一、Linux负载均衡技术介绍(论文文献综述)
袁少怡[1](2021)在《基于飞机伤痕检测服务的高并发性能研究与应用》文中研究指明飞机表面蒙皮伤痕是威胁飞行安全的一大主因,因此,航空公司在飞机转航停场期间对蒙皮伤痕进行检测是保障飞行安全的重要工作。目前较为先进的检测方法是基于计算机视觉的伤痕检测法,该方法将采集到的飞机蒙皮图像传输给伤痕检测服务,进行基于人工神经网络的图像处理以识别伤痕类型及位置信息,从而判断蒙皮受损程度,保障飞行安全。由于检修飞机数量多、检修时间短,该方法在图像传输、处理过程中需要进行大量的数据传输和计算。故如何在飞机转航停场期间保证伤痕检测的实时性、高效性是至关重要的。本文正是针对某具体航空公司的实际项目,在转航停场期间,对基于图像识别的伤痕检测服务的实时性、高效性需求,研究高并发性能方案。由于航空公司对于数据具有较高的安全性及隐私性要求,不能借助公网的云平台来进行高并发性能服务的发布,因此论文从单机分布式计算、动态负载均衡、服务平台部署以及多机分布式扩展角度展开工作,具体完成如下工作:一、针对支持高效运行服务平台的部署问题,从硬件部署及软件调度两方面展开。设计了一种单机多卡分布式处理方案,并提出了基于多进程模型的多卡分布式处理方案。为了解决用户请求的离散性,提出了基于业务流量的动态自适应封装策略,以提高事务处理效率。二、针对任务分发过程中集群节点负载不均衡导致检测服务并发量较低的问题,提出了基于集群性能的动态负载均衡策略,设计并实现性能采集模块、算法模块、负载均衡模块,实现任务的动态分发,保证节点之间的负载均衡,从而提升伤痕检测服务的并发量。三、针对多机分布式扩展过程中面临的扩展困难、上线繁琐问题,设计了基于容器化技术的多机分布式扩展方案,实现检测服务的水平扩展。并以Docker作为底层容器化技术,设计了一整套持续交付、自动化管理的生产构建框架。论文采用并发性能测试工具模拟真实环境中的检测请求,针对一、二工作内容设计相应的实验,进行了对照测试,通过QPS(Queries Per Second)指标验证上述方案的有效性和优越性,且在采用了本文提出的封装策略之后,伤痕检测服务的QPS最高提升了 32.33%。
白春雨[2](2021)在《基于PHP的社交化艺术品电商平台的研究与设计》文中研究说明随着最近几年国内电商平台的发展,艺术品电商平台得到了一个良好的发展环境。但目前国内外艺术品电商平台功能单一、扩展性差,给用户带来了不好的购物体验。为了解决以上缺点,本文设计了一个社交化艺术品电商平台,该艺术品电商平台对传统电商平台在功能上进行了扩展和创新,加入了社交化的元素,包括线上展览、拍卖、评论、点赞等功能。由于PHP语言的跨平台、方便快捷等优点,因此本文使用PHP语言作为该艺术品电商平台的主要开发语言。该社交化艺术品电商平台主要分为认证模块、商城模块、社交模块和个人中心模块。本文为了解决系统中的负载分配、灰度发布和机架容灾等问题,提出了新的动态负载均衡算法——HDM。该算法可以根据服务器的性能和实时负载动态调整负载的分配比例,同时支持较为稳定的灰度发布。还可以通过扩展该算法来达到机架容灾的效果。实验表明,该算法可以更合理地平衡集群的负载,提供稳定的灰度发布比例,灰度发布比例的偏差比其他负载均衡算法至少低0.26%。本文为了解决在不同性能的数据库之间划分数据的问题,提出了新的数据分片算法——CHD。该算法可以指定数据的划分比例,可以按照数据库的性能来设定存储的数据量,解决了不同数据存储能力划分不同数据量的问题,同时还解决了因为数据库宕机而带来的数据丢失问题,并且该算法还支持数据的快速扩容。实验表明,该算法可以提供稳定的数据划分比例,误差小于0.21%。本系统使用Nginx作为转发层,在数据层使用MySQL+MyCat 技术。最后对该艺术品电商平台分别进行功能模块测试、压力测试、负载均衡测试和数据分片测试。测试结果显示,该艺术品电商平台能够根据服务器的性能合理地在集群中分配负载,实现更稳定的灰度发布,可以有效控制数据量的分布。
李旭东[3](2021)在《集中采购系统交易管理子系统设计与实现》文中提出本文以湖北省十堰市某供销社为试点,依托于科技部重点研发计划项目-绿色宜居村镇技术创新项目(2019YFD1101104),针对传统集中采购交易系统中存在的数据易篡改、数据可信程度低、难以处理大规模用户请求等问题,借助分布式思想、排队论和区块链技术设计开发了集中采购系统交易管理子系统,能够有效帮助农民依靠供销社等平台从网上集中采购生产生活物资,降低生产生活成本。首先,针对单个服务器无法处理大规模请求的问题,在SSM框架的基础上利用分布式思想搭建系统架构,采用Dubbo作为通信架构,使用Nginx作为反向代理服务器,并集成Redis、Solr和Fast DFS等相关技术,将大规模的用户请求分发给多台服务器共同处理,有效降低了响应时延。并针对Nginx原有的负载均衡算法难以适应实际场景的问题,在传统的加权轮询算法基础上,设计了一种基于服务器性能和实时负载的PL(performance and load)负载均衡算法。其次,针对不同时段下用户请求数量不同导致的响应堵塞问题,建立了M/M/n排队模型,将收集到的实际数据代入模型进行实例分析并计算相关参数,从而得到了用户请求堵塞下的最优服务器数量。最后,在利用区块链技术保证集成交易数据真实可信的过程中,发现其存在响应时间过慢的问题,采用了“链下扩容”的思想,对性能要求较高但重要程度不高的功能在链下处理,将关键信息的管理放到链上处理。通过对系统各个功能模块进行测试,满足了用户需求。其中对PL负载均衡算法的测试结果表明,其响应时间和吞吐率比传统加权轮询算法分别提高了14.2%和14.5%。本文利用PL负载均衡算法、M/M/n排队模型和区块链技术实现了一个高并发、数据加密的集中采购系统交易子系统,为农民和供销社的生产生活提供了方便。
