CN112817752A - 一种分布式数据库动态负载均衡方法 - Google Patents

一种分布式数据库动态负载均衡方法 Download PDF

Info

Publication number
CN112817752A
CN112817752A CN202110084354.9A CN202110084354A CN112817752A CN 112817752 A CN112817752 A CN 112817752A CN 202110084354 A CN202110084354 A CN 202110084354A CN 112817752 A CN112817752 A CN 112817752A
Authority
CN
China
Prior art keywords
database server
database
request
load balancer
pheromone
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
CN202110084354.9A
Other languages
English (en)
Other versions
CN112817752B (zh
Inventor
潘鹏宇
庄莉
马小博
梁懿
陈又咏
刘迪
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.)
State Grid Information and Telecommunication Co Ltd
Xian Jiaotong University
Fujian Yirong Information Technology Co Ltd
Original Assignee
State Grid Information and Telecommunication Co Ltd
Xian Jiaotong University
Fujian Yirong Information Technology 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 State Grid Information and Telecommunication Co Ltd, Xian Jiaotong University, Fujian Yirong Information Technology Co Ltd filed Critical State Grid Information and Telecommunication Co Ltd
Priority to CN202110084354.9A priority Critical patent/CN112817752B/zh
Publication of CN112817752A publication Critical patent/CN112817752A/zh
Application granted granted Critical
Publication of CN112817752B publication Critical patent/CN112817752B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明公开了一种分布式数据库动态负载均衡方法，通过将分布式数据库划分成多个不同类型的子任务模块，根据子任务模块的类型将用户请求拆分为多个请求子任务，将用户请求的哈希值分别与不同请求子任务进行取模预算得到相应的哈希环数，根据哈希环数查找可以连接服务的数据库服务器；将所有请求子任务所连接的数据库服务器组成该用户请求的数据库服务器集群，将拆分后的多个请求子任务分别传输至与其各自对应连接的数据库服务器进行计算处理，各数据库服务器处理后结果统一反馈至用户，通过根据类型进行划分，能够以更快更高效的对用户请求做出响应并充分的利用分布式数据库中的每一个数据库服务器的性能，同时考虑到动态负载均衡，及时对负载节点的状态进行更新，有效避免出现过载现象。

