一种基于遗传算法的服务器负载均衡方法技术

本发明专利技术公开了一种基于遗传算法的服务器负载均衡方法。涉及负载均衡技术领域,包括以下几个步骤:1)采用十进制对空间的候选解进行编码,随机产生适量初始串结构数据作为初始种群；2)遗传算法以初始种群进行迭代，当最优字符串的适应度与最小适应度值之差小于e或迭代达到预设的代数时，算法终止；3)通过Mean-Variance模型进行资源利用率和执行时间适应性值的评估检测；4)按轮盘赌方法选择适应性强的字符串，对选择的字符串进行交叉、变异运算,产生新的字符串进行下一轮的迭代，回到步骤2。本发明专利技术将Mean-Variance模型应用于适应度的评估，改善了传统目标函数的模式，所得到的资源使用均衡情况和执行时间可以更有效的衡量字符串适应性，提高了负载均衡性能。

【技术实现步骤摘要】

本专利技术设及负载均衡领域，主要是基于遗传算法改进负载策略提高服务器资源的 利用率同时减少总任务的执行时间。
技术介绍
近年来，随着移动互联网和云计算的发展，在线信息呈爆炸性增长。一些像企业网 络、校园网络和广域网络等主要区域的网络业务流量和负载已经远远超出了单个服务器的 处理能力。服务器集群技术就是用于解决单一服务器处理能力的瓶颈问题，其通过服务器 集群来代替单一的高性能服务器，从而提高服务器系统对用户请求响应的效率，缩短用户 请求的等待延迟，提高用户体验。在服务器集群中，用户的请求需要经过负载均衡器(应用 层网关)将请求任务分配到后台的服务器进行处理，对于负载均衡器来说，能否进行合理、 高效的任务分配是决定整个服务器系统性能的关键。 负载均衡技术为负载均衡器如何能够高效地为服务器集群提供高效的任务分配 提供了很好的解决方案。负载均衡技术能够根据后台服务器的处理性能，合理的分配给各 个后台服务器适合匹配的任务。通过负载均衡技术能够加 W解决服务器集群的后台服务器 负载不均衡问题，提高了服务器集群的资源利用率，有效的提升了整个集群的性能，降低了 用户的请求响应等待延迟。 遗传算法是生命科学与工程科学互相交叉、互相渗透的产物。其本质是一种求解 问题的高度并行性全局捜索算法。它能在捜索过程中自动获取和积累有关捜索空间的知 识，并自动地控制捜索过程W求得最优解。此时适应度函数的设置就至关重要，目标函数决 定着如何进行优胜劣汰，通过目标函数选择优良字符串进行交叉变异。简单遗传算法作为 一种启发式捜索算法，寻优理论还不完善。因此，对自适应遗传算法的进一步研究和探讨是 很必要的。 投资组合优化问题作为现代金融学的一个核屯、课题，主要研究如何对金融资产进 行合理配置与选择，从而实现收益率最大化与风险最小化间的均衡.1952年，美国经济学家 Harry M.Markowitz在《The Journal of Finance》杂志上发表了 ('Portfolio Selection" 一文，首次使用证券收益方差度量风险，提出了Mean-Var iance投资组合选择理论，奠定了 定量化研究金融投资问题的基础。研究不同金融市场下，具有不同风险厌恶系数的两个投 资者在不同风险下的投资组合博弈问题，为投资者进行投资决策提供了指导。继而在应用 层路由的多路径中该权值是通过Mean-variance模型的最优化问题求解来获得的。 近几年国内外对负载均衡的理论和技术展开了深入研究，提出的负载均衡算法 有:伊朗的Mirrezaei，S. I .，Shah Parian，J.和(ihodsi，M.等在2009年针对P2P系统提出了 一种轮转调度算法。算法就是W轮转的方式依次将请求调度到不同的服务器，因此它提供 了一种快速收敛的负载均衡，提高了密集覆盖节点间的负载均衡性能，降低了负载转移成 本，节省了整体的网络带宽。韩国的化Oi，Dongjun, Chung ,Kwang S;Lk，Shon,等在2010年提 出了一种基于Web服务器集群的改进的加权最少连接数算法。马来西亚的化y W.Y丄imjoo Kuan化ong,化g-化iam化oh等在2012年提出了一种基于异构集群分散负载的启发式邻居 选择算法。Mbert Y.Zomaya提出使用动态遗传算法(GA)对最优调度进行捜索，化化n Li提 出了一种用于网络计算环境的连续任务的混合负载均衡策略。对于实现高效的负载均衡， 特别是降低频繁访问节点的响应时间方面还需要进行研究。适应度函数中资源利用率和总 任务的响应时间是W乘积的形式进行取优，一定的资源利用率情况下减少执行时间和在一 定的执行时间情况下提高资源利用率，Mean-Variance模型适合适应度函数中二者的特殊 关系。 本技术是引入遗传算法对负载任务进行合理分配，通过Mean-Variance模型改进 传统适应度函数，获得最优的分配组合，W-定水平的资源利用率尽量缩短用户请求的等 待延迟，提高用户体验。
