CN111277648A - 基于Nginx的动态权重负载均衡系统和方法 - Google Patents
基于Nginx的动态权重负载均衡系统和方法 Download PDFInfo
- Publication number
- CN111277648A CN111277648A CN202010060612.5A CN202010060612A CN111277648A CN 111277648 A CN111277648 A CN 111277648A CN 202010060612 A CN202010060612 A CN 202010060612A CN 111277648 A CN111277648 A CN 111277648A
- Authority
- CN
- China
- Prior art keywords
- server
- information
- load balancing
- nginx
- weight
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000010365 information processing Effects 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
Images
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
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- 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
- H04L67/101—Server selection for load balancing based on network conditions
-
- 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
- H04L67/1029—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers using data related to the state of servers by a load balancer
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种基于Nginx的动态权重负载均衡系统和方法,其中,基于Nginx的负载均衡服务器包括:信息收集模块、信息处理模块和信息发送模块;信息收集模块用于实时采集服务器集群中各服务器的指标状态信息,并将采集到的实时指标状态信息发送至信息处理模块;信息处理模块以实时指标状态信息根据动态负载均衡算法计算得到每台服务器的评分信息,并将评分信息发送至信息发送模块中;信息发送模块对服务器集群中各服务器的评分信息进行排序,并将服务器请求发送至对应当前评分最优的服务器。通过本发明的技术方案,根据评分为服务器请求匹配最优的服务器,实现了实时的动态负载均衡。
Description
技术领域
本发明涉及服务器负载分配技术领域,尤其涉及一种基于Nginx的动态权重负载均衡系统和一种基于Nginx的动态权重负载均衡方法。
背景技术
随着互联网的快速发展,互联网应用也变得多种多样了起来,体量也逐渐增大,服务器端的并发量升高所带来的压力也与日俱增,服务器负载过重会引起页面响应过慢、数据传递丢失等问题。面对这些问题,一些大型互联网公司通过采用更新硬件设备进行服务器负载均衡调度,但是这样的开销过于庞大,并不适合一些刚起步的新兴互联网公司。Nginx是一种具有高性能、高稳定性、低能耗和并发量高特点的http和web反向代理服务器,目前Nginx自带了包括轮询及加权轮询算法、最小连接数算法、ip_hash、url_hash算法和fair算法5种负载均衡算法。轮询算法是指当请求从客户端发给服务器集群的时候,每个用户请求按照时间顺序把任务逐个分配给不同的服务器,而加权轮询算法是根据服务器的状态进行权重分析,任务将优先发送给权重高的服务器。最小连接数算法是指将请求优先分配给当前服务器集群中连接数最少的服务器进行处理。这两种方法在负载均衡上均实现了公平分配,并且它们的操作非常便利,所以Nginx的负载均衡技术常常被用于服务器集群的负载均衡器。