伏修远[4](2021)在《基于容器的云工作流引擎的设计与部署》文中研究表明针对传统工作流系统不能有效处理海量数据的问题,将工作流引擎与云计算相结合是行之有效的解决方案。然而,目前的云工作流引擎系统还存在着云资源利用率低、可移植性和可重用性差以及系统开发运营成本高等问题。为了解决这些问题,论文对IC-Flow Engine(Inner Mongolia University Cloud Workflow Engine)2.0系统的集成架构和底层云资源利用率进行改进和优化,并提出IC-Flow Engine 3.0版本。论文主要有以下几个方面的贡献:(1)结合底层云环境的特点设计出新的云工作流引擎系统体系结构。IC-Flow Engine 3.0可以简便有效地进行云事务建模和执行,同时支持异步调用使云工作流系统具有高效的执行能力。(2)根据Hadoop集群环境实现模块的架构方式,论文提出了一种基于集群节点性能的自适应负载均衡算法。该算法使集群负载逐渐趋于平衡,并将云工作流引擎系统的云计算集群性能维持在一个平稳较优的水平。(3)构建基于Docker容器的标准化软件环境,并运用Docker容器对论文所设计的云工作流引擎系统进行部署。这种部署方式使系统更容易实现可持续集成,同时也使系统具有可移植性和跨平台性。论文通过对比实验和实例验证了IC-Flow Engine 3.0系统拥有更高的资源利用率和任务执行效率,缩短了流程执行时间,节约运营成本。同时,使用容器部署的系统还具有开发部署成本低的优势。因此,IC-Flow Engine3.0在实际应用中具有较高的实用价值。
张智[5](2021)在《基于Kubernetes的批流融合数据处理支撑环境研究与实现》文中进行了进一步梳理目前,批流融合数据处理是大数据领域研究和应用的热点,批流融合数据处理涉及的批式大数据处理、流式大数据处理及批流混合处理等内容都对运行支撑环境提出了更高、更复杂的需求。而传统的数据支撑环境主要是基于物理服务器和云服务器来实现对数据处理引擎工具的整合和使用。其在部署的敏捷性、资源利用的高效性和服务状态的实时性等方面有较大的资源开销。批流融合的数据处理要求更加剧了上述问题的发生。传统的大数据处理支撑环境已经不能有效地应对数据处理的要求。容器化技术作为近几年新兴的轻量级虚拟化技术,为实验和开发人员构建分布式应用提供了新的渠道。而容器化技术在快速革新的过程中也对批流数据处理服务提供了很好的支持。不过,大数据容器化服务在容器跨主机通信、容器调度等方面还有些许不足,在构建数据处理支撑环境方面还有诸多挑战。本文利用虚拟化容器作为批流数据处理支撑环境部署容器服务的承载平台,以Kubernetes作为基础工具使容器的管理和编排更加合理。通过前端可视化界面对开发人员需要的数据处理引擎进行部署和运维。通过批流融合数据处理支撑环境部署的容器化服务可以极大地提高服务节点的资源利用率和实验和研发人员的研发效率,并能够合理的对容器服务进行调度。针对上述问题,本文开展的主要工作如下:(1)设计了容器化的批流融合数据处理支撑环境架构。首先分析了批流融合处理应用对支撑环境的配置管理、执行环境的调整和资源负载的调整等方面的需求以及主流的批处理、流处理框架容器化后间通信和监控需求,提出了容器化的批流融合数据支撑环境分层架构以及相应的容器化服务,并重点设计了支撑环境的容器跨主机通信机制和容器状态监控机制。(2)针对批流融合数据处理服务在数据处理过程中对资源的动态需求问题,提出了批流融合数据处理支撑环境的容器资源自定义调度算法,并根据实际情况构建了规模化容器调度的约束模型以及衡量调度算法有效性的适应度模型,通过仿真实验平台Cloud Sim验证了调度算法在降低服务器节点CPU、内存等资源负载的有效性。保证通过支撑系统部署的容器化服务能够快速部署到相应的服务器节点。(3)基于Kubernetes实现了容器化批流融合数据处理支撑环境,重点对支撑环境的通信、监控以及调度等核心模块的实现进行了详细介绍。此外,还在物理服务器集群进行了搭建和部署,并通过实验室服务互联网、电网大数据多个相关项目进行了测试,为项目的研发、测试提供了大数据处理支撑环境。相关的应用结果表明了支撑环境在快速部署、服务状态监控以及控制服务器节点CPU、内存等资源负载情况方面具有较好的效果。
陈中卿[6](2021)在《基于非对称RSS的软件负载均衡方法研究与实现》文中提出日益增长的网络流量使得负载均衡系统成为了数据中心网络中必不可少的组件,灵活且高性能的负载均衡系统作为流量的入口,对提升数据中心网络的可用性和整体性能发挥了重要的作用。负载均衡和地址转换技术的引入产生的非对称会话为负载均衡方法的设计带来了挑战。本文从非对称会话数据包的调度出发,结合大象流的报文序列的时间与空间特征,设计了相应的负载均衡方法以提高硬件利用率与网络吞吐率,并基于此方法设计和实现一个软件负载均衡系统。本文工作主要包括如下两个方面:首先,本文提出一种基于非对称RSS(Receive Side Scaling)的软件负载均衡方法,通过分析网卡的数据包散列机制,构建合适的RSS参数,将数据包调度至预期的CPU核心,然后从时间和空间角度挖掘会话的特征,构建大象流识别模型,最后基于识别结果完成负载均衡的卸载。其次,根据提出的负载均衡方法,本文设计并实现了一个基于非对称RSS的软件负载均衡系统,包括硬件抽象层、数据转发层和会话控制层三个部分。该系统能够将数据包调度至合适的CPU核心,根据负载均衡规则选择服务节点,建立地址映射并识别会话的特征,最终下发大象流的会话信息到网卡流表。实验结果表明,在不同会话数和不同大象流比例下,此系统可以将数据包调度至正确的CPU核心。此外,系统能够准确地识别和卸载会话中的大象流,充分利用多核处理器和网卡,有效提升了负载均衡系统的包处理性能。
