一种基于神经网络的Handle标识体系解析负载均衡方法技术

本发明专利技术公开了一种基于神经网络的Handle标识体系解析负载均衡方法，包括：建立企业

【技术实现步骤摘要】
一种基于神经网络的Handle标识体系解析负载均衡方法


[0001]本专利技术属于负载均衡
，涉及神经网络方法，具体为一种基于神经网络的能够预测二级节点解析服务器负载变化的负载均衡方法。

技术介绍

[0002]目前我国工业互联网的市场规模正在逐渐扩大，有望达到万亿级别，工业互联网标识也相应的进行爆发式増长，二级节点解析服务器常常在短时间内收到大量并发的注册和查询请求，因此如何合理地分配集群服务器的任务并满足最大的服务需求是需要解决的关键技术问题，而负载均衡是解决服务器集群难点的核心技术之一。
[0003]目前负载均衡算法主要分为静态负载均衡算法和动态负载均衡两大类。对于静态负载均衡算法，如轮询调度算法、随机调度算法、加权轮询调度算法、源地址哈希调度算法、键值范围调度算法等。这类算法容易实现，但是不能根据实时情况进行动态调整，容易导致服务器负载不均衡，无法有效利用起集群的性能。对于动态负载均衡算法，如最小连接数算法、最快响应速度算法、一致性哈希算法等，这类算法可以根据节点状况实时变化，但是未考虑服务器间的性能差异和任务请求的大小，不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的Handle标识体系解析负载均衡方法，其特征在于：包括以下步骤：(1)、根据二级节点分配的企业前缀和二级节点解析服务器集群，建立多对一的企业
‑
服务器映射表；(2)、按照时间记录不同企业的标识注册量、标识查询量和服务器的负载利用率并生成时间序列数据；(3)、使用BP神经网络和时间序列数据生成负载利用率预测模型；(4)、负载控制服务器每隔固定时间使用Elman神经网络和时间序列数据预测不同企业的标识注册量和标识查询量；(5)、将预测的不同企业的标识注册量和标识查询量根据映射表进行相应汇总，并输入负载利用率预测模型得到服务器集群的预测负载利用率；(6)、根据服务器集群的预测负载利用率更新企业
‑
服务器映射表；(7)、当有服务请求时，负载控制服务器查找映射表，查找成功转步骤(8)，查找失败转步骤(9)；(8)、在任务下发前判断对应服务器节点的负载利用率，如果服务器超载，则将信息发送给负载控制服务器，负载控制服务器删除该企业前缀的映射并转步骤(9)；否则转步骤(10)；(9)、负载控制服务器查找当前负载利用率最低的服务器，与该任务的企业前缀建立映射关系，写入映射表中；转步骤(7)；(10)、执行任务。2.根据权利要求1所述的一种基于神经网络的Handle标识体系解析负载均衡方法，其特征在于：步骤(2)中，服务器负载利用率如下：其中，L代表负载利用率，L
CPU
代表CPU的利用率，L
Memory
代表内存的利用率，L
Bandwidth
代表带宽的利用率，L
Disk
代表磁盘IO的利用率，R1、R2、R3、R4代表各部分利用率对负载利用率L的影响程度。3.根据权利要求1或2所述的一种基于神经网络的Handle标识体系解析负载均衡方法，其特征在于：步骤(2)中，时间序列数据是以分钟为单位进行记录。4.根据权利要求3所述的一种基于神经网络的Handle标识体系解析负载均衡方法，其特征在于：步骤(3)中，BP神经网络的输入层神经元为2个，输出层神经元为1个，隐含层神经元个数由实验获得最佳个数。5.根据权利要求4所述的一种基于神经网络的Handle标识体系解析负载均衡方法，其特征在于：步骤(4)中，固定时间由使用人员根据实际情况进行确定，固定时间与任务波动频率成反比，即任务波动越频繁则固定时间越短。6.根据权利要求5所述的一种基于神经网络的Handle标识体系解析负载均衡方法，其特征在于：步骤(4)中，Elman神经网络的输入层神经元为4个，输出层神经元为1个，隐含层神经元个数由实验获得最佳个数。
7.根据权利要求6所述的一种基于神经网络的Handle标识体系解析负载均衡方法，其特征在于：步骤(6)中，映射表更新过程包括以下步骤：首先设定负载利用率的2个取值L
Low
，L
High
分别作为低负载、高负载的临界值，定义阈值范围(0，L
Low
)代表服务器的低负载区，(L
Low
，L
High
)代表服务器的正常负载区，(L
High
，1)代表服务器的高负载区；得到t时刻的负载利用率为L
t
；如果L
t
处于低负载区，认为服务器的性能没有充分使用，根据以下公式[M
×
(L
Low
–<...

【专利技术属性】
技术研发人员：张晓，白宏钢，
申请(专利权)人：码客工场工业科技北京有限公司，
类型：发明
国别省市：