轮询算法和加权轮询算法均为静态算法,它们的特点是部署简单,运行起来比较快,但是这两种方法过于理想化,实际上当服务器集群进行负载均衡的时候需要考虑的问题不止有请求本身,还包括服务器本身的性能问题。最小连接数算法是一种动态算法,相比于静态算法有所提升,但是他考虑的指标十分单一,只考虑了服务器的响应时间和连接数,没有考虑到服务器的异构情况,因此实际的使用效果并没有明显的提升。
因此,现有技术中存在的技术问题包括:①Nginx本身不具备集群中各服务器状态的收集与反馈机制,不能将服务器状态的反馈因子作为参数加入到负载均衡算法中;②Nginx集群中每台服务器的性能指数不同,所以在算法中所占权重也应当不同;③Nginx自带的负载均衡算法评价指标过于单一,算法性能还有可以提高的地方。
发明内容
针对上述问题中的至少之一,本发明提供了一种基于Nginx的动态权重负载均衡系统和方法,通过对原有Nginx负载均衡的加权轮询算法进行改进,采用层次分析法对基于Nginx的服务器集群中服务器不同的负载因子在集群中的权重系数进行确定,动态地更新每次服务器请求任务过程中的应该达到的最优服务器,从而实时地监控服务器集群中各服务器的状态,将每个服务器的性能指标作为负载因子,实时动态地为服务器状态分配权重,计算集群中不同服务器的得分,根据该得分为服务器请求匹配最优的服务器,实现了实时的动态负载均衡。
为实现上述目的,本发明提供了一种基于Nginx的动态权重负载均衡系统,基于Nginx的负载均衡服务器包括:信息收集模块、信息处理模块和信息发送模块;所述信息收集模块用于实时采集服务器集群中各服务器的指标状态信息,并将采集到的实时指标状态信息发送至所述信息处理模块;所述信息处理模块以所述实时指标状态信息根据动态负载均衡算法计算得到每台所述服务器的评分信息,并将所述评分信息发送至所述信息发送模块中;所述信息发送模块对所述服务器集群中各服务器的所述评分信息进行排序,并将服务器请求发送至对应当前评分最优的服务器。
在上述技术方案中,优选地,所述服务器的实时指标状态信息包括CPU利用率、内存利用率、IO利用率和网络利用率。
在上述技术方案中,优选地,所述信息处理模块还用于接收客户端发送的所述服务器请求。
本发明还提出一种基于Nginx的动态权重负载均衡方法,包括:对服务器集群中各服务器的指标状态信息进行实时采集;以所有所述服务器和对应的实时指标状态信息构建以最优服务器选择因素为目标的最优决策模型;根据每个所述服务器和对应多个指标状态信息之间的重要关系置入标度以建立比较判别矩阵,获得每个指标状态信息的权值;根据每个服务器的指标状态信息以及对应的权值计算该服务器的负载评分,并对所有服务器的负载评分进行排序;接收服务器请求,并根据所述服务器的负载评分排序,将该服务器请求发送至负载评分最优的服务器。
在上述技术方案中,优选地,所述最优决策模型以所述服务器集群中的各服务器作为决策方案层,以所述服务器的指标状态信息作为标准层,以所述最优服务器选择因素作为目标层。
在上述技术方案中,优选地,所述根据每个所述服务器和对应多个指标状态信息之间的重要关系置入标度以建立比较判别矩阵,获得每个指标状态信息的权值,具体包括:根据所述决策方案层中每个因子与所述标准层中每个因子之间的重要关系,置入比较判别矩阵A:
其中,aij表示第i个因子和第j个因子的重要关系的倒数;根据所述比较判别矩阵得到所述目标层的总排序权重系数和所述标准层对所述目标层的单排序权重;对所述总排序权重系数和所述单排序权重之积进行求和,得到所述标准层各因子的权值。
在上述技术方案中,优选地,所述标准层的指标状态信息包括CPU利用率、内存利用率、IO利用率和网络利用率。
在上述技术方案中,优选地,所述根据每个服务器的指标状态信息以及对应的权值计算该服务器的负载评分具体包括:根据公式
Wsn=Kcpu*Cn_cpu+Kmem*Cn_mem+Kio*Cn_io+Knet*Cn_net
计算每个服务器的负载评分,其中,n表示第n个服务器(n=1,2,3…),Cn_cpu、Cn_mem、Cn_io、Cn_net表示第n个服务器的cpu、内存、IO、网络利用率的性能指标,Kcpu、Kmem、Kio、Knet表示当前服务器的cpu、内存、IO、网络利用率的权重系数。
在上述技术方案中,优选地,在所述比较判别矩阵建立完成后,根据矩阵的最大特征值λ利用下式对所述比较判别矩阵进行一致性分析;
其中,RI查表可得;当CR<0.1时表示该比较判别矩阵一致性达成,否则该比较判别矩阵不成立,需重新构建比较判别矩阵。
在上述技术方案中,优选地,所述比较判别矩阵中置入的标度为每两个因子之间重要关系的倒数,该重要关系采用1-9中的一个数字进行表示。
