CN105491138A - 一种基于负载率分级触发的分布式负载调度方法 - Google Patents
一种基于负载率分级触发的分布式负载调度方法 Download PDFInfo
- Publication number
- CN105491138A CN105491138A CN201510930997.5A CN201510930997A CN105491138A CN 105491138 A CN105491138 A CN 105491138A CN 201510930997 A CN201510930997 A CN 201510930997A CN 105491138 A CN105491138 A CN 105491138A
- Authority
- CN
- China
- Prior art keywords
- server
- load
- task
- load factor
- computational resource
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明提供一种基于负载率分级触发的分布式负载调度方法,包括筛选出能够将任务消耗量化的服务器;将服务器的负载率在0-100%之间等分为若干区间;服务器节点实时且持续监测服务器的负载率;服务器节点向负载均衡器发送服务器的负载率状态变化;负载均衡器更新负载率情况表;并对分布式负载进行调度。本发明提出的方法有效减少网络通信量,降低负载均衡器的负担,于此同时负载均衡器调度表可以相对准确的反映服务器的真实负载;不仅可以保证剩余计算资源最多的服务器被作为选择对象,同时可以使CPU以及内存利用率保持相对平衡,避免单一资源过度消耗。
Description
技术领域
本发明涉及网络流量控制及负载均衡领域,具体涉及一种基于负载率分级触发的分布式负载调度方法。
背景技术
近年来,由于信息技术的发展、网络的日益普及,爆炸的互联网和万维网已经明显的为用户增加了大量的在线信息和可能的服务。受欢迎网站的流量已经远远超出了单个Web服务器所能够承受的能力。日益增长的信息和服务依赖于一个能够抵抗戏剧性压力的互联网基础结构,一个能提供大量Web请求的Web服务器系统。因此,考虑到系统的可扩展性和成本效益,出现了分布式设计的Web服务器系统(Web集群)来代替一台像大型机这样具有高性能的Web服务器,这些最受欢迎的网站采用分布式/并行架构以减轻单一服务器的负载。分布式计算系统所提供高性能环境能够提供巨大的处理能力。分布式系统通过有效的任务划分实现各节点服务器系统之间的任务平衡,使各计算机系统资源能够得到有效地利用。
目前数百台电脑连接起来构建成一个分布式计算系统。分布式计算系统为了获得最大的效率,系统的整个工作负载必须分配到网络上的各个节点。因此,由于多处理器计算机系统的分布式存储使得负载均衡问题成为研究的热点。负载分配到各处理器节点被简单地称为负载均衡问题。在一个多节点系统里,存在一些节点闲置而其它节点处于过载的高可能性。负载均衡算法的目标就是维护每个处理器节点的负载,使得所有的处理器节点既不过载也不空闲。现有技术普遍存在的缺陷是:负载均衡器调度表中,不能及时更新服务器真实的负载情况。此外类似于基于最小连接数调度策略不能有效衡量服务器的负载。这就意味着每个处理器节点在理想的情况下,在任何时刻具有相等的负载,做到系统在执行时获得最大的性能(最小的执行时间)。所以合理的设计一个负载均衡算法可以显著提高系统的性能。
发明内容
有鉴于此,本发明提供的一种基于负载率分级触发的分布式负载调度方法,该方法有效减少网络通信量,降低负载均衡器的负担,于此同时负载均衡器调度表可以相对准确的反映服务器的真实负载;不仅可以保证剩余计算资源最多的服务器被作为选择对象,同时可以使CPU以及内存利用率保持相对平衡,避免单一资源过度消耗。
本发明的目的是通过以下技术方案实现的:
一种基于负载率分级触发的分布式负载调度方法,所述方法包括如下步骤:
步骤1.筛选出能够将任务消耗量化的服务器;
步骤2.将所述服务器的负载率在0-100%之间等分为若干区间;
步骤3.服务器节点实时且持续监测所述服务器的负载率;
若所述服务器节点监测到所述服务器的负载率所在的区间发生变化,则进入步骤4;
否则,则继续监测;
步骤4.所述服务器节点向负载均衡器发送所述服务器的负载率状态变化;
步骤5.所述负载均衡器更新负载率情况表;并对分布式负载进行调度。
优选的,所述步骤1包括:
1-1.获取目标任务所需要消耗的计算资源;
