探究分布式網絡監控系統中網鏈路負荷均衡方法

李興來

（山信軟件股份有限公司 萊蕪自動化分公司，山東 濟南 271104）

0 引言

網鏈路負荷不均衡是分布式網絡監控系統中的一種較為常見的現象，一旦發生這種情況，不但影響網絡數據傳輸速度，而且也會造成大量數據的堆積和累加，使得網絡運行壓力增大。而基于蟻群算法的網鏈路負荷均衡法能夠有效避免丟包現象的發生，同時，也能夠縮短網絡自適應時間，使網絡帶寬的利用率得到大幅提升。由此可以看出，網鏈路負荷均衡法是解決網絡資源與流量分布不均，以及有效緩解網絡擁塞壓力的一條有效路徑。

1 蟻群機制模型的構建思路

蚊群算法屬于一種仿生學群智能算法，這種算法的主要機理是由一群無智能或者具有輕微智能的個體通過相互協作、相互促進而表現出智能行為，進而使一些復雜的問題變得簡單化。基于這一算法，首先需要建立一個能夠與分布式網絡監控系統相融合的蟻群機制模型，然后通過對蟻群行為的模擬，使個體之間的信息素能夠相互傳遞，以此評估出數據信息素濃度。目前，造成網擁塞的主要原因是由于網絡傳輸數據過于集中，而且所處的位置與路徑恰恰是阻塞網絡數據傳輸的通道，因此，利用蟻群機制模型，能夠促使分布式網絡監控系統中網鏈路負荷的均衡分配，這也相當于給數據信息的傳輸開啟了一條順暢之路，在這種情況之下，網絡數據不會出堆積與擁堵現象，這不僅解決了網絡擁塞的情況，而且也使網絡帶寬的利用率得到大幅提升[1]。

1.1 蟻群機制模型構建原理

在構建蟻群機制模型時，首先需要選擇一個最優路徑，而這一路徑的選擇完全基于蟻群中的信息素，當最優路徑確定以后，可以對網絡數據進行分流，這就使得網絡荷載被分化為多條路徑，數據傳輸通道也因此而開啟，這時，網絡擁塞現象也將不復存在。從網絡荷載的分擔機制可以看出，蟻群機制模型構建原理實際上是仿照和模擬了生物蟻群的群體行為，被優化的路徑恰恰可以看作蟻群所釋放出的信息素濃度，當這一濃度被削弱以后，再通過蟻群間的相互競爭，使得處于各路徑的信息素能夠相互作用，并且在這一過程中，尋求到最優的路徑。

1.2 構建方法

在構建蟻群機制模型時，首先需要確定模型參數，假設蟻群的尋優路徑分別為L1, L2, …, Ln.那么在t時刻模擬蟻群中的個體x，從節點n1運動到節點n2的概率P可以用下面這個計算式予以表示。

2 網鏈路負荷均衡的實現路徑

2.1 網鏈路負荷實現均衡控制的基本條件

當蟻群機制模型構建完畢，應當選擇一個合理的鏈路，來對網鏈路負荷進行均衡控制，這一過程所需要的參數包括信息素濃度以及數據信息的流量。首先，可以假定蟻群的每一個單體分別表示數據大小不同的數據包，這些數據包需要在一定的帶寬鏈路上進行傳輸。此時，由于蟻群的機制模型已經建立，因此，每一條路徑上面的信息素將得到時時更新，在這種情況下，處于邊緣的信息素將決定常量因子的數值的大小，另外的蟻群單體將增加邊緣的信息素。而被蒸發掉的信息素的多少即是蒸發率，當蒸發率升高，信息素的堆積狀況也將消除[2]。

2.2 網絡拓撲結構

決定分布式網絡監控系統性能的主要參數是路徑中的帶寬與延時，當這兩個參數值處于穩定狀態時，實現網鏈路負荷均衡控制的要素則與網絡環境動態息息相關[3]。因此，為了能夠均衡控制網鏈路負荷，應對帶寬處用率、丟包率以及路徑上的延時這三個變量參數進行動態調整，另外，網絡流量數值也需要進行優化，經過優化和調整以后，一個清晰的網絡拓撲結構也將形成，如圖1。