车思阳[7](2021)在《基于Kafka的大容量实时预警数据汇集分发技术研究》文中研究指明随着信息化战争的快速发展,获取预警数据的手段和能力得到了提升,我国预警领域的数据建设得到广泛关注。当前面临的主要问题包括:传统的情报数据的传输已经不满足现在预警数据的数据量大、数据类型多样、数据传输效率高等特点;各部门分别建立的预警信息系统,形成了数据壁垒,大量预警数据资源难以进行高效集成共享。因此,需要建立数据资源统一汇集、分发的基础平台。本文结合联合培养单位的实际项目需求,开展了基于Kafka的大容量实时预警数据汇集分发技术研究,主要工作概括如下:(1)在分析预警数据汇集分发系统实际应用需求的基础上,构建了基于Kafka的预警数据汇集分发系统架构,重点对系统中的核心模块—安全管理、数据采集、数据汇集分发、数据存储、汇集分发管理、数据检索进行了设计。(2)针对Kafka集群原生负载均衡存在的问题,提出了一种动态负载均衡算法,利用采集各代理节点运行时的负载指标计算负载值,给出Leader迁移和副本迁移的负载均衡策略,通过负载值测试和流量监控验证了所提方法的有效性。针对海量数据查询效率低的问题,提出了一种基于Elastic Search的数据检索优化方法,通过Elastic Search构建二级索引,提高数据检索效率。通过数据写入和检索测试,能够很好地满足预警数据存储和检索的要求。(3)根据预警数据汇集分发系统的架构,对安全管理模块、数据采集模块、数据汇集分发模块、数据存储模块、汇集分发管理模块、数据检索模块给出了具体实现。在此基础上,搭建了基于Kafka的预警数据汇集分发系统的测试环境,对功能要求、性能指标进行测试,验证了系统设计的正确性。
罗良杰[8](2021)在《基于负载预测的容器弹性伸缩技术研究》文中研究指明随着容器技术的不断发展和完善,以Docker和Kubernetes为代表的容器云在业界得到了广泛关注和应用。尽管Kubernetes具有强大的功能和先进的设计,然而还是存在一些不容忽视的问题。其中最为突出的问题是Kubernetes现有的弹性伸缩机制过于简易,不能很好地适用于生产环境中多样的应用场景。因此,本文为了解决此类问题,提出了相应的改进方案,能够有效改善Kubernetes现有的弹性伸缩功能。为了提前获取部署在Kubernetes上的应用的负载变化情况,提出了一种由变分模态分解(VMD)和时间卷积网络(TCN)相结合的云资源负载组合预测模型VMD-TCN。该模型根据云资源负载序列具有的非线性和非平稳性等特点,先利用VMD将原负载序列分解为不同频率且相对平稳的模态分量,再使用TCN对分解得到的分量进行预测,进而提高了模型的预测精度。同时,为了使Kubernetes能够利用VMD-TCN模型的预测结果来指导弹性伸缩过程,提出了一种基于负载预测的资源弹性伸缩策略LPB-HPA(Load Predicting Based Horizon Pod Autoscaling)。该策略综合考虑了预测负载值和当前负载值与资源阈值之间的关系,针对扩容阶段和缩容阶段中具有的不同特点,分别采用合适的算法计算应用的期望副本数,再根据计算结果完成扩容或缩容动作,避免了因扩容不及时或频繁伸缩问题而影响应用的服务质量。实验表明,本文VMD-TCN组合预测模型取得了比其它对比模型更好的预测效果,提升了预测精度。同时本文提出的LPB-HPA能够根据VMD-TCN模型的预测结果,执行更优的伸缩决策,减少扩容不及时和频繁伸缩现象的发生,达到了降低应用响应时间和提升服务质量的目的。
陈继磊[9](2021)在《高并发下购物平台系统的设计与实现》文中提出近年来,随着互联网的高速发展,电商网站用户量不断攀升,电商的流量优势和便捷高效的特性彻底改变了传统的购物方式。但是,随着系统的并发量越来越高,并发高峰期会导致系统的反应时间过长,甚至会由于无法负荷高并发的流量而导致系统崩溃,这无疑对传统的单体Web系统架构带来了新的挑战。因此,一个能够提供高效率、高并发以及高可用服务的商城购物平台具有重要的实践意义和应用价值。本文基于公司项目实际需求,结合具体业务场景,设计和实现了一个支撑高并发的分布式购物商城系统。本文的主要研究工作包括:(1)在系统架构上采用分布式服务架构Dubbo作为平台的基础架构,为系统提供高性能服务调用方案,将系统架构层级垂直拆分;采用SpringBoot在应用层面基于微服务概念将应用服务水平拆分,应用服务独立部署运行;使用Zookeeper作为服务监控中心,完成服务者和消费者之间的管理和调度,实现服务间解耦,提升系统扩展性。(2)对数据库结构进行优化设计,使用Redis作为数据库的分布式缓存,可以大大提高海量数据的存储和访问能力;采用读写分离实现读写请求发往不同的服务器处理,提升系统处理请求的效率,配置主从复制方案,有效保障了数据的安全备份,避免服务器宕机出现数据丢失的情况;使用MyCat对数据库表结构进行水平切分和垂直切分,有利于加快数据获取的反应时间。(3)基于JWT的方式实现单点登陆,实现跨语言支持登陆认证,相较于传统Cookie与Session登陆方案信息安全性更高,可实现跨域资源共享,同时避免了不同子系统重复登陆的情况;基于Redis和Lua实现分布式锁,解决了多线程场景下对共享数据的安全操作,相较于传统分布式锁数据安全性更高,性能更好。