Description

一种分布式数据库动态负载均衡方法
技术领域
本发明属于分布式数据库领域，具体涉及一种分布式数据库动态负载均衡方法。
背景技术
随着计算机技术的快速发展，分布式数据库的应用也变得极为广泛，分布式数据库将一个系统划分为多个功能模块并分布到不同的数据库服务器上，提高了处理问题的能力，但是同时面临着负载均衡等诸多问题。传统的负载均衡技术，如轮询算法、加权连接法等，并不适用于大型分布式数据库。
一致性哈希算法是分布式数据库广泛应用的一种算法，可以通过对数据求哈希并映射到哈希环来寻找数据库服务器。但是一致性哈希算法面临的一大问题是无法做到负载均衡。当前分布式数据库面临以下问题：(1)通信异常，即节点之间的网络通信是不可靠的，(2)节点的处理时间是无法保障(3) 节点易出现故障。
发明内容
本发明的目的在于提供一种分布式数据库动态负载均衡方法，以克服现有技术的不足。
为达到上述目的，本发明采用如下技术方案：
一种分布式数据库动态负载均衡方法，包括以下步骤：
S1，将分布式数据库划分成多个不同类型的子任务模块，每个子任务模块连接多个数据库服务器，每个数据库服务器处理一种类型的子任务；
S2，当有用户发出请求时，计算用户请求的哈希值，根据子任务模块的类型将用户请求拆分为多个请求子任务，将用户请求的哈希值分别与不同请求子任务进行取模预算得到相应的哈希环数，根据请求子任务相对应的哈希环数查找可以连接服务的数据库服务器；并将所有请求子任务所连接的数据库服务器组成该用户请求的数据库服务器集群；
S3，将拆分后的多个请求子任务分别传输至与其各自对应连接的数据库服务器进行计算处理，各数据库服务器处理后结果统一反馈至用户，即可实现用户请求的均衡处理。
进一步的，在不同区域设置不同的负载均衡器，采用负载均衡器接收用户请求；负载均衡器与各数据库服务器之间通过信息素数据包传递数据。
进一步的，负载均衡器与数据库服务器之间的信息素数据包包括数据库服务器信息表、数据库服务器类别和哈希环数，哈希环数等于数据库服务器种类的数量。
进一步的，负载均衡器在设定时间内向已知的数据库服务器发送信息素数据包，当数据库服务器收到信息素数据包后立刻反馈一个多元组信息给该负载均衡器，负载均衡器根据收到的多元组信息更新数据库服务器信息表中的信息，多元组信息包括该数据库服务器当前硬件的使用率。
进一步的，根据信息素数据包的权重标记负载均衡器与各数据库服务器之间的响应速度，负载均衡器根据信息素浓度从每一类的数据库服务器中选取一个信息素浓度最高的数据库服务器，组合成一个逻辑数据库服务器集群。
进一步的，根据信息素数据包的权重，采用一致性哈希算法，通过带有虚拟节点的哈希环对用户请求进行分配。
进一步的，采用蚁群算法计算负载均衡器与各数据库服务器之间的信息素浓度，并定时进行更新。
进一步的，当数据库服务器没有任务时或资源利用率较低时，对于设定时间内没有任务或者资源利用率低的数据库服务器，更新保持至上一次接收任务时的信息素浓度。
进一步的，当数据库服务器性能使用达到50％的时候，负载均衡器与该数据库服务器之间的信息浓度降低一个层级。
进一步的，当数据库服务器性能使用达到60％的时候，负载均衡器与该数据库服务器之间的信息浓度降低两个层级；当数据库服务器性能使用达到 70％的时候，负载均衡器停止向该数据库服务器发送信息素数据包并进行倒计时操作，倒计时结束前不再发送新的信息素数据包；当数据库服务器性能使用达到80％的时候，数据库服务器会主动向负载均衡器发送停止派发任务数据包。
