專利名稱：食品安全追溯數(shù)據(jù)庫的負(fù)載均衡優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及信息技術(shù)和數(shù)據(jù)庫技術(shù)領(lǐng)域，具體地，涉及數(shù)據(jù)庫服務(wù)器的負(fù)載均衡方法， 該算法用于大量用戶并發(fā)訪問食品安全追溯系統(tǒng)時(shí)的多服務(wù)器的負(fù)載調(diào)度，有效地解決了 多服務(wù)器的負(fù)載均衡問題，同時(shí)為數(shù)據(jù)庫的擴(kuò)充提供了便利。
背景技術(shù)：
隨著經(jīng)濟(jì)和杜會(huì)的發(fā)展，人們的生活水平不斷提高，對食品的質(zhì)量和安全要求也越來 越高。由于食品安全危機(jī)的頻繁發(fā)生以及消費(fèi)者意識(shí)的覺醒，食品安全問題作為一項(xiàng)公共 安全問題引起了國家和社會(huì)的廣泛關(guān)注，食品追溯作為一種用以保證食品安全的管理工具 日益得到國家的重視。追溯是通過記錄標(biāo)識(shí)的方法回溯某個(gè)實(shí)體的來源、用途和位置，食 品安全追溯通過對食品各環(huán)節(jié)信息的連接與記錄，可以真實(shí)再現(xiàn)食品整個(gè)生命周期的歷史。
由于食品供應(yīng)鏈條較長，食品安全追溯系統(tǒng)平臺(tái)涉及的數(shù)據(jù)量巨大，平臺(tái)數(shù)據(jù)庫包含 各種空間數(shù)據(jù)、報(bào)表統(tǒng)計(jì)數(shù)據(jù)、文字、聲音、圖像等各種采樣和匯總數(shù)據(jù)信息。廣大消費(fèi) 者、政府監(jiān)管機(jī)構(gòu)、檢驗(yàn)檢疫及第三方檢測機(jī)構(gòu)等眾多用戶的查詢、統(tǒng)計(jì)、分析及提取數(shù) 據(jù)的訪問要求追溯系統(tǒng)能夠及時(shí)有效地處理大量的并發(fā)請求，如何快速地實(shí)現(xiàn)數(shù)據(jù)庫服務(wù) 器負(fù)載的均衡調(diào)度,成為追溯系統(tǒng)成功實(shí)施需解決的關(guān)鍵技術(shù)之一。
單臺(tái)服務(wù)器的負(fù)載能力是有限的，面對日益增加的用戶訪問數(shù)量和訪問流量，單純靠 提高服務(wù)器硬件的性能已經(jīng)無法滿足要求，目前在網(wǎng)絡(luò)中通常使用多臺(tái)服務(wù)器共同提供服 務(wù)，通過一定機(jī)制將系統(tǒng)負(fù)載分配到不同的服務(wù)器上處理，為大量用戶提供并發(fā)訪問服務(wù)， 這就是負(fù)載均衡。負(fù)載均衡是實(shí)現(xiàn)多臺(tái)服務(wù)器協(xié)同工作和并行處理的手段，可以充分利用網(wǎng) 絡(luò)資源。
要實(shí)現(xiàn)負(fù)載均衡，關(guān)鍵是通過不同的負(fù)載均衡方案合理地進(jìn)行調(diào)度，把用戶的大量請求 分配到不同的服務(wù)器上進(jìn)行處理。大規(guī)模負(fù)載均衡問題是NP難題，難以在多項(xiàng)式時(shí)間內(nèi)找 到最優(yōu)調(diào)度，通常隨著負(fù)載請求的急劇增加，調(diào)度性能會(huì)迅速下降。目前服務(wù)器負(fù)載均衡常
用算法有循環(huán)調(diào)度、(加權(quán))加權(quán)輪轉(zhuǎn)調(diào)度、(加權(quán))最小連接數(shù)調(diào)度、最快響應(yīng)調(diào)度、目 標(biāo)地址散列調(diào)度、源地址散列調(diào)度、基于概率統(tǒng)計(jì)的調(diào)度、預(yù)估服務(wù)時(shí)間調(diào)度等等。這些 算法可以有效地實(shí)現(xiàn)服務(wù)器的負(fù)載均衡調(diào)度，但要么注重調(diào)度速率即選擇服務(wù)器的速率，要 么注重調(diào)度的均衡程度卻忽略了速率，也有算法考慮了服務(wù)器的負(fù)載狀態(tài)，但缺乏有效的 負(fù)載平衡方法。智能優(yōu)化算法如遺傳算法的引入，為負(fù)載均衡調(diào)度提供了一條可行的有效 途徑。
