改进加权最小连接数负载均衡调度算法研究

蔡程宇，娄渊胜

(河海大学 ，南京210000)

近年来，云计算环境下的应用在计算机领域已经提到了最前沿，高性能服务器[1－2]在大型的企业已大量普及，而网络时代的发展，随着带宽的提高，用户的数量也随之加大，即对服务器的质量[3－5]的要求也日益加大，因此，云计算[6]下一个独立的服务器已经再也无法满足膨胀网络时代的需求了，而负载均衡[7－9]正是能解决此类问题的关键所在，它的思想是通过对所有节点资源的实时观测，进行数据的收集和整合，通过计算得到节点的负载率，然后通过阈值判断集群的状况看情况分配，最终使得所有的节点负载均衡，从而达到资源的有效利用，可以有效的降低成本，实现网络带宽[10]的优化.

通过CloudSim进行仿真实验，证明了结果的有效性，能更好地提高系统资源的利用率.

1 设计思想

在LVS中，传统的服务器集群中节点的权值是通过人为的设置给予初值，这对后期的负载率计算带来了一定的误差，那么对实验的结果的产生有一定的影响.而如何实时的去监控权值和负载的变化正是我们要做的事情，因此引入了周期性信息采集，那么在周期性采集过程中也会产生一个周期结束到下一个周期开始的时间段内产生用户量暴增的情况出现，我们又如何解决呢?通过以下几个方面进行定义模型并进行实验比较.

1.1 节点资源模型与任务模型建立

动态负载均衡的思想涉及两方面，节点的性能及当前的负载，通过计算来对系统进行综合考虑，实现任务的调度和虚拟机的迁移.本文对经典调度算法中的加权最小连接数算法的优缺点分析，通过对节点信息的实时收集以及负载量的变化建立模型，并按照负载情况来合理有效分配资源，这对加权最小连接数调度算法的研究有着更好的补充和改进，使得集群的性能进一步改善.

本文对算法的改进中，涉及到的参数并不是很多，因为参数的收集本身对系统开销有一定的影响，因此过多的参数涉入反而达不到资源的有效利用.在这里，我们主要对CPU，内存，带宽，硬盘四个指标进行评价，在单位时间内综合的计算节点权值.见图1.

图1 节点资源模型

通过图1所示模型可以得到对应的表达式，用Xi来表示单个服务器节点可用的资源量.见图2.

服务器节点执行任务的同时产生资源能耗，因此相应的有任务能耗模型图.

图2 任务能耗模型

通过图2所示模型可以得到对应的表达式，用Yi来表示单个服务器节点在单位时间内能耗量

对CPU、内存、网络、硬盘的权重和用T表示，四个参数总和为1

则对节点向量加权求和，可得到节点权值代表其单个节点的整体性能.用Mi表示

对任务能耗向量加权求和，可以得到任务大小值，用Ni表示

单个节点负载率描述:单个服务器i负载率用Zi表示

1.2 算法改进思想

根据之前提出的在周期性采集过程中，也会产生一个周期结束到下一个周期开始的时间段内产生用户量暴增的情况，该如何解决，我们可以通过以下几点去做.

1)通过负载均衡器收集各个节点的信息，通过计算得到每个负载率并将其划分为三个等级分别给他们设置阈值，负载率大于等于80%为A类负载密集区、负载率小于等于20%为B类负载稀疏区、负载率处于期间的为B类负载均衡区.

2)根据到来的任务选择负载稀疏区，这样确保在一个信息采集周期内不会因为大量的任务而导致服务器奔溃，而组内我们采用随机分配策略.

2 具体实现

2.1 算法实现的工作流程图

见图3.

图3 算法工作流程

通过负载均衡器收集节点信息后，计算加权求和得到四个参数及负载，按照之前给出的阈值对比，在符合条件的情况下分别赋予不同的组内，而组内采用随机分配的策略来进行负载平衡.

2.2 实验分析

本文通过使用一种模拟成千上万用户同时访问服务器并且能实时监控的负载测试工具LOADRUNNER进行测试，分别进行五次测试并取平均值，每次8 min，得到系统平均响应时间和系统每秒点击率在算法改进前后的对比如图4、5.

由以上实验图对比可见，先前的最小连接数算法显然不够理想，通过改进后的算法能直观的看出系统平均响应时间得到了有效的提高，在5次实验中，平均值提高了170.6 ms，同时系统每秒点击率也显著增加7～8次，因此改进后的算法在系统平均响应时间和系统每秒点击率上都得到了明显的优势，使得整个集群系统的性能在之前得到有效的提高，在用户量暴增的时代，该改进后的算法更能体现它的优越之处，所以，该算法能适用于某一时刻庞大的用户访问量.

图4 系统平均响应时间

图5 系统每秒点击率

综上可见改进后的加权最小连接数调度算法是在原有的算法上进行缺点的补足，它是一种动态负载均衡机制，它解决了负载不均衡，提高系统平均响应时间及系统每秒点击率一系列的重要参数指标，使得整个集群系统得到了较大的改善，达到了集群优化平衡的目的.

[1]童瑞霞.基于动态反馈机制的集群负载均衡算法研究[D].武汉:武汉理工大学，2011.

[2]陈俊丽.基于云计算服务的弹性负载均衡机制的研究与实现[D].成都:成都理工大学，2013.

[3]田绍亮，左 明，吴绍伟.一种改进的基于动态反馈的负载均衡算法[J].计算机工程与设计，2007，28(3):572－573.

[4]向建军，白 欣，左继章.一种用于实时集群的多任务负载均衡算法[J].计算机工程，2003，29(12):36－38.

[5]赵春燕.云环境下作业调度算法研究与实现[D].北京:北京交通大学，2009.

[6]汪国安，杨 焕.基于负载均衡的云计算任务调度算法的研究[J].福建电脑，2012，28(12):8－10.

[7]胡丽聪，徐雅静，徐惠民.基于动态反馈的一致性哈希负载均衡算法[J].微电子学与计算机，2012，29(001):177－180.

[8]张玉芳，魏钦磊，赵 膺.基于负载权值的负载均衡算法[J].计算机应用研究，2012，29(12):4711－4713.

[9]刘 健，徐 磊，张维明.基于动态反馈的负载均衡算法[J].计算机工程与科学，2003，25(5):65－68.

[10]刘 敏，房至一，王红斌，等.一种新的处理能力优先的权值分配调度算法[J].吉林大学学报:理学版，2011，6:32.

[11]徐 伟.基于OPT的生产计划系统设计[J].哈尔滨商业大学学报:自然科学版，2014，30(2):253 －256.