与现有技术相比,本发明的有益效果为:通过对原有Nginx负载均衡的加权轮询算法进行改进,采用层次分析法对基于Nginx的服务器集群中服务器不同的负载因子在集群中的权重系数进行确定,动态地更新每次服务器请求任务过程中的应该达到的最优服务器,从而实时地监控服务器集群中各服务器的状态,将每个服务器的性能指标作为负载因子,实时动态地为服务器状态分配权重,计算集群中不同服务器的得分,根据该得分为服务器请求匹配最优的服务器,实现了实时的动态负载均衡。
附图说明
图1为本发明一种实施例公开的基于Nginx的动态权重负载均衡系统的整体框架结构示意图;
图2为本发明一种实施例公开的基于Nginx的动态权重负载均衡方法的整体流程示意图;
图3为本发明一种实施例公开的动态负载均衡算法的流程示意图;
图4为本发明一种实施例公开的基于Nginx的动态权重负载均衡方法的最优决策模型示意图;
图5为本发明一种实施例公开的总层次排序图;
图6为本发明一种实施例公开的基于Nginx的动态权重负载均衡方法的测试结果示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的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。
下面结合附图对本发明做进一步的详细描述:
如图1所示,根据本发明提供的一种基于Nginx的动态权重负载均衡系统,基于Nginx的负载均衡服务器包括:信息收集模块、信息处理模块和信息发送模块;信息收集模块用于实时采集服务器集群中各服务器的指标状态信息,并将采集到的实时指标状态信息发送至信息处理模块;信息处理模块以实时指标状态信息根据动态负载均衡算法计算得到每台服务器的评分信息,并将评分信息发送至信息发送模块中;信息发送模块对服务器集群中各服务器的评分信息进行排序,并将服务器请求发送至对应当前评分最优的服务器。
在上述实施例中,优选地,服务器的实时指标状态信息包括CPU利用率、内存利用率、IO利用率和网络利用率。
在上述实施例中,首先建立信息收集模块采集当前服务器状态的CPU利用率、内存利用率、IO利用率和网络利用率四个指标,再建立信息处理模块,采用层次分析法对收集到的四个指标状态信息进行权重计算,根据每个指标不同的权重进行加权最后得到每台服务器的评分信息。建立权重反馈模块,将每一个服务器的评分信息反馈给Nginx负载均衡服务器,将服务器请求发送给当前最优的服务器中,实现实时的动态负载均衡。
如图2所示,本发明还提出一种基于Nginx的动态权重负载均衡方法,包括:对服务器集群中各服务器的指标状态信息进行实时采集;以所有服务器和对应的实时指标状态信息构建以最优服务器选择因素为目标的最优决策模型;根据每个服务器和对应多个指标状态信息之间的重要关系置入标度以建立比较判别矩阵,获得每个指标状态信息的权值;根据每个服务器的指标状态信息以及对应的权值计算该服务器的负载评分,并对所有服务器的负载评分进行排序;接收服务器请求,并根据服务器的负载评分排序,将该服务器请求发送至负载评分最优的服务器。
如图3所示,在该实施例中,首先由负载均衡服务器中的信息收集模块对处理服务器集群中各服务器的指标状态信息进行实时收集,并将收集到的信息先后发送给Nginx负载均衡服务器中的本地服务器和信息处理模块。信息处理模块得到由信息收集模块发送过来的4个指标之后,采用改进的动态负载均衡算法对每个服务器的指标权重进行计算,从而得出集群中每台服务器的具体得分,将评分信息交给同一服务器中的信息发送模块。将信息处理模块计算得到的服务器评分进行排序,根据得分将阶段性的服务器请求转发给各服务器,实现负载均衡。
如图4所示,在上述实施例中,优选地,最优决策模型以服务器集群中的各服务器作为决策方案层,以服务器的指标状态信息作为标准层,以最优服务器选择因素作为目标层。在该实施例中,层次分析法是指将一个多目标的决策问题作为一个整体,将这个目标分割成为多个子目标,进而分解成为多指标的的层次问题,主要是指通过模糊量化方法算出一个目标中多个因子的权重问题。服务器集群中每个指标的数值是在不断变化的,因此本发明采用层次分析法来判断各个指标的离散程度。
在上述实施例中,选取3台服务器,4个指标(CPU利用率、内存利用率、IO利用率、网络利用率)作为层次分析法的分析因子。以各服务器作为决策方案层,以各指标作为标准层,以最优服务器选择因素作为目标层,构建如图4所示的最优决策模型。
在上述实施例中,优选地,上述根据每个服务器和对应多个指标状态信息之间的重要关系置入标度以建立比较判别矩阵,获得每个指标状态信息的权值,具体包括:根据决策方案层中每个因子与标准层中每个因子之间的重要关系,置入比较判别矩阵A:
