CN105450537A - 确定节点负载信息及据此进行负载均衡和过载控制 - Google Patents

Abstract

本发明的目的是提供一种确定节点负载信息以及基于节点的负载信息确定为其分发的流量比例的方法与装置。其中，本发明可以根据一节点的各资源的使用信息，综合确定该节点的负载信息。并且，本发明中上级节点可以根据各下级节点的当前负载信息，综合确定为其中每个下级节点分发的流量比例，其中每个下级节点的当前负载信息基于该下级节点中各资源的使用信息来确定。本发明提供了一种归一化的计算方案，以基于多种资源使用信息来综合计算节点的负载信息和过载信息。

Description

确定节点负载信息及据此进行负载均衡和过载控制

本申请交叉引用一美国专利，该美国专利的申请日为1989年6月30日，授权日为1990年11月27日，专利号为US4974256，发明名称为“在分布式处理通信系统中的负载均衡和过载控制(Loadbalancingandoverloadcontrolinadistributedprocessingtelecommunicationssystem)”，该美国专利被全文引用于此。

技术领域

本发明涉及通信技术领域，尤其涉及一种确定节点负载信息以及基于节点的负载信息进行负载均衡和过载控制的技术。

背景技术

当前，负载均衡机制以及过载控制机制均需要通过合理计算来确定特定节点(或者被称为网元)的负载信息。负载信息一般取决于多种资源的使用信息，包括但不限于如CPU(CentralProcessingUnit，中央处理器)使用率，内存使用率，存储使用率，诸如进程的内部消息队列、缓存或线程等本地资源的使用率，诸如DNS(DomainNameServer，域名服务器)、数据库等外部资源的使用率，以及其它。

现有技术方案中，通常单独地计算出节点的每一种资源使用信息所对应的负载信息，这就使得一个节点对应有多个负载信息，诸如CPU负载信息、内存负载信息、存储负载信息等，这种方案在具体计算时非常复杂，并且不便于基于标准化的方式在节点之间进行传输各负载信息。此外，这种方案也未考虑各资源使用信息之间的动态相关性，当进行负载均衡或者过载控制时，上级节点不得不被分别地根据各下级节点的多种负载信息或过载信息来进行控制，从而使得负载均衡和过载控制的过程非常复杂。

发明内容

本发明的目的是提供一种确定节点负载信息以及基于节点的负载信息确定为其分发的流量比例的方法与装置。

根据本发明的一个方面，提供了一种在节点中用于确定其负载信息的方法，其中，该方法包括：

-根据各资源的使用信息，综合确定该节点的负载信息。

根据本发明的另一个方面，还提供了一种在节点中用于为其下级节点确定分发流量的方法，其中，该方法包括：

-自上级节点接收待下发的数据流量；

-根据各下级节点的当前负载信息，综合确定为其中每个下级节点分发的流量比例，其中每个下级节点的当前负载信息基于该下级节点中各资源的使用信息来确定；

-按照所述每个下级节点的流量比例，将相应的数据流量分发至对应下级节点。

根据本发明的一个方面，还提供了一种在节点中用于确定其负载信息的装置，其中，该装置包括：

负载综合确定模块，用于根据各资源的使用信息，综合确定该节点的负载信息。

根据本发明的另一个方面，还提供了一种在节点中用于为其下级节点确定分发流量的装置，其中，该装置包括：

数据接收模块，用于自上级节点接收待下发的数据流量；

分发确定模块，用于根据各下级节点的当前负载信息，综合确定为其中每个下级节点分发的流量比例，其中每个下级节点的当前负载信息基于该下级节点中各资源的使用信息来确定；

数据分发模块，用于按照所述每个下级节点的流量比例，将相应的数据流量分发至对应下级节点。

与现有技术相比，本发明可以根据一节点的各资源的使用信息，综合确定该节点的负载信息。并且，本发明中上级节点可以根据各下级节点的当前负载信息，综合确定为其中每个下级节点分发的流量比例，其中每个下级节点的当前负载信息基于该下级节点中各资源的使用信息来确定。

并且，本发明提供了一种归一化的计算方案，以基于多种资源使用信息来综合计算节点的负载信息和过载信息。本发明的有益效果包括：

1.本发明的方案有效地将一节点的所有资源使用信息作为输入参数进行关联，从而计算出该节点的负载信息和过载信息；

2.由于单一的负载信息和过载信息考虑了当前节点的所有资源使用信息，本发明的方案简化了负载信息和过载信息的传输；

3.本发明的方案是一种可以被使用在多种应用中的通用方法。可适用的各种应用包括但不限于Diameter授权认证计费(AAA)应用，会话发起协议(SIP)应用，用户数据融合(UDC)应用等，UDC应用诸如Ud简单对象访问协议(SOAP)通知，Ud轻型目录访问协议(LDAP)操作等。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1示出一个在3GPP用户数据融合应用中计算负载信息的示例；