當(dāng)優(yōu)化問題的規(guī)模較大、搜索空間變得復(fù)雜時(shí)，多數(shù)智能算法常常可以很快地找到近 優(yōu)解，但由于算法擇優(yōu)保留的搜索機(jī)制，以及后期變異、交叉等操作對最優(yōu)解構(gòu)成成分的 破壞，算法在近優(yōu)解附近振蕩，卻很長時(shí)間內(nèi)無法到達(dá)最優(yōu)解，或限于局部極值無法進(jìn)行更廣范圍的搜索。而且由于算法參數(shù)往往憑經(jīng)驗(yàn)設(shè)定，沒有有效的選取機(jī)制，使得算法在 求解實(shí)際優(yōu)化問題的性能受到了很大限制。因此，需要對智能算法進(jìn)行改進(jìn)或?qū)で笮碌乃?索機(jī)制，提高優(yōu)化效率，有效解決服務(wù)器負(fù)載均衡調(diào)度問題。
發(fā)明內(nèi)容
本發(fā)明的目的是針對數(shù)據(jù)庫服務(wù)器大量并發(fā)訪問的負(fù)載均衡問題，以及現(xiàn)有智能優(yōu)化 算法搜索機(jī)制和效率的不足，提出一種基于極值優(yōu)化的負(fù)載均衡優(yōu)化方法。算法中考慮服 務(wù)器的當(dāng)前負(fù)載狀態(tài)，通過在網(wǎng)絡(luò)中布置S剛P采集服務(wù)器，采用基于S剛P的服TG監(jiān)控工 具，以適當(dāng)?shù)臅r(shí)間間隔采集多臺(tái)服務(wù)器的負(fù)載數(shù)據(jù)，根據(jù)服務(wù)器負(fù)載狀態(tài)進(jìn)行調(diào)度，實(shí)現(xiàn)多 臺(tái)服務(wù)器的負(fù)載均衡。算法參數(shù)具有最佳取值依據(jù)，比其他智能優(yōu)化算法如遺傳算法具有 更大的優(yōu)越性。
極值優(yōu)化算法是一種新型的仿生搜索算法，對于一般算法難以求解的某些NP難問題， 也具有較好的性能。在自然界中，當(dāng)最無效的元素被選擇性地驅(qū)使于消亡，就經(jīng)常會(huì)出現(xiàn) 高度復(fù)雜的結(jié)構(gòu)。極值過程即是指在系統(tǒng)的演變過程中不斷地清除適應(yīng)性最差的元素，是 自組織臨界(Sdf-Organized Criticality, SOC)模型通常依賴的過程原則。受自然界中自組織 過程的啟發(fā)，Boettcher等設(shè)計(jì)了極值優(yōu)化算法(Extremal Optimization, EO)。不同于遺傳 算法等繁殖優(yōu)解的操作方式，極值優(yōu)化算法不斷以冪函數(shù)概率A oc/rr選擇適應(yīng)性較差的變 量進(jìn)行變異(其中A為變量按適應(yīng)度的排序號(hào)，r為指定參數(shù)，并有其一般估計(jì)公式 、,al + 4/lnn ("">oo)，"為變量個(gè)數(shù))，逐步清除構(gòu)成解的較差成分，從而很快地靠近 近優(yōu)解，并具有很強(qiáng)的跳出局部最優(yōu)解的能力。
這里將極值優(yōu)化的機(jī)制引入負(fù)載均衡算法中，結(jié)合食品追溯數(shù)據(jù)庫的用戶特點(diǎn)，在監(jiān) 測服務(wù)器當(dāng)前負(fù)載狀態(tài)并預(yù)測服務(wù)請求所需資源的基礎(chǔ)上，針對問題定義解的目標(biāo)函數(shù)、 變量及其適應(yīng)度、變量的變異規(guī)則，提高了負(fù)載均衡的優(yōu)化效率和數(shù)據(jù)庫資源的利用率。
本發(fā)明方法具體如下
步驟一設(shè)置不同時(shí)間段服務(wù)器負(fù)載信息采集的時(shí)間間隔；分別設(shè)置各服務(wù)器的負(fù)載 信息CPU負(fù)載、內(nèi)存占用率和網(wǎng)絡(luò)流量的權(quán)重；