其中,aij表示第i个因子和第j个因子的重要关系的倒数;该数值主要由人为置入,优选地,根据每两个因子的重要关系置入1-9中的任意一个值的倒数作为标度。优选地,根据最优决策模型中的层级分析,将目标层作为A层,标准层作为B层,构建如图5所示的构造总层次排序图,其中am为该层次的总排序权重系数,bnj为B层对Aj的单排序权重,最后求和即为B层因素的总排序权值。其中,A层只有一个决策即最优服务器选择,有4个影响因素即CPU利用率、内存利用率、IO利用率和网络利用率,因此m=1,n=4,同时通过上述比较判别矩阵A得出每个因素的判断矩阵,最终求和即为影响因素的总排序及其权重系数。
在上述实施例中,优选地,根据每个服务器的指标状态信息以及对应的权值计算该服务器的负载评分具体包括:根据公式
Wsn=Kcpu*Cn_cpu+Kmem*Cn_mem+Kio*Cn_io+Knet*Cn_net
计算每个服务器的负载评分,其中,n表示第n个服务器(n=1,2,3…),Cn_cpu、Cn_mem、Cn_io、Cn_net表示第n个服务器的cpu、内存、IO、网络利用率的性能指标,Kcpu、Kmem、Kio、Knet表示当前服务器的cpu、内存、IO、网络利用率的权重系数。
在上述实施例中,优选地,在比较判别矩阵建立完成后,根据矩阵的最大特征值λ利用下式对比较判别矩阵进行一致性分析;
其中,RI查表可得;当CR<0.1时表示该比较判别矩阵一致性达成,否则该比较判别矩阵不成立,需重新构建比较判别矩阵。
在上述实施例中,优选地,比较判别矩阵中置入的标度为每两个因子之间重要关系的倒数,该重要关系采用1-9中的一个数字进行表示。
根据上述实施例提出的基于Nginx的动态权重负载均衡方法,采用httperf和loadrunner进行测试,搭建5台服务器进行测试,其中1台客户端、1台Nginx负载均衡服务器、3台服务端作为服务器集群。
测试成果如图6所示。根据图6可知,本发明改进后的基于Nginx的动态权重负载均衡方法,能够明显降低服务器请求的响应时间,提高了实时动态负载均衡效果。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于Nginx的动态权重负载均衡系统,其特征在于,基于Nginx的负载均衡服务器包括:信息收集模块、信息处理模块和信息发送模块;
所述信息收集模块用于实时采集服务器集群中各服务器的指标状态信息,并将采集到的实时指标状态信息发送至所述信息处理模块;
所述信息处理模块以所述实时指标状态信息根据动态负载均衡算法计算得到每台所述服务器的评分信息,并将所述评分信息发送至所述信息发送模块中;
所述信息发送模块对所述服务器集群中各服务器的所述评分信息进行排序,并将服务器请求发送至对应当前评分最优的服务器。
2.根据权利要求1所述的基于Nginx的动态权重负载均衡系统,其特征在于,所述服务器的实时指标状态信息包括CPU利用率、内存利用率、IO利用率和网络利用率。
3.根据权利要求1所述的基于Nginx的动态权重负载均衡系统,其特征在于,所述信息处理模块还用于接收客户端发送的所述服务器请求。
4.一种基于Nginx的动态权重负载均衡方法,其特征在于,包括:
对服务器集群中各服务器的指标状态信息进行实时采集;
以所有所述服务器和对应的实时指标状态信息构建以最优服务器选择因素为目标的最优决策模型;
根据每个所述服务器和对应多个指标状态信息之间的重要关系置入标度以建立比较判别矩阵,获得每个指标状态信息的权值;
根据每个服务器的指标状态信息以及对应的权值计算该服务器的负载评分,并对所有服务器的负载评分进行排序;
接收服务器请求,并根据所述服务器的负载评分排序,将该服务器请求发送至负载评分最优的服务器。
5.根据权利要求4所述的基于Nginx的动态权重负载均衡方法,其特征在于,所述最优决策模型以所述服务器集群中的各服务器作为决策方案层,以所述服务器的指标状态信息作为标准层,以所述最优服务器选择因素作为目标层。
7.根据权利要求6所述的基于Nginx的动态权重负载均衡方法,其特征在于,所述标准层的指标状态信息包括CPU利用率、内存利用率、IO利用率和网络利用率。
8.根据权利要求7所述的基于Nginx的动态权重负载均衡方法,其特征在于,所述根据每个服务器的指标状态信息以及对应的权值计算该服务器的负载评分具体包括:
根据公式
Wsn=Kcpu*Cn_cpu+Kmem*Cn_mem+Kio*Cn_io+Knet*Cn_net
计算每个服务器的负载评分,
