CN110134513A - 负载均衡方法、装置、计算机设备及存储介质 - Google Patents

负载均衡方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN110134513A
CN110134513A CN201910309649.4A CN201910309649A CN110134513A CN 110134513 A CN110134513 A CN 110134513A CN 201910309649 A CN201910309649 A CN 201910309649A CN 110134513 A CN110134513 A CN 110134513A
Authority
CN
China
Prior art keywords
load
performance
weight
parameter
evaluation
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
Application number
CN201910309649.4A
Other languages
English (en)
Other versions
CN110134513B (zh
Inventor
池红露
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910309649.4A priority Critical patent/CN110134513B/zh
Publication of CN110134513A publication Critical patent/CN110134513A/zh
Application granted granted Critical
Publication of CN110134513B publication Critical patent/CN110134513B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本申请揭示了负载均衡方法，各负载按照预设方式关联后组成服务系统，方法包括：实时检测各负载分别对应的预设参数的参数差异；判断参数差异是否超过预设阈值范围；若超过预设阈值范围，则启动权重轮询算法分别调整各负载对应的权重，以均衡各负载的服务性能；判断服务系统调整各负载分别对应的权重后，预设参数的参数差异是否超过预设阈值范围；若否，则分析当前时刻服务系统接收的服务请求的总数量；按照当前时刻对应的各负载权重，分配服务请求。通过判断预设参数的数量，并实时检测各负载的预设参数变化，调用对应的权重轮询算法，以实现各负载权重的动态调整，进行负载均衡，调高均衡效果，降低系统卡顿甚至瘫痪现象的几率。

Description

负载均衡方法、装置、计算机设备及存储介质
技术领域
本申请涉及到计算机领域，特别是涉及到负载均衡方法、装置、计算机设备及存储介质。
背景技术
现有服务系统中通常包括多台负载，以分摊向外响应服务请求并完成相应服务，但服务系统中一般会根据各负载的原始配置设置各负载的权重，且权重值是固定的，无法动态调整，而负载的状态是每时每刻都在变化，有可能当时权重配置适用于当时的负载状态，但是下一刻就有可能就不合适，无法实时动态地均衡各负载，无法确保将服务系统因为负载不均衡的问题导致服务出现问题的几率降到最低。
发明内容
本申请的主要目的为提供负载均衡方法，旨在解决现有服务系统无法实时动态地均衡各负载的技术问题。
本申请提出一种负载均衡方法，各负载按照预设方式关联后组成服务系统，方法包括：
实时检测各负载分别对应的预设参数的参数差异，其中所述预设参数至少包括数据接口的即时响应时间；
判断所述参数差异是否超过预设阈值范围；
若超过预设阈值范围，则启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能；
判断所述服务系统调整各负载分别对应的权重后，所述预设参数的参数差异是否超过预设阈值范围；
若否，则分析当前时刻所述服务系统接收的服务请求的总数量；
按照所述当前时刻对应的各负载权重，分配所述服务请求。
优选地，所述启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能的步骤，包括：
获取各所述负载在第一时刻分别对应的即时响应时间的参数值；
统计各所述即时响应时间的参数值的总和，以得到所述即时响应时间的平均参数值；
将第一负载对应的即时响应时间的第一参数值除以所述平均参数值，得到所述第一负载在所述第一时刻的权重，其中所述第一负载为各所述负载中的任意一个。
优选地，所述预设参数至少还包括各所述负载分别对应的即时内存量和/或CPU即时占用率，所述启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能的步骤，包括：
获取各所述负载在第二时刻分别对应的第一性能的参数值和第二性能的参数值，其中所述第一性能为数据接口的即时响应时间，所述第二性能为各所述负载分别对应的即时内存量和/或CPU即时占用率；
分别计算所有所述负载对应的所述第一性能的平均参数值和所述第二性能的平均参数值；
分别根据所述第一性能的平均参数值和所述第二性能的平均参数值，对应得到所述第二负载在所述第二时刻的第一性能权重和第二性能权重；
获取所述第一性能对应的第一预设评价占比，和所述第二性能对应的第二预设评价占比，其中第一预设评价占比和第二预设评价占比的加和为1；
根据所述第一预设评价占比和第二预设评价占比，计算得到所述第二负载在所述第二时刻的总权重。
优选地，所述获取所述第一性能对应的第一预设评价占比，和所述第二性能对应的第二预设评价占比的步骤，包括：
调用预设配置表，其中所述预设配置表中包括所述第一性能和所述第二性能的评价占比配置数据，所述评价占比配置数据与业务场景一一对应；
从所述预设配置表中选择与当前业务场景对应的第一评价占比配置数据，其中所述第一评价占比配置数据对应于所述第一性能的第一预设评价占比和所述第二性能的第二预设评价占比。
优选地，所述根据所述第一预设评价占比和第二预设评价占比，计算得到所述第二负载在所述第二时刻的总权重的步骤，包括：
调用预设计算公式：总权重＝第一性能权重*第一预设评价占比+第二性能权重*第二预设评价占比；
运行所述预设计算公式，得到所述第二负载在所述第二时刻的总权重。
优选地，所述调用预设配置表的步骤之前，包括：
接收各所述负载分别对应的客户端，在指定历史时间段内收集的用户评价信息；
筛选第一业务场景对应的评价分数最高的第一评价信息，其中所述第一评价信息携带评价时间；
根据所述评价时间获取与所述评价时间对应的指定评价占比配置数据；
将所述指定评价占比配置数据与所述第一业务场景关联存储至所述预设配置表内。
本申请还提供了一种负载均衡装置，各负载按照预设方式关联后组成服务系统，装置包括：
检测模块，用于实时检测各负载分别对应的预设参数的参数差异，其中所述预设参数至少包括数据接口的即时响应时间；
第一判断模块，用于判断所述参数差异是否超过预设阈值范围；
