基于多Agent技術的多運營終端自適應負載均衡算法

許世輝，黃秀彬，安業騰，宋鵬飛，劉 勃，李承桓

(1. 東北電力大學，吉林 吉林 132012；2. 太原理工大學，山西 太原 030024；3. 天津大學，天津 300072；4. 河海大學，江蘇 南京 210024；5. 青島理工大學，山東 青島 266520;6. 哈爾濱理工大學，黑龍江 哈爾濱 150080)

計算機網絡的興起、發展與普及，使得云服務范圍逐漸擴張，涉及多個領域，尤其是移動網絡領域，終端設備的功能也發生了質的變化，從最初的輸入輸出功能轉變成具有一定的數據運算功能。一般情況下，大型計算機網絡中存在著多個終端，以供多個用戶進行數據的輸入與輸出。隨著計算機網絡規模的增加，用戶的數量也急劇增加，信息數據更是呈指數級別暴增，此時需要在網絡結構中構建一個負載均衡的法則，保障網絡資源利用率達到最大，多運營終端工作效率達到最佳，為用戶提供更優質的服務。

計算機網絡技術的升級與完善，多運營終端數量的增多，導致網絡資源負載很難實現均衡狀態，致使終端存在著穩定性較差、吞吐量較小等缺陷，無法滿足現今用戶的需求。如何設計一個有效的多運營終端自適應負載均衡算法，是目前計算機網絡技術發展中亟待解決的問題之一。就現有研究成果來看，使用最為廣泛的算法是通過負載因素表示終端節點的綜合負載，以此為基礎，對終端節點權值進行科學的調節，保障負載最小終端節點提供服務。上述算法雖然能夠有效均衡多運營終端節點之間的負載，但依然存在著吞吐量小、穩定性差的問題，無法適應計算機網絡未來發展趨勢，故提出基于多Agent技術的多運營終端自適應負載均衡算法研究。多Agent技術能夠模擬人類專家的行為，通過共同協作解決較為復雜的問題，希望通過多Agent技術的應用，提升多運營終端自適應負載均衡算法的整體性能，為用戶提供更加優質的網絡服務。

1 多運營終端自適應負載均衡算法

1.1 多運營終端負載狀態定義與負載信息采集

負載狀態定義與負載信息采集是多運營終端自適應負載均衡的前提與基礎，也是負載均衡算法實現的關鍵環節。只有準確地識別每個多運營終端節點的負載情況，才能實現多運營終端的自適應負載均衡。

常規情況下，多運營終端節點負載是實時變化的，通過實時采集終端節點負載信息，反映終端節點負載狀態，以此為基礎，進行負載均衡處理才能達到最佳的效果。

此研究依據多運營終端負載均衡需求，采用分布式信息采集策略與集中遷移策略采集終端節點負載信息，為了方便研究的進行，對負載進行量化處理，表達式為：

(1)

式(1)中，()表示的是時刻對應的綜合負載量；表示的是時間間隔數量；(,)表示的是以時刻-Δ為起點的第個瞬間終端節點負載量；()表示的是權值，反映著終端節點負載狀態對負載均衡效果的影響程度。

上述過程完成了多運營終端負載信息的采集及其量化，以此為基礎，定義終端節點的負載狀態，為后續Agent負載均衡結構的搭建打下堅實的基礎。

1.2 Agent負載均衡結構

以上述量化后的多運營終端節點負載信息為依據，引入多Agent技術搭建負載均衡結構，為后續網絡資源模型的構建做準備。

Agent是一種處于一定環境下包裝的計算機系統，能根據用戶需求進行靈活、自主的活動。終端負載均衡過程中，主要應用三種類型的Agent，分別為功能Agent、通信Agent及其中央Agent。其中，功能Agent承擔著計算任務；通信Agent承擔著采集功能Agent信息值的任務；中央Agent承擔著通信Agent信息采集的任務。需要注意的是，通信Agent只與中央Agent進行通信，并且通信Agent與中央Agent主要承擔的是管理功能，自身運算量較小，不參與負載均衡的計算。

Agent負載均衡結構如圖1所示。

圖1 Agent負載均衡結構示意圖

如圖1所示，整個Agent負載均衡結構中，每個圓圈均表示一個終端節點，每個終端節點上均部署一個通信Agent，應用其對終端節點負載信息進行相應的采集，并將采集到的終端節點負載信息反饋給中央Agent。需要注意的是，每個終端節點上的通信Agent相互獨立，不進行交互。

通過上述過程完成了Agent負載均衡結構的搭建，闡述了應用的Agent類型與功能，為多Agent技術的應用以及負載均衡算法的推出提供充足的準備。

1.3 基于多Agent技術的網絡資源模型

以上述搭建的Agent負載均衡結構為基礎，結合多運營終端節點工作特點，構建網絡資源模型，為多運營終端負載均衡的實現提供準確的數據支撐。

在多Agent技術的應用下，用戶只需要將任務提交給Agent，由Agent對網絡資源進行分配，將負載均衡問題轉化為Agent任務，簡化負載均衡問題，加快終端負載均衡效率。基于多Agent技術的網絡資源模型如圖2所示。

圖2 基于多Agent技術的網絡資源模型示意圖

如圖2所示，Agent對于用戶與網絡資源是相對透明的，并且只與相連的終端節點進行交互，每個Agent管理一組網絡資源，響應用戶的任務請求。

上述過程完成了網絡資源模型的構建，并明確了Agent的管理任務與交互方式，為后續多運營終端負載均衡的實現提供充足的準備。

1.4 負載均衡算法

以上述構建的網絡資源模型為基礎，結合多Agent技術推出多運營終端自適應負載均衡算法，執行算法的步驟即可實現終端節點負載的自適應均衡處理，為用戶提供更加優質的網絡服務。

