[发明专利]一种移动应用检测负载均衡算法中计算负载值的方法

说明书

本发明公开了一种移动应用检测负载均衡算法中计算负载值的方法，基于由客户端、中心管理节点模块和检测节点组成的实验平台实现；检测节点的心跳包括：当前检测节点的CPU加权负载值，内存加权负载值，队列加权负载值和控制流复杂度加权负载值；中心管理节点模块接受移动应用检测任务和检测子节点的心跳；通过实时接收各检测节点的心跳得到当前各检测节点的负载情况，并通过负载调度器选择出其中最优的检测节点下发移动应用检测任务，然后重新计算各检测节点的负载分数，更新记录的负载信息。优点在于，极大提高了海量移动应用检测任务的执行效率，能满足现今海量应用快速检测的需求；更加合理有效的向检测节点分配任务。

技术领域

本发明属于信息安全领域，涉及移动应用检测负载均衡的优化方法，具体是一种移动应用检测负载均衡算法中计算负载值的方法。

背景技术

由于移动应用检测任务具有特殊性，难以将其切分为更细粒度的子文件，更不可能对单个移动应用检测任务进行简单粗暴的平均大小切分，导致单个移动应用检测任务内的移动应用大小差别迥异，影响移动应用检测任务的执行效率。另外，影响移动应用检测任务的执行效率的另一个因素是单个移动应用检测任务内的控制流复杂度。

控制流复杂度是指由移动应用检测任务内部的执行流程和执行复杂度，由控制流图中的边数和节点数体现；

控制流图(CFG,Control flow graph，即控制流程图)，是一个过程或程序的抽象表现。移动应用检测任务的控制流图，即移动应用中语句、语句块和过程的执行流抽象。控制流图是一个有向图，包含N个节点node和M条边edge。

现有技术中采用McCabe复杂度度量标准，将软件的流程图转化为有向图，控制流图是McCabe复杂度计算的基础，McCabe复杂度度量作为移动应用检测任务的环路复杂性度量标准，一般用圈复杂度V(G)描述。实验证明，圈复杂度越大的移动应用，静态检测时间越长。

圈复杂度的计算方法如下：

V(G)＝e-n+2

其中e为移动应用检测任务中控制流图中边数，n为移动应用检测任务中控制流图中的节点数。

负载均衡(Load Balancing)算法目的是为了提高任务执行效率，提高系统吞吐量，利用分布式结构提高系统执行性能。通过平衡各检测节点的负载情况，加强了各检测节点的数据处理能力、提高了可用性。各检测节点的负载包括：各检测节点上所有移动应用检测任务的网络吞吐量、CPU负载率、内存使用率等；

在传统负载均衡算法中，一般使用CPU使用率、内存占用率、硬盘使用情况、网络吞吐量等作为服务器负载的衡量标准。

但是，在海量移动应用检测任务的应用场景下，由于移动应用文件小，在检测过程中，服务器硬盘的使用情况不会有很大的变化，硬盘使用量对移动应用的检测影响较小；而由于移动应用的存储和检测都在局域网环境下完成，局域网内网络情况良好，小文件对网络带宽要求不高，因此网络吞吐量对移动应用的检测效率也无明显影响。

在海量移动应用检测任务的应用场景下，使用ActiveMQ将移动应用检测任务存储在队列服务器上，通过ActiveMQ提供的API获取移动应用检测任务的队列大小，并配置队列最大长度，而检测任务队列的大小是衡量一个检测任务需要等待的时间和预计返回时间的最直接因素。

综上，针对海量移动应用检测任务，传统负载均衡算法中，只考虑了影响负载均衡的以下几类因素：1)、检测节点的CPU负载，包括CPU核数、CPU频率、CPU使用百分比；2)、检测节点的内存负载，包括空闲内存百分比；3)、检测节点的任务队列负载，包括任务队列长度和任务队列最大长度。

如若不考虑控制流复杂度，将会使整个检测效率下降50％以上。在有多节点以及海量应用需要检测的情况下，检测时间将会延迟超过1分钟，无法满足现阶段海量移动应用检测的需求。

发明内容