Spring Cloud作為目前最為流行的微服務(wù)框架之一,得到了越來越多的關(guān)注和使用。Spring Cloud的健康檢測通過心跳機(jī)制來完成,但只能判斷服務(wù)是否正在運(yùn)行,不能判斷出能否運(yùn)行成功。同時,Spring Cloud中的負(fù)載均衡算法只是簡單地考慮了一些統(tǒng)計(jì)變量,沒有結(jié)合服務(wù)節(jié)點(diǎn)的實(shí)際運(yùn)行情況提供更優(yōu)的均衡策略。因此,本文針對Spring Cloud健康檢測機(jī)制和負(fù)載均衡算法中的問題,通過負(fù)載預(yù)測的方式,對健康檢測機(jī)制進(jìn)行優(yōu)化,并根據(jù)負(fù)載預(yù)測的結(jié)果提出一種改進(jìn)的負(fù)載均衡算法,為構(gòu)建Spring Cloud微服務(wù)框架提供了一種可借鑒的優(yōu)化方案,具有重要的實(shí)際意義。本文的主要工作包括以下幾個方面:（1）通過對負(fù)載特性和負(fù)載預(yù)測方法的分析,選擇了基于時序模型的負(fù)載預(yù)測方法,給出綜合負(fù)載的定義,并針對本文實(shí)驗(yàn)環(huán)境,選擇合適的時序模型和模型參數(shù)。（2）針對Spring Cloud健康檢測機(jī)制的不足,本文結(jié)合其他已有框架的健康檢測思想和一些優(yōu)化方案,在原有的心跳機(jī)制中,整合Spring Boot的監(jiān)控組件,通過監(jiān)控服務(wù)正常運(yùn)行所必須的外部資源來判斷服務(wù)實(shí)例是否正�？捎谩Ｍ瑫r借助健康分級的思想,... 

【文章來源】：武漢理工大學(xué)湖北省211工程院校教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 微服務(wù)的研究現(xiàn)狀
        1.2.2 健康檢測的研究現(xiàn)狀
        1.2.3 負(fù)載均衡的研究現(xiàn)狀
    1.3 研究目標(biāo)
    1.4 研究內(nèi)容
    1.5 論文組織結(jié)構(gòu)
第2章 負(fù)載預(yù)測模型分析與選型
    2.1 基于時序模型的負(fù)載預(yù)測方法
        2.1.1 負(fù)載值的定義與計(jì)算
        2.1.2 時序模型
        2.1.3 時序模型選型原則
    2.2時序模型選型實(shí)驗(yàn)
        2.2.1 數(shù)據(jù)采集
        2.2.2 自相關(guān)系數(shù)求解
        2.2.3 偏自相關(guān)系數(shù)求解
    2.3 負(fù)載預(yù)測模型建模
        2.3.1 白噪聲與平穩(wěn)性檢驗(yàn)
        2.3.2 參數(shù)估計(jì)方法
        2.3.3 負(fù)載預(yù)測模型定階實(shí)驗(yàn)
    2.4 本章小結(jié)
第3章 基于負(fù)載預(yù)測的健康檢測優(yōu)化
    3.1 Eureka健康檢測機(jī)制分析
        3.1.1 Eureka服務(wù)治理
        3.1.2 Eureka健康檢測
    3.2 Eureka健康檢測機(jī)制優(yōu)化
        3.2.1 運(yùn)行狀態(tài)監(jiān)控
        3.2.2 健康狀態(tài)分級
        3.2.3 健康檢測優(yōu)化機(jī)制實(shí)現(xiàn)
    3.3 健康檢測優(yōu)化機(jī)制對比實(shí)驗(yàn)
        3.3.1 健康檢測優(yōu)化機(jī)制功能對比實(shí)驗(yàn)
        3.3.2 健康檢測優(yōu)化機(jī)制性能對比實(shí)驗(yàn)
    3.4 本章小結(jié)
第4章 基于負(fù)載預(yù)測的負(fù)載均衡算法優(yōu)化
    4.1 Ribbon負(fù)載均衡技術(shù)
        4.1.1 Ribbon負(fù)載均衡原理分析
        4.1.2 Ribbon負(fù)載均衡算法及其存在問題
    4.2 動態(tài)權(quán)重隨機(jī)算法DWRR
        4.2.1 DWRR算法的思想
        4.2.2 DWRR算法的描述與分析
        4.2.3 DWRR算法的實(shí)現(xiàn)
    4.3 負(fù)載均衡優(yōu)化算法對比實(shí)驗(yàn)
        4.3.1 DWRR算法參數(shù)分析
        4.3.2 DWRR算法性能實(shí)驗(yàn)
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間獲得與學(xué)位論文相關(guān)的科研成果目錄


