公开/公告号CN112732451A
专利类型发明专利
公开/公告日2021-04-30
原文格式PDF
申请/专利权人 吉林工程技术师范学院;
申请/专利号CN202110089754.9
申请日2021-01-22
分类号G06F9/50(20060101);
代理机构11624 北京卓岚智财知识产权代理事务所(特殊普通合伙);
代理人郭智
地址 130052 吉林省长春市凯旋路3050号
入库时间 2023-06-19 10:48:02
技术领域
本发明属于负载均衡技术领域,尤其涉及一种云环境中的负载均衡系统。
背景技术
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透明的方法扩展网络设备和服务器的带宽、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。负载均衡(Load Balance)其意思就是分摊到多个操作单元上进行执行,例如Web服务器、FTP服务器、企业关键应用服务器和其它关键任务服务器等,从而共同完成工作任务。负载均衡有三种部署方式:路由模式、桥接模式、服务直接返回模式。路由模式部署灵活,约60%的用户采用这种方式部署;桥接模式不改变现有的网络架构;服务直接返回(DSR)比较适合吞吐量大特别是内容分发的网络应用。约30%的用户采用这种模式。然而,现有云环境中的负载均衡系统存在静态非实时且缺乏网络控制的缺陷,且未充分考虑到业务链系统的业务拥塞度高、负载失衡等方面问题;同时,资源调度效率不高。
综上所述,现有技术存在的问题是:现有云环境中的负载均衡系统存在静态非实时且缺乏网络控制的缺陷,且未充分考虑到业务链系统的业务拥塞度高、负载失衡等方面问题;同时,资源调度效率不高。
发明内容
针对现有技术存在的问题,本发明提供了一种云环境中的负载均衡系统。
本发明是这样实现的,一种云环境中的负载均衡系统包括:
服务器信息采集模块、中央控制模块、负载监测模块、策略生成模块、策略执行模块、路由优化模块、调度模块、显示模块;
服务器信息采集模块,与中央控制模块连接,用于采集云服务器CPU使用率、内存使用率、web应用请求时间、磁盘IO利用率信息数据;
中央控制模块,与服务器信息采集模块、负载监测模块、策略生成模块、策略执行模块、路由优化模块、调度模块、显示模块连接,用于控制各个模块正常工作;
负载监测模块,与中央控制模块连接,用于通过负载监测程序监测网络设备及云服务器负载信息;
策略生成模块,与中央控制模块连接,用于生成负载均衡策略文件;
策略执行模块,与中央控制模块连接,用于执行负载均衡策略文件;
路由优化模块,与中央控制模块连接,用于通过优化程序对云环境路由链路进行优化;
调度模块,与中央控制模块连接,用于通过调度程序对云环境资源进行调度;
显示模块,与中央控制模块连接,用于通过显示器显示采集的云服务器信息、负载信息、路由分析结果。
进一步,所述路由优化模块分析方法如下:
(1)根据云服务器CPU使用率、内存使用率、web应用请求时间、磁盘IO利用率信息数据构建负载均衡策略;获取各负载均衡策略的负载均衡信息矩阵,所述负载均衡信息矩阵包括当前业务链路的拥塞度和当前最大链路利用率;
(2)根据各负载均衡信息矩阵中的当前业务链路的拥塞度和当前最大链路利用率确定出最优负载均衡信息矩阵;
(3)输出所述最优负载均衡信息矩阵。
进一步,所述根据各负载均衡信息矩阵中的当前业务链路的拥塞度和当前最大链路利用率确定出最优负载均衡信息矩阵方法包括:
(2.1)根据各负载均衡信息矩阵中的当前业务链路的拥塞度和当前最大链路利用率生成各负载均衡信息矩阵的当前的判断参量;
(2.2)对比各负载均衡信息矩阵的当前的判断参量,确定出当前具有最小判断参量的负载均衡信息矩阵;并生成当前具有最小判断参量的负载均衡信息矩阵的评价值和评价参考值;
(2.3)判断所述评价值是否小于或等于所述评价参考值,若否,执行步骤(2.4),若是,执行步骤(2.6);
(2.4)根据各负载均衡信息矩阵的当前业务链路的拥塞度和当前最大链路利用率生成各负载均衡信息矩阵的迭代后的业务链路的拥塞度和最大链路利用率;