1-2.筛选满足所述目标任务且剩余资源最多的服务器集合;
1-3.针对所述服务器集合,求得消耗各项所述目标任务的计算资源最均衡的目标服务器;
1-4.负载均衡器将所述目标任务分发给为第二步所述目标服务器。
优选的,所述步骤1-1包括:
获取目标任务Taskj所需要消耗的计算资源;所计算资源包括计算量Qj和消耗内存Rj。
优选的,所述步骤1-2包括:
a.计算满足所述目标任务的最大富余的所述计算资源的服务器剩余资源率Ui:
式(1)中,CiWi为服务器序列号为i的CPU剩余性能,RiYi为服务器编号为i的剩余内存资源;CiWi/Qj为i服务器CPU计算资源处理Taskj胜任能力,RiYi/Rj为i服务器内存处理Taskj胜任能力;
b.根据服务器剩余资源率Ui值的大小,将待选的所述服务器的按服务器剩余资源率Ui从高到低排序,筛选出剩余资源最多的服务器集合。
优选的,所述步骤1-3包括:
c.针对所述服务器集合,求得消耗各项所述目标任务的最均衡的计算资源:
式(2)中,Hi为计算参数且
d.筛选出消耗各项所述目标任务的最均衡的计算资源对应的所述服务器。
优选的,所述步骤5包括:
5-1.所述负载均衡器根据接收到的所述服务器的负载率状态变化;
5-2.所述负载均衡器在负载率情况表中将所述服务器的负载率区间更改为修订值;所述修订值为所述服务器的负载率当前所在区间的中间值;
5-3.根据负载率情况表中在的所述修订值对分布式负载进行调度。
从上述的技术方案可以看出,本发明提供了一种基于负载率分级触发的分布式负载调度方法,包括筛选出能够将任务消耗量化的服务器;将服务器的负载率在0-100%之间等分为若干区间;服务器节点实时且持续监测服务器的负载率;服务器节点向负载均衡器发送服务器的负载率状态变化;负载均衡器更新负载率情况表;并对分布式负载进行调度。本发明提出的方法有效减少网络通信量,降低负载均衡器的负担,于此同时负载均衡器调度表可以相对准确的反映服务器的真实负载;不仅可以保证剩余计算资源最多的服务器被作为选择对象,同时可以使CPU以及内存利用率保持相对平衡,避免单一资源过度消耗。
与最接近的现有技术比,本发明提供的技术方案具有以下优异效果:
1、本发明所提供的技术方案中,通过筛选出能够将任务消耗量化的服务器;将服务器的负载率在0-100%之间等分为若干区间;服务器节点实时且持续监测服务器的负载率;服务器节点向负载均衡器发送服务器的负载率状态变化;负载均衡器更新负载率情况表;并对分布式负载进行调度;有效减少网络通信量,降低负载均衡器的负担,于此同时负载均衡器调度表可以相对准确的反映服务器的真实负载;不仅可以保证剩余计算资源最多的服务器被作为选择对象,同时可以使CPU以及内存利用率保持相对平衡,避免单一资源过度消耗。
2、本发明提供的技术方案,应用广泛,具有显著的社会效益和经济效益。
附图说明
图1是现有技术的任务分配队列的静态负载均衡原理图;
图2是现有技术的LVS集群系统体系结构图;
图3是本发明的一种基于负载率分级触发的分布式负载调度方法的流程图;
图4是本发明分布式负载调度方法中步骤1的流程示意图;
图5是本发明分布式负载调度方法中步骤5的流程示意图;
图6是本发明的具体应用例的服务器节点发送负载情况的模式图;
图7是本发明的具体应用例的负载均衡器的模型图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术包括静态负载均衡模型及LVS动态负载均衡模型:
一、静态负载均衡模型:
在静态算法中,根据每个节点服务器的性能,在程序编译时将进程分配给处理器。一旦进程被分配了,程序运行时就不可能改变或重新分配。在静态负载均衡算法中,每个节点的任务数是固定的。静态算法不能收集各节点的任何信息。对于每个节点进程来说,分配任务的完成受如下基本因素影响:任务到来时间、任务资源的大小、平均的执行时间和内部的通信处理。既然这些因素应该在任务分配前被测量,那么静态负载均衡也被称为概率性算法。这是因为在程序运行过程中没有任务迁移,没有开销发生或少量的开销发生。对于静态负载均衡,当任务数多于处理器数量时,负载均衡性能更好。
图1显示了局部任务到达任务分配队列的静态负载均衡原理图。一个任务从任务分配队列要么被分配到远程的服务器节点,要么被分配到阀值队列里。一个任务也能够从远程节点分配到阀值队列。一旦一个任务被分配到阀值队列,它就不能被迁移到其它的节点。一个任务到达任何一个节点,要么被这个节点给处理,要么通过网络通信被转移到其他节点进行远程处理。静态负载均衡算法能够划分为两个子类,最优静态负载均衡和次优静态负载均衡。