(4)为避免瞬间流量过高导致服务器宕机的情况,基于漏桶算法和令牌桶算法设计限流策略,根据两种算法的不同特性在不同的业务场景下选择合适的算法模型处理高并发流量请求,保障了系统服务可持续提供与稳定性。(5)为提升系统并发量,设计了一种动态负载均衡策略,在加权轮询负载均衡算法的基础上,对权值计算进行优化,使用CPU、磁盘I/O、内存以及网络带宽的各自使用率等影响因素计算综合权值,请求分配更为合理,并对集群状态实时监控,进行合理化调控,从而提高请求处理连接的成功率,有效提升系统负载能力和并发性能。基于以上架构设计和系统优化,开发完成了一个门户展示功能模块、后端管理功能模块、搜索功能模块、商品展示功能模块、购物车功能模块、订单功能模块、“抢购”活动功能模块于一体的分布式购物商城系统。最后,对平台的功能和性能进行详细具体的测试与分析,测试结果符合预估结果,各个功能模块目前已正常运行。使用Jmeter对高并发情况进行压力测试,结果显示,相较于传统的加权轮询负载均衡算法,本系统中采用的动态负载均衡策略的并发量提升了 11.2%左右,请求响应时间降低5.4%,更加适应高并发环境。本文设计和开发的平台已上线运行,系统运行稳定流畅,可以为用户提高效稳定的服务,提升了用户购物体验感,表明本系统在解决高并发访问的问题上具有一定的应用价值。
丁永杰[10](2021)在《微纳光器件逆设计软件的云化方法研究》文中研究指明在进行光器件仿真设计时,通常在单台服务器安装相关专业软件进行实验,面对复杂度较高的光器件逆设计需求,单台服务器会消耗较多的计算时间,个人管理仿真设计任务容易导致任务管理的低效和无序。大量服务器在大部分时间处于闲置状态,导致计算资源利用率低下,求解数据无法共享导致信息孤岛,产生了大量重复实验,无法为软件使用者带来增益,目前市面上的逆设计软件大都价格昂贵,安装和使用步骤繁琐,设计一套基于云平台资源共享的光器件逆设计软件的需求十分迫切,本论文针对目前光器件仿真设计实验中,单个任务耗时长,资源无法充分利用,成本高,无法满足任务并发运行等问题,设计了基于云化服务的光器件逆设计软件,主要研究内容如下:第一,本系统主要采用B/S架构,设计并实现了 Webserver客户端应用子系统,该子系统实现了任务管理、用户管理、用户数据隔离、光器件模型编辑器、以及仿真设计运行结果的实时显示等功能,其中光器件编辑器主要实现了器件模型编辑的可视化,编辑器中提供了器件参数的输入接口和WebGL的三维可视化接口,方便了用户对光器件模型的编辑。第二,本论文设计并实现了云服务端计算引擎子系统,云服务端利用Docker容器技术,将逆设计任务运行在Docker容器中,实现多个逆设计任务并发运行在云平台,并实现了用户申请的硬件资源的分配,借助Nginx实现了请求访问的负载均衡,搭建了分布式文件共享文件系统。云服务端子系统满足了多用户多任务的计算请求。本文利用多组测试数据将光器件逆设计云化软件与单机版软件进行对比,实验结果表明,本软件拥有良好的器件模型编辑和计算能力,能够对波导方向转换器,波分复用器、光栅等进行逆设计运算,和单机软件对比在并发量较高时有明显优势。
二、Linux负载均衡技术介绍(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、Linux负载均衡技术介绍(论文提纲范文)
(1)基于飞机伤痕检测服务的高并发性能研究与应用(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 |
1.3 论文主要工作 |
1.4 论文的组织结构 |
第二章 理论基础及相关技术 |
2.1 高并发服务模型 |
2.1.1 多进程服务模型 |
2.1.2 多线程服务模型 |
2.1.3 微线程服务模型 |
2.2 负载均衡技术 |
2.2.1 硬件负载均衡 |
2.2.2 软件负载均衡 |
2.3 容器化技术 |
2.3.1 容器化技术概念 |
2.3.2 容器化技术原理分析 |
2.3.3 容器化技术的优势 |
2.4 测试工具及评价指标介绍 |
2.4.1 压力测试工具 |
2.4.2 评价指标 |
2.5 本章小结 |
第三章 单机多卡分布式处理方案设计 |
3.1 现有高并发处理方案分析 |
3.1.1 现有高并发处理方案概述 |
3.1.2 现有高并发处理方案不足 |
3.2 单机多卡分布式处理方案设计与实现 |
3.2.1 基于业务流量的动态自适应封装策略设计与实现 |
3.2.2 基于多进程模型的多卡分布式处理方案设计与实现 |
3.3 单机多卡分布式处理方案优化 |
3.3.1 零卡瓶颈问题解决 |
3.3.2 显存泄漏问题优化 |
3.4 实验设计与结果 |
3.4.1 实验设计 |
3.4.2 实验环境 |
3.4.3 实验结果与分析 |
3.5 本章小结 |
第四章 基于集群性能的动态负载均衡策略设计 |
4.1 现有负载均衡策略分析 |
4.1.1 现有负载均衡策略概述 |
4.1.2 现有负载均衡策略不足 |
4.2 基于集群性能的动态负载均衡策略设计与实现 |
4.2.1 性能采集模块 |
4.2.2 算法模块 |
4.2.3 负载均衡器模块 |
4.3 实验设计与结果 |
4.3.1 实验设计 |
4.3.2 实验环境 |
4.3.3 实验结果与分析 |
4.4 本章小结 |
第五章 基于容器化技术的多机分布式扩展方案设计 |
5.1 需求分析 |
5.1.1 单机瓶颈问题 |
5.1.2 集群节点环境问题 |
5.1.3 集群节点管理问题 |
5.1.4 集群部署繁琐问题 |
5.2 多机分布式扩展方案总体设计 |
5.3 多机分布式扩展方案详细设计及实现 |
