网络资源的均衡化调度算法研究

元元+曹海英

摘 要： 针对传统轮询算法对网络资源的均衡化调度存在负载均衡性差、网络资源浪费严重以及资源调度效果差的问题，提出一种新的网络资源均衡化调度算法。基于网络资源的均衡化算法运行过程，设计异构集群的并行计算熵的计算矩阵，实现虚拟机的调度，对调度目标的物理节点进行分析，完成网络资源多线程负载均衡调度。采用基于处理时间的网络资源负载动态均衡算法，对每个物理节点建立负载调度机制，使物理节点按照内部最优调度方式实施均衡调度，实现对网络资源的均衡化调度。实验结果表明，所提算法的调度效率高，且具有较高的负载均衡稳定性，可以减少网络资源的浪费，增强网络资源的调度效果。

关键词： 网络资源调度； 负载均衡； 云平台； 物理节点； 均衡调度； 负载调度机制

中图分类号： TN711?34； TN929 文献标识码： A 文章编号： 1004?373X（2018）04?0034?03

Abstract： In allusion to the problems that there exist poor load balance， serious waste of network resources and poor resource scheduling efficiency in network resource equalization scheduling by using traditional polling algorithm， a new network resource equalization scheduling algorithm is proposed. The computing matrix of parallel computing entropy for heterogeneous cluster is designed on the basis of operation process of network resource equalization algorithm to realize the scheduling of fixed virtual machines. The physical nodes of scheduling targets are analyzed to complete the multithreading load balance scheduling of network resources. The dynamic network resource load balance algorithm based on processing time is adopted to establish load scheduling mechanism for each physical node， so that balanced scheduling of physical nodes can be implemented according to the internal optimal scheduling mode， and balanced scheduling of network resources realized. The experimental results show that the proposed algorithm has high scheduling efficiency and high load balancing stability， which can reduce the waste of network resources and enhance the scheduling effect of network resources.

Keywords： network resource scheduling； load balance； cloud platform； physical node； balanced scheduling； load scheduling mechanism

0 引 言

隨着互联网通信技术的不断发展，网络资源的数据规模也逐渐变大，人们对网络资源掌握的要求也越来越高，对网络资源均衡化调度的研究关注度较高，加强网络资源的综合管理[1]，实现网络资源均衡化调度成为互联网发展的关键。传统轮询法对网络资源的均衡化调度存在网络资源利用率低、资源调度效果差的问题。面对该问题，本文提出一种新的网络资源多线程负载均衡调度算法，以提高网络资源均衡化调度效率，减少网络资源的浪费。

1 网络资源的均衡化调度算法

1.1 基于云平台网络资源多线程负载均衡调度算法

在网络资源的均衡化算法的研究过程中，先收集各个网络节点的负载信息，并根据其携带的信息种类实施分类，根据已知节点样本的负载特征值，对其余节点负载特征值进行计算[2]，将计算出节点的特征值随心跳包传导至根节点，实现根节点对子节点的信息反馈作用。本文在此基础上建立云平台网络资源均衡化算法，采用该算法进行网络资源的均衡化调度时，需要利用云平台网络资源的均衡化原理、模型中的时间、费用等参数。基于云平台网络资源多线程负载均衡调度算法，设计了异构集群的并行计算熵的计算矩阵，对虚拟机的调度[3]、调度目标的物理节点及其判断方式进行定义，其定义步骤如下：

式中，[ptotali]为物理节点处理能力的量化体现。

用[?]表示网络资源的采样周期，对网络资源的对应并行熵进行求值。若计算出的并行熵大于或等于负载阈值，判断此时的网络资源处于负载均衡状态。

上述过程基于云平台网络资源均衡化模型的基本原理，以及异构集群的并行计算熵的计算矩阵，实现虚拟机的调度，对调度目标的物理节点进行分析，完成网络资源多线程负载均衡调度。endprint

1.2 基于处理时间的网络资源负载动态均衡算法

上文分析的网络资源的均衡化调度算法，在物理节点处于数据繁忙状态时，其向中央服务器进行网络资源负载信息提交过程中，负载信息反馈不及时[5]，会降低网络资源均衡化的效率，因此需要建立一种基于处理时间的网络资源负载动态均衡算法，提高网络资源均衡化效率。假设有[n]个物理节点参与计算，任务总量为[Ti1]，[Vi]和[Ti]分别为物理点的平均处理时间和运行时间，对第一个物理节点实施均衡调度。将剩余物理节点按照内部最优调度方式实施均衡调度，对于物理节点[Nj（j≤n≤2）]，存在处理时间最大的节点[p1]，理论上[T1]和[Tp1]存在式（3）所示的函数关系，函数关系表达式为：

为了充分考虑网络资源的有效利用，提高任务的并行能力[6]，调度发生的最合适时间应为图1中的临界点上，其满足[T1=Tpj]，并进行一次负载均衡调度，必然存在某一个物理节点的运行时间为[Tn（j≤n≤1）]，当一个响应时间最短的网络资源调度方式，需要所有物理节点的共同参与[7]，不能间断。为了让网络资源的均衡度更高，需要为每一个物理节点设置一个临时变量[ti（n≤i≤1）]，初始值为0，记录起始运行时间，当物理节点完成网络资源调度任务后，用当前时间减去起始时间即为任务用时[Δt]，其能精准地反应出目标物理节点的网络资源任务处理能力和负载均衡能力[8]，本文令[ti=ti+Δt]，[ti]表示目标物理节点处理任务总用时。假设未完成的网络资源任务按当前处理速度继续进行，设当前物理节点[i]已完成任务为[Nh]，提交完成任务量为[Nhi]，提交任务数为[Nsi]，该物理节点[i]网络资源处理用时[Ti]为：

