[发明专利]云计算负载均衡评估系统及评估方法

说明书

技术领域

本发明涉及一种云计算负载均衡评估系统及方法，尤其涉及一种采用区域划分、多点收集的云计算负载均衡评估系统及评估方法。

背景技术

在基于不可信节点的资源共享云环境中，传统的负载均衡算法将面临以下问题：

1、在获取节点负载信息时，由于云计算中节点数目的庞大，有可能造成网络风暴及收集信息服务器的I/O瓶颈和处理性能瓶颈。

2、现阶段信息收集后的节点选择算法均是根据单节点负载信息进行排序或归类选择最佳节点，没有考虑集群整体或区域性的负载状况。这在传统集群中较为适用，但是对于划分区域的云集群却不合适。比如，某个区域整体已经处于饱和状态，但是有可能存在已经释放资源的空闲节点，当使用传统算法进行任务分配时，很可能选择此节点，从而造成局部的负载超载影响系统的整体性能。

发明内容

本发明的目的就在于为了解决上述问题而提供一种采用区域划分、多点收集的云计算负载均衡评估系统及评估方法。

为了达到上述目的，本发明采用了以下技术方案：

本发明所述云计算负载均衡评估系统包括云集群负载信息收集模块、图像转换模块和集群均衡性分析模块，所述云集群负载信息收集模块的信号输出端与所述图像转换模块的信号输入端连接，所述图像转换模块的信号输出端与所述集群均衡性分析模块的信号输入端连接。

本发明所述云计算负载均衡评估方法包括以下步骤：(1)云集群负载信息收集：在集群监控模块上进行区域划分多点收集；(2)图像转换：采用节点综合负载值向灰度图映射的方法生成负载转换图片；(3)集群均衡性分析：采用负载图像分析方法对所述负载转换图片进行分析。

具体地，所述步骤(1)中，收集某一时间所有节点的负载信息；所述步骤(2)包括以下步骤：a、对每个节点的负载情况值进行0-255的量化，得到每个节点的负载量化值；b、将每个节点的负载量化值映射为图像中的一个像素的灰度值；c、将云计算集群所有节点的负载量化值映射为一张大小为m字节的灰度图；所述步骤(3)包括以下步骤：a、对所述灰度图进行无损压缩，得到为大小为n字节的灰度图；b、计算压缩后的所述灰度图的压缩比m/n，压缩比越大说明负载越均衡；c、计算图像信息熵，信息熵越小，说明负载越均衡；d、根据所述步骤(3)中b步骤得到的图像整体均衡性分析结果，设定小波变换的分解级数，对所述压缩后的灰度图进行指定级数的haar小波变化，根据不同分辨率的高频细节图定位局部不均衡处，所述设定小波变换的分解级数的方法为：如果负载均衡，则设定小波变换的分解级数为2-3，如果负载较均衡，则设定小波变换的分解级数为3-4，如果负载不均衡，则设定小波变换的分解级数为4-5，所述“高频细节图”为小波变换的分解级数在5级以上的细节图，根据集群机柜与灰度图的对应关系获得，其不均衡噪点更明显；e、根据所述压缩比、所述信息熵、所述小波分解级数，实时调整负载均衡策略。

所述步骤(3)的d步骤中，所述负载均衡度的判断方法如下：设所述节点的总数量为100万台，压缩比范围为1000～1500则判断为均衡，压缩比范围为100～1000则判断为较均衡，压缩比范围为1～100则判断为不均衡。

所述步骤(3)的c步骤中，100万台节点映射为所述灰度图的信息熵的取值范围为1～8。

本发明的有益效果在于：

本发明在传统的集群监控模块上采用区域划分、多点收集的策略；采用节点综合负载值向灰度图映射的方法生成负载转换图片，并根据负载图像分析方法对负载转换图片进行分析，从而达到对负载进行精确的整体评估的目的。具体优点如下：

1、本发明在收集负载信息时按照机柜进行网段划分，设置多个信息收集服务节点，克服了网络风暴、I/O瓶颈和处理性能瓶颈；

2、本发明将负载均衡性的分析转换为图像均衡性的分析，克服了传统技术可能造成的局部负载超载的问题，实现了通过图像均衡性分析间接评估集群均衡性的功能。

附图说明

图1是本发明所述云计算负载均衡评估系统的结构框图。

具体实施方式

下面结合附图对本发明作进一步具体描述：

如图1所示：本发明所述云计算负载均衡评估系统包括云集群负载信息收集模块、图像转换模块和集群均衡性分析模块，云集群负载信息收集模块的信号输出端与图像转换模块的信号输入端连接，图像转换模块的信号输出端与集群均衡性分析模块的信号输入端连接。