李 嵐

( 安徽交通職業(yè)技術(shù)學(xué)院 城市軌道交通與信息工程系，安徽 合肥 230001)

0 引言

信息技術(shù)的發(fā)展帶動(dòng)了網(wǎng)絡(luò)的普及，利用移動(dòng)通信平臺(tái)進(jìn)行工作交流也成為當(dāng)今信息傳輸?shù)闹饕问?。?fù)載均衡建立在現(xiàn)有網(wǎng)絡(luò)結(jié)構(gòu)上，能夠提供一種廉價(jià)有效且透明的方法來(lái)拓展網(wǎng)絡(luò)設(shè)備和服務(wù)帶寬、增加吞吐量，加強(qiáng)網(wǎng)絡(luò)數(shù)據(jù)處理能力，提高網(wǎng)絡(luò)的靈活性及可用性。(1)參見王文博、葉慶衛(wèi)、周宇等:《基于排隊(duì)論綜合指標(biāo)評(píng)估的動(dòng)態(tài)負(fù)載均衡算法》,《電信科學(xué)》2018年第7期。移動(dòng)通信平臺(tái)上的負(fù)載平衡，就是將移動(dòng)通信所負(fù)載的工作任務(wù)進(jìn)行平衡，平均分?jǐn)偟蕉鄠€(gè)操作單元上運(yùn)行，共同協(xié)作完成操作任務(wù)。

國(guó)外研究人員在各項(xiàng)集群技術(shù)的支持下，為移動(dòng)通信平臺(tái)動(dòng)態(tài)負(fù)載均衡提供了多項(xiàng)參考，國(guó)內(nèi)在現(xiàn)有操作服務(wù)器的支持下，研究得到了多種動(dòng)態(tài)均衡算法，李松州等學(xué)者提出了基于流調(diào)度選擇的方法，通過計(jì)算擁塞鏈路上各大流的最短路徑，結(jié)合剩余路徑中最大吞吐量的最優(yōu)調(diào)度路徑，將負(fù)載定義調(diào)度的擁塞概率作為大流調(diào)度選擇的依據(jù)。(2)參見李松州、束永安:《基于流調(diào)度選擇的DCN動(dòng)態(tài)負(fù)載均衡算法》,《計(jì)算機(jī)應(yīng)用研究》2019年第1期。邵必林等學(xué)者提出基于負(fù)載預(yù)測(cè)的改進(jìn)算法，通過優(yōu)化二次指數(shù)平滑預(yù)測(cè)算法，結(jié)合動(dòng)態(tài)閾值計(jì)算模型，對(duì)動(dòng)態(tài)負(fù)載值進(jìn)行均衡判斷，實(shí)現(xiàn)集群動(dòng)態(tài)均衡。(3)參見邵必林、王莎莎:《基于負(fù)載預(yù)測(cè)的HDFS動(dòng)態(tài)負(fù)載均衡改進(jìn)算法》,《探測(cè)與控制學(xué)報(bào)》2019年第2期。上述方法為移動(dòng)通信平臺(tái)的正常運(yùn)行提供了有效的算法支持。移動(dòng)通信平臺(tái)在客戶端并發(fā)上傳大量數(shù)據(jù)時(shí)，產(chǎn)生大量的流量削峰，形成大量的數(shù)據(jù)緩沖任務(wù)，導(dǎo)致在實(shí)際負(fù)載均衡算法使用時(shí)，上述算法的響應(yīng)時(shí)間較長(zhǎng)。因此，在控制移動(dòng)通信平臺(tái)動(dòng)態(tài)負(fù)載均衡上，依舊需要不斷研究改進(jìn)。

