[发明专利]食品安全追溯数据库的负载均衡优化方法

说明书

技术领域

本发明涉及信息技术和数据库技术领域，具体地，涉及数据库服务器的负载均衡方法，该算法用于大量用户并发访问食品安全追溯系统时的多服务器的负载调度，有效地解决了多服务器的负载均衡问题，同时为数据库的扩充提供了便利。

背景技术

随着经济和社会的发展，人们的生活水平不断提高，对食品的质量和安全要求也越来越高。由于食品安全危机的频繁发生以及消费者意识的觉醒，食品安全问题作为一项公共安全问题引起了国家和社会的广泛关注，食品追溯作为一种用以保证食品安全的管理工具日益得到国家的重视。追溯是通过记录标识的方法回溯某个实体的来源、用途和位置，食品安全追溯通过对食品各环节信息的连接与记录，可以真实再现食品整个生命周期的历史。

由于食品供应链条较长，食品安全追溯系统平台涉及的数据量巨大，平台数据库包含各种空间数据、报表统计数据、文字、声音、图像等各种采样和汇总数据信息。广大消费者、政府监管机构、检验检疫及第三方检测机构等众多用户的查询、统计、分析及提取数据的访问要求追溯系统能够及时有效地处理大量的并发请求，如何快速地实现数据库服务器负载的均衡调度，成为追溯系统成功实施需解决的关键技术之一。

单台服务器的负载能力是有限的，面对日益增加的用户访问数量和访问流量，单纯靠提高服务器硬件的性能已经无法满足要求，目前在网络中通常使用多台服务器共同提供服务，通过一定机制将系统负载分配到不同的服务器上处理，为大量用户提供并发访问服务，这就是负载均衡。负载均衡是实现多台服务器协同工作和并行处理的手段，可以充分利用网络资源。

要实现负载均衡，关键是通过不同的负载均衡方案合理地进行调度，把用户的大量请求分配到不同的服务器上进行处理。大规模负载均衡问题是NP难题，难以在多项式时间内找到最优调度，通常随着负载请求的急剧增加，调度性能会迅速下降。目前服务器负载均衡常用算法有：循环调度、(加权)加权轮转调度、(加权)最小连接数调度、最快响应调度、目标地址散列调度、源地址散列调度、基于概率统计的调度、预估服务时间调度等等。这些算法可以有效地实现服务器的负载均衡调度，但要么注重调度速率即选择服务器的速率，要么注重调度的均衡程度却忽略了速率，也有算法考虑了服务器的负载状态，但缺乏有效的负载平衡方法。智能优化算法如遗传算法的引入，为负载均衡调度提供了一条可行的有效途径。

当优化问题的规模较大、搜索空间变得复杂时，多数智能算法常常可以很快地找到近优解，但由于算法择优保留的搜索机制，以及后期变异、交叉等操作对最优解构成成分的破坏，算法在近优解附近振荡，却很长时间内无法到达最优解，或限于局部极值无法进行更广范围的搜索。而且由于算法参数往往凭经验设定，没有有效的选取机制，使得算法在求解实际优化问题的性能受到了很大限制。因此，需要对智能算法进行改进或寻求新的搜索机制，提高优化效率，有效解决服务器负载均衡调度问题。

发明内容

本发明的目的是针对数据库服务器大量并发访问的负载均衡问题，以及现有智能优化算法搜索机制和效率的不足，提出一种基于极值优化的负载均衡优化方法。算法中考虑服务器的当前负载状态，通过在网络中布置SNMP采集服务器，采用基于SNMP的MRTG监控工具，以适当的时间间隔采集多台服务器的负载数据，根据服务器负载状态进行调度，实现多台服务器的负载均衡。算法参数具有最佳取值依据，比其他智能优化算法如遗传算法具有更大的优越性。

极值优化算法是一种新型的仿生搜索算法，对于一般算法难以求解的某些NP难问题，也具有较好的性能。在自然界中，当最无效的元素被选择性地驱使于消亡，就经常会出现高度复杂的结构。极值过程即是指在系统的演变过程中不断地清除适应性最差的元素，是自组织临界(Self-Organized Criticality，SOC)模型通常依赖的过程原则。受自然界中自组织过程的启发，Boettcher等设计了极值优化算法(Extremal Optimization，EO)。不同于遗传算法等繁殖优解的操作方式，极值优化算法不断以幂函数概率P_k∝k^-τ选择适应性较差的变量进行变异(其中k为变量按适应度的排序号，τ为指定参数，并有其一般估计公式τ_opt≈1+4/lnn(n→∞)，n为变量个数)，逐步清除构成解的较差成分，从而很快地靠近近优解，并具有很强的跳出局部最优解的能力。