启动模块，用于若超过预设阈值范围，则启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能；
第二判断模块，用于判断所述服务系统调整各负载分别对应的权重后，所述预设参数的参数差异是否超过预设阈值范围；
分析模块，用于若所述预设参数的参数差异未超过预设阈值范围，则分析当前时刻所述服务系统接收的服务请求的总数量；
分配模块，用于按照所述当前时刻对应的各负载权重，分配所述服务请求。
本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
本申请通过判断预设参数的数量，并实时检测各负载的预设参数变化，调用对应的权重轮询算法，以实现各负载权重的动态调整，使各负载组成的系统能做到依据各负载的实时性能进行负载均衡，调高均衡效果，降低系统因负载不均衡容易导致卡顿甚至瘫痪现象的几率。本申请各权重等于即时响应时间对应的参数值除以参数值总和，上述参数值指即时响应时间的响应时长，并将各所述权重以与所述第一排序逆向的匹配方式，依次分配给所述第一排序对应的各负载。本申请的权重评估参数不仅包括数据接口的即时响应时间，还包括其他影响负载服务性能的参数，比如即时内存量和/或CPU即时占用率和/或I O使用率等，上述I O使用率表征磁盘写入日志数据的效率；上述即时内存量为负载当前时刻的内存量。分别按照上述计算原理得到第二负载在所述第二时刻的第一性能权重和第二性能权重，然后根据第一性能和所述第二性能分别对应的第一预设评价占比和第二预设评价占比，计算得到第二负载在所述第二时刻的总权重，使均衡更合理。本申请的预设配置表中包括了不同业务场景对应的评价占比配置数据，通过业务场景与评价占比配置数据一一对应关联存储的方式存储于预设配置表中，以便根据业务场景选择合适的评价占比配置数据。
附图说明
图1本申请一实施例的负载均衡方法流程示意图；
图2本申请一实施例的负载均衡装置结构示意图；
图3本申请一实施例的计算机设备内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参照图1，本申请一实施例的负载均衡方法，各负载按照预设方式关联后组成服务系统，方法包括：
S1：实时检测各负载分别对应的预设参数的参数差异，其中所述预设参数至少包括数据接口的即时响应时间。
本实施例的预设参数包括但不限于数据接口的即时响应时间，上述数据接口为负载向外提供服务的接口，通过数据接口向客户端提供服务。上述负载为装配有指定业务的服务管理流程和管理逻辑，上述指定业务包括但不限于数据监控、API管理、授权管理等。本实施例通过实时检测数据接口从接到业务请求，到根据业务请求调用负载中预存的指定业务的服务管理流程和管理逻辑的响应时间，即为数据接口的即时响应时间，且根据业务请求的具体内容以及预关联的数据库，数据接口的即时响应时间呈实时变化的状态。
S2：判断所述参数差异是否超过预设阈值范围。
本实施例的预设阈值范围为5％以内，参数差异在5％以内则表明与当前时刻对应的上一时刻的权重设置，满足当前时刻的需要，则无需调节权重；参数差异在5％以外则表明与当前时刻对应的上一时刻的权重设置，不能满足当前时刻的需要，需要重新调整权重设置。上述预设参数只要为表征负载性能的参数，通过实时分析各负载的预设参数的参数差异，以便动态调整出各负载之间最合适的权重设置，以便使各负载的服务性能得到有效均衡，以便发生负载过负荷现象时影响客户端调用负载的响应效率和响应时长。
S3：若超过预设阈值范围，则启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能。
本实施例的权重轮询算法根据预设参数的数量不同而不同。比如预设参数的数量为一个，则权重轮询算法跟预设参数的平均值相关；预设参数的数量为大于或等于两个，则权重轮询算法不仅与预设参数的平均值相关，而且与各预设参数占比总评价占比的比例相关。本实施例可通过判断预设参数的数量，调用对应的权重轮询算法，以实现各负载权重的动态调整，使各负载组成的系统能做到依据各负载的实时性能进行负载均衡，调高均衡效果，降低系统因负载不均衡容易导致卡顿甚至瘫痪现象的几率。
S4：判断所述服务系统调整各负载分别对应的权重后，所述预设参数的参数差异是否超过预设阈值范围。
S5若所述预设参数的参数差异未超过预设阈值范围，则分析当前时刻所述服务系统接收的服务请求的总数量。
S6：按照所述当前时刻对应的各负载权重，分配所述服务请求。
本实施例在动态调整各负载权重后，会依然实时监控各负载的性能状态，以便根据各负载的性能状态及时调整各负载的权重，当调整合理后，将当前接收到的服务请求按照调整好的权重依次分配各服务请求至各负载，以确保各负载提供均衡的服务，避免某个负载负荷过大而其他负载较为空闲的状态，通过合理均衡，降低了各负载达到超负荷状态引起的卡顿或瘫痪的隐患。
进一步地，所述启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能的步骤S3，包括：
S31：获取各所述负载在第一时刻分别对应的即时响应时间的参数值，并按照参数值大小进行排序得到第一排序。
本实施例的第一时刻为系统正常运行中的任意时刻，“第一”仅用于区别，不用于限定，本申请其他处的类似用语作用相同，不赘述。上述即时响应时间指当前时间对应的对当前服务请求的响应，比如5S、10S等，以区别于历史时刻的响应时间数据。上述各负载对外提供的业务服务类型相同，但各负载的设备性能不同，或当前正处于运行状态的服务流程不同，导致各负载对新服务请求的响应时间不同，本实施例根据实时检测各负载的运行状态，将当前运行负荷最低的负载分配给后续接收的服务请求，以便后续接收的服务请求能得到及时响应，不会造成堵塞或服务请求堆积的情况，提高发起服务请求的客户端的使用体验。按照参数值大小进行排序包括降序排序和升序排序。
S32：统计各所述即时响应时间的参数值总和。
S33：将第一排序中的各参数值依次除以所述参数值总和，分别得到各权重；
S34：将各所述权重以与所述第一排序逆向的匹配方式，依次分配给所述第一排序对应的各负载。
本实施例中各权重等于即时响应时间对应的参数值除以平均参数值，上述参数值指即时响应时间的响应时长。举例地，服务系统中包括三个提供服务的负载，三个负载对当前一一对应分配的三个服务请求的即时响应时间，分别为t1，t2，t3，且t1<t2<t3；各权重分别为t3/(t1+t2+t3),t2/(t1+t2+t3),t1/(t1+t2+t3)，将第一排序中的最大参数值t3计算得到的权重t3/(t1+t2+t3)，赋予第一排序中的最小参数值t1对应的负载；将第一排序中的次大参数值t2计算得到的权重t2/(t1+t2+t3)，赋予第一排序中的次小参数值t2对应的负载；将第一排序中的最小参数值t1计算得到的权重t1/(t1+t2+t3)，赋予第一排序中的最大参数值t3对应的负载。举例地，一个服务系统中包括三个负载，三个负载的即时响应时间分别为1S、2S和3S，则总和为6S，平均参数值为2S，则三个负载对应的权重分别为1/2。
