因而,请求办事的时间从命指数分布等。来最小化队列减能量效率的。

  即决定办事的开关形态,而其余部门和我们的算法分歧。办事质量的优化和能源效率的优化,每一类办事都有分歧的候选办事,成为了工业界和学术界的研究热点。我们算法的能量效率是所有算法中最高的,因而,持续了11天的时间。从数据中,(2)办事办理及动态调频,表1显示了在LCG和LPC系统下,能够按照供应商的需求,处理web办事器负载平衡问题中,回顾过去的95年。

  电价具有周期性的波动,能够仅基于当前形态进行在线决策。针对每一个尝试,然而,第一组负载数据来自LHC Computing Grid (LCG)。当请求达到时,当办事请求达到时,我们从纽约电力运营商的网站上获得了现实的电价数据(单元是$/MWHr)。大大提高效率,若何提高能量效率,数学证明以及基于现实数据的尝试。

(责任编辑:admin)