图2示出根据本发明一个实施例的一种为其下级节点确定分发流量的方法流程图；

图3示出根据本发明一个优选实施例的确定分发流量的方法流程图；

图4示出根据本发明另一个优选实施例的确定分发流量的方法流程图；

图5示出根据本发明另一个实施例的一种为其下级节点确定分发流量的装置示意图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

在此，提供说明书中关键术语的中英文对照，以便于阅读本说明书：

下面结合附图对本发明作进一步详细描述。

本发明提出一种根据节点的各资源的使用信息综合确定该节点的负载信息的方案，从而可以很好地解决现有技术中的问题。

图1示出一个在3GPP用户数据融合(UDC)应用中计算负载信息的示例。

如图1所示，UDC定义了演进的分层体系结构，其中数据与应用彼此分离。在UDC应用中存在四级节点：长期演进-移动管理实体(LTE-MME)、Diameter路由代理(DRA)、前端(FE)，以及用户数据库(UDR)。

以下主要介绍UDC中的UDR、FE以及这两者之间的接口。

用户数据库(UDR)–其作为单一的、逻辑的用户数据库并且从逻辑角度独立于应用。考虑到实际中UDR将通过采用内存数据库作为后端被实施，UDR的内存使用信息通常对UDR的负载信息影响更大。

前端(FE)–其非永久地存储用户数据并且因此需要访问用户数据库(UDR)来获得用户数据以用于应用服务逻辑处理。其中，各种UDR例如归属位置寄存器(HLR)、归属用户服务器(HSS)、策略与计费规则功能单元(PCRF)。FE的CPU使用信息通常对FE的负载信息影响更大。

Ud-定义的标准LDAP/SOAP接口，用于FE和UDR之间的通信，以进行数据交互。通过Ud接口的各操作具体可包括经由LDAP进行数据操作，如创建、读取、更新和删除，经由SOAP对发生在存储于UDR中的用户数据的特定事件的数据申购和通知，如改变用户数据，增加用户数据等。

在UDC应用中，一方面，基于每个FE的负载情况，DRA将从LTE-MME接收的Diameter消息分发至一个或多个FE；另一方面，基于UDR的负载信息，每个FE将需要平衡各UDR的负载。

由于不同类型的节点的负载信息以及过载信息取决于各节点的与其负载相关的各资源的不同权重，不同类型的节点的负载信息以及过载信息可以采用不同的构建方式。考虑到FE是无状态会话的，并且其不需要存储任何数据，因此影响FE负载信息的主相关资源为CPU，诸如内存、存储、本地资源、外部资源的其它资源均属于次相关资源。与之相反，由于UDR最可能被实施为内存数据库，UDR的负载情况实际上对内存更敏感，因此，影响UDR负载信息的主相关资源为内存，所有其它资源均属于次相关资源。在所有这些次相关资源中，每种资源的重要性也与其它资源的重要性不同。因此，提出基于所有这些资源的使用信息来计算负载信息的方案是一个巨大的挑战。对于过载信息也是同样的，如果一个节点的过载信息可以基于其各资源的使用信息来被构建，这将非常方便。

为简单起见，本说明书以用户数据融合应用的实施例进行具体举例说明。本领域技术人员应能理解，本发明提供的负载信息可以被应用在多种应用中，包括但不限于DiameterAAA应用、SIP应用、UDC应用等，UDC应用可以诸如UdSOAP通知，UdLDAP操作等。

仍参阅图1，各下级节点根据其各资源的使用信息，综合确定其负载信息。

例如，对于DRA而言，其下级节点为各FE，如FE1、FE2…FEm；对于FE而言，其下级节点为各UDR，如UDR1、UDR2…UDRn。

其中，每个下级节点的各资源使用信息如各资源的使用率，包括但不限于以下至少任一项：

-CPU使用率；

-内存使用率；

-磁盘存储使用率；

-各外部资源的使用率，各外部资源诸如DNS、数据库等；

-各本地资源的使用率，各本地资源诸如特定进程的内部消息队列、缓存或线程等。

首先，这些资源使用率将被归一化为百分比值。例如，对于缓存使用率，可以采用以下公式1)来进行归一化。

$\mathrm{Internal\; Buffer\; Usage}=\frac{\mathrm{Used\; buffers}}{\mathrm{Total\; allocated\; buffers}}\×100\%$ 公式1)