圖1 分布式網絡監控系統拓撲結構簡圖

從圖1中可以看出，蟻群個體的起始原點分別用1、2、3進行標注，而這些蟻群若想到達到目標地點，可選的路徑有許多條，但是，遵循“路徑最優化”原則，可以選擇最短的路徑，在圖1中，1-4-5-9, 2-4-5-9, 3-4-5-9三個路徑與其它路徑相比，到達目標地點的距離相對較短，因此，也可以判定這三條路徑為最優路徑。如果每一個蟻群個體都集中在最優路徑上面，那么在路徑帶寬相同的情況下，蟻群個體在同一條路徑上的堆積數量將不斷累加，這時，數據傳輸路徑將受阻，進而出網絡擁塞現象，當這一現象出現以后，帶寬利用率將大幅降低，網絡不均衡現象也表現的尤為突出[4]。

3 網鏈路負荷均衡法有效性實驗結果分析

3.1 仿真實驗過程描述

為了驗證網鏈路負荷均衡法的有效性，技術人員可以通過仿真實驗的方法來判定網鏈路負荷均衡法是否能夠解決網絡擁塞現象[5]。該仿真實驗所參照的算法主要包括兩種，一種是粒子群算法，一種是蟻群算法。

這兩種算法在路徑轉移概率與路徑信息素兩大關鍵要素的控制方面，如果基于蟻群算法，來實現網絡監控系統中網鏈路負荷均衡，則實現可能性較高，控制效果較好，各項指標的控制水平能夠達到最優化，而且與傳統的算法相比，基于這種算法的解決網絡擁塞的方法更加實用，可行性更高。因此，通過仿真實驗可以得出驗證結果，即隨著網絡信息素的不斷累加，蟻群個體數量也不斷增長，在這種情況下，如果應用蟻群算法，建立一個蟻群機制模型對蟻群中的個體進行控制，不但能夠有效抑制每一條路徑上面的信息素，同時，當信息素累加到一定程度后，將觸及極限值，這時，累加速度也趨于平穩，信息素的數量也得到有效控制，進而使分布式網絡監控系統中的網鏈路負荷實現均衡分配，這就有效解決了網絡數據擁塞的情況。

3.2 仿真實驗結果分析

通過這一實驗，能夠確定基于蟻群算法的網鏈路負荷均衡法，在控制丟包率、緩解網絡數據傳輸壓力、改善網絡數據流量狀況等方面均取得了較為理想的應用效果。首先，在控制丟包率方面，如果沿用過去的粒子均衡法，不但操作過程困難，丟包率高，而且隨著時間的改變，丟包率波動值也始終表現出高低不均的情況，而采用蟻群算法，來實現網鏈路負荷均衡，恰恰可以有效解決這一問題，丟包率能夠始終控制在一個最低的水平線上面。另外，基于蟻群算法而建立的網絡監控系統，可以對各條路徑當中的數據信息進行有效監控，如果某一條路徑上的數據超出負荷極限，那么該條鏈路也將處于鎖定狀態，如果始終保持在負荷極限以下，這些蟻群個體也將順利通過這條鏈路。因此，可以得出最終的實驗結論，即：蟻群機制模型可以準確各路徑中的信息素濃度，并對濃度進行實時監控，如果濃度超標，則可以實時進行調整和優化，這時，分布式網絡監控系統中的網鏈路負荷也將實現均衡分配，網絡數據擁塞現象也將得到有效解決[6]。

4 結束語

網絡擁塞直接影響網絡數據的傳輸速度，在這種情況下，網絡用戶的體驗滿意率也將大打折扣，而基于蟻群算法而采取的網鏈路負荷均衡法，不但可以準確判斷出網絡各條路徑中的信息素濃度，同時，也可以對各項數據信息進行合理分配與優化配置，進而使網絡數據傳輸過程更加順暢無阻。