分布式系統(tǒng)中的主機負載預測與動態(tài)負載均衡研究.pdf

1、動態(tài)負載均衡是網絡計算的關鍵技術,如何提高動態(tài)負載均衡的性能,一直是網絡計算人員研究的一個熱點.傳統(tǒng)的動態(tài)負載均衡方法總是收集結點負載的實時值作為任務在各結點分配的依據(jù),但這種方法會產生決策時延,造成進程抖動現(xiàn)象,使均衡系統(tǒng)的性能大大下降.如果我們能準確地衡量和預測結點的負載,并結合負載均衡策略,將有效解決以上問題,大大提高網絡計算的性能.基于這種思想,本文運用數(shù)學、統(tǒng)計學、人工智能學等多學科的知識建立了多種預測主機負載的預測模型,主要

2、包括傳統(tǒng)的線性時間序列模型、特殊的自我平衡及趨勢預測時間序列模型、神經網絡BP模型.本文通過實驗評估比較了這些預測模型的預測性能,獲得了各預測模型的優(yōu)劣,從中選擇了具有較佳預測性能的時間序列AR、混合趨勢預測MT、神經網絡BP三種預測模型構建了預測模型模板庫.在獲得良好預測模型的基礎上,本文建立了HLPS(Host Load Prediction System)模型體系,并開發(fā)了應用于LINUX分布式環(huán)境的HLPS軟件包,可以對主機負載

3、進行實時在線預測.然后,本文應用HLPS成果,提出了基于負載預測的任務運行時間預測理論,這和傳統(tǒng)的針對特定應用構建性能模型以預測任務運行時間的方法相比,在預測簡易性、可操作性上有了較大的提高.最后,本文把負載預測和動態(tài)負載均衡有效結合起來,提出了一種高效的基于負載預測的動態(tài)負載均衡算法,該算法使用預測的方法獲得負載信息,并采取了改進型接收者驅動策略.經性能分析和實驗評估,這種方法與傳統(tǒng)的動態(tài)負載均衡方法相比具有一定的優(yōu)越性,有效地提高了