基于预测模型及独立训练节点的负载均衡策略
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Load Balancing Strategy Based on Predictive Model and Independent Training Nodes
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    随着业务量、用户量的增大,提高服务器集群的效率变得越来越重要.本文使用机器学习算法,通过对历史数据进行训练得到响应时间预测模型,来预测新请求的响应时间,根据每个服务器节点的预估响应时间将请求分配给具有最少响应时间的服务器节点,从而提高集群中请求分配的均衡性,提高集群的效率.本文通过对三种机器学习算法的实验,均表明本策略能降低小集群高并发场景中系统的平均响应时间.

    Abstract:

    As business and users increase, it becomes more and more important to improve the efficiency of server clusters. In this study, the machine learning algorithm is used to predict the response time of new requests by training the historical data. According to the estimated response time of each server node, the request is allocated to the server node with the least response time. The balanced allocation of requests in a cluster has been improved and improves the efficiency of the cluster. In this study, experiments on three kinds of machine learning algorithms show that this strategy can reduce the average response time of system in small-scale high-concurrency clusters.

    参考文献
    相似文献
    引证文献
引用本文

陈大才,吕立,高岑,孙咏.基于预测模型及独立训练节点的负载均衡策略.计算机系统应用,2018,27(9):220-223

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2018-01-07
  • 最后修改日期:2018-02-09
  • 录用日期:
  • 在线发布日期: 2018-08-17
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号