基于端局云化的vBRAS流量负载均衡方法及装置

摘要

本发明提供一种基于端局云化的vBRAS流量负载均衡方法及装置，属于通信技术领域。本发明的基于端局云化的vBRAS流量负载均衡方法，包括S1、获取各个端口的流量负载数据；S2、将各个端口的流量负载与阈值进行比较，获取流量负载大于阈值的端口；S3、将流量负载大于阈值的端口上的部分流量负载，按照第一预设条件迁移至其他端口上；S4、比较各个端口流量负载迁移前后，各个端口的流量负载大小，得到其中流量负载的最大值Pmaxg和最小值Pming，以及流量负载迁移前后的流量负载的最大值Pmaxk和最小值Pmink；S5、根据Pmaxg、Pming、Pmaxk、Pmink判断流量负载迁移后的各个端口的流量负载是否满足预设第二条件，以均衡个端口的负载流量。

说明书

技术领域

本发明属于通信技术领域，具体涉及一种基于端局云化的vBRAS流量负载均衡方法及装置。

背景技术

端局云化现已成为全球电信行业发展的重要趋势，端局云化技术是为了解决现有专业通信设备的不足而随之产生的。即是替代现今专有的设备，其功能可以被聚集或分解，并且在基础设施上实例化聚集或分解的功能。当前，端局云化已经成为全球电信产业界公认的发展重点。各国政府积极通过政策引导、资金投入等方式加快本国端局云化的战略布局和产业发展；国际和国内的端局云化产业巨头加快技术研发、企业转型和联盟合作以抢占端局云化发展的主导权和新兴市场空间。随着电信应用业务的快速增长，网络中的流量迅速增长，基于端局云化的vBRAS流量负载均衡系统对于端局云化的迅速持续发展具有重要意义。

现有端局云化应用系统随着电信应用业务的快速增长，网络中的流量迅速增长，导致业务的响应速度慢，伴之产生的网络拥塞程度高、利用率低、消耗高等问题日益突出。

同时，现有端局云化应用系统主要采用静态负载均衡算法,如:轮询调度算法(Round Robin Scheduling)、源地址散列调度算法(Source Hashing)、最小连接调度算法(Least Connection Scheduling)、加权轮询调度算法、基于局部最少连接调度等算法，未充分考虑到网络拥塞程度高、利用率低、消耗高等方面问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，提供一种可以降低网络拥塞程度、利用率高、消耗低的基于端局云化的vBRAS流量负载均衡方法及装置。

解决本发明技术问题所采用的技术方案是一种基于端局云化的vBRAS流量负载均衡方法，包括如下步骤：

S1、获取各个端口的流量负载数据，并进行存储；

S2、将各个端口的流量负载与阈值进行比较，获取流量负载大于阈值的端口；

S3、将流量负载大于阈值的端口上的部分流量负载，按照第一预设条件迁移至其他端口上，以使各个端口上的流量负载小于阈值；

S4、比较各个端口流量负载迁移前后，各个端口的流量负载大小，得到其中流量负载的最大值P_max^g和最小值P_min^g，以及流量负载迁移前后的流量负载的最大值P_max^k和最小值P_min^k；

S5、根据P_max^g、P_min^g、P_max^k、P_min^k判断流量负载迁移后的各个端口的流量负载是否满足预设第二条件；

S6、当判断出迁移后的各个端口的流量负载满足预设第二条件时，则完成各个端口的流量负载均衡；

当判断出迁移后的各个端口的流量负载不满足第二预设条件时，则将流量负载最大的端口上的部分流量负载按照第三预设条件迁移其他端口上，重复步骤S4和S5，直至判断出迁移后的各个端口的流量负载满足第二预设条件，或者当端口的流量负载迁移次数大于预设值时，完成各个端口的流量负载均衡。

优选的是，所述S1具体包括：

获取当前的各个端口的流量负载数据，并按照m×n的矩阵形式进行存储，其中，m、n均为大于等于1的整数。

优选的是，所述S2中的阈值为各个端口的流量负载的平均值。

优选的是，所述S3具体包括：

将各个端口排成环形节点；

确定出流量负载最大的端口作为初始节点，依次将超出阈值的部分流量负载迁移至最近两个节点中流量负载最小的节点上，以使各个节点的流量负载均小于阈值。

优选的是，所述S4中的第二预设条件为：

$(1/n^2)*\sqrt{{({P_{\max }}^g-{P_{\min }}^g)}^2+{({P_{\max }}^k-{P_{\min }}^k)}^2}\le n*{\left(S^k\right)}^2,k=1,2,...,d;$

