随着商业网络站点的不断涌现和用户访问量的急剧增加,给各种Web服务器提出了更高的性能要求,在有限资源条件下如何高效优化Web系统的性能成为系统开发和维护关注的焦点。通过适当调节Web系统的软件配置参数,它的性能表现可以在现有的访问负载和硬件资源条件下得到很大的提升,但是面对复杂的Web部署环境和几十个可调参数,取得正确的配置参数值组合使系统整体性能表现最优是一项相当耗时耗力的工作。本文针对多层Web应用架构,设计和实现遗传算法,提出快速优化Web系统配置参数的方法,在大大减少实验时问的同时找出最优或接近最优的配置参数组合,使Web系统整体性能表现最佳。本文主要包括以下内容：(1)遗传算法的设计和实现。分析现有优化技术的内在特性、适用场景、优化问题的求解以及影响算法性能的因素,深入研究遗传算法的基本原理和工作流程,把它实际应用到Web系统参数优化问题中。针对系统中的Web服务器Tomcat、数据库服务器MySQL和Java虚拟机的主要可调配置参数进行二进制编码,结合拉丁超立方体抽样思想随机生成初始化种群,计算个体适应度值,并进行选择、交叉和变异等遗传操作,迭代搜索全局最优解,给出实验结果和算法性能分析。(2)实验平台的搭建。部署TPC-W基准测试程序,构建Web系统应用环境,包括在线售书系统,模拟用户请求的负载生成器,编写脚本语言控制相关参数的修改,软件的重启和算法的实现,记录相关系统性能数据到日志文件,优化提升Web系统整体性能。(3)遗传算法和QOG算法相结合,减少总的Web系统参数寻优时间。遗传算法以较快的收敛速度逼近最优值,相比QOG算法利用回归函数预测配置参数对应的系统性能,遗传算法更具准确性和高效性,本文结合遗传算法的寻优能力,并引入QOG算法批量抽样的思想,两者结合减少参数优化的整体实验时间。在限定的系统资源和工作负载下,本文通过Web环境中性能测试和优化算法程序的运行,找到系统最优或者接近最优配置参数值组合,给出实验结果和分析,验证优化算法的实用性和高效性,有实际的应用价值和社会效益。