基于改进TOPSIS模型的动态负载均衡方法技术

基于改进TOPSIS模型的动态负载均衡方法，采集各集群节点的无负载状态下的性能指标信息；建立改进TOPSIS模型，将步骤1获取的性能指标信息输入改进TOPSIS模型进行计算，得到各集群节点在无负载状态下的权重，并将此权重作为动态权重负载均衡方法的初始权重；按照周期T获取各集群节点的负载信息；根据集群节点的实时运行负载情况，计算并更新出各个后台服务器权重，根据更新的最终权重，为集群节点分配相应的负载；在下一个周期T，继续执行步骤3~步骤4。本发明专利技术能够以动态权重为依据合理分配请求到最优的集群节点，提升集群架构整体性能。提升集群架构整体性能。提升集群架构整体性能。

【技术实现步骤摘要】
基于改进TOPSIS模型的动态负载均衡方法


[0001]本专利技术涉及负载均衡
，具体涉及一种基于改进TOPSIS模型的动态负载均衡方法。

技术介绍

[0002]近年来微服务架构以其优秀的敏捷开发性和组织结构得到了研发人员的广泛青睐。微服务架构是指将功能完整的大型分布式系统按照不同业务解耦成若干微服务，分别提供相关业务处理功能，每个微服务就相当于一个独立的小型服务系统。系统服务功能的单一性也能够很好的提升业务逻辑的运行效率，并且可以更加灵活的应用负载均衡和流量限制的技术使系统更好的应对高并发场景，保证系统的高效性和可靠性。微服务架构作为新兴的分布式系统架构，带来高效便捷的同时，也为集群系统中的负载均衡问题提出了更高的要求。
[0003]目前负载均衡技术的研究主要分为两类：硬件负载均衡器和软件负载均衡器：
[0004]1、硬件负载均衡器：对于硬件负载均衡器有一定规模的企业会购买以提高负载均衡的能力，例如F5负载均衡器。硬件负载均衡器成本高，配置冗余。无法有效掌握服务器运行时负载状态。
[0005]2、软件负载均衡器：软件负载均衡器的可扩展性和费用比较低，配置简单、使用灵活成本低。在硬件条件固定的情况下，可以通过改进负载均衡方法来提高系统的并发处理能力。