5.3.1 镜像文件构建 |
5.3.2 镜像仓库构建 |
5.3.3 代码仓库构建 |
5.3.4 自动化流水线构建 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 本文总结 |
6.2 未来展望 |
参考文献 |
致谢 |
(2)基于PHP的社交化艺术品电商平台的研究与设计(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究现状 |
1.3 课题研究内容与创新 |
1.4 论文组织架构 |
第二章 关键技术研究 |
2.1 负载均衡的研究 |
2.1.1 负载均衡的分类 |
2.1.2 负载均衡的实现方式 |
2.1.3 负载均衡常用软件 |
2.1.4 负载均衡算法 |
2.2 数据分片算法的研究 |
2.2.1 数据分片概述 |
2.2.2 数据分片的实现方式 |
2.2.3 常用的数据分片算法 |
2.3 数据库高可用架构的研究 |
2.3.1 Redis关键技术研究 |
2.3.2 MySQL主从复制架构 |
2.4 Smarty模板引擎技术研究 |
2.5 本章总结 |
第三章 社交化艺术品电商平台的分析与设计 |
3.1 系统需求分析 |
3.1.1 业务需求分析 |
3.1.2 非业务需求分析 |
3.2 系统架构设计 |
3.2.1 负载均衡算法HDM的设计 |
3.2.2 数据分片算法CHD的设计 |
3.2.3 数据库高可用架构的设计 |
3.3 系统模块详细设计 |
3.3.1 认证模块设计 |
3.3.2 商城模块设计 |
3.3.3 社交模块设计 |
3.3.4 个人中心模块设计 |
3.4 数据库表结构设计 |
3.5 本章小结 |
第四章 社交化艺术品电商平台的实现 |
4.1 系统实现 |
4.1.1 平台架构的搭建 |
4.1.2 认证模块实现 |
4.1.3 商城模块实现 |
4.1.4 社交模块实现 |
4.1.5 个人中心模块实现 |
4.2 负载均衡的实现 |
4.2.1 负载均衡环境搭建 |
4.2.2 负载均衡算法HDM的实现 |
4.3 数据分片的实现 |
4.3.1 数据分片环境搭建 |
4.3.2 数据分片算法CHD的实现 |
4.4 数据库高可用架构的实现 |
4.4.1 Redis集群搭建 |
4.4.2 MySQL主从复制架构搭建 |
4.5 本章小结 |
第五章 社交化艺术品电商平台的测试 |
5.1 系统功能模块测试 |
5.2 系统稳定性测试 |
5.3 负载均衡测试 |
5.4 数据分片测试 |
5.5 测试结果分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(3)集中采购系统交易管理子系统设计与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景和意义 |
1.2 国内外研究现状 |
1.2.1 区块链国内外研究现状 |
1.2.2 负载均衡算法国内外研究现状 |
1.3 相关技术综述 |
1.3.1 Dubbo分布式框架 |
1.3.2 区块链技术 |
1.3.3 排队论模型 |
1.4 主要解决问题 |
1.5 论文组织结构 |
2 系统需求分析 |
2.1 功能性需求分析 |
2.2 非功能性需求分析 |
2.3 本章小结 |
3 集中采购系统交易子系统优化方案 |
3.1 负载均衡算法优化方案 |
3.1.1 Nginx负载均衡算法分析 |
3.1.2 PL负载均衡算法设计 |
3.1.3 PL负载均衡算法实现 |
3.1.4 算法性能测试 |
3.2 排队论优化方案 |
3.2.1 数据来源 |
3.2.2 用户请求数量分布 |
3.2.3 用户等待时间分布 |
3.2.4 系统指标计算及优化 |
3.3 区块链优化方案 |
3.3.1 区块链选型分析 |
3.3.2 链下扩容设计 |
3.3.3 智能合约设计 |
3.4 本章小结 |
4 系统设计 |
4.1 系统架构设计 |
4.2 数据库设计 |
4.3 详细设计 |
4.3.1 资金管理模块 |
4.3.2 货物管理模块 |
4.3.3 交易管理模块 |
4.4 本章小结 |
5 系统实现与测试 |
5.1 测试环境搭建 |
5.1.1 Zookeeper注册中心部署 |
5.1.2 Redis缓存服务器部署 |
5.1.3 区块链环境搭建 |
5.2 功能实现与测试 |
5.2.1 货物模块 |
5.2.2 资金模块 |
5.2.3 交易模块 |
5.2.4 管理员模块 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(4)基于容器的云工作流引擎的设计与部署(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 |
1.3 主要研究内容 |
1.4 论文组织结构 |
第二章 相关技术及工作基础介绍 |
2.1 云工作流技术 |
2.1.1 云计算概述 |
2.1.2 云工作流概述 |
2.2 Hadoop技术 |
2.2.1 Hadoop平台概述 |
2.2.2 MapReduce与 HDFS |
2.2.3 Hadoop调度技术 |
2.3 Docker容器技术 |
2.3.1 Docker虚拟化 |
2.3.2 Dockerfile介绍 |
2.4 工作基础 |
2.5 本章小结 |
第三章 云工作流引擎系统体系结构设计 |
3.1 云环境下的工作流分析 |
3.2 云工作流系统体系结构 |
3.2.1 系统整体结构 |
