本发明专利技术实施例公开了一种负载均衡下超额负载估计方法、装置、设备及存储介质，该方法包括：获取分布式系统中负载均衡器的均衡状态和逆尺度参数，其中，逆尺度参数根据系统运行历史数据中超额负载的频率确定；针对每个负载均衡器，根据各均衡状态确定形状参数；基于形状参数和逆尺度参数结合预确定的负载估计模型确定超额负载概率。解决了无法准确估计系统出现超额负载情况的问题。预先构建负载估计模型估计负载超额概率，通过分布式系统中负载均衡器的均衡状态确定形状参数，进而根据负载估计模型确定超额负载概率，对系统中超额负载进行准确估计。在进行超额负载概率估计时考虑各负载均衡器的均衡状态，提高了超额负载概率估计的准确度。的准确度。的准确度。
【技术实现步骤摘要】
负载均衡下超额负载估计方法、装置、设备及存储介质
[0001]本专利技术实施例涉及分布式
，尤其涉及负载均衡下超额负载估计方法、装置、设备及存储介质。
技术介绍
[0002]微服务分布式系统是现代计算机面对大型应用开发时常用的架构，分布式系统中各个微服务称作节点，每个节点都会处理不同的业务，同一种微服务可能存在一个或者多个节点作为其服务的介质。每个节点在系统中会处理各种请求，每个节点的资源有限，故其处理请求的能力有限，如果某个节点的瞬时请求过多，则会出现超额负载的情况，这种情况会使得某项服务的响应时间变得冗长，影响用户体验甚至影响系统安全，从而造成经济损失。因此，对超额负载的准确预测变得非常重要。
技术实现思路
[0003]本专利技术提供一种负载均衡下超额负载估计方法、装置、设备及存储介质，以实现对分布式系统中负载超额的准确估计。
[0004]第一方面，本专利技术实施例提供了一种负载均衡下超额负载估计方法，所述负载均衡下超额负载估计方法包括：
[0005]获取分布式系统中负载均衡器的均衡状态和逆尺度参数，其中，所述逆尺度参数根据系统运行历史数据中超额负载的频率确定；
[0006]针对每个负载均衡器，根据各所述均衡状态确定形状参数；
[0007]基于所述形状参数和逆尺度参数结合预确定的负载估计模型确定超额负载概率。
[0008]进一步地，所述根据各所述均衡状态确定形状参数，包括：
[0009]当存在至少一个所述均衡状态为进行负载均衡时，根据所述负载均衡器承载的服务类型确定所述负载均衡器对应的服务节点总数；
[0010]将所述服务节点总数的倒数确定为形状参数；
[0011]当各所述均衡状态均为不进行负载均衡时，获取分布式系统中负载均衡器的均衡器总数；
[0012]将所述均衡器总数的倒数确定为状态参数。
[0013]进一步地，所述基于所述形状参数和逆尺度参数结合预确定的负载估计模型确定超额负载概率，包括：
[0014]根据所述形状参数、逆尺度参数和负载估计模型的计算公式确定密度分布参数；
[0015]根据所述密度分布参数、分布式系统中负载均衡器的均衡器总数和负载估计模型的概率计算公式确定超额负载概率。
[0016]进一步地，所述根据所述形状参数、逆尺度参数和负载估计模型的计算公式确定密度分布参数，包括：
[0017]根据所述形状参数和逆尺度参数的乘积确定目标分布参数；
[0018]根据所述目标分布参数和负载估计模型的计算公式确定密度分布参数。
[0019]进一步地，该方法还包括：
[0020]根据分布式系统中节点的单位时间超额负载概率进行节点的指数分布建模，确定指数模型参数；
[0021]根据所述指数模型参数、系统节点负载关系和节点总数进行节点超额负载的伽马分布建模；
[0022]根据负载均衡器的均衡器总数和伽马分布建模的建模结果进行分布式系统的泊松分布建模，得到负载估计模型。
[0023]进一步地，该方法还包括：
[0024]将所述超额负载概率与对应的概率阈值比较，其中，所述概率阈值与所述均衡状态相关；
[0025]如果所述超额负载概率大于对应的概率阈值，则进行超额负载告警。
[0026]第二方面，本专利技术实施例还提供了一种负载均衡下超额负载估计装置，该负载均衡下超额负载估计装置包括：
[0027]状态获取模块，用于获取分布式系统中负载均衡器的均衡状态和逆尺度参数，其中，所述逆尺度参数根据系统运行历史数据中超额负载的频率确定；
[0028]形状参数确定模块，用于针对每个负载均衡器，根据各所述均衡状态确定形状参数；
[0029]概率确定模块，用于基于所述形状参数和逆尺度参数结合预确定的负载估计模型确定超额负载概率。
[0030]进一步地，形状参数确定模块，包括：
[0031]节点总数确定单元，用于当存在至少一个所述均衡状态为进行负载均衡时，根据所述负载均衡器承载的服务类型确定所述负载均衡器对应的服务节点总数；
[0032]第一参数确定单元，用于将所述服务节点总数的倒数确定为形状参数；