技术实现思路
本专利技术的目的是设计，使得负载均衡器 更合理的向服务器分配任务，提高后台集群的资源利用率，缩短执行时间，提高处理器的负 载均衡性能，更好的为用户服务。 为了实现上述目的，本专利技术所采用的技术方案如下： 基于遗传算法的负载均衡方法包括如下步骤： 1.采用二维十进制对空间的候选解进行编码，随机产生适量初始串结构数据作为 初始种群。 在编码方案中，对于T个任务分配给m个处理器得到字符串。由于同一时间有大量 任务等待被分配，避免出现拥挤，采用滑动窗口技术设置初始任务队列。窗口大小是固定 的，队列中任务的数量与窗口大小相等，所W在滑动窗口中的任务才可W被分配，当GA (Genetic Algorithm)进行任务调度时，滑动窗口中的任务就被分配。 每个解被编码为一个由两个属性表示的十进制数组。即作<Ti，Pj>，运里的Tl,Pj 分别表示任务i和被分配的服务器j。二维十进制字符串保证了每个任务只能分配到一个服 务器，可W更好的实现负载均衡问题，但是二维字符串在进行交叉操作时不能正常工作所 W又需要映射成一维。 初始种群的形成。采用随机函数产生N个初始串结构数据，每个串结构数据称为一 个字符串，N个字符串构成了一个群体，GAWn个串结构数据作为初始点开始迭代。 2.目标函数的确立。通过资源利用率和执行时间进行适应性值的评估检测，目标 函数是最优化方案中最重要的因素，计算每个解的目标函数值，得到被编码字符串的适应 度。 负载指数主要通过服务器运行时各方面的参数得到的，主要包括，CPU资源利用 率，内存和带宽利用率。 其中每个服务器的内存利用率定义为： 式中：Vm功服务器i的已用内存，Pmi为服务器i的总内存。CPU和带宽利用率的定义 具有相似形式为： 关于上式，Vci，Vbi分别为服务器已被占用的CPU和带宽，Pci，Pbi则是服务器的总资 源。 对于负载指数的衡量在不同类型的系统应用中，各个参数的重要程度也有所不 同。典型的Web应用环境下，可用内存资源和响应时间就非常重要；如果用户W长的数据库 事务为主，则CPU使用率和可用内存就相对重要一些。因而在资源利用率的问题上不可将W 上因素同等看待，服务器i的资源利用率为： Rui = kiMui+k2Cui+k 浊 Ui式中：ki,k2，k3 为常数，且 ki+k2+k3 = l。 适应度函数的重要目标是均衡资源利用率和缩短执行时间。负载均衡问题符合马 克维茨模型几个条件:在一定的平均资源利用率上，期望的均衡时间最少;在一定的均衡时 间上，期望的资源利用率最大;每一次的适应度函数的取值与前一次的资源利用率分布情 况关联;负载均衡的时间也与平均资源利用率息息相关。对于m个服务器的资源利用率及执 行时间用Mean-Variance模型计算，方差度量负载执行时间，W-定水平的期望利用率上尽 量缩短执行时间。 假设对m个服务器进行资源利用率的配置，对应的资源利用率为随机变量Rui(Rui， Ru2,…Rum)，总的资源利用率为： 式中WiQ = I，2，，…，m)代表m个服务器中资源利用率的比例，期望和负载均衡时 间可定义为： 其中Ui是服务器i资源利用本文档来自技高网...

【技术保护点】
一种基于遗传算法的服务器负载均衡方法，其特征在于包括如下步骤：1)采用二维十进制对空间的候选解进行编码，随机产生初始种群；2)通过Mean‑Variance模型计算资源利用率和执行时间，从而得到组合适应度函数对种群中的个体进行评估检测；3)当最优字符串的适应度稳定时或迭代达到预设的次数时，算法终止并输出最优适应度字符串；否则执行步骤4)；4)按轮盘赌选择方法对适应性强的字符串进行选择，选择的字符串进行循环交叉及变异运算；得到新的种群，并返回步骤2)。

【技术特征摘要】

【专利技术属性】
技术研发人员：包晓安，魏雪，张娜，吴彪，熊子健，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：浙江;33