与现有技术相比，本发明具有以下有益的技术效果：
本发明一种分布式数据库动态负载均衡方法，通过将分布式数据库划分成多个不同类型的子任务模块，每个子任务模块连接多个数据库服务器，每个数据库服务器处理一种类型的子任务，然后根据子任务模块的类型将用户请求拆分为多个请求子任务，将用户请求的哈希值分别与不同请求子任务进行取模预算得到相应的哈希环数，根据请求子任务相对应的哈希环数查找可以连接服务的数据库服务器；并将所有请求子任务所连接的数据库服务器组成该用户请求的数据库服务器集群，将拆分后的多个请求子任务分别传输至与其各自对应连接的数据库服务器进行计算处理，各数据库服务器处理后结果统一反馈至用户，通过根据类型进行划分，本发明能够以更快更高效的对用户请求做出响应并充分的利用分布式数据库中的每一个数据库服务器的性能，同时考虑到动态负载均衡，及时对负载节点的状态进行更新，有效避免出现过载现象。
进一步的，本发明通过定时获取各个数据库服务器的信息，可以及时更新数据库服务器信息表，利用一致性哈希算法可以让数据库服务器的选取动态化。
进一步的，一个数据库服务器可以出现在多个代理数据库服务器的数据库服务器信息表中，确保以逻辑数据库服务器集群进行任务分解。
进一步的，利用蚁群算法以及数据库服务器负载过高时产生的负反馈，两者相互结合，使得整个系统更具均衡性。
附图说明
图1为本发明实施例中流程图。
具体实施方式
下面结合附图对本发明做进一步详细描述：
如图1所示，一种分布式数据库动态负载均衡方法，包括以下步骤：
S1，将分布式数据库划分成多个不同类型的子任务模块，每个子任务模块连接多个数据库服务器，每个数据库服务器处理一种类型的子任务；
具体的，将分布式数据库按照功能模块进行划分，得到多个不同类型的子任务模块，不同的子任务模块可以分布到不同的数据库服务器上，根据提供的服务类型不同对数据库服务器进行划分。
S2，当有用户发出请求q时，计算用户请求的哈希值Hashq，根据子任务模块的类型将用户请求q拆分为多个请求子任务，将用户请求的哈希值 Hashq分别与不同请求子任务进行取模预算得到相应的哈希环数，根据请求子任务相对应的哈希环数查找可以连接服务的数据库服务器；并将所有请求子任务所连接的数据库服务器组成该用户请求的数据库服务器集群；
在不同区域设置不同的负载均衡器，采用负载均衡器接收用户请求；负载均衡器与各数据库服务器之间通过信息素数据包传递数据，负载均衡器与数据库服务器之间的信息素数据包包括数据库服务器信息表、数据库服务器类别和哈希环数，哈希环数等于数据库服务器种类的数量。
负载均衡器在设定时间内向已知的数据库服务器发送信息素数据包，当数据库服务器收到信息素数据包后立刻反馈一个多元组信息给该负载均衡器，多元组信息包括该数据库服务器当前硬件的使用率，具体包括CPU使用率和内存使用率，负载均衡器根据收到的多元组信息更新数据库服务器信息表中的信息。
根据信息素数据包的权重标记负载均衡器与各数据库服务器之间的响应速度，信息素数据包的权重即信息素浓度，信息素浓度越高，代表该数据库服务器与负载均衡器之间响应速度越快，影响信息素浓度因素有两点：数据库服务器与负载均衡器之间的网络状态以及数据库服务器的性能。
负载均衡器根据信息素浓度从每一类的数据库服务器中选取一个信息素浓度最高的数据库服务器，组合成一个逻辑数据库服务器集群。
根据信息素数据包的权重，采用一致性哈希算法，通过带有虚拟节点的哈希环对用户请求进行分配，优化了传统负载均衡算法无法兼顾动态性和数据库服务器性能选择的难题。