其中，InternalBufferUsage表示缓存使用率，Usedbuffers表示已使用的缓存，Totalallocatedbuffers表示被分配的全部缓存。

其它资源使用率的归一化过程与上述缓存使用率的归一化过程相同或基本相同。

在对各资源使用率进行归一化之后，各下级节点可据此确定其负载信息，从而节点的负载信息也为归一化的负载信息(为简化说明，本文中均使用“负载信息”)。具体地，各节点可以基于以下方式来综合确定该节点的负载信息：

当各资源的使用信息均未超过预定阈值，该节点的负载信息为各资源的使用信息的加权和；

当各资源中任一资源的使用信息超过预定阈值，该节点的负载信息为其中值最大的使用信息。

具体地，上述综合确定一下级节点的负载信息的方式可通过公式2)来表示：

ifAnyResUtil_i>T_o,

ULF＝MAX{CPU,MEM,STORAGE,EXT_RES₁,EXT_RES₂,...EXT_RES_m,LCL_RES₁,LCL_RES₂,...LCL_RES_n,...}

elseifEveryResUtil_i≤T_o,公式2)

ULF＝CPU×R_cpu+MEM×R_mem+STORAGE×R_storage+EXT_RES₁×R_{ext_res1}+EXT_RES₂×R_{ext_res2}+...+EXT_RES_m×R_{ext_resm}+LCL_RES₁×R_{lcl_res1}+LCL_RES₂×R_{lcl_res2}+...+LCL_RES_n×R_{lcl_resn}+...

其中，

AnyResUtil_i是任一种资源使用率，包括但不限于内存使用率、CPU使用率、存储使用率、一种或多种外部资源使用率以及一种或多种本地资源使用率中的任意一种。

EveryResUtil_i是每一种资源使用率，包括但不限于内存使用率、CPU使用率、存储使用率、一种或多种外部资源使用率以及一种或多种本地资源使用率中的每一种。

T_o是预定资源使用率阈值。当资源使用率超出该阈值，意味着该系统处于过载状态。

MAX表示各资源的使用率中的最大值。

ULF表示待计算的负载信息；CPU表示百分比形式的CPU使用率，其取值自0至100％；R_cpu表示百分比形式的CPU使用率的权重，其表示出在包括内存使用率、其它本地或外部资源使用率等各资源使用率中CPU使用率的重要性。在UDC应用中，对于FE，在负载信息计算方面CPU起到更重要的作用，因此，R_cpu将被分配比其它权重因子更大的值。

类似地，MEM表示内存使用率，R_mem表示内存使用率的权重。STORAGE表示存储使用率，R_storage表示存储使用率的权重。LCL_RES_n表示本地资源使用率，诸如进程的缓存、内部消息队列或线程等，R_{lcl_resn}表示相应本地资源使用率的权重。EXT_RES_m表示外部资源使用率，诸如网络带宽、DNS、数据库等的使用率，R_{ext_resm}表示相应外部资源使用率的权重。

这些权重可以由操作者进行配置，以使得对于不同应用，负载信息的数值可以被适当地调整。

优选地，主相关资源的使用信息的权重大于次相关资源的使用信息的权重。

例如，对于在上述段落中提到的UDC应用，相对于其它资源使用率，其中FE对CPU使用率更敏感，CPU则为FE的主相关资源，其它资源为FE的次相关资源，因此CPU资源使用率的权重R_cpu可以被设置为比其它资源使用率的权重更大的值。

优选地，所有权重的总和等于100％，也即：

R_cpu+R_mem+R_storage+R_{ext_res1}+R_{ext_res2}+...+R_{ext_resm}+公式3)

R_{lcl_res1}+R_{lcl_res2}+...+R_{lcl_resn}+...＝100％

所有权重的总和等于100％，可以确保计算出的负载信息的数值介于0至100％范围之间。

进一步地，各次相关资源的使用信息的权重可以相同，也可以不同。例如，各次相关资源的使用信息的权重可以基于各次相关资源的使用信息的重要度来进一步区分。

此外，当每种资源的权重均被设定为100％/N(其中N为资源的总数量)，负载信息可以简化为各资源使用信息的平均值；当次相关资源的权重均为设定为0时，负载信息将仅基于主相关资源的资源使用信息被计算。