式中，[t0]为对物理节点预期的单位任务用时，通常设为0.01。从式（4）得到网络资源的动态均衡调整策略，从所有物理节点中选择处理时间最短的物理节点，未进行网络资源任务分配时，[ti=0]。因此在网络资源任务均衡调度初始状态[9]，遵从物理节点的顺序进行任务提交。因为[Ti]处于动态变化中，因此该网络资源负载动态均衡算法能够实现对网络资源的均衡调度，并降低网络资源均衡化用时，提高网络资源均衡化效率[10]。

2 实验分析

实验以国外某个制药公司的网络资源均衡调度过程为例，对比分析本文算法和传统轮询算法对该公司网络资源的均衡调度效果，分别选取不同规模的实验数据，实验采用本文算法和传统轮询算法对网络资源均衡调度过程中资源利用率和负载均衡稳定性实施分析。图2为两种算法对网络资源的利用率结果，图3为两种算法对负载均衡稳定性分析结果。

从图2和图3可以分析得出，采用本文算法进行网络资源负载均衡调度的资源利用率和负载均衡稳定性均要好于传统轮询算法，且本文算法随着实验任务数量的扩大，负载均衡的波动较小，因为利用本文算法实施网络资源负载均衡时，采用云平台网络资源均衡化模型，得到云平台环境下网络资源任务所需要的时间、费用和安全性函数，将多线程的负载均衡调度问题转化为离线空间优化问题，提高了网络资源的利用率和负载均衡调度质量。

3 结 论

本文设计的网络资源的均衡化调度算法，能有效地对网络资源实施均衡调度，提高网络资源的利用效率，降低能量消耗，实现高效的网络资源均衡调度。

参考文献

[1] 张忠平，冯玉鹏，张雪楠.基于标准差及二次分配的启发式网格资源调度算法[J].小型微型计算机系统，2016，37（2）：259?263.

ZHANG Zhongping， FENG Yupeng， ZHANG Xuenan. Heuristic grid resource scheduling algorithm based on standard deviations and secondary distribution [J]. Journal of Chinese computer systems， 2016， 37（2）： 259?263.

[2] 李晓峰.云计算光纤网络下的云资源调度方法研究与改进[J].激光杂志，2016，37（5）：99?103.

LI Xiaofeng. Research and improvement of cloud resource scheduling method in cloud computing optical fiber network [J]. Laser journal， 2016， 37（5）： 99?103.

[3] 刘迅，毕远志.基于微粒群算法的工程网络计划多资源均衡优化研究[J].科技管理研究，2014，34（11）：182?187.

LIU Xun， BI Yuanzhi. Multi?resources leveling optimization in project network planning based on PSO algorithm [J]. Science and technology management research， 2014， 34（11）： 182?187.

[4] 封岸松，王宏，张彦武.无线HART网络节点变速率资源调度算法实现[J].电子技术应用，2016，42（3）：95?97.

FENG Ansong， WANG Hong， ZHANG Yanwu. Implementation of variable?rate resources scheduling algorithm of wireless HART node [J]. Application of electronic technique， 2016， 42（3）： 95?97.

[5] 王勇，刘美林，李凯，等.云环境下基于可靠性的均衡任务调度算法研究[J].计算机科学，2015，42（z1）：325?331.endprint

WANG Yong， LIU Meilin， LI Kai， et al. Reliability?based job scheduling algorithm in cloud computing [J]. Computer science， 2015， 42（S1）： 325?331.

[6] 宋玉坚，叶春明，黄佐钘.多智能体布谷鸟算法的网络计划资源均衡优化[J].计算机工程与应用，2015，51（15）：56?61.

SONG Yujian， YE Chunming， HUANG Zuoxing. Multi?agent cuckoo search algorithm for resource leveling problem of network planning [J]. Computer engineering and applications， 2015， 51（15）： 56?61.

[7] 王鹏，黄焱，李坤，等.云计算集群相空间负载均衡度优先调度算法研究[J].计算机研究与发展，2014，51（5）：1095?1107.

WANG Peng， HUANG Yan， LI Kun， et al. Load balancing degree first algorithm on phase space for cloud computing cluster [J]. Journal of computer research and development， 2014， 51（5）： 1095?1107.

[8] 何立华，张连营.基于资源波动成本的工程项目资源均衡优化[J].管理工程学报，2015，29（2）：167?174.

HE Lihua， ZHANG Lianying. Resource leveling optimization based on resource fluctuation cost in construction projects [J]. Journal of industrial engineering and engineering management， 2015， 29（2）： 167?174.

[9] 邓志龙，段哲民，李刘涛.OpenStack环境下的资源动态调度研究[J].西北工业大学学报，2016，34（4）：650?655.

DENG Zhilong， DUAN Zhemin， LI Liutao. Research of dynamic scheduling of resources under the environment of OpenStack [J]. Journal of Northwestern Polytechnical University， 2016， 34（4）： 650?655.

[10] ZHANG Peng. Simulation research on load balancing scheduling of cloud platform network [J]. Computer simulation， 2017， 34（6）： 372?375.

[11] 田春子，邵晓康.局域网限速状态下的资源调度模型仿真[J].计算机仿真，2015，32（4）：248?251.

TIAN Chunzi， SHAO Xiaokang. Simulation of resource scheduling model under LAN speed limit state [J]. Computer simulation， 2015， 32（4）： 248?251.endprint