步驟二考慮不同用戶請求的響應(yīng)時(shí)間要求，對訪問請求進(jìn)行分類，設(shè)置不同請求的 優(yōu)先級(jí)參數(shù)；
步驟三定義變量適應(yīng)度和解的適應(yīng)度，設(shè)置選擇進(jìn)行變異的變量的概率參數(shù)；
步驟四算法初始化，定義變量的變異規(guī)則，記錄初始解為最好解；
步驟五迭代按步驟四定義的變異規(guī)則進(jìn)行更新，計(jì)算解對應(yīng)的目標(biāo)函數(shù)；將變異 后的解與保留的最好解進(jìn)行比較，保留較好解為最好解。
步驟六判斷迭代是否結(jié)束。若連續(xù)10次迭代后保留的最好解的目標(biāo)函數(shù)無明顯改善， 將最好解所表示的方案作為負(fù)載分配的優(yōu)化結(jié)果輸出。否則返回執(zhí)行步驟五繼續(xù)執(zhí)行。 流程如附圖所示。
本發(fā)明方法在考慮當(dāng)前各服務(wù)器負(fù)載的基礎(chǔ)上，利用對服務(wù)請求完成所需CPU負(fù)載、 內(nèi)存、網(wǎng)絡(luò)流量等資源的估計(jì)和極值優(yōu)化機(jī)制，完成服務(wù)請求任務(wù)在各服務(wù)器上的分配， 從而充分利用服務(wù)器資源，平衡各服務(wù)器的負(fù)載，提高用戶請求的訪問效率。
附圖是本發(fā)明的流程示意圖。
具體實(shí)施例方式
根據(jù)食品追溯系統(tǒng)的特點(diǎn)，對于負(fù)載信息的采集時(shí)間間隔和負(fù)載信息權(quán)重、服務(wù)器的 負(fù)載閾值制定相應(yīng)的如下規(guī)則
1，負(fù)載信息采集的時(shí)間間隔根據(jù)每天不同時(shí)間段的用戶估計(jì)產(chǎn)生，各時(shí)間段采用不同 的時(shí)間間隔。如在工作日，企業(yè)、政府、檢測結(jié)構(gòu)用戶居多，而且服務(wù)請求數(shù)據(jù)處 理量大，負(fù)載信息的采集時(shí)間間隔可設(shè)置稍大些；而在晚上及周末，購買食品的消 費(fèi)者查詢居多，査詢的時(shí)間響應(yīng)的要求較高，而數(shù)據(jù)處理量不大，數(shù)據(jù)庫服務(wù)器的 負(fù)載信息采集的時(shí)間間隔設(shè)置要稍小。
2，按照用戶群的類別不同，不同類的請求設(shè)定不同的優(yōu)先級(jí)。消費(fèi)者對食品產(chǎn)品的追 溯查詢優(yōu)先級(jí)最高，其次為企業(yè)用戶、檢驗(yàn)檢疫結(jié)構(gòu)及第三方檢測機(jī)構(gòu)，然后是政 府監(jiān)管部門。
3，為避免數(shù)據(jù)庫服務(wù)器超負(fù)荷發(fā)生崩潰，規(guī)定服務(wù)器負(fù)載閾值，作為負(fù)載分配的約束 條件。實(shí)際應(yīng)用中數(shù)據(jù)庫服務(wù)器對內(nèi)存的要求比Web服務(wù)器和FTP服務(wù)器要高，因 此CPU負(fù)載比網(wǎng)絡(luò)流量和內(nèi)存占用率的權(quán)值要高；服務(wù)器的綜合負(fù)載閾值，根據(jù)相 關(guān)原理可以設(shè)置為80%。
以下對本發(fā)明的具體實(shí)施作進(jìn)一步的描述
步驟一根據(jù)不同時(shí)間段內(nèi)食品追溯系統(tǒng)的用戶群類型，設(shè)置服務(wù)器負(fù)載信息釆集的 時(shí)間間隔；通過配置基于S麗P的MRTG監(jiān)控軟件獲取服務(wù)器的負(fù)載信息CPU 負(fù)載、內(nèi)存占用率和網(wǎng)絡(luò)流量，設(shè)置各負(fù)載信息的權(quán)重；
步驟二對訪問請求進(jìn)行分類，按照用戶群的類別不同，設(shè)置不同請求的優(yōu)先級(jí)參數(shù)。
消費(fèi)者對食品產(chǎn)品的追溯査詢優(yōu)先級(jí)為一級(jí)，企業(yè)用戶、檢驗(yàn)檢疫結(jié)構(gòu)及第 三方檢測機(jī)構(gòu)為二級(jí)，政府監(jiān)管部門為三級(jí)。
