本站使用 cookies,继续浏览表示您同意我们使用 cookies。

需求背景

随着交通管理信息化、现代化、数字化和自动化的不断提高,以及交通需求的日益扩张和随之而来的交通管理部门的不断增大,公安交通管理迫切需要一个直观、高效、智能的管理平台,对各类交通管理控制系统的信息进行统一管理,实现各孤立子系统难以实现的问题,实现信息交换与共享、快速反应决策与统一调度指挥。

方案简介

在公安交通集成指挥平台服务器前端部署深信服负载均衡设备,采用负载均衡器双机单臂冗余部署,实现对多套服务器集群的动态调度和实时健康检查,满足解析业务稳定性,提供高可靠应用服务。负载均衡设备能将所有真实服务器配置成虚拟服务来实现负载均衡,对外直接发布一个虚拟服务ip。当用户请求到达负载均衡设备的时候,根据预先设定的基于多重四、七层负载均衡算法的调度策略,能够合理的将每个连接快速的分配到相应的服务器,从而合理利用服务器资源。不仅在减少硬件投资成本情况下解决单台服务器性能瓶颈,同时方便后续扩容,为大并发访问量的系统提供性能保障。通过对服务器健康状况的全面监控,深信服ad负载均衡设备能实时地发现故障服务器,并及时将用户的访问请求切换到其他正常服务器之上,实现多台服务器之间冗余。从而保证关键应用系统的稳定性,不会由于某台服务器故障,造成应用系统的局部访问中断。

方案价值

持续监测

负载均衡设备通过持续监测链路、网络、应用等多层级工作状态。一旦某台服务器出现故障,用户将被透明地引导到正常工作的服务器上,确保业务系统访问体验。

稳定可靠

通过可靠的健康检查机制可以保证用户始终能够获得最佳的服务,实现访问连接的智能调度,降低服务器压力同时,提高业务稳定性;

提高性能

通过tcp连接复用、内存缓存等技术,在不改变网络架构且也不增加硬件服务器投资的情况下,减少服务器的性能压力,提高集群的业务处理能力。

案例推荐

浪潮利用深信服方案
浪潮利用深信服方案浪潮利用深信服方案浪潮利用深信服方案浪潮利用深信服方案浪潮利用深信服方案浪潮利用深信服方案浪潮利用深信服方案
$name

成功案例

资源监控

单个模型可以模拟具有大量不同网络体系结构,在训练期间随机删除节点。这称为"dropout",它提供了一种非常廉价且有效的正则化方法,以减少过拟合并改进各种深度神经网络中的泛化误差。

资源监控

单个模型可以模拟具有大量不同网络体系结构,在训练期间随机删除节点。这称为"dropout",它提供了一种非常廉价且有效的正则化方法,以减少过拟合并改进各种深度神经网络中的泛化误差。

资源监控

单个模型可以模拟具有大量不同网络体系结构,在训练期间随机删除节点。这称为"dropout",它提供了一种非常廉价且有效的正则化方法,以减少过拟合并改进各种深度神经网络中的泛化误差。

相关视频

网站地图