本发明专利技术属于网络优化技术领域，具体涉及基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，步骤包括：对于包含应用层、控制层和数据层的软件定义网络SDN，构建麻雀搜索算法；在SDN网络中，结合麻雀搜索算法，划分探索者和追随者，更新探索者和追随者的位置，并获得最终输出的最佳位置和最佳适应度值，即为最佳的SDN负载均衡分配方案；将SDN网络引入大容量高并发系统中，从而实现了大容量高并发系统的负载均衡。本发明专利技术可以利用麻雀搜索算法计算出最优的一条链路分配给新流，有效的均衡了SDN负载，提高了网络性能，从而实现了大容量高并发系统的负载均衡。
【技术实现步骤摘要】
本专利技术属于网络优化，具体涉及基于麻雀搜索算法优化的大容量高并发系统负载均衡方法。
技术介绍
1、随着计算机技术的高速发展和网络规模的逐渐扩大，网络访问量呈指数形式增长，造成网络拥塞现象的频繁发生。针对拥塞问题，传统网络多采用对链路网络资源进行计算与调度的方法以增强网络数据处理能力并达到负载均衡的目的。这种传统的网络链路负载均衡须在数据传输之前，就需要做好设计规划工作。但是往往在传输时，网络流量存在的局部变化、动态变化以及传输分布不均等问题，无法实时灵活地做出调节，使网络极易发生拥塞。
2、随着软件定义网络(software define networking,sdn)的提出，使目前传统网络构架逐步发生变化。sdn作为一种全新的互联网体系架构，具有集中控制、开放接口和网络虚拟化等特点，其主要特征在于将数据控制与数据转发分离，把控制任务交给其他控制器来完成，既将控制层从数据层中剥离出来，又通过控制器集中控制，达到灵活方便地配置、管理网络的目的，突破了传统网络的许多局限性。
3、然而，由于网络规模、流量规模等动态变化，控制器会出现负载失衡的问题，造成网络不能正常工作，同时，过载控制器也会受到恶意流量的攻击，严重地影响到网络的正常通讯，对稳定、有效的网络业务构成了新的挑战。所以研究基于sdn的负载均衡具有重要意义。
4、目前，在大容量高并发系统中，通常需要应对庞大的数据流量和用户请求。传统的网络架构可能面临性能瓶颈和资源分配不足的问题，因此，可以引入软件定义网络sdn来使网络管理更为灵活。
技术实现思路
1、根据以上现有技术中的不足，本专利技术提供了基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，可以利用麻雀搜索算法计算出最优的一条链路分配给新流，有效的均衡了sdn负载，提高了网络性能，从而实现了大容量高并发系统的负载均衡。
2、为达到以上目的，本专利技术提供了基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，包括以下步骤：
3、s1、对于包含应用层、控制层和数据层的软件定义网络sdn，构建麻雀搜索算法：
4、s11、将麻雀个体分为探索者和追随者，探索者搜索食物并为整个麻雀种群提供觅食区域和方向，追随者追随探索者以此获取食物；
5、s12、开始迭代，判断种群当前位置是否安全，并更新探索者的位置；
6、s13、判断追随者的状态，并对追随者的位置进行更新；
7、s14、判断麻雀个体所处位置是否安全，进一步更新麻雀个体的位置；
8、s15、获得最佳位置和最佳适应度值，并判断是否终止迭代，如终止迭代，输出最终的最佳位置和最佳适应度值；如不满足终止条件，返回s11重新迭代。
9、s2、基于s1中的麻雀搜索算法，进行sdn负载均衡：
10、s21、sdn网络通信链路的数目为k，将k作为麻雀种群的个体数量；
11、s22、以链路的带宽使用率作为麻雀的位置坐标，以sdn网络的负载均衡为目标设计适应度函数；
12、s23、依据麻雀种群的规模进行初始化；
13、s24、在sdn网络中，结合s1的麻雀搜索算法，划分探索者和追随者，更新探索者和追随者的位置，并获得最终输出的最佳位置和最佳适应度值，即为最佳的sdn负载均衡分配方案；
14、s25、将sdn网络引入大容量高并发系统中，从而实现了大容量高并发系统的负载均衡。
15、麻雀搜索算法ssa是根据麻雀觅食并躲避捕食者的行为而提出的。在自然状态下，麻雀种群中的个体会监视群体中的其他个体，同时为了提高自身的捕食率，麻雀个体通常会争夺高摄入食量个体的食物资源。
16、在ssa中，在搜索过程中种群内的最优个体会优先获取食物，探索者通常拥有较高的能量储备并相对追随者获得更大的觅食搜索范围。
17、所述的s12中，在每次迭代过程中，判断种群当前位置是否安全，并更新探索者的位置的方式为：
18、
19、式中，中为第i个麻雀在第j维的个体位置；t为当前迭代次数；itermax为最大迭代次数；α是(0,1]内的一个随机数；r2和st分别代表预警值和安全值，其中r2∈[0,1]，st∈[0.5,1]；q是服从正态分布的随机数；l是一个每个元素都为1的1×d矩阵；
20、当r2<st时，代表觅食附近没有捕食者，探索者可以全局搜索；当r2≥st时，表示有麻雀个体发现了捕食者，并向种群内其他麻雀发出警报，所有麻雀需快速飞往其它安全地点进行觅食。
21、所述的s13中，判断追随者的状态，并对追随者的位置进行更新的方式为：
22、
