一、服务器集群关键技术的研究与实现(论文文献综述)
徐贇[1](2020)在《基于PSO-GA的LVS集群负载均衡调度算法研究与实现》文中进行了进一步梳理人们的生活和工作与网络紧密相连,网络活动占据日常生活的比重越来越大,由此产生了大量数据。如此多的数据给服务器集群造成了巨大的压力,由此引发了资源分配的问题。资源分配的越合理,集群的处理效率就越高,时延就越低,用户的满意度就越高。因此研究负载均衡问题,具有重要的实际意义。现有的负载均衡算法考虑的因素比较简单,并没有综合考虑服务器负载情况与请求的资源消耗情况。针对这些情况,本文提出了一种基于PSO-GA(Particle Swarm Optimization-Genetic Algorithm)的LVS(Linux Virtual Server)集群负载均衡调度算法,通过构建资源均衡模型与适应度函数来量化不同调度方案将会对集群当前负载产生的影响,再利用PSO-GA算法求解适应度函数以获得最优权值。负载均衡器按照此权值调度请求,从而实现Linux虚拟服务器集群负载均衡。本文的主要工作如下:1.从请求的资源消耗情况与服务器节点的实时负载情况两个方面出发,建立资源均衡模型,并以资源均衡模型为基础设计了适应度函数。2.在粒子群算法的基础上引入遗传算法的变异思想,形成PSO-GA算法。本文适当调整了PSO-GA算法的惯性权重,设计了淘汰机制剔除极差个体,并控制变异率的变化。利用Matlab对PSO-GA算法进行了仿真测试。3.在服务器集群上实现整个负载均衡算法框架。本文编写了负载信息采集模块与通信模块,实现节点负载信息采集与传递,编写了PSO-GA计算模块和权值传递模块,实现权值的计算和传递,编写了调度模块,实现权值的应用。4.在服务器集群上测试了新的负载均衡算法。测试结果表明,在并发量较大的情况下,本文的负载均衡算法比其它三种负载均衡算法在吞吐量、响应时延与请求错误率三个方面表现得更好,在资源利用率方面也更均衡。
吴宝花[2](2020)在《基于Nginx的服务器集群负载均衡策略研究与优化》文中提出随着互联网用户数量飞速增长,网站和应用系统的Web资源访问量也随着急剧上升,庞大的Web资源访问量给服务器造成巨大的性能压力,用户的高并发访问需求很容易造成服务器性能瓶颈。单台服务器无法承受大规模的并发访问和数据流量,而服务器集群是由多台服务器构成,可以通过负载均衡策略将任务均衡地分发到多台服务器设备上处理,减少用户请求响应时间,从而提升用户上网体验。Nginx作为一款高性能的Web服务器,常用于代理服务、负载均衡和Web缓存,实现负载均衡是Nginx服务器反向代理服务的一个关键应用。本文对Nginx支持的负载均衡算法进行分析研究,并基于Nginx加权轮询负载均衡算法提出一种基于后端服务器实时负载的动态负载均衡算法。该算法采用改进的层次分析-熵权法确定各项负载指标的权系数,用于衡量各项负载指标对负载评价影响的重要程度,周期性收集后端服务器负载信息,使用设定的阈值判断集群负载是否均衡,如果集群负载不均衡,则根据后端服务器的实时负载情况对服务器权重进行修改。本文选取请求响应时间和吞吐率作为服务器性能指标的评价信息,采用Siege性能测试工具对加权轮询算法、iphash和动态负载均衡算法进行性能测试。通过分析性能测试结果验证本文提出的动态负载均衡算法的可行性和有效性。
李晓东[3](2020)在《支持高并发的社交系统的研究与开发》文中研究表明随着互联网的高速发展,人们已不满足于在生活中与朋友分享自己的所见所闻,而是更希望在互联网中分享自己的生活乐趣以结交更多的朋友。因此,很多互联网公司都在搭建属于自己的社交平台以吸引更多的用户。但是,随着用户量的快速增长,系统的访问量也会出现大量的增长,传统的单机应用就会出现响应时间过长甚至服务组件崩溃的问题。对于一些大型互联网公司而言,它们已经具备了一定的高并发处理经验,可以有效的解决高并发问题。但是这些方法由于经验与资金的限制并不适合小型互联网公司模仿。因此,为了满足这些小型互联网公司的需求,本文设计并实现了一款支持高并发的社交系统。本系统主要采用了分层架构和分布式理念的开发思想,将系统划分成了负载均衡层、服务层和数据持久层的三层架构。负载均衡层主要采用LVS、Keepalived、Nginx的组合实现负载均衡层的高可用性。为了提高Nginx请求分发的效果,本文设计并实现了一种基于Nginx加权轮询算法和最小连接数算法的改进动态负载均衡策略,该算法需要实时收集各服务器的节点的性能指标并使用层次分析法确定各性能指标的权系数,然后结合各服务器节点的请求响应时间和实时连接数计算各服务器节点的权值,提高了Nginx负载均衡的效率。服务层主要采用了Spring+Spring MVC+My Batis的架构进行开发,采用Dubbo和Zookeeper对各功能模块服务进行分布式治理,将每个服务进行解耦,采用Active MQ对消息进行异步处理。数据持久层采用My SQL作为核心组件,并使用Mycat数据库中间件实现Mysql集群之间的数据同步、读写分离等功能,保证数据库之间的故障切换,提高数据库集群的可用性。除此之外,搭建Redis集群处理一些热点数据的写入与读取,缓解My SQL数据库的读写压力,使用Elasticsearch分布式搜索引擎提高数据的搜索速度。为了保证本系统的实际应用,本文对系统分别进行了功能测试、高可用测试和压力测试。测试结果表明,本系统功能基本满足用户需求,具有高可用性,可以支持高并发请求访问。
姚孝珍[4](2020)在《云平台下基于MooseFS的网盘系统架构及关键技术的设计与实现》文中研究说明近年来随着信息传播的方式的转变,互联网中存储的数据日益增多,基于云计算的分布式云存储系统成为时下研究和实现的热门领域。不少企业和机构都相继研发和实现适合自己存储需要的云网盘系统。所以在云平台的环境下为企业设计和研发一款云网盘系统的需求也应运而生。由于MooseFS分布式文件系统适合海量小文件的上传和下载功能,并且具备FUSE,所以本文的云网盘系统基于MooseFS来设计和实现。本文在云平台环境下基于MooseFS研发了一个网盘系统,开始先引入关于云网盘技术的概念,接下来介绍一些与网盘关联的关键技术,例如云网盘挂载技术、加密技术、文件过滤驱动技术、MooseFS源码的组织和结构、单点故障问题等。随后本文在深入研究MooseFS源码的基础上,经过在其原本的代码结构上加入新的模块和函数,为MooseFS引入一个实时备份的备份服务器,并在备份服务器内存中维护一份跟主服务器一模一样的数据存储信息,当主服务器产生宕机时,用备份服务器替换当前的主服务器,备份服务器不用再将磁盘中的数据加载到内存中,便可以快速的通过备份服务器提供和原来一模一样的存储服务。