其中,n表示第n个服务器(n=1,2,3…),Cn_cpu、Cn_mem、Cn_io、Cn_net表示第n个服务器的cpu、内存、IO、网络利用率的性能指标,Kcpu、Kmem、Kio、Knet表示当前服务器的cpu、内存、IO、网络利用率的权重系数。
10.根据权利要求6所述的基于Nginx的动态权重负载均衡方法,其特征在于,所述比较判别矩阵中置入的标度为每两个因子之间重要关系的倒数,该重要关系采用1-9中的一个数字进行表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010060612.5A CN111277648A (zh) | 2020-01-19 | 2020-01-19 | 基于Nginx的动态权重负载均衡系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010060612.5A CN111277648A (zh) | 2020-01-19 | 2020-01-19 | 基于Nginx的动态权重负载均衡系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111277648A true CN111277648A (zh) | 2020-06-12 |
Family
ID=70998906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010060612.5A Pending CN111277648A (zh) | 2020-01-19 | 2020-01-19 | 基于Nginx的动态权重负载均衡系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111277648A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111930511A (zh) * | 2020-08-24 | 2020-11-13 | 北京工业大学 | 一种基于机器学习的标识解析节点负载均衡装置 |
CN111988429A (zh) * | 2020-09-01 | 2020-11-24 | 深圳壹账通智能科技有限公司 | 算法调度方法以及系统 |
CN113055479A (zh) * | 2021-03-17 | 2021-06-29 | 中国工商银行股份有限公司 | 分布式服务集群负载自适应处理方法、装置及系统 |
CN113099252A (zh) * | 2021-03-29 | 2021-07-09 | 浙江工业大学 | 一种基于sip与rtmp的远程投食器视频推送系统 |
CN113110933A (zh) * | 2021-03-11 | 2021-07-13 | 浙江工业大学 | 一种具有Nginx负载均衡技术的系统 |
CN113242283A (zh) * | 2021-04-29 | 2021-08-10 | 西安点告网络科技有限公司 | 一种服务器动态负载均衡方法、系统、设备及存储介质 |
CN114567637A (zh) * | 2022-03-01 | 2022-05-31 | 浪潮云信息技术股份公司 | 一种智能设置负载均衡后端服务器权重的方法及系统 |
CN114666336A (zh) * | 2022-03-14 | 2022-06-24 | 西安热工研究院有限公司 | 一种基于api网关动态权重服务路由的方法 |
CN114760181A (zh) * | 2022-03-16 | 2022-07-15 | 山东省大数据中心 | 一种基于分布式集群架构实现集群动态伸缩的系统和方法 |
CN114816724A (zh) * | 2021-01-29 | 2022-07-29 | 中移(苏州)软件技术有限公司 | 任务调度方法、信息处理方法、装置、设备及存储介质 |
CN115314500A (zh) * | 2022-07-28 | 2022-11-08 | 三峡大学 | 基于改进topsis模型的动态负载均衡方法 |
CN115426360A (zh) * | 2022-08-09 | 2022-12-02 | 徐州医科大学 | 一种基于图论的层次自适应负载均衡方法及系统 |
