[发明专利]一种动态周期的媒体服务器负载均衡算法

权利要求书

1.一种动态周期的媒体服务器负载均衡算法,其特征在于，包括如下步骤：

(1)收集服务器节点的初始处理能力，参数包括服务器的CPU、内存、带宽；计算出节点的初始权重K0,初始化负载均衡服务；

(2)每个周期内，通过负载均衡器收集服务器节点的负载信息，参数包括包括CPU利用率、内存利用率、带宽利用率、任务请求数；

(3)根据步骤(2)中收集到的负载信息，进行加权平均，节点权值之和为1，计算出每个服务器节点的总负载L(i),其中i为当前节点，取值为1-N，N是服务器节点总个数；

(4)根据负载参数动态调整周期值，实现周期随负载变化的动态更新；

(5)Nginx中实现自定义负载均衡算法模块,实现加权一致性哈希算法；

(6)动态调整加权一致性哈希算法的权值向量，更新算法中的服务器节点权值；

(7)Nginx负载均衡器根据加权一致性哈希算法寻找后端可用服务器节点，将任务请求分配到可用节点进行并发处理；

所述步骤(4)中，周期值的调整方法为：利用二次指数平滑法，通过每秒任务请求数的历史数据，预测下个周期的每秒任务请求数，从而计算下一个周期的周期长度，当预测请求数较高时，周期缩短；预测请求数较低时，周期延长；所述的周期长度p_t+1为：

其中周期长度p_t+1以初始周期8s为基础，取值范围为[6，15]以内的整数，非整数向下取整，低于6s时取值为6s，高于15s时取值为15s；Y为理想并发量，Y_t+1为通过二次指数平滑模型预测出的周期t+1内的请求数；

预测请求数Y_t+1的计算过程为：

Y_t+1＝a_t+b_t

其中是周期t时任务请求数的一次平滑值；y_t是周期t时任务请求量的实际值；是上个周期的一次平滑值，初始值取为前两个数据平均值；A是平滑常数，取值为0.6；

是周期t时任务请求数的二次平滑值；是上个周期的二次平滑值，初始值取为前两个数据平均值，a_t和b_t为二次平滑模型的参数变量。

2.根据权利要求1所述的一种动态周期的媒体服务器负载均衡算法,其特征在于，所述步骤(3)中，所述节点负载能力L(i)为：L(i)＝α×L_cpu(i)+β×L_mem(i)+γ×L_net(i)；

其中i为当前服务器节点，取值为1-N，N是服务器节点总个数；L_cpu(i)为当前服务器节点的CPU利用率、L_mem(i)为内存利用率、L_net(i)为带宽利用率；α、β、γ为权重系数；所述CPU利用率的权重系数α取值为0.4，内存利用率权重系数β取值为0.2，带宽利用率权重系数γ取值为0.4。

3.根据权利要求1所述的一种动态周期的媒体服务器负载均衡算法,其特征在于，所述步骤(6)中，动态权值调整采用模拟退火算法，步骤为：

(1)输入初始参数，计算目标函数初始值；输入参数包括初始解、初始温度、每个温度下的迭代次数、终止温度、阈值；

初始解向量x＝K0＝[K(1)K(2)……K(N)]，目标函数值为集群中所有节点负载能力的总和，计算公式为：

其中L(i)为权利要求1中所述的节点负载能力，K(i)为第i个服务器节点的权值；

(2)在初始解向量K0的基础上，随机上下扰动产生新解向量K_new：

K_new＝[K_new(1)K_new(2)……K_new(N)]；

其中random(-0.5，0.5)为产生一个取值范围在(-0.5，0.5)之间的随机数，T0为步骤(1)中输入的初始温度；

(3)计算新解的目标函数f(K_new)，对比初始值f(K0)得到变化量Δf＝f(K_new)-f(K0)，判断目标函数的值是否降低了，降低则接受新解为当前解，将向量K_new赋予向量K0继续循环，否则概率接受新解，概率函数为：

(4)内循环：此温度下重复步骤(2)、(3)，直到循环次数满足步骤(1)中初始参数要求，输出新解；

(5)外循环：此温度下迭代完成，降温，新温度T_new＝a×T0,a为降温系数，取值为0.98；新温度下继续重复步骤(2)、(3)、(4)，当满足步骤(1)中输入的终止温度时，降温结束，返回当前最优解K_new；

(6)当权值变化量ΔK大于步骤(1)中输入的阈值时，更新负载均衡器中服务器节点的权值参数，否则继续开始下一轮周期；所述权值变化量ΔK计算公式为：

其中i为当前服务器节点，取值为1-N，N是服务器节点总个数。