CN104935524A - 一种多径网络基于链路时延控制的软负载均衡方法 - Google Patents

Abstract

本发明公开了一种多径网络中基于链路时延控制的软负载均衡方法。在此算法模型中，决定流量的最佳路径分配时，同时考虑了传播时延和链路带宽，在无额外开销的基础上，一方面，可以实现最小化最大链路端到端时延，减小接收端数据包重排序的等待时延；另一方面，可以使各条链路的端到端时延差最小，因此减小了数据包时延抖动，降低了数据包进行重排序的风险。数据包进行重排序的风险越低、等待时延越小，数据包重排序进程带来的时延越小。因此，本发明提出的算法模型不仅能减小端到端时延，还能减小数据包重排序进程的时延，进而使得成功传输一个数据包的时延减小，优化多径网络整体的吞吐量。

Description

一种多径网络基于链路时延控制的软负载均衡方法

技术领域

本发明属于通信系统中的负载均衡技术领域，更具体地，涉及一种多径网络基于链路时延控制的软负载均衡方法。

背景技术

由于不同网络之间的异构性与高度连通性，在源端和目的端之间可能存在多条可用链路。当并行链路传输多媒体业务和实时应用业务时以及其他的一些TCP业务，由于这几类类业务对数据包时延、时延抖动和数据包重排序等因素十分敏感，因此，为了提高并行链路的利用率，研究一种有效的基于时延控制的负载分配算法模型显得至关重要。

目前对负载均衡的研究主要集中在负载均衡效率、带宽利用率和系统吞吐率几个方面。然而，这些研究都没有解决与时延相关的问题。由此，会造成接收端数据包的乱序到达，从而增加数据包的重排序时间；此外，还会引起时延抖动，从而对多媒体数据传输、实时应用的QoS以及TCP业务的性能产生负面影响。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种多径网络基于链路时延控制的软负载均衡方法，其目的在于，减小多径网络中链路的端到端时延，减小数据包重排序进程的时延，缩小链路之间的时延抖动，进而使得成功传输一个数据包的时延减小。

为实现上述目的，按照本发明的一个方面，提供了一种多径网络基于链路时延控制的软负载均衡方法，包括以下步骤：

(1)利用M/M/1队列模型获取多径网络中链路的端到端时延，

(2)根据步骤(1)获得的端到端时延建立求解最佳流量分割比例模型；

(3)根据系统流量守恒定律构建步骤(2)中最佳流量分割比例模型的约束条件；

(4)根据链路的带宽计算链路的数据包分配比率的初始值；

(5)根据步骤(2)中建立的最佳流量分割比例模型对数据包分配比率进行循环迭代处理，直到所有链路的端到端时延都相等为止。

优选地，步骤(1)包括以下子步骤：

(1-1)根据M/M/1队列模型获得多径网络中链路的包转发时延和排队时延之和：其中p表示链路的序号且有p＝1,2,...,N，B_p表示第p条链路的带宽，λ表示多径网络中数据包到达的总速率，其等于数据包包长/数据包到达时间间隔，μ_p表示第p条链路的数据包分配比率；

(1-2)获取多径网络中链路的传播时延D_p；

(1-3)获取多径网络中链路的端到端时延

$C_p\left({\mathrm{\μ}}_p\right)=D_p+D_p^f+D_p^q=D_p+\frac{1}{B_p-\mathrm{\λ}{\mathrm{\μ}}_p}.$

优选地，步骤(3)具体包括以下子步骤：

(3-1)根据系统流量守恒定律构建约束条件

(3-2)根据呼叫允许控制算法构建约束条件即多径网络有足够的可用带宽时才接纳该呼叫；

(3-3)构建约束条件

优选地，步骤(4)中计算链路的数据包分配比率的初始值是采用以下公式：

${\mathrm{\μ}}_p^0=\frac{B_p}{\underset{p\∈[1,N]}{\mathrm{\Σ}}{B}_p}.$

优选地，步骤(5)包括以下子步骤：

(5-1)设置计数器k＝0；

(5-2)根据以及步骤(1-3)中的公式计算所有链路的端到端时延C_p(μ_p)，并判断所有链路的端对端时延是否都相等，如果是则过程结束，否则转入步骤(5-3)；