首先，終端節點負載狀態采用二維數組來表示，表達式為

(2)

式(2)中，矩陣表示的是終端節點負載狀態，其中，行表示的是終端節點號；列表示的是Agent號；表示的是終端節點的總數量；表示的是參與終端負載均衡的Agent數量。

在多運營終端節點負載狀態更新過程中，隨機產生一個數值，其取值范圍為[1,]，設置為1，為0，以此類推，對每個Agent進行相應的選擇，即可獲得多運營終端節點的新狀態，將其記為。

其次，在多Agent技術應用過程中，通信模式可能存在著些許差異，網絡帶寬有可能存在不同，為了避免上述問題的出現，此研究利用懲罰函數對差異進行量化，將其稱為網絡差異系數，表達式為

(3)

式(3)中，表示的是網絡差異系數；表示的是終端節點初始負載狀態下，Agent所在網絡的帶寬；表示的是負載狀態更新后，Agent所在網絡的帶寬；表示的是終端節點負載狀態更新值；表示的是終端節點負載狀態更新輔助參數，取值范圍為[0,1]。

依據上述更新的終端節點負載狀態以及網絡差異系數，編號處理Agent，取值范圍為[1,]，設置Agent計算速度為，計算負載為，Agent計算資源編號為1～。則多運營終端負載總和表達式為：

(4)

Agent計算速度表達式為：

令人訝異的是，題中所給的四個答案竟沒有一個是對的，著實貽笑大方.正確答案為：120-12n, 其中 n=1, 2, 3 …….對教師和教材編寫者都有難度的題目，為什么要十來歲的孩子們做呢？

(5)

式(5)中，表示的是Agent計算速度權重數值，全部的權重數值總和為1。

Agent計算時間計算公式為：

(6)

依據式(6)的計算方式，結合終端節點負載更新狀態，即可獲得多運營終端節點平均計算時間，表達式為：

(7)

式(7)中，表示的是終端節點平均計算時間的輔助因子，需要根據實際終端節點運行狀態進行科學的設置。

而對于多運營終端負載均衡來說，就是科學調整Agent的計算時間，使無線接近，從而使得的負載達到均衡狀態。常規情況下，遷移產生的負載量為：

(8)

式(8)中，表示的是遷移負載量；表示的是單位遷移負載量。

在遷移過程中，終端節點計算時間也會產生相應的變化，變化向量記為={-,-,…,-}。為了方便研究的進行，認定終端節點之間的每一條邊都只包含一個方向，則負載遷移向量記為={,,…,}。則負載均衡算法表達式為

(9)

式(9)中，右上角標T表示的是矩陣轉置符號。矩陣中元素的取值規則為：

(10)

將式(10)代入到式(9)中，對式(9)進行求解，獲取相應的矩陣T，即可獲得多運營終端負載均衡數據，將其反饋給Agent，依據多Agent技術要求，對計算資源與時間進行合理的分配與調度，實現終端負載的均衡處理。

通過上述過程實現了多運營終端自適應負載均衡，合理地分配了終端節點的計算資源與時間，使得終端節點達到最佳的工作狀態，為用戶提供更優質的網絡服務，也為負載均衡提供新的方法支撐。

2 實驗與結果分析

為了驗證提出算法的應用性能，選取基于人工蜂群的云計算負載均衡算法作為對比算法，設計對比實驗，具體實驗過程如下所示：

2.1 實驗對象選取

為了保障實驗結論的準確性，設置負載均衡任務為，多運營終端數量為，整體負載均衡調度如圖3所示。

圖3 負載均衡調度實驗框架示意圖

如圖3所示，多運營終端之間存在著交互關系，當終端節點負載過重時，需要啟動負載均衡任務，對計算資源進行合理的分配與調度，以此來保障終端的穩定運行，為用戶提供基礎網絡服務。

2.2 評價指標選取

依據上述選取的實驗對象，結合多運營終端自適應負載均衡實驗需求，選取吞吐量、平均響應延遲與負載均衡度作為算法應用性能評價指標，以此來量化顯示算法的負載均衡效果。

吞吐量、平均響應延遲與負載均衡度計算公式為：

(11)

通過上述過程完成了評價指標的選取，并確定了評價指標的計算公式，為后續實驗結果的分析打下了堅實的基礎。

2.3 實驗結果分析

通過實驗獲得吞吐量數據如表1所示。

表1 吞吐量數據表

如表1數據所示，相較于對比算法，應用提出算法獲得的吞吐量更大，最大值能夠達到6.48bit，表明提出算法網絡性能更佳。

通過實驗獲得平均響應延遲如圖4所示。

圖4 平均響應延遲數據圖

如圖4數據所示，相較于對比算法，應用提出算法獲得的平均響應延遲更短，最小值能夠達到0.28s，表明提出算法任務響應實時性更強。

通過實驗獲得負載均衡度如圖5所示。

圖5 負載均衡度數據圖

如圖5數據所示，相較于對比算法，應用提出算法獲得的負載均衡度更高，最大值能夠達到56%，表明提出算法負載均衡效果更好。

上述實驗數據顯示：與對比算法做比較，應用提出算法獲得的吞吐量較大，平均響應延遲較短，負載均衡度較高，充分證實了提出算法具有更好的負載均衡效果。

3 結 論

應用多Agent技術設計了新的多運營終端自適應負載均衡算法。實驗證明，極大地提升了終端節點的吞吐量，縮短了終端節點的平均響應延遲，增大了多運營終端的負載均衡度，能夠為終端負載均衡提供更有效的算法支撐，也為負載均衡相關研究提供了一定的理論參考。