上述负载信息可以基于捎带(piggyback)方案在节点之间进行传输，例如，通过负载信息AVP(Load-InfoAVP)进行传递，该AVP(Attribute-ValuePair，属性值对)可以采用如2013年7月Tschofenig,Hannes.,发表的“Diameter过载架构以及信息模型(DiameterOverloadArchitectureandInformationModel)”(http://tools.ietf.org/id/draft-tschofenig-dime-overload-arch-00.txt)中5.3节所规定的AVP。可替代地，负载信息和过载信息也可以基于专用Diameter应用在节点之间进行传输。

需要注意的是，AVP需要负载信息数值位于0-10的范围中，0表示最低负载情况，10表示最高负载。在实际应用中负载信息和过载信息的百分比数值将很容易地被转化为0-10的范围。相对于0-10的范围，{0-100}百分比值更有意义，其很好地与CPU使用率、内存使用率等百分比值相匹配；这也是本发明提出的负载信息使用百分比数值来表示的原因。

在其他使用情况中，如在UDC应用中FE和UDR之间的通信，百分比可以直接用于表示UDR的负载信息。

在此，本领域技术人员应能理解，上述公式2)所示出的综合确定节点的负载信息的方案应仅作为一种确定节点负载信息的优选方式，各下级节点还可以基于其他方式来综合确定节点的负载信息，例如始终将各资源的使用信息的加权和作为该节点的负载信息。

根据各下级节点的负载信息，其过载信息可以被确定。在此，各下级节点的过载信息可以通过至少以下几种方式来确定：

1.当一下级节点过载，该节点根据其负载信息，确定其过载信息。

具体地，各下级节点可以基于以下公式4)来计算其过载信息：

IfULF>T_OLC,

$\mathrm{UOF}=(\frac{\mathrm{ULF}-T_{\mathrm{OLC}}}{100\%-T_{\mathrm{OLC}}}\×R_{\mathrm{OLC}})\×100\%$ 公式4)

IfULF≤T_OLC,

UOF＝0

其中，ULF表示负载信息，UOF表示过载信息。

T_OLC表示用于过载控制的阈值，其指示消息节流的开始点。

R_OLC表示用于过载控制的比例，即用于控制消息节流的速度。R_OLC可以为一常量或为一分段常值函数。

在一个示例中，如T_OLC＝80％且R_OLC＝1，当一节点的负载信息超过80％，对该节点的消息节流开始。当一节点的负载信息为90％，过载信息为50％，据此对该节点分发的消息中50％将被节流。当负载信息为95％，过载信息为75％，据此对该节点分发的消息中75％将被节流，诸如此类。

以下为另一示例，其中R_OLC为一分段常值函数，对R_OLC的定义如下：

if0≤ULF-T_OLC≤5％,

R_OLC＝0.5

if5％<ULF-T_OLC≤10％,

R_OLC＝0.8

if10％<ULF-T_OLC≤20％,

R_OLC＝1

在该另一示例中，当ULF位于【80％,85％】的范围中，R_OLC为0.5；当ULF位于(85％,90％】的范围中，R_OLC为0.8；当ULF位于(90％,100％】的范围中，R_OLC为1。在此，【表示包含端点，(表示不包含端点。在该另一示例中，当负载信息变大时，消息节流速度将变得更快。

2.根据属于同一上级节点的所有下级节点的平均负载信息，确定所有下级节点的过载信息。

具体地，所有同级下级节点的过载信息可以基于以下公式5)来计算：

if((A>T)∨(P_t≤5％))→P_t+1＝5％

if(A≤T)→P_t+1＝100％公式5)

Initial_Condition:P₀＝100％

UOF_t＝1-P_t

其中：

A:表示所有下级节点的平均负载信息，其基于从所有下级节点接收的各负载信息来计算获得。

T:用于负载节流的阈值，为一预定值。当所有下级节点的平均负载信息超出该值，流量的源节点(即上级节点)开始节流。

P:表示允许被发送至各下级节点的新流量的部分(比例)，其中P(t)是所计算的在时间点“t”的比例值，P(t+1)是所计算的在时间点“t+1”的比例值。

P₀：P的初始值(Initial_Condition)为100％，表示所有流量均被允许发送。

当所有节点的平均负载信息(也即，A)大于T时，所有节点的负载信息越大，所允许的流量也就越低。

G2:增益因子，为一预定值。

UOF:过载信息。过载信息越大，过载等级(程度)越高。过载信息也是过载节流指数，其指示应被减少以用于过载控制的消息比例。

说明：

a)过载信息可以每20秒计算一次。本领域技术人员应能理解，此时间间隔(周期)也可被设定为其它数值，具体数值可由用户配置，或者可以根据默认配置确定。

b)其中A、T、P、UOF均为百分比值。

c)阈值T以及增益因子G2为预定值。T可以公式2)中的T_o为相同值。

阈值T以及增益因子G2的数值可以取决于应用需求，例如T＝85％，表示当所有节点的平均负载信息大于85％时，数据流量开始被节流；G2＝3。

上述公式5)可以由上级节点来计算或其中一个或多个下级节点来计算。当由下级节点来计算时，该节点可以收集其它相邻同级节点的负载信息来计算所有同级节点的平均负载信息。其中，对于UDR，其中一个UDR可以通过数据同步通道(datareplicationchannel)收集其它UDR的负载信息，对于FE，其中一个FE可以通过FE集群之间的内部通信通道收集其它FE的负载信息。