(5-3)找出所有链路中端到端时延最大的链路p_worst以及端到端时延最小的链路p_best；

(5-4)引入中间变量Δμ，使得通过下述公式求解以得到该中间变量Δμ：

$\mathrm{\Δ\μ}=\left\{\begin{array}{cc}\frac{(S_{p_{\mathrm{best}}}-S_{p_{\mathrm{worst}}})}{2\mathrm{\λ}}& ;\mathrm{\Δ}{D}_p=0\\ \frac{(S_{p_{\mathrm{best}}}-S_{p_{\mathrm{worst}}})+\frac{2}{\mathrm{\Δ}{D}_p}-v\sqrt{{(S_{p_{\mathrm{best}}}+S_{p_{\mathrm{worst}}})}^2+{\left(\frac{2}{\mathrm{\Δ}{D}_p}\right)}^2}}{2\mathrm{\λ}}& ;\mathrm{\Δ}{D}_p\≠0\end{array}\right.$

其中 $S_p=B_p-\mathrm{\λ}{\mathrm{\μ}}_p,\mathrm{\Δ}{D}_p=D_{p_{\mathrm{best}}}-D_{p_{\mathrm{worst}}},v=\frac{\left|\mathrm{\Δ}{D}_p\right|}{\mathrm{\Δ}{D}_p}$

(5-5)获取和Δμ中的较小值，并将该较小值赋值给Δμ；

(5-6)设置k＝k+1，并根据步骤(5-5)中的新Δμ更新和 且对于除了p_best和p_worst以外的链路，设置然后返回步骤(5-2)。

按照本发明的另一方面，提供了一种多径网络基于链路时延控制的软负载均衡系统，包括：

第一模块，用于利用M/M/1队列模型获取多径网络中链路的端到端时延；

第二模块，用于根据第一模块获得的端到端时延建立求解最佳流量分割比例模型；

第三模块，用于根据系统流量守恒定律构建第二模块中最佳流量分割比例模型的约束条件；

第四模块，用于根据链路的带宽计算链路的数据包分配比率的初始值；

第五模块，用于根据第二模块中建立的最佳流量分割比例模型对数据包分配比率进行循环迭代处理，直到所有链路的端到端时延都相等为止。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

1)由于采用了步骤(2)和(5)建立最佳流量分割比例模型来优化链路最大时延，因此，本发明能使时延最大链路的端到端时延最小化；

2)由于采用了步骤(5)的迭代处理平滑所有链路时延，因此本发明最终所有链路时延接近相等，时延抖动几乎为零；

3)由于本发明能够使得所有链路的时延接近相等，因此能够降低接收端进行数据包重排序的概率，减小重排序时延，优化多径网络整体吞吐量。

附图说明

图1是本发明多径网络基于链路时延控制的软负载均衡方法所应用到的多径网络的示意图。

图2是本发明多径网络基于链路时延控制的软负载均衡方法模型。

图3是本发明多径网络基于链路时延控制的软负载均衡方法的流程图。

图4是本发明方法中步骤(1)的细化流程图。

图5是本发明方法中步骤(3)的细化流程图。

图6是本发明方法中步骤(5)的细化流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

图1为多径网络的简易示意图，从源节点到目的节点之间存在多条路径，其既可为同构网络也可为异构网络。链路p₁,p₂,p₃,…，p_N的有效带宽和传播时延分别为B₁,B₂,B₃,…，B_N和D₁,D₂,D₃,…，D_N。为了使多径网络更好的支持各种多媒体及实时业务，以及优化网络的整体吞吐量，负载均衡算法至关重要。

本发明提出了一种多径网络基于链路时延控制的软负载均衡方法，此方法在分流时同时考虑链路的传播时延和有效带宽。其具体算法模型如图2所示：

此算法模型将多径网络中的每条路径等效为一个M/M/1队列，业务流量到达进程服从泊松分布，业务服务进程服从指数分布。其中流量分割器将到达的流量分割成单独的数据包，每个数据包都独立地由路径选择器选择一条链路发送。转发处理机负责数据包的发tu送，当它处于忙碌状态时，数据包在相应的输入队列中排队等待。可以认为各个网络链路的转发处理机的发送速率等于其对应的网络的有效带宽，也即队列的服务速率。输入队列的到达速率为分配到该链路的流量速率。如图2所示，假设流量到达速率为λ，μ_p表示流量分割比例，即到达流量分配到链路p的比例，其中p＝1,2,...,N，B₁,B₂,...,B_N分别表示相应链路的有效带宽。

本发明提出的算法核心是如何通过在这些连接从源端到目的端的多条链路上实现网络流量的最优分配，从而最小化最大链路端到端时延和最小化各条链路的端到端时延差。本发明提出了一种新的基于链路时延控制的软负载均衡算法(Delay-Controlled Soft Load Balancing，简称DCSLB)。在此算法中，决定流量的最佳路径分配时，同时考虑了传播时延和链路带宽，在无额外开销的基础上，一方面，可以实现最小化最大链路端到端时延，减小接收端数据包重排序的等待时延；另一方面，可以使各条链路的端到端时延差最小，因此减小了数据包时延抖动，降低了数据包进行重排序的风险。数据包进行重排序的风险越低、等待时延越小，数据包重排序进程带来的时延越小。因此，本发明提出的方法模型不仅能减小端到端时延，还能减小数据包重排序进程的时延，进而使得成功传输一个数据包的时延减小。

