网络负载压力（精选3篇）
网络负载压力 篇1
负载敏感多路阀中的二通压力补偿阀,是负载敏感系统的主要液压元件之一。负载敏感多路阀主要产自德国力士乐公司、哈威公司和美国派克公司,本文以派克公司产品为例,对二通压力补偿阀在负载敏感系统中的功能进行解析。
负载敏感多路阀原理如图1所示。主阀芯1是一个液控或电控的比例方向节流阀,二通压力补偿阀2是一个定差减压阀,这样二者便组成了我们通常所说的调速阀。负载敏感多路阀可使多个执行元件在不同速度和压力下同时独立工作,还可以使负载的运动速度不受压力影响,只与阀口开度相关。
在实际应用中,负载敏感多路阀可以多联组合使用,系统原理比较复杂。为便于描述,本文以双联多路阀为例说明其工作原理,其中1个用结构简图表示,另1个为职能符号,如图2所示。
泵的供油压力Pp经过二通压力补偿阀3的节流口X后,压力降为P1,然后再经过节流阀2,压力降为P2。同时,压力P1作用于二通压力补偿阀的阀芯右腔,压力P2作用于阀芯的左腔,这样阀芯在向右的液压力F1、弹簧力Fs和向左的液压力F1共同作用下,处于某一平衡位置。其阀芯压力差计算如下:
1.主阀芯2.二通压力补偿阀
式中:
A——阀芯面积,且左右相等
因弹簧刚度较低,且在实际工作过程中阀芯的位移导致的弹簧变形量较小,故弹簧力FS基本不变,即△P约等于常数。如果负载压力P2变大,阀芯因失衡而右移,阀口X变大,减压作用减小,P1随之增大,又将阀芯向左推移,直至达到新的平衡位置。若P2增加,P1也增加,其压力差△P基本保持不变,反之亦然。
由此可见,二通压力补偿阀可以保证节流阀进、出口两端的压力差△P恒定。节流阀的流量与负载大小变化无关,而只与节流阀的开口度成线性关系,此即为调速阀的基本特性。
如图2所示,当多个执行元件在不同压力和速度下工作时,假定负载1小于负载2 (P1
值得注意的是,负载敏感泵的实际供油压力是由最大负载压力决定的,当负载2增大时,其供油压力Pp随之增大,负载1二通压力补偿阀的进口处压力也增大。如果仅从这一点看,负载1的流量将会增大,但在初始状态下,由于二通压力补偿阀阀芯响应延迟,P1在瞬间增大将向左推动阀芯,使阀口X变小,减压作用增强,从而导致P1再次减小,最终阀芯在新的位置恢复平衡。由于△P不变,通过节流阀的流量恒定,所以负载1的速度不变。
1.梭阀2.节流阀3.二通压力补偿阀4.负载敏感泵5.液压缸
负载1的供油压力增大后动作没有变化,原因是多余的压力油在二通压力补偿阀的减压口处,全部以压力损失的方式转化为热能。这就是二通压力补偿阀的“补偿”功能。
网络负载压力 篇2
网络负载平衡服务在Windows 2000 高级服务器和Windows 2000 数据中心服务器操作系统中均可得到?网络负载平衡提高了使用在诸如Web服务器?FTP服务器和其它关键任务服务器上的因特网服务器程序的可用性和可伸缩性?运行Windows 2000的单一计算机可以提供有限级别的服务器可靠性和可伸缩性?但是,通过将两个或两个以上运行Windows 2000 高级服务器的主机连成群集,网络负载平衡就能够提供关键任务服务器所需的可靠性和性能?
每个主机运行一个所需服务器程序的独立拷贝,诸如Web?FTP?Telnet或e-mail服务器程序?对于某些服务(如运行在Web服务器上的那些服务)而言,程序的一个拷贝运行在群集内所有的主机上,而网络负载平衡则将工作负载在这些主机间进行分配?对于其他服务(例如e-mail)只有一台主机处理工作负载,针对这些服务,网络负载平衡允许网络通讯量流到一个主机上,并在该主机发生故障时将通讯量移至其它主机?
网络负载平衡配置概述
网络负载平衡是Windows 2000的一个网络驱动程序?它的操作对TCP/IP网络栈而言是透明的?
为确保网络性能达到最优,网络负载平衡通常使用一个网络适配器来处理客户到群集的通讯量,而其它对服务器的网络通讯量则经由一个单独网络适配器?然而,第二个网络适配器是不需要的?