(2.5)以各负载均衡信息矩阵的迭代后的业务链路的拥塞度作为当前业务链路的拥塞度,并以各负载均衡信息矩阵的迭代后的最大链路利用率作为当前最大链路利用率,执行步骤(2.1);
(2.6)确定当前具有最小判断参量的负载均衡信息矩阵为最优负载均衡信息矩阵并输出所述最优负载均衡信息矩阵。
进一步,所述生成当前具有最小判断参量的负载均衡信息矩阵的评价值和评价参考值方法:
(2.2.1)根据当前具有最小判断参量的负载均衡信息矩阵的当前业务链路的拥塞度和当前最大链路利用率生成当前具有最小判断参量的负载均衡信息矩阵的评价值和评价参考值。
进一步,所述步骤(2.1)之前还包括:设置迭代初始参数k=0;
步骤a、将当前迭代次数k进行加1处理;
步骤b、根据当前业务链路的拥塞度和当前最大链路利用率生成当前复合向量,当前复合向量为
步骤c、根据当前复合向量确定出当前复合向量的最大值和当前复合向量的最小值;
步骤d、将当前当前复合向量、当前复合向量的最大值和当前复合向量的最小值代入判断参量公式:
其中,Z
进一步,所述调度模块调度方法如下:
1)配置服务器工作参数,并通过响应监测程序获取服务器的响应优先级信息;按照各个服务器的响应优先级对服务器排序;
2)接收到用户请求后,将所述用户请求分发给响应优先级最高的服务器。
进一步,所述服务器的响应优先级p通过以下公式计算:
其中,a
进一步,所述计算资源包括以下至少一种:CPU、内存。
进一步,所述获取服务器的响应优先级信息,包括以下至少一种:
接收服务器周期性上报的响应优先级信息;
接收服务器响应于新的用户请求后重新计算的响应优先级信息;
向服务器发送优先级查询请求,接收所述服务器返回的优先级查询响应,所述优先级查询响应中携带所述服务器的响应优先级信息;
在负载均衡器启动时,向服务器发送优先级评级请求,接收服务器返回的优先级评级响应,所述优先级评级响应中携带所述服务器的响应优先级信息。
本发明的优点及积极效果为:本发明通过路由优化模块根据各负载均衡信息矩阵中的当前业务链路的拥塞度和当前最大链路利用率确定出最优负载均衡信息矩阵,从而确定出与最优负载均衡信息矩阵对应的最优的负载均衡策略,从而实现了业务链的负载均衡,优化了业务链的拥塞度和最大链路利用率;同时,通过调度模块能够实时获取表示服务器处理性能的优先级信息,根据优先级调度性能最好的服务器响应用户请求,从而提高了负载均衡的调度效率,更加快捷地处理用户请求,减小网络压力。
附图说明
图1是本发明实施例提供的云环境中的负载均衡系统结构框图。
图2是本发明实施例提供的路由优化模块分析方法流程图。
图3是本发明实施例提供的根据各负载均衡信息矩阵中的当前业务链路的拥塞度和当前最大链路利用率确定出最优负载均衡信息矩阵方法流程图。
图4是本发明实施例提供的生成当前具有最小判断参量的负载均衡信息矩阵的评价值和评价参考值方法流程图。
图5是本发明实施例提供的调度模块调度方法流程图。
图1中:1、服务器信息采集模块;2、中央控制模块;3、负载监测模块;4、策略生成模块;5、策略执行模块;6、路由优化模块;7、调度模块;8、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的云环境中的负载均衡系统包括:服务器信息采集模块1、中央控制模块2、负载监测模块3、策略生成模块4、策略执行模块5、路由优化模块6、调度模块7、显示模块8。
服务器信息采集模块1,与中央控制模块2连接,用于采集云服务器CPU使用率、内存使用率、web应用请求时间、磁盘IO利用率信息数据;
中央控制模块2,与服务器信息采集模块1、负载监测模块3、策略生成模块4、策略执行模块5、路由优化模块6、调度模块7、显示模块8连接,用于控制各个模块正常工作;
负载监测模块3,与中央控制模块2连接,用于通过负载监测程序监测网络设备及云服务器负载信息;
策略生成模块4,与中央控制模块2连接,用于生成负载均衡策略文件;
策略执行模块5,与中央控制模块2连接,用于执行负载均衡策略文件;
路由优化模块6,与中央控制模块2连接,用于通过优化程序对云环境路由链路进行优化;
调度模块7,与中央控制模块2连接,用于通过调度程序对云环境资源进行调度;
显示模块8,与中央控制模块2连接,用于通过显示器显示采集的云服务器信息、负载信息、路由分析结果。
如图2所示,本发明提供的路由优化模块6分析方法如下:
S101,根据云服务器CPU使用率、内存使用率、web应用请求时间、磁盘IO利用率信息数据构建负载均衡策略;获取各负载均衡策略的负载均衡信息矩阵,所述负载均衡信息矩阵包括当前业务链路的拥塞度和当前最大链路利用率;
S102,根据各负载均衡信息矩阵中的当前业务链路的拥塞度和当前最大链路利用率确定出最优负载均衡信息矩阵;
S103,输出所述最优负载均衡信息矩阵。
如图3所示,本发明提供的根据各负载均衡信息矩阵中的当前业务链路的拥塞度和当前最大链路利用率确定出最优负载均衡信息矩阵方法包括:
S201,根据各负载均衡信息矩阵中的当前业务链路的拥塞度和当前最大链路利用率生成各负载均衡信息矩阵的当前的判断参量;
S202,对比各负载均衡信息矩阵的当前的判断参量,确定出当前具有最小判断参量的负载均衡信息矩阵;并生成当前具有最小判断参量的负载均衡信息矩阵的评价值和评价参考值;
S203,判断所述评价值是否小于或等于所述评价参考值,若否,执行步骤S204,若是,执行步骤S206;
S204,根据各负载均衡信息矩阵的当前业务链路的拥塞度和当前最大链路利用率生成各负载均衡信息矩阵的迭代后的业务链路的拥塞度和最大链路利用率;
S205,以各负载均衡信息矩阵的迭代后的业务链路的拥塞度作为当前业务链路的拥塞度,并以各负载均衡信息矩阵的迭代后的最大链路利用率作为当前最大链路利用率,执行步骤S201;
S206,确定当前具有最小判断参量的负载均衡信息矩阵为最优负载均衡信息矩阵并输出所述最优负载均衡信息矩阵。
如图4所示,本发明提供的生成当前具有最小判断参量的负载均衡信息矩阵的评价值和评价参考值方法:
S301,根据当前具有最小判断参量的负载均衡信息矩阵的当前业务链路的拥塞度和当前最大链路利用率生成当前具有最小判断参量的负载均衡信息矩阵的评价值和评价参考值。
本发明提供的步骤S201之前还包括:设置迭代初始参数k=0;
步骤a、将当前迭代次数k进行加1处理;
步骤b、根据当前业务链路的拥塞度和当前最大链路利用率生成当前复合向量,当前复合向量为
步骤c、根据当前复合向量确定出当前复合向量的最大值和当前复合向量的最小值;
步骤d、将当前当前复合向量、当前复合向量的最大值和当前复合向量的最小值代入判断参量公式:
其中,Z
如图5所示,本发明提供的调度模块7调度方法如下:
S401,配置服务器工作参数,并通过响应监测程序获取服务器的响应优先级信息;按照各个服务器的响应优先级对服务器排序;
S402,接收到用户请求后,将所述用户请求分发给响应优先级最高的服务器。
本发明提供的服务器的响应优先级p通过以下公式计算:
其中,a
本发明提供的计算资源包括以下至少一种:CPU、内存。
本发明提供的获取服务器的响应优先级信息,包括以下至少一种:
接收服务器周期性上报的响应优先级信息;
接收服务器响应于新的用户请求后重新计算的响应优先级信息;
向服务器发送优先级查询请求,接收所述服务器返回的优先级查询响应,所述优先级查询响应中携带所述服务器的响应优先级信息;
在负载均衡器启动时,向服务器发送优先级评级请求,接收服务器返回的优先级评级响应,所述优先级评级响应中携带所述服务器的响应优先级信息。
本发明工作时,首先,通过服务器信息采集模块1采集云服务器CPU使用率、内存使用率、web应用请求时间、磁盘IO利用率信息数据;其次,中央控制模块2通过负载监测模块3利用负载监测程序监测网络设备及云服务器负载信息;通过策略生成模块4生成负载均衡策略文件;通过策略执行模块5执行负载均衡策略文件;通过路由优化模块6利用优化程序对云环境路由链路进行优化;然后,通过调度模块7利用调度程序对云环境资源进行调度;最后,通过显示模块8利用显示器显示采集的云服务器信息、负载信息、路由分析结果。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
机译: 在云环境中负载均衡数据库的方法和系统
机译: 云环境中负载均衡数据库的方法和系统
机译: 用于在智能媒体云环境中自动化的数据管理和选择个人媒体设备的系统以及一种能够建议/管理最佳媒体环境的方法