进一步地，所述预设参数至少还包括各所述负载分别对应的即时内存量和/或CPU即时占用率，所述启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能的步骤S3，包括：
S34：获取各所述负载在第二时刻分别对应的第一性能的参数值和第二性能的参数值，其中所述第一性能为数据接口的即时响应时间，所述第二性能为各所述负载分别对应的即时内存量和/或CPU即时占用率。
本实施例的权重评估参数不仅包括数据接口的即时响应时间，还包括其他影响负载服务性能的参数，比如即时内存量和/或CPU即时占用率和/或I O使用率等，上述IO使用率表征磁盘写入日志数据的效率；上述即时内存量为负载当前时刻的内存量。
S35：分别计算所有所述负载对应的所述第一性能的参数值总和以及所述第二性能的参数值总和。
S36：分别根据所述第一性能的参数值总和以及所述第二性能的参数值总和，对应得到所述第二负载在所述第二时刻的第一性能权重和第二性能权重。
S37：获取所述第一性能对应的第一预设评价占比，和所述第二性能对应的第二预设评价占比，其中第一预设评价占比和第二预设评价占比的加和为1。
S38：根据所述第一预设评价占比和第二预设评价占比，计算得到所述第二负载在所述第二时刻的总权重。
本实施例以两种预设参数为例，分别按照S34的计算原理得到第二负载在所述第二时刻的第一性能权重和第二性能权重，然后根据第一性能和所述第二性能分别对应的第一预设评价占比和第二预设评价占比，计算得到第二负载在所述第二时刻的总权重。
进一步地，所述获取所述第一性能对应的第一预设评价占比，和所述第二性能对应的第二预设评价占比的步骤S37，包括：
S371：调用预设配置表，其中所述预设配置表中包括所述第一性能和所述第二性能的评价占比配置数据，所述评价占比配置数据与业务场景一一对应。
S372：从所述预设配置表中选择与当前业务场景对应的第一评价占比配置数据，其中所述第一评价占比配置数据对应于所述第一性能的第一预设评价占比和所述第二性能的第二预设评价占比。
本实施例的预设配置表中包括了不同业务场景对应的评价占比配置数据，通过业务场景与评价占比配置数据一一对应关联存储的方式存储于预设配置表中，以便根据业务场景选择合适的评价占比配置数据。举例地，第一业务场景的业务流程简单，数据接口的即时响应时间对客户端的服务请求影响占比大，则即时响应时间对应的评价占比则较大；相反，若第二业务场景的业务流程复杂，需要在负载关联的数据库中多次调取数据，则CPU使用率对客户端的服务请求影响占比大，CPU使用率越低，则调取数据的效率更高，则CPU使用率对应的评价占比则较大。
进一步地，所述根据所述第一预设评价占比和第二预设评价占比，计算得到所述第二负载在所述第二时刻的总权重的步骤S38，包括：
S381：调用预设计算公式：总权重＝第一性能权重*第一预设评价占比+第二性能权重*第二预设评价占比。
S382：运行所述预设计算公式，得到所述第二负载在所述第二时刻的总权重。
举例地，上述第一性能为即时响应时间，服务系统中对应的第一负载、第二负载和第三负载三个负载的即时响应时间，分别为t1，t2，t3，且t1<t2<t3；则第一负载、第二负载和第三负载对应的第一性能权重，分别为t3/(t1+t2+t3),t2/(t1+t2+t3),t1/(t1+t2+t3)；上述第二性能为CPU使用率，服务系统中对应的第一负载、第二负载和第三负载三个负载的CPU使用率，分别为C1，C2，C3，且C1<C2<C3；则第一负载、第二负载和第三负载对应的第二性能权重，分别为C3/(C1+C2+C3),C2/(C1+C2+C3),C1/(C1+C2+C3)；第一性能和所述第二性能分别对应的第一预设评价占比和第二预设评价占比分别为60％和40％，则第一负载、第二负载和第三负载对应的总权重，分别为t3/(t1+t2+t3)*60％+C3/(C1+C2+C3)*40％,t2/(t1+t2+t3)*60％+C2/(C1+C2+C3)*40％,t1/(t1+t2+t3)*60％+C1/(C1+C2+C3)*40％。
进一步地，所述调用预设配置表的步骤S371之前，包括：
S370a：接收各所述负载分别对应的客户端，在指定历史时间段内收集的用户评价信息。
S370b：筛选第一业务场景对应的评价分数最高的第一评价信息，其中所述第一评价信息携带评价时间。
S370c：根据所述评价时间获取与所述评价时间对应的指定评价占比配置数据。
S370d：将所述指定评价占比配置数据与所述第一业务场景关联存储至所述预设配置表内。
本实施例通过统计客户端对历史评价占比配置数据的评价信息，将评价最高时，第一业务场景对应的指定评价占比配置数据，存储于预设配置表中，以便通过统计多种业务场景分别对应的评价占比配置数据丰富预设配置表或更新预设配置表。上述评价最高时，指评价分最高或评价等级最高等。上述丰富预设配置表指当前业务场景为新业务场景，在预设配置表中未有相应的数据存储，则将当前业务场景以及与当前业务场景对应的评价占比配置数据，存入预设配置表中的过程。上述更新预设配置表指当前业务场景为原有业务场景，但评价最高时，当前业务场景对应的评价占比配置数据有变化，则将新评价占比配置数据对应更新入预设配置表中的过程。
本实施例通过判断预设参数的数量，并实时检测各负载的预设参数变化，调用对应的权重轮询算法，以实现各负载权重的动态调整，使各负载组成的系统能做到依据各负载的实时性能进行负载均衡，调高均衡效果，降低系统因负载不均衡容易导致卡顿甚至瘫痪现象的几率。本实施例各权重等于即时响应时间对应的参数值除以参数值总和，上述参数值指即时响应时间的响应时长，并将各所述权重以与所述第一排序逆向的匹配方式，依次分配给所述第一排序对应的各负载。本实施例的权重评估参数不仅包括数据接口的即时响应时间，还包括其他影响负载服务性能的参数，比如即时内存量和/或CPU即时占用率和/或IO使用率等，上述IO使用率表征磁盘写入日志数据的效率；上述即时内存量为负载当前时刻的内存量。分别按照上述计算原理得到第二负载在所述第二时刻的第一性能权重和第二性能权重，然后根据第一性能和所述第二性能分别对应的第一预设评价占比和第二预设评价占比，计算得到第二负载在所述第二时刻的总权重，使均衡更合理。本实施例的预设配置表中包括了不同业务场景对应的评价占比配置数据，通过业务场景与评价占比配置数据一一对应关联存储的方式存储于预设配置表中，以便根据业务场景选择合适的评价占比配置数据。
参照图2，本申请一实施例的负载均衡装置，各负载按照预设方式关联后组成服务系统，包括：
检测模块1，用于实时检测各负载分别对应的预设参数的参数差异，其中所述预设参数至少包括数据接口的即时响应时间。
本实施例的预设参数包括但不限于数据接口的即时响应时间，上述数据接口为负载向外提供服务的接口，通过数据接口向客户端提供服务。上述负载为装配有指定业务的服务管理流程和管理逻辑，上述指定业务包括但不限于数据监控、API管理、授权管理等。本实施例通过实时检测数据接口从接到业务请求，到根据业务请求调用负载中预存的指定业务的服务管理流程和管理逻辑的响应时间，即为数据接口的即时响应时间，且根据业务请求的具体内容以及预关联的数据库，数据接口的即时响应时间呈实时变化的状态。