如图3所示，发明多径网络基于链路时延控制的软负载均衡方法包括以下步骤：

(1)利用M/M/1队列模型获取多径网络中链路的端到端时延，如图4所示，本步骤包括以下子步骤：

(1-1)根据M/M/1队列模型获得多径网络中链路(其中链路的总数为N，其为自然数)的包转发时延和排队时延之和：其中p表示链路的序号且有p＝1,2,...,N，B_p表示第p条链路的带宽，λ表示多径网络中数据包到达的总速率，其等于数据包包长/数据包到达时间间隔，μ_p表示第p条链路的数据包分配比率；

(1-2)获取多径网络中链路的传播时延D_p；

(1-3)获取多径网络中链路的端到端时延

$C_p\left({\mathrm{\μ}}_p\right)=D_p+D_p^f+D_p^q=D_p+\frac{1}{B_p-\mathrm{\λ}{\mathrm{\μ}}_p};$

(2)根据步骤(1)获得的端到端时延建立求解最佳流量分割比例模型：

(3)根据系统流量守恒定律构建步骤(2)中最佳流量分割比例模型的约束条件，如图5所示，本步骤具体包括以下子步骤：

(3-1)根据系统流量守恒定律构建约束条件其中假设多径网络中不会凭空消耗也不会生成流量，且流出多径网络的总流量和流进多径网络的总流量相等；

(3-2)根据呼叫允许控制(Call admission control,简称CAC)算法构建约束条件即多径网络有足够的可用带宽时才接纳该呼叫；

(3-3)构建约束条件以保证多径网络稳定，且链路带宽必须能够承载链路上所分配的数据流量；

(4)根据链路的带宽计算链路的数据包分配比率的初始值

${\mathrm{\μ}}_p^0=\frac{B_p}{\underset{p\∈[1,N]}{\mathrm{\Σ}}{B}_p};$

(5)根据步骤(2)中建立的最佳流量分割比例模型对数据包分配比率μ_p进行循环迭代处理，直到所有链路的端到端时延都相等为止，如图6所示，本步骤包括以下子步骤：

(5-1)设置计数器k＝0；

(5-2)根据以及步骤(1-3)中的公式计算所有链路的端到端时延C_p(μ_p)，并判断所有链路的端对端时延是否都相等，如果是则过程结束，否则转入步骤(5-3)；

(5-3)找出所有链路中端到端时延最大的链路p_worst以及端到端时延最小的链路p_best；

(5-4)引入中间变量Δμ，使得通过下述公式求解以得到该中间变量Δμ：

$\mathrm{\Δ\μ}=\left\{\begin{array}{cc}\frac{(S_{p_{\mathrm{best}}}-S_{p_{\mathrm{worst}}})}{2\mathrm{\λ}}& ;\mathrm{\Δ}{D}_p=0\\ \frac{(S_{p_{\mathrm{best}}}-S_{p_{\mathrm{worst}}})+\frac{2}{\mathrm{\Δ}{D}_p}-v\sqrt{{(S_{p_{\mathrm{best}}}+S_{p_{\mathrm{worst}}})}^2+{\left(\frac{2}{\mathrm{\Δ}{D}_p}\right)}^2}}{2\mathrm{\λ}}& ;\mathrm{\Δ}{D}_p\≠0\end{array}\right.$

其中 $S_p=B_p-\mathrm{\λ}{\mathrm{\μ}}_p,\mathrm{\Δ}{D}_p=D_{p_{\mathrm{best}}}-D_{p_{\mathrm{worst}}},v=\frac{\left|\mathrm{\Δ}{D}_p\right|}{\mathrm{\Δ}{D}_p}$

(5-5)获取μ_pworst和Δμ中的较小值，并将该较小值赋值给Δμ；

(5-6)设置k＝k+1，并根据步骤(5-5)中的新Δμ更新和 且对于除了p_best和p_worst以外的链路，设置然后返回步骤(5-2)。

总而言之，本发明通过在多径网络中应用基于链路时延的自适应负载均衡方法，实现了：

1)最小化时延最大链路的端到端时延；

2)平滑所有链路时延，最终所有链路时延接近相等，时延抖动几乎为零；

3)降低接收端进行数据包重排序的概率，减小重排序时延，优化多径网络整体吞吐量。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种多径网络基于链路时延控制的软负载均衡方法，其特征在于，包括以下步骤：

