基于业务预测的负载均衡方法技术

本发明专利技术公开了一种基于业务预测的负载均衡方法，涉及无线通信技术领域，包括以下步骤：以预先设定的时间段为单位，对不同时间段的业务量采用不同的业务预测模型进行预测；S2：根据所述不同的业务预测模型预测得到的下一负载均衡处理周期的业务量，提前配置业务请求调度结果，以达到负载均衡。本发明专利技术的基于业务预测的负载均衡方法针对每个时段分别进行业务预测建模，将处于不同时间段得业务量进行分段建模的好处是，由于每一段时间的变化趋势基本相同，不用通过大量的迭代计算，减少了设计的复杂度，加快了预测模型的收敛速度，易于实现。

【技术实现步骤摘要】

本专利技术涉及无线通信
，特别涉及一种。
技术介绍
负载均衡算法的目的是实现业务在系统中均匀分布，减少局部负载过高导致的拥塞状况，提高系统容量。但由于目前大部分负载均衡算法都是针对网络当时的负载情况，即在知道了网络负载出现拥塞之后才进行操作，这种情况叫做滞后效应。负载均衡的滞后效应会降低负载均衡算法的效率，并且会使局部某一段时间会出现拥塞。因此，基于业务预测的负载均衡算法应运而生。其核心思想为，通过业务预测提前知道系统下一时刻的业务量，在系统发生拥塞之前提前对资源进行配置操作，避免传统负载均衡算法的滞后效应，提 高负载均衡算法性能。目前已有的针对业务预测的负载算法研究的思路为I、获取通讯系统负载的历史数据，分析历史数据，获得对应的负载变化趋势，用所对应的负载变化趋势作为预测的通讯系统负载在当前时间的变化趋势。2、判断所述通讯系统的用于判断过载的测量参数是否会超过预先设定的过载阈值，如果会超过，所述通讯系统进行预过载处理。如果不超过，通讯正常运行。在无线移动通信网络中，经常会出现由于短时间内大量用户移动或者业务到达，导致在某个时段出现局部的热点地区，该区域的无线接入业务量过大，使得网络通信性能迅速下降。与此同时，其它周边地区的无线接入业务量却偏低，大部分通信资源处于空闲状态。由于业务分布在时间和区域上具有不均衡性，因而导致通信资源的局部紧缺，使得用户无线接入业务(尤其是多媒体业务)性能大幅度降低。因此我们可以在负载均衡的基础上，引入业务预测技术，将系统资源进行提前配置，避免了以往负载均衡系统普遍存在的滞后效应，使系统在发生拥塞前就已提前做好资源分配，提升了系统容量。目前虽然有针对基于业务预测的负载均衡研究，但均有以下问题首先，已有的业务预测大多是根据历史数据进行大量的学习以及迭代计算，这样做的结果往往是增加了系统的复杂度，降低了收敛速度，使业务预测模型难于时时的输出准确的预测结果。其次，由于业务量的变化存在着时间波动性与突发性，而现有的技术大多数只是针对历史业务量进行学习，这将会导致预测模型会随着突发的业务量的变化而使预测结果精确度大幅度下降。最后，由于业务预测的输入有语音业务(单位为Erl)与数据业务(单位为Mbps)，如何将语音业务与数据业务进行统一，得出下一时刻系统资源总需求对负载均衡模块来说是一个至关重要的问题，而已有的技术并没有将得出的业务进行归一化。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题是如何提高业务预测的准确性，且计算复杂度较低。(二)技术方案为解决上述技术问题，本专利技术提供了一种，包括以下步骤SI :以预先设定的时间段为单位，对不同时间段的业务量采用不同的业务预测模型进行预测；S2:根据所述不同的业务预测模型预测得到的下一负载均衡处理周期的业务量，提前配置业务请求调度结果，以达到负载均衡。其中，所述步骤SI中所述业务预测模型为相同时间段内的历史日期所采用的业 务预测模型。其中，所述步骤SI中在对不同时间段的业务量采用不同的业务预测模型进行预测之前还包括将业务数据进行最小二乘法拟合。其中，所述步骤SI中在对不同时间段的业务量采用不同的业务预测模型进行预测之前还包括根据环境参数、实际业务量及时修正各个业务预测模型。其中，所述步骤SI中在每次预测完成后，将所述业务预测模型存储。其中，所述步骤S2具体包括S2. I :收集下一个负载均衡处理周期的总业务量，判断是否有小区容量不满足该小区下一负载均衡处理周期的业务量对资源的需求，若是执行步骤S2. 2，否则结束；S2. 2 :结合预测得到的下一负载均衡处理周期各个小区的资源需求与小区容量，查找下一负载均衡处理周期负载最轻的小区；S2. 3 :确定由步骤S2. I判断出的在下一负载均衡处理周期会发生拥塞的小区需将多少业务量切换到所述负载最轻的小区中，并将该业务量切换到所述负载最轻的小区中。其中，所述步骤S2. I中还包括对不同业务预测模型预测得到的不同类型的业务量按预先制定的优先级排序，步骤S2. 