第一判断模块2，用于判断所述参数差异是否超过预设阈值范围。
本实施例的预设阈值范围为5％以内，参数差异在5％以内则表明与当前时刻对应的上一时刻的权重设置，满足当前时刻的需要，则无需调节权重；参数差异在5％以外则表明与当前时刻对应的上一时刻的权重设置，不能满足当前时刻的需要，需要重新调整权重设置。上述预设参数只要为表征负载性能的参数，通过实时分析各负载的预设参数的参数差异，以便动态调整出各负载之间最合适的权重设置，以便使各负载的服务性能得到有效均衡，以便发生负载过负荷现象时影响客户端调用负载的响应效率和响应时长。
启动模块3，用于若超过预设阈值范围，则启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能。
本实施例的权重轮询算法根据预设参数的数量不同而不同。比如预设参数的数量为一个，则权重轮询算法跟预设参数的平均值相关；预设参数的数量为大于或等于两个，则权重轮询算法不仅与预设参数的平均值相关，而且与各预设参数占比总评价占比的比例相关。本实施例可通过判断预设参数的数量，调用对应的权重轮询算法，以实现各负载权重的动态调整，使各负载组成的系统能做到依据各负载的实时性能进行负载均衡，调高均衡效果，降低系统因负载不均衡容易导致卡顿甚至瘫痪现象的几率。
第二判断模块4，用于判断所述服务系统调整各负载分别对应的权重后，所述预设参数的参数差异是否超过预设阈值范围。
分析模块5，用于若所述预设参数的参数差异未超过预设阈值范围，则分析当前时刻所述服务系统接收的服务请求的总数量。
分配模块6，用于按照所述当前时刻对应的各负载权重，分配所述服务请求。
本实施例在动态调整各负载权重后，会依然实时监控各负载的性能状态，以便根据各负载的性能状态及时调整各负载的权重，当调整合理后，将当前接收到的服务请求按照调整好的权重依次分配各服务请求至各负载，以确保各负载提供均衡的服务，避免某个负载负荷过大而其他负载较为空闲的状态，通过合理均衡，降低了各负载达到超负荷状态引起的卡顿或瘫痪的隐患。
进一步地，所述启动模块3，包括：
第一获取单元，用于获取各所述负载在第一时刻分别对应的即时响应时间的参数值，并按照参数值大小进行排序得到第一排序。
本实施例的第一时刻为系统正常运行中的任意时刻，“第一”仅用于区别，不用于限定，本申请其他处的类似用语作用相同，不赘述。上述即时响应时间指当前时间对应的对当前服务请求的响应，比如5S、10S等，以区别于历史时刻的响应时间数据。上述各负载对外提供的业务服务类型相同，但各负载的设备性能不同，或当前正处于运行状态的服务流程不同，导致各负载对新服务请求的响应时间不同，本实施例根据实时检测各负载的运行状态，将当前运行负荷最低的负载分配给后续接收的服务请求，以便后续接收的服务请求能得到及时响应，不会造成堵塞或服务请求堆积的情况，提高发起服务请求的客户端的使用体验。按照参数值大小进行排序包括降序排序和升序排序。
统计单元，用于统计各所述即时响应时间的参数值总和。
第一得到单元，用于将第一排序中的各参数值依次除以所述参数值总和，分别得到各权重；
分配单元，用于将各所述权重以与所述第一排序逆向的匹配方式，依次分配给所述第一排序对应的各负载。
本实施例中各权重等于即时响应时间对应的参数值除以平均参数值，上述参数值指即时响应时间的响应时长。举例地，服务系统中包括三个提供服务的负载，三个负载对当前一一对应分配的三个服务请求的即时响应时间，分别为t1，t2，t3，且t1<t2<t3；各权重分别为t3/(t1+t2+t3),t2/(t1+t2+t3),t1/(t1+t2+t3)，将第一排序中的最大参数值t3计算得到的权重t3/(t1+t2+t3)，赋予第一排序中的最小参数值t1对应的负载；将第一排序中的次大参数值t2计算得到的权重t2/(t1+t2+t3)，赋予第一排序中的次小参数值t2对应的负载；将第一排序中的最小参数值t1计算得到的权重t1/(t1+t2+t3)，赋予第一排序中的最大参数值t3对应的负载。举例地，一个服务系统中包括三个负载，三个负载的即时响应时间分别为1S、2S和3S，则总和为6S，平均参数值为2S，则三个负载对应的权重分别为1/2。
进一步地，所述预设参数至少还包括各所述负载分别对应的即时内存量和/或CPU即时占用率，所述启动模块3，包括：
第二获取单元，用于获取各所述负载在第二时刻分别对应的第一性能的参数值和第二性能的参数值，其中所述第一性能为数据接口的即时响应时间，所述第二性能为各所述负载分别对应的即时内存量和/或CPU即时占用率。
本实施例的权重评估参数不仅包括数据接口的即时响应时间，还包括其他影响负载服务性能的参数，比如即时内存量和/或CPU即时占用率和/或IO使用率等，上述IO使用率表征磁盘写入日志数据的效率；上述即时内存量为负载当前时刻的内存量。
第一计算单元，用于分别计算所有所述负载对应的所述第一性能的参数值总和以及所述第二性能的参数值总和。
第二得到单元，用于分别根据所述第一性能的参数值总和以及所述第二性能的参数值总和，对应得到所述第二负载在所述第二时刻的第一性能权重和第二性能权重。
第三获取单元，用于获取所述第一性能对应的第一预设评价占比，和所述第二性能对应的第二预设评价占比，其中第一预设评价占比和第二预设评价占比的加和为1。
第二计算单元，用于根据所述第一预设评价占比和第二预设评价占比，计算得到所述第二负载在所述第二时刻的总权重。
本实施例以两种预设参数为例，分别按照S34的计算原理得到第二负载在所述第二时刻的第一性能权重和第二性能权重，然后根据第一性能和所述第二性能分别对应的第一预设评价占比和第二预设评价占比，计算得到第二负载在所述第二时刻的总权重。
进一步地，所述第三获取单元，包括：
第一调用子单元，用于调用预设配置表，其中所述预设配置表中包括所述第一性能和所述第二性能的评价占比配置数据，所述评价占比配置数据与业务场景一一对应。
选择子单元，用于从所述预设配置表中选择与当前业务场景对应的第一评价占比配置数据，其中所述第一评价占比配置数据对应于所述第一性能的第一预设评价占比和所述第二性能的第二预设评价占比。
本实施例的预设配置表中包括了不同业务场景对应的评价占比配置数据，通过业务场景与评价占比配置数据一一对应关联存储的方式存储于预设配置表中，以便根据业务场景选择合适的评价占比配置数据。举例地，第一业务场景的业务流程简单，数据接口的即时响应时间对客户端的服务请求影响占比大，则即时响应时间对应的评价占比则较大；相反，若第二业务场景的业务流程复杂，需要在负载关联的数据库中多次调取数据，则CPU使用率对客户端的服务请求影响占比大，CPU使用率越低，则调取数据的效率更高，则CPU使用率对应的评价占比则较大。
进一步地，所述第二计算单元，包括：
第二调用子单元，用于调用预设计算公式：总权重＝第一性能权重*第一预设评价占比+第二性能权重*第二预设评价占比。
运行子单元，用于运行所述预设计算公式，得到所述第二负载在所述第二时刻的总权重。