步驟三定義變量及其適應(yīng)度，給出解的適應(yīng)度(目標(biāo)函數(shù))，設(shè)置選擇概率參數(shù)7";
(1)假設(shè)共有/臺(tái)服務(wù)器可用，需要將■/個(gè)服務(wù)請求分配到這/臺(tái)服務(wù)器上進(jìn)行處理，若第y'個(gè)服務(wù)請求分配到第/臺(tái)服務(wù)器上，對服務(wù)器形成的負(fù)載為
cpu負(fù)載^、內(nèi)存占用/;、網(wǎng)絡(luò)流量/;1，其權(quán)重系數(shù)分別為"-、《、^"，
定義i個(gè)變量分別為與每臺(tái)服務(wù)器的綜合負(fù)載相關(guān)的表達(dá)式，其適應(yīng)度為
<formula>formula see original document page 6</formula>
其中z,為第/臺(tái)服務(wù)器的綜合負(fù)載:
<formula>formula see original document page 6</formula>
服務(wù)器的負(fù)載與平均負(fù)載差別越大，說明負(fù)載越不均衡，該服務(wù)器代表的變 量的適應(yīng)度的絕對值就越大。
(2)算法的解是服務(wù)請求在各服務(wù)器上的分配方案，因此解的目標(biāo)函數(shù)綜合 考慮各服務(wù)器上的請求分配，盡量均衡負(fù)載。將解的目標(biāo)函數(shù)定義為所有服
務(wù)器上的綜合負(fù)載與平均負(fù)載之差的和與服務(wù)器個(gè)數(shù)的比值
<formula>formula see original document page 6</formula>
(3)根據(jù)冪率選擇函數(shù)；，《l + 4/ln/ (/ —①)，計(jì)算選擇概率A oc/rr的 參數(shù)r的最佳取值。 步驟四算法種群初始化，定義變量的變異規(guī)則；(1) 初始化為了提高算法的優(yōu)化速度，采用啟發(fā)式方法產(chǎn)生初始解。計(jì)算當(dāng) 前各服務(wù)器的負(fù)載，按負(fù)載由小到大進(jìn)行排序，按照服務(wù)請求的優(yōu)先級(jí)(優(yōu)先 級(jí)相同的服務(wù)請求隨機(jī)選取進(jìn)行分配)，每臺(tái)服務(wù)器分配一個(gè)請求，依次循環(huán)， 將請求分配到各服務(wù)器上，形成初始任務(wù)分配，按照式(2)計(jì)算各服務(wù)器的綜 合負(fù)載。
(2) 變異規(guī)則將各服務(wù)器按照適應(yīng)度的正負(fù)分成兩組正組和負(fù)組，適應(yīng)度 為0的服務(wù)器隨機(jī)分配到其中一組內(nèi)，記錄服務(wù)器個(gè)數(shù)較少組內(nèi)的元素?cái)?shù)為
mim。將負(fù)組內(nèi)的服務(wù)器按照適應(yīng)度由小到大排序，具有相同;i值的變量隨
機(jī)排序，形成等級(jí)A-lU，min")), A: = 2，... ， A = x (X) = max"})的排 列，正組內(nèi)的服務(wù)器按照適應(yīng)度由大到小排序，形成等級(jí) A: = l U， =max{;i,})， * = 2廣.，A: = ;c (X) = minW,.})的排列；分別按等級(jí)A;的分布概率函數(shù)尸("ocA-r從正、負(fù)兩組選擇兩臺(tái)服務(wù)器，對完成其中的每 個(gè)服務(wù)請求所需占用的服務(wù)器綜合資源(CPU、內(nèi)存、網(wǎng)絡(luò)流量)進(jìn)行估計(jì)， 并按占用資源由多到少排序前五位服務(wù)請求，分別從兩臺(tái)服務(wù)器的任務(wù)中按 冪函數(shù)概率選擇兩個(gè)任務(wù)進(jìn)行交換。如此循環(huán)MIM次。 (當(dāng)服務(wù)器中的請求個(gè)數(shù)超過五個(gè)時(shí)，只排序到第五位，這是因?yàn)閮绾瘮?shù)概率 & oc;t"的分布在yt二5以后的值很小，變量被選中的概率很小，如此可以提
