[发明专利]Web集群的可预测动态负载均衡方法

摘要

本发明公开了一种Web集群的可预测动态负载均衡方法，主要解决现有技术中仅按照节点实时负载大小进行节点选取，造成集群在一段时间内负载效果不佳的问题。其实现步骤是，1)负载均衡服务接收来自App应用的请求，判断负载均衡服务是否已经初始化，若是，执行步骤2)，否则，初始化负载均衡服务；2)选取负载均衡策略，判断所有节点的当前能力评估值是否超过阈值，若是，则执行步骤3)，否则，进行静态负载均衡调度，完成最终服务节点的选取；3)计算各个节点能力评估值，并计算各个节点能力预测值，完成选取最终服务节点的选取。本发明提高了Web集群系统的负载均衡效果，可应用于Web集群中面向海量用户访问。

主权项

1.Web集群的可预测动态负载均衡方法，包括：1)对于来自App应用的一次请求，负载均衡器接受该请求，判断负载均衡服务是否已经初始化，若是，跳转到步骤3)，否则，执行步骤2)；2)初始化负载均衡服务：2a)读取服务节点配置文件，其中包括节点的ID、IP、CPU、内存、硬盘性能比值和性能占比，并对这些配置文件的值进行加权平均，计算各个节点的静态能力值P(i)，其中，i的取值为1到N，N为集群中服务节点总个数；2b)先将2a)得到的各个节点的静态能力值扩大100倍，并对其计算结果取整数，得到各个节点的轮询权值W；再将2a)得到的各个节点的静态能力值扩大1000倍，得到各个节点的初始能力评估值A0；2c)定义负载均衡服务处理一次客户端请求的时间为一个单位时刻，设t0为当前时刻，离t0时刻最近的过去四个时刻依次为t‑1、t‑2、t‑3、t‑4，对于任意节点i，当前时刻节点i的能力评估值为A0(i)；节点i对应的过去四个时刻的能力评估值分别为A‑1(i)、A‑2(i)、A‑3(i)、A‑4(i)，设置节点过去的四个时刻能力评估值的大小为A0，即A‑1(i)＝A‑2(i)＝A‑3(i)＝A‑4(i)＝A0；2d)用各个节点的ID、W、A0(i)以及过去四个时刻的能力评估值构成能力评估矩阵M，完成负载均衡服务初始化：其中，ID(i)表示节点i的编号，W(i)为轮询权值，A0(i)为当前时刻能力评估值，A‑1(i)、A‑2(i)、A‑3(i)、A‑4(i)分别为过去四个时刻的能力评估值，i的取值为1～N，N为服务节点总个数；3)将各个节点的静态能力值P扩大4倍，得到各个节点的阈值Y，判断所有节点的当前时刻能力评估值是否超过Y，若是，执行步骤4)，否则，执行步骤5)；4)静态负载调度：4a)读取能力评估矩阵中的所有节点的轮询权值，选取轮询权值最大的节点作为服务节点，将步骤1)中的客户端请求提交到服务节点；每次被选中的服务节点轮询权值将减少1，当所有节点的轮询权值都变成0时，返回步骤2)；4b)采用能力评估计算方法，离线计算所有节点的能力评估值，得到更新后的能力评估矩阵M'：其中，ID(i)表示节点i的编号，W(i)为轮询权值，A'0(i)为当前时刻能力评估值，A'‑1(i)、A'‑2(i)、A'‑3(i)、A'‑4(i)分别为评估评估矩阵M中的A0(i)、A‑1(i)、A‑2(i)、A‑3(i)的值，i的取值为1～N，N为服务节点总个数；5)计算节点能力评估值：5a)获取各个节点的负载信息，包括CPU使用率、内存使用率、硬盘IO率以及连接所占比，通过加权平均的方式，计算各个节点的负载值L(i)；5b)根据各个节点的负载值L(i)和节点静态能力值P(i)，计算各个节点的能力评估值：其中，K为比例系数且K＞0，为了方便表示，取K值为1；5c)从能力评估矩阵M中读取各个节点的A0(i)、A‑1(i)、A‑2(i)、A‑3(i)、A‑4(i)值，再依次给A'‑4(i)赋值为A‑3(i)，给A'‑3(i)赋值为A‑2(i)，给A'‑2(i)赋值为A‑1(i)，A'‑1(i)赋值为A0(i)，并将步骤5b)得到的能力评估值A(i)赋值给A'0(i)，完成能力评估矩阵M的更新，得到更新后的能力评估矩阵为M'；6)从更新后的能力评估矩阵M'中读取各个节点的A0(i)、A‑1(i)、A‑2(i)、A‑3(i)、A‑4(i)的值，计算各节点的能力预测值：A'(i)＝α0A0(i)+α1A‑1(i)+α2A‑2(i)+α3A‑3(i)+α4A‑4(i)，其中，α0、α‑1、α‑2、α‑3、α‑4为不同时刻能力评估值对当前预测值的影响因子，且α0+α‑1+α‑2+α‑3+α‑4＝1；7)根据步骤5)和步骤6)的计算结果，在所有节点中，选取能力评估值最大的节点i，若节点i的能力预测值最小，则选取能力评估值第二大的节点j为最终服务节点，否则，选取节点i为最终服务节点，将步骤1)的客户端的请求提交到选取的最终服务节点。