举例地，上述第一性能为即时响应时间，服务系统中对应的第一负载、第二负载和第三负载三个负载的即时响应时间，分别为t1，t2，t3，且t1<t2<t3；则第一负载、第二负载和第三负载对应的第一性能权重，分别为t3/(t1+t2+t3),t2/(t1+t2+t3),t1/(t1+t2+t3)；上述第二性能为CPU使用率，服务系统中对应的第一负载、第二负载和第三负载三个负载的CPU使用率，分别为C1，C2，C3，且C1<C2<C3；则第一负载、第二负载和第三负载对应的第二性能权重，分别为C3/(C1+C2+C3),C2/(C1+C2+C3),C1/(C1+C2+C3)；第一性能和所述第二性能分别对应的第一预设评价占比和第二预设评价占比分别为60％和40％，则第一负载、第二负载和第三负载对应的总权重，分别为t3/(t1+t2+t3)*60％+C3/(C1+C2+C3)*40％,t2/(t1+t2+t3)*60％+C2/(C1+C2+C3)*40％,t1/(t1+t2+t3)*60％+C1/(C1+C2+C3)*40％。
进一步地，所述第三获取单元，包括：
接收子单元，用于接收各所述负载分别对应的客户端，在指定历史时间段内收集的用户评价信息。
筛选子单元，用于筛选第一业务场景对应的评价分数最高的第一评价信息，其中所述第一评价信息携带评价时间。
获取子单元，用于根据所述评价时间获取与所述评价时间对应的指定评价占比配置数据。
存储子单元，用于将所述指定评价占比配置数据与所述第一业务场景关联存储至所述预设配置表内。
本实施例通过统计客户端对历史评价占比配置数据的评价信息，将评价最高时，第一业务场景对应的指定评价占比配置数据，存储于预设配置表中，以便通过统计多种业务场景分别对应的评价占比配置数据丰富预设配置表或更新预设配置表。上述评价最高时，指评价分最高或评价等级最高等。上述丰富预设配置表指当前业务场景为新业务场景，在预设配置表中未有相应的数据存储，则将当前业务场景以及与当前业务场景对应的评价占比配置数据，存入预设配置表中的过程。上述更新预设配置表指当前业务场景为原有业务场景，但评价最高时，当前业务场景对应的评价占比配置数据有变化，则将新评价占比配置数据对应更新入预设配置表中的过程。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储负载均衡过程需要的所有数据。该计算机设备的网络接口用于与外部的端通过网络连接通信。该计算机程序被处理器执行时以实现负载均衡方法。
上述处理器执行上述负载均衡方法，包括：实时检测各负载分别对应的预设参数的参数差异，其中所述预设参数至少包括数据接口的即时响应时间；判断所述参数差异是否超过预设阈值范围；若超过预设阈值范围，则启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能；判断服务系统调整各负载分别对应的权重后，预设参数的参数差异是否超过预设阈值范围；若否，则分析当前时刻服务系统接收的服务请求的总数量；按照当前时刻对应的各负载权重，分配服务请求。
上述计算机设备，通过判断预设参数的数量，并实时检测各负载的预设参数变化，调用对应的权重轮询算法，以实现各负载权重的动态调整，使各负载组成的系统能做到依据各负载的实时性能进行负载均衡，调高均衡效果，降低系统因负载不均衡容易导致卡顿甚至瘫痪现象的几率。上述各权重等于即时响应时间对应的参数值除以参数值总和，上述参数值指即时响应时间的响应时长，并将各所述权重以与所述第一排序逆向的匹配方式，依次分配给所述第一排序对应的各负载。权重评估参数不仅包括数据接口的即时响应时间，还包括其他影响负载服务性能的参数，比如即时内存量和/或CPU即时占用率和/或IO使用率等，上述IO使用率表征磁盘写入日志数据的效率；上述即时内存量为负载当前时刻的内存量。分别按照上述计算原理得到第二负载在所述第二时刻的第一性能权重和第二性能权重，然后根据第一性能和所述第二性能分别对应的第一预设评价占比和第二预设评价占比，计算得到第二负载在所述第二时刻的总权重，使均衡更合理。预设配置表中包括了不同业务场景对应的评价占比配置数据，通过业务场景与评价占比配置数据一一对应关联存储的方式存储于预设配置表中，以便根据业务场景选择合适的评价占比配置数据。
在一个实施例中，上述处理器启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能的步骤，包括：获取各所述负载在第一时刻分别对应的即时响应时间的参数值；统计各所述即时响应时间的参数值的总和，以得到所述即时响应时间的平均参数值；将第一负载对应的即时响应时间的第一参数值除以所述平均参数值，得到所述第一负载在所述第一时刻的权重，其中所述第一负载为各所述负载中的任意一个。
在一个实施例中，所述预设参数至少还包括各所述负载分别对应的即时内存量和/或CPU即时占用率，上述处理器启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能的步骤，包括：获取各所述负载在第二时刻分别对应的第一性能的参数值和第二性能的参数值，其中所述第一性能为数据接口的即时响应时间，所述第二性能为各所述负载分别对应的即时内存量和/或CPU即时占用率；分别计算所有所述负载对应的所述第一性能的平均参数值和所述第二性能的平均参数值；分别根据所述第一性能的平均参数值和所述第二性能的平均参数值，对应得到所述第二负载在所述第二时刻的第一性能权重和第二性能权重；获取所述第一性能对应的第一预设评价占比，和所述第二性能对应的第二预设评价占比，其中第一预设评价占比和第二预设评价占比的加和为1；根据所述第一预设评价占比和第二预设评价占比，计算得到所述第二负载在所述第二时刻的总权重。
在一个实施例中，上述处理器获取所述第一性能对应的第一预设评价占比，和所述第二性能对应的第二预设评价占比的步骤，包括：调用预设配置表，其中所述预设配置表中包括所述第一性能和所述第二性能的评价占比配置数据，所述评价占比配置数据与业务场景一一对应；从所述预设配置表中选择与当前业务场景对应的第一评价占比配置数据，其中所述第一评价占比配置数据对应于所述第一性能的第一预设评价占比和所述第二性能的第二预设评价占比。
在一个实施例中，上述处理器据所述第一预设评价占比和第二预设评价占比，计算得到所述第二负载在所述第二时刻的总权重的步骤，包括：调用预设计算公式：总权重＝第一性能权重*第一预设评价占比+第二性能权重*第二预设评价占比；运行所述预设计算公式，得到所述第二负载在所述第二时刻的总权重。
在一个实施例中，上述处理器调用预设配置表的步骤之前，包括：接收各所述负载分别对应的客户端，在指定历史时间段内收集的用户评价信息；筛选第一业务场景对应的评价分数最高的第一评价信息，其中所述第一评价信息携带评价时间；根据所述评价时间获取与所述评价时间对应的指定评价占比配置数据；将所述指定评价占比配置数据与所述第一业务场景关联存储至所述预设配置表内。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现负载均衡方法，包括：实时检测各负载分别对应的预设参数的参数差异，其中所述预设参数至少包括数据接口的即时响应时间；判断所述参数差异是否超过预设阈值范围；若超过预设阈值范围，则启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能；判断服务系统调整各负载分别对应的权重后，预设参数的参数差异是否超过预设阈值范围；若否，则分析当前时刻服务系统接收的服务请求的总数量；按照当前时刻对应的各负载权重，分配服务请求。
