網絡資源的均衡化調度算法研究

元元+曹海英

摘 要： 針對傳統輪詢算法對網絡資源的均衡化調度存在負載均衡性差、網絡資源浪費嚴重以及資源調度效果差的問題，提出一種新的網絡資源均衡化調度算法。基于網絡資源的均衡化算法運行過程，設計異構集群的并行計算熵的計算矩陣，實現虛擬機的調度，對調度目標的物理節點進行分析，完成網絡資源多線程負載均衡調度。采用基于處理時間的網絡資源負載動態均衡算法，對每個物理節點建立負載調度機制，使物理節點按照內部最優調度方式實施均衡調度，實現對網絡資源的均衡化調度。實驗結果表明，所提算法的調度效率高，且具有較高的負載均衡穩定性，可以減少網絡資源的浪費，增強網絡資源的調度效果。

關鍵詞： 網絡資源調度； 負載均衡； 云平臺； 物理節點； 均衡調度； 負載調度機制

中圖分類號： TN711?34； TN929 文獻標識碼： A 文章編號： 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

隨著互聯網通信技術的不斷發展，網絡資源的數據規模也逐漸變大，人們對網絡資源掌握的要求也越來越高，對網絡資源均衡化調度的研究關注度較高，加強網絡資源的綜合管理[1]，實現網絡資源均衡化調度成為互聯網發展的關鍵。傳統輪詢法對網絡資源的均衡化調度存在網絡資源利用率低、資源調度效果差的問題。面對該問題，本文提出一種新的網絡資源多線程負載均衡調度算法，以提高網絡資源均衡化調度效率，減少網絡資源的浪費。

1 網絡資源的均衡化調度算法

1.1 基于云平臺網絡資源多線程負載均衡調度算法

在網絡資源的均衡化算法的研究過程中，先收集各個網絡節點的負載信息，并根據其攜帶的信息種類實施分類，根據已知節點樣本的負載特征值，對其余節點負載特征值進行計算[2]，將計算出節點的特征值隨心跳包傳導至根節點，實現根節點對子節點的信息反饋作用。本文在此基礎上建立云平臺網絡資源均衡化算法，采用該算法進行網絡資源的均衡化調度時，需要利用云平臺網絡資源的均衡化原理、模型中的時間、費用等參數。基于云平臺網絡資源多線程負載均衡調度算法，設計了異構集群的并行計算熵的計算矩陣，對虛擬機的調度[3]、調度目標的物理節點及其判斷方式進行定義，其定義步驟如下：

式中，[ptotali]為物理節點處理能力的量化體現。

用[?]表示網絡資源的采樣周期，對網絡資源的對應并行熵進行求值。若計算出的并行熵大于或等于負載閾值，判斷此時的網絡資源處于負載均衡狀態。

上述過程基于云平臺網絡資源均衡化模型的基本原理，以及異構集群的并行計算熵的計算矩陣，實現虛擬機的調度，對調度目標的物理節點進行分析，完成網絡資源多線程負載均衡調度。endprint

1.2 基于處理時間的網絡資源負載動態均衡算法

上文分析的網絡資源的均衡化調度算法，在物理節點處于數據繁忙狀態時，其向中央服務器進行網絡資源負載信息提交過程中，負載信息反饋不及時[5]，會降低網絡資源均衡化的效率，因此需要建立一種基于處理時間的網絡資源負載動態均衡算法，提高網絡資源均衡化效率。假設有[n]個物理節點參與計算，任務總量為[Ti1]，[Vi]和[Ti]分別為物理點的平均處理時間和運行時間，對第一個物理節點實施均衡調度。將剩余物理節點按照內部最優調度方式實施均衡調度，對于物理節點[Nj（j≤n≤2）]，存在處理時間最大的節點[p1]，理論上[T1]和[Tp1]存在式（3）所示的函數關系，函數關系表達式為：