根據(jù)神經(jīng)網(wǎng)絡(luò)運(yùn)行過程中信息流向，可將神經(jīng)反饋網(wǎng)絡(luò)分為前反饋式和后反饋式兩種基本類型。(4)參見吳文君、郭梟、趙家明等:《基于多路徑傳輸?shù)膭?dòng)態(tài)負(fù)載均衡路由算法》,《北京工業(yè)大學(xué)學(xué)報(bào)》2019年第4期。前反饋網(wǎng)絡(luò)的輸出僅由當(dāng)前輸入及權(quán)重矩陣決定，與網(wǎng)絡(luò)先前的輸出狀態(tài)無(wú)關(guān)。在神經(jīng)網(wǎng)絡(luò)反饋下，本文通過利用神經(jīng)網(wǎng)絡(luò)反饋方式分割移動(dòng)通信平臺(tái)數(shù)據(jù)，處理高并發(fā)的移動(dòng)通信數(shù)據(jù)訪問需求，建立不同的數(shù)據(jù)處理進(jìn)程，構(gòu)建移動(dòng)通信平臺(tái)動(dòng)態(tài)負(fù)載均衡算法，以期提高移動(dòng)通信平臺(tái)的運(yùn)行效率，減少移動(dòng)通信平臺(tái)的響應(yīng)時(shí)間，為其他平臺(tái)控制負(fù)載均衡提供一個(gè)算法參考。

1 基于神經(jīng)網(wǎng)絡(luò)反饋的移動(dòng)通信平臺(tái)動(dòng)態(tài)負(fù)載均衡算法

1.1 利用神經(jīng)網(wǎng)絡(luò)反饋方式分割移動(dòng)通信平臺(tái)數(shù)據(jù)

在分割移動(dòng)通信平臺(tái)數(shù)據(jù)時(shí)，利用神經(jīng)網(wǎng)絡(luò)的自適應(yīng)特點(diǎn)和模式識(shí)別能力以及反饋方式，通過對(duì)移動(dòng)通信平臺(tái)運(yùn)行數(shù)據(jù)中特征篩選情況，將移動(dòng)通信平臺(tái)運(yùn)行相似且運(yùn)行時(shí)間差異不大的節(jié)點(diǎn)歸結(jié)在一起，使用k-means聚類將數(shù)據(jù)按異構(gòu)性劃分為不同的分組，通過對(duì)運(yùn)行數(shù)據(jù)的優(yōu)先級(jí)排序，劃分不同的任務(wù)分配過程，完成基于神經(jīng)網(wǎng)絡(luò)算法的移動(dòng)通信平臺(tái)數(shù)據(jù)分割。(5)參見曹衛(wèi)東、孫曉君、周原等:《面向JCF中間件的親和性動(dòng)態(tài)負(fù)載均衡算法》,《計(jì)算機(jī)工程與設(shè)計(jì)》2018年第8期。

任務(wù)分配過程如圖2所示。

圖1 任務(wù)分配過程

在如上圖所示的任務(wù)分配過程下，不同Type產(chǎn)生了不同的分配過程，不同的分配過程產(chǎn)生了不同的數(shù)據(jù)，定義上圖所示Type為數(shù)據(jù)傳輸?shù)墓?jié)點(diǎn)，移動(dòng)通信平臺(tái)數(shù)據(jù)的計(jì)算量Hw就可表示為：

Hw=C×Ns(6)參見王向周、張新、鄭戍華:《基于人工神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)標(biāo)定算法的低成本視線追蹤系統(tǒng)》,《北京理工大學(xué)學(xué)報(bào)》2018年第12期。

(1)

其中，C表示節(jié)點(diǎn)的計(jì)算能力，Ns表示移動(dòng)通信處理數(shù)據(jù)的任務(wù)數(shù)量。區(qū)域劃分上述計(jì)算得到的計(jì)算量，形成不同區(qū)域的移動(dòng)通信平臺(tái)數(shù)據(jù)，劃分過程可表示為：

(2)

其中，Z(h)表示劃分得到的區(qū)域面積，Wi表示節(jié)點(diǎn)計(jì)算能力函數(shù)，m表示移動(dòng)通信任務(wù)數(shù)據(jù)量的類別。劃分為不同的區(qū)域后，將上述計(jì)算公式中涉及到的各項(xiàng)變量作為參數(shù)，在移動(dòng)通信平臺(tái)上構(gòu)建不同形式的分割程序，分割過程可表示為：

(3)

