舰船通信网络是现代海军通信的重要组成部分,其通信性能和通信可靠性对海上任务的成功执行至关重要[1]。舰船通信网络中,负载均衡是一种关键技术,通过负载均衡处理,优化分配网络设备和服务器资源,以提升舰船通信网络的灵活性[2]。
目前,已有众多研究学者针对通信网络的负载均衡问题进行研究。左攀等[3]利用前馈神经网络进行通信网络的多路径负载均衡,该方法根据流量变化动态调整负载均衡策略,确保网络在高负载情况下,仍能保持良好性能。但该方法需大量的数据和计算资源,且需不断维护和更新模型,适应网络环境变化。王家柱等[4]针对对象存储系统研究动态负载均衡方法,该方法通过自动化监控实现负载均衡,减少人工干预的频率和难度,提高网络的可维护性和可管理性。但该方法在自动化监控过程中,需收集和处理大量敏感数据,可能会引发数据泄露等安全问题。
为解决这些问题,提出一种基于云计算的舰船通信网络动态负载均衡控制方法。该方法利用云计算平台的分布式计算和存储能力,对舰船通信网络中的负载进行动态平衡和控制,以提高网络性能和可靠性。
1 舰船通信网络动态负载均衡控制方法 1.1 舰船通信网络动态负载均衡控制Ryu控制器作为一种应用于云计算平台中的软件定义网络控制器,设置了开放的应用程序接口,适用于网络流量控制与管理。该控制器利用OpenFlow协议与舰船通信网络的交换机通信,实现舰船通信网络设备的配置监控与管理。
利用Ryu控制器控制舰船通信网络动态负载均衡的工作流程,如图1所示。
利用Ryu控制器实时监控舰船通信网络,收集舰船通信网络的负载数据。依据网络负载数据,计算云计算平台中集群的负载度[5],以及各云计算节点的权值,利用云计算平台的虚拟机节点权值进行负载任务调度。Ryu控制器通过虚拟机迁移、关闭虚拟机的控制指令,进行虚拟机负载迁移管理,更新虚拟机的综合权值进行负载均衡。
1.2 基于云计算的动态负载均衡任务调度策略利用云计算平台进行舰船通信网络的动态负载均衡任务调度。云计算平台作为一种按需服务的平台,需具有良好的服务质量。选取任务截止时间违背率作为云计算平台性能服务评价的重要指标。用
$ P\text{ = }T_d-T_a。$ | (1) |
式中,
云计算平台执行负载均衡任务所需的计算能力表达式如下:
$ s_i=s_l/P。$ | (2) |
式中:Si为云计算平台执行负载函数,Sl为负载均衡任务长度。
计算负载均衡任务集合内,全部负载均衡任务的平均CPU资源、平均内存资源以及平均带宽资源,对比各项负载均衡任务信息。当负载均衡任务所需的CPU资源大于等于平均CPU资源时,表示该任务为CPU密集型类型;当负载均衡任务所需的CPU资源小于平均CPU资源,且负载均衡任务内存资源大于等于平均内存资源时,该任务为内存密集型任务[6]。当负载均衡任务内存小于平均内存,且带宽资源大于平均带宽资源时,该任务为网络带宽密集型任务。
用
$ L_j=w_1r_1+w_2r_2+w_3r_3+w_4r_4+w_5r_5。$ | (3) |
式中:
为了保证云计算平台执行舰船通信网络负载均衡任务的服务质量满足用户需求,负载均衡任务应在规定时间内完成。创建负载均衡任务对应的云计算平台虚拟机时,首先考虑云计算节点的CPU资源,再考虑云计算节点的内存与带宽资源。
为舰船通信网络负载均衡任务
$ s.t.\left\{ \begin{aligned} & {{s_l}/\left( {P - t} \right) \leqslant {v_1}},\\ & {{s_r} \leqslant {v_2}},\\ & {{s_n} \leqslant {v_3}} 。\end{aligned} \right. $ | (4) |
式中:
利用Ryu控制器执行动态负载均衡迁移操作时,设置云计算集群负载阈值
基于云计算的舰船通信网络负载动态迁移步骤如下:
步骤1 计算云计算平台中,物理机的平均负载度。判断物理机的平均负载度是否小于所设置阈值,小于则转化至步骤2。
步骤2 计算云计算平台中物理机
$ C_i=1/P_i^t。$ | (5) |
式中:
步骤3 依据综合权值计算结果排序物理机。选择最大综合权值的物理机,将该物理机的综合权值更新为0;
步骤4 从云计算平台中随机选取虚拟机,计算虚拟机
$ U_j=C_l^t\times\left(1-\frac{L_l^{t+1}-L_l^t}{L_a-L_l^t}\right)。$ | (6) |
式中:
选取最高迁移概率的物理机作为虚拟机的迁移结果。
步骤5 判定选取的物理机是否可为虚拟机提供足够资源,可则迁移虚拟机,否则转向步骤6。
步骤6 更新虚拟机的综合权值。
步骤7 等待虚拟机全部任务执行完成,将该虚拟机关闭,关闭该虚拟机对应的物理机。
利用以上过程完成舰船通信网络的动态负载均衡迁移,实现舰船通信网络动态负载均衡控制。
2 实例分析为了验证该方法在舰船通信网络中的应用性,利用Matlab软件模拟舰船通信网络的应用场景。舰船通信网络共设置了8个基站,利用8个基站保证舰船通信终端在网络中呈现均匀分布状态。舰船通信网络的基站覆盖半径为500 m,舰船通信网络的负载周期为300 ms。舰船通信网络动态负载均衡控制的云计算平台中,设置了1个云计算数据中心,设置了8台物理主机,针对8台物理主机共设置了25台虚拟机。
统计采用本文方法对舰船通信网络进行负载均衡控制,以及未采用本文方法时,舰船通信网络的负载状态,统计结果如图2所示。
可知,未采用本文方法对舰船通信网络进行负载均衡控制时,舰船通信网络长期运行,容易出现较大负载偏差,导致舰船通信网络出现资源浪费情况。本文方法有效避免了此类情况的发生,本文方法在负载分配波动幅度高于所设定阈值时,启动Ryu控制器调动云计算负载调度机制,调节物理机与虚拟机负载,使负载达到动态平衡。采用本文方法后,负载均衡状态图呈现了更高的均衡性,体现了本文方法具有明显负载均衡优势。本文方法作用下,云计算平台的节点负载具有更高的均衡性,合理配置舰船通信网络资源,满足负载调度灵活性的需求。
负载均衡度为衡量舰船通信网络动态负载均衡控制性能的重要指标。云计算平台中,物理机与虚拟机集群的负载均衡度计算公式如下:
$ B=\sqrt{\frac{1}{n}\sum\limits_{i=1}^n\left(L_i^t-L_a\right)^2}。$ | (7) |
式中,
统计利用云计算平台为舰船通信网络进行动态负载均衡控制时,集群的负载均衡度,统计结果如图3所示。
可知,采用本文方法对舰船通信网络进行负载均衡控制,利用云计算平台具有的高效运算性能,及时响应负载均衡控制任务,负载均衡度均高于0.7。本文方法通过对虚拟机进行迁移或关闭操作,保证物理机集群与虚拟机集群的负载平衡,快速响应舰船通信网络的通信调度任务。
平均带宽利用率指舰船通信网络的数据流传输时,获取的带宽与指定带宽比值的平均值,其表达式如下:
$ \eta=\sum\limits_{i=1}^n\frac{B}{B'}/N。$ | (8) |
式中,
统计舰船通信网络在不同发包速率时的平均带宽利用率,统计结果如图4所示。
由图4可知,不同发包速率时,采用本文方法对舰船通信网路进行动态负载均衡控制,其带宽利用率均高于0.65。本文方法依据舰船通信网络的实际通信状况,在发包速率较高时,仍然可保持较高带宽利用率,保证舰船通信网络正常运行和服务不中断。实验结果验证,本文方法能根据舰船通信网络环境和应用需求,自适应地调整负载均衡策略,具有较强的适应性和灵活性。通过对云计算平台物理机和虚拟机的负载均衡,提升舰船通信网络的资源利用率。
3 结 语基于云计算的舰船通信网络动态负载均衡控制方法,在提高舰船通信网络性能、优化资源利用、增强可扩展性等方面具有显著优势。该方法能根据舰船通信网络的实际情况,制定相应负载均衡策略,实现负载的动态平衡和控制。通过实验验证,该方法可优化舰船通信网络的资源利用,保证舰船通信网络正常运行和服务不中断。
[1] |
杨程, 庞清乐, 周立波, 等. 基于负载均衡的特定电力系统快速故障恢复方法[J]. 船舶工程, 2021, 43(8): 114-119. |
[2] |
谭畅, 谭歆, 胡磊, 等. 云中心基于Nginx的动态权重负载均衡算法[J]. 重庆邮电大学学报(自然科学版), 2021, 33(6): 991-998. |
[3] |
左攀, 束永安. DCN中基于前馈神经网络的动态多路径负载均衡方法[J]. 计算机工程, 2021, 47(9): 113-119. |
[4] |
王家柱, 范中磊, 毕强, 等. 对象存储系统中基于监控的动态负载均衡方法[J]. 微电子学与计算机, 2022, 39(12): 69-76. DOI:10.3969/j.issn.1000-7180.2022.12.wdzxyjsj202212008 |
[5] |
陈立家, 周为, 许毅, 等. 一种基于SDN的多约束无人船网络传输路由算法[J]. 中国舰船研究, 2022, 17(4): 107-113. |
[6] |
孙万峰, 李维波, 李齐, 等. 基于DMA与中断方式的组态监控系统容错通信技术[J]. 中国舰船研究, 2021, 16(4): 199-207. |