静态负载均衡存在的问题:在一个广泛的实时应用程序运行时产生负载,或者程序运行时发生了戏剧性的负载变化,甚至一些预先未知的运行行为。在这样的应用环境下,静态负载均衡方法就会效率低下。对于向淘宝、京东这些流量访问大,随机性访问强的网站,采用静态负载均衡模型显然不合适。
二、LVS动态负载均衡模型:
LVS是由国防科技大学的章文嵩博士发起,并经过多年的发展,现在已经成熟应用于构建高性能、可扩展的负载均衡系统。采用LVS搭建负载均衡集群时,需要有一个虚拟的IP作为整个系统对外提供服务的请求地址。这个虚拟IP一般配置在负载均衡器上,用于建立客户端请求与服务器端的相应连接。当客户端向集群系统发起任务请求时,任务请求数据包先到达集群系统的负载均衡器,在负载均衡器上根据管理人员配置的负载均衡调度算法进行请求任务的调度分配,再进一步将请求任务分配到具体的后端服务器上进行处理。整个过程对用户来说是透明的,用户不用关心集群系统内是怎么实现的,只需要关心系统响应给用户的信息是否准确及时。
图2为LVS集群系统的体系结构图。LVS集群由三部分构成,分别是负载均衡器、服务器池和共享存储。
负载均衡器:它实际是集群对外的一个前端机。作用是把用户发来的请求,发送到服务器上执行。让用户认为始终是一个IP地址为其提供的服务。
服务器池:它可以执行不同类型的请求,例如Web、Mail、DNS、Ftp等类型的请求。服务器池是真正执行请求的服务器。
共享存储:它可以提供与服务器池相同的服务。其工作原理是开辟一个共享存储区提供给服务器池使用,从而共享存储区会获得与服务器池相同的内容。
用户发送请求到虚拟服务器,接到请求后,负载均衡器根据事先设定好的算法将此
请求发送到真实服务器,真实服务器将请求处理好后,直接返回用户或者通过负载均衡器发送给用户。
Linux内核的IPVS模块内嵌入了十种负载均衡调度算法,包括轮询调度、加权轮询调度、目的地址散列调度、源地址散列调度、最小连接调度、加权最小连接调度、基于局部性的最小连接数调度、带复制的基于局部性的最小连接数调度、最短预期延迟调度算法、不排队调度算法。它们普遍存在的缺陷是:负载均衡器调度表中,不能及时更新服务器真实的负载情况。此外类似于基于最小连接数调度策略不能有效衡量服务器的负载。
如图3所示,本发明提供一种基于负载率分级触发的分布式负载调度方法,包括如下步骤:
步骤1.筛选出能够将任务消耗量化的服务器;
步骤2.将服务器的负载率在0-100%之间等分为若干区间;
步骤3.服务器节点实时且持续监测服务器的负载率;
若服务器节点监测到服务器的负载率所在的区间发生变化,则进入步骤4;
否则,则继续监测;
步骤4.服务器节点向负载均衡器发送服务器的负载率状态变化;
步骤5.负载均衡器更新负载率情况表;并对分布式负载进行调度。
如图4所示,步骤1包括:
1-1.获取目标任务所需要消耗的计算资源;
1-2.筛选满足目标任务且剩余资源最多的服务器集合;
1-3.针对服务器集合,求得消耗各项目标任务的计算资源最均衡的目标服务器;
1-4.负载均衡器将目标任务分发给为第二步目标服务器。
其中,步骤1-1包括:
获取目标任务Taskj所需要消耗的计算资源;所计算资源包括计算量Qj和消耗内存Rj。
其中,步骤1-2包括:
a.计算满足目标任务的最大富余的计算资源的服务器剩余资源率Ui:
式(1)中,CiWi为服务器序列号为i的CPU剩余性能,RiYi为服务器编号为i的剩余内存资源;CiWi/Qj为i服务器CPU计算资源处理Taskj胜任能力,RiYi/Rj为i服务器内存处理Taskj胜任能力;
b.根据服务器剩余资源率Ui值的大小,将待选的服务器的按服务器剩余资源率Ui从高到低排序,筛选出剩余资源最多的服务器集合。
其中,步骤1-3包括:
c.针对服务器集合,求得消耗各项目标任务的最均衡的计算资源:
式(2)中,Hi为计算参数且
d.筛选出消耗各项目标任务的最均衡的计算资源对应的服务器。
如图5所示,步骤5包括:
5-1.负载均衡器根据接收到的服务器的负载率状态变化;
5-2.负载均衡器在负载率情况表中将服务器的负载率区间更改为修订值;修订值为服务器的负载率当前所在区间的中间值;
5-3.根据负载率情况表中在的修订值对分布式负载进行调度。
本发明提供一种基于负载率分级触发的分布式负载调度方法的具体应用例,具体如下:
(1)把服务器的负载率情况按照0-100%分成若干区间;
(2)服务器节点一直在检测服务器的负载率;