上述计算机可读存储介质，通过通过判断预设参数的数量，并实时检测各负载的预设参数变化，调用对应的权重轮询算法，以实现各负载权重的动态调整，使各负载组成的系统能做到依据各负载的实时性能进行负载均衡，调高均衡效果，降低系统因负载不均衡容易导致卡顿甚至瘫痪现象的几率。上述各权重等于即时响应时间对应的参数值除以参数值总和，上述参数值指即时响应时间的响应时长，并将各所述权重以与所述第一排序逆向的匹配方式，依次分配给所述第一排序对应的各负载。权重评估参数不仅包括数据接口的即时响应时间，还包括其他影响负载服务性能的参数，比如即时内存量和/或CPU即时占用率和/或IO使用率等，上述IO使用率表征磁盘写入日志数据的效率；上述即时内存量为负载当前时刻的内存量。分别按照上述计算原理得到第二负载在所述第二时刻的第一性能权重和第二性能权重，然后根据第一性能和所述第二性能分别对应的第一预设评价占比和第二预设评价占比，计算得到第二负载在所述第二时刻的总权重，使均衡更合理。预设配置表中包括了不同业务场景对应的评价占比配置数据，通过业务场景与评价占比配置数据一一对应关联存储的方式存储于预设配置表中，以便根据业务场景选择合适的评价占比配置数据。
在一个实施例中，上述处理器启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能的步骤，包括：获取各所述负载在第一时刻分别对应的即时响应时间的参数值；统计各所述即时响应时间的参数值的总和，以得到所述即时响应时间的平均参数值；将第一负载对应的即时响应时间的第一参数值除以所述平均参数值，得到所述第一负载在所述第一时刻的权重，其中所述第一负载为各所述负载中的任意一个。
在一个实施例中，所述预设参数至少还包括各所述负载分别对应的即时内存量和/或CPU即时占用率，上述处理器启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能的步骤，包括：获取各所述负载在第二时刻分别对应的第一性能的参数值和第二性能的参数值，其中所述第一性能为数据接口的即时响应时间，所述第二性能为各所述负载分别对应的即时内存量和/或CPU即时占用率；分别计算所有所述负载对应的所述第一性能的平均参数值和所述第二性能的平均参数值；分别根据所述第一性能的平均参数值和所述第二性能的平均参数值，对应得到所述第二负载在所述第二时刻的第一性能权重和第二性能权重；获取所述第一性能对应的第一预设评价占比，和所述第二性能对应的第二预设评价占比，其中第一预设评价占比和第二预设评价占比的加和为1；根据所述第一预设评价占比和第二预设评价占比，计算得到所述第二负载在所述第二时刻的总权重。
在一个实施例中，上述处理器获取所述第一性能对应的第一预设评价占比，和所述第二性能对应的第二预设评价占比的步骤，包括：调用预设配置表，其中所述预设配置表中包括所述第一性能和所述第二性能的评价占比配置数据，所述评价占比配置数据与业务场景一一对应；从所述预设配置表中选择与当前业务场景对应的第一评价占比配置数据，其中所述第一评价占比配置数据对应于所述第一性能的第一预设评价占比和所述第二性能的第二预设评价占比。
在一个实施例中，上述处理器据所述第一预设评价占比和第二预设评价占比，计算得到所述第二负载在所述第二时刻的总权重的步骤，包括：调用预设计算公式：总权重＝第一性能权重*第一预设评价占比+第二性能权重*第二预设评价占比；运行所述预设计算公式，得到所述第二负载在所述第二时刻的总权重。
在一个实施例中，上述处理器调用预设配置表的步骤之前，包括：接收各所述负载分别对应的客户端，在指定历史时间段内收集的用户评价信息；筛选第一业务场景对应的评价分数最高的第一评价信息，其中所述第一评价信息携带评价时间；根据所述评价时间获取与所述评价时间对应的指定评价占比配置数据；将所述指定评价占比配置数据与所述第一业务场景关联存储至所述预设配置表内。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种负载均衡方法，其特征在于，各负载按照预设方式关联后组成服务系统，方法包括：
实时检测各负载分别对应的预设参数的参数差异，其中所述预设参数至少包括数据接口的即时响应时间；
判断所述参数差异是否超过预设阈值范围；
若超过预设阈值范围，则启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能；
判断所述服务系统调整各负载分别对应的权重后，所述预设参数的参数差异是否超过预设阈值范围；
若否，则分析当前时刻所述服务系统接收的服务请求的总数量；
按照所述当前时刻对应的各负载权重，分配所述服务请求。
2.根据权利要求1所述的负载均衡方法，其特征在于，所述启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能的步骤，包括：
获取各所述负载在第一时刻分别对应的即时响应时间的参数值；
统计各所述即时响应时间的参数值的总和，以得到所述即时响应时间的平均参数值；
将第一负载对应的即时响应时间的第一参数值除以所述平均参数值，得到所述第一负载在所述第一时刻的权重，其中所述第一负载为各所述负载中的任意一个。
3.根据权利要求1所述的负载均衡方法，其特征在于，所述预设参数至少还包括各所述负载分别对应的即时内存量和/或CPU即时占用率，所述启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能的步骤，包括：
获取各所述负载在第二时刻分别对应的第一性能的参数值和第二性能的参数值，其中所述第一性能为数据接口的即时响应时间，所述第二性能为各所述负载分别对应的即时内存量和/或CPU即时占用率；
分别计算所有所述负载对应的所述第一性能的平均参数值和所述第二性能的平均参数值；
分别根据所述第一性能的平均参数值和所述第二性能的平均参数值，对应得到所述第二负载在所述第二时刻的第一性能权重和第二性能权重；
获取所述第一性能对应的第一预设评价占比，和所述第二性能对应的第二预设评价占比，其中第一预设评价占比和第二预设评价占比的加和为1；
根据所述第一预设评价占比和第二预设评价占比，计算得到所述第二负载在所述第二时刻的总权重。
4.根据权利要求3所述的负载均衡方法，其特征在于，所述获取所述第一性能对应的第一预设评价占比，和所述第二性能对应的第二预设评价占比的步骤，包括：
调用预设配置表，其中所述预设配置表中包括所述第一性能和所述第二性能的评价占比配置数据，所述评价占比配置数据与业务场景一一对应；
从所述预设配置表中选择与当前业务场景对应的第一评价占比配置数据，其中所述第一评价占比配置数据对应于所述第一性能的第一预设评价占比和所述第二性能的第二预设评价占比。
