随着移动互联网技术的飞速发展,互联网服务器集群的负载能力正面临着前所未有的挑战,合理的负载均衡系统实现变得尤为迫切。为了使负载均衡达到最佳执行效率的同时,能够兼顾集群的动态调整性,可以使用负载有界的一致性哈希(Consistent Hashing with Bounded Loads)算法作为集群负载均衡系统的分配算法。本文对负载有界的一致性哈希算法进行了如下所述的研究与优化:首先,本文提出基于虚拟节点的自适应一致性哈希算法(Adaptive Consistent Hashing with Virtual Nodes,ACHVN),通过引入系统资源使用率和虚拟节点的概念,从性能和适应性的角度来优化负载有界的一致性哈希算法。ACHVN算法能够在维持系统动态调整性的同时,提供更好的分配效率和对异构集群的支持;其次,本文针对ACHVN算法的系统资源权值调整场景,提出了基于遗传算法的自适应学习率BP神经网络(Genetic Backward Propagation neural network with Adaptive learning rate,GBPA),用于优化该场景下权值调整操作难以量化分析的难题。通过在BP神经网络中引入遗传算法和自适应学习率,由独立的神经网络节点优化过的系统资源权重能够更好地反映出负载对系统性能的需求;最后,本文基于优化的ACHVN算法,构建了在微服务场景下的架构设计。该架构涵盖了由服务分配节点、单服务负载均衡节点和业务处理节点的三层网络结构,灵活地分割了每个负载均衡节点的运算需求。通过实验对比,本文的ACHVN算法能够比负载有界的一致性哈希算法表现出更好的分配性能,并且具备了对异构集群的适配能力。其系统建模能够比传统的Nginx服务器表现出更好的负载均衡能力。