為了充分考慮網絡資源的有效利用，提高任務的并行能力[6]，調度發生的最合適時間應為圖1中的臨界點上，其滿足[T1=Tpj]，并進行一次負載均衡調度，必然存在某一個物理節點的運行時間為[Tn（j≤n≤1）]，當一個響應時間最短的網絡資源調度方式，需要所有物理節點的共同參與[7]，不能間斷。為了讓網絡資源的均衡度更高，需要為每一個物理節點設置一個臨時變量[ti（n≤i≤1）]，初始值為0，記錄起始運行時間，當物理節點完成網絡資源調度任務后，用當前時間減去起始時間即為任務用時[Δt]，其能精準地反應出目標物理節點的網絡資源任務處理能力和負載均衡能力[8]，本文令[ti=ti+Δt]，[ti]表示目標物理節點處理任務總用時。假設未完成的網絡資源任務按當前處理速度繼續進行，設當前物理節點[i]已完成任務為[Nh]，提交完成任務量為[Nhi]，提交任務數為[Nsi]，該物理節點[i]網絡資源處理用時[Ti]為：

式中，[t0]為對物理節點預期的單位任務用時，通常設為0.01。從式（4）得到網絡資源的動態均衡調整策略，從所有物理節點中選擇處理時間最短的物理節點，未進行網絡資源任務分配時，[ti=0]。因此在網絡資源任務均衡調度初始狀態[9]，遵從物理節點的順序進行任務提交。因為[Ti]處于動態變化中，因此該網絡資源負載動態均衡算法能夠實現對網絡資源的均衡調度，并降低網絡資源均衡化用時，提高網絡資源均衡化效率[10]。

2 實驗分析

實驗以國外某個制藥公司的網絡資源均衡調度過程為例，對比分析本文算法和傳統輪詢算法對該公司網絡資源的均衡調度效果，分別選取不同規模的實驗數據，實驗采用本文算法和傳統輪詢算法對網絡資源均衡調度過程中資源利用率和負載均衡穩定性實施分析。圖2為兩種算法對網絡資源的利用率結果，圖3為兩種算法對負載均衡穩定性分析結果。

從圖2和圖3可以分析得出，采用本文算法進行網絡資源負載均衡調度的資源利用率和負載均衡穩定性均要好于傳統輪詢算法，且本文算法隨著實驗任務數量的擴大，負載均衡的波動較小，因為利用本文算法實施網絡資源負載均衡時，采用云平臺網絡資源均衡化模型，得到云平臺環境下網絡資源任務所需要的時間、費用和安全性函數，將多線程的負載均衡調度問題轉化為離線空間優化問題，提高了網絡資源的利用率和負載均衡調度質量。

3 結 論

本文設計的網絡資源的均衡化調度算法，能有效地對網絡資源實施均衡調度，提高網絡資源的利用效率，降低能量消耗，實現高效的網絡資源均衡調度。

參考文獻

[1] 張忠平，馮玉鵬，張雪楠.基于標準差及二次分配的啟發式網格資源調度算法[J].小型微型計算機系統，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] 李曉峰.云計算光纖網絡下的云資源調度方法研究與改進[J].激光雜志，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] 劉迅，畢遠志.基于微粒群算法的工程網絡計劃多資源均衡優化研究[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，張彥武.無線HART網絡節點變速率資源調度算法實現[J].電子技術應用，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，劉美林，李凱，等.云環境下基于可靠性的均衡任務調度算法研究[J].計算機科學，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] 宋玉堅，葉春明，黃佐钘.多智能體布谷鳥算法的網絡計劃資源均衡優化[J].計算機工程與應用，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] 王鵬，黃焱，李坤，等.云計算集群相空間負載均衡度優先調度算法研究[J].計算機研究與發展，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] 何立華，張連營.基于資源波動成本的工程項目資源均衡優化[J].管理工程學報，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] 鄧志龍，段哲民，李劉濤.OpenStack環境下的資源動態調度研究[J].西北工業大學學報，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，邵曉康.局域網限速狀態下的資源調度模型仿真[J].計算機仿真，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