(1)利用M/M/1队列模型获取多径网络中链路的端到端时延，

(2)根据步骤(1)获得的端到端时延建立求解最佳流量分割比例模型；

(3)根据系统流量守恒定律构建步骤(2)中最佳流量分割比例模型的约束条件；

(4)根据链路的带宽计算链路的数据包分配比率的初始值；

(5)根据步骤(2)中建立的最佳流量分割比例模型对数据包分配比率进行循环迭代处理，直到所有链路的端到端时延都相等为止。

2.根据权利要求1所述的软负载均衡方法，其特征在于，步骤(1)包括以下子步骤：

(1-1)根据M/M/1队列模型获得多径网络中链路的包转发时延和排队时延之和：其中p表示链路的序号且有p＝1,2,...,N，B_p表示第p条链路的带宽，λ表示多径网络中数据包到达的总速率，其等于数据包包长/数据包到达时间间隔，μ_p表示第p条链路的数据包分配比率；

(1-2)获取多径网络中链路的传播时延D_p；

(1-3)获取多径网络中链路的端到端时延

$C_p\left({\mathrm{\μ}}_p\right)=D_p+D_p^f+D_p^q=D_p+\frac{1}{B_p-\mathrm{\λ}{\mathrm{\μ}}_p}.$

3.根据权利要求2所述的软负载均衡方法，其特征在于，步骤(3)具体包括以下子步骤：

(3-1)根据系统流量守恒定律构建约束条件

(3-2)根据呼叫允许控制算法构建约束条件即多径网络有足够的可用带宽时才接纳该呼叫；

(3-3)构建约束条件

4.根据权利要求3所述的软负载均衡方法，其特征在于，步骤(4)中计算链路的数据包分配比率的初始值是采用以下公式：

${\mathrm{\μ}}_p^0=\frac{B_p}{\underset{p\∈[1,N]}{\mathrm{\Σ}}{B}_p}.$

5.根据权利要求4所述的软负载均衡方法，其特征在于，步骤(5)包括以下子步骤：

(5-1)设置计数器k＝0；

(5-2)根据以及步骤(1-3)中的公式计算所有链路的端到端时延C_p(μ_p)，并判断所有链路的端对端时延是否都相等，如果是则过程结束，否则转入步骤(5-3)；

(5-3)找出所有链路中端到端时延最大的链路p_worst以及端到端时延最小的链路p_best；

(5-4)引入中间变量Δμ，使得通过下述公式求解以得到该中间变量Δμ：

$\mathrm{\Δ\μ}=\left\{\begin{array}{cc}\frac{(S_{p_{\mathrm{best}}}-S_{p_{\mathrm{worst}}})}{2\mathrm{\λ}};& \mathrm{\Δ}{D}_p=0\\ \frac{(S_{p_{\mathrm{best}}}-S_{p_{\mathrm{worst}}})+\frac{2}{\mathrm{\Δ}{D}_p}-v\sqrt{{(S_{p_{\mathrm{best}}}+S_{p_{\mathrm{worst}}})}^2+{\left(\frac{2}{\mathrm{\Δ}{D}_p}\right)}^2}}{2\mathrm{\λ}};& \mathrm{\Δ}{D}_p\≠0\end{array}\right.$

其中S_p＝B_p-λμ_p, $\mathrm{\Δ}{D}_p=D_{p_{\mathrm{best}}}-D_{p_{\mathrm{worst}}},v=\frac{\left|\mathrm{\Δ}{D}_p\right|}{\mathrm{\Δ}{D}_p}$

(5-5)获取和Δμ中的较小值，并将该较小值赋值给Δμ；

(5-6)设置k＝k+1，并根据步骤(5-5)中的新Δμ更新和 且对于除了p_best和p_worst以外的链路，设置然后返回步骤(5-2)。

6.一种多径网络基于链路时延控制的软负载均衡系统，其特征在于，包括：

第一模块，用于利用M/M/1队列模型获取多径网络中链路的端到端时延；

第二模块，用于根据第一模块获得的端到端时延建立求解最佳流量分割比例模型；

第三模块，用于根据系统流量守恒定律构建第二模块中最佳流量分割比例模型的约束条件；

第四模块，用于根据链路的带宽计算链路的数据包分配比率的初始值；

第五模块，用于根据第二模块中建立的最佳流量分割比例模型对数据包分配比率进行循环迭代处理，直到所有链路的端到端时延都相等为止。