如果数据库服务器与负载均衡器未相应，则将相应的数据库服务器标识成0，标识该数据库服务器不可用，否则置为1。
S3，将拆分后的多个请求子任务分别传输至与其各自对应连接的数据库服务器进行计算处理，各数据库服务器处理后结果统一反馈至用户，即可实现用户请求的均衡处理。
采用蚁群算法计算负载均衡器与各数据库服务器之间的信息素浓度，并定时进行更新。当数据库服务器没有任务时或资源利用率较低时，该数据库服务器和负载均衡器间的信息素浓度仍然会不断的增加，为了避免出现信息素浓度过高的现象，对于设定时间内没有任务或者资源利用率低的数据库服务器，更新保持至上一次接收任务时的信息素浓度，使得数据库服务器信息表中的数据始终处于一个相对稳定的范围。
当数据库服务器负载逐渐升高的时候，通过降低信息素数据包的权重来降低该路径信息素浓度的升高速度以及主动请求降低信息素浓度，从而降低自身被选中的概率。
当数据库服务器性能使用达到50％的时候，负载均衡器与该数据库服务器之间的信息浓度降低一个层级；当数据库服务器性能使用达到60％的时候，负载均衡器与该数据库服务器之间的信息浓度降低两个层级；当数据库服务器性能使用达到70％的时候，负载均衡器停止向该服务器发送信息素数据包并进行倒计时操作，倒计时结束前不再发送新的信息素数据包；当数据库服务器性能使用达到80％的时候，数据库服务器会主动向负载均衡器发送停止派发任务数据包，停止派发任务数据包能够降低是负载均衡器与该数据库服务器之间的信息素浓度。
实施例：
每个负载均衡器上的哈希环数与数据库服务器种类相同；将分布式数据库划划分，子任务类型分别记为A、B、C，子任务类型A对应的数据库服务器记为A1、A2、A3，子任务类型B对应的数据库服务器为B1、B2，子任务类型C对应C1、C2，以负载均衡器P1为例，分布式数据库划分为3个种类，计三个哈希环分别记为HA、HB、HC，设每个哈希环的长度是232，每个哈希环都具备100个虚拟节点，且虚拟节点分布均匀，以HA为例，100个虚拟节点将会根据A1、A2、A3的综合指数的比例进行分配，本申请A1、A2、A3的综合指数比例为5:4:4。由于数据库服务器信息表是动态变换的，所以虚拟节点的分配也是动态变化。如表1为负载均衡器P1的数据库服务器信息表。
表1
Figure BDA0002910255750000061
负载均衡器接收用户请求并将其按照类型划分，同时将用户请求的哈希值Hashq对HA的长度232进行取模预算，并将其映射到哈希环上，取第一个标识不为0的数据库服务器，对哈希环HB、哈希环HC进行相同的运算，得出相对应的数据库服务器；
负载均衡器根据上一步得到的数据库服务器组建出一个临时数据库服务器集群，然后将按照类型划分出的子任务进行分发给相应的数据库服务器进行处理，数据库服务器将处理结果反馈至负载均衡器，负载均衡器汇总会反馈至用户。
本发明可以更加方便的添加或删除各个类型的数据库服务器，同时更方便应对数据库服务器宕机的情况，只需要更新代理数据库服务器的数据库服务器信息表即可。在负载均衡器定时获取各个数据库服务器的信息，可以及时更新数据库服务器信息表，借助一致性哈希算法，可以让数据库服务器的选取动态化。一台数据库服务器可以出现在多个负载均衡器的数据库服务器信息表中，所以能保证代理数据库服务器一定能组建出逻辑数据库服务器集群。利用蚁群算法的正反馈，以及数据库服务器负载过高时产生的负反馈，两者相互结合，使得整个系统更具均衡性。

