一种高性能的HTTP和反向代理服务器网络特性分析方法

摘要

本发明公开了一种高性能的HTTP和反向代理服务器网络特性分析方法，包括如下步骤：S1、预测数据的采集建立预测数据库；S2、建立预测模型生成控制面的测试数据；S3、采集网络特性实时数据建立数据面的实测数据库；S4、建立测试数据生成测试数据库；S5、数据比对分析并对网络进行合理的配置；本发明主要是利用预测模型得到的预测量，提出预测模型分析网络特性，提前对网络进行合理配置，减少网络不必要的震荡和资源浪费，利用在核心网交换机上采集一个月的实时数据，将与流量预测相关的有效数据从复杂冗余的数据中提取出来，从而提前对网络进行合理配置，一定程度上降低造成网络不必要的震荡和资源浪费。

说明书

技术领域

本发明属于信息处理技术领域，具体涉及一种高性能的HTTP和反向代理服务器网络特性分析方法。

背景技术

八分量补天网络负载均衡系统是—个高性能的HTTP和反向代理web服务器，同时也提供了IMAP/POP3/SMTP服务；网络负载均衡是由多台服务器以对称的方式组成一个服务器集合，每台服务器都具有等价的地位，都可以单独对外提供服务而无须其他服务器的辅助。通过某种负载分担技术，将外部发送来的请求均匀分配到对称结构中的某一台服务器上，而接收到请求的服务器独立地回应客户的请求；均衡负载能够平均分配客户请求到服务器列阵，借此提供快速获取重要数据，解决大量并发访问服务问题。

但是，在现有技术中，网络负载均衡系统在对控制面的负载均衡和数据面的负载均衡进行网络特性分析时，不会提前对网络进行合理配置，造成网络不必要的震荡和资源浪费，因此我们需要提出一种高性能的HTTP和反向代理服务器网络特性分析方法。

发明内容

本发明的目的在于提供一种高性能的HTTP和反向代理服务器网络特性分析方法，通过预测模型得到预测量，建立预测模型，提出预测模型分析的网络特性，采集网络交换机与网络特性相关的实时数据，将模型分析的网络特性与实时数据进行分析比对，从而得到HTTP和反向代理服务器之间网络特性的网络负载是否均衡，以解决上述背景技术中提出的问题。

为实现上述目的，本发明采用了如下技术方案：

一种高性能的HTTP和反向代理服务器网络特性分析方法，包括如下步骤：

S1、预测数据的采集建立预测数据库，根据网络交换机和代理服务器之间网络特性传输的规律建立预测数据库；

S2、建立预测模型生成控制面的测试数据，根据预测数据库的数据信息建立预测模型，并对预测模型的网络负载进行分析，形成控制面的测试数据；

S3、采集网络特性实时数据建立数据面的实测数据库，采集一定时间内网络交换机中与网络特性相关的实时数据，并建立数据面的实测数据；

S4、建立测试数据生成测试数据库，根据实测数据库建立实测模型，并对实测模型的网络负载进行分析，形成测试数据库；

S5、数据比对分析并对网络进行合理的配置，将标准数据与实测数据进行比对和分析，判断网络负载是否均衡，并对网络进行合理的配置。

优选的，步骤1中所述网络交换机和代理服务器之间的数据传输方式是通过HTTP协议传输，所述网络交换机是多台代理服务器之间的网络通信，用于多台代理服务器之间的数据传输，所述网络交换机内部设置有负载均衡器，且网络特性传输的规律是指负载均衡器进行数据传输的规律。

优选的，所述HTTP协议是从WWW服务器传输超文本至本地浏览器的传输协议，用于保证计算机正确快速地传输超文本文档，使浏览器更加高效，减少网络传输。

优选的，所述代理服务器是接受网络浏览器上的连接请求，并将请求转发给内部网络上的服务器，再将从网络上的服务器得到的结果返回给网络浏览器上请求连接的客户端，从而进行反向代理。

优选的，步骤2中和步骤4中所述网络负载在分析时均是指数据传输的网络负载的均衡算法，其计算方式为对每个服务器配置一个加权比值比例，按照比例配置给每个服务器之用户请求，当其中一个服务器2到7层故障时，从服务器BIG-IP把它从列队中提出，用户不参与下一个请求直到它恢复正常。

优选的，步骤3中所述实时数据采集是采集一个月内网络交换机与网络特性相关的动态数据，即负载均衡器实时传输的数据，并将动态数据整理成数据库，便于实测模型的建立。

优选的，步骤5中所述标准数据与实时数据在进行比对分析时，会存在以下两种情形：

A、当标准数据与实测数据差距不明显时，则说明控制面的数据负载与数据面的数据负载均衡，直接对不同网络的数据传输流量进行分配；

B、当标准数据与实测数据差距明显时，则说明控制面的数据负载与数据面的数据负载不均衡，调节实测数据不均衡处的数据传输流量，使控制面数据负载与数据面的数据负载均衡，再对不同网络的数据传输流量进行分配。