其中，Wci表示移動(dòng)通信波動(dòng)數(shù)據(jù)數(shù)量，WB表示分割函數(shù)，S(Wci)表示波動(dòng)移動(dòng)通信數(shù)據(jù)量的函數(shù)，其余參數(shù)含義不變。設(shè)定分割程序后，由于不同移動(dòng)通信平臺(tái)有著不同的運(yùn)行環(huán)境，將移動(dòng)通信平臺(tái)的運(yùn)行環(huán)境設(shè)置為不同類型的任務(wù)，在不同階段設(shè)置相關(guān)任務(wù)的并發(fā)度，增強(qiáng)算法的吞吐量，以不同移動(dòng)通信平臺(tái)運(yùn)行CPU中各個(gè)節(jié)點(diǎn)核心數(shù)的最小公倍數(shù)為并發(fā)度，(8)參見蘇巧、魏以民、沈越泓:《基于神經(jīng)網(wǎng)絡(luò)的含噪動(dòng)態(tài)源分離算法》,《電子技術(shù)應(yīng)用》2018年第2期。(9)參見張樹濤、譚海波、陳良鋒等:《一種高效的分布式爬蟲系統(tǒng)負(fù)載均衡策略》,《計(jì)算機(jī)工程》2019年第11期。計(jì)算公式可表示為：

(4)

上式中，LCM表示移動(dòng)通信平臺(tái)運(yùn)載CPU核心數(shù)的最小公倍數(shù)，Cei表示移動(dòng)通信平臺(tái)的CPU處理數(shù)據(jù)的數(shù)量關(guān)系。在上述并發(fā)度控制下，在不同數(shù)據(jù)區(qū)域內(nèi)，計(jì)算得到移動(dòng)通信平臺(tái)的不同運(yùn)行環(huán)境性能參數(shù)，計(jì)算公式可表示為：

(5)

其中，Cc表示移動(dòng)通信平臺(tái)運(yùn)行環(huán)境CPU核心性能差異函數(shù)，CB表示區(qū)域數(shù)據(jù)的處理能力，Ci表示數(shù)據(jù)屬性函數(shù)，其余參數(shù)含義保持不變。根據(jù)上述計(jì)算公式得到的性能參數(shù)，將具有相似性能參數(shù)的數(shù)據(jù)劃分在一個(gè)分組，并將剩余數(shù)據(jù)根據(jù)有序或是無(wú)序的性能劃分為兩個(gè)大分組，以相同序列屬性的數(shù)據(jù)為劃分目標(biāo)，制定四項(xiàng)屬性參數(shù)，將有序及無(wú)序的性能數(shù)據(jù)分割為更加明確的數(shù)據(jù)分組。(10)參見樊偉、徐華、李京:《SDN下的IPv6任意播實(shí)現(xiàn)負(fù)載均衡的路由算法研究》,《小型微型計(jì)算機(jī)系統(tǒng)》2019年第3期。(11)參見張彩霞:《基于EKF與TLS動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)算法》,《中山大學(xué)學(xué)報(bào)》(自然科學(xué)版)2019年第1期。以分割后的移動(dòng)通信平臺(tái)數(shù)據(jù)為作用對(duì)象，根據(jù)分割數(shù)據(jù)在移動(dòng)通信平臺(tái)運(yùn)行時(shí)的變化，設(shè)定一個(gè)動(dòng)態(tài)優(yōu)化參數(shù)。

1.2 設(shè)定動(dòng)態(tài)優(yōu)化參數(shù)

以不同分割組內(nèi)的數(shù)據(jù)為作用對(duì)象，在設(shè)定動(dòng)態(tài)優(yōu)化參數(shù)時(shí)，假設(shè)Si為一組移動(dòng)通信平臺(tái)的處理數(shù)據(jù)，初始化處理上述數(shù)據(jù)集后，挑選數(shù)據(jù)集群參數(shù)任務(wù)請(qǐng)求參數(shù)數(shù)值大的數(shù)據(jù)集作為轉(zhuǎn)發(fā)目標(biāo)，不同任務(wù)請(qǐng)求的轉(zhuǎn)發(fā)概率就可計(jì)算為：

(6)

