本发明提供一种基于长短期记忆网络的服务器负载均衡优化方法，包括以下步骤：采集服务器集群工作周期一个月的数据作为基于LSTM的负载权重模块的训练数据，对LSTM网络进行训练得到能够识别服务器性能差异的负载权重模块；将训练后的基于LSTM的负载权重模块加载至服务器集群的负载均衡器中进行服务器负载的预测；负载均衡优化算法，接收到每一个服务器的负载置信度后，带权的负载均衡算法以当前置信度作为新权重，对当前请求进行服务器的分配操作并进行请求处理，同时记录下当前服务器集群的状态以便对后续的基于LSTM的负载权重模块进行更新。本发明模型的参数量较小，提高运算的速度，提升了负载均衡算法的计算效率。