优选的，标准数据与实测数据差距判定标准为：标准数据与实测数据差距值在10以内的视为差距不明显，标准数据与实测数据差距值在超过10时视为差距明显。

本发明提出的一种高性能的HTTP和反向代理服务器网络特性分析方法，与现有技术相比，具有以下优点：

1、本发明的主要是先预测数据采集建立预测数据库，再建立预测模型生成控制面的测试数据，利用预测模型得到的预测量，在此基础上研究控制面的负载均衡和数据面的负载均衡问题，提出预测模型分析网络特性，提前对网络进行合理配置，减少网络不必要的震荡和资源浪费，采集网络特性实时数据建立数据面的实测数据库，建立测试数据生成测试数据，最后数据比对分析并对网络进行合理的配置，利用在核心网交换机上采集一个月的实时数据，将与流量预测相关的有效数据从复杂冗余的数据中提取出来，从而提前对网络进行合理配置，一定程度上降低造成网络不必要的震荡和资源浪费。

附图说明

图1为本发明的流程框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了如图1所示的一种高性能的HTTP和反向代理服务器网络特性分析方法，包括如下步骤：

S1、预测数据的采集建立预测数据库，根据网络交换机和代理服务器之间网络特性传输的规律建立预测数据库；

S2、建立预测模型生成控制面的测试数据，根据预测数据库的数据信息建立预测模型，并对预测模型的网络负载进行分析，形成控制面的测试数据；

S3、采集网络特性实时数据建立数据面的实测数据库，采集一定时间内网络交换机中与网络特性相关的实时数据，并建立数据面的实测数据；

S4、建立测试数据生成测试数据库，根据实测数据库建立实测模型，并对实测模型的网络负载进行分析，形成测试数据库；

S5、数据比对分析并对网络进行合理的配置，将标准数据与实测数据进行比对和分析，判断网络负载是否均衡，并对网络进行合理的配置；

通过利用预测模型得到的预测量，并在此基础上研究控制面的负载均衡和数据面的负载均衡问题，提出预测模型分析网络特性，提前对网络进行合理配置，减少网络不必要的震荡和资源浪费；

步骤1中网络交换机和代理服务器之间的数据传输方式是通过HTTP协议传输，网络交换机是多台代理服务器之间的网络通信，用于多台代理服务器之间的数据传输，网络交换机内部设置有负载均衡器，且网络特性传输的规律是指负载均衡器进行数据传输的规律；

HTTP协议是从WWW服务器传输超文本至本地浏览器的传输协议，用于保证计算机正确快速地传输超文本文档，使浏览器更加高效，减少网络传输；

代理服务器是接受网络浏览器上的连接请求，并将请求转发给内部网络上的服务器，再将从网络上的服务器得到的结果返回给网络浏览器上请求连接的客户端，从而进行反向代理；

步骤2中和步骤4中网络负载在分析时均是指数据传输的网络负载的均衡算法，其计算方式为对每个服务器配置一个加权比值比例，按照比例配置给每个服务器之用户请求，当其中一个服务器2到7层故障时，从服务器BIG-IP把它从列队中提出，用户不参与下一个请求直到它恢复正常；

步骤3中实时数据采集是采集一个月内网络交换机与网络特性相关的动态数据，即负载均衡器实时传输的数据，并将动态数据整理成数据库，利用在核心网交换机上采集一个月的实时数据，将与流量预测相关的有效数据从复杂冗余的数据中提取出来，便于实测模型的建立；

步骤5中标准数据与实时数据在进行比对分析时，会存在以下两种情形：

A、当标准数据与实测数据差距不明显时，则说明控制面的数据负载与数据面的数据负载均衡，直接对不同网络的数据传输流量进行分配；

B、当标准数据与实测数据差距明显时，则说明控制面的数据负载与数据面的数据负载不均衡，调节实测数据不均衡处的数据传输流量，使控制面数据负载与数据面的数据负载均衡，再对不同网络的数据传输流量进行分配；

标准数据与实测数据差距判定标准为：标准数据与实测数据差距值在10以内的视为差距不明显，标准数据与实测数据差距值在超过10时视为差距明显；

在分析时，先根据网络交换机和代理服务器之间网络特性传输的规律建立预测数据库，根据预测数据库的数据信息建立预测模型，并对预测模型的网络负载进行分析，形成控制面的测试数据，利用预测模型得到的预测量，在此基础上研究控制面的负载均衡和数据面的负载均衡问题，提出预测模型分析网络特性，提前对网络进行合理配置，减少网络不必要的震荡和资源浪费；

采集一定时间内网络交换机中与网络特性相关的实时数据，并建立数据面的实测数据，根据实测数据库建立实测模型，并对实测模型的网络负载进行分析，形成测试数据库，将标准数据与实测数据进行比对和分析，判断网络负载是否均衡，并对网络进行合理的配置，利用在核心网交换机上采集一个月的实时数据，将与流量预测相关的有效数据从复杂冗余的数据中提取出来，从而提前对网络进行合理配置，一定程度上降低造成网络不必要的震荡和资源浪费。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。