[发明专利]一种基于网络流量自适应预测的动态负载均衡方法

说明书

技术领域

本发明涉及一种计算机应用技术，具体的说就是一种服务器集群的网络负载均衡方法。

技术背景

当前，在各个网络的核心部分，其数据流量和计算强度之大，使得单一设备根本无法承担，而如何在完成同样功能的多个网络设备之间实现合理的业务量分配，使之不至于出现一台设备过忙、而别的设备却未充分发挥处理能力的情况，就成了一个问题，负载均衡机制也因此应运而生。

负载均衡建立在现有网络结构之上，它提供了一种廉价有效的方法扩展服务器带宽和增加吞吐量，加强网络数据处理能力，提高网络的灵活性和可用性。它主要完成以下任务：解决网络拥塞问题，服务就近提供，实现地理位置无关性；为用户提供更好的访问质量；提高服务器响应速度；提高服务器及其他资源的利用效率；避免网络关键部位出现单点失效等等。

现在所说的负载均衡，多指的是对访问服务器的负载进行均衡(或者说分担)措施。

在现在的负载均衡应用中，基本都是滞后调节，仅仅是对当前负载的观测值进行调节，在做出调节的同时事实上负载已经变化了，这样容易造成反应滞后，调节效果不明显，有时甚至起到相反作用的效果。

发明内容

本发明的目的是提供一种基于网络流量预测的服务器集群的动态负载均衡方法，可使网络负载得到预先调节，避免了滞后效应，时时使网络负载保持在比较均衡的状态。

本发明的目的是按以下方式实现的：由网络负载的一定时间周期的历史数据得到自适应算法的参数值，形成预测程序的公式，将当前时刻的负载观测值和上述参数值代入公式，得到对下一时刻的网络负载的预测值，从而使负载均衡软件根据该预测值预先调整后端的调度算法的权值，实现负载均衡。

具体步骤如下：

首先由基于SNMP协议的负载均衡器本身操作系统的网络流量监控软件或负载均衡软件的网络流量监控记录，包括流入负载均衡交换机或交换软件的网络流量在一定时间周期的历史数据，代入预测程序中自适应算法的计算公式，得到自适应算法的参数，在进行预测时，把当前时刻的负载观测值代入公式来预测下一时刻的负载数值，并取代当前时刻的负载观测值输入负载均衡软件的负载均衡模块来对后端服务器进行流量分配；

自适应算法为三层BP神经网络算法，当前时刻的下一时刻的网络流量负载的预测公式为：

INPUTn=Σi=0n-1xiINPUTi]]>

其中INPUT_i(i＝0，1，2，3，……n-1)是当前时刻的网络流量、距当前时刻前一时间间隔、前两个时间间隔、前三个时间间隔、……前n-1个时间间隔的网络流量负载，x_i则是通过自适应算法得到的权值，通过上面加权自回归公式的计算，得到对下一时间间隔的网络流量INPUT_n的预测值，x_i的计算过程参照神经网络介绍，n值的选定，和时间间隔的大小根据该网络负载变化的时间周期而定；

具体算法描述如下：

x＝(x₀，x₁，…x_n-1)^T，x∈Rⁿ，为输入向量，隐层n₁个神经元，x′∈Rⁿ，x′＝(x′₀，x′₁，…，x′_n-1)^T，输出神经元y∈R^m，y＝(y₀，y₁，…，y_m-1)^T，输入层与隐层之间的权值为w_ik，阈值为θ_i，隐层与输出层间的权值为w_kj，阈值为θ_l，那么隐层神经元的输出满足：

输出层神经元的输出满足

网络关于第p个样本的误差测度：