CN116800756A (zh) * | 2023-08-22 | 2023-09-22 | 三未信安科技股份有限公司 | 大规模密码设备集群的全局调度方法、系统、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106953758A (zh) * | 2017-03-20 | 2017-07-14 | 北京搜狐新媒体信息技术有限公司 | 一种基于Nginx服务器的动态配置管理方法及系统 |
CN109710412A (zh) * | 2018-12-28 | 2019-05-03 | 广州市巨硅信息科技有限公司 | 一种基于动态反馈的Nginx负载均衡方法 |
-
2020
- 2020-01-19 CN CN202010060612.5A patent/CN111277648A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106953758A (zh) * | 2017-03-20 | 2017-07-14 | 北京搜狐新媒体信息技术有限公司 | 一种基于Nginx服务器的动态配置管理方法及系统 |
CN109710412A (zh) * | 2018-12-28 | 2019-05-03 | 广州市巨硅信息科技有限公司 | 一种基于动态反馈的Nginx负载均衡方法 |
Non-Patent Citations (1)
Title |
---|
覃川: "基于Nginx的WEB服务器负载具策略改进与实现", 《中国优秀博硕士学位论文全文数据库(硕士)》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111930511A (zh) * | 2020-08-24 | 2020-11-13 | 北京工业大学 | 一种基于机器学习的标识解析节点负载均衡装置 |
CN111930511B (zh) * | 2020-08-24 | 2024-06-25 | 北京工业大学 | 一种基于机器学习的标识解析节点负载均衡装置 |
CN111988429A (zh) * | 2020-09-01 | 2020-11-24 | 深圳壹账通智能科技有限公司 | 算法调度方法以及系统 |
CN114816724A (zh) * | 2021-01-29 | 2022-07-29 | 中移(苏州)软件技术有限公司 | 任务调度方法、信息处理方法、装置、设备及存储介质 |
CN113110933B (zh) * | 2021-03-11 | 2024-04-09 | 浙江工业大学 | 一种具有Nginx负载均衡技术的系统 |
CN113110933A (zh) * | 2021-03-11 | 2021-07-13 | 浙江工业大学 | 一种具有Nginx负载均衡技术的系统 |
CN113055479A (zh) * | 2021-03-17 | 2021-06-29 | 中国工商银行股份有限公司 | 分布式服务集群负载自适应处理方法、装置及系统 |
CN113099252A (zh) * | 2021-03-29 | 2021-07-09 | 浙江工业大学 | 一种基于sip与rtmp的远程投食器视频推送系统 |
CN113242283A (zh) * | 2021-04-29 | 2021-08-10 | 西安点告网络科技有限公司 | 一种服务器动态负载均衡方法、系统、设备及存储介质 |
CN113242283B (zh) * | 2021-04-29 | 2022-11-29 | 西安点告网络科技有限公司 | 一种服务器动态负载均衡方法、系统、设备及存储介质 |
CN114567637A (zh) * | 2022-03-01 | 2022-05-31 | 浪潮云信息技术股份公司 | 一种智能设置负载均衡后端服务器权重的方法及系统 |
CN114666336A (zh) * | 2022-03-14 | 2022-06-24 | 西安热工研究院有限公司 | 一种基于api网关动态权重服务路由的方法 |
CN114760181A (zh) * | 2022-03-16 | 2022-07-15 | 山东省大数据中心 | 一种基于分布式集群架构实现集群动态伸缩的系统和方法 |
CN115314500B (zh) * | 2022-07-28 | 2024-01-16 | 三峡大学 | 基于改进topsis模型的动态负载均衡方法 |
CN115314500A (zh) * | 2022-07-28 | 2022-11-08 | 三峡大学 | 基于改进topsis模型的动态负载均衡方法 |