(3)若在某时刻其负载率处于某一区间,当监测到负载率突破某一区间,即向负载均衡器发送该服务器的负载情况;
(4)负载均衡器中负载率情况表相应服务器的负载率为该区间的中间值;
图6为服务器节点发送负载情况的模式图。首先,我们可以把服务器负载率分为多个区间,下面举例为10个区间,表一为某一服务器负载区间表。
表一负载区间表
例如:某一服务器的CPU负载率在某时刻为30%-40%之间,若检测到负载率突破到40%-50%之间,则服务器向负载均衡器发送负载变化。负载均衡器中负载情况表中该服务器的CPU负载率改写为45%,概括说每次负载率或内存利用率突破每一个区间,就会向负载均衡器发送负载变化。且发送的报文不需要具体的数值,只需要发送负载所在的区间,且负载均衡器中某服务器负载情况表负载率为该区间的中间值。这样做的优势就是:可以有效的减小通信开销以及负载均衡器的负担,且可以相对准确的反映服务器的负载情况。下面对负载率取负载区间的中间值进行说明。服务器在某一段时间内的负载率X满足区间[a,b]均匀分布,设连续型随机变量X的分布函数为则均匀分布的均值所以在负载率X取负载率区间的中间值其偏差最小。
其中,一种任务消耗量化的服务器选择策略:
为了克服不能真实衡量服务器的负载的问题,本篇从考虑服务器节点的处理能力方面,我们利用计算机系统性能的一些基本参数来作为考核服务器性能的指标。利用各性能指标参数的利用情况来作为服务器节点负载值的参数,负载均衡器利用这些性能参数来以及任务所需消耗动态计算服务器的适用值,调度器根适用值进行任务分配,均衡后端各服务器的执行任务。
一般情况下,任务有好多种类型,有消耗CPU的进程,有消耗内存的进程。有些程序消耗CPU较大,但是内存消耗小,有些消耗内存,但是CPU消耗小。因而,把任务CPU消耗以及内存消耗量化,有助于负载均衡器合理分配任务。本方案基于以上情况设计了一种合理的负载均衡调度算方案,该方案能够动态的考虑后端各服务器节点的实时处理能力和实时的负载情况,负载均衡器利用这个方案来分配客户端向负载均衡集群系统请求任务。
图7是一种任务细化的的负载均衡模型。
该模型中会把每一个任务分为的消耗量在客户端进行估算,并发送给负载均衡器。负载均衡器首先会根据负载调度表中服务器的负载率,进行相关计算筛选出剩余资源最大的服务器集合,然后再通过相关算法计算出CPU负载和内存负载均衡服务器集合,选出目标服务器。表二为到达负载均衡器中的任务列表,表三为负载均衡器中服务器负载情况表。
表二负载均衡器中的任务列表
任务列表 | 所需内存Rj | 计算量Qj |
Task 1 | R1 | Q1 |
Task 2 | R2 | R2 |
... | ... | ... |
Task m | Rm | Qm |
表三负载均衡器中服务器负载情况表
表二说明:任务所需内存以及计算量分别用Rj和Qj表示。表三说明:其中CPU的性能为Ci、以及内存大小为Ri已经归一化处理。CPU负载率、内存利用率分别用Wi和Yi表示。
某一任务Taskj筛选目标服务器过程:设一个任务所需内存为Rj,所需的计算量为Oj。
第一步:计算按照Ui的大小,列出前20个服务器的序号。该方案用每个服务器剩余计算资源除以任务所需的的计算资源,其中CiWi为服务器编号为i的CPU剩余性能,RiYi为服务器编号为i的剩余内存资源。通过该公式可以筛选出剩余资源最多的服务器集合,但是该方案有缺陷:当CPU计算资源多,而内存资源少的服务器也有可能被选入作为目标服务器。因而需要进一步筛选。
第二步:则令计算i为第一步中所求出的服务器序列},所得的i即为该服务器的序列。第二步筛选目标为第一步的服务器集合,其CiWi/Qj为i服务器CPU计算资源处理Taskj胜任能力,RiYi/Rj为i服务器内存处理Taskj胜任能力。计算i为第一步中所求出的服务器序列},可以求出CPU和内存均衡的消耗的服务器。
第三步:负载均衡器则将Taskj分发给为第二步所求得序号的服务器。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,而这些未脱离本发明精神和范围的任何修改或者等同替换,其均在申请待批的本发明的权利要求保护范围之内。
Claims (6)
1.一种基于负载率分级触发的分布式负载调度方法,其特征在于,所述方法包括如下步骤:
步骤1.筛选出能够将任务消耗量化的服务器;
步骤2.将所述服务器的负载率在0-100%之间等分为若干区间;
步骤3.服务器节点实时且持续监测所述服务器的负载率;
若所述服务器节点监测到所述服务器的负载率所在的区间发生变化,则进入步骤4;