来自负载平衡服务器应用的数据库访问
某些服务器程序需要访问由客户请求来更新的数据库?当这些程序的负载在群集内得到均衡分配时,相关的更新工作则应保持同步状态?每个主机均使用一个本地?独立的数据库拷贝,而该数据库在必要时可脱机并入?另一种方法是,群集主机能够共享对一个独立的网络数据库服务器的访问?也可以组合使用这些方法?例如,静态Web网页能够在全部群集服务器间进行复制,以确保快速访问和全面容错?但是,数据库访问请求将转发至为多个Web服务器进行更新处理的公共数据库服务器?
某些关键任务程序可能需要使用高度可用的数据库引擎以确保全面容错?逐渐地,具有群集识别能力的数据库软件将得到部署,用以在整个群集模式中提供具有高度可用性与可伸缩性的数据库访问?Microsoft SQL Server就是一个例子,它能够使用群集服务功能以双节点方式进行部署?群集服务可确保在一个节点发生故障的情况下,剩余的节点将承担起故障电脑的职责,这样,就能够为Microsoft SQL Server 客户提供近乎连续的服务?由于两台电脑共享一个公共磁盘子系统,则上述功能是可以实现的?
网络负载平衡如何工作
网络负载平衡为共同工作且使用两个或两个以上主机群集的Web服务器提供了高度可用性和可伸缩性?因特网客户使用单一的IP地址(或一个多主主机的一组地址)访问群集?客户不能将单一服务器从群集中区分开来?服务器程序不能识别它们正运行于一个群集中?但是,由于网络负载平衡群集即使在群集主机发生故障的情况下仍能提供了不间断的服务,故而,它与运行单一服务器程序的单一主机大相径庭?与单一主机相比,群集还能对客户需求做出更迅捷的反应?
网络负载平衡通过在主机发生故障或脱机的情况下将网络通讯量重新指定给其它工作群集主机来提供高度的可用性?与脱机主机现存的连接虽然丢失,但因特网服务仍然处于可用状态?在大多数情况下(例如,就Web服务器而言),客户软件会自动重试发生故障的连接,而且,客户仅需几秒的延迟即可收到响应?
网络负载平衡通过在群集的一个或一个以上虚拟IP地址当中分配引入的网络通讯量来提供伸缩能力?群集中的主机于是对不同客户请求做出响应,即使是来自同一客户的多重请求也如是?例如,Web浏览器可能在单一Web网页内获得群集内不同主机处的多重映射?这就加速了处理过程并缩短了对客户的响应时间?
网络负载平衡使在一个子网上的全部群集主机能够为群集的主IP地址(以及多主主机上的额外IP地址)同时检测引入的网络通讯量?在每个群集主机上,网络负载平衡驱动程序充当了一个介于群集适配器驱动程序和TCP/IP栈之间的过滤器,以这种方式使主机能够收到一部分引入的网络通讯量?
网络负载压力 篇3
近年来, 随着软件系统规模的扩大和复杂程度的提高, 开发者和用户面对的系统都变得越来越大。对软件的重量要求也越来越高, 不仅要求软件的基本功能, 而且要使软件系统能够承受大量的并发访问。由于并发访问量过大而造成系统响应延迟甚至瘫痪的例子有很多。如2008年奥运会订票, 和春运网上订票由于访问量过多而造成系统瘫痪。在这种情况下, 为了验证软件系统性能而实施的负载压力测试变得尤为重要。而在负载压力测试中需要大批测试数据模拟用户行为对软件系统进行并发访问。因此, 在负载压力测试中测试数据的生成是很重要的。
本文提出一种基于粒子群优化 (PSO) 和程序流程图的负载压力测试数据生成方法, 并以银行自动取款机的测试数据生成为例, 生成负载压力测试数据。实验结果表明PSO算法结合程序流程图适用于负载压力测试数据的自动生成。该方法与一般的黑盒测试数据生成方法如[1]的方法比较, 具有智能、高效率等特点, 并且考虑了输入数据之间的因果关系。
2 基本概念
软件系统的负载压力是指系统在某种指定软件、硬件及网络环境下承受的流量, 例如并发用户数、持续运行时间、数据量等。其中并发用户数是负载压力的重要指标。负载压力测试是一种动态黑盒测试, 常用在集成测试、系统测试和验收测试阶段。负载压力测试需要虚拟大量用户对系统进行测试, 所以本文主要研究这些虚拟用户对系统的操作, 并根据这些操作等信息生成测试数据。
3 PSO算法