基于使用上述公式5)所计算的过载信息，过载控制可以很容易地应用。新呼叫的部分可以基于所计算的过载信息被节流。通过使用公式5)中的不同G2，过载控制的速度可以被调整。例如，如果更多部分的消息需要被节流，更大的G2可以被使用。

过载信息可以由过载节点基于以上公式4)或公式5)计算得出。例如，在UDC应用中，UDR可以计算其过载信息，并将其过载信息发送至FE；另一方面，FE可以计算其过载信息，并且将其过载信息发送至DRA。例如，过载信息的传输可以通过使用捎带(piggyback)方案，具体如用于Diameter过载控制的IETF(InternetEngineeringTaskForce，互联网工程任务组)标准化文档(draft-ietf-dime-ovli-02–DiameterOverloadIndicationConveyanceDiameter(过载指示传输)http://tools.ietf.org/html/draft-docdt-dime-ovli-01)。

图2示出根据本发明一个实施例的一种为其下级节点确定分发流量的方法流程图。

仍参阅图1，其中所示的UDC应用中包括四级节点，DRA为LTE-MME的下级节点以及FE的上级节点，FE为DRA的下级节点以及UDR的上级节点。因此，本发明中的上级节点和下级节点为相对概念，如DRA对LTE-MME而言，即为一下级节点，而对FE而言，却为一上级节点；FE对DRA而言，即为一下级节点，而对UDR而言，却为一上级节点。对于每个中间节点，如DRA、FE，其不仅要从上级节点接收待下发的数据流量，还要根据其下级节点的当前负载信息来确定为各下级节点分发的数据流量。

配合参阅图1和图2，在步骤S201中，各中间节点自上级节点接收待下发的数据流量，如DRA自LTE-MME接收待下发至FE的数据流量，FE自DRA接收待下发至UDR的数据流量；在步骤S202中，各中间节点获取其各下级节点的当前负载信息，如各FE上报其当前负载信息，从而DRA获得各FE的当前负载信息，各UDR上报其当前负载信息，从而FE获得各UDR的当前负载信息；在步骤S203中，各中间节点根据其各下级节点的当前负载信息，综合确定为每个下级节点分发的流量比例，如DRA根据其各下属FE的当前负载信息确定向各FE分发的流量比例，FE根据其各下属UDR的当前负载信息确定向各UDR分发的流量比例；在步骤S204中，各中间节点按照所确定的每个下级节点的流量比例，将相应的数据流量分发至对应下级节点，如DRA根据各下属FE的流量比例向各FE分发相应的数据流量，FE根据其各下属UDR的流量比例向各UDR分发相应的数据流量。

其中，步骤S202与步骤S201、步骤S203之间均无严格的顺序关系，通常各下级节点周期性地上报其当前负载信息，以供上级节点根据最新的负载信息确定向其分发的流量比例。各节点的当前负载信息可通过如上述公式2)来确定。

进一步地，当一个或多个下级节点过载时，在步骤S203中，其上级节点根据当前过载信息，调整为下级节点分发的流量比例。

具体地，当通过上述公式4)来由每个下级节点确定其自身过载时，每个过载节点会上报其当前过载信息，上级节点根据每个过载节点的当前过载信息，调整为相应过载节点分发的流量比例。

例如，在UDC应用中，DRA根据各下级FE的当前负载信息确定为每个FE分发的数据流量；随后，FE1过载，并将其当前过载信息通知上级节点DRA；DRA根据FE1的当前过载信息，如UOF＝40％，调整为FE1分发的流量比例，也即，DRA仅将所确定的分发给FE1的数据流量的60％分发给FE1。

当由上级节点或下级节点通过上述公式5)来确定所有下级节点过载时，上级节点根据其各下级节点的当前平均负载信息，确定各下级节点的当前过载信息，以调整为其中每个下级节点分发的流量比例。

例如，在UDC应用中，FE根据各下级UDR的当前平均负载信息，确定各下级UDR的当前过载信息为60％，FE以据此调整为每个UDR分发的流量比例，也即，FE仅将所确定的分发给每个UDR的数据流量的40％分发给每个UDR。