高算法速度，減小計(jì)算量。)
步驟五迭代。按步驟四定義的變異規(guī)則對解進(jìn)行更新，計(jì)算解對應(yīng)的目標(biāo)函數(shù)，并 將其與最好解進(jìn)行比較，保留較好的一個(gè)為最好解。
步驟六判斷迭代是否結(jié)束。若連續(xù)10次迭代后的最好解的目標(biāo)函數(shù)無明顯改善，將
最好解所表示的負(fù)載分配方案作為優(yōu)化結(jié)果輸出。否則返回執(zhí)行步驟五繼續(xù)執(zhí)行。
本發(fā)明方法具有可行性和高效性，能夠解決多服務(wù)器的負(fù)載均衡問題，從而更好地利 用數(shù)據(jù)庫資源，完成多用戶并發(fā)請求的負(fù)載分配。特別是極值優(yōu)化算法借鑒了自然界去除 劣勢元素的思想，有效避免了陷于局部極值的危險(xiǎn)，變異規(guī)則將負(fù)載差異大的服務(wù)器上的 任務(wù)進(jìn)行調(diào)整，提高了服務(wù)請求任務(wù)均衡的效率，為多服務(wù)器負(fù)載均衡提供了新的方法。
權(quán)利要求
1.一種食品安全追溯數(shù)據(jù)庫的負(fù)載均衡優(yōu)化方法，其特征在于它通過如下步驟實(shí)現(xiàn)(1)設(shè)置不同時(shí)間段數(shù)據(jù)庫服務(wù)器負(fù)載信息采集的時(shí)間間隔，設(shè)置各數(shù)據(jù)庫服務(wù)器的負(fù)載信息(CPU負(fù)載、內(nèi)存占用率和網(wǎng)絡(luò)流量)的權(quán)重；(2)考慮不同用戶請求的響應(yīng)時(shí)間要求，對訪問請求進(jìn)行分類，設(shè)置不同請求的優(yōu)先級(jí)參數(shù)；(3)定義變量適應(yīng)度和解的適應(yīng)度，設(shè)置選擇變異變量的概率參數(shù)；(4)算法初始化，定義變量的變異規(guī)則，記錄初始解為最好解；(5)迭代按定義的變異規(guī)則進(jìn)行更新，計(jì)算解對應(yīng)的目標(biāo)函數(shù)，并將其與最好解進(jìn)行比較，保留較好的一個(gè)為最好解；(6)判斷迭代是否結(jié)束。若連續(xù)10次迭代后保留的最好解的目標(biāo)函數(shù)無明顯改善，將最好解所表示的負(fù)載分配方案作為優(yōu)化結(jié)果輸出。否則返回執(zhí)行步驟五繼續(xù)執(zhí)行。
2. 根據(jù)權(quán).禾房求1所述的食品安全追溯數(shù)據(jù)庫的負(fù)載均衡優(yōu)化方法，其特征在于步驟 (1)、 (2)和步驟(3)中考慮了各服務(wù)器當(dāng)前的負(fù)載狀態(tài)和不同類服務(wù)請求的響應(yīng)時(shí)間要求，根 據(jù)問題的特征定義變量適應(yīng)度為服務(wù)器負(fù)載與平均負(fù)載之間差值的關(guān)系式A,= ~~^~ = 4^-1，其中丄,t("Z+Zl^+^P為單個(gè)服務(wù)器的綜合負(fù)載，適應(yīng) 》，》， ^度的絕對值越大，服務(wù)器的負(fù)載越偏離平均負(fù)載，負(fù)載越不均衡。這種定義更符合實(shí)際情況，可以提高服務(wù)器資源的利用率；發(fā)生變異的變量選擇概率為、p, l + 4/ln/ (/為服務(wù)器臺(tái) 數(shù))，避免了參數(shù)調(diào)整耗費(fèi)大量計(jì)算時(shí)間。
3. 根據(jù)權(quán).承展求1所述的食品安全追溯數(shù)據(jù)庫的負(fù)載均衡優(yōu)化方法，其特征在于步驟(4) 中根據(jù)食品追溯系統(tǒng)用戶的特點(diǎn)，釆用基于服務(wù)器當(dāng)前負(fù)載狀態(tài)、考慮服務(wù)請求用戶優(yōu)先級(jí) 的啟發(fā)式方法，生成算法的初始解，提高算法的優(yōu)化效率。