其中，(S^k)²为各个端口的流量负载的方差值，k为迁移次数，d为大于2的整数。

优选的是，所述当判断出迁移后的各个端口的流量负载不满足第二预设条件时，则将流量负载最大的端口上的部分流量负载按照第三预设条件迁移其他端口上的步骤具体包括：

当判断出迁移后的各个端口的流量负载不满足第二预设条件时，则将流量负载最大的端口上的部分流量负载迁移至与该端口最近的两个端口中负载流量最小的一个上，且保证各个端口的流量负载小于阈值。

解决本发明技术问题所采用的技术方案是一种基于端局云化的vBRAS流量负载均衡装置，其特征在于，包括：

获取单元，用于获取各个端口的流量负载数据，并进行存储；

第一比较单元，用于将各个端口的流量负载与阈值进行比较，获取流量负载大于阈值的端口；

第一负载流量迁移单元，用于将流量负载大于阈值的端口上的部分流量负载，按照第一预设条件迁移至其他端口上，以使各个端口上的流量负载小于阈值；

第二比较单元，用于比较各个端口流量负载迁移前后，各个端口的流量负载大小，得到其中流量负载的最大值P_max^g和最小值P_min^g，以及流量负载迁移前后的流量负载的最大值P_max^k和最小值P_min^k；

判断单元，用于根据P_max^g、P_min^g、P_max^k、P_min^k判断流量负载迁移后的各个端口的流量负载是否满足预设第二条件；

第二负载流量迁移单元，用于当判断出迁移后的各个端口的流量负载不满足第二预设条件时，则将流量负载最大的端口上的部分流量负载按照第三预设条件迁移其他端口上，直至判断出迁移后的各个端口的流量负载满足预设条件，或者当端口的流量负载迁移次数大于预设值时，完成各个端口的流量负载均衡。

优选的是，所述获取单元，具体用于获取当前的各个端口的流量负载数据，并按照m×n的矩阵形式进行存储，其中，m、n均为大于等于1的整数。

优选的是，所述第一负载流量迁移单元，具体用于将各个端口排成环形节点；

确定出流量负载最大的端口作为初始节点，依次将超出阈值的部分流量负载迁移至最近两个节点中流量负载最小的节点上，以使各个节点的流量负载均小于阈值。

优选的是，所述第二预设条件为：

$(1/n^2)*\sqrt{{({P_{\max }}^g-{P_{\min }}^g)}^2+{({P_{\max }}^k-{P_{\min }}^k)}^2}\le n*{\left(S^k\right)}^2,k=1,2,...,d;$

其中，(S^k)²为各个端口的流量负载的方差值，k为迁移次数，d为大于2的整数。

优选的是，所述第二负载流量迁移单元，具体用于当判断出迁移后的各个端口的流量负载不满足第二预设条件时，则将流量负载最大的端口上的部分流量负载迁移至与该端口最近的两个端口中负载流量最小的一个上，且保证各个端口的流量负载小于阈值。

本发明具有有益效果：

综上，本实施例的基于端局云化的vBRAS流量负载均衡方法对各端口的流量负载等因素实时地分析而得到动态分配策略。根据实时的各端口流量负载得到新的策略，能够得到更优异的分配方案，相对更能适应实时的端口流量负载并根据各端口的动态流量负载全局化合理分配网络资源。

附图说明

图1为本发明的实施例1的基于端局云化的vBRAS流量负载均衡方法的流程图；

图2为本发明的实施例1的基于端局云化的vBRAS流量负载均衡方法的各个端口的环形排布图；

图3为本发明的实施例2的基于端局云化的vBRAS流量负载均衡装置的示意图。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。

实施例1：

如图1所示，本实施例提供一种基于端局云化的vBRAS流量负载均衡方法，具体包括如下步骤：

S1、获取各个端口的流量负载数据，并进行存储。

该步骤具体可以为：获取当前的各个端口的流量负载数据，并按照m×n的矩阵形式进行存储，m、n均为大于等于1的整数。其中，获取端口流量负载数据可以是接收各个端口主动上报的流量负载数据，也可以是定期被询问机制获取的端口流量负载数据。流量负载矩阵：

k为获取的各个端口的流量负载次数，或者说是迁移/调整/迭代各个端口的流量负载次数。

S2、将各个端口的流量负载与阈值进行比较，获取流量负载大于阈值的端口。

该步骤中的阈值为预设设置的参数，而该阈值优选为各个端口的流量负载的平均值。在该步骤中可以确定流量负载最大和最小的端口即，同时可以根据值阈值确定出流量负载过度的端口(流量负载大于阈值的端口)和过度空闲的端口(流量负载小于阈值的端口)。