Claims (10)

1.一种分布式数据库动态负载均衡方法，其特征在于，包括以下步骤：
S1，将分布式数据库划分成多个不同类型的子任务模块，每个子任务模块连接多个数据库服务器，每个数据库服务器处理一种类型的子任务；
S2，当有用户发出请求时，计算用户请求的哈希值，根据子任务模块的类型将用户请求拆分为多个请求子任务，将用户请求的哈希值分别与不同请求子任务进行取模预算得到相应的哈希环数，根据请求子任务相对应的哈希环数查找可以连接服务的数据库服务器；并将所有请求子任务所连接的数据库服务器组成该用户请求的数据库服务器集群；
S3，将拆分后的多个请求子任务分别传输至与其各自对应连接的数据库服务器进行计算处理，各数据库服务器处理后结果统一反馈至用户，即可实现用户请求的均衡处理。
2.根据权利要求1所述的一种分布式数据库动态负载均衡方法，其特征在于，在不同区域设置不同的负载均衡器，采用负载均衡器接收用户请求；负载均衡器与各数据库服务器之间通过信息素数据包传递数据。
3.根据权利要求2所述的一种分布式数据库动态负载均衡方法，其特征在于，负载均衡器与数据库服务器之间的信息素数据包包括数据库服务器信息表、数据库服务器类别和哈希环数，哈希环数等于数据库服务器种类的数量。
4.根据权利要求2所述的一种分布式数据库动态负载均衡方法，其特征在于，负载均衡器在设定时间内向已知的数据库服务器发送信息素数据包，当数据库服务器收到信息素数据包后立刻反馈一个多元组信息给该负载均衡器，负载均衡器根据收到的多元组信息更新数据库服务器信息表中的信息，多元组信息包括该数据库服务器当前硬件的使用率。
5.根据权利要求2所述的一种分布式数据库动态负载均衡方法，其特征在于，根据信息素数据包的权重标记负载均衡器与各数据库服务器之间的响应速度，负载均衡器根据信息素浓度从每一类的数据库服务器中选取一个信息素浓度最高的数据库服务器，组合成一个逻辑数据库服务器集群。
6.根据权利要求2所述的一种分布式数据库动态负载均衡方法，其特征在于，根据信息素数据包的权重，采用一致性哈希算法，通过带有虚拟节点的哈希环对用户请求进行分配。
7.根据权利要求2所述的一种分布式数据库动态负载均衡方法，其特征在于，采用蚁群算法计算负载均衡器与各数据库服务器之间的信息素浓度，并定时进行更新。
8.根据权利要求2所述的一种分布式数据库动态负载均衡方法，其特征在于，当数据库服务器没有任务时或资源利用率较低时，对于设定时间内没有任务或者资源利用率低的数据库服务器，更新保持至上一次接收任务时的信息素浓度。
9.根据权利要求8所述的一种分布式数据库动态负载均衡方法，其特征在于，当数据库服务器性能使用达到50％的时候，负载均衡器与该数据库服务器之间的信息浓度降低一个层级。
10.根据权利要求8所述的一种分布式数据库动态负载均衡方法，其特征在于，当数据库服务器性能使用达到60％的时候，负载均衡器与该数据库服务器之间的信息浓度降低两个层级；当数据库服务器性能使用达到70％的时候，负载均衡器停止向该数据库服务器发送信息素数据包并进行倒计时操作，倒计时结束前不再发送新的信息素数据包；当数据库服务器性能使用达到80％的时候，数据库服务器会主动向负载均衡器发送停止派发任务数据包。
CN202110084354.9A 2021-01-21 2021-01-21 一种分布式数据库动态负载均衡方法 Active CN112817752B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110084354.9A CN112817752B (zh) 2021-01-21 2021-01-21 一种分布式数据库动态负载均衡方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110084354.9A CN112817752B (zh) 2021-01-21 2021-01-21 一种分布式数据库动态负载均衡方法