否则,则继续监测;
步骤4.所述服务器节点向负载均衡器发送所述服务器的负载率状态变化;
步骤5.所述负载均衡器更新负载率情况表;并对分布式负载进行调度。
2.如权利要求1所述的方法,其特征在于,所述步骤1包括:
1-1.获取目标任务所需要消耗的计算资源;
1-2.筛选满足所述目标任务且剩余资源最多的服务器集合;
1-3.针对所述服务器集合,求得消耗各项所述目标任务的计算资源最均衡的目标服务器;
1-4.负载均衡器将所述目标任务分发给为第二步所述目标服务器。
3.如权利要求2所述的方法,其特征在于,所述步骤1-1包括:
获取目标任务Taskj所需要消耗的计算资源;所计算资源包括计算量Qj和消耗内存Rj。
4.如权利要求3所述的方法,其特征在于,所述步骤1-2包括:
a.计算满足所述目标任务的最大富余的所述计算资源的服务器剩余资源率Ui:
式(1)中,CiWi为服务器序列号为i的CPU剩余性能,RiYi为服务器编号为i的剩余内存资源;CiWi/Qj为i服务器CPU计算资源处理Taskj胜任能力,RiYi/Rj为i服务器内存处理Taskj胜任能力;
b.根据服务器剩余资源率Ui值的大小,将待选的所述服务器的按服务器剩余资源率Ui从高到低排序,筛选出剩余资源最多的服务器集合。
5.如权利要求4所述的方法,其特征在于,所述步骤1-3包括:
c.针对所述服务器集合,求得消耗各项所述目标任务的最均衡的计算资源:
式(2)中,Hi为计算参数且
d.筛选出消耗各项所述目标任务的最均衡的计算资源对应的所述服务器。
6.如权利要求1所述的方法,其特征在于,所述步骤5包括:
5-1.所述负载均衡器根据接收到的所述服务器的负载率状态变化;
5-2.所述负载均衡器在负载率情况表中将所述服务器的负载率区间更改为修订值;所述修订值为所述服务器的负载率当前所在区间的中间值;
5-3.根据负载率情况表中在的所述修订值对分布式负载进行调度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510930997.5A CN105491138B (zh) | 2015-12-15 | 2015-12-15 | 一种基于负载率分级触发的分布式负载调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510930997.5A CN105491138B (zh) | 2015-12-15 | 2015-12-15 | 一种基于负载率分级触发的分布式负载调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105491138A true CN105491138A (zh) | 2016-04-13 |
CN105491138B CN105491138B (zh) | 2020-01-24 |
Family
ID=55677848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510930997.5A Active CN105491138B (zh) | 2015-12-15 | 2015-12-15 | 一种基于负载率分级触发的分布式负载调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105491138B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106533978A (zh) * | 2016-11-24 | 2017-03-22 | 东软集团股份有限公司 | 一种网络负载均衡方法及系统 |
CN106961670A (zh) * | 2017-05-02 | 2017-07-18 | 千寻位置网络有限公司 | 基于分布式架构的地理围栏系统及工作方法 |
CN107196865A (zh) * | 2017-06-08 | 2017-09-22 | 中国民航大学 | 一种负载感知的自适应阈值过载迁移方法 |
CN107257387A (zh) * | 2017-08-18 | 2017-10-17 | 四川长虹电器股份有限公司 | 自适应负载均衡方法 |
CN109495351A (zh) * | 2018-12-26 | 2019-03-19 | 网易(杭州)网络有限公司 | 一种确定服务器系统数据处理能力方法和装置 |
