现代社会中,网上购物成为了人们生活中不可缺少的一部分,随之而来的是移动端和PC端的爆炸式访问量,单台的服务器节点已经无法支撑高并发的访问,企业通常会组建服务器集群来应对高并发的场景。在生产环境中,经常会出现服务器负载不均的情况,可能部分高负载的服务器还在接收大量Http请求,低负载的服务器仅处理简单的逻辑业务,造成了服务器硬件资源的不平衡。本文提出了一种基于遗传算法的改进负载均衡策略,用来平衡服务器节点间的负载。首先将现有的服务器节点进行物理拆解,利用改进的背包算法配置出性价比最高的服务器集群,其次分析传统仿真软件中存在的不足,基于微服务框架搭建一套完整的电商平台用于项目测试。从需求分析、数据库设计、方案选择、自动化部署等方面对电商项目进行详细的研究,并且利用多种工具测试每个服务模块在不同节点下的功能和性能参数,最后使用改进的遗传算法将微服务模块合理地部署到服务器节点上。在改进遗传算法的过程中,先将服务器节点和服务模块进行染色体编码;其次将服务模块测试结果中的负载率和响应时间作为遗传算法的双适应度函数,用来评价种群个体的优劣;然后采用动态自适应的遗传概率,能够保证随着遗传代数的增加种群发生合理地进化;最后采用模拟退火算法作为遗传算法选择操作的标准,弥补算法局部搜索能力的不足。本文在综合背包算法(Knapsack)、遗传算法(GA)和模拟退火算法(SAA)的基础上,提出了一种新的算法:KGSA算法,该算法能够充分利用现有的硬件资源,组合成最优的服务器集群,在部署微服务项目时能够减少模块的响应时间和平衡服务器节点间的负载率。在真实的电商项目中对KGSA算法的性能进行测试,相比Cloud Sim软件更加具有说服性,实验证明:该算法在本文开发的电商项目中能够有效的解决了Nginx自带负载均衡算法的不足,较贪心算法KGSA算法将节点的平均负载率减少了18%,系统的响应时间减少了6%;较传统的遗传算法节点的负载率减少了15%,对企业的项目部署有着实际的应用参考价值。