其中，Xi表示轉(zhuǎn)發(fā)任務(wù)時(shí)目標(biāo)數(shù)據(jù)的中間量?？紤]到不同移動(dòng)通信平臺(tái)承載服務(wù)器的工作能力不同，設(shè)置一個(gè)分發(fā)權(quán)重?cái)?shù)值，代表移動(dòng)通信平臺(tái)的平均工作能力，分發(fā)權(quán)重可表示為：

(7)

其中，ωi表示移動(dòng)通信服務(wù)平臺(tái)負(fù)載比例數(shù)值，ri表示分發(fā)權(quán)重。將分發(fā)權(quán)重?cái)?shù)值與服務(wù)器進(jìn)行匹配后，控制相同類型數(shù)據(jù)在移動(dòng)通信平臺(tái)內(nèi)產(chǎn)生的重復(fù)緩存，縮短待執(zhí)行任務(wù)的樣本空間，提高任務(wù)請(qǐng)求的命中率，縮短相同任務(wù)在執(zhí)行過程中耗費(fèi)的響應(yīng)時(shí)間。(13)參見高軍、王愷、田曉宇等:《基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)云四號(hào)遙感圖像云檢測(cè)算法》,《紅外與毫米波學(xué)報(bào)》2018年第4期。(14)參見梁俊卿、趙建視、呂笑琳:《基于鄰里支持和神經(jīng)網(wǎng)絡(luò)的WSN數(shù)據(jù)融合算法研究》,《微電子學(xué)與計(jì)算機(jī)》2019年第8期。采用即時(shí)創(chuàng)建方法控制分割后數(shù)據(jù)在移動(dòng)通信平臺(tái)中進(jìn)程，采用FCFS原則處理高并發(fā)的移動(dòng)通信數(shù)據(jù)訪問需求，設(shè)置監(jiān)聽、空閑以及工作三種進(jìn)程模式控制移動(dòng)通信平臺(tái)的動(dòng)態(tài)變化過程，控制監(jiān)聽進(jìn)程在接收到用戶請(qǐng)求后轉(zhuǎn)化為工作線程，此時(shí)空閑進(jìn)程隊(duì)列中會(huì)產(chǎn)生一個(gè)偵聽進(jìn)程，負(fù)責(zé)優(yōu)化分割后的移動(dòng)通信數(shù)據(jù)，工作進(jìn)程在執(zhí)行完畢后轉(zhuǎn)化為空閑進(jìn)程，等待下一個(gè)進(jìn)程任務(wù)的出現(xiàn)。(15)參見盧超、楊翠麗、喬俊飛:《基于PSO算法的動(dòng)態(tài)模塊化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)》,《控制與決策》2018年第6期。根據(jù)上述進(jìn)程控制過程來(lái)設(shè)定動(dòng)態(tài)優(yōu)化參數(shù)，優(yōu)化過程選定一個(gè)進(jìn)程通道，定義節(jié)點(diǎn)通道可計(jì)算為：

(8)

式中，Ci表示節(jié)點(diǎn)通道函數(shù)，Ti表示節(jié)點(diǎn)通道的時(shí)間周期，Tj表示進(jìn)程節(jié)點(diǎn)的優(yōu)化周期。在節(jié)點(diǎn)通道參數(shù)的控制下，將一個(gè)移動(dòng)通信平臺(tái)的進(jìn)程數(shù)據(jù)表示為：

(9)

其中，β表示任務(wù)進(jìn)程參數(shù)，S表示進(jìn)程的合適度。以上述計(jì)算得到的合適度作為優(yōu)化參數(shù)的數(shù)值，結(jié)合移動(dòng)通信平臺(tái)支持硬件性能參數(shù)，計(jì)算得到動(dòng)態(tài)優(yōu)化參數(shù)，計(jì)算公式可表示為：

(10)