Publications (2)

Publication Number Publication Date
CN112817752A true CN112817752A (zh) 2021-05-18
CN112817752B CN112817752B (zh) 2023-12-19

Family

ID=75858653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110084354.9A Active CN112817752B (zh) 2021-01-21 2021-01-21 一种分布式数据库动态负载均衡方法

Country Status (1)

Country Link
CN (1) CN112817752B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114143320A (zh) * 2021-09-01 2022-03-04 浪潮云信息技术股份公司 一种基于分布式数据库的数据网关方法及系统
CN114584552A (zh) * 2022-02-28 2022-06-03 西安交通大学 面向分布式ct文件传输的调度方法、系统、设备及介质
CN115002124A (zh) * 2022-08-01 2022-09-02 太极计算机股份有限公司 分布式任务调度处理方法、装置和设备
WO2023165105A1 (zh) * 2022-03-04 2023-09-07 深圳海星智驾科技有限公司 负载均衡控制方法、装置电子设备、存储介质和计算机程序

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090012523A (ko) * 2007-07-30 2009-02-04 펌킨네트웍스코리아 (주) 동적 해싱 기반의 부하 분산 시스템 및 그 방법
JP2013178677A (ja) * 2012-02-28 2013-09-09 Nippon Telegr & Teleph Corp <Ntt> 分散処理システム、ディスパッチャおよび分散処理管理装置
CN105320771A (zh) * 2015-10-31 2016-02-10 南京南瑞继保电气有限公司 基于哈希环的时间序列数据库服务集群的实现方法与系统
CN107197035A (zh) * 2017-06-21 2017-09-22 中国民航大学 一种基于一致性哈希算法的亲和性动态负载均衡方法
WO2018077238A1 (zh) * 2016-10-27 2018-05-03 贵州白山云科技有限公司 一种基于交换机的负载均衡系统及方法
CN108551474A (zh) * 2018-03-26 2018-09-18 南京邮电大学 一种服务器集群的负载均衡方法
CN111858033A (zh) * 2020-06-28 2020-10-30 上海缔安科技股份有限公司 基于集群和多进程的负载均衡方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090012523A (ko) * 2007-07-30 2009-02-04 펌킨네트웍스코리아 (주) 동적 해싱 기반의 부하 분산 시스템 및 그 방법
JP2013178677A (ja) * 2012-02-28 2013-09-09 Nippon Telegr & Teleph Corp <Ntt> 分散処理システム、ディスパッチャおよび分散処理管理装置
CN105320771A (zh) * 2015-10-31 2016-02-10 南京南瑞继保电气有限公司 基于哈希环的时间序列数据库服务集群的实现方法与系统
WO2018077238A1 (zh) * 2016-10-27 2018-05-03 贵州白山云科技有限公司 一种基于交换机的负载均衡系统及方法
CN107197035A (zh) * 2017-06-21 2017-09-22 中国民航大学 一种基于一致性哈希算法的亲和性动态负载均衡方法
CN108551474A (zh) * 2018-03-26 2018-09-18 南京邮电大学 一种服务器集群的负载均衡方法
CN111858033A (zh) * 2020-06-28 2020-10-30 上海缔安科技股份有限公司 基于集群和多进程的负载均衡方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张开琦;刘晓燕;王信;吉春山;严馨;: "基于动态权重的一致性哈希微服务负载均衡优化", 计算机工程与科学, no. 08 *
曹卫东;孙晓君;周原;王静;: "面向JCF中间件的亲和性动态负载均衡算法", 计算机工程与设计, no. 08 *
李杰;聂云峰;金敏;吴文波;: "基于一致性哈希的Web动态负载均衡算法研究", 软件导刊, no. 08 *
王诚;李奇源;: "基于贪心算法的一致性哈希负载均衡优化", 南京邮电大学学报(自然科学版), no. 03 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114143320A (zh) * 2021-09-01 2022-03-04 浪潮云信息技术股份公司 一种基于分布式数据库的数据网关方法及系统
CN114584552A (zh) * 2022-02-28 2022-06-03 西安交通大学 面向分布式ct文件传输的调度方法、系统、设备及介质
WO2023165105A1 (zh) * 2022-03-04 2023-09-07 深圳海星智驾科技有限公司 负载均衡控制方法、装置电子设备、存储介质和计算机程序
CN115002124A (zh) * 2022-08-01 2022-09-02 太极计算机股份有限公司 分布式任务调度处理方法、装置和设备

Also Published As

Publication number Publication date
CN112817752B (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
CN112817752B (zh) 一种分布式数据库动态负载均衡方法
CN110336736B (zh) 基于mqtt服务器集群实现共享订阅的方法
Zhang et al. A Scalable Publish/Subscribe Broker Network Using Active Load Balancing
US20070088703A1 (en) Peer-to-peer auction based data distribution
CN111277629A (zh) 一种基于高可用性的web高并发系统及方法
WO2023050901A1 (zh) 一种负载均衡方法、装置、设备、计算机存储介质和程序
WO2021098407A1 (zh) 基于mec的服务节点分配方法、装置及相关服务器
WO2004092869A2 (en) Data matrix method and system for distribution of data
WO2020192649A1 (zh) 一种数据中心管理系统
CN110888735A (zh) 基于一致性哈希的分布式消息分发方法、装置和调度节点
CN110601994A (zh) 云环境下微服务链感知的负载均衡方法
WO2021120633A1 (zh) 一种负载均衡方法及相关设备
US20110153826A1 (en) Fault tolerant and scalable load distribution of resources
CN107277144B (zh) 一种分布式高并发云存储数据库系统及其负荷均衡方法
US20140222959A1 (en) Maximizing data transfer through multiple network devices
CN105282045B (zh) 一种基于一致性哈希算法的分布式计算和储存方法
CN108259605B (zh) 一种基于多数据中心的数据调用系统及方法
Guo Aggregating uncertain incast transfers in BCube-like data centers
Ke et al. Load balancing using P4 in software-defined networks
Reddy et al. Effects of storage heterogeneity in distributed cache systems
CN107528884B (zh) 一种聚合服务器的用户请求处理方法和装置
CN112860384A (zh) 一种面向多维资源负载均衡的vnf复用和迁移方法
Han et al. A dynamic message-aware communication scheduler for Ceph storage system
CN111294383A (zh) 物联网服务管理系统
Furuya et al. Load balancing method for data management using high availability distributed clusters

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