CN109936606A (zh) * | 2017-12-18 | 2019-06-25 | 浙江宇视科技有限公司 | 任务分配方法和装置 |
CN110995802A (zh) * | 2019-11-22 | 2020-04-10 | 北京奇艺世纪科技有限公司 | 任务的处理方法和装置、存储介质及电子装置 |
CN111294248A (zh) * | 2018-12-06 | 2020-06-16 | 中国移动通信集团福建有限公司 | 网元故障质检方法、装置、设备及介质 |
CN112416559A (zh) * | 2020-11-30 | 2021-02-26 | 中国民航信息网络股份有限公司 | 调度策略更新方法、服务调度方法、存储介质及相关装置 |
CN114745563A (zh) * | 2022-04-11 | 2022-07-12 | 中国联合网络通信集团有限公司 | 选择边缘计算节点处理直播任务的方法、装置及系统 |
CN115051997A (zh) * | 2022-07-12 | 2022-09-13 | 中国电信股份有限公司 | 分布式资源调度的方法及装置、存储介质、电子设备 |
CN115574898A (zh) * | 2022-09-30 | 2023-01-06 | 江苏移动信息系统集成有限公司 | 一种基于5g边缘计算的水利感知系统 |
CN116319480A (zh) * | 2023-05-22 | 2023-06-23 | 圣麦克思智能科技(江苏)有限公司 | 一种基于数据处理的idc运维系统及方法 |
CN116382892A (zh) * | 2023-02-08 | 2023-07-04 | 深圳市融聚汇信息科技有限公司 | 一种基于多云融合以及云服务的负载均衡方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1835453A (zh) * | 2005-03-16 | 2006-09-20 | 华为技术有限公司 | 一种实现分布式系统中负载分担的方法 |
CN101447939A (zh) * | 2008-12-16 | 2009-06-03 | 中国移动通信集团北京有限公司 | 一种业务分配方法和负载均衡器 |
WO2011110026A1 (zh) * | 2010-10-29 | 2011-09-15 | 华为技术有限公司 | 一种实现数据中心资源负载均衡的方法及装置 |
CN102708011A (zh) * | 2012-05-11 | 2012-10-03 | 南京邮电大学 | 一种面向云计算平台任务调度的多级负载评估方法 |
CN104168332A (zh) * | 2014-09-01 | 2014-11-26 | 广东电网公司信息中心 | 高性能计算中负载均衡与节点状态监控方法 |
-
2015
- 2015-12-15 CN CN201510930997.5A patent/CN105491138B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1835453A (zh) * | 2005-03-16 | 2006-09-20 | 华为技术有限公司 | 一种实现分布式系统中负载分担的方法 |
CN101447939A (zh) * | 2008-12-16 | 2009-06-03 | 中国移动通信集团北京有限公司 | 一种业务分配方法和负载均衡器 |
WO2011110026A1 (zh) * | 2010-10-29 | 2011-09-15 | 华为技术有限公司 | 一种实现数据中心资源负载均衡的方法及装置 |
CN102708011A (zh) * | 2012-05-11 | 2012-10-03 | 南京邮电大学 | 一种面向云计算平台任务调度的多级负载评估方法 |
CN104168332A (zh) * | 2014-09-01 | 2014-11-26 | 广东电网公司信息中心 | 高性能计算中负载均衡与节点状态监控方法 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106533978B (zh) * | 2016-11-24 | 2019-09-10 | 东软集团股份有限公司 | 一种网络负载均衡方法及系统 |
CN106533978A (zh) * | 2016-11-24 | 2017-03-22 | 东软集团股份有限公司 | 一种网络负载均衡方法及系统 |