3.2.2 Hadoop模块组成结构 |
3.3 云工作流系统与底层云环境集成 |
3.3.1 云事务执行流程 |
3.3.2 云事务模型创建 |
3.3.3 MapReduce函数生成 |
3.3.4 Hadoop集群调用 |
3.4 本章小结 |
第四章 自适应云资源负载均衡策略研究 |
4.1 同构负载均衡策略 |
4.2 异构负载均衡策略 |
4.2.1 负载均衡模型 |
4.2.2 负载均衡算法 |
4.3 实验及结果分析 |
4.4 本章小结 |
第五章 云工作流引擎容器化部署 |
5.1 实验环境 |
5.2 云工作流引擎实现 |
5.3 系统部署与实例验证 |
5.3.1 使用Docker搭建Hadoop集群 |
5.3.2 使用Docker部署云工作流系统 |
5.3.3 实例验证 |
5.3.4 结果分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 下一步工作 |
参考文献 |
致谢 |
附:硕士研究生期间参加的研究项目 |
(5)基于Kubernetes的批流融合数据处理支撑环境研究与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景及研究意义 |
1.2 国内外相关课题研究现状 |
1.3 课题来源及本课题主要研究内容 |
1.4 本文研究内容和组织架构 |
第二章 相关工作与技术 |
2.1 云计算与大数据 |
2.2 容器基础技术 |
2.2.1 Docker的基本概念 |
2.2.2 调度相关技术 |
2.2.3 容器监控相关技术 |
2.3 容器管理相关工作 |
2.4 CloudSim仿真平台 |
2.5 本章小结 |
第三章 容器化的的批流融合数据处理支撑环境设计 |
3.1 批流融合数据处理支撑环境需求分析 |
3.2 容器化的批流融合支撑环境架构设计 |
3.3 容器化支撑环境的通信模式设计 |
3.3.1 Docker通信模式分析 |
3.3.2 跨主机容器的通信方案 |
3.3.3 批流融合数据处理服务通信分析与设计 |
3.4 批流融合数据处理支撑环境服务监控设计 |
3.4.1 支撑环境的服务监控机制分析 |
3.4.2 支撑环境的服务监控需求 |
3.4.3 支撑环境的服务监控方案设计 |
3.4.4 支撑环境的服务监控方案对比 |
3.5 本章总结 |
第四章 面向批流融合数据处理支撑环境的规模化容器调度 |
4.1 规模化容器调度模型设计 |
4.1.1 容器调度问题描述 |
4.1.2 容器调度资源约束模型 |
4.1.3 容器调度节点资源调度目标函数 |
4.1.4 容器调度模型建立 |
4.2 基于FBDRF的规模化容器调度算法 |
4.2.1 规模化容器调度基本流程 |
4.2.2 规模化容器调度算法设计 |
4.3 基于CloudSim的算法实验结果与分析 |
4.4 本章小结 |
第五章 基于Kubernetes的批流融合数据处理支撑环境实现 |
5.1 支撑环境基本配置 |
5.2 支撑环境基础功能实现 |
5.3 支撑环境核心模块实现 |
5.3.1 通信机制实现 |
5.3.2 监控模块实现 |
5.3.3 调度算法实现 |
5.4 支撑环境应用 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 主要结论 |
6.2 研究展望 |
参考文献 |
在学期间的研究成果 |
致谢 |
(6)基于非对称RSS的软件负载均衡方法研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景 |
1.2 课题研究内容 |
1.2.1 研究内容 |
1.2.2 课题创新点 |
1.3 论文组织与结构 |
第二章 相关技术介绍 |
2.1 算法介绍 |
2.1.1 BIRCH聚类算法 |
2.1.2 CART决策树算法 |
2.1.3 一致性哈希算法 |
2.2 包处理技术介绍 |
2.2.1 RSS |
2.2.2 Flow Director |
2.2.3 DPDK |
2.3 负载均衡技术介绍 |
2.3.1 负载均衡工作模式 |
2.3.2 网络地址转换 |
2.4 本章小结 |
第三章 基于非对称RSS的软件负载均衡方法 |
3.1 问题描述 |
3.2 模型定义 |
3.2.1 变量定义 |
3.2.2 模型描述 |
3.3 算法描述 |
3.3.1 非对称会话数据包调度算法 |
3.3.2 大象流识别算法 |
3.3.3 非对称会话负载均衡卸载算法 |
3.4 仿真结果与分析 |
3.4.1 非对称会话数据包调度 |
3.4.2 大象流识别 |
3.4.3 负载均衡吞吐率 |
3.5 本章小结 |
第四章 软件负载均衡系统概要设计 |
4.1 系统需求分析 |
4.2 系统整体架构设计 |
4.3 模块间接口设计 |
4.3.1 硬件抽象层模块间接口设计 |
4.3.2 数据转发层模块间接口设计 |
4.3.3 会话控制层模块间接口设计 |
4.4 本章小结 |
第五章 软件负载均衡系统详细设计与实现 |
5.1 系统整体工作流程 |
5.2 硬件抽象层设计 |
5.2.1 网卡管理与数据包收发模块设计 |
5.2.2 流表与RSS管理模块设计 |
5.3 数据转发层设计 |
5.3.1 数据包调度模块设计 |
5.3.2 会话管理与特征提取模块设计 |
5.3.3 地址转换模块设计 |
5.4 会话控制层设计 |
5.4.1 会话管控模块设计 |
5.4.2 负载均衡与规则管控模块设计 |
5.4.3 大象流识别模块设计 |
