一种基于自适应模糊控制的计算负载平衡方法技术

本发明专利技术公开了一种基于自适应模糊控制的计算负载平衡方法，其利用自适应模糊控制算法对多个计算节点的负载值进行模糊化处理后，再对经过模糊化处理后的所述各个计算节点的负载状态进行关联编码以基于所述各个计算节点的负载状态关联信息来进行计算任务的自动分配和动态调整，以达到负载平衡的目的

【技术实现步骤摘要】
一种基于自适应模糊控制的计算负载平衡方法


[0001]本专利技术涉及智能化计算
，尤其涉及一种基于自适应模糊控制的计算负载平衡方法
。
[0002]
技术介绍

[0003]在计算领域中，负载平衡是一项重要的任务，它旨在合理地分配计算任务到不同的计算节点上，以确保系统的资源利用率和性能
。
负载平衡的目标是使各个计算节点的负载尽可能均衡，避免某个计算节点过载而导致系统性能下降，同时充分利用系统的资源，提高整体的计算效率
。
[0004]自适应模糊控制是一种基于模糊逻辑和控制理论的控制方法，它能够根据系统的实时状态和环境变化来调整控制策略，以实现系统的自适应性和鲁棒性
。
在负载平衡领域，自适应模糊控制可以应用于动态调整计算节点的负载状态，以实现负载的均衡分配
。
[0005]传统的自适应模糊控制方案需要专家依靠经验进行人工设计模糊规则库，这容易受到人为主观因素的影响，导致规则库的设计困难和不准确
。
并且，传统的自适应模糊控制在应对系统动态性和变化的能力上存在一定的限制，这是由于模糊控制的基础是一组静态的模糊规则，难以适应系统动态性和环境变化
。
当系统的动态性较强时，传统的自适应模糊控制可能无法及时调整控制策略，导致控制性能下降
。
[0006]因此，期望一种优化的基于自适应模糊控制的计算负载平衡方案
。
[0007]
技术实现思路