CN106961670A (zh) * | 2017-05-02 | 2017-07-18 | 千寻位置网络有限公司 | 基于分布式架构的地理围栏系统及工作方法 |
CN106961670B (zh) * | 2017-05-02 | 2019-03-12 | 千寻位置网络有限公司 | 基于分布式架构的地理围栏系统及工作方法 |
CN107196865A (zh) * | 2017-06-08 | 2017-09-22 | 中国民航大学 | 一种负载感知的自适应阈值过载迁移方法 |
CN107196865B (zh) * | 2017-06-08 | 2020-07-24 | 中国民航大学 | 一种负载感知的自适应阈值过载迁移方法 |
CN107257387A (zh) * | 2017-08-18 | 2017-10-17 | 四川长虹电器股份有限公司 | 自适应负载均衡方法 |
CN109936606A (zh) * | 2017-12-18 | 2019-06-25 | 浙江宇视科技有限公司 | 任务分配方法和装置 |
CN111294248A (zh) * | 2018-12-06 | 2020-06-16 | 中国移动通信集团福建有限公司 | 网元故障质检方法、装置、设备及介质 |
CN111294248B (zh) * | 2018-12-06 | 2022-01-28 | 中国移动通信集团福建有限公司 | 网元故障质检方法、装置、设备及介质 |
CN109495351B (zh) * | 2018-12-26 | 2021-01-12 | 网易(杭州)网络有限公司 | 一种确定服务器系统数据处理能力方法、装置、电子设备及存储介质 |
CN109495351A (zh) * | 2018-12-26 | 2019-03-19 | 网易(杭州)网络有限公司 | 一种确定服务器系统数据处理能力方法和装置 |
CN110995802A (zh) * | 2019-11-22 | 2020-04-10 | 北京奇艺世纪科技有限公司 | 任务的处理方法和装置、存储介质及电子装置 |
CN112416559A (zh) * | 2020-11-30 | 2021-02-26 | 中国民航信息网络股份有限公司 | 调度策略更新方法、服务调度方法、存储介质及相关装置 |
CN112416559B (zh) * | 2020-11-30 | 2024-06-04 | 中国民航信息网络股份有限公司 | 调度策略更新方法、服务调度方法、存储介质及相关装置 |
CN114745563A (zh) * | 2022-04-11 | 2022-07-12 | 中国联合网络通信集团有限公司 | 选择边缘计算节点处理直播任务的方法、装置及系统 |
CN114745563B (zh) * | 2022-04-11 | 2024-01-30 | 中国联合网络通信集团有限公司 | 选择边缘计算节点处理直播任务的方法、装置及系统 |
CN115051997A (zh) * | 2022-07-12 | 2022-09-13 | 中国电信股份有限公司 | 分布式资源调度的方法及装置、存储介质、电子设备 |
CN115051997B (zh) * | 2022-07-12 | 2024-03-19 | 中国电信股份有限公司 | 分布式资源调度的方法及装置、存储介质、电子设备 |
CN115574898A (zh) * | 2022-09-30 | 2023-01-06 | 江苏移动信息系统集成有限公司 | 一种基于5g边缘计算的水利感知系统 |
CN116382892A (zh) * | 2023-02-08 | 2023-07-04 | 深圳市融聚汇信息科技有限公司 | 一种基于多云融合以及云服务的负载均衡方法及装置 |
CN116382892B (zh) * | 2023-02-08 | 2023-10-27 | 深圳市融聚汇信息科技有限公司 | 一种基于多云融合以及云服务的负载均衡方法及装置 |
CN116319480A (zh) * | 2023-05-22 | 2023-06-23 | 圣麦克思智能科技(江苏)有限公司 | 一种基于数据处理的idc运维系统及方法 |
CN116319480B (zh) * | 2023-05-22 | 2023-08-08 | 圣麦克思智能科技(江苏)有限公司 | 一种基于数据处理的idc运维系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105491138B (zh) | 2020-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105491138A (zh) | 一种基于负载率分级触发的分布式负载调度方法 | |