23、式中，xp为最优探索者的位置；xworst为当前全局最差位置；n是种群规模；a是一个1×d的矩阵，其中每个元素随机赋值为1或-1，并且a+＝at(aat)-1；当i＞n/2时，表示适应度值较低的第i个追随者未获得食物，处于饥饿状态，需要飞往其他地方觅食获得更多能量。otherwise即指除了i＞n/2之外的其他情况。
24、所述的s14中，判断麻雀个体所处位置是否安全，进一步更新麻雀个体的位置的方式为，当种群中的10％-20％的个体意识到危险时，其位置更新方式为：
25、
26、式中，是当前全局最优位置；γ为步长控制参数，是一个服从标准正态分布的随机数；f是适应度值，fg、fw分别为当前最优适应度值和当前最差适应度值；k是[-1,1]内的一个随机数，ε是为了避免分母为0而加的一个任意无限小常数；
27、当fi<fg时，表明麻雀个体处于种群的边缘，极易遭到捕食者攻击；当fi＝fg时，表示处于种群内部的麻雀意识到了危险，需要靠近其他麻雀以避免被捕食。
28、exp即为指数函数。上述更新过程中，即为更新后的麻雀个体位置，针对不同的场景，代表对应的麻雀个体。
29、s15中的判断是否终止迭代可以参照公知的麻雀搜索算法进行判断。
30、应用麻雀搜索算法求解优化问题时，要对麻雀种群进行参数初始化，还要根据优化目标设计相应的适应值函数。以sdn网络通信链路的数目作为麻雀种群规模数，以链路的带宽使用率作为麻雀个体的位置坐标，带宽使用率可以通过专用软件监控得到，带宽使用率的数值范围从0到100。
31、所述的s22中，如果要使sdn网络的负载达到最为均衡的状态，则所有链路的带宽使用率应该最为接近，设计适应度函数为：
32、f＝αf1+βf2(α+β＝1) (4)；
33、其中：
34、
35、
36、式中，函数f1表示所有链路负载差值平方的和，f1的值越小则链路之间负载的差值越小，f2表示所有链路的负载和整个网络的平均负载差值平方的和，显然f2的值越小，每条链路的负载越接近整个网络的平均值，sdn的负载均衡程度越好；α和β分别是f1和f2的本文档来自技高网
...
【技术保护点】
1.一种基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S12中，在每次迭代过程中，判断种群当前位置是否安全，并更新探索者的位置的方式为：
3.根据权利要求2所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S13中，判断追随者的状态，并对追随者的位置进行更新的方式为：
4.根据权利要求3所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S14中，判断麻雀个体所处位置是否安全，进一步更新麻雀个体的位置的方式为，当种群中的10％-20％的个体意识到危险时，其位置更新方式为：
5.根据权利要求4所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S22中，设计的适应度函数为：
6.根据权利要求5所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S23中，初始化的参数包括：麻雀种群数量、探索者所占比例、麻雀个体的位置、所需迭代次数。
7.根据权利要求6所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S24中，在SDN网络与麻雀搜索算法的结合中，通过式(1)计算出一个随机的方向向量，通过监测SDN网络中的安全情况，判断是否有其他麻雀个体发现了潜在的捕食者，判断方法为比较当前位置附近是否有其他麻雀发出警报，即通过式(1)中的R2和ST进行判断；
8.根据权利要求7所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的S24中，在SDN网络与麻雀搜索算法的结合中，通过与其他麻雀个体的相对位置、周围环境的拓扑结构和当前链路的负载情况，针对每个麻雀个体，评估其当前位置的安全度，当评估结果显示当前位置不安全时，麻雀个体根据当前全局最优位置和最优探索者的位置进行调整；
...
【技术特征摘要】
1.一种基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的s12中，在每次迭代过程中，判断种群当前位置是否安全，并更新探索者的位置的方式为：
3.根据权利要求2所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的s13中，判断追随者的状态，并对追随者的位置进行更新的方式为：
4.根据权利要求3所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的s14中，判断麻雀个体所处位置是否安全，进一步更新麻雀个体的位置的方式为，当种群中的10％-20％的个体意识到危险时，其位置更新方式为：
5.根据权利要求4所述的基于麻雀搜索算法优化的大容量高并发系统负载均衡方法，其特征在于：所述的s22中，设计的适应度函数为：
6.根据权利要求5所述的基...
【专利技术属性】
技术研发人员：李少波，周鹏，王堃，陈光林，李显超，蒲睿强，杨灵运，张昌福，张安思，
申请(专利权)人：贵州大学，
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。