在提供了基于MooseFS的相对可靠的容灾备份机制以后,研发了客户端部分和加密传输部分。客户端模块采用单点登陆的认证模式,用户只需要进行一次身份认证流程以后认证任务便可以统统的交由口令系统来处理,此模式极大的简便了用户的操作步骤,提高了用户体验。加密传输模块利用基于SMB协议实现的Samba软件来实现数据共享,本文在仔细研究SMB协议的传输机制以后,提出了基于两次身份验证以及文件加密的安全传输模块。传统的Samba文件共享技术虽然是在局域网内实现文件共享,但是还是存在文件被非法窃取的风险,通过使用上面改进的加密传输方式,提升了文件在传输通道上的安全性,并且文件加解密操作相对于使用者是不可感知的,不会影响使用者的任何操作。紧接着,对上面基于三个模块研发的云网盘进行两方面的测试,由测试结果可知,该优化后的网盘系统具备正常的文件操作功能,拥有更可靠快速的容灾备份能力以及更加安全的文件传输过程,适合用于提供云平台下企业的存储服务。
崔志斌[5](2020)在《面向智能网联汽车的云数据平台的设计与实现》文中研究说明随着自动驾驶技术的发展,智能车的单车智能化水平也变得越来越高。但是在智能车自动驾驶等级提升的过程中,单车智能化的提升仍不能有效解决诸如全局交通智能规划调度、超视距感知等一系列高阶自动驾驶过程中需要实现的功能。将智能车与云计算技术相结合研发云控平台是发展高阶自动驾驶技术切实可行的方案。因此,本文对智能网联汽车云平台的开发展开了深入的研究与探索。本文依托智能网联实验室重点项目,针对小型标准化智能网联汽车边缘云平台的快速落地方案展开研究,结合智能网联汽车当前的具体需求和云平台的构建方案进行相关的系统开发和与实验验证,主要的工作内容如下:1.首先分析了智能车在网联化方面的发展态势与智能网联汽车云平台的应用现状。针对智能网联汽车在低时延和高安全性方面的需求,本文提出了一种智能车边缘云平台架构,并在此基础上实现了相应的落地方案——面向智能网联汽车的云数据平台。2.在此基础上,根据车联网场景中边缘云平台的功能需求,针对目前车联网领域中基于边缘云的标准化解决方案较少的情况。本文希望从构建云平台的底层技术入手实现自主可控且可灵活部署的边缘云落地方案。利用主流开源的硬件虚拟化软件Docker与Kubernetes集群管理引擎将实验室的服务器资源进行容器化与有效整合,并在此基础上部署了后续开发所用到的基础容器化软件,为云数据平台具体功能的实现提供了相应的支持,最终构建起边缘云的PaaS层云基础平台。3.针对智能车端数据实时上云、存储和可视化的功能需求在云基础平台中搭建车云通信、云端存储和云端数据可视化三大子系统从而实现边缘云的SaaS功能应用层。其中针对由于网络带宽不足而无法实现视频实时传输与显示的问题,本论文的边缘云方案中采用双通道车云数据传输方案分别将车端的消息数据和图像数据实时回传,经实验验证云端实时视频显示的帧率可达5帧/s以上。相比于中心云车联网方案,本论文提出的边缘云方案在实时性方面有了较大的性能提升。本文设计与实现的智能网联汽车云数据平台是所提出的智能网联汽车边缘云平台架构的可行落地方案。该方案不同于以中心云为核心的车联网解决方案,其更加注重在智能车和中心云之间构建起一个低延迟、高可靠的边缘云平台,为车联网技术在边缘场景中的落地提供了切实可行的方案。
江雨舟[6](2020)在《面向代理缓存集群的负载均衡与缓存管理策略研究》文中研究指明互联网接入数的几何式增长导致了Web服务器负载压力和用户访问时延的增加。代理缓存集群(Proxy Cache Cluster,PCC)是一组具有缓存能力、部署在骨干网边缘且与客户端通过高速局域网互联的代理服务器,将PCC作为客户端与Web服务器的中间件,在缓解Web服务器压力、降低用户访问时延的同时,也引入了负载均衡和缓存管理等新问题,如果不能处理这些问题,就会导致PCC性能降低。为此,本文面向PCC,分别提出基于虚拟节点的有限负载一致性哈希负载均衡策略和基于分代与综合驻留价值的缓存管理策略,主要研究内容如下:1.在有限负载一致性哈希策略中引入虚拟节点可以解决原策略负载均衡性受节点映射分散性影响以及不支持异构PCC的不足。改进策略将缓存节点性能评价指标作为独立信息数据波动赋权法输入,得到缓存节点性能量化值占比,结合随机函数,可为缓存节点生成对应数目的虚拟节点。根据各缓存节点拥有虚拟节点数的最大公约数m,改进策略可将哈希环均分为m段弧,并通过MD5函数将虚拟节点按比例映射到各段弧上。仿真结果表明,该策略在不考虑缓存空间大小限制的情况下,有效地提高了同构和异构PCC的负载均衡性和缓存命中率,降低了骨干网流量消耗和PCC响应时延。2.PCC性能同时还与缓存空间大小有密切关联性。本文提出基于分代与综合驻留价值的缓存管理策略,以在有限缓存空间中提高缓存和字节命中率。该策略将缓存空间进行区间划分,并利用独立信息数据波动赋权法计算各缓存对象综合驻留价值。当缓存区间容量不足时,相应区间的缓存管理机制将被触发,该区间综合驻留价值靠后的缓存对象将被移除或“降级”,其余对象将被“升级”。通过综合测试表明,该策略可保证PCC在空间受限情况下,多种性能指标仍得到有效改善。本文从PCC负载均衡和缓存管理问题出发,分别提出基于虚拟节点的有限负载一致性哈希策略和基于分代与综合驻留价值的缓存管理策略,并搭建了接近于实际工程应用的测试平台进行综合性能测试。测试结果表明,所提策略可有效改善PCC负载均衡性、缓存及字节命中率、骨干网流量消耗和PCC响应时延。