5.5 本章小结 |
第六章 测试与结果分析 |
6.1 测试环境介绍 |
6.2 测试用例设计 |
6.3 测试结果与分析 |
6.4 本章小结 |
第七章 总结和展望 |
7.1 论文总结 |
7.2 未来展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的学术论文目录 |
(7)基于Kafka的大容量实时预警数据汇集分发技术研究(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 预警领域数据建设情况 |
1.2.2 数据集成技术 |
1.2.3 消息中间件 |
1.3 现有系统存在的问题 |
1.4 论文研究主要内容 |
1.5 本论文结构安排 |
第二章 相关理论及技术 |
2.1 消息中间件 |
2.1.1 分布式消息中间件 |
2.1.2 Kafka架构设计 |
2.2 HBase数据库 |
2.3 其他关键技术介绍 |
2.3.1 Elastic Search搜索引擎 |
2.3.2 Zookeeper分布式服务框架 |
2.3.3 JMX技术 |
2.4 本章小结 |
第三章 基于Kafka的预警数据汇集分发系统分析与设计 |
3.1 需求分析 |
3.1.1 功能需求 |
3.1.2 非功能性需求 |
3.2 系统架构设计 |
3.3 系统核心模块设计 |
3.3.1 安全管理模块 |
3.3.2 数据采集模块 |
3.3.3 数据汇集分发模块 |
3.3.4 数据存储模块 |
3.3.5 汇集分发管理模块 |
3.3.6 数据检索模块 |
3.4 数据库表设计 |
3.5 本章小结 |
第四章 基于Kafka的预警数据汇集分发系统中关键技术研究 |
4.1 Kafka集群动态负载均衡算法研究 |
4.1.1 原生负载均衡存在的问题 |
4.1.2 动态负载算法 |
4.1.3 模块设计与实现 |
4.1.4 实验与结果分析 |
4.2 海量预警数据存储检索优化研究 |
4.2.1 海量数据存储 |
4.2.2 海量预警数据检索 |
4.2.3 实验与结果分析 |
4.3 本章小结 |
第五章 基于Kafka的预警数据汇集分发系统实现与测试 |
5.1 系统功能实现 |
5.1.1 安全管理模块 |
5.1.2 数据采集模块 |
5.1.3 数据汇集分发模块 |
5.1.4 数据存储模块 |
5.1.5 汇集分发管理模块 |
5.1.6 数据检索模块 |
5.2 系统测试 |
5.2.1 系统部署环境 |
5.2.2 功能测试 |
5.2.3 性能测试 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(8)基于负载预测的容器弹性伸缩技术研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.2.1 云资源负载预测研究现状 |
1.2.2 弹性伸缩技术研究现状 |
1.3 研究内容 |
1.4 文章结构安排 |
2 相关技术介绍 |
2.1 Docker容器技术 |
2.2 Kubernetes |
2.2.1 Kubernetes核心概念 |
2.2.2 Kubernetes系统架构 |
2.3 本章小结 |
3 Kubernetes弹性伸缩策略分析 |
3.1 弹性伸缩方案 |
3.2 HPA弹性伸缩策略 |
3.3 问题分析 |
3.4 本章小结 |
4 基于VMD和TCN的云资源负载预测模型研究 |
4.1 变分模态分解 |
4.1.1 变分问题的构造 |
4.1.2 变分问题的求解 |
4.2 时间卷积网络 |
4.2.1 因果卷积 |
4.2.2 空洞卷积 |
4.3 基于VMD-TCN的云资源组合预测模型 |
4.4 本章小结 |
5 基于负载预测的资源弹性伸缩策略 |
5.1 LPB-HPA总体设计 |
5.2 资源监控系统 |
5.3 资源预测系统 |
5.4 资源伸缩系统 |
5.4.1 扩容副本数计算流程 |
5.4.2 缩容副本数计算流程 |
5.5 本章小结 |
6 实验与结果分析 |
6.1 负载预测实验 |
6.1.1 实验环境及数据集 |
6.1.2 实验参数及评价指标 |
6.1.3 实验结果与分析 |
6.2 资源弹性伸缩实验 |
6.2.1 实验环境 |
6.2.2 实验设计 |
6.2.3 实验结果与分析 |
6.3 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
附录 |
致谢 |
(9)高并发下购物平台系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景以及意义 |
1.2 国内外研究现状 |
1.3 本文主要研究工作 |
1.4 本文的组织结构 |
第2章 相关技术介绍 |
2.1 微服务框架SpringBoot |
2.2 分布式服务架构Dubbo |
2.3 分布式注册中心Zookeeper |
2.4 Redis数据库 |
2.5 搜索引擎服务器ElasticSearch |
2.6 集群&负载均衡策略 |
2.7 MyCat |
第3章 系统需求分析与设计 |
3.1 系统需求分析 |
3.1.1 系统功能需求分析 |
3.1.2 系统非功能性需求分析 |
3.2 系统架构概要设计 |
3.3 系统业务功能设计 |
3.3.1 商城门户模块 |
3.3.2 商品搜索模块 |
3.3.3 商品详情模块 |
3.3.4 购物车模块 |
3.3.5 订单模块 |
3.3.6 抢购活动模块 |
3.4 动态负载均衡策略设计 |
3.4.1 加权轮询策略 |
3.4.2 动态负载均衡策 |
3.5 基于JWT的单点登陆设计 |
3.6 限流策略设计 |
3.6.1 限流原理设计 |
3.6.2 限流算法设计 |
3.7 系统数据库设计 |
3.7.1 数据库逻辑结构 |
3.7.2 分布式查询缓存机制 |
3.7.3 数据表的切分 |
3.7.4 读写分离与主从复制 |
3.7.5 详细数据库表设计 |
3.8 本章小结 |
第4章 系统实现 |
4.1 系统开发环境 |
4.2 业务功能模块的实现 |
4.2.1 商城门户模块 |
4.2.2 商品搜索模块 |
4.2.3 商品详情模块 |
4.2.4 购物车模块 |
4.2.5 订单模块 |
4.2.6 抢购活动模块 |
4.3 动态负载均衡策的实现 |
4.3.1. 负载信息收集 |
4.3.2 综合权重修改 |
4.4 基于Redis和Lua的分布式锁实现 |
4.5 基于JWT的单点登陆的实现 |
4.6 限流策略的实现 |
4.7 数据库结构优化的实现 |
4.7.1 数据表的切分 |
4.7.2 读写分离与主从复制 |
4.8 本章小结 |
第5章 系统测试 |
5.1 测试环境 |
5.2 功能测试 |
5.3 性能测试 |
5.3.1 性能测试概述 |
5.3.2 测试工具 |
5.3.3 服务器性能指标 |
5.3.4 测试结果与分析 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
学位论文评阅及答辩情况表 |
(10)微纳光器件逆设计软件的云化方法研究(论文提纲范文)
摘要 |
英文摘要 |
第一章 绪论 |
1.1 课题背景与意义 |
1.2 国内外研究现状分析 |
1.2.1 光器件逆设计软件发展现状 |
1.2.2 基于云化服务的软件研发现状 |
1.3 主要工作内容 |
1.4 论文结构 |
第二章 光器件逆设计软件云化需求分析与总体架构 |
2.1 系统需求概述 |
2.1.1 问题与挑战分析 |
2.1.2 系统总体需求分析 |
2.2 软件详细功能需求 |
2.2.1 用户管理功能 |
2.2.2 逆设计任务管理功能 |
2.2.3 多任务并发运行功能 |
2.2.4 光器件可视化编辑功能 |
2.2.5 实时监控和动态展示功能 |
2.2.6 容器云平台的技术和功能需求 |
2.3 相关硬件需求分析 |
2.3.1 Webserver子系统硬件需求分析 |
2.3.2 云平台服务端硬件需求分析 |
2.4 系统总体架构设计 |
2.4.1 系统模块设计 |
2.4.2 系统软件架构设计 |
2.4.3 系统功能架构设计 |
2.5 本章小结 |
第三章 微纳光器件云化软件的设计与实现 |
3.1 Webserver子系统的设计与实现 |
3.1.1 Webserver子系统流程 |
3.1.2 Webserver子系统软件架构 |
3.1.3 Web视图层实现 |
3.1.4 Webserver子系统核心模块设计与实现 |
3.2 模型编辑器开发与实现 |
3.2.1 模型编辑器组织架构 |
3.2.2 光器件模型编辑器实现 |
3.3 云服务计算平台子系统设计 |
3.3.1 云服务子系统任务提交流程 |
3.3.2 云服务计算平台子系统架构设计 |
3.3.3 云平台的搭建与实现 |
3.3.4 逆设计算法中模块运行流程 |
3.3.5 云平台测试 |
3.4 数据库设计 |
3.4.1 数据库E-R图设计 |
3.4.2 数据库实体表格设计 |
3.4.3 数据库之间的关系图 |
3.5 本章小结 |
第四章 微纳光器件逆设计软件测试与分析 |
4.1 测试环境 |
4.2 功能测试 |
4.2.1 用户信息管理功能测试 |
4.2.2 用户的创建功能测试 |
4.2.3 任务创建提交功能测试 |
4.2.4 实时监控功能测试 |
4.2.5 多任务并发运行功能测试 |
4.2.6 模型编辑功能测试 |
4.2.7 软件性能对比测试 |
4.3 测试结果分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 工作展望 |
参考文献 |
致谢 |
四、Linux负载均衡技术介绍(论文参考文献)
- [1]基于飞机伤痕检测服务的高并发性能研究与应用[D]. 袁少怡. 北京邮电大学, 2021(01)
- [2]基于PHP的社交化艺术品电商平台的研究与设计[D]. 白春雨. 北京邮电大学, 2021(01)
- [3]集中采购系统交易管理子系统设计与实现[D]. 李旭东. 大连理工大学, 2021(01)
- [4]基于容器的云工作流引擎的设计与部署[D]. 伏修远. 内蒙古大学, 2021(12)
- [5]基于Kubernetes的批流融合数据处理支撑环境研究与实现[D]. 张智. 北方工业大学, 2021(01)
- [6]基于非对称RSS的软件负载均衡方法研究与实现[D]. 陈中卿. 北京邮电大学, 2021(01)
- [7]基于Kafka的大容量实时预警数据汇集分发技术研究[D]. 车思阳. 电子科技大学, 2021(01)
- [8]基于负载预测的容器弹性伸缩技术研究[D]. 罗良杰. 武汉纺织大学, 2021(08)
- [9]高并发下购物平台系统的设计与实现[D]. 陈继磊. 山东大学, 2021(12)
- [10]微纳光器件逆设计软件的云化方法研究[D]. 丁永杰. 北京邮电大学, 2021(01)
标签:负载均衡论文; nginx负载均衡配置论文; 测试环境论文; 集群技术论文; 集群服务器论文;