以下以DRA确定向负载最小的FE分发数据流量为例进行说明。

参阅图3，其中DRA基于各FE所计算的ULF，将来自LTE-MME的Diameter消息路由至FE。每个FE周期性地采用公式2)计算其负载信息，随后，FE通过使用捎带(piggyback)方案或者专用的Diameter应用将负载信息传递至DRA，如①、②和③所示。接着，当DRA需要将其从LTE-MME接收的一个Diameter消息转发至FE，DRA可以基于各FE的当前负载信息，综合确定为每个FE分发的流量比例。

在此，综合确定至少包括以下两种方式：a)选择其中负载最小的FE，将所有数据流量均发送至该最小负载FE，如④所示；b)基于所有FE的负载均衡，来按照各FE的当前负载信息，均衡地分配向各FE分发的流量比例。

以下具体阐述上述方式a)的实现方案，即DRA选择负载最小的FE的流量分发方案。

表1示出各FE按照公式2)计算获得的负载信息示例，其中各资源使用率的权重为：R_cpu＝70％，R_mem＝20％，R_storage＝10％；预定阈值T_o＝85％。

表1

如表1所示，对于消息#1，FE1的当前负载最低，据此，DRA确定将100％的流量分发给FE1，并按照该流量比例，将100％的数据流量分发至FE1。同样地，对于消息#2，DRA将100％的数据流量分发至FE2；对于消息#3，DRA将100％的数据流量分发至FE3；对于消息#4，DRA将100％的数据流量分发至FE1。

以下以FE确定向负载最小的UDR分发数据流量为例进行说明。

参阅图4，其中FE基于UDR所计算的负载信息，将UdLDAP消息路由至UDR。FE可以通过UDC应用的SNMP网络管理系统来获得ULF数据(图4中未示出)。FE获得UDR的负载信息的另一种方式是使用一些LDAP拓展操作(图4中也未示出)。本示例类似于图3所示出的示例，不同点在于，UDR的负载信息对内存更敏感。每个UDR周期性地采用公式2)计算其负载信息，随后，各UDR将所计算的负载信息报告至其上级FE，如①、②和③所示，FE可根据所接收的负载信息选择合适的UDR，如④所示选择负载最小的UDR。可替代地，UDR也可将所计算的负载信息报告至网络管理系统；接着，当FE需要将一个LDAP消息发送至UDR用于数据创建时，FE可以基于从网络管理系统所接收的负载信息来选择合适的UDR。FE可以根据各UDR的负载信息选择负载最小的UDR或基于负载均衡为向各UDR分配流量比例。

以下具体阐述FE选择负载最小的UDR的流量分发方案。

表2示出各UDR按照公式2)计算获得的负载信息示例，其中各资源使用率的权重为：R_cpu＝20％，R_mem＝70％，R_storage＝10％；预定阈值T_o＝85％。

表2

如表2所示，对于消息#1，UDR3的当前负载最低，据此，FE确定将100％的流量分发给UDR3，并按照该流量比例，将100％的数据流量分发至UDR3。同样地，对于消息#2，FE将100％的数据流量分发至UDR2；对于消息#3，FE将100％的数据流量分发至UDR3；对于消息#4，FE将100％的数据流量分发至UDR1。

在表1和表2所示出的两个示例中，用于负载信息计算的输入参数仅包括以下3种资源的使用率：CPU、MEM(内存)以及STORAGE(存储)的使用率。需要说明的是，采用以上3种资源计算负载信息仅用于表示各种资源如何有组织地被关联以计算负载信息的示例。在实际实施时，其他更多的资源也需要被考虑来计算负载信息。

基于表1和表2中的数据，以下结论可以被得出：

1.公式2)可以被应用在多种应用实例中。

2.对于相同的资源使用率输入，诸如表1和表2中的消息#1/消息#2，计算出的负载信息值不同。这导致：即使各FE/UDR的资源使用率相同，目标FE/UDR可能不同。这正是本发明所期望的：对于不同应用，可以为每种资源的使用率设置不同的权重，从而保证最终负载信息可以被恰当地计算。对于表1，FE的负载信息对CPU更敏感，CPU为主相关资源，因此R_cpu被分配更高的权重值(70％)，而R_mem、R_storage被分配更小的权重值。另一方面，UDR对内存更敏感，内存为主相关资源，因此R_mem被分配更高的权重值(70％)，而其它资源权重被分配更小的权重值。