CN115426360B (zh) * | 2022-08-09 | 2023-09-19 | 徐州医科大学 | 一种基于图论的层次自适应负载均衡方法及系统 |
CN115426360A (zh) * | 2022-08-09 | 2022-12-02 | 徐州医科大学 | 一种基于图论的层次自适应负载均衡方法及系统 |
CN116800756A (zh) * | 2023-08-22 | 2023-09-22 | 三未信安科技股份有限公司 | 大规模密码设备集群的全局调度方法、系统、设备及介质 |
CN116800756B (zh) * | 2023-08-22 | 2023-12-01 | 三未信安科技股份有限公司 | 大规模密码设备集群的全局调度方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111277648A (zh) | 基于Nginx的动态权重负载均衡系统和方法 | |
CN107426332B (zh) | 一种web服务器集群的负载均衡方法及系统 | |
CN104978236B (zh) | 基于多衡量指标的hdfs负载源宿节点选取方法 | |
WO2021004063A1 (zh) | 一种缓存服务器的带宽调度方法及装置 | |
WO2021012930A1 (zh) | 投票节点配置方法及系统 | |
CN109120715A (zh) | 一种云环境下动态负载均衡方法 | |
US20090119233A1 (en) | Power Optimization Through Datacenter Client and Workflow Resource Migration | |
Hao et al. | An enhanced load balancing mechanism based on deadline control on GridSim | |
CN108322548A (zh) | 一种基于云计算的工业过程数据解析平台 | |
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 | |
CN109274710A (zh) | 网络负载均衡方法、装置及集群服务系统 | |
CN109947558A (zh) | 主机资源利用率计算方法和资源调度方法 | |
Li et al. | Dynamic load balancing algorithm based on FCFS | |
CN115314500B (zh) | 基于改进topsis模型的动态负载均衡方法 | |
CN111953538A (zh) | 一种基于大数据处理的cdn带宽调度系统 | |
Ramana et al. | A multi-class load balancing algorithm (MCLB) for heterogeneous web cluster | |
Li et al. | Self-adaptive load-balancing strategy based on a time series pattern for concurrent user access on Web map service | |
CN114666336B (zh) | 一种基于api网关动态权重服务路由的方法 | |
Bao et al. | Nginx-Based Combined Dynamic and Static Load Balancing Algorithm Research | |
KR20160044623A (ko) | 리눅스 가상 서버의 로드 밸런싱 방법 | |
CN106612310A (zh) | 一种服务器调度方法、装置和系统 | |
Zhu et al. | Load balancing algorithm for web server based on weighted minimal connections | |
CN113377544A (zh) | 一种基于负荷数据动态更新率的web集群负载均衡方法 | |
CN106210120B (zh) | 一种服务器的推荐方法及其装置 | |
CN114945024A (zh) | 基于长短期记忆网络的服务器负载均衡优化方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200612 |
|
RJ01 | Rejection of invention patent application after publication |