罗保州[7](2019)在《基于SDN的大规模流量调度技术研究》文中指出随着互联网应用和云计算、大数据、人工智能等新型计算模式快速发展,作为现代信息服务基础设施核心的数据中心规模和流量均呈指数级规模增长的趋势,其提供的网络服务种类也复杂多样,因此新架构下的网络流量管理主要面临两方面的问题。一方面,数据中心网络节点之间的多路径特性和数据流的局部性、动态性使得传统的基于等价多路径路由的流量调度机制容易导致链路负载不均衡,大流冲突过多导致网络性能不佳等问题;另一方面,由于传统负载均衡机制的高成本、低扩展性、低灵活性等缺点,导致其在数据中心的底层服务器集群上的应用无法取得很好的流量请求分发效果。本文针对这两方面问题,以提高网络整体服务质量为目标,利用软件定义网络控制平面与数据平面分离、具有全网视图和开放接口以便集中化控制的优势,以基于软件定义网络的数据中心网络数据层的流量调度:路径流量负载均衡、服务请求流量负载均衡这两个方面为核心研究对象,主要包括以下三个方面的内容:(1)针对路径流量负载均衡问题,提出了基于混合遗传模拟退火算法的流量调度机制。首先,引入端服务器处检测机制探测并标记大流,提出利用端服务器网卡带宽的限制设计大流真实带宽需求预测算法,将大流调度问题归约为多背包问题,利用改进的混合遗传模拟退火算法为大流搜索全局最优路径,最后OpenFlow交换机采用分段路由的方式对重路由的大流进行传输。仿真结果表明,该机制在大流较多,流冲突更频繁的网络环境中能够获得更好的调度效果,网络的平均对分带宽、延迟、吞吐量更优。(2)针对服务请求流量负载均衡问题,提出了基于SDN的服务器集群动态负载均衡机制SBDLB。一方面,SBDLB机制通过对传入的流量请求进行流表规则匹配,能够预先匹配下发客户端在未来一段时间所产生的流量请求,减少流表数量,降低控制器和交换机负载;另一方面,SBDLB机制对传入的流量请求依据服务类型进行分类,利用sFlow协议收集服务器集群负载信息,最后设计带动态权值的负载均衡算法进行负载分发。仿真实验结果表明,该机制有利于增加网络吞吐量,降低平均响应时间,加快流量请求的处理速度,并且服务器之间的负载更加均衡,资源利用率更高,最终达到优化网络服务质量的目的。(3)最后,针对以上所提出的流量调度问题解决方案进行了原型系统设计,将二者结合,在开源SDN控制器Floodlight v1.2上进行模块的二次开发,并利用Flask Web框架编写了可视化调度分析系统,实现了一种基于SDN的数据中心网络流量调度原型系统,结合Mininet仿真平台进行实验,证明其能够获得更好的网络性能指标,改善网络服务质量。
郭志伟[8](2019)在《面向高并发的分布式购物平台设计与实现》文中研究表明互联网的迅速发展,同时也带动了国内外电子商务的发展。越来越多的人选择通过电商平台实现商品交易。网络交易量越来越大,无疑给电商平台的体系架构带来了新的挑战。传统的基于SSM框架的集中式架构已经无法满足系统吞吐量和并发量的要求。在大数据量的访问下,如何应对复杂的业务逻辑和突发性的访问峰值,确保电商平台能够给用户提供可靠稳定的服务,就变成了技术上需要解决的问题。为了解决上述问题,本文引入了一款高性能的分布式服务框架Dubbo,通过将其与SSM框架集成来搭建新的电商平台体系架构,从而实现一个支持高并发的、负载均衡的、扩展性强的分布式购物平台。本文的主要研究内容如下:(1)使用分布式服务框架Dubbo集成Spring、SpringMVC,Mybatis框架作为购物平台的整体架构,同时使用Zookeeper、Redis、Solr、ActiveMQ、FastDFS、Nginx等技术完成一个支持高负载、高并发的分布式购物平台的设计与开发。(2)为了提高系统的并发性能,本文在使用Nginx做反向代理实现Web端负载均衡的基础上,采用了一种可以动态调节权重的负载均衡算法对Nginx的负载均衡性能进行优化,并使用熵值法来计算该算法中四个核心要素的权重系数,从而进一步提高平台负载均衡的能力和并发性能。(3)基于以上的技术架构和体系,开发了一个集内容管理系统、商城门户、搜索模块、购物车模块、订单模块、商品详情展示模块以及用户模块的功能齐全、面向高并发的分布式购物平台。(4)对平台的功能和性能进行测试,并对比分析了本文使用的可以动态调节权重的负载均衡策略对平台的并发性能和吞吐率所带来的提升效果。测试结果显示,本文所使用的动态负载均衡策略相比Nginx内置的静态负载均衡策略使平台的并发性能提升了17%左右。最后,对本文的工作进行了总结,分析了平台的不足之处以及后续应该改进的方向。
孟令达[9](2019)在《海量时间频率科学数据管理与服务关键技术研究》文中研究指明随着国防、科研、经济社会各行业对高精度时间的依赖不断提升,为提高我国的高精度时间同步服务水平和保障能力,国家先后开展了高精度地基授时系统、国家时间频率体系、空间站时频实验系统等面向服务的基础大科学装置和试验仪器的建设,将时间频率服务纳入基础设施建设,时间频率科学数据将迈入大数据和信息服务时代。海量时间频率科学数据高效管理不仅是实现时间频率科学大数据存储与分析、提供高效时间频率信息服务的基础,更为时间频率科学大数据知识获取和科学发现提供技术支撑。本文从面向服务的角度以海量时间频率科学数据的管理体系、存储与并行处理方法为研究对象,利用云计算和大数据处理技术对面向服务的海量时间频率科学数据管理关键技术展开研究,所作的主要工作及创新点体现在以下几个方面:(1)研究并设计了面向服务的多元海量时间频率科学数据一体化管理模型、技术架构和多样化服务方式:针对独立建设的时频科学数据管理系统在管理规范、数据标准等方面多样差异,造成数据管理复杂、数据使用困难、数据产品单一问题。结合时间频率科学大数据特征和面向服务的应用需求,构建了数据管理标准体系和原型系统。采用面向服务体系架构的设计理念和松耦合特性,综合运用多种数据存储管理和分析方法,设计了面向服务的多元海量时间频率科学数据一体化管理模型、技术架构和多样化服务方式,并对其中的关键技术进行了改进,进而实现海量时间频率科学数据高效管理。(2)研究了海量时间频率科学数据非结构化、半结构化及时序化,多数据结构并存的数据存储管理方法:针对海量时间频率科学数据多数据结构并存的特点,结合面向服务的海量历史数据快速查询和在线数据实时读写的应用场景。研究了基于“分布式文件系统+分布式列数据库+时间序列数据库”的组合存储管理和表设计方法,解决时频科学数据传统集中式、统一存储效率低、扩展复杂问题。同时根据时间频率科学数据中文件数多、数据量小和关联分析特点,提出了采用小文件聚合和考虑数据关联性的多副本哈希时频数据分布算法,进一步提高了时频科学数据存储管理效率和存储资源利用率。(3)研究了分布式并行编程框架下海量历史数据离线并行分析方法:针对海量历史时间频率科学数据离线分析中数据量与计算量大导致传统时频分析模式计算效率低或无法计算问题,研究了基于Map Reduce并行编程框架的分布式并行分析方法。根据时频分析算法中多阶滑动差分特征,提出时频科学数据分段和矩阵分块法,在优化时频分析算法的同时实现了时间间隔误差和频率源钟差模型参数并行化计算,并对算方法性能进行测试。结果表明本文提出的并行化海量离线时频分析方法有效解决数据量大、计算复杂时传统单机无法有效计算问题。(4)针对面向服务应用交互频繁、高实时性的海量时间频率科学数据分析问题,研究了基于Spark内存并行计算框架的海量时间频率科学数据实时分析方法。