3.当主相关资源使用率处于较低等级时，次相关资源也可以对负载分发起到作用。这可以通过表1和表2中的消息#4看出，其中，当CPU/MEM使用率较低时，目标节点基于存储资源使用率被选择。这表示，当计算一节点的负载信息时，本发明可以考虑该节点的全部资源使用率。

对于图3和图4所示出的两个示例，目标节点基于简单的最低负载方案来选择。本领域技术人员应能理解，各下级节点也可以根据所有同级节点的当前负载信息，基于所有同级节点的负载均衡，采用如上述方式2)来确定为每个下级节点分发的流量比例。

该综合确定的方式2)所确定的流量比例的目的在于上级节点将流量(新的部分)分发至下级节点，如DRA向FE的分发，以在所有这些下级节点中达到资源占有率相等。

该方式2)的负载分发方案表现为关于每个节点“i”的一组比例值S(i)。S(i)通过以下公式6)得出，其中S(t,i)为在时间点“t”节点“i”的比例；S(t+1,i)为所计算的在时间点“t+1”节点“i”的比例。

$S_{t+1,i}=S_{t,i}+\frac{(A-a_i)G1}{N}$ 公式6)

Initial_Condition:S_0,i＝1/N×100％

St,i:在时间点“t”允许被发送至下级节点“i”的新流量的比例；

A:所有下级节点的平均负载信息；

ai:最后一次收到的下级节点“i”的负载信息；

G1:增益因子，其为预定的常量；

N:下级节点的数量，如可用的处理Diameter流量的节点(FE)的数量。

例如，配合参阅图1，DRA向3个FE分发数据流量，根据上述公式6)计算出的允许流量的部分为S(t,1)＝10％,S(t,2)＝20％以及S(t,3)＝70％，也即，在时间点“t”，DRA将分发10％流量至FE1，20％流量至FE2以及分发70％流量至FE3。

过载控制可以基于过载信息来实现。例如，在过载阈值85％的实例中，当UDR上任何资源使用率超出过载阈值时，一部分新的LDAP消息可以被节流，从而减少UDR上的负载。新流量中的多少需要被减少，取决于基于计算出的过载信息。

图5示出根据本发明另一个实施例的装置示意图，其具体示出一种在下级节点中确定其负载信息的装置，也即确定装置10，以及一种在中间节点中为其下级节点确定分发流量的装置，也即分发装置20。

如图5所示，确定装置10被装置于下级节点中，确定装置10包括负载综合确定模块511；分发装置20被装置于中间节点中，分发装置20包括数据接收模块521、分发确定模块522以及数据分发模块523。

仍参阅图1，其中所示的UDC应用中包括四级节点，DRA为LTE-MME的下级节点以及FE的上级节点，FE为DRA的下级节点以及UDR的上级节点。因此，本发明中的上级节点和下级节点为相对概念，如DRA对LTE-MME而言，即为一下级节点，而对FE而言，却为一上级节点；FE对DRA而言，即为一下级节点，而对UDR而言，却为一上级节点。对于每个中间节点，如DRA、FE，其不仅要从上级节点接收待下发的数据流量，还要根据其下级节点的当前负载信息来确定为各下级节点分发的数据流量。

配合参阅图1和图5，一中间节点的数据接收模块521自上级节点接收待下发的数据流量；接着，该中间节点的分发确定模块522根据其各下级节点的当前负载信息，综合确定为每个下级节点分发的流量比例，其中，每个下级节点的负载综合确定模块511确定其当前负载信息，该中间节点可以通过与其下级节点的直接通信来获得各下级节点的当前负载信息，或通过其他存储有其下级节点的当前负载信息的网元来获得各下级节点的当前负载信息；该中间节点的数据分发模块523按照所确定的每个下级节点的流量比例，将相应的数据流量分发至对应下级节点。

通常各下级节点周期性地上报其当前负载信息，以供上级节点根据最新的负载信息确定向其分发的流量比例。各节点的当前负载信息可通过如上述公式2)来确定。

进一步地，当一个或多个下级节点过载时，该中间节点的分发确定模块522根据当前过载信息，调整为下级节点分发的流量比例。

具体地，当通过上述公式4)来由每个下级节点确定其自身过载时，每个过载节点会上报其当前过载信息，分发确定模块522根据每个过载节点的当前过载信息，调整为相应过载节点分发的流量比例。

例如，在UDC应用中，DRA根据各下级FE的当前负载信息确定为每个FE分发的数据流量；随后，FE1过载，并将其当前过载信息通知上级节点DRA；DRA的分发确定模块522根据FE1的当前过载信息，如UOF＝40％，调整为FE1分发的流量比例，也即，DRA的数据分发模块523仅将所确定的分发给FE1的数据流量的60％分发给FE1。

