怎么计算WEB服务器的最大负载量?服务器教程

2024-09-07

怎么计算WEB服务器的最大负载量?服务器教程（3篇）

1.怎么计算WEB服务器的最大负载量?服务器教程篇一

web|web服务|web服务器

三、配置IIS6.0，

WIN2003下Web服务器配置(2)服务器教程

。说明：本文所述配置重在一些注意事项或重要设置方面，即与以前IIS版本的比较设置;而对于具体配置一个完整的WWW服务流程不在重点关注之内，大家可以参阅相关文章。

1.同其它windows平台一样，此时默认Web站点已经启动了。但请大家注意，IIS6.0最初安装完成是只支持静态内容的(即不能正常显示基于ASP的网页内容)，因此首先要做的就是打开其动态内容支持功能，

依次选择“开始”-“程序”-“管理工具”-“inter信息服务管理器”，在打开的IIS管理窗口左面点“web服务扩展”;如下图所示，将鼠标所在的项“ASP.NET v.1.1.4322”以及“Active Server Pages”项启用(点允许)即可。

ASP .NET解释：这是新一代的 Microsoft 服务器端脚本环境。它提供一种新的编程模式和结构，使 Web 开发者能够构建和部署比以前更安全、更灵活、更稳定的企业类 Web 应用程序。

2.怎么计算WEB服务器的最大负载量?服务器教程篇二

Web服务器集群是由多台配置与性能各异的Web服务器共同构成的协同工作集群。该集群通过一个统一的外部端口,向Internet网络上的用户提供服务,大量的用户访问请求被分派到各个服务器节点上进行分布式处理。因此,在面对海量用户请求时,精确评价各个节点的实时处理能力并合理分配访问请求,实现系统各节点负载均衡,避免部分节点因用户访问请求量超出其处理能力而造成系统局部过载,就成为当前Web服务器集群领域的研究重点。

1 Web 集群负载均衡技术

在集群系统中,各个服务器作为节点加入集群体系中通过一个统一的对外接口共同为客户端提供网络服务,而负载均衡技术是此类系统得以正常运行的技术保障,负载均衡技术首先对各个节点的性能与运算速度进行有效的评估,将各个节点的性能与运算能力通过数学模型转化为可以进行量化表述的权值,在基于权值评价的前提下,向各个节点合理的分配访问请求。根据各服务器的实际处理能力来分配负载,保证每一个节点服务器都具有良好的响应速度。

2 Web 集群负载均衡的典型算法分析与改进

在集群系统收到来自大量客户端的密集访问的情况下,集群系统会依据负载均衡调度算法向集群中的各个节点均衡分派访问请求将整个系统所面临的访问压力分摊到各个节点服务器上去,在这个分派服务请求的过程并不是简单的基于节点数量的平均分派,而是在基于对各个服务器的运算能力、当前负载以及工作性能进行分析与评估的前提下进行的。最终实现在多个节点上合理分摊负载的操作。

2.1 基于 LVS 的权值分配调度算法

当前服务器集群中使用较广泛的是LVS技术。在LVS架构中,作为集群系统对外接口的负载均衡器收到客户端发来的任务请求时,负载均衡器会根据管理人员配置的负载均衡调度算法在负载均衡器上进行请求任务的调度分配,将用户发来的任务请求数据包转发至系统中的某一台节点服务器进行处理。

2.2 算法分析

LVS中的负载均衡算法中最具有代表性动态权值分配调度算法是加权最小连接调度算法。服务器集群系统存在着许多构机节点,这些节点的配置、性能各不相同,加权最小连接调度算法会评估每台服务器节点的实际处理能力来测算各个节点在负载均衡算法中所需进行参照的权值。下面对此算法的执行做一个简单的介绍:

用{Sn,S1,...,Si,Sn—1,}来表示服务器集群中的各个节点,W(Si)表示集群中的某个节点Si的权值,Si节点当前的任务连接数则用C(Si)来表示。那么整个集群的全部连接数可以表示为:,假设负载均衡器从集群中选择一个节点Sm作为当前准备接收请求任务的服务器。若经过计算,W(Sm)=0,那么该节点就被标记为当前无法使用。若Sm节点当前可以接收并处理转发来的请求任务,那么可依据公式(2.1)来确定其可以作为备选服务器为客户端提供服务。

设Csum为常量,则公式(2.1)的可简化为公式(2.2):

如果某个节点服务器的权值越接近为0,那么表示该服务器越有可能接近过载的状态。因此公式(2.2)可优化为公式(2.3):

2.3 算法的改进

以上算法是基于集群中节点服务器的连接数量来设计的,并未考虑其它的影响因素。在对服务器集群运行的实际案例进行分析后可知,仅仅考虑某一个参数设计的算法无法对服务器节当前的真实负载状况进行准确的描述。针对这个问题,本文在以上算法中加入了新的服务器节点权值分配调度算法用以改进它的性能。为避免新算法本身造成的系统开销过大的现象出现。所以在新的权值分配调度算法中我们仅引入了2个新的与节点服务器相关的运算参数:处理器(CPU)资源利用率、内存资源空闲率。

假设在服务器集群系统Sn,S1,...,Sn—1中有一台节点服务器Si。对于Si节点的CPU利用率,我们以C(Si)来表示,内存空闲率用M(Si)表示,对服务器节点的权值则以W(Si)来表示。当W(Si)=0时,则表示Si当前的状态为不可用。我们在此设计了权值表达函数F(Si),此函数包含的参数为以C(Si)和M(Si),参数以C(Si)和M(Si)的值被限制在区间(0,1)里。函数F(Si)如(2.5)所示:

函数中的参数K1+K2=1。当边界条件值被满足时,可推导出公示(2.6):

当然,K1与K2不可能同时都为0。在真实的系统运行过程中, CPU和内存的占用在同一个时间段内都临近峰值属于小概率事件。进而可以推导出,1-C(Si) (CPU的空闲率)和M(Si)(内存的空闲率)同时为0(即二者都全部未被占用)的情况也极少有可能会出现。所以F(Si)的值为0的可能性也较小。所以,只有当服务器节点故障或停运时,该服务器节点的权值才有可能为0。

2.4 改进算法的实现

在新的算法公式中 , 我们将Web服务器集群以S={S0,S1,…,Sn-1}来描述,某一节点服务器Si的权值设为W(Si),本分配周期中的前驱服务器序号用j来表示,当前需要进行处理的权值为cv,集群系统中各节点的最高权值为Max(S),Gcds(S)函数的功能是以集群中的所有节点权值为参数进行运算并求出它们的最大公约数,算法开始时系统的初始权值cvs与服务器序号j的值都设置为0。即节点权值被设置为0时,节点不参与负载均衡。

在向集群中的节点服务器分配负载任务的实现过程中,为保证能够向合理的各个节点分发负载任务,我们在算法中采用了Hash散列函数来实现运算结果的均匀分布。

static inline unsigned hashkey(unsigned intdest_ipaddr)

{int I, j;

for(i=low;i<=up;i++)

{ for(j=0;j<= HASH_H;j++)

{dest_ipaddr *=(dest_ ipaddr * 2654335741) & HASH_TAB_MASK;}}

return (dest_ ipaddr * 2654335741) & HASH_TAB_MASK; }

3 测试与结果分析

在Web服务器系统集群负载均衡的模拟运行过程中,我们使用了Web Capacitys Analysis Tools负载生成工具在各个客户端上模拟了大量的并发用户访问请求,对各个整个集群系统的服务器负载响应情况进行了测试,最终的测试统计结果如下表3.1所示。

由上表可以看出,当请求次数逐渐增加时,平均响应时间变化很大,即本算法负载均衡优势很明显。

4 结语

本文对服务器集群负载均衡系统也做出了深入的剖析,全面的分析动态权值分配算法的原理,并在实验环境下设计并测试了文章中提出的负载均衡的改进算法。实验结果表明,改进后的算法有执行效率高,占用系统资源少的优点,并且能够在Web服务器集群中流畅运行;同时,能够支持集群节点的扩容。在集群中服务器节点数量较多,节点之间性能差异较大的情况下,这种优势更加明显。

参考文献

[1]李明咏.负载动态分组负载均衡算法研究[J].郑州工业学院学报,2012,11(31).

[2]叶坤.基于Qo S的云负载均衡机制的研究[J].小型微型计算机系统,2011,10(17).