4. 根據(jù)權(quán)利要求1所述的食品安全追溯數(shù)據(jù)庫的負(fù)載均衡優(yōu)化方法，其特征在于步驟(4) 的變異規(guī)則考慮服務(wù)器的當(dāng)前負(fù)載狀態(tài)，并對等待分配的服務(wù)請求進(jìn)行資源使用估計(jì)，利用 極值優(yōu)化機(jī)制進(jìn)行請求任務(wù)的分配調(diào)整。具體地，將各服務(wù)器按照適應(yīng)度的正負(fù)分成兩組，分別按適應(yīng)度等級(jí)A的分布概率函數(shù)尸(A:)ocArV人正、負(fù)兩組選擇兩臺(tái)服務(wù)器，對完成其中的 每個(gè)服務(wù)請求所需占用的服務(wù)器綜合資源(CPU、內(nèi)存、網(wǎng)絡(luò)流量)進(jìn)行估計(jì)，并按占用資源 由多到少將服務(wù)請求進(jìn)行排序，分別從兩臺(tái)服務(wù)器的任務(wù)中按冪函數(shù)概率選擇兩個(gè)任務(wù)進(jìn)行 交換，并循環(huán)操作MIM次，將負(fù)載差異大的服務(wù)器上的任務(wù)進(jìn)行互補(bǔ)調(diào)整，從而快速實(shí)現(xiàn)各 服務(wù)器的負(fù)載均衡化。
全文摘要
一種食品安全追溯數(shù)據(jù)庫負(fù)載均衡優(yōu)化方法，主要用于解決多用戶并發(fā)訪問的負(fù)載均衡問題。技術(shù)方案要點(diǎn)如下1.設(shè)置負(fù)載信息采集的時(shí)間間隔、負(fù)載信息權(quán)值等參數(shù)；2.按用戶群體對服務(wù)請求進(jìn)行分類，并規(guī)定優(yōu)先級(jí)；3.變量適應(yīng)度的計(jì)算采用服務(wù)器綜合負(fù)載與平均負(fù)載差值的關(guān)系式λ<sub>i</sub>＝(L<sub>i</sub>-(1/I)∑<sup>I</sup><sub>i=1</sub>L<sub>i</sub>)/(1/I)∑<sup>I</sup><sub>i=1</sub>L<sub>i</sub>＝I·L<sub>i</sub>/∑<sup>I</sup><sub>i=1</sub>L<sub>i</sub>-1，其中L<sub>i</sub>＝∑<sup>J</sup><sub>j=1</sub>(α<sub>j</sub><sup>c</sup>l<sub>j</sub><sup>c</sup>+β<sub>j</sub><sup>r</sup>l<sub>j</sub><sup>r</sup>+γ<sub>j</sub><sup>n</sup>l<sub>j</sub><sup>n</sup>)為單個(gè)服務(wù)器的綜合負(fù)載；變異選擇的概率參數(shù)采用公式τ≈1+4/lnI(I為服務(wù)器個(gè)數(shù))，算法中的解表示服務(wù)請求分配方案中各服務(wù)器的負(fù)載，目標(biāo)函數(shù)為f＝∑<sup>I</sup><sub>i=1</sub>|λ<sub>i</sub>-λ<sub>Ave</sub>|/I＝(∑<sup>I</sup><sub>i=1</sub>|λ<sub>i</sub>-∑<sup>I</sup><sub>i=1</sub>λ<sub>i</sub>/I|)/I。本發(fā)明考慮了服務(wù)器的當(dāng)前負(fù)載狀態(tài)，并對等待分配的服務(wù)請求進(jìn)行了資源使用估計(jì)，在循環(huán)迭代中利用極值優(yōu)化機(jī)制不斷調(diào)整負(fù)載差異較大的服務(wù)器上的請求任務(wù)，有效解決了服務(wù)器的負(fù)載均衡問題，提高了數(shù)據(jù)庫資源的利用率。
文檔編號(hào)G06F9/46GK101594371SQ20081001638
公開日2009年12月2日 申請日期2008年5月28日 優(yōu)先權(quán)日2008年5月28日
發(fā)明者劉麗梅, 東 張, 玎 王, 王云爭, 恒 錢, 高永超 申請人:山東省標(biāo)準(zhǔn)化研究院