5.根据权利要求4所述的负载均衡方法，其特征在于，所述根据所述第一预设评价占比和第二预设评价占比，计算得到所述第二负载在所述第二时刻的总权重的步骤，包括：
调用预设计算公式：总权重＝第一性能权重*第一预设评价占比+第二性能权重*第二预设评价占比；
运行所述预设计算公式，得到所述第二负载在所述第二时刻的总权重。
6.根据权利要求4所述的负载均衡方法，其特征在于，所述调用预设配置表的步骤之前，包括：
接收各所述负载分别对应的客户端，在指定历史时间段内收集的用户评价信息；
筛选第一业务场景对应的评价分数最高的第一评价信息，其中所述第一评价信息携带评价时间；
根据所述评价时间获取与所述评价时间对应的指定评价占比配置数据；
将所述指定评价占比配置数据与所述第一业务场景关联存储至所述预设配置表内。
7.一种负载均衡装置，其特征在于，各负载按照预设方式关联后组成服务系统，装置包括：
检测模块，用于实时检测各负载分别对应的预设参数的参数差异，其中所述预设参数至少包括数据接口的即时响应时间；
第一判断模块，用于判断所述参数差异是否超过预设阈值范围；
启动模块，用于若超过预设阈值范围，则启动权重轮询算法分别调整各所述负载对应的权重，以均衡各所述负载的服务性能；
第二判断模块，用于判断所述服务系统调整各负载分别对应的权重后，所述预设参数的参数差异是否超过预设阈值范围；
分析模块，用于若所述预设参数的参数差异未超过预设阈值范围，则分析当前时刻所述服务系统接收的服务请求的总数量；
分配模块，用于按照所述当前时刻对应的各负载权重，分配所述服务请求。
8.根据权利要求7所述的负载均衡装置，其特征在于，所述启动模块，包括：
第一获取单元，用于获取各所述负载在第一时刻分别对应的即时响应时间的参数值，并按照参数值大小进行排序得到第一排序；
统计单元，用于统计各所述即时响应时间的参数值总和；
第一得到单元，用于将第一排序中的各参数值依次除以所述参数值总和，分别得到各权重；
分配单元，用于将各所述权重以与所述第一排序逆向的匹配方式，依次分配给所述第一排序对应的各负载。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN201910309649.4A 2019-04-17 2019-04-17 负载均衡方法、装置、计算机设备及存储介质 Active CN110134513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910309649.4A CN110134513B (zh) 2019-04-17 2019-04-17 负载均衡方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910309649.4A CN110134513B (zh) 2019-04-17 2019-04-17 负载均衡方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN110134513A true CN110134513A (zh) 2019-08-16
CN110134513B CN110134513B (zh) 2023-08-22

Family

ID=67570331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910309649.4A Active CN110134513B (zh) 2019-04-17 2019-04-17 负载均衡方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN110134513B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110532094A (zh) * 2019-08-23 2019-12-03 四川汇安融信息技术服务有限公司 一种负载均衡权重值修改方法及处理系统
CN110543366A (zh) * 2019-08-27 2019-12-06 上海易点时空网络有限公司 用于业务集群的业务模块容量调优方法以及装置、服务器
CN110554920A (zh) * 2019-08-27 2019-12-10 上海易点时空网络有限公司 处理容量不健康模块的方法以及装置
CN111198764A (zh) * 2019-12-31 2020-05-26 江苏省未来网络创新研究院 一种基于sdn的负载均衡实现系统及方法
CN111240842A (zh) * 2020-01-13 2020-06-05 山东健康医疗大数据有限公司 一种多通路服务高可用的方法
CN111679912A (zh) * 2020-06-08 2020-09-18 广州汇量信息科技有限公司 一种服务器的负载均衡方法、装置、存储介质及设备
CN111930516A (zh) * 2020-09-17 2020-11-13 腾讯科技（深圳）有限公司 一种负载均衡方法及相关装置
CN112000479A (zh) * 2020-08-24 2020-11-27 龚小云 一种基于大数据的处理方法、系统及服务器平台
CN112214328A (zh) * 2020-10-23 2021-01-12 中国科学院计算技术研究所 一种用于同构多链中交易处理的负载均衡方法
CN112764879A (zh) * 2021-01-14 2021-05-07 深圳市科思科技股份有限公司 负载均衡方法、电子设备及计算机可读存储介质
CN113793016A (zh) * 2021-09-10 2021-12-14 中国人民解放军63920部队 基于需求承载度的测控设备调控方法及装置
CN113824768A (zh) * 2021-08-23 2021-12-21 北京天融信网络安全技术有限公司 负载均衡系统中的健康检查方法及装置和流量转发方法
CN114710503A (zh) * 2022-04-21 2022-07-05 思必驰科技股份有限公司 服务调度的方法及电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106254166A (zh) * 2016-09-30 2016-12-21 中国银联股份有限公司 一种基于灾备中心的云平台资源配置方法以及系统
CN106453116A (zh) * 2016-11-03 2017-02-22 上海斐讯数据通信技术有限公司 一种基于sdn的最小连接负载均衡方法和系统
US20170272321A1 (en) * 2016-03-20 2017-09-21 CloudBolt Software Inc. Cloud computing configuration form generator
CN107295048A (zh) * 2016-04-01 2017-10-24 百度在线网络技术（北京）有限公司 负载均衡方法及装置