实现了基于Spark并行化的Allan、MTIE计算方法,同时针对时频分析中典型的测量数据粗差剔除问题,开展了基于光纤时间比对的溯源钟差粗探测方法(ODTD)研究并实现了Spark-ODTD。通过实验验证了算法有效性与性能优势。(5)针对高精度地基授时系统、国家时间频率体系等重大科学工程以及时频用户对远程高精度时间比对、同步和溯源服务需求。采用本文提出的数据管理体系和相关技术与方法,对传统卫星共视远程时间比对系统的系统架构、数据存储与处理方法和服务模式进行优化。设计并实现的云服务原型系统可通过动态扩展支持10000台终端设备业务数据在线处理、交互以及1000个用户的在线访问。本论文的研究将进一步提升时间频率科学数据标准化管理水平,为面向服务的时频时间频率科学发展和应用提供标准化数据和技术支撑。解决目前海量时间频率科学数据存储管理效率低、数据分析困难或无法计算的问题。同时本文的海量数据存储和并行分析技术,为国家时间频率体系、高精度地基授时系统等重大科学工程建设分布式时间频率数据中心架构设计提供解决途径,为时间频率科学大数据知识获取和科学发现奠定基础。
李亚非[10](2019)在《高并发WEB服务器集群负载均衡器的设计与实现》文中提出在互联网时代,个人电脑以及手持设备普及程度越来越高,这样就使得对于信息的快速处理和设备之间的交互的需求日益增长。为了满足这种增长需求,不仅要考虑到服务的安全可靠,也要考虑到服务的及时响应,所以这就给现存的服务器提出了越来越高的要求。研究负载均衡技术显得尤为重要,而Nginx作为具有高性能的HTTP和反向代理服务器,已经在很多研究者为了解决服务器高负载的课题中收到了青睐。本文首先介绍了Web服务器集群和Nginx的相关技术,重点分析了Nginx系统模块架构以及进程工作原理,以及对于Nginx自带的加权轮询算法、最少连接数、IPHASH算法和URLHASH算法进行有优劣比较。针对它们的缺点,在Nginx原加权轮询算法的基础上提出了通过在过去一段时间内大量的集群服务器节点的资源利用率和对于请求的响应时间作为参数,再根据层次分析法分析不同参数的比重,最后构建综合负载权重计算函数。对综合负载权重构建矩阵,将服务器集群总体的平均综合负载权重作为阈值作为是否启动修改有效权重的第一条件,动态地将服务器负载信息引入到Nginx原加权轮询对各服务器地权重修改过程中,从而实现了动态自适应地负载均衡策略,提高系统地平均响应时间和吞吐量,增强了系统性能。最后,设计了对比试验,对Nginx原有加权轮询策略以及本文所提出动态策略进行一系列性能方面的测试。实验结果表明,在负载较高的情况下,本文所提出的负载均衡策略具有明显的优势,在负载较低的情况下,两种策略算法性能差异不大。本文所提出的动态负载均衡策略有如下几个特点:(1)对服务器的性能参数进行收集,参数包括各CPU、网络带宽占用率、内存使用情况等。分析用户请求类型,采用层次分析法获取负载函数的权向量,构建综合负载权值评估函数,根据评估函数来对节点进行权重方面的赋值,这样使得赋值更具科学性,相比于固定式权重,本文提出的动态策略能对实时数据情况有更好的考量。(2)可以动态地调节权重,当判断需要对权值进行修改时,系统会设定一个阈值,作为启动修改权重流程的临界值,然后系统会根据搜集最近一段时间内集群所有后端服务器集群中各节点在处理请求的综合负载权值构建矩阵,计算出方差,它反映了该节点的负载情况,并将该方差对结点的有效权重进行动态更新。
二、服务器集群关键技术的研究与实现(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、服务器集群关键技术的研究与实现(论文提纲范文)
(1)基于PSO-GA的LVS集群负载均衡调度算法研究与实现(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 服务器集群的研究现状 |
1.2.2 负载均衡的研究现状 |
1.3 论文的研究内容 |
1.4 论文的组织结构 |
1.5 本章小结 |
第2章 LVS相关技术分析 |
2.1 LVS集群结构 |
2.2 LVS中 IPVS技术 |
2.3 负载均衡调度算法要素 |
2.4 权值计算问题分析 |
2.5 本章小结 |
第3章 基于PSO-GA的 LVS集群负载均衡调度算法 |
3.1 调度算法模型及整体流程 |
3.2 资源均衡模型的建立与适应度函数设计 |
3.2.1 服务器节点负载的度量 |
3.2.2 资源均衡模型的建立 |
3.2.3 适应度函数的设计 |
3.3 编码方案的确定与染色体的设计 |
3.4 PSO-GA算法的设计与仿真 |
3.4.1 粒子群算法与遗传算法原理分析 |
3.4.2 PSO-GA算法的设计思路 |
3.4.3 PSO-GA算法的仿真 |
3.5 本章小结 |
第4章 LVS集群搭建及调度算法实现 |
4.1 LVS集群搭建 |
4.1.1 配置负载均衡器 |
4.1.2 配置服务器节点 |
4.2 调度算法实现框架 |
4.3 主要功能模块设计与实现 |
4.3.1 节点负载信息采集模块设计与实现 |
4.3.2 负载均衡器与节点通信模块设计与实现 |
4.3.3 PSO-GA计算模块设计与实现 |
4.3.4 调度模块设计与实现 |
4.3.5 权值传递模块设计与实现 |
4.4 本章小结 |
第5章 测试结果与分析 |
5.1 测试环境搭建 |
5.1.1 测试平台网络拓扑结构 |
5.1.2 部署Tomcat |
5.1.3 测试环境介绍 |
5.2 测试工具与测试步骤 |
5.3 信息采集周期对集群的影响 |
5.4 测试结果分析 |
5.4.1 响应时延 |
5.4.2 吞吐量 |
5.4.3 请求错误率 |
5.4.4 资源利用率均方差 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 工作总结 |
6.2 未来展望 |
致谢 |
参考文献 |
攻读硕士学位期间从事的科研工作及取得的贡献 |
(2)基于Nginx的服务器集群负载均衡策略研究与优化(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 Nginx研究现状 |
1.2.2 负载均衡研究现状 |
1.3 主要研究内容 |
1.4 论文结构 |
第2章 相关技术概述 |
2.1 计算机集群 |
2.1.1 集群技术分类 |
2.2 负载均衡 |
2.2.1 负载均衡概念 |
2.2.2 负载均衡分类 |
2.2.3 负载均衡实现方式 |
2.3 本章小结 |
第3章 Nginx服务器研究 |
3.1 Nginx服务器介绍 |
3.2 Nginx服务器负载均衡策略 |
3.3 Nginx服务器架构 |
3.3.1 Nginx模块化结构 |
3.3.2 Nginx事件驱动模型 |
3.3.3 Nginx服务器整体架构 |
3.4 Nginx配置文件结构 |
3.5 本章小结 |
第4章 动态负载均衡算法研究与实现 |
4.1 负载评价函数 |
4.2 负载信息收集以及权重修改阈值设计 |
4.3 基于改进的层次分析-熵权法权系数计算 |
4.3.1 层次分析法确定负载权系数 |
4.3.2 熵权法确定权系数 |
4.3.3 最小二乘法组合优化层次分析-熵权法 |
4.4 Nginx加权轮询算法 |
4.5 动态负载均衡算法的实现 |
4.6 本章小结 |
第5章 性能测试与结果分析 |
5.1 性能测试概述 |
5.2 测试工具 |
5.3 服务器性能指标 |
5.4 测试环境 |
5.4.1 Nginx安装与配置 |
5.4.2 测试环境软硬件配置 |
5.5 测试结果与分析 |
5.6 本章小结 |
第6章 总结与展望 |
6.1 本文总结 |
6.2 未来研究展望 |
致谢 |
参考文献 |
(3)支持高并发的社交系统的研究与开发(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 服务器集群技术 |
1.2.2 数据库技术 |
1.3 论文研究内容及主要工作 |
1.4 论文组织结构 |
第2章 关键技术研究 |
2.1 负载均衡及关键技术 |
2.1.1 负载均衡分类 |
2.1.2 负载均衡技术 |
2.1.3 常用负载均衡软件 |
2.1.4 常用负载均衡算法 |
2.2 服务层相关技术 |
2.2.1 SSM框架 |
2.2.2 Dubbo分布式服务中间件 |
2.3 数据持久层相关技术 |
2.3.1 Redis缓存 |
2.3.2 Mycat数据库中间件 |
2.3.3 Elasticsearch分布式搜索引擎 |
2.4 本章小结 |
第3章 Nginx动态负载均衡策略设计与实现 |
3.1 改进动态负载均衡策略设计 |
3.1.1 改进动态负载均衡算法设计 |
3.1.2 改进动态负载均衡模块设计 |
3.2 改进动态负载均衡策略实现 |
3.2.1 负载信息收集模块实现 |
3.2.2 负载信息处理模块实现 |
3.2.3 权值修改模块实现 |
3.3 改进动态负载均衡策略测试 |
3.3.1 实验环境搭建 |
3.3.2 实验方法及结果分析 |
3.4 本章小结 |
第4章 社交系统的需求分析与整体设计 |
4.1 需求分析 |
4.1.1 系统功能性需求 |
4.1.2 系统非功能性需求 |
4.2 系统总体架构设计 |
4.3 各模块详细设计 |
4.3.1 用户模块设计 |
4.3.2 文章模块设计 |
4.3.3 微博模块设计 |
4.3.4 社交模块设计 |
4.3.5 后台管理模块设计 |
4.4 数据库设计 |
4.5 本章小结 |
第5章 社交系统的功能与架构实现 |
5.1 前台系统实现 |
5.1.1 用户模块实现 |
5.1.2 文章模块实现 |
5.1.3 微博模块实现 |
5.1.4 社交模块实现 |
5.2 后台管理系统实现 |
5.3 高并发架构搭建 |
5.3.1 负载均衡层实现 |
5.3.2 数据持久层实现 |
5.4 本章小结 |
第6章 社交系统的整体测试 |
6.1 测试环境 |
6.1.1 硬件环境 |
6.1.2 软件环境 |
6.2 社交系统功能测试 |
6.3 社交系统高并发架构测试 |
6.3.1 负载均衡层高可用测试 |
6.3.2 数据持久层高可用测试 |
6.4 社交系统压力测试 |
6.5 本章小结 |
结论 |
参考文献 |
攻读硕士期间所获得的研究成果 |
致谢 |
(4)云平台下基于MooseFS的网盘系统架构及关键技术的设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 项目背景与意义 |
1.2 国内外发展现状 |
1.3 论文主要研究内容 |
第二章 相关理论及技术 |
2.1 云存储技术知识 |
2.1.1 云存储的定义 |
2.1.2 云存储与传统存储的对比 |
2.1.3 云存储的技术特点 |
2.2 MOOSEFS分布式文件系统 |
2.2.1 MooseFS的体系架构 |
2.2.2 MooseFS的工作原理 |
2.2.3 MooseFS的优缺点 |
2.3 云盘挂载技术 |
2.4 加密技术 |
2.4.1 对称加密算法 |
2.4.2 非称加密算法 |
2.5 文件过滤驱动技术 |
2.6 本章小结 |
第三章 云网盘系统需求分析与设计 |
3.1 需求分析 |
3.1.1 功能需求分析 |
3.1.2 性能需求分析 |
3.2 系统总体设计 |
3.2.1 架构设计 |
3.2.2 功能模块总体设计 |
3.3 客户端模块设计 |
3.3.1 认证模块设计 |
3.3.2 网盘挂载模块设计 |
3.4 传输通道模块设计 |
3.4.1 Samba加密传输模块设计 |
3.4.2 文件组合加密设计 |
3.5 服务端模块设计 |
3.5.1 热备的存储集群模块设计 |
3.5.2 实时监控模块设计 |
3.6 本章小结 |
第四章 基于MOOSEFS的云网盘系统的实现 |
4.1 客户端模块实现 |
4.1.1 认证模块实现 |
4.1.2 网盘挂载模块实现 |
4.2 传输通道模块实现 |
4.2.1 Samba加密传输模块实现 |
4.2.2 文件过滤驱动模块的实现 |
4.2.3 文件加解密模块的实现 |
4.3 热备的存储集群的实现 |
4.3.1 基于MooseFS源码的改造方案 |
4.3.2 数据信息存储文件和日志文件下载实现 |
4.3.3 元数据加载的实现 |
4.3.4 日志同步和日志回放实现 |
4.3.5 块信息汇报与更新实现 |
4.4 实时监控模块的实现 |
4.4.1 日志监控的实现 |
4.4.2 服务器集群监控的实现 |
4.5 本章小结 |
第五章 系统测试 |
5.1 测试环境部署 |
5.1.1 环境准备 |
5.1.2 搭建节点 |
5.2 系统测试与分析 |
5.2.1 功能测试 |
5.2.2 性能测试 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 进一步展望 |
致谢 |
参考文献 |
(5)面向智能网联汽车的云数据平台的设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 智能车网联化的发展趋势 |
1.2.2 车联网边缘云的研究现状 |
1.2.3 智能网联汽车云控平台的应用现状 |
1.3 研究内容 |
1.4 本文组织架构 |
第二章 智能车云数据平台相关技术 |
2.1 引言 |
2.2 云计算技术 |
2.3 智能网联车云平台 |
2.3.1 智能网联车云平台架构 |
2.3.2 智能网联云端数据处理架构 |
2.4 云计算技术与智能网联汽车的关系 |
2.5 本章小结 |
第三章 智能车云数据平台基础架构设计 |
3.1 引言 |
3.2 需求与可行性分析 |
3.2.1 云平台需求分析 |
3.2.2 构建云平台的可行性分析 |
3.3 云数据平台的总体架构设计 |
3.3.1 云数据平台的层次化网络架构 |
3.3.2 智能车端的任务需求与系统设计 |
3.3.3 云数据平台的任务需求与系统设计 |
3.3.4 智能网联汽车云数据平台的架构优势 |
3.4 私有云平台PAAS层环境的构建 |
3.4.1 基于Docker技术实现硬件平台的虚拟化 |
3.4.2 基于Kubernetes实现私有云集群 |
3.4.3 基础云平台中容器化应用的部署 |
3.5 私有云平台功能子系统的设计 |
3.5.1 车云通信子系统的设计 |
3.5.2 云端存储子系统的设计 |
3.5.3 云端数据可视化子系统的设计 |
3.6 本章小结 |
第四章 云数据平台SAAS功能应用层的实现 |
4.1 引言 |
4.2 智能车端上云数据分析 |
4.3 云数据平台的车云通信子系统的实现 |
4.3.1 车云通信子系统的实现难点 |
4.3.2 云数据平台车云通信子系统的实现 |
4.4 云数据平台的存储子系统的实现 |
4.4.1 智能车运行数据库的设计与实现 |
4.4.2 智能车端消息数据与图像数据的存储 |
4.5 云数据平台数据可视化子系统的实现 |
4.5.1 云端数据可视化子系统的实现难点 |
4.5.2 云端数据可视化实现原理 |
4.5.3 Web UI界面的前端实现 |
4.5.4 Web UI界面的后端实现 |
4.6 本章小结 |
第五章 云数据平台的实验验证 |
5.1 引言 |
5.2 智能车云数据实验平台介绍 |
5.2.1 实验场景设置 |
5.2.2 实验设备介绍 |
5.3 智能车云数据平台性能测试与功能验证 |
5.3.1 云数据平台连接压力性能测试 |
5.3.2 车云通信功能的验证 |
5.3.3 数据上云后处理功能的验证 |
5.3.4 数据云端可视化功能的验证 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 本文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
附录 |
(6)面向代理缓存集群的负载均衡与缓存管理策略研究(论文提纲范文)
摘要 |
abstract |
注释表 |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 代理缓存集群技术 |
1.2.2 负载均衡策略 |
1.2.3 缓存管理策略 |
1.3 论文主要研究内容及结构 |
第2章 面向代理缓存集群关键技术及架构 |
2.1 代理缓存集群 |
2.1.1 缓存概述 |
2.1.2 集群概念及分类 |
2.1.3 代理缓存集群概念 |
2.2 适用于代理缓存集群的负载均衡策略 |
2.2.1 跳跃哈希策略 |
2.2.2 Rendezvous哈希策略 |
2.2.3 一致性哈希策略 |
2.2.4 有限负载一致性哈希策略 |
2.3 常用缓存管理策略 |
2.4 面向代理缓存集群的负载均衡与缓存管理策略 |
2.5 本章小结 |
第3章 基于虚拟节点的有限负载一致性哈希策略 |
3.1 相关定义 |
3.1.1 负载均衡度 |
3.1.2 缓存命中率 |
3.1.3 PCC响应时间 |
3.1.4 骨干网流量消耗 |
3.1.5 节点连接数 |
3.2 虚拟节点 |
3.3 基于虚拟节点的有限负载一致性哈希策略 |
3.3.1 独立信息数据波动赋权法计算缓存节点权值 |
3.3.2 虚拟节点配置 |
3.3.3 缓存节点负载上限设置 |
3.3.4 CHWBLVN策略工作流程 |
3.4 CHWBLVN仿真与分析 |
3.4.1 仿真环境 |
3.4.2 负载均衡性仿真分析 |
3.4.3 负载均衡自恢复性仿真分析 |
3.4.4 缓存命中率仿真分析 |
3.4.5 骨干网流量消耗和PCC响应时间仿真分析 |
3.5 本章小结 |
第4章 基于分代与综合驻留价值的缓存管理策略 |
4.1 相关定义 |
4.1.1 缓存对象价值影响因素 |
4.1.2 缓存性能评价指标 |
4.2 缓存对象综合驻留价值计算 |
4.3 面向对象语言的分代垃圾回收机制 |
4.4 基于分代与综合驻留价值的缓存管理策略设计 |
4.5 CMSGCRV仿真与分析 |
4.5.1 仿真环境 |
4.5.2 缓存对象价值影响因素权值计算 |
4.5.3 各区缓存对象分布 |
4.5.4 缓存命中率 |
4.5.5 字节命中率 |
4.5.6 骨干网流量消耗和PCC响应时间 |
4.6 本章小结 |
第5章 测试与验证 |
5.1 测试环境搭建 |
5.1.1 Web服务器 |
5.1.2 代理缓存集群 |
5.1.3 负载均衡器 |
5.2 负载均衡和缓存管理策略集成测试 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(7)基于SDN的大规模流量调度技术研究(论文提纲范文)
摘要 |
abstract |
专用术语注释表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 基于SDN的数据中心网络流量调度技术研究现状 |
1.2.2 基于SDN的服务器集群负载均衡技术研究现状 |
1.3 论文研究内容 |
1.4 论文组织结构 |
第二章 SDN网络流量调度技术的相关研究 |
2.1 基于OpenFlow的 SDN相关技术研究 |
2.1.1 SDN定义 |
2.1.2 SDN体系架构 |
2.1.3 OpenFlow协议 |
2.1.4 SDN控制器 |
2.2 数据中心网络特征研究 |
2.2.1 数据中心网络结构特征 |
2.2.2 数据中心网络流量特征 |
2.3 服务器集群负载均衡技术 |
2.3.1 负载均衡技术定义与分类 |
2.3.2 服务器集群负载均衡算法 |
2.4 本章小结 |
第三章 基于SDN的数据中心网络流量调度技术研究 |
3.1 研究背景 |
3.2 流量调度机制总体框架 |
3.2.1 网络拓扑和总体框架 |
3.2.2 架构模块分析 |
3.3 流量调度机制具体实现 |
3.3.1 大流检测 |
3.3.2 大流带宽需求预测 |
3.3.3 大流重路由机制 |
3.3.4 流量调度问题数学模型 |
3.3.5 HGSAFS算法 |
3.4 实验与结果分析 |
3.4.1 实验环境 |
3.4.2 实验设置和对比基准 |
3.4.3 实验结果分析 |
3.5 本章小结 |
第四章 基于SDN的服务器集群负载均衡技术研究 |
4.1 研究背景 |
4.2 动态负载均衡机制设计 |
4.3 动态负载均衡机制的具体实现 |
4.3.1 流量请求的匹配与分类 |
4.3.2 网络和服务器状态信息的测量 |
4.3.3 服务器负载和调度权值的设计 |
4.4 实验与结果分析 |
4.4.1 实验环境 |
4.4.2 实验设置与对比基准 |
4.4.3 实验结果分析 |
4.5 本章小结 |
第五章 基于SDN的数据中心网络流量调度原型系统设计 |
5.1 应用场景描述 |
5.2 原型系统设计与实现分析 |
5.2.1 总体架构 |
5.2.2 架构模块分析 |
5.2.3 主要模块设计 |
5.3 实验与结果分析 |
5.3.1 实验环境及相关设置 |
5.3.2 实验结果分析 |
5.4 本章小结 |
第六章 总结与展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
附录2 攻读硕士学位期间申请的专利 |
附录3 攻读硕士学位期间参加的科研项目 |
致谢 |
(8)面向高并发的分布式购物平台设计与实现(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 电商平台研究现状 |
1.2.2 负载均衡技术研究现状 |
1.3 本文主要研究工作 |
1.4 本文的组织结构 |
第2章 关键技术介绍 |
2.1 Dubbo分布式服务框架 |
2.2 SSM框架 |
2.3 Nginx |
2.4 Solr |
2.5 ActiveMQ消息队列、Redis |
2.6 MyCat |
2.7 负载均衡算法 |
2.8 本章小结 |
第3章 分布式购物平台分析与设计 |
3.1 系统功能性需求分析 |
3.1.1 前台功能需求分析 |
3.1.2 内容管理系统功能分析 |
3.2 系统非功能性需求分析 |
3.3 系统用例分析 |
3.4 系统架构设计 |
3.5 系统集群设计 |
3.6 Nginx负载均衡性能的优化 |
3.6.1 Nginx加权轮询策略 |
3.6.2 动态调节权重的负载均衡策略 |
3.6.3 基于熵值法的负载权重系数的确定 |
3.7 数据库设计 |
3.7.1 数据库读写分离方案设计 |
3.7.2 数据库概念结构设计 |
3.7.3 数据库物理结构设计 |
3.8 本章小结 |
第4章 分布式购物平台的实现 |
4.1 系统开发环境介绍 |
4.2 集群的搭建 |
4.2.1 Redis集群的搭建 |
4.2.2 Solr集群的搭建 |
4.3 数据库读写分离的实现 |
4.4 Nginx动态负载均衡策略的实现 |
4.4.1 负载信息收集模块 |
4.4.2 负载信息处理模块 |
4.4.3 负载均衡调度模块 |
4.5 具体业务功能的实现 |
4.5.1 内容管理模块 |
4.5.2 商城门户模块 |
4.5.3 商品搜索模块 |
4.5.4 商品详情展示模块 |
4.5.5 单点登录模块 |
4.5.6 购物车模块 |
4.5.7 订单模块 |
4.6 本章小结 |
第5章 平台测试 |
5.1 功能测试 |
5.1.1 内容管理模块测试 |
5.1.2 登录注册模块测试 |
5.1.3 商品搜索模块测试 |
5.1.4 购物车模块测试 |
5.1.5 订单模块测试 |
5.2 性能测试 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 研究总结 |
6.2 未来展望 |
参考文献 |
致谢 |
(9)海量时间频率科学数据管理与服务关键技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 研究现状与分析 |
1.1.1 时间频率科学数据存储管理 |
1.1.2 时间频率科学数据计算模式 |
1.1.3 时间频率科学数据服务方式 |
1.1.4 现状分析 |
1.3 研究目标和主要研究内容 |
1.3.1 研究目标 |
1.3.2 主要研究内容 |
1.4 论文组织结构 |
第2章 面向服务的海量时间频率科学数据管理体系设计 |
2.1 时频数据特征与管理系统分析 |
2.1.1 时间频率科学数据特征 |
2.1.2 时间频率科学数据管理原型系统 |
2.2 面向服务的海量时间频率科学数据管理体系设计 |
2.2.1 面向服务的海量时频数据管理标准体系 |
2.2.2 面向服务的海量时频数据管理框架(STFDMA) |
2.3 面向服务的海量时间频率科学数据管理实现模型 |
2.3.1 云计算与大数据技术 |
2.3.2 STFMDA的实现模型 |
2.4 本章小结 |
第3章 海量时间频率科学数据存储管理方法研究 |
3.1 基于HDFS的海量时频数据文件存储方法研究 |
3.1.1 HDFS架构与存储特性分析 |
3.1.2 基于HDFS的时频数据文件存储架构设计 |
3.1.3 分布式时频科学数据文件存储系统优化方法 |
3.1.4 实验结果与分析 |
3.2 基于HBase的海量半结构化时频数据存储方法研究 |
3.2.1 HBase系统特性与架构方案 |
3.2.2 基于HBase的GNSS系统时差监测数据存储设计 |
3.2.3 实验结果与分析 |
3.3 基于时间序列数据库Influx DB的时频数据存储方法研究 |
3.3.1 Influx DB系统架构与数据存储管理特征分析 |
3.3.2 基于Influx DB的时间序列数据组织与模型设计 |
3.3.3 基于Influx DB的时频测量数据存储管理方法研究 |
3.3.4 基于Influx DB的CAPS主钟溯源比对数据存储设计 |
3.3.5 实验结果与分析 |
3.4 本章小结 |
第4章 海量时间频率科学数据离线并行分析方法研究 |
4.1 基于Map Reduce的时频数据并行处理框架及流程设计 |
4.1.1 基于Map Reduce的并行处理框架及功能分析 |
4.1.2 基于Map Reduce的离线分析作业运行流程设计 |
4.2 基于Map Reduce的并行化时间间隔误差计算方法 |
4.2.1 时间间隔误差原理与分析方法 |
4.2.2 基于Map Reduce的时间间隔误差算法MR-TIE |
4.3 基于Map Reduce的并行化频率源钟差模型计算方法 |
4.3.1 频率源钟差模型与计算方法 |
4.3.2 基于Map Reduce的频率源钟差模型计算方法MR-CLS |
4.4 实验结果与分析 |
4.4.1 实验环境部署 |
4.4.2 基于MR-TIE的CAPS主钟溯源比对钟差分析 |
4.4.3 基于MR-CLS的CAPS主钟溯源比对钟差分析 |
4.5 本章小结 |
第5章 海量时间频率科学数据实时并行分析方法研究 |
5.1 基于Spark的时频数据并行计算框架及流程设计 |
5.1.1 基于Spark的并行计算框架及功能分析 |
5.1.2 基于Spark的实时并行计算流程设计 |
5.2 基于Spark的频率稳定度Allan方差计算方法 |
5.2.1 频率稳定度Allan方差计算方法 |
5.2.2 基于Spark的并行化Allan方差Spark-Allan |
5.2.3 Spark-Allan数据处理流程 |
5.3 基于Spark的最大时间间隔误差算法Spark-MTIE |
5.3.1 最大时间间隔误差定义及计算方法 |
5.3.2 基于Spark的并行化MTIE计算方法Spark-MTIE |
5.3.3 Spark-MTIE数据处理流程 |
5.4 基于Spark的光纤溯源钟差粗差探测算法 |
5.4.1 基于光纤时间传递的溯源钟差模型 |
5.4.2 光纤溯源钟差粗差探测算法(ODTD) |
5.4.3 基于Spark的光纤溯源钟差粗差探测方法Spark-ODTD |
5.5 实验结果与分析 |
5.5.1 实验环境搭建 |
5.5.2 基于Spark-Allan的CAPS主钟频率稳定度分析 |
5.5.3 基于Spark-MTIE的CAPS主钟溯源比对钟差分析 |
5.5.4 基于Spark的光纤溯源钟差粗差探测实验分析 |
5.6 本章小结 |
第6章 远程溯源比对云服务原型系统设计与实现 |
6.1 远程溯源比对云服务原型系统总体框架 |
6.1.1 远程溯源比对云服务基本原理与系统架构 |
6.1.2 远程溯源比对云服务系统总体框架 |
6.2 远程溯源比对云服务原型系统模块设计与实现 |
6.2.1 远程溯源比对云服务原型系统服务与模块设计 |
6.2.2 远程溯源比对云服务原型系统应用界面 |
6.3 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
作者简历及在学期间发表的学术论文与研究成果 |
(10)高并发WEB服务器集群负载均衡器的设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 集群技术研究现状 |
1.2.2 负载均衡研究现状 |
1.3 本文的工作和构成 |
第二章 课题相关技术 |
2.1 服务集群性能测试指标 |
2.2 Web服务集群负载均衡技术原理 |
2.2.1 负载均衡目标 |
2.2.2 负载均衡策略分类 |
2.2.3 负载均衡实现方式 |
2.3 Nginx负载均衡策略 |
2.3.1 Nginx简介及其优势 |
2.3.2 Nginx模块化体系结构 |
2.3.3 Nginx负载均衡策略比较 |
2.4 本章小结 |
第三章 集群动态自适应负载均衡算法设计与实现 |
3.1 引言 |
3.2 基于Nginx的动态自适应负载均衡算法设计 |
3.2.1 用户请求负载类型 |
3.2.2 服务器节点负载参数分析与计算 |
3.2.3 负载评价函数权向量的计算 |
3.2.4 动态自适应调整权重算法 |
3.3 基于Nginx的动态自适应负载均衡算法实现 |
3.3.1 动态自适应负载均衡模块设计 |
3.3.2 动态自适应负载均衡算法流程描述 |
3.4 本章小结 |
第四章 基于Nginx动态自适应负载均衡算法性能测试 |
4.1 引言 |
4.2 性能测试环境搭建 |
4.2.1 性能测试工具 |
4.2.2 性能测试环境搭建 |
4.2.3 性能测试测试用例设计 |
4.3 实验结果分析 |
4.3.1 性能测试横向对比结果分析 |
4.3.2 性能测试纵向对比结果分析 |
4.4 实际项目中的性能测试 |
4.4.1 项目简介 |
4.4.2 性能指标及测试环境 |
4.4.3 性能测试设计、执行及结果分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 研究展望 |
致谢 |
参考文献 |
四、服务器集群关键技术的研究与实现(论文参考文献)
- [1]基于PSO-GA的LVS集群负载均衡调度算法研究与实现[D]. 徐贇. 重庆邮电大学, 2020(02)
- [2]基于Nginx的服务器集群负载均衡策略研究与优化[D]. 吴宝花. 南昌大学, 2020(01)
- [3]支持高并发的社交系统的研究与开发[D]. 李晓东. 北京工业大学, 2020(06)
- [4]云平台下基于MooseFS的网盘系统架构及关键技术的设计与实现[D]. 姚孝珍. 电子科技大学, 2020(07)
- [5]面向智能网联汽车的云数据平台的设计与实现[D]. 崔志斌. 电子科技大学, 2020(07)
- [6]面向代理缓存集群的负载均衡与缓存管理策略研究[D]. 江雨舟. 重庆邮电大学, 2020(02)
- [7]基于SDN的大规模流量调度技术研究[D]. 罗保州. 南京邮电大学, 2019(02)
- [8]面向高并发的分布式购物平台设计与实现[D]. 郭志伟. 浙江工商大学, 2019(05)
- [9]海量时间频率科学数据管理与服务关键技术研究[D]. 孟令达. 中国科学院大学(中国科学院国家授时中心), 2019(01)
- [10]高并发WEB服务器集群负载均衡器的设计与实现[D]. 李亚非. 电子科技大学, 2019(04)
标签:负载均衡论文; 服务器集群论文; 集群技术论文; nginx负载均衡配置论文; 云数据论文;