[0033]均衡器总数确定单元，用于当各所述均衡状态均为不进行负载均衡时，获取分布式系统中负载均衡器的均衡器总数；
[0034]第二参数确定单元，用于将所述均衡器总数的倒数确定为状态参数。
[0035]进一步地，概率确定模块，包括：
[0036]参数确定单元，用于根据所述形状参数、逆尺度参数和负载估计模型的计算公式确定密度分布参数；
[0037]概率确定单元，用于根据所述密度分布参数、分布式系统中负载均衡器的均衡器总数和负载估计模型的概率计算公式确定超额负载概率。
[0038]进一步地，参数确定单元，具体用于：根据所述形状参数和逆尺度参数的乘积确定目标分布参数；根据所述目标分布参数和负载估计模型的计算公式确定密度分布参数。
[0039]进一步地，该装置还包括：
[0040]指数建模模块，用于根据分布式系统中节点的单位时间超额负载概率进行节点的指数分布建模，确定指数模型参数；
[0041]伽马建模模块，用于根据所述指数模型参数、系统节点负载关系和节点总数进行节点超额负载的伽马分布建模；
[0042]泊松建模模块，用于根据负载均衡器的均衡器总数和和伽马分布建模的建模结果进行分布式系统的泊松分布建模，得到负载估计模型。
[0043]进一步地，该装置还包括：
[0044]比较模块，用于将所述超额负载概率与对应的概率阈值比较，其中，所述概率阈值与所述均衡状态相关；
[0045]告警模块，用于如果所述超额负载概率大于对应的概率阈值，则进行超额负载告警。
[0046]第三方面，本专利技术实施例还提供了一种计算机设备，该设备包括：
[0047]一个或多个处理器；
[0048]存储器，用于存储一个或多个程序，
[0049]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术实施例中任一所述的一种负载均衡下超额负载估计方法。
[0050]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例中任一所述的一种负载均衡下超额负载估计方法。
[0051]本专利技术实施例提供了一种负载均衡下超额负载估计方法、装置、设备及存储介质，通过获取分布式系统中负载均衡器的均衡状态和逆尺度参数，其中，逆尺度参数根据系统运行历史数据中超额负载的频率确定；针对每个负载均衡器，根据各所述均衡状态确定形状参数；基于所述形状参数和逆尺度参数结合预确定的负载估计模型确定超额负载概率。解决了无法准确估计系统出现超额负载情况的问题。预先构建负载估计模型，通过负载估计模型估计分布式系统的负载超额概率，通过分布式系统中负载均衡器的均衡状态确定形状参数，根据形状参数和本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种负载均衡下超额负载估计方法，其特征在于，包括：获取分布式系统中负载均衡器的均衡状态和逆尺度参数，其中，所述逆尺度参数根据系统运行历史数据中超额负载的频率确定；针对每个负载均衡器，根据各所述均衡状态确定形状参数；基于所述形状参数和逆尺度参数结合预确定的负载估计模型确定超额负载概率。2.根据权利要求1所述的方法，其特征在于，所述根据各所述均衡状态确定形状参数，包括：当存在至少一个所述均衡状态为进行负载均衡时，根据所述负载均衡器承载的服务类型确定所述负载均衡器对应的服务节点总数；将所述服务节点总数的倒数确定为形状参数；当各所述均衡状态均为不进行负载均衡时，获取分布式系统中负载均衡器的均衡器总数；将所述均衡器总数的倒数确定为状态参数。3.根据权利要求1所述的方法，其特征在于，所述基于所述形状参数和逆尺度参数结合预确定的负载估计模型确定超额负载概率，包括：根据所述形状参数、逆尺度参数和负载估计模型的计算公式确定密度分布参数；根据所述密度分布参数、分布式系统中负载均衡器的均衡器总数和负载估计模型的概率计算公式确定超额负载概率。4.根据权利要求3所述的方法，其特征在于，所述根据所述形状参数、逆尺度参数和负载估计模型的计算公式确定密度分布参数，包括：根据所述形状参数和逆尺度参数的乘积确定目标分布参数；根据所述目标分布参数和负载估计模型的计算公式确定密度分布参数。5.根据权利要求1所述的方法，其特征在于，还包括：根据分布式系统中节点的单位时间超额负载概率进行节点的指数分布建模，确定指数模型参数；根据所述指数模型参数、系统节点负载关系和节点总数进行节点超额负载的伽马分布建模；根据负载均衡器的均衡器总数和伽马分布建模的建模结果进...
【专利技术属性】
技术研发人员：徐莉莎，陈远猷，
申请(专利权)人：上海派拉软件股份有限公司，
类型：发明
国别省市：
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。