【參考文獻(xiàn)】：
期刊論文
[1]微服務(wù)架構(gòu)下的分布式事務(wù)處理[J]. 方意,朱永強(qiáng),宮學(xué)慶.  計(jì)算機(jī)應(yīng)用與軟件. 2019(01)
[2]微服務(wù)架構(gòu)下訪問控制模型的設(shè)計(jì)與實(shí)現(xiàn)[J]. 朱永強(qiáng),方意,宮學(xué)慶.  計(jì)算機(jī)應(yīng)用與軟件. 2018(12)
[3]基于Docker的CaaS管理平臺架構(gòu)研究與設(shè)計(jì)[J]. 張琦.  計(jì)算機(jī)應(yīng)用與軟件. 2018(11)
[4]面向微服務(wù)系統(tǒng)的運(yùn)行時部署優(yōu)化[J]. 徐琛杰,周翔,彭鑫,趙文耘.  計(jì)算機(jī)應(yīng)用與軟件. 2018(10)
[5]微服務(wù)體系結(jié)構(gòu)實(shí)現(xiàn)框架綜述[J]. 辛園園,鈕俊,謝志軍,張開樂,毛昕怡.  計(jì)算機(jī)工程與應(yīng)用. 2018(19)
[6]基于Docker swarm集群的動態(tài)加權(quán)調(diào)度策略[J]. 黃凱,孟慶永,謝雨來,馮丹,秦磊華.  計(jì)算機(jī)應(yīng)用. 2018(05)
[7]一種基于微服務(wù)的應(yīng)用框架[J]. 張晶,黃小鋒.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2016(09)
[8]基于CPU和內(nèi)存利用率的負(fù)載均衡算法的研究[J]. 楊明極,王鶴,趙加鳳.  科技通報(bào). 2016(04)

博士論文
[1]云計(jì)算負(fù)載均衡策略的研究[D]. 劉琨.吉林大學(xué) 2016
[2]Web服務(wù)器集群系統(tǒng)的自適應(yīng)負(fù)載均衡調(diào)度策略研究[D]. 王紅斌.吉林大學(xué) 2013

碩士論文
[1]微服務(wù)環(huán)境下docker容器調(diào)度策略的研究與實(shí)現(xiàn)[D]. 郭楊虎.北京郵電大學(xué) 2018
[2]動態(tài)反饋負(fù)載均衡策略的研究[D]. 王東.哈爾濱工程大學(xué) 2018
[3]基于機(jī)器學(xué)習(xí)的SDN網(wǎng)絡(luò)流量預(yù)測與負(fù)載均衡[D]. 姚騫.電子科技大學(xué) 2018
[4]客戶端負(fù)載均衡算法研究及在即時通訊架構(gòu)中的應(yīng)用與實(shí)現(xiàn)[D]. 毛可嘉.電子科技大學(xué) 2018
[5]數(shù)據(jù)中心內(nèi)部負(fù)載均衡與基于深度學(xué)習(xí)的網(wǎng)絡(luò)流量預(yù)測研究[D]. 錢喆敏.浙江大學(xué) 2018
[6]基于Dubbo的服務(wù)治理研究[D]. 何瑢.武漢理工大學(xué) 2018
[7]基于Spring Cloud的微服務(wù)調(diào)用研究[D]. 梅璇.武漢理工大學(xué) 2018
[8]基于微服務(wù)架構(gòu)的系統(tǒng)設(shè)計(jì)與開發(fā)[D]. 馬雄.南京郵電大學(xué) 2017
[9]基于分布式服務(wù)框架Dubbo的集群式服務(wù)器的研究與實(shí)現(xiàn)[D]. 楊超.北京郵電大學(xué) 2017
[10]基于時間序列預(yù)測的異構(gòu)無線網(wǎng)絡(luò)負(fù)載均衡技術(shù)研究[D]. 申紅磊.上海師范大學(xué) 2015



本文編號：3632481