基于云計(jì)算的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)研究

摘 要：應(yīng)用服務(wù)器高并發(fā)優(yōu)化技術(shù)主要使用DNS-Server配置域名解析IP，易受輪詢作用影響，導(dǎo)致服務(wù)器集群平均響應(yīng)時(shí)間較長，因此，本文提出一種基于云計(jì)算的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)。該技術(shù)利用云計(jì)算技術(shù)優(yōu)化生成高并發(fā)應(yīng)用服務(wù)器，將NodeJS作為編程語言，優(yōu)化單一架構(gòu)，集成完成數(shù)據(jù)處理與資源配置任務(wù)。并考慮并發(fā)服務(wù)器節(jié)點(diǎn)負(fù)載均衡權(quán)重，預(yù)設(shè)初始并發(fā)節(jié)點(diǎn)，采用簡化方式優(yōu)化高并發(fā)技術(shù)，進(jìn)行應(yīng)用服務(wù)高并發(fā)優(yōu)化。試驗(yàn)結(jié)果表明，該技術(shù)的服務(wù)器集群平均響應(yīng)時(shí)間均值低于1.000s，證明高并發(fā)優(yōu)化技術(shù)有效提高了效率，具有高效性。

關(guān)鍵詞：云計(jì)算；應(yīng)用服務(wù)；高并發(fā)

中圖分類號(hào)：TN 929" " 文獻(xiàn)標(biāo)志碼：A

早期應(yīng)用服務(wù)架構(gòu)屬于單體架構(gòu)，隨著信息技術(shù)進(jìn)步和服務(wù)器涌入數(shù)據(jù)量增加，應(yīng)用服務(wù)器架構(gòu)逐漸向垂直架構(gòu)轉(zhuǎn)變，整體規(guī)模越來越大，集群的復(fù)雜性越來越高[1]，在提高應(yīng)用服務(wù)綜合性能的基礎(chǔ)上也出現(xiàn)了并發(fā)數(shù)據(jù)處理問題。高并發(fā)優(yōu)化技術(shù)可以調(diào)整服務(wù)器的數(shù)量，優(yōu)化服務(wù)器的運(yùn)行性能，使其滿足平臺(tái)的應(yīng)用要求，降低響應(yīng)時(shí)間，提高并發(fā)數(shù)據(jù)的處理效率，因此，相關(guān)研究人員針對(duì)應(yīng)用服務(wù)的處理耦合關(guān)系設(shè)計(jì)了2種常規(guī)的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)。第一種是基于MILP的應(yīng)用服務(wù)器集群能耗與性能實(shí)時(shí)優(yōu)化[2]，主要采用線性加權(quán)法和主目標(biāo)法優(yōu)化集群功率與請(qǐng)求丟棄率這2個(gè)目標(biāo)，以此完成高并發(fā)優(yōu)化；第二種是考慮網(wǎng)格化優(yōu)勢(shì)的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)[3]，設(shè)計(jì)了Skyline優(yōu)化查詢方案，并進(jìn)行網(wǎng)格化計(jì)算，完成應(yīng)用服務(wù)高并發(fā)優(yōu)化。但大多數(shù)應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)主要使用DNS-Server配置域名解析IP，易受輪詢作用影響，導(dǎo)致服務(wù)器集群平均響應(yīng)時(shí)間較長，不符合應(yīng)用服務(wù)的數(shù)據(jù)處理要求。因此，為了降低服務(wù)器集群平均響應(yīng)時(shí)間，提高高并發(fā)優(yōu)化技術(shù)的應(yīng)用效果，本文基于云計(jì)算，設(shè)計(jì)了一種應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)。

1 應(yīng)用服務(wù)云計(jì)算高并發(fā)優(yōu)化技術(shù)設(shè)計(jì)

1.1 基于云計(jì)算生成高并發(fā)應(yīng)用服務(wù)器

云計(jì)算是一種分布式計(jì)算技術(shù)，可以將海量數(shù)據(jù)分解為若干個(gè)較小的數(shù)據(jù)處理程序，完成高效分布式并發(fā)計(jì)算，具有高效性優(yōu)勢(shì)[4]，因此，本文設(shè)計(jì)的高并發(fā)優(yōu)化技術(shù)引入云計(jì)算，利用云計(jì)算技術(shù)生成高并發(fā)應(yīng)用服務(wù)器?；谠朴?jì)算規(guī)劃高并發(fā)服務(wù)層次，如圖1所示。