US11888756B2 (en) | Software load balancer to maximize utilization | |
CN108182105B (zh) | 基于Docker容器技术的局部动态迁移方法及控制系统 | |
Bhatia et al. | Htv dynamic load balancing algorithm for virtual machine instances in cloud | |
CN105159775A (zh) | 基于负载均衡器的云计算数据中心的管理系统和管理方法 | |
CN103401947A (zh) | 多个服务器的任务分配方法和装置 | |
Chang et al. | A load-balance based resource-scheduling algorithm under cloud computing environment | |
CN107291544A (zh) | 任务调度的方法及装置、分布式任务执行系统 | |
CN105024842A (zh) | 服务器的扩容方法及装置 | |
CN107566535B (zh) | 基于Web地图服务并发访问时序规则的自适应负载均衡方法 | |
CN105491150A (zh) | 基于时间序列的负载均衡处理方法及系统 | |
CN107707612B (zh) | 一种负载均衡集群的资源利用率的评估方法及装置 | |
CN103957280A (zh) | 一种物联网中的传感网络连接分配和调度方法 | |
CN104580503A (zh) | 一种高效动态负载均衡的处理大规模数据的系统及方法 | |
Zhang et al. | Dynamic energy-efficient virtual machine placement optimization for virtualized clouds | |
JP6116102B2 (ja) | クラスタシステム、および、負荷分散方法 | |
CN110198267A (zh) | 一种流量调度方法、系统及服务器 | |
Li et al. | Dynamic load balancing algorithm based on FCFS | |
Nguyen et al. | A closed-loop context aware data acquisition and resource allocation framework for dynamic data driven applications systems (DDDAS) on the cloud | |
Guo | Ant colony optimization computing resource allocation algorithm based on cloud computing environment | |
Geng et al. | Dynamic load balancing scheduling model based on multi-core processor | |
Yu et al. | Optimize the server provisioning and request dispatching in distributed memory cache services | |
Gill et al. | A computation offloading scheme for performance enhancement of smart mobile devices for mobile cloud computing | |
Zhang et al. | Speeding up vm startup by cooperative vm image caching | |
Zhu et al. | Load balancing algorithm for web server based on weighted minimal connections |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |