基于深度学习的Spring Cloud负载均衡优化研究
针对微服务框架Spring Cloud中内置负载均衡算法不能全面反映负载与负载滞后的不足,文章提出一种基于深度学习负载预测的负载均衡算法,以更全面的负载模型衡量微服务节点的负载,并使用GRU神经网络进行负载预测,根据负载预测值动态调整微服务节点的权重,再基于加权轮询算法进行负载均衡,进一步地提升微服务应用系统的响应速度与资源利用率.实验采用Jmeter进行仿真测试,并将本文提出的算法与Spring Cloud的内置算法进行对比.实验结果表明,在线程并发数较多的情况下,该算法能更有效地在使用Spring Cloud搭建的微服务应用系统中实现负载均衡.
微服务、Spring Cloud、负载均衡、GRU网络、负载预测
18
TP311(计算技术、计算机技术)
2022-05-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
80-83