S3、将流量负载大于阈值的端口上的部分流量负载，按照第一预设条件迁移至其他端口上，以使各个端口上的流量负载小于阈值。

也就是说在该步骤中对流量负载过度的端口上的流量负载进行调整，以使这些端口上的流量负载不再过度。具体的，该步骤可以包括：

1、将各个端口排成环形节点。

2、确定出流量负载最大的端口作为初始节点，依次将超出阈值的部分流量负载迁移至最近两个节点中流量负载最小的节点上，以使各个节点的流量负载均小于阈值。

S4、比较各个端口流量负载迁移前后，各个端口的流量负载大小，得到其中流量负载的最大值P_max^g和最小值P_min^g，以及流量负载迁移前后的流量负载的最大值P_max^k和最小值P_min^k。

S5、根据P_max^g、P_min^g、P_max^k、P_min^k判断流量负载迁移后的各个端口的流量负载是否满足预设第二条件。

其中，第二预设条件可以为：

$(1/n^2)*\sqrt{{({P_{\max }}^g-{P_{\min }}^g)}^2+{({P_{\max }}^k-{P_{\min }}^k)}^2}\le n*{\left(S^k\right)}^2,k=1,2,...,d;$

其中，(S^k)²为各个端口的流量负载的方差值，k为迁移次数，d为大于2的整数。

具体的，如图2所示的各个流量负载的端口的环形排布方式，其数学模型可表示为：

$\overline{P_i^k}=(1/n)\underset{j=1}{\overset{n}{\Sigma }}{P}_{ij}^k,i=1,2,...m,k=1,2,...,d---(1-2)$

${\left(S_i^k\right)}^2=(1/n)\underset{j=1}{\overset{n}{\Sigma }}(P_{ij}^k-{\left(P_i^k\right)}^2),i=1,2,...m,j=1,2,...,n,k=1,2,...,d---(1-3)$

$\overline{P^k}=(1/m*n)*\underset{i=1}{\overset{m}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}{P}_{ij}^k=(1/n)*\underset{i=1}{\overset{m}{\Sigma \Sigma }}n*\overline{P_i^k},i=1,2,\mathrm{...}m,j=1,2,\mathrm{...},n,k=1,2,\mathrm{...},d---(1-4)$

${\left(S^k\right)}^2=(1/m*n)*\underset{i=1}{\overset{m}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}{(P_{ij}^k-\overline{P^k})}^2,i=1,2,\mathrm{...}m,j=1,2,\mathrm{...},n,k=1,2,\mathrm{...},d---(1-5)$

其中式(1-2)和(1-3)中的和(S_i^k)²分别为式(1-1)中第i行端口即节点的样本平均及样本方差，式(1-4)和(1-5)中的和(S^k)²分别为全部端口即节点的平均值及方差，简称为总平均值及总方差。假设P₁^k,P₂^k,…,P_m^k相互独立，并假定P_i^k服从正态分布。式(1-2)至式(1-5)中的k表示第k次迭代，需满足k＝1,2,…,d的条件。

$\begin{array}{c}n*{\left(S^k\right)}^2\\ =\underset{i=1}{\overset{m}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}{({P_{ij}}^k-\overline{P^k})}^2\\ =\underset{i=1}{\overset{m}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}{[({P_{ij}}^k-\overline{P_i^k})-(\overline{P_i^k}-\overline{P^k})]}^2\\ =\underset{i=1}{\overset{m}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}{({P_{ij}}^k-\overline{P_i^k})}^2+\underset{i=1}{\overset{m}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}{(\overline{{P^k}_i}-\overline{P^k})}^2\\ =\underset{i=1}{\overset{m}{\Sigma }}n*{\left(S^k\right)}^2+\underset{i=1}{\overset{m}{\Sigma }}n*{(\overline{P_i^k}-\overline{P^k})}^2,\\ i=1,2,\mathrm{...}m,j=1,2,\mathrm{...},n,k=1,2,\mathrm{...},d\end{array}---(1-6)$

其中，

记

${U_1}^k=\underset{i=1}{\overset{m}{\Sigma }}n*{(\overline{P_i^k}-\overline{P^k})}^2---(1-9)$

则：

n*(S^k)²＝Q_e^k+U₁^k>

S_all^k＝n*(S^k)²>

总离差平方和的分解式(1-6)中的Q_e^k和U₁^k分别表示误差项平方和及因子的平方和，式(1-7)表示P₁^k,P₂^k,…,P_m^k相互独立，式(1-11)中的S_all^k为总离差平方和。

评价函数，也就是第二预设条：

$(1/n^2)*\sqrt{{({P_{\max }}^g-{P_{\min }}^g)}^2+{({P_{\max }}^k-{P_{\min }}^k)}^2}\le n*{\left(S^k\right)}^2,k=1,2,...,d---(1-12)$

上式(1-12)中，P_max^g和P_min^g分别为迁移前后的负载最大和最小端口即节点流量值，P_max^k和P_min^k分别为当次迁移(迭代)即第k次迭代的负载最大和最小端口即节点流量值，其中k必须满足k≤d条件，n*(S^k)²为第k次迭代总离差平方和。式(1-6)至式(1-12)中的k表示第k次迭代，需满足k＝1,2,…,d的条件。

S6、当判断出迁移后的各个端口的流量负载满足预设第二条件时，则完成各个端口的流量负载均衡。也就是说，通过步骤S4调整后的各个端口上的流量负载已经均衡。

当判断出迁移后的各个端口的流量负载不满足第二预设条件时，则将流量负载最大的端口上的部分流量负载按照第三预设条件迁移其他端口上，重复步骤S4和S5，直至判断出迁移后的各个端口的流量负载满足预设条件，或者当端口的流量负载迁移次数大于预设值时，完成各个端口的流量负载均衡。

此时，也就是步骤S4中的一次调整仍然不能保证各个端口的流量负载是均衡的，此时需要继续调整，也即采用上述术方法进行迭代，直至判断出迁移后的各个端口的流量负载满足第二预设条件，也即满足：

$(1/n^2)*\sqrt{{({P_{\max }}^g-{P_{\min }}^g)}^2+{({P_{\max }}^k-{P_{\min }}^k)}^2}\le n*{\left(S^k\right)}^2,k=1,2,...,d.$

当然，在最大迭代次数后，也即对各个端口上的流量负载进行迁移多次后，各个端口的流量负载仍然还不满足第二预设条件，此时也就是停止继续迭代，认为各个流量端口的流量负载均衡。

综上，本实施例的基于端局云化的vBRAS流量负载均衡方法对各端口的流量负载等因素实时地分析而得到动态分配策略。根据实时的各端口流量负载得到新的策略，能够得到更优异的分配方案，相对更能适应实时的端口流量负载并根据各端口的动态流量负载全局化合理分配网络资源。

实施例2：

如图3所示，本实施例提供一种基于端局云化的vBRAS流量负载均衡装置，包括：获取单元、第一比较单元、第一负载流量迁移单元、第二比较单元、判断单元、第二负载流量迁移单元。

其中，获取单元用于获取各个端口的流量负载数据，并进行存储。该获取单元具体用于第二负载流量迁移单元。其中，获取端口流量负载数据可以是接收各个端口主动上报的流量负载数据，也可以是定期被询问机制获取的端口流量负载数据。

第一比较单元用于将各个端口的流量负载与阈值进行比较，获取流量负载大于阈值的端口。

其中，阈值为预设设置的参数，而该阈值优选为各个端口的流量负载的平均值。第一比较单元可以确定流量负载最大和最小的端口即，同时可以根据值阈值确定出流量负载过度的端口(流量负载大于阈值的端口)和过度空闲的端口(流量负载小于阈值的端口)。

第一负载流量迁移单元用于将流量负载大于阈值的端口上的部分流量负载，按照第一预设条件迁移至其他端口上，以使各个端口上的流量负载小于阈值。

其中，该第一负载流量迁移单元具体可以用于1、将各个端口排成环形节点。

2、确定出流量负载最大的端口作为初始节点，依次将超出阈值的部分流量负载迁移至最近两个节点中流量负载最小的节点上，以使各个节点的流量负载均小于阈值。

第二比较单元，用于比较各个端口流量负载迁移前后，各个端口的流量负载大小，得到其中流量负载的最大值P_max^g和最小值P_min^g，以及流量负载迁移前后的流量负载的最大值P_max^k和最小值P_min^k；

判断单元，用于根据P_max^g、P_min^g、P_max^k、P_min^k判断流量负载迁移后的各个端口的流量负载是否满足预设第二条件。

其中，其中，第二预设条件可以为：

$(1/n^2)*\sqrt{{({P_{\max }}^g-{P_{\min }}^g)}^2+{({P_{\max }}^k-{P_{\min }}^k)}^2}\le n*{\left(S^k\right)}^2,k=1,2,...,d;$

其中，(S^k)²为各个端口的流量负载的方差值，k为迁移次数，d为大于2的整数。

第二负载流量迁移单元用于当判断出迁移后的各个端口的流量负载不满足第二预设条件时，则将流量负载最大的端口上的部分流量负载按照第三预设条件迁移其他端口上，直至判断出迁移后的各个端口的流量负载满足预设条件，或者当端口的流量负载迁移次数大于预设值时，完成各个端口的流量负载均衡。

其中，第二负载流量迁移单元具体用于当判断出迁移后的各个端口的流量负载不满足第二预设条件时，则将流量负载最大的端口上的部分流量负载迁移至与该端口最近的两个端口中负载流量最小的一个上，且保证各个端口的流量负载小于阈值。

综上，本实施例的基于端局云化的vBRAS流量负载均衡装置对各端口的流量负载等因素实时地分析而得到动态分配策略。根据实时的各端口流量负载得到新的策略，能够得到更优异的分配方案，相对更能适应实时的端口流量负载并根据各端口的动态流量负载全局化合理分配网络资源。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。