考慮帶寬限制的網絡通信負載自適應均衡方法

羅偉華

(福建信息職業技術學院 物聯網與人工智能學院,福建 福州 350000)

隨著網絡通信的不斷發展和應用的廣泛推廣,在網絡通信過程中,某些節點或鏈路可能會出現負載過重的情況,導致延遲增加、丟包率上升等問題。通過采用負載自適應均衡策略,可以及時調整流量分布,避免節點或鏈路的負載過重,從而提高網絡的吞吐量和響應速度,提升用戶體驗。[1-2]針對網絡通信負載自適應均衡,宋錦華等提出基于移動邊緣計算的通信網絡動態負載均衡方法。首先基于信道狀態設置傳輸策略,以開銷最小為目標,利用邊緣計算方法切換網絡基站,實現動態負載均衡。[3]向征提取基于改進拉格朗日松弛算法的通信網絡負載均衡優化方法,基于鏈路時延、丟包率等設置限制條件,構建通信網絡路由模型;采用改進的拉格朗日松弛算法求解模型,實現網絡通信負載均衡。[4]在以上研究成果的基礎上,進一步提升網絡通信負載均衡效果,提出考慮帶寬限制的網絡通信負載自適應均衡方法。

1 網絡通信流量信息監測

網絡通信流量信息可以通過應用程序編程接口函數映射出來,包括與遠程主機連接、文件下載和創建文件等。因此,本文使用自動運行和分析文件的工具Cuckoo沙箱提取網絡流量的動態調用序列。通過在主機上啟動客戶機中的樣本,可以提取網絡數據流量。網絡通信流量的主要指標為大象流,其監測可以通過流量統計機制實現,在此基礎上利用計數器統計出可用帶寬下每個周期內各條流的數據信息接收情況,由此獲取流量帶寬。鏈路x上第l條通信流的可用傳輸帶寬計算公式為：

(1)

式(1)中：TT和Tt分別代表流量在網絡通道T以及t時刻所傳輸的字節數。在此基礎上設定鏈路帶寬中用于區分大小流量的區分閾值,若D(xl)超過所規定的閾值,則視為大象流,執行監測操作,反之則不做監測。[5]

當鏈路負載超過了鏈路可用帶寬將會直接導致流量擁塞,降低鏈路利用率,鏈路利用率的表達式如下：

(2)

式(2)中：B(xl)描述鏈路容量,即可用傳輸帶寬;Zx和Ux分別代表鏈路端口發送和接收的字節數。從而得出單位時間內產生流量度量值：

(3)

式(3)中,R為單位時間內產生的網絡流量,δ為負指數分布參數,P1為網絡流量屬于老鼠流的概率,θ1為老鼠流大小,P2為流量屬于大象流的概率,θ2為大象流大小。

根據流量度量值計算結果,判斷待調度流量,具體計算公式為：

(4)

式(4)中,r為平均傳輸速率在鏈路帶寬中的占比,λ為流量生存時間。根據待調度流量的大小,確定調度主動隊列后,考慮到部分節點易產生擁塞問題,采用尾部丟棄策略對流量數據主動隊列進行調整,按照調整的順序完成網絡通信流量信息監測。

2 網絡通信流量信息預處理

上節獲得的網絡通信流量信息監測結果中含有大量干擾信號,影響后續的負載均衡效果。因此引入小波變換算法對監測流量信息進行相空間重構,展開去噪預處理。

(5)

式(5)中,g是鏡像濾波器系數;h是等效濾波器系數。

按照時間間隔υj=2j-1抽取fj和dj,通過分形濾波方法壓縮處理網絡流量中存在的噪聲,根據濾波函數fF分形維數的變化情況對網絡流量展開濾波處理。網絡流量當噪聲含量較多時,較為曲折,函數fF的值較大;網絡流量當噪聲含量較小時,函數fF的值較小。[6]在模糊參數控制的基礎上建立流量信息去噪公式：

(6)

式(6)中,β是模糊控制參量。

當網絡流量中的噪聲較多時,降低參量β;當網絡流量中的噪聲較少時,參數β的值接近1,此時網絡流量不發生變化。通過上述公式獲得去噪后的網絡流量,其中每個信號描述的是原始流量的相空間重構結果。

由于網絡流量大數據體量過大,分布較為隨機,若在去噪后直接對其進行應用,會大幅度地增加后續帶寬均衡的運算量,降低提出方法的整體效率。故采用分簇聚類算法對去噪后的網絡流量數據進行進一步聚類處理,為后續研究進行奠定基礎。

設置網絡流量大數據的初始分簇聚類中心為{c1,c2,…,cj,…,cK},去噪后的網絡流量大數據xi與聚類中心cj之間的距離計算公式為：

(7)

式(7)中,cov(xi,cj)為xi與cj的協方差數值;σ(xi)與σ(cj)分別為xi與cj的方差數值;εij為是距離計算誤差調整項,其取值范圍為[0,1]。[7-8]

當d(xi,cj)達到最小值時,將網絡流量數據xi劃分到分簇聚類中心cj的簇中。以分簇聚類平均數值作為下一次分簇聚類中心,重復迭代進行分簇聚類操作,直至滿足算法迭代停止條件為止。[9]以網絡流量大數據X={x1,x2,…,xi,…,xn}作為分簇聚類算法輸入變量,輸出結果即為網絡流量大數據分簇聚類結果,記為CK={c1,c2,…,cj}。由此完成網絡通信流量信息的去噪和聚類預處理,作為網絡通信負載自適應均衡模型輸入的基礎數據。

3 考慮帶寬限制構建網絡通信負載自適應均衡模型

為更加精準地控制網絡通信負載達到均衡,首要環節是構建鏈路信道傳輸模型,以此為基礎獲取鏈路負載,為后續自適應均衡奠定基礎。

網絡通信鏈路傳輸碼元之間采用固定間隔分布(分布間隔距離記為d),利用采樣周期抽頭間隔采樣模式獲取通信鏈路信道傳輸模糊度函數,表達式為：

(8)

式(8)中,m為第j條通信鏈路中存在傳輸節點的總數量;sj(t)為第j個通信鏈路信道傳輸節點的狀態特征量;t為流量傳輸當前時間;α為傳輸節點狀態特征量輔助衡量因子,取值范圍為[0,1];ηj(t)為通信鏈路信道輸出結果的調整項,其決定著輸出矩陣的精準度。通信鏈路負載沖激響應模型表達式為：

(9)

式(9)中,βj(t)為通信鏈路中第j個傳輸節點的沖激響應系數;χj(t)為通信鏈路中第j個傳輸節點的傳輸譜密度特征量;δj(t-Ts)為通信鏈路中第j個傳輸節點的負載響應時延參量。其中,Ts為傳輸節點負載響應時間。

以上述公式為基礎,構造通信鏈路負載計算公式：

(10)

式(10)中,ζj(t)為第j條通信鏈路的負載數值;γ為模糊度權重系數;I為通信鏈路負載數值標準處理參量;εj(t)為通信鏈路負載數值調整項,其需要根據通信鏈路負載實際情況進行設置。

上述過程完成了通信鏈路信道傳輸模型的構建與鏈路負載計算公式的構造,為后續負載均衡模型奠定基礎。

以負載自適應均衡為優化目標,通信網絡邏輯拓撲中各通信鏈路的數據流量相等,即各信道負載均衡,[10]保證模型目標函數最小化,此時實現負載自適應均衡。負載自適應均衡模型公式如下所示：

(11)

式(11)中,A、B均為權重矩陣,作用是平衡傳輸性能與帶寬開銷;U為網絡通信節點可用的信道;G描述通信網絡邏輯拓撲;h描述G中邏輯鏈路的極限容量。

網絡通信負載自適應均衡可以有效利用有限的帶寬資源,避免某些節點或鏈路被過度擁塞,從而提高整體網絡的性能和響應速度。帶寬限制意味著在網絡中存在帶寬狹窄或擁塞的環境。通過負載自適應均衡,可以將網絡通信負載均勻地分配到可用帶寬資源上,避免出現單一節點或鏈路負載過重的情況,從而實現負載均衡,提高整體吞吐量。在帶寬受限的情況下,某些節點或鏈路的負載可能會超出其所分配的帶寬限制,導致流量越限。通過進行負載自適應均衡,可根據帶寬限制動態調整負載分布,避免流量越界,確保網絡通信在可控范圍內進行。

綜上所述,網絡通信負載自適應均衡模型需要設立帶寬限制條件。為了使通信網絡鏈路流量達到均衡狀態,G中通信鏈路i,j的數據均衡流量λi,j需要滿足在網絡最大鏈路負載之下,即：

λi,j≤λmax

(12)

G中鏈路i,j上流量不能超過G帶寬容量極限值,即：

λi,j≤Y(xl)Kij

(13)

其中,Y(xl)即信道帶寬利用率,帶寬使用率越小,網絡流量數據隊列等待時間越短。

在以上限制條件約束下,求解負載自適應均衡模型的最優值。

4 基于灰狼算法實現網絡通信負載自適應均衡

灰狼算法是一種基于自然界中灰狼的群體行為而發展起來的全局優化算法。它模擬了灰狼群體的社會行為,在解決優化問題時展現出很高的效率和魯棒性。本文采用灰狼算法對上節獲得的負載自適應均衡模型求解。將混沌理論中的Kent映射引入灰狼算法的種群初始化中,公式如下所示：

(14)

式(14)中,zl為第l次迭代計算后的獵物位置;δ為混沌映射的一般參數;zmax,p代表第p只灰狼與獵物的最遠距離;zmin,q為第q只灰狼與獵物的最短距離;zl,q為第q只灰狼與獵物的距離。

在負載自適應均衡模型中設置最大迭代次數,計算群體中所有灰狼個體的適應度值,公式如下所示：

(15)

式(15)中,y為灰狼個體;ε1、ε2均為慣性權重的調節因子。

當灰狼追尋到獵物后會包圍獵物,根據距離控制參數與動態變步長,更新灰狼個體位置。這一過程反映的是流量帶寬的相對分配,公式如下所示：

(16)

式(16)中,J為動態變步長;E代表動態變步長的向量;T代表當前迭代次數;φ為的是收斂因子向量。

根據更新后的個體位置重新計算群體中的適應度,當達到最大迭代次數時輸出最佳適應度值,進而實現網絡通信自適應負載均衡。設網絡通信節點的數量為X個,在第a個控制周期內共運行m個服務器,計算節點CPU資源的相對配額τ,公式如下所示：

(17)

根據τ可得到負載均衡的控制誤差,將控制誤差作為受控變量。負載自適應均衡控制需要在第a周期內確定m值,并保證第a+1周期內所有網絡節點的控制誤差最小化,即滿足如下公式：

(18)

式(18)中,μ為遺忘因子,用于表示控制器對前一控制周期中誤差的遺忘速度。

控制通信傳輸任務合理分配至調度節點所在的鏈路,進行負載加載控制,使得負載加載指令與最初的鏈路傳輸指令誤差最小,由此實現網絡通信負載自適應均衡。

5 結果與分析

為測試設計的網絡通信負載自適應均衡方法的性能,選擇某市通信運營商的通信網絡作為測試背景。在這個通信網絡中,包含200個通信節點和5個通信基站,形成了100條通信鏈路。利用multisim仿真平臺的ns-3工具將設計的網絡通信負載自適應均衡方法進行程序配置,將文獻[3]方法和文獻[4]方法作為對比方法。

Jain氏公平性均衡指數是一種衡量通信網絡負載均衡性的關鍵指標,Jain氏公平性均衡指數越高,則表明通信網絡負載均衡性越高。測試獲得三種方法的Jain氏公平性均衡指數如圖1所示。

圖1 均衡指數測試結果

由圖1可知,在不同數量的通信鏈路下,設計方法應用后獲得的Jain氏公平性均衡指數均大于其他方法。獲得的Jain氏公平性均衡指數高于0.9,表明設計方法應用后通信網絡負載均衡性更高。網絡通信鏈路的時延越短,說明負載均衡方法應用后通信傳輸任務合理分配至調度節點所在的鏈路,擁堵情況較少。三種方法負載均衡下的網絡通信時延測試結果,如表1所示。

表1 通信網絡時延測試結果

分析表1中的數據可知,采用設計方法可以更快地完成網絡通信鏈路的負載均衡,可以將通信傳輸任務合理分配至調度節點所在的鏈路,解決了擁堵問題。進一步驗證不同方法的吞吐量,測試不同方法對網絡通信鏈路的負載均衡效果。三種測試方法的多鏈路吞吐量測試結果,如圖2所示。

圖2 網絡通信吞吐量測試結果

據圖2可知,在通信鏈路增大的情況下,本文設計方法的吞吐量大于其他兩種方法,且呈現持續增大的現象,說明該方法可以均衡不同鏈路的性能,在具備較低平均響應時間的前提下可以擁有更高的吞吐量,驗證了本文設計方法的有效性。

6 結論

研究考慮帶寬限制的網絡通信負載自適應均衡方法。對網絡通信流量信息進行監測,并對監測流量信息進行去噪和聚類預處理;以負載自適應均衡為優化目標,構建負載自適應均衡模型和約束條件;采用灰狼算法求解均衡模型,實現網絡通信負載自適應均衡。實驗結果表明：該方法的均衡指數和網絡通信吞吐量較高,網絡通信時延較低,有效提升了通信網絡負載均衡性。