技术实现思路

[0006]本专利技术提供一种基于改进TOPSIS模型的动态负载均衡方法，相较于其它常见负载均衡方法能够以动态权重为依据合理分配请求到集群节点，提升整个集群系统性能。
[0007]本专利技术采取的技术方案为：
[0008]基于改进TOPSIS模型的动态负载均衡方法，包括以下步骤：
[0009]步骤1：采集各集群节点的无负载状态下的性能指标信息；
[0010]步骤2：建立改进TOPSIS模型，将步骤1获取的性能指标信息输入改进TOPSIS模型进行计算，得到各集群节点在无负载状态下的权重，并将此权重作为动态权重负载均衡方法的初始权重；
[0011]步骤3：按照周期T获取各集群节点的负载信息；
[0012]步骤4：根据集群节点的实时运行负载情况，计算并更新出各个集群节点权重，根据更新的最终权重，负载均衡服务器选择最优的集群节点进行请求转发；
[0013]在下一个周期T，继续执行步骤3～步骤4。
[0014]所述步骤1、步骤2中，无负载状态指的是整个集群系统初启动时，无任何请求需要处理。
[0015]所述步骤1中，通过性能指标采集模块采集集群节点性能指标信息包括：CPU使用
率、内存使用率、磁盘I/O利用率、网络带宽利用率。
[0016]所述步骤2中，改进TOPSIS模型，具体如下：
[0017]定义L
i
来表示各个集群节点的权重，下标i表示第i个集群节点，i＝1,2,3
…
n；R
i
_cpu，R
i
_mem,，R
i
_net,R
i
_io分别表示第i个集群节点的当前CPU利用率、内存利用率、网络利用率、I/O利用率指标；
[0018]1)对指标矩阵进行标准化处理，建立正向化矩阵R，r
ij
为第i个集群节点的第j个指标，可得：
[0019][0020]r
11
、r
12
、
…
、r
1m
分别表示第1个集群节点的第i个正向化评价指标；
[0021]r
21
、r
22
、
…
、r
2m
分别表示第2个集群节点的第i个正向化评价指标；
[0022]r
n1
、r
n2
、
…
、r
nm
分别表示第n个集群节点的第i个正向化评价指标；
[0023]本专利技术使用的评价指标有4个，分别是CPU利用率、内存利用率、网络利用率、I/O利用率指标。评价指标的数量用户可自定义设置，只要是能够实现本实施例的目的即可。
[0024]2)对式(1)标准化的矩阵记为Z，Z中的每一个元素为：
[0025][0026]其中，r
ij
表示公式(1)中建立指标矩阵的每一个集群节点的每一项评价指标；
[0027]将公式(1)的R
ij
矩阵标准化之后的指标矩阵Z
ij
[0028]3)可得矩阵：
[0029][0030]z
11
、z
12
…
z
1m
分别表示:第1个集群节点的第i个标准化评价指标；
[0031]z
12
、z
22
…
z
2m
分别表示第2个集群节点的第i个标准化评价指标；
[0032]z
n2
、z
n2
…
z
nm
分别表示:第n个集群节点的第i个标准化评价指标。
[0033]4)定义最大值：
[0034][0035]表示所有集群节点的每一种评价指标的最大值；
[0036]5)定义最小值：
[0037][0038]表示所有集群节点的每一种评价指标的最小值；
[0039]6)定义第i(i＝1,2,
…
,n)个性能指标与最大值的欧式距离:
[0040][0041]表示第j个评价指标的最大值；z
ij
表示第i个集节点的第j个指标；
[0042]7)定义第i(i＝1,2,
…
,n)个性能指标与最小值的欧式距离:
[0043][0044]表示第j个评价指标的最小值；z
ij
表示第i个集节点的第j个指标
[0045]8)计算得出第i(i＝1,2,
…
,n)个集群节点的的权重：
[0046][0047]所述步骤3中，集群节点在周期T收集自身的CPU利用率R_cpu、内存利用率R_mem、网络利用率R_net、I/O利用率R_io作为负载信息。
[0048]所述步骤4中，通过改进TOPSIS模型计算得出权重并发送给负载均衡服务器，根据各集群节点的权重，负载均衡服务器选择出最优的集群节点出响应处理用户请求。
[0049]所述步骤4中，负载性能指标综合计算方法如下：
[0050]①
：计算第j项指标下的第i个集群节点占该指标总和比例：
[0051][0052]y
ij
为第j项指标下的第i个集群节点占该指标总和比例；z
ij
为第i个集群节点的第j个评价指标；
[0053]②
：计算第j项指标的熵值：
[0054][0055]其中：常数k和集群节点个数n有关，一般令k＝1/ln(n)；k>0；ln为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进TOPSIS模型的动态负载均衡方法，其特征在于包括以下步骤：步骤1：采集各集群节点的无负载状态下的性能指标信息；步骤2：建立改进TOPSIS模型，将步骤1获取的性能指标信息输入改进TOPSIS模型进行计算，得到各集群节点在无负载状态下的权重，并将此权重作为动态权重负载均衡方法的初始权重；步骤3：按照周期T获取各集群节点的负载信息；步骤4：根据集群节点的实时运行负载情况，计算并更新出各个集群节点权重，根据更新的最终权重，负载均衡服务器选择最优的集群节点进行请求转发；在下一个周期T，继续执行步骤3～步骤4。2.根据权利要求1所述基于改进TOPSIS模型的动态负载均衡方法，其特征在于：所述步骤1中，通过性能指标采集模块采集集群节点性能指标信息包括：CPU使用率、内存使用率、磁盘I/O利用率、网络带宽利用率。3.根据权利要求1所述基于改进TOPSIS模型的动态负载均衡方法，其特征在于：所述步骤2中，改进TOPSIS模型，具体如下：定义L
i
来表示各个集群节点的权重，下标i表示第i个集群节点，i＝1,2,3
…
n；R
i
_cpu，R
i
_mem,，R
i
_net,R
i
_io分别表示第i个集群节点的当前CPU利用率、内存利用率、网络利用率、I/O利用率指标；1)对指标矩阵进行标准化处理，建立正向化矩阵R：2)对式(1)标准化的矩阵记为Z，Z中的每一个元素为：其中，r
ij
表示公式(1)中建立指标矩阵的每一个集群节点的每一项评价指标；将公式(1)的R
ij
矩阵标准化之后的指标矩阵Z
ij
3)可得矩阵：4)定义最大值：4)定义最大值：表示所有集群节点的每一种评价指标的最大值；5)定义最小值：
表示所有集群节点的每一种评价指标的最小值；6)定义第i(i＝1,2,
…
,n)个性能指标与最大值的欧式距离:,n)个性能指标与最大值的欧式距离:表示第j个评价指标的最大值；z
ij
表示第i个集节点的第j个指标；7)定义第i(i＝1,2,
…
,n)个性能指标与最小值的欧式距离:,n)个性能指标与最小值的欧式距离:表示第j个评价指标的最小值；z
ij
表示第i个集节点的第j个指标8)计算得出第i(i＝1,2,
…
,n)个集群节点的的权重：4.根据权利要求1所述基于改进TOPSIS模型的动态负载均衡方法，其特征在于：所述步骤3中，集群...

【专利技术属性】
技术研发人员：张上，张卓，吕浩林，项天旭，
申请(专利权)人：三峡大学，
类型：发明
国别省市：