【技术实现步骤摘要】
一种基于机器学习的标识解析节点负载均衡装置
本专利技术属于机器学习
，尤其涉及一种基于机器学习的标识解析节点负载均衡装置。
技术介绍
工业互联网标识解析体系是工业互联网网络体系的重要组成部分，是支撑工业互联网互联互通的神经枢纽。工业互联网标识解析体系结构自顶向下包含国际根节点、国家顶级节点、二级节点以及企业节点，这些节点之间互联互通，打破行业内、行业间数据交互壁垒，形成了一个巨大的产业生态体系。随着标识解析技术的快速发展，许多行业企业通过对接二级节点，利用标识解析技术对产品开展了供应链管理、生命周期管理等典型应用，标识的注册量以及解析量也因此达到了海量级别，因此二级节点系统有效处理高并发的标识服务请求成为亟待解决的一项关键问题。面向高并发的请求，负载均衡是主要的解决方案之一，在过去的研究中，主要采用的负载均衡方案可以分为静态负载均衡和动态负载均衡两类，静态负载均衡算法是指不考虑服务器的实时负载状态，仅利用一些统计数值或者数学函数以一定比例来分配请求，主要包含轮询调度算法、加权轮询调度算法、地址散列调度算法、一致...
【技术保护点】
1.一种基于机器学习的标识解析节点负载均衡装置，其特征在于，包括：/n数据采集模块，用于采集服务器性能指标和负载信息；/n负载均衡模块，用于利用预测模型得到的请求连接数和数据采集模块得到的数据来计算服务器的权重并选择最佳节点；/n流量调度模块，用于依据预测得到的最佳节点来进行流量调度；/n集群管理模块，用于管理集群中的服务器并向数据采集模块提供信息采集接口。/n
【技术特征摘要】
1.一种基于机器学习的标识解析节点负载均衡装置，其特征在于，包括：
数据采集模块，用于采集服务器性能指标和负载信息；
负载均衡模块，用于利用预测模型得到的请求连接数和数据采集模块得到的数据来计算服务器的权重并选择最佳节点；
流量调度模块，用于依据预测得到的最佳节点来进行流量调度；
集群管理模块，用于管理集群中的服务器并向数据采集模块提供信息采集接口。
2.如权利要求1所述的基于机器学习的标识解析节点负载均衡装置，其特征在于，
在负载均衡模块中，利用服务器的性能指标、负载状态以及请求连接数计算得到了服务器的权重，然后选取权重最大的服务器最为最佳节点，具体过程为：
令Si代表集群中第i个服务器，Cd、Md、Bd分别代表服务器的CPU，内存容量以及网络带宽，Cu、Mu、Bu分别代表服务器的CPU利用率、内存利用率以及网络带宽利用率，Conn代表服务器的请求连接数；令第i台服务器的权重为W(Si)，采取可以反映服务器性能的CPU、网卡带宽、内存大小来计算服务器的性能指标,第i台服务器的性能指标P(Si)为：
引入了服务器的负载指标L(Si)，令服务器的负载与权重成反比，同时采取可以反映服务器性能的CPU利用率、网卡带宽利用率、内利用率来计算服务器的负载状态,第i台服务器的负载状态L(Si)为：
L(Si)＝αCui+βMui+γBui
长短期记忆网络是一种时间循环网络，是为了解决一般的循环神经网络存在的长期依赖问题而专门设计出来的，采用长短期记忆网络网络来构造请求连接数预测模型，其输入维度为N，代表集群服务器的历史请求连接数，输出维度为1，代表下一时刻的请求连接数qt+1；将任务数据经过正...
【专利技术属性】
技术研发人员：霍如，张翼，鄂新华，汪硕，黄韬，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。