CN109408227A (zh) * 2018-09-19 2019-03-01 平安科技（深圳）有限公司 负载均衡方法、装置及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170272321A1 (en) * 2016-03-20 2017-09-21 CloudBolt Software Inc. Cloud computing configuration form generator
CN107295048A (zh) * 2016-04-01 2017-10-24 百度在线网络技术（北京）有限公司 负载均衡方法及装置
CN106254166A (zh) * 2016-09-30 2016-12-21 中国银联股份有限公司 一种基于灾备中心的云平台资源配置方法以及系统
CN106453116A (zh) * 2016-11-03 2017-02-22 上海斐讯数据通信技术有限公司 一种基于sdn的最小连接负载均衡方法和系统
CN109408227A (zh) * 2018-09-19 2019-03-01 平安科技（深圳）有限公司 负载均衡方法、装置及存储介质

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110532094B (zh) * 2019-08-23 2023-03-31 四川汇安融信息技术股份有限公司 一种负载均衡权重值修改方法及处理系统
CN110532094A (zh) * 2019-08-23 2019-12-03 四川汇安融信息技术服务有限公司 一种负载均衡权重值修改方法及处理系统
CN110543366A (zh) * 2019-08-27 2019-12-06 上海易点时空网络有限公司 用于业务集群的业务模块容量调优方法以及装置、服务器
CN110554920A (zh) * 2019-08-27 2019-12-10 上海易点时空网络有限公司 处理容量不健康模块的方法以及装置
CN111198764A (zh) * 2019-12-31 2020-05-26 江苏省未来网络创新研究院 一种基于sdn的负载均衡实现系统及方法
CN111198764B (zh) * 2019-12-31 2024-04-26 江苏省未来网络创新研究院 一种基于sdn的负载均衡实现系统及方法
CN111240842A (zh) * 2020-01-13 2020-06-05 山东健康医疗大数据有限公司 一种多通路服务高可用的方法
CN111679912A (zh) * 2020-06-08 2020-09-18 广州汇量信息科技有限公司 一种服务器的负载均衡方法、装置、存储介质及设备
CN112000479A (zh) * 2020-08-24 2020-11-27 龚小云 一种基于大数据的处理方法、系统及服务器平台
CN111930516A (zh) * 2020-09-17 2020-11-13 腾讯科技（深圳）有限公司 一种负载均衡方法及相关装置
CN112214328A (zh) * 2020-10-23 2021-01-12 中国科学院计算技术研究所 一种用于同构多链中交易处理的负载均衡方法
CN112214328B (zh) * 2020-10-23 2023-07-21 中国科学院计算技术研究所 一种用于同构多链中交易处理的负载均衡方法
CN112764879A (zh) * 2021-01-14 2021-05-07 深圳市科思科技股份有限公司 负载均衡方法、电子设备及计算机可读存储介质
CN113824768A (zh) * 2021-08-23 2021-12-21 北京天融信网络安全技术有限公司 负载均衡系统中的健康检查方法及装置和流量转发方法
CN113824768B (zh) * 2021-08-23 2022-11-15 北京天融信网络安全技术有限公司 负载均衡系统中的健康检查方法及装置和流量转发方法
CN113793016A (zh) * 2021-09-10 2021-12-14 中国人民解放军63920部队 基于需求承载度的测控设备调控方法及装置
CN114710503A (zh) * 2022-04-21 2022-07-05 思必驰科技股份有限公司 服务调度的方法及电子设备和存储介质

Also Published As

Publication number Publication date
CN110134513B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
CN110134513A (zh) 负载均衡方法、装置、计算机设备及存储介质
CN103747274B (zh) 一种增设缓存集群的视频数据中心及其缓存资源调度方法
CN110333937A (zh) 任务分发方法、装置、计算机设备和存储介质
CN105007287B (zh) 公共云资源动态配置方法及系统
EP1472846B1 (en) Method and apparatus for web farm traffic control
CN100396016C (zh) 在内容分发网络中保障服务水平的系统和方法
CN107832126A (zh) 一种线程的调整方法及其终端
US20030105797A1 (en) Dynamic load balancing among a set of servers
CN107580023A (zh) 一种动态调整任务分配的流处理作业调度方法及系统
CN108521856A (zh) 内容分发网络中的调度方法和设备
CN107015892A (zh) 一种压力测试方法、装置和系统
CN106357559A (zh) 带宽分配的方法及装置
CN109784703A (zh) 业务数据处理方法、装置、计算机设备和存储介质
CN105872079A (zh) 一种基于域名系统dns的链路均衡方法
CN106357751A (zh) 一种客户浏览器电费支付系统
CN106255154A (zh) 一种基于资源利用率的负载均衡系统及方法
CN102281611A (zh) 无线局域网接入控制方法及系统
CN111176840A (zh) 分布式任务的分配优化方法和装置、存储介质及电子装置
Yu et al. Spectrum investment with uncertainty based on prospect theory
CN113132437B (zh) Cdn调度方法、系统、设备和存储介质
CN102740368B (zh) 一种带宽调整方法及商业智能系统
CN109982385A (zh) 基于lte业务类型特征的网络智能均衡方法及装置
CN107317862A (zh) 连锁终端系统、分布式管理方法及管理共享设备的系统
CN107493607A (zh) 网络资源分配方法及网络资源分配装置
CN107172193A (zh) 一种基于集群的负载均衡方法及其装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant