CN103581048B - 一种电力通信网络的分布式资源过载控制方法 - Google Patents

Abstract

本发明一种电力通信网络的分布式资源过载控制方法，属于电力通信网络中的资源调度、管理和优化领域，本发明利用能效模型描述业务速率与能效之间的关系，通过建立控制速率与能效之间的关系函数，以过载控制为约束条件，同时考虑应用服务器的过载控制与能效问题，构建能效的最优化过载控制模型；利用模拟退火算法进行随机搜索得到能效最优时的应用服务器的过载控制速率；能效过载控制从过载控制的设计环节开始逐步展开，对过载控制的不同方法进行研究，本发明不仅能满足服务器容量和质量的要求，而且产生的环境影响小，对物理资源的要求低，能够有效的对分布式资源过载进行控制。

Description

一种电力通信网络的分布式资源过载控制方法

技术领域

本发明属于电力通信网络中的资源调度、管理和优化领域，具体涉及一种电力通信网络的分布式资源过载控制方法。

背景技术

新一代电力通信网络自问世以来，就以快速发展的态势在世界范围内不断推广、应用。传统电力通信主要承担电力网络简单的调度、语音和部分数据业务，但随着新一代电力通信网络的发展，特别是电力通信向智能电网方向快速发展，由于远程监控、信号实时采集、视频传输、实时调度、实时语音等新的应用不断涌现，新型业务类型呈爆炸式增长，电力通信网络已经转变为主要承担电力网络以多媒体业务为主要特征的流媒体数据业务的载体。新一代电力通信网络以业务需求驱动网络的发展和部署，软交换和应用服务器等网络资源是其两个核心实体。电力通信业务量的不断增长增加了这些网络资源的处理压力，并提出了新的问题和挑战，特别是当其业务信息超过某一门限时，这些网络资源处理效率急剧下降。有效的过载控制方法是当前电力和新一代电力通信网络进行网络资源管理和调度面对的主要问题。

目前，不断上涨的能源成本、日益堪忧的资源供应瓶颈和温室效应及其引发的经济问题，使得降低网络能耗、提高网络能效从而构建绿色电力通信网络成为未来电力通信网络发展的方向。能效过载控制从过载控制的设计环节开始逐步展开，对过载控制的不同方法进行研究，从而使电力通信网络资源不仅满足电力通信对传输容量和质量的要求，而且产生的环境影响最小，对物理资源的要求最低。

经过多年的研究，过载控制方法已取得了长足的进展。Z.Liuyan等研究了通信网络网关的过载控制问题，利用公平因子提出一种过载控制方法。M.Homayouni等针对IP通信服务器中的过载问题，利用自适应窗口，通过限制发送到下一跳的业务量来控制过载，并提出了一种自适应的过载控制算法。J.Mueller等通过桥接应用层和网络层的特定服务控制机制，优化端到端之间连接的差距，提出一种自适应的资源控制方法。

但是这些研究方法对物理资源要求较大，易造成资源浪费，并不是能效的控制方法。可见目前的过载控制方法已经不能很好的适应资源与环境的要求，不能满足电力通信网络进一步发展的需要。

发明内容

针对现有技术的不足，本发明提出一种电力通信网络的分布式资源过载控制方法，以达到实现准确控制网络资源过载，减小环境影响降低物理资源要求的目的。

一种电力通信网络的分布式资源过载控制方法，包括以下步骤：

步骤1、设置采样间隔，根据采样间隔和随机系数，确定实际采样间距，并在该实际采样间距内分别检测周期内网关的业务数量、不同业务的到达速率、处理速率和服务器的业务数量、不同业务的到达速率、处理速率，获得CPU的利用率，并分别根据网关和服务器的服务缓存空间的空闲空间，获得服务缓存空间利用率；

步骤2、判断分布式资源是否过载，即判断CPU的利用率是否大于根据需求所设定的门限值，同时判断服务缓存空间利用率是否大于根据需求所设定的门限值，若上述两者同时大于门限值，则分布式资源过载，停止接收下一周期的业务并执行步骤3，否则，将采样间隔加一并返回执行步骤1；

步骤3、将所有业务根据设定的优先级进行排序，并获得排序后的各业务的CPU利用率，在所有业务中，选择出CPU利用率大于各自CPU利用率阈值的业务，作为被控的不同优先级过载业务；

步骤4、根据应用服务器处理全部业务所消耗的总能耗，结合不同业务控制速率的限制条件，建立能效优化模型，具体为：

步骤4-1、根据网关和服务器中的业务最大处理速率、最大处理速率对于处理业务所消耗的能耗的影响和控制速率对于处理业务所消耗的能耗的影响，建立处理业务所消耗的能耗与不同优先级业务控制速率之间的关系；

步骤4-2、根据网关和服务器中的最大缓存、最大缓存对于缓存能耗的影响和当前缓存对于缓存能耗的影响，建立缓存能耗和缓存利用率之间的关系；

步骤4-3、根据网络基本能耗和当前缓存对于缓存能耗的影响，建立样测能耗和采样间隔之间的关系；

步骤4-4、根据处理业务所消耗的能耗、缓存能耗和样测能耗获得总能耗，并根据总能耗建立能效与不同优先级业务控制速率之间的关系；

步骤4-5、设定在过载控制过程中的限定条件，包括不同优先级业务的CPU利用率小于其CPU利用率阈值、不同优先级业务的控制速率均大于零和两个不同优先级业务控制速率比例在设置范围内；

步骤4-6、结合过载控制过程中的限定条件建立能效与不同优先级业务控制速率之间的关系；

步骤5、采用模拟退火算法获得能效最大时的不同优先级过载业务控制速率；

步骤6、根据获得的不同优先级过载业务的最终控制速率，设置计数器，即设定下一周期内接收业务的数量，实现对分布式资源过载的控制，即对网关和服务器过载的控制；

步骤7、判断本采样间距内所有业务是否均处理完成，若是，则将采样间隔减一，等待接收新业务，并返回执行步骤1；否则继续对剩余业务进行处理。

步骤1所述的根据采样间隔和随机系数，确定实际采样间距，具体为：将采样间隔与随机系数相乘获得实际采样间距，所述的随机系数取值范围为0～1。

步骤1所述的根据业务数量、不同业务的到达速率和处理速率，获得CPU的利用率；

CPU利用率r₁公式如下：

其中，w表示业务数量，v_e表示业务e的到达速率，表示对业务e的处理速率；

所述的根据服务缓存空间的空闲空间，获得服务缓存空间利用率r₂，公式如下：

r₂=(P_o-P_c)/P_o（2）

其中，P_o为服务缓存队列总长度；P_c表示服务缓存空间的空闲空间。

步骤4-6所述的结合过载控制过程中的限定条件建立能效与不同优先级业务控制速率之间的关系，具体为建立能效优化模型，公式如下：

$\left\{\begin{array}{c}{N}_j=\arg \max E\left(N_j\right)\\ s.t\frac{N_j}{{\mathrm{\&mu;}}_j}\&le;u_j,j\&Element;M\\ (1-\mathrm{\&gamma;})\frac{m_i}{m_j}<\frac{N_i}{N_j}<(1+\mathrm{\&gamma;})\frac{m_i}{m_j},\mathrm{\&gamma;}\&Element;\left(\mathrm{0,1}\right)\\ N_j>0\end{array}\right.---\left(3\right)$

其中，N_j表示能效最大时优先级为j的过载业务的控制速率；E(N_j)表示优先级为j的过载业务的能效，μ_j表示应用服务器对优先级为j的过载业务的处理速率，u_j表示优先级为j的业务的CPU利用率的阈值，M表示过载业务的集合，N_i表示优先级为i的业务的控制速率，m_i表示优先级为i的业务占过载业务总数的百分比，m_j表示优先级为j的业务占过载业务总数的百分比；

步骤4-5所述的两个不同优先级业务控制速率比例在设置范围内，即

$(1-\mathrm{\&gamma;})\frac{m_i}{m_j}<\frac{N_i}{N_j}<(1+\mathrm{\&gamma;})\frac{m_i}{m_j},\mathrm{\&gamma;}\&Element;\left(\mathrm{0,1}\right).$

步骤5所述的采用模拟退火算法获得能效最大时的不同优先级过载业务控制速率，具体包括以下步骤：

步骤5-1、设定模拟退火算法的初始温度，退温系数和最低温度；

步骤5-2、根据检测得到的不同优先级过载业务到达速率，生成当前温度下的不同优先级过载业务控制速率向量N_t：

N_t=[N_t1,N_t2,...,N_tn]（4）

其中，n表示业务优先级；N_t1,N_t2,...,N_tn表示在当前温度t下，每个不同优先级过载业务的控制速率，初始状态时，N_t1,N_t2,...,N_tn为不同优先级过载业务到达速率，t为初始温度，同时，将控制速率向量N_t作为最优过载业务控制速率向量N_j；

步骤5-3、根据获得的最优过载业务控制速率向量N_j计算该向量的能效值E(N_j)，作为最优能效值；

步骤5-4、将不同优先级过载业务控制速率按照邻域函数生成新的控制速率，进而获得新的不同优先级过载业务控制速率向量作为新控制速率向量：

$N_t^{\mathrm{new}}=[N_{t1}^{\mathrm{new}},N_{t2}^{\mathrm{new}},...,N_{t4}^{\mathrm{new}}]---\left(5\right)$

步骤5-5、根据新控制速率向量计算新向量的新能效值

步骤5-6、若新能效值大于最优能效值，则新控制速率向量替换最优过载业务控制速率向量；若新能效值小于或等于最优能效值，则以概率p将新控制速率向量替换最优过载业务控制速率向量；

所述的概率p公式如下：

$p=\exp \left(\frac{E\left(N_t^{\mathrm{new}}\right)-E\left(N_j\right)}{t}\right)---\left(6\right)$

其中，t表示当前温度；表示新能效值；E(N_j)表示最优能效值；

步骤5-7、若当前温度小于或等于最低温度，则获得能效最大时的不同优先级过载业务控制速率，否则，根据退温系数生成新温度，并返回执行步骤5-4；

步骤2所述的采样间隔加一，当采样间隔大于采样间隔上限值时，将采样间隔设置为上限值；步骤7所述的采样间隔减一，当采样间隔小于1时，讲采样间隔设置为1。

本发明的优点：

本发明一种电力通信网络的分布式资源过载控制方法，利用能效模型描述业务速率与能效之间的关系，通过建立控制速率与能效之间的关系函数，以过载控制为约束条件，同时考虑应用服务器的过载控制与能效问题，构建能效的最优化过载控制模型；利用模拟退火算法进行随机搜索得到能效最优时的应用服务器的过载控制速率；能效过载控制从过载控制的设计环节开始逐步展开，对过载控制的不同方法进行研究，本发明不仅能满足服务器容量和质量的要求，而且产生的环境影响小，对物理资源的要求低，能够有效的对分布式资源过载进行控制。

附图说明

图1为本发明一种实施例的电力通信网络的分布式资源过载控制方法流程图；

图2为本发明一种实施例的网络框图；

图3为本发明一种实施例的测量得出各类业务的到达速率示意图；

图4为本发明一种实施例的各类业务的CPU利用率示意图；

图5为本发明一种实施例的不同优先级业务的CPU利用率示意图；

图6为本发明一种实施例的过载控制后业务的控制速率示意图；

图7为本发明一种实施例的过载控制后不同业务的CPU利用率示意图；

图8为本发明一种实施例的过载控制后不同优先级的CPU利用率示意图；

图9为本发明一种实施例的能效对比示意图；

图10为本发明一种实施例的不同门限值对能效的影响示意图。

具体实施方式

下面结合附图对本发明一种实施例做进一步说明。

一种电力通信网络的分布式资源过载控制方法，方法流程图如图1所示，包括以下步骤：

步骤1、设置采样间隔，根据采样间隔和随机系数，确定实际采样间距，并在该实际采样间距内分别检测周期内网关的业务数量、不同业务的到达速率、处理速率和服务器的业务数量、不同业务的到达速率、处理速率，获得CPU的利用率，并分别根据网关和服务器的服务缓存空间的空闲空间，获得服务缓存空间利用率；

本发明实施例中，在网络中软交换网关和软交换服务器处，以可变抽样方式监测到达软交换网关和软交换服务器的业务流；构造采样间隔η=10，产生随机数α∈(0,1]，以步长（实际采样间距）αη进行不等间距分别测量到达服务器的业务数量、不同业务的到达速率、处理速率和到达网关的业务数量、不同业务的到达速率、处理速率；

本发明实施例中，应用服务器可处理四种分布式业务，业务1、业务2为高优先级业务，业务3、业务4为低优先级业务；应用服务器对业务1、2、3和4的处理速率分别为40，80，60，120。如图2所示，可以看出应用服务器获取的四种业务的到达速率。

以间隔η采样网络资源处的业务负载，并汇聚到本地后台处理终端，作为分布式网络资源和业务监测的输入参数。

CPU利用率ρ₁公式如下：

所述的根据服务缓存空间的空闲空间，获得服务缓存空间利用率ρ₂，公式如下：

ρ₂=(P_o-P_c)/P_o（2）

步骤2、判断分布式资源是否过载，即判断CPU的利用率ρ₁是否大于根据需求所设定的门限值ρ₁'，同时判断服务缓存空间利用率ρ₂是否大于根据需求所设定的门限值ρ₂'，若上述两者同时大于门限值，则分布式资源过载，停止接收下一周期的业务并执行步骤3，否则，将采样间隔加一并返回执行步骤1；

本发明实施例中，若没有网络资源过载报告，当采样间隔η≤最大采样间隔时，则令η=η+1，否则令最大采样间隔为若有网络资源过载报告，则当η≥1时，令η=η-1，否则令η=1。

图3展示了本实施例中各类业务的到达速率，如图4和图5所示，通过过载检测，本发明实施例中4种业务均发生了过载。

步骤3、将所有业务根据设定的优先级进行排序，并获得排序后的各业务的CPU利用率，在所有业务中，选择出CPU利用率大于各自CPU利用率阈值的业务，作为被控的不同优先级过载业务；

本发明实施例中，对所有业务类型从低到高建立优先级列表s={s₁,s₂}，并建立对应的CPU资源占用率门限列表u={0.5,0.3}，建立并初始化各业务CPU利用率列表更新如果则优先级s_i对应的业务过载，其中i=1,2。

步骤4、根据应用服务器处理全部业务所消耗的总能耗，结合不同业务控制速率的限制条件，建立能效优化模型，具体为：

步骤4-1、根据网关和服务器中的业务最大处理速率、最大处理速率对于处理业务所消耗的能耗的影响和控制速率对于处理业务所消耗的能耗的影响，建立处理业务所消耗的能耗与不同优先级业务控制速率之间的关系；

处理业务所消耗的能耗f(N)公式如下：

$f\left(N\right)=\left\{\begin{array}{cc}0& N=0\\ {\mathrm{\&beta;}}_1{c}^2+{\mathrm{\&beta;}}_2{N}^2& 0<N<c\end{array}\right.---\left(7\right)$

其中，c表示网关和服务器处理的业务最大速率；N表示控制业务速率；β₁和β₂分别表示加权系数且β₁,β₂∈(0,1)，即分别表示最大处理速率对于处理业务所消耗的能耗的影响和控制速率对于处理业务所消耗的能耗的影响；β₁=0.1，β₂=0.9。

步骤4-2、根据网关和服务器中的最大缓存、最大缓存对于缓存能耗的影响和当前缓存对于缓存能耗的影响，建立缓存能耗和缓存利用率之间的关系；

缓存能耗f(r)公式如下：

$f\left(r\right)=\left\{\begin{array}{cc}0& r=0\\ ({\mathrm{\&alpha;}}_1+{\mathrm{\&alpha;}}_2{r}^2)l^2& 0<r<1\end{array}\right.---\left(8\right)$

其中，l表示网关和服务器中的最大缓存；r表示当前缓存利用率；α₁和α₂表示加权系统且α₁,α₂∈(0,1)，即分别表示最大缓存对于缓存能耗的影响和当前缓存对于缓存能耗的影响；α₁=0.3，α₂=0.7，l=200，r=0.85。

步骤4-3、根据网络基本能耗和当前缓存对于缓存能耗的影响，建立样测能耗和采样间隔之间的关系；

本发明实施例中，由于网关和服务器没有处理业务时，也会消耗能量，这部分能量是为了保证网络正常运行所必须的基本能耗，而且由于对网络资源进行采样测量也需要消耗能耗，

样测能耗f(η)公式如下：

其中，E_b表示网络基本能耗，E_b=150，b为basic简写；η表示采样间隔；τ和表示最小、最大采样间隔。

步骤4-4、根据处理业务所消耗的能耗、缓存能耗和样测能耗获得总能耗，并根据总能耗建立能效与不同优先级业务控制速率之间的关系；

结合公式（7）～（9）获得总能耗E，公式如下：

E=f(N)+f(r)+f(η)（10）

能效-控制速率模型如下：

$E\left(N\right)=\frac{N}{E}---\left(11\right)$

其中， $E\left(N\right)=C/((\underset{j\&Element;M}{\mathrm{\&Sigma;}}{\mathrm{\&beta;}}_1{c}^2+{\mathrm{\&beta;}}_2{N_j}^2)+({\mathrm{\&alpha;}}_1+{\mathrm{\&alpha;}}_2{r}^2)l^{2+}{E}_b+{\mathrm{\&alpha;}}_2{\mathrm{\&eta;}}^2),$ M表示过载业务的集合，C表示过载业务的总控制速率。

本发明实施例中，以等式（11）为最优化目标，提出分布式的网络资源控制方法，通过对不同网络节点处的软交换网关和软交换服务器的CPU使用、缓存使用进行分布式的资源过载控制，从而达到整体的网络资源最优化控制目标。

步骤4-5、设定在过载控制过程中的限定条件，包括不同优先级业务的CPU利用率小于其CPU利用率阈值、不同优先级业务的控制速率均大于零和两个不同优先级业务控制速率比例在设置范围内；

$\left\{\begin{array}{c}\frac{N_j}{{\mathrm{\&mu;}}_j}\&le;u_j,j\&Element;M\\ (1-\mathrm{\&gamma;})\frac{m_i}{m_j}<\frac{N_i}{N_j}<(1+\mathrm{\&gamma;})\frac{m_i}{m_j},\mathrm{\&gamma;}\&Element;\left(\mathrm{0,1}\right)\\ N_j>0\end{array}\right.---\left(12\right)$

步骤4-6、结合过载控制过程中的限定条件和能效与不同优先级业务控制速率之间的关系，建立能效优化模型；

步骤4-6所述的建立能效优化模型，公式如下：

$\left\{\begin{array}{c}{N}_j=\arg \max E\left(N_j\right)\\ s.t\frac{N_j}{{\mathrm{\&mu;}}_j}\&le;{\mathrm{u\&mu;}}_j,j\&Element;M\\ (1-\mathrm{\&gamma;})\frac{m_i}{m_j}<\frac{N_i}{N_j}<(1+\mathrm{\&gamma;})\frac{m_i}{m_j},\mathrm{\&gamma;}\&Element;\left(\mathrm{0,1}\right)\\ N_j>0\end{array}\right.---\left(3\right)$

步骤5、采用模拟退火算法获得能效最大时的不同优先级过载业务控制速率；

具体包括以下步骤：

步骤5-1、设定模拟退火算法的初始温度t₀=100，退温系数r=0.99以及最低温度t_min=0.1；

步骤5-2、根据检测得到的不同优先级过载业务到达速率，生成当前温度下的不同优先级过载业务控制速率向量N_t：

N_t=[N_t1,N_t2,...,N_tn]（4）

同时，将控制速率向量N_t作为最优过载业务控制速率向量N_j；

步骤5-3、根据获得的最优过载业务控制速率向量N_j计算该向量的能效值E(N_j)，作为最优能效值；

步骤5-4、将不同优先级过载业务控制速率按照邻域函数生成新的控制速率，在本实施例中，按照均匀分布随机生成新的过载控制速率，进而获得新的不同优先级过载业务控制速率向量作为新控制速率向量：

$N_t^{\mathrm{new}}=[N_{t1}^{\mathrm{new}},N_{t2}^{\mathrm{new}},...,N_{t4}^{\mathrm{new}}]---\left(5\right)$

步骤5-5、根据新控制速率向量计算新向量的新能效值

步骤5-6、若则新控制速率向量替换最优过载业务控制速率向量N_j；若则以概率p将新控制速率向量替换最优过载业务控制速率向量N_j；

所述的概率p公式如下：

$p=\exp \left(\frac{E\left(N_t^{\mathrm{new}}\right)-E\left(N_j\right)}{t}\right)---\left(6\right)$

其中，t表示当前温度；表示新能效值；E(N_j)表示最优能效值；即随机生成[0,1]之间的随机数rand，若rand<p，则用替换N_j；

步骤5-7、若当前温度t小于或等于最低温度t_min，则获得能效最大时的不同优先级过载业务控制速率，否则，根据退温系数生成新温度，t′=r×t，并返回执行步骤5-4；

步骤6、根据获得的不同优先级过载业务的最终控制速率，设置计数器，即设定下一周期内接收业务的数量，实现对分布式资源过载的控制，即对网关和服务器过载的控制；

本发明实施例中个，在每个采样间隔内，根据业务类别，更新不同业务优先级，同时更新缓存队列中各业务等待时间。每到达一个业务请求就从令牌桶中取出一张令牌颁发给该业务，计数器数值减一；CPU处理完一个业务请求则将其令牌返回到令牌桶中，计数器数值加一。当令牌桶中令牌数为0时，即计数器数值为0，如果现有缓存中存在比新到达业务优先级低的业务，则将缓存中优先级最低且已等待时间最短的业务从缓存队列中删除，并将其令牌给新到达业务，同时将新到达业务放入缓存队列中。否则，丢弃该业务。

步骤7、判断本采样间距内所有业务是否均处理完成，若是，则将采样间隔减一，等待接收新业务，并返回执行步骤1；否则继续对剩余业务进行处理。

图6展示了本发明应用服务器能效过载控制算法下的业务过载控制速率，如图6所示，本发明将业务的到达速率成功的控制在了一个合理的范围内，并且控制速率保持稳定，同时满足一定的有效性和公平性，过载情况得到了很好的控制。图7和图8所示的高低优先级业务的CPU利用率及各类业务的CPU利用率中，由图可见，本发明成功的将业务的CPU利用率限制在门限值附近，并且不同优先级的业务的CPU利用率均满足阈值要求。图9展示了本发明能效与未经过过载控制的能效的对比。图10展示了不同门限值下的能效情况；通过与传统的速率分配与能效过载控制进行对比可以发现本能效过载控制的效果更好。

Claims (6)

1.一种电力通信网络的分布式资源过载控制方法，其特征在于，包括以下步骤：

步骤1、设置采样间隔，根据采样间隔和随机系数，确定实际采样间距，并在该实际采样间距内分别检测周期内网关的业务数量、不同业务的到达速率、处理速率和服务器的业务数量、不同业务的到达速率、处理速率，获得CPU的利用率，并分别根据网关和服务器的服务缓存空间的空闲空间，获得服务缓存空间利用率；

步骤2、判断分布式资源是否过载，即判断CPU的利用率是否大于根据需求所设定的门限值，同时判断服务缓存空间利用率是否大于根据需求所设定的门限值，若上述两者同时大于门限值，则分布式资源过载，停止接收下一周期的业务并执行步骤3，否则，将采样间隔加一并返回执行步骤1；

步骤3、将所有业务根据设定的优先级进行排序，并获得排序后的各业务的CPU利用率，在所有业务中，选择出CPU利用率大于各自CPU利用率阈值的业务，作为被控的不同优先级过载业务；

步骤4、根据应用服务器处理全部业务所消耗的总能耗，结合不同业务控制速率的限制条件，建立能效优化模型，具体为：

步骤4-1、根据网关和服务器中的业务最大处理速率、最大处理速率对于处理业务所消耗的能耗的影响和控制速率对于处理业务所消耗的能耗的影响，建立处理业务所消耗的能耗与不同优先级业务控制速率之间的关系；

步骤4-2、根据网关和服务器中的最大缓存、最大缓存对于缓存能耗的影响和当前缓存对于缓存能耗的影响，建立缓存能耗和缓存利用率之间的关系；

步骤4-3、根据网络基本能耗和当前缓存对于缓存能耗的影响，建立样测能耗和采样间隔之间的关系；

步骤4-4、根据处理业务所消耗的能耗、缓存能耗和样测能耗获得总能耗，并根据总能耗建立能效与不同优先级业务控制速率之间的关系；

步骤4-5、设定在过载控制过程中的限定条件，包括不同优先级业务的CPU利用率小于其CPU利用率阈值、不同优先级业务的控制速率均大于零和两个不同优先级业务控制速率比例在设置范围内；

步骤4-6、结合过载控制过程中的限定条件建立能效与不同优先级业务控制速率之间的关系；

步骤5、采用模拟退火算法获得能效最大时的不同优先级过载业务控制速率；

步骤6、根据获得的不同优先级过载业务的最终控制速率，设置计数器，即设定下一周期内接收业务的数量，实现对分布式资源过载的控制，即对网关和服务器过载的控制；

步骤7、判断本采样间距内所有业务是否均处理完成，若是，则将采样间隔减一，等待接收新业务，并返回执行步骤1；否则继续对剩余业务进行处理。

2.根据权利要求1所述的电力通信网络的分布式资源过载控制方法，其特征在于，步骤1所述的根据采样间隔和随机系数，确定实际采样间距，具体为：将采样间隔与随机系数相乘获得实际采样间距，所述的随机系数取值范围为0～1。

3.根据权利要求1所述的电力通信网络的分布式资源过载控制方法，其特征在于，步骤1所述的根据业务数量、不同业务的到达速率和处理速率，获得CPU的利用率；CPU利用率ρ₁公式如下：

其中，w表示业务数量，v_e表示业务e的到达速率，表示对业务e的处理速率；

所述的根据服务缓存空间的空闲空间，获得服务缓存空间利用率ρ₂，公式如下：

ρ₂＝(P_o-P_c)/P_o(2)

其中，P_o为服务缓存队列总长度；P_c表示服务缓存空间的空闲空间。

4.根据权利要求1所述的电力通信网络的分布式资源过载控制方法，其特征在于，步骤4-6所述的结合过载控制过程中的限定条件建立能效与不同优先级业务控制速率之间的关系，具体为建立能效优化模型，公式如下：

$\left\{\begin{array}{c}{N}_j=\arg \max E\left(N_j\right)\\ \begin{array}{cc}s.t& \frac{N_j}{{\mathrm{\&mu;}}_j}\&le;u_j,j\&Element;M\\ & \left(1-\mathrm{\&gamma;}\right)\frac{m_i}{m_j}<\frac{N_i}{N_j}<\left(1+\mathrm{\&gamma;}\right)\frac{m_i}{m_j},\mathrm{\&gamma;}\&Element;\left(0,1\right)\\ & N_j>0\end{array}\end{array}\right.---\left(3\right)$

其中，N_j表示能效最大时优先级为j的过载业务的控制速率；E(N_j)表示优先级为j的过载业务的能效，μ_j表示应用服务器对优先级为j的过载业务的处理速率，u_j表示优先级为j的业务的CPU利用率的阈值，M表示过载业务的集合，N_i表示优先级为i的业务的控制速率，m_i表示优先级为i的业务占过载业务总数的百分比，m_j表示优先级为j的业务占过载业务总数的百分比；

步骤4-5所述的两个不同优先级业务控制速率比例在设置范围内，即 $\left(1-\mathrm{\&gamma;}\right)\frac{m_i}{m_j}<\frac{N_i}{N_j}<\left(1+\mathrm{\&gamma;}\right)\frac{m_i}{m_j},\mathrm{\&gamma;}\&Element;\left(0,1\right).$

5.根据权利要求1所述的电力通信网络的分布式资源过载控制方法，其特征在于，步骤5所述的采用模拟退火算法获得能效最大时的不同优先级过载业务控制速率，具体包括以下步骤：

步骤5-1、设定模拟退火算法的初始温度，退温系数和最低温度；

步骤5-2、根据检测得到的不同优先级过载业务到达速率，生成当前温度下的不同优先级过载业务控制速率向量N_t：

N_t＝[N_t1，N_t2，...，N_tn](4)

其中，n表示业务优先级；N_t1，N_t2，...，N_tn表示在当前温度t下，每个不同优先级过载业务的控制速率，初始状态时，N_t1，N_t2，...，N_tn为不同优先级过载业务到达速率，t为初始温度，同时，将控制速率向量N_t作为最优过载业务控制速率向量N_j；

步骤5-3、根据获得的最优过载业务控制速率向量N_j计算该向量的能效值E(N_j)，作为最优能效值；

步骤5-4、将不同优先级过载业务控制速率按照邻域函数生成新的控制速率，进而获得新的不同优先级过载业务控制速率向量作为新控制速率向量：

$N_t^{new}=\&lsqb;N_{t1}^{new},N_{t2}^{new},...,N_{t4}^{new}\&rsqb;---\left(5\right)$

步骤5-5、根据新控制速率向量计算新向量的新能效值

步骤5-6、若新能效值大于最优能效值，则新控制速率向量替换最优过载业务控制速率向量；若新能效值小于或等于最优能效值，则以概率p将新控制速率向量替换最优过载业务控制速率向量；

所述的概率p公式如下：

$p=\exp \left(\frac{E\left(N_t^{new}\right)-E\left(N_j\right)}{t}\right)---\left(6\right)$

其中，t表示当前温度；表示新能效值；E(N_j)表示优先级为j的过载业务的能效；

步骤5-7、若当前温度小于或等于最低温度，则获得能效最大时的不同优先级过载业务控制速率，否则，根据退温系数生成新温度，并返回执行步骤5-4。

6.根据权利要求1所述的电力通信网络的分布式资源过载控制方法，其特征在于，步骤2所述的采样间隔加一，当采样间隔大于采样间隔上限值时，将采样间隔设置为上限值；步骤7所述的采样间隔减一，当采样间隔小于1时，将采样间隔设置为1。