设搜索空间为D维, 总粒子数目为m。粒子群中每个个体i由三个向量来描述: (1) 第i个粒子位置表示向量xi= (xi1, xi2…xiD) ; (2) 第i个粒子的速度向量vi= (vi1, vi2…vi D) ; (3) 第i个粒子迄今为止搜索到的最优位置pbesti= (pi1, pi2…piD) 。整个粒子群迄今为止搜索到的最优位置gbest= (g1, g2…gD) 。粒子速度和位置按照下式进行更新:
其中C1, C2被称为学习因子, 是正常数。Rand1和rand2是区间[0, 1]内均匀分布的随机数。W是为避免PSO陷入局部最优而引入的惯性权重因子。
由于PSO算法简单容易实现。具有精度高、收敛快、容易实现等优点, 已在模式识别、信号处理、神经网络、函数优化等领域得到广泛的应用。
4 基于程序流程图和PSO算法的测试数据生成算法
4.1 改进思想
由PSO算法可知:粒子是在一个空间内自由飞行, 为了使PSO算法实现测试数据的自动生成, 要将PSO算法改进。首先应该使粒子沿着程序流程图飞行, 如果遇到分支情况, 应该提前设定每个分支的概率, 粒子按照概率随机选择分支, 当粒子到达指定的结束点时, 粒子完成了一个成功的路径。基于上述原理, 我们可以让M个粒子沿着程序流程图飞行, 其中粒子的速度都是一样的, 以找到终点为结束点, 假设有N个粒子到达终点。
根据上面的改进, 可以模拟N个用户在流程图上的正确操作流程, 将N个粒子在流程图上重复的路径进行统计, 假设有MK条不同的路径, 出现次数为count1、count2……count K。根据这些信息, 生成测试数据。
4.2 概念
已知被测程序流程图, 可以得到路径集T={起点、终点、Value、概率、需要输入的数据}, 该路径是程序流程图中最近两点信息的存储。
4.3 数据生成过程
基于PSO和程序流程图的测试数据生成, 粒子的每次前进模拟用户的行为, 其中经过K次迭代, 成功的路径就是用户使用被测软件的过程。
(1) 分析被测程序, 得出流程图。 (2) 按照流程图, 由用户输入流程图信息。 (3) 选定粒子数P_num, 粒子维数表示路径走过的路径, 粒子路径第一个值初始化为启始点A。 (4) iter_num为迭代次数。 (5) 迭代步数i=0;i
5 实例分析
以自动取款机测试数据生成为例
5.1 首先, 画出流程图 (见图1) :
然后由用户输入流程图中每条路径的具体信息, 如下表:
(假定分支路径输入为数字, 分支概率由用户输入)
5.2 设置粒子群算法的参数
设置粒子维数:dim=30//路径最长为30
设置粒子总数:P_num=200
设置粒子飞行次数:iter_num=5
由算法运行得到:
总共有四条路径:ABF、ABCBF、ABDBF、ABEBF, 它们的重复次数为35、10、10、8。
然后根据路径信息和重复次数, 在my SQL中建立4个表
第一个表存放路径ABF的测试数据, 测试数据35条。表项为:帐号、密码、4;第二个表存放路径ABCBF的测试数据, 测试数据10条。表项为:帐号、密码、1、4;第三个表存放路径ABDBF的测试数据, 测试数据10条。表项为:帐号、密码、2、取款金额、4;第四个表存放路径ABEBF的测试数据, 测试数据8条。表项为:帐号、密码、3、转账帐号、转账金额、4;被测软件调用该方法的mysql接口即可以使用测试数据。
6 结束语
研究了PSO算法在负载压力测试数据生成中的应用, 从上面试验可知, 粒子群算法很好地模拟了用户对被测软件的操作, 并且在分支选择和路径重复次数上也比较灵活, 可以按照设置的概率模拟用户选择。本文的算法与一般的黑盒测试相比考虑了输入数据的先后顺序和因果关系;该算法只需测试人员提供被测程序的流程图, 与白盒测试相比具有简单易行的特点。
参考文献
[1]孙淑香, 侯秀萍, 蔡文涛.基于树型模型的黑盒测试用例自动生成[J].计算机技术与发展, 2009 (2) .
[2]李爱国, 张艳丽.基于PSO的软件结构测试数据自动生成方法[J].计算机工程, 2008.
[3]孙家泽, 王曙燕.基于改进DPSO的组合测试数据生成算法[J].计算机工程, 2012 (4) .