Spring Cloud作为目前最为流行的微服务框架之一,得到了越来越多的关注和使用。Spring Cloud的健康检测通过心跳机制来完成,但只能判断服务是否正在运行,不能判断出能否运行成功。同时,Spring Cloud中的负载均衡算法只是简单地考虑了一些统计变量,没有结合服务节点的实际运行情况提供更优的均衡策略。因此,本文针对Spring Cloud健康检测机制和负载均衡算法中的问题,通过负载预测的方式,对健康检测机制进行优化,并根据负载预测的结果提出一种改进的负载均衡算法,为构建Spring Cloud微服务框架提供了一种可借鉴的优化方案,具有重要的实际意义。本文的主要工作包括以下几个方面:(1)通过对负载特性和负载预测方法的分析,选择了基于时序模型的负载预测方法,给出综合负载的定义,并针对本文实验环境,选择合适的时序模型和模型参数。(2)针对Spring Cloud健康检测机制的不足,本文结合其他已有框架的健康检测思想和一些优化方案,在原有的心跳机制中,整合Spring Boot的监控组件,通过监控服务正常运行所必须的外部资源来判断服务实例是否正常可用。同时借助健康分级的思想,以服务的负载预测情况作为分级标准,实现健康服务的分级策略,并以此作为后续负载均衡算法的数据支持。(3)针对Spring Cloud中的现有负载均衡策略的不足,结合Spring Cloud负载均衡算法中优秀的思想,并基于健康检测所获取得到的服务实例预测负载,提出一种动态权重的负载均衡算法DWRR(Dynamic Weighted Random Rule)。该算法结合Spring Cloud原有负载均衡算法中的过滤思想、加权随机思想,引入强服务提供者的概念,并综合实例连接数、响应时间的统计数据以及前文所获取的服务健康分级和负载预测值进行权重的动态调整和实例的选择。对比实验结果表明,在异构服务集群环境下,该算法能有效地提高系统的综合利用率。