3中按优先级由高到低的顺序将业务量进行切换。其中，所述步骤S2之后还包括步骤从网络中提取包括实际业务量、拥塞率的网络参数，用于评价此次业务预测模型的准确度，并将上述参数反馈给所述业务预测模型，及时修正所述业务预测模型参数。其中，所述预先设定的时间段为I小时。(三)有益效果本专利技术的针对预先设定的每个时间段分别进行业务预测建模，将处于不同时间段的业务量进行分段建模的优势是，由于每一段时间的变化趋势基本相同，不用通过大量的迭代计算，减少了设计的复杂度，加快了预测模型的收敛速度，易于实现。附图说明图I是本专利技术实施例的一种流程图；图2是业务预测模型预测时的具体流程图；图3是图I中步骤S2的具体流程图4是实现图I中方法的系统结构示意图。具体实施例方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。如图I所示，本实施例的包括步骤S101，以预先设定的时间段为单位，对不同时间段的业务量采用不同的业务预测模型进行预测。本实施例中，对一天24小时的横向划分，划分成24个时间段。每个时间段采用不同的业务预测模型对该时间段内的业务量进行预测，即有24个业务预测模型。在预测之前，搜集一个小区所有基站上报的数据，提取出以负载均衡处理周期为时间间隔及与其所对应的语音与数据的业务量(负载均衡处理周期包括一个或多个上述横向划分的时间段)，即搜集上一负载均衡处理周期T= It1, t2，…，tM}以及对应的业务量数据X1={xn, x12,…，x1M}, ti为上述横向划分的时间段，i = 1,2, . . . , M, M为样本数量，I表示 X为第I种业务类型。纵向上找出与预测当日业务量变化趋势相近的历史日期Transult day，横向上找出历史所处的时长为一个负载均衡处理周期的一段时间tpt2，…，tk，k为输入的样本数据X所处的时间段的数量，历史日期分为以下3种情况I、预测日期为工作日，非节假日，如周五，则需要调用上一周周五的日期。若上一周周五为假日，则调用上上周周五的日期，依次类推。2、预测日期为假日，如元旦，则需调用上一年元旦的日期。3、若为双休日且不为假日，则调用上一周的对应的日期。例要预测4月17日(周二)上午8点至12点的语音业务的业务量。则通过纵向时间匹配，选择4月10日(周二)，通过横向匹配，选择4月10日8点至12点采集样本，此时 I 为语音业务，Tcmsult _为4月 10 日，T = {8:00-9:00、9:00-10:00、10:00-11:00、11:00-12:00} ,X1 = {8:00-9:00 累计业务量、9:00-10:00 累计业务量、10:00-11:00 累计业务量、11:00-12:00累计业务量}。在选好历史日期后，查找预先存储的该日期T_sult day与T所处的相应的时间段的业务预测模型，查找到对应的业务预测模型F = E Afi，其中，系数%取0或I。取I表示业务量数据X处于此时间段，0则反之。A表示时间段i时的业务预测初始函数。i取I到24。查找到业务预测模型之后便可开始进行预测，预测流程如图2所示。优选地，在开始预测之前，为了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.ー种基于业务预测的负载均衡方法，其特征在于，包括以下步骤 Si:以预先设定的时间段为单位，对不同时间段的业务量采用不同的业务预测模型进行预测； S2 :根据所述不同的业务预测模型预测得到的下ー负载均衡处理周期的业务量，提前配置业务请求调度結果，以达到负载均衡。2.如权利要求I所述的基于业务预测的负载均衡方法，其特征在于，所述步骤SI中所述业务预测模型为相同时间段内的历史日期所采用的业务预测模型。3.如权利要求I所述的基于业务预测的负载均衡方法，其特征在于，所述步骤SI中在对不同时间段的业务量采用不同的业务预测模型进行预测之前还包括将业务数据进行最小ニ乘法拟合。4.如权利要求I所述的基于业务预测的负载均衡方法，其特征在于，所述步骤SI中在对不同时间段的业务量采用不同的业务预测模型进行预测之前还包括根据环境參数、实际业务量及时修正各个业务预测模型。5.如权利要求I所述的基于业务预测的负载均衡方法，其特征在于，所述步骤SI中在毎次预测完成后，将所述业务预测模型存储。6.如权利要求I所述的基于业务预测的负载均衡方法，其特征在于，所述步骤S2具体包括 S2. I :...

【专利技术属性】
技术研发人员：冯志勇，张平，石聪，刘庆，杨栋，陈亚迷，尹鹏，张奇勋，马云飞，王莹，陈施，尉志清，庄荔，宋浩明，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：