由圖1可知，上述云計(jì)劃高并發(fā)服務(wù)層次由上而下分為應(yīng)用層、平臺(tái)層、基礎(chǔ)設(shè)施層和虛擬化層[5]，各個(gè)層級(jí)分別對(duì)應(yīng)軟件及服務(wù)、平臺(tái)及服務(wù)、基礎(chǔ)設(shè)施和服務(wù)以及硬件和服務(wù)。該云計(jì)劃高并發(fā)服務(wù)需要根據(jù)層次要求對(duì)并發(fā)資源進(jìn)行虛擬化處理，生成可靠的高并發(fā)應(yīng)用服務(wù)器，如圖2所示。

由圖2可知，云計(jì)算高并發(fā)服務(wù)器主要包括3層，即微服務(wù)治理層、微服務(wù)通信層以及微服務(wù)提供層[6]，不同層的業(yè)務(wù)功能不同，設(shè)置的并發(fā)處理任務(wù)也不同。本文設(shè)計(jì)的高并發(fā)優(yōu)化服務(wù)器將NodeJS作為編程語言，優(yōu)化升級(jí)原本的單一架構(gòu)，集成完成數(shù)據(jù)處理與資源配置任務(wù)，提高了高并發(fā)優(yōu)化處理的可靠性。

微服務(wù)通信層屬于高并發(fā)應(yīng)用服務(wù)器的核心層，可以利用消息機(jī)制封裝并發(fā)任務(wù)，使用輪詢平滑加權(quán)方案設(shè)計(jì)并發(fā)處理策略，完成并發(fā)處理任務(wù)。該層可處理微服務(wù)間的通信和數(shù)據(jù)交換，使用消息隊(duì)列、RPC調(diào)用和事件總線等機(jī)制進(jìn)行微服務(wù)間的異步通信，同時(shí)能夠處理高并發(fā)的請(qǐng)求和響應(yīng)。通過消息機(jī)制封裝并發(fā)任務(wù)，并采用輪詢平滑加權(quán)方案設(shè)計(jì)并發(fā)處理策略，優(yōu)化了并發(fā)處理效率，提高了系統(tǒng)的穩(wěn)定性和性能。微服務(wù)提供層可有效拆分并發(fā)處理任務(wù)，設(shè)置不同的任務(wù)邊界，準(zhǔn)確優(yōu)化原有的并發(fā)處理代碼，可進(jìn)行數(shù)據(jù)并發(fā)高效重構(gòu)與云存儲(chǔ)處理。該層利用輕量級(jí)的通信機(jī)制進(jìn)行各服務(wù)間的通信和協(xié)作，可以根據(jù)業(yè)務(wù)需求動(dòng)態(tài)伸縮和部署。微服務(wù)治理層內(nèi)部設(shè)置API網(wǎng)關(guān)、配置中心和負(fù)載均衡等功能，具體執(zhí)行時(shí)序如下所示。首先，對(duì)用戶發(fā)起的請(qǐng)求進(jìn)行響應(yīng)，傳輸至API網(wǎng)關(guān)，API網(wǎng)關(guān)是系統(tǒng)的入口，用于接收用戶請(qǐng)求并路由到相應(yīng)的微服務(wù)。其次，進(jìn)行短路驗(yàn)證，如果驗(yàn)證合格，就繼續(xù)進(jìn)行熔斷服務(wù)；驗(yàn)證不合格，則返回上述結(jié)果。最后，根據(jù)熔斷服務(wù)生成的結(jié)果完成其他并發(fā)任務(wù)，實(shí)時(shí)發(fā)送并行任務(wù)處理信息，保證最終的并發(fā)處理效率。

1.2 設(shè)計(jì)應(yīng)用服務(wù)高并發(fā)優(yōu)化算法

為了滿足應(yīng)用服務(wù)器的高并發(fā)處理要求，需要保證應(yīng)用服務(wù)負(fù)載均衡，因此，本文在基于云計(jì)算生成高并發(fā)應(yīng)用服務(wù)器基礎(chǔ)上，設(shè)計(jì)了應(yīng)用服務(wù)器高并發(fā)優(yōu)化算法?？紤]并發(fā)服務(wù)器節(jié)點(diǎn)負(fù)載均衡權(quán)重[7]，將該權(quán)重初步優(yōu)化并預(yù)設(shè)初始的并發(fā)節(jié)點(diǎn)S，如公式（1）所示。

S=min{C（Si）/Csum}/W（Si） （1）

式中：C（Si）為并發(fā)服務(wù)/器節(jié)點(diǎn)；Csum為任務(wù)參數(shù)；W（Si）為負(fù)載均衡權(quán)重。

公式中的負(fù)載均衡權(quán)重如公式（2）所示。

（2）

式中：P（Si）為節(jié)點(diǎn)重要性評(píng)分。

此時(shí)假設(shè)不同的并發(fā)任務(wù)處于常規(guī)處理狀態(tài)，則可以對(duì)上述設(shè)置的并發(fā)節(jié)點(diǎn)進(jìn)行簡化，以優(yōu)化應(yīng)用服務(wù)高并發(fā)技術(shù)。簡化后的并發(fā)優(yōu)化節(jié)點(diǎn)如公式（3）所示。

S0=min{C（Si）/Csum}/W（Si） （3）

簡化后的并發(fā)優(yōu)化節(jié)點(diǎn)存在有效的連接范圍，此時(shí)不同高并發(fā)任務(wù)間存在一定的時(shí)序關(guān)系，因此需要計(jì)算服務(wù)器不同節(jié)點(diǎn)的負(fù)載狀態(tài)參數(shù)Ui，如公式（4）所示。

Ui=1000×（Wcpu·Ci+Wnet·Ni+Wio·Di+Wmem·Mi）αS0 （4）

式中：Wcpu為應(yīng)用服務(wù)器CPU權(quán)重；Ci為CPU均衡系數(shù)；Wnet為內(nèi)存均衡參數(shù)；Ni為內(nèi)存性能參數(shù)；Wio為服務(wù)器存儲(chǔ)參數(shù)；Di為并發(fā)任務(wù)執(zhí)行指標(biāo)；Wmem為帶寬調(diào)整權(quán)重；Mi為帶寬并行處理參數(shù)；α為轉(zhuǎn)換系數(shù)。

基于獲取的負(fù)載狀態(tài)對(duì)網(wǎng)絡(luò)進(jìn)行優(yōu)化，使用負(fù)載均衡器將請(qǐng)求分發(fā)到多個(gè)節(jié)點(diǎn)上，進(jìn)行請(qǐng)求任務(wù)分流，降低單個(gè)節(jié)點(diǎn)的負(fù)荷，使負(fù)載均衡[8]，生成的高并發(fā)優(yōu)化均衡函數(shù)如公式（5）所示。

（5）

式中：w1、w2和w3為對(duì)應(yīng)的權(quán)重；T（Csum）為任務(wù)優(yōu)先級(jí)；T'為網(wǎng)絡(luò)條件；Uimax為節(jié)點(diǎn)負(fù)載最大值。

此時(shí)僅通過生成的高并發(fā)優(yōu)化均衡函數(shù)均衡應(yīng)用服務(wù)高并發(fā)任務(wù)，無法達(dá)到最理想的效果。原因是此時(shí)的分配算法不能有效處理負(fù)載均衡中的請(qǐng)求異質(zhì)性、機(jī)器異質(zhì)性和實(shí)時(shí)機(jī)器負(fù)載差異性，因此，構(gòu)建高并發(fā)優(yōu)化均衡函數(shù)后，需要構(gòu)建隨機(jī)分配概率函數(shù)，將其與均衡函數(shù)結(jié)合，完成應(yīng)用服務(wù)高并發(fā)優(yōu)化。計(jì)算服務(wù)器的資源剩余量如公式（6）所示。

Ai（Si）=W（Si）（1-PA） （6）

式中：Ai為資源剩余量；PA為當(dāng)前機(jī)器的資源占用率。

利用剩余資源確定任務(wù)請(qǐng)求j分配到第i個(gè)服務(wù)器節(jié)點(diǎn)上的隨機(jī)概率權(quán)值，其計(jì)算過程如公式（7）所示。

（7）

式中：aj為任務(wù)請(qǐng)求j的資源消耗的權(quán)重值；Wij'為隨機(jī)概率權(quán)值。

確定隨機(jī)概率權(quán)值后，將其經(jīng)過歸一化處理，得到任務(wù)請(qǐng)求j被分配到第i個(gè)服務(wù)器節(jié)點(diǎn)上的隨機(jī)概率，其計(jì)算過程如公式（8）所示。

（8）

式中：Pij為任務(wù)請(qǐng)求j被分配到第i個(gè)服務(wù)器節(jié)點(diǎn)上的隨機(jī)概率。

當(dāng)客戶端發(fā)起任務(wù)請(qǐng)求時(shí)，根據(jù)公式（8）計(jì)算隨機(jī)概率，根據(jù)隨機(jī)概率值將任務(wù)請(qǐng)求隨機(jī)分配到某個(gè)機(jī)器上。如果僅隨機(jī)分配，應(yīng)用服務(wù)高并發(fā)時(shí)仍可能存在負(fù)載過高的問題，從而影響使用效果[9]，因此將公式（5）的高并發(fā)優(yōu)化均衡和公式（8）的隨機(jī)概率聯(lián)立，所得應(yīng)用服務(wù)高并發(fā)優(yōu)化算法NETusg如公式（9）所示。

（9）

式中：η為應(yīng)用服務(wù)高并發(fā)優(yōu)化系數(shù)；Bandwidth為服務(wù)并發(fā)處理常數(shù)。

結(jié)合上述高并發(fā)優(yōu)化算法可以有效確定并發(fā)任務(wù)的傳輸狀態(tài)，最大程度上提高并發(fā)任務(wù)的執(zhí)行可靠性。至此完成基于云計(jì)算的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)設(shè)計(jì)。

2 試驗(yàn)

為了驗(yàn)證設(shè)計(jì)的基于云計(jì)算的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)的優(yōu)化效果，本文配置了基礎(chǔ)實(shí)驗(yàn)平臺(tái)，將其與文獻(xiàn)[5]、文獻(xiàn)[6]中常規(guī)的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)進(jìn)行比較。

2.1 試驗(yàn)準(zhǔn)備

結(jié)合應(yīng)用服務(wù)高并發(fā)優(yōu)化要求，本文將Web虛擬平臺(tái)作為試驗(yàn)平臺(tái)，搭建了相關(guān)的試驗(yàn)資源。虛擬化處理目前的服務(wù)器集群，通過路由器、虛擬機(jī)等進(jìn)行環(huán)境測(cè)試。預(yù)設(shè)的測(cè)試平臺(tái)共設(shè)置了10余個(gè)虛擬機(jī)，集成了編號(hào)為save1～save14的試驗(yàn)服務(wù)器集群。虛擬機(jī)需要按照中心配置要求為API網(wǎng)關(guān)提供集成處理服務(wù)，調(diào)整服務(wù)提供層，使其滿足試驗(yàn)Redis緩存要求。配置的云試驗(yàn)環(huán)境如，圖3所示。

由圖3可知，該云試驗(yàn)環(huán)境可以同時(shí)執(zhí)行用戶管理、消息管理和應(yīng)用管理，由3臺(tái)虛擬機(jī)并行組成資源計(jì)算池，從而輸出準(zhǔn)確的試驗(yàn)結(jié)果。

2.2 試驗(yàn)過程

在試驗(yàn)過程中，根據(jù)1.2節(jié)設(shè)計(jì)的應(yīng)用服務(wù)高并發(fā)優(yōu)化算法，對(duì)實(shí)驗(yàn)平臺(tái)上的并發(fā)任務(wù)進(jìn)行分配和優(yōu)化。具體步驟如下所示。1）初始化并發(fā)節(jié)點(diǎn)。根據(jù)公式（1）和公式（2），為每個(gè)并發(fā)服務(wù)器節(jié)點(diǎn)分配初始的負(fù)載均衡權(quán)重。該權(quán)重考慮了節(jié)點(diǎn)的重要性評(píng)分，確保了進(jìn)行任務(wù)分配時(shí)能夠優(yōu)先考慮更重要的節(jié)點(diǎn)。2）計(jì)算負(fù)載狀態(tài)參數(shù)。利用公式（4）計(jì)算每個(gè)服務(wù)器節(jié)點(diǎn)的負(fù)載狀態(tài)參數(shù)。該參數(shù)綜合考慮了CPU權(quán)重、內(nèi)存均衡參數(shù)、服務(wù)器存儲(chǔ)參數(shù)、并發(fā)任務(wù)執(zhí)行指標(biāo)和帶寬調(diào)整權(quán)重等多個(gè)因素，為后續(xù)的負(fù)載均衡提供了依據(jù)。3）生成高并發(fā)優(yōu)化均衡函數(shù)。利用公式（5）生成高并發(fā)優(yōu)化均衡函數(shù)。該函數(shù)根據(jù)任務(wù)優(yōu)先級(jí)、網(wǎng)絡(luò)條件和節(jié)點(diǎn)負(fù)載最大值等因素，為每個(gè)任務(wù)請(qǐng)求分配相應(yīng)的權(quán)重，以實(shí)現(xiàn)負(fù)載均衡。4）計(jì)算隨機(jī)概率權(quán)值。利用公式（6）和公式（7）計(jì)算每個(gè)服務(wù)器節(jié)點(diǎn)的資源剩余量和任務(wù)請(qǐng)求分配到該節(jié)點(diǎn)上的隨機(jī)概率權(quán)值。該權(quán)值根據(jù)節(jié)點(diǎn)的剩余資源和任務(wù)請(qǐng)求的資源消耗來確定，用于后續(xù)的隨機(jī)分配過程。5）隨機(jī)分配任務(wù)請(qǐng)求。根據(jù)公式（8）計(jì)算任務(wù)請(qǐng)求被分配到每個(gè)服務(wù)器節(jié)點(diǎn)上的隨機(jī)概率。當(dāng)客戶端發(fā)起任務(wù)請(qǐng)求時(shí)，根據(jù)這些隨機(jī)概率值，將任務(wù)請(qǐng)求隨機(jī)分配到某個(gè)機(jī)器上。6）結(jié)合優(yōu)化均衡函數(shù)和隨機(jī)概率。將高并發(fā)優(yōu)化均衡函數(shù)（公式（5））和隨機(jī)概率（公式（8））聯(lián)立起來，得到最終的應(yīng)用服務(wù)高并發(fā)優(yōu)化算法（公式（9））。綜合考慮了負(fù)載均衡和隨機(jī)分配的因素，能夠最大程度上提高并發(fā)任務(wù)的執(zhí)行可靠性。

按照上述步驟完成應(yīng)用服務(wù)高并發(fā)優(yōu)化。

2.3 試驗(yàn)參數(shù)設(shè)置

結(jié)合上述試驗(yàn)環(huán)境，設(shè)置基于云計(jì)算的應(yīng)用服務(wù)高并發(fā)優(yōu)化算法的參數(shù)，見表1。

根據(jù)表1中的算法參數(shù)取值，設(shè)置基于云計(jì)算的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)的參數(shù)數(shù)值，進(jìn)而輸入相關(guān)試驗(yàn)指令，得出最終試驗(yàn)結(jié)果。

2.4 試驗(yàn)結(jié)果與討論

根據(jù)上述試驗(yàn)準(zhǔn)備，分別使用本文設(shè)計(jì)的基于云計(jì)算的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)、文獻(xiàn)[5]的基于IntelDPDK的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)以及文獻(xiàn)[6]的考慮網(wǎng)格化優(yōu)勢(shì)的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)，記錄不同服務(wù)器集群的平均響應(yīng)時(shí)間，見表2。

由表2可知，本文設(shè)計(jì)的基于云計(jì)算的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)在不同服務(wù)器集群下的平均響應(yīng)時(shí)間較短，該技術(shù)的平均響應(yīng)時(shí)均值僅為0.473s和0.433s，數(shù)值均低于1.000s，而文獻(xiàn)[5]和文獻(xiàn)[6]的方法在不同服務(wù)器集群下的平均響應(yīng)時(shí)間較長，其均值均高于6.000s。證明本文設(shè)計(jì)的基于云計(jì)算的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)的優(yōu)化效果較好，有效降低了應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)的平均響應(yīng)時(shí)間，提高了效率，具有高效性。

3 結(jié)語

綜上所述，在信息技術(shù)普及背景下，我國正邁入大數(shù)據(jù)時(shí)代，各個(gè)領(lǐng)域產(chǎn)生的網(wǎng)絡(luò)數(shù)據(jù)總量急劇增長，并發(fā)數(shù)據(jù)的處理難度越來越高。研究表明，數(shù)據(jù)具有十分重要的價(jià)值，是國家發(fā)展的重要部分，海量數(shù)據(jù)處理問題逐漸受到各個(gè)國家的關(guān)注。應(yīng)用服務(wù)高并發(fā)技術(shù)可以提高海量數(shù)據(jù)的處理效果，保證應(yīng)用服務(wù)的高效性，因此需要設(shè)計(jì)一種有效的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)。但是常規(guī)的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)的優(yōu)化效果較差，因此，本文設(shè)計(jì)了一種基于云計(jì)算的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)。該技術(shù)引入了云計(jì)算，通過權(quán)重和簡化方式對(duì)進(jìn)行了優(yōu)化，并通過試驗(yàn)驗(yàn)證了該方法的性能。結(jié)果表明，本文設(shè)計(jì)的應(yīng)用服務(wù)高并發(fā)優(yōu)化技術(shù)的效果較好，能有效降低響應(yīng)時(shí)間，具有高效性和一定的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1]高國弘，劉垚，馬力文，等.基于移動(dòng)云計(jì)算技術(shù)的農(nóng)用天氣預(yù)報(bào)服務(wù)平臺(tái)研發(fā)——以寧夏釀酒葡萄農(nóng)事活動(dòng)預(yù)報(bào)為例[J].中國農(nóng)業(yè)氣象，2022，43（1）：61-71.

[2]熊智，趙敏，蔡浩，等.基于MILP的應(yīng)用服務(wù)器集群能耗與性能實(shí)時(shí)優(yōu)化[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，50（8）：153-164.

[3]李佳佺，劉晏如，李傳文.一種網(wǎng)格化高并發(fā)Skyline查詢處理方法[J].小型微型計(jì)算機(jī)系統(tǒng)，2023，44（4）：881-887.

[4]高若辰，淮曉永，張志達(dá)，等.面向云計(jì)算環(huán)境的OpenFOAM網(wǎng)格生成服務(wù)[J].電子技術(shù)應(yīng)用，2022，48（4）：71-75.

[5]秦川.云計(jì)算技術(shù)在計(jì)算機(jī)數(shù)據(jù)處理中的應(yīng)用——評(píng)《基于云計(jì)算的大數(shù)據(jù)處理技術(shù)發(fā)展與應(yīng)用》[J].科技管理研究，2021，41（2）：232.

[6]李邦源，張春輝，常榮，等.5G邊緣計(jì)算環(huán)境下資源效用與隱私保護(hù)權(quán)衡的服務(wù)遷移方法[J].南京師大學(xué)報(bào)（自然科學(xué)版），2021，44（4）：102-110.

[7]李華東，張學(xué)亮，王曉磊，等.Kubernetes集群中多節(jié)點(diǎn)合作博弈負(fù)載均衡策略[J].西安電子科技大學(xué)學(xué)報(bào)，2021，48（6）：16-22，122.

[8]翁杰，林兵，陳星.基于博弈論的多邊緣服務(wù)器負(fù)載均衡策略[J].計(jì)算機(jī)科學(xué)，2023，50（2）：742-749.

[9]田真真，蔣維，鄭炳旭，等.基于服務(wù)器集群的負(fù)載均衡優(yōu)化調(diào)度算法[J].計(jì)算機(jī)科學(xué)，2022，49（1）：639-644.