其中，c表示移動(dòng)通信平臺(tái)服務(wù)器服務(wù)參數(shù)，cs表示CPU處理參數(shù)，Wm表示平臺(tái)儲(chǔ)存數(shù)據(jù)的參數(shù)，M表示移動(dòng)通信平臺(tái)處理數(shù)據(jù)量，Ms表示動(dòng)態(tài)變化數(shù)據(jù)量函數(shù)。以計(jì)算得到的動(dòng)態(tài)優(yōu)化參數(shù)作為移動(dòng)通信平臺(tái)每組任務(wù)請(qǐng)求數(shù)據(jù)變化數(shù)值，在構(gòu)建負(fù)載均衡算法時(shí)，綜合考慮該參數(shù)，構(gòu)建一個(gè)動(dòng)態(tài)負(fù)載均衡表達(dá)式。(16)參見呂晨旭:《基于神經(jīng)網(wǎng)絡(luò)的光伏系統(tǒng)MPPT控制算法設(shè)計(jì)》,《現(xiàn)代電子技術(shù)》2018年第3期。

1.3 構(gòu)建負(fù)載均衡算法

以移動(dòng)通信平臺(tái)完成一次任務(wù)請(qǐng)求為算法構(gòu)建對(duì)象，移動(dòng)通信平臺(tái)的任務(wù)請(qǐng)求過程如下圖所示：

系統(tǒng)初始化階段，計(jì)算移動(dòng)通信平臺(tái)的控制參數(shù)，在一次請(qǐng)求任務(wù)到達(dá)集群內(nèi)部后，設(shè)置一個(gè)負(fù)載均衡器以增強(qiáng)算法的計(jì)算量，處理集群內(nèi)部產(chǎn)生的負(fù)載信息，計(jì)算出一次任務(wù)請(qǐng)求的權(quán)值，并利用該權(quán)值構(gòu)建一個(gè)負(fù)載分配數(shù)量關(guān)系。(17)參見王欣、靳鴻、楊冀豫:《基于共軛梯度下降法的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法》,《探測(cè)與控制學(xué)報(bào)》2019年第5期。該分配數(shù)量關(guān)系可表示為：

(11)

圖2 任務(wù)請(qǐng)求過程

(11)式中，pa表示分配過程，k表示一個(gè)常數(shù)，Ll表示負(fù)載最小值，LH表示負(fù)載最大值，其余參數(shù)含義不變。因此，在構(gòu)建負(fù)載均衡算法時(shí)，設(shè)定邊界值B作為算法觸動(dòng)的數(shù)值。(18)參見唐倫、周鈺、楊友超等:《5G網(wǎng)絡(luò)切片場(chǎng)景中基于預(yù)測(cè)的虛擬網(wǎng)絡(luò)功能動(dòng)態(tài)部署算法》,《電子與信息學(xué)報(bào)》2019年第9期。當(dāng)原始負(fù)載數(shù)據(jù)進(jìn)入集群時(shí)，在邊界外計(jì)算負(fù)載均衡算法的權(quán)值差異，并將超過該邊界值的負(fù)載均衡值整合到移動(dòng)通信平臺(tái)任務(wù)請(qǐng)求進(jìn)程中，將負(fù)載均衡算法的權(quán)值作為構(gòu)建算法的元素，即：

(12)

其中，Bi表示邊界函數(shù)，k1，k2均表示一個(gè)常數(shù)參數(shù)，且滿足：k1+k2=1，M(Si)表示權(quán)值表達(dá)函數(shù)，C(Si)表示可用權(quán)值表達(dá)函數(shù)。根據(jù)上述計(jì)算公式可知，考慮到移動(dòng)通信負(fù)載過程中發(fā)生CPU與內(nèi)存使用率同時(shí)到達(dá)峰值情況，邊界參數(shù)值的數(shù)值關(guān)系就可表示為：

(13)

式中，F(xiàn)(Si)表示權(quán)值函數(shù)，其余參數(shù)含義不變，由上述計(jì)算公式可知，當(dāng)邊界值取值越小，權(quán)值控制移動(dòng)通信平臺(tái)負(fù)載參數(shù)的頻率也就越高，當(dāng)邊界值B取值為0時(shí)，每一次處理過程都能夠滿足移動(dòng)通信平臺(tái)動(dòng)態(tài)負(fù)載均衡需求，當(dāng)邊界值B為1時(shí)，則表示該種控制過程不滿足實(shí)際平臺(tái)的負(fù)載平衡需求，在邊界數(shù)值B為1時(shí)，選用一個(gè)IPVS調(diào)度器寫入邊界值對(duì)應(yīng)的頻率值，調(diào)用一個(gè)recvfrom()函數(shù)處理該頻率值，處理完畢后，調(diào)用一個(gè)setsockopt()函數(shù)更新處理，更新完畢后，再調(diào)用計(jì)算公式(11)(12)更新權(quán)值，直至符合邊界函數(shù)的條件。(19)參見任神河、鄭寇全、關(guān)冬冬等:《基于IFTS的網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡方法》,《火力與指揮控制》2019年第8期。(20)參見鄭憲秋:《基于時(shí)空約束和小波設(shè)計(jì)的非侵入式負(fù)載數(shù)據(jù)協(xié)同挖掘算法》,《西安工程大學(xué)學(xué)報(bào)》2019年第6期。綜合上述處理，最終完成對(duì)移動(dòng)通信平臺(tái)動(dòng)態(tài)負(fù)載均衡算法的構(gòu)建。

2 仿真實(shí)驗(yàn)

2.1 測(cè)試環(huán)境的搭建

根據(jù)現(xiàn)有移動(dòng)通信平臺(tái)的運(yùn)載情況，搭建承載移動(dòng)通信平臺(tái)運(yùn)行的LVS集群，在VS/DR模式下構(gòu)建LVS集群后，在RS上安裝服務(wù)器，編寫承載算法運(yùn)行的程序并模擬集群的Web服務(wù)，采用JMeter參數(shù)設(shè)置調(diào)整移動(dòng)通信平臺(tái)的任務(wù)請(qǐng)求并發(fā)量，調(diào)整集群環(huán)境服務(wù)器存在的差異。搭建測(cè)試環(huán)境的硬件參數(shù)如下表所示：

表1 算法測(cè)試使用硬件參數(shù)

在上表所示的參數(shù)控制下，在硬件連接的結(jié)構(gòu)中安裝管理程序ipvsadm，為了實(shí)現(xiàn)移動(dòng)通信平臺(tái)各任務(wù)的正常切換，在服務(wù)器內(nèi)部安裝Keepalived。測(cè)試環(huán)境搭建完畢后，選用兩種傳統(tǒng)動(dòng)態(tài)負(fù)載均衡算法與文中設(shè)計(jì)的均衡算法進(jìn)行實(shí)驗(yàn)，確定平臺(tái)內(nèi)模擬節(jié)點(diǎn)的參數(shù)，以首個(gè)周期內(nèi)虛擬節(jié)點(diǎn)數(shù)目為算法的周期參數(shù)，設(shè)定服務(wù)器虛擬節(jié)點(diǎn)數(shù)目為200，以200個(gè)虛擬節(jié)點(diǎn)為一個(gè)區(qū)間，選取10個(gè)區(qū)間作為實(shí)驗(yàn)對(duì)象，以移動(dòng)通信平臺(tái)用戶對(duì)虛擬節(jié)點(diǎn)區(qū)間請(qǐng)求的響應(yīng)時(shí)間與對(duì)集群的最大吞吐量為對(duì)比指標(biāo)，測(cè)試三種負(fù)載均衡算法的性能。

2.2 實(shí)驗(yàn)結(jié)果及分析

基于上述實(shí)驗(yàn)設(shè)備，定義在移動(dòng)通信平臺(tái)客戶端的JMeter上測(cè)試虛擬節(jié)點(diǎn)讀取的壓力測(cè)試結(jié)果為算法的響應(yīng)時(shí)間，采用基于流調(diào)度選擇的DCN動(dòng)態(tài)負(fù)載均衡算法(算法一)、基于負(fù)載預(yù)測(cè)的HDFS動(dòng)態(tài)負(fù)載均衡改進(jìn)算法(算法二)與本文算法作對(duì)比實(shí)驗(yàn)，結(jié)果表明：

當(dāng)移動(dòng)通信平臺(tái)起始數(shù)據(jù)請(qǐng)求量為100時(shí)，三種均衡算法的響應(yīng)時(shí)間存在較小的差別，數(shù)值差在50ms以內(nèi)；當(dāng)數(shù)據(jù)請(qǐng)求量增長(zhǎng)到300～500之間后，三種均衡負(fù)載算法的響應(yīng)時(shí)間相差最大，兩種傳統(tǒng)負(fù)載均衡算法的響應(yīng)時(shí)間數(shù)值差在100ms左右；當(dāng)算法處理的數(shù)據(jù)請(qǐng)求量大于500時(shí)，三種均衡算法響應(yīng)時(shí)間差別不大，文中研究的負(fù)載均衡算法響應(yīng)時(shí)間最短，將數(shù)據(jù)請(qǐng)求量800為對(duì)比標(biāo)準(zhǔn)，文中研究的均衡算法的響應(yīng)時(shí)間為300ms，與兩種傳統(tǒng)均衡負(fù)載算法相比，該種均衡負(fù)載算法的響應(yīng)時(shí)間最短。從響應(yīng)時(shí)間結(jié)果來(lái)看，在數(shù)據(jù)請(qǐng)求量小時(shí)，三種均衡負(fù)載算法表現(xiàn)出的響應(yīng)時(shí)間差異不大，數(shù)據(jù)請(qǐng)求量多時(shí)，文中研究的負(fù)載均衡算法表現(xiàn)出的響應(yīng)時(shí)間最短。

保持上述實(shí)驗(yàn)環(huán)境不變，模擬搭建1到8種移動(dòng)通信平臺(tái)任務(wù)環(huán)境，以該8種請(qǐng)求任務(wù)為實(shí)驗(yàn)對(duì)象，調(diào)整移動(dòng)通信平臺(tái)客戶端JMeter的請(qǐng)求任務(wù)數(shù)量參數(shù)后，記錄三種動(dòng)態(tài)負(fù)載均衡算法的吞吐量結(jié)果，如下表所示：

表2 三種負(fù)載均衡算法的吞吐量結(jié)果

由上表所示的吞吐量結(jié)果可知，在不同任務(wù)請(qǐng)求下，三種負(fù)載均衡算法表現(xiàn)出了不同的吞吐量實(shí)驗(yàn)結(jié)果，由吞吐量數(shù)值可知，兩種傳統(tǒng)負(fù)載均衡算法的吞吐量數(shù)值均小于3000reqs/sec，無(wú)法更好地處理不同任務(wù)產(chǎn)生的數(shù)據(jù)，可能存在算法出錯(cuò)的情況。而文中研究的動(dòng)態(tài)負(fù)載均衡算法實(shí)際的吞吐量在3500～4000reqs/sec之間，能夠滿足移動(dòng)通信平臺(tái)在多任務(wù)運(yùn)行時(shí)，對(duì)吞吐量大小的需求。綜合上述實(shí)驗(yàn)結(jié)果可知，文中研究的動(dòng)態(tài)負(fù)載均衡算法，無(wú)論是在響應(yīng)時(shí)間上還是在數(shù)據(jù)吞吐量上，均表現(xiàn)出了符合移動(dòng)通信平臺(tái)實(shí)際運(yùn)行需求，更加適合在移動(dòng)通信平臺(tái)中使用。

3 結(jié) 語(yǔ)

在大數(shù)據(jù)技術(shù)的應(yīng)用下，如何平衡數(shù)據(jù)傳輸時(shí)負(fù)載的均衡成為研究的重要課題，移動(dòng)通信平臺(tái)作為用戶數(shù)量龐大的平臺(tái)群體，如何動(dòng)態(tài)平衡任務(wù)請(qǐng)求時(shí)產(chǎn)生的負(fù)載成為業(yè)務(wù)難題，在神經(jīng)網(wǎng)絡(luò)反饋控制下，構(gòu)建一個(gè)新的動(dòng)態(tài)負(fù)載均衡算法能夠改善傳統(tǒng)均衡算法響應(yīng)時(shí)間過長(zhǎng)、吞吐量過少的不足，但該種算法對(duì)運(yùn)行環(huán)境要求較高，算法還需不斷改善。