|本期目录/Table of Contents|

[1]张娜,董亮亮,金瑜婷,等.基于改进布谷鸟搜索的Web集群自适应负载均衡算法[J].浙江理工大学学报,2020,43-44(自科四):529-534.
　ZHANG Na,DONG Liangliang,JIN Yuting,et al.Adaptive load balancing algorithm in web cluster based on improved cuckoo search[J].Journal of Zhejiang Sci-Tech University,2020,43-44(自科四):529-534.
点击复制

基于改进布谷鸟搜索的Web集群自适应负载均衡算法()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第43-44卷
期数:
2020年自科四期
页码:
529-534
栏目:
出版日期:
2020-07-10

文章信息/Info

Title:
Adaptive load balancing algorithm in web cluster based on improved cuckoo search
文章编号:
1673-3851 (2020) 07-0527-08
作者:
张娜; 董亮亮; 金瑜婷; 包晓安; 吴彪
1.浙江理工大学信息学院，杭州 310018；2.日本山口大学东亚研究科，日本山口 753-8514
Author(s):
ZHANG Na;  DONG Liangliang;  JIN Yuting;  BAO Xiaoan;  WU Biao
1. School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China; 2. Department of East Asian Studies, Yamaguchi University, Yamaguchi 7538514, Japan
关键词:
布谷鸟搜索; 反向学习; 负载均衡; 混沌变异; Web集群
分类号:
TP311-52
文献标志码:
A
摘要:
为了解决Web集群中的高并发访问和资源异构引发的负载不均衡问题，提出了一种基于改进布谷鸟搜索的负载均衡算法。该算法建立了自适应负载分配权重模型，使用基于目标函数的布谷鸟搜索算法寻找最优权重。首先，根据集群任务调度特性定义了负载分配权重，并建立了集群调度的目标函数。其次，将负载分配权重编码为布谷鸟种群个体，使用布谷鸟搜索算法寻找最优个体，结合目标函数进行评估。另外，通过混沌变异增加初始种群的均匀度和离散度，并通过在布谷鸟搜索中引入反向学习，加速了最优权重的输出，根据最优权重将任务调度至集群中的各节点。结果表明：负载均衡算法使得整个集群的服务响应时间降低60%左右，在高并发请求情况下可显著提高异构集群的服务容量和负载均衡度。

参考文献/References:

［1］ 王嘉豪, 蔡鹏, 钱卫宁, 等. 集群数据库系统的日志复制和故障恢复［J］. 软件学报, 2017, 28(3):476-489.
［2］ 蔡嵩, 张建明, 陈继明, 等. 云计算环境中基于朴素贝叶斯算法的负载均衡技术［J］. 计算机应用, 2014, 34(2):360-364.
［3］ 王文博, 叶庆卫, 周宇, 等. 基于排队论综合指标评估的动态负载均衡算法［J］. 电信科学, 2018, 34(7):86-91.
［4］ Li S, Wang F, Xiao B J, et al. Study of load balancing technology for EAST data management［J］. Fusion Engineering and Design, 2014, 89(5):750-753.
［5］ Sun D H, Zhu Q. Comparison and improvement of load balance scheduling algorithm based on cluster technology［J］. WIT Transactions on Engineering Sciences, 2014, 92:67-74.
［6］ 郑浩, 李宁, 杨小涛. 自适应负载指标权值的负载均衡算法［J］. 计算机工程与设计, 2019, 40(3):623-626.
［7］ Yang X S, Deb S. Cuckoo search via lévy flights［C］//2009 World Congress on Nature & Biologically Inspired Computing (NaBIC). Coimbatore, India: IEEE, 2009:210-214.
［8］ Yang X S, Deb S. Engineering optimisation by cuckoo search［J］. International Journal of Mathematical Modelling and Numerical Optimisation, 2010, 1(4):330-343.
［9］ Yang X S, Deb S. Multiobjective cuckoo search for design optimization［J］. Computers & Operations Research, 2013, 40(6): 1616-1624.
［10］ 战非, 张少茹. 适应云计算的混沌布谷鸟算法应用优化研究［J］. 控制工程, 2017, 24(7):1486-1492.

备注/Memo

备注/Memo:
收稿日期：2019-11-28
网络出版日期： 2020-03-05
基金项目：浙江省重点研发计划项目（2019C03G2060359）；浙江省自然科学基金青年基金项目（Q20F050032）；浙江省公益技术研究计划项目（GG20F010028）
更新日期/Last Update: 2020-07-06