[0008]本专利技术实施例提供一种基于自适应模糊控制的计算负载平衡方法，其利用自适应模糊控制算法对多个计算节点的负载值进行模糊化处理后，再对经过模糊化处理后的所述各个计算节点的负载状态进行关联编码以基于所述各个计算节点的负载状态关联信息来进行计算任务的自动分配和动态调整，以达到负载平衡的目的
。
[0009]本专利技术实施例还提供了一种基于自适应模糊控制的计算负载平衡方法，其包括：获取多个计算节点在预定时间段内多个预定时间点的负载值；对所述多个计算节点在预定时间段内多个预定时间点的负载值进行关联分析以得到节点间负载时序关联特征；基于所述节点间负载时序关联特征，确定所述多个计算节点的多个概率值；以及将计算任务分配给所述多个概率值中最大概率值对应的计算节点
。
[0010]附图说明
[0011]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
在附图中：图1为本专利技术实施例中提供的一种基于自适应模糊控制的计算负载平衡方法的流程图
。
[0012]图2为本专利技术实施例中提供的一种基于自适应模糊控制的计算负载平衡方法的系统架构的示意图
。
[0013]图3为本专利技术实施例中提供的一种基于自适应模糊控制的计算负载平衡方法中步骤
120
的子步骤的流程图
。
[0014]图4为本专利技术实施例中提供的一种基于自适应模糊控制的计算负载平衡系统的框图
。
[0015]图5为本专利技术实施例中提供的一种基于自适应模糊控制的计算负载平衡方法的应用场景图
。
[0016]具体实施方式
[0017]为使本专利技术实施例的目的
、
技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明
。
在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定
。
[0018]如本专利技术和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和
/
或“该”等词并非特指单数，也可包括复数
。
一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素
。
[0019]本专利技术中使用了流程图用来说明根据本专利技术的实施例的系统所执行的操作
。
应当理解的是，前面或下面操作不一定按照顺序来精确地执行
。
相反，根据需要，可以按照倒序或同时处理各种步骤
。
同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作
。
[0020]以下将参考附图详细说明本公开的各种示例性实施例
、
特征和方面
。
附图中相同的附图标记表示功能相同或相似的元件
。
尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图
。
[0021]在这里专用的词“示例性”意为“用作例子
、
实施例或说明性”。
这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例
。
[0022]应可以理解，在计算领域中，负载平衡是指在分布式系统或计算集群中，合理地分配和调度计算任务，使得各个计算节点的负载均衡，从而提高系统的性能
、
可靠性和资源利用率
。
负载平衡的目标是使系统中的计算节点尽可能地均匀分布负载，避免某些节点过载而导致性能下降，同时充分利用所有节点的计算能力，提高整个系统的吞吐量和响应时间
。
[0023]其中，负载平衡可以通过以下几种方式实现：
1.
静态负载平衡，在系统启动或任务调度前，根据预先定义的策略将任务静态地分配给各个计算节点
。
这种方式适用于任务负载比较稳定的情况，但无法应对负载波动或不均衡的情况
。2.
动态负载平衡
。
根据实时的负载信息和系统状态，动态地将任务分配给计算节点
。
动态负载平衡算法包括最短作业优先
（
Shortest Job First, SJF
）
、
最小负载优先（
Least Loaded, LL
）和最小响应时间优先（
Minimum Response Time, MRT
）等
。
这种方式可以根据实际负载情况进行动态调整，适用于负载波动或不均衡的情况
。3.
自适应负载平衡
。
根据系统的反馈信息和历史数据，自适应地调整负载平衡策略
。
这种方式可以根据实际情况进行学习和优化，适应不同的工作负载和系统环境
。
[0024]负载平衡可以提高系统的性能和吞吐量，通过合理地分配任务，避免节点过载，可以充分利用系统资源，提高计算能力和处理能力
。
也可以提高系统的可靠性和稳定性，当某个节点发生故障或失效时，其他节点可以接管其任务，保证系统的正常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于自适应模糊控制的计算负载平衡方法，其特征在于，包括：获取多个计算节点在预定时间段内多个预定时间点的负载值；对所述多个计算节点在预定时间段内多个预定时间点的负载值进行关联分析以得到节点间负载时序关联特征；基于所述节点间负载时序关联特征，确定所述多个计算节点的多个概率值；以及将计算任务分配给所述多个概率值中最大概率值对应的计算节点
。2.
根据权利要求1所述的基于自适应模糊控制的计算负载平衡方法，其特征在于，对所述多个计算节点在预定时间段内多个预定时间点的负载值进行关联分析以得到节点间负载时序关联特征，包括：使用自适应模糊算法对所述各个预定时间点的负载值进行模糊化处理以将所述各个预定时间点的负载值转化为负载状态标签值，其中，所述负载状态标签值包括低
、
中和高；使用独热编码对所述各个计算节点在预定时间段内多个预定时间点的负载状态标签值进行独热编码以得到所述各个计算节点的负载状态标签时序拼接独热编码向量；通过基于深度神经网络模型的负载状态时序特征提取器对所述各个计算节点的负载状态标签时序拼接独热编码向量进行时序关联特征提取以得到多个计算节点负载状态时序特征向量；以及对所述多个计算节点负载状态时序特征向量进行关联编码以得到计算节点间负载关联特征矩阵作为所述节点间负载时序关联特征
。3.
根据权利要求2所述的基于自适应模糊控制的计算负载平衡方法，其特征在于，所述深度神经网络模型为一维卷积神经网络模型
。4.
根据权利要求3所述的基于自适应模糊控制的计算负载平衡方法，其特征在于，对所述多个计算节点负载状态时序特征向量进行关联编码以得到计算节点间负载关联特征矩阵作为所述节点间负载时序关联特征，包括：将所述多个计算节点负载状态时序特征向量排列为二维特征矩阵后通过基于二维卷积神经网络模型的计算节点间负载关联特征提取器以得到所述计算节点间负载关联特征矩阵
。5.
根据权利要求4所述的基于自适应模糊控制的计算负载平衡方法，其特征在于，基于所述节点间负载时序关联特征，确定所述多个计算节点的多个概率值，包括：以所述各个计算节点负载状态时序特征向量作为查询特征向量，计算其与所述计算节点间负载关联特征矩阵之间的矩阵乘积以得到多个节点负载映射特征向量；以及将所述多个节点负载映射特征向量通过分类器以得到所述多个概率值
。6.
根据权利要求5所述的基于自适应模糊控制的计算负载平衡方法，其特征在于，将所述多个节点负载映射特征向量通过分类器以得到所述多个概率值，包括：使用所述分类器的多个全连接层对所述多个节点负载映射特征向量进行全连接编码以得到编码分类特征向量；以及将所述编码分类特征向量通过所述分类器的
Softmax
分类函数以得到所述多个概率值
。7.

【专利技术属性】
技术研发人员：柳培忠，张浩钧，吕国荣，吴家祥，董学峰，倪东，杨鑫，
申请(专利权)人：泉州医学高等专科学校深圳度影医疗科技有限公司，
类型：发明
国别省市：