当通过上述公式5)来确定所有下级节点过载时，该过载计算可以由该中间节点的分发确定模块522或下级节点的整体过载确定模块(未示出)来进行。随后，分发确定模块522根据其各下级节点的当前平均负载信息，确定各下级节点的当前过载信息，以调整为其中每个下级节点分发的流量比例。

例如，在UDC应用中，FE的分发确定模块522根据各下级UDR的当前平均负载信息，确定各下级UDR的当前过载信息为60％，分发确定模块522据此调整为每个UDR分发的流量比例，也即，FE的数据分发模块523仅将所确定的分发给每个UDR的数据流量的40％分发给每个UDR。

需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。

本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个功能或步骤的电路。

另外，本发明的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本发明的一个实施例，其包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本发明的多个实施例的方法和/或技术方案。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (15)

1.一种在节点中用于确定其负载信息的装置，其中，该装置包括：

负载综合确定模块，用于根据各资源的使用信息，综合确定该节点的负载信息。

2.根据权利要求1所述的装置，其中，所述综合确定具体包括：

-当所述各资源的使用信息均未超过预定阈值，该节点的负载信息为所述各资源的使用信息的加权和；

-当所述各资源中任一资源的使用信息超过预定阈值，该节点的负载信息为其中值最大的使用信息。

3.根据权利要求2所述的装置，其中，所述各资源包括影响负载的主相关资源和次相关资源，所述主相关资源的使用信息的权重大于所述次相关资源的使用信息的权重。

4.根据权利要求1至3中任一项所述的装置，其中，该装置还包括：

节点过载确定模块，用于当该节点过载，根据该节点自身的负载信息，确定该节点的过载信息。

5.根据权利要求1至3中任一项所述的装置，其中，该装置还包括：

整体过载确定模块，用于根据处于该节点同一级的所有节点的平均负载信息，确定所述所有节点的过载信息，所述所有节点属于同一上级节点。

6.一种在节点中用于为其下级节点确定分发流量的装置，其中，该装置包括：

数据接收模块，用于自上级节点接收待下发的数据流量；

分发确定模块，用于根据各下级节点的当前负载信息，综合确定为其中每个下级节点分发的流量比例，其中每个下级节点的当前负载信息基于该下级节点中各资源的使用信息来确定；

数据分发模块，用于按照所述每个下级节点的流量比例，将相应的数据流量分发至对应下级节点。

7.根据权利要求6所述的装置，其中，所述分发确定模块还用于：

-当所述各下级节点中至少一个过载，根据其中每个过载节点的当前过载信息，调整为相应过载节点分发的流量比例；

其中，所述每个过载节点的当前过载信息基于该过载节点自身的当前负载信息来确定。

8.根据权利要求6所述的装置，其中，所述分发确定模块还用于：

-根据所述各下级节点的当前平均负载信息，确定所述各下级节点的当前过载信息，以调整为其中每个下级节点分发的流量比例。

9.一种在节点中用于确定其负载信息的方法，其中，该方法包括：

-根据各资源的使用信息，综合确定该节点的负载信息。

10.根据权利要求9所述的方法，其中，所述负载信息的综合确定步骤具体包括：

-当所述各资源的使用信息均未超过预定阈值，该节点的负载信息为所述各资源的使用信息的加权和；

-当所述各资源中任一资源的使用信息超过预定阈值，该节点的负载信息为其中值最大的使用信息。

11.根据权利要求10所述的方法，其中，所述各资源包括影响负载的主相关资源和次相关资源，所述主相关资源的使用信息的权重大于所述次相关资源的使用信息的权重。

12.根据权利要求9至11中任一项所述的方法，其中，该方法还包括：

-当该节点过载，根据该节点自身的负载信息，确定该节点的过载信息。

13.一种在节点中用于为其下级节点确定分发流量的方法，其中，该方法包括：

-自上级节点接收待下发的数据流量；

-根据各下级节点的当前负载信息，综合确定为其中每个下级节点分发的流量比例，其中每个下级节点的当前负载信息基于该下级节点中各资源的使用信息来确定；

-按照所述每个下级节点的流量比例，将相应的数据流量分发至对应下级节点。

14.根据权利要求13所述的方法，其中，所述流量比例的综合确定步骤还包括：

-当所述各下级节点中至少一个过载，根据其中每个过载节点的当前过载信息，调整为相应过载节点分发的流量比例；

其中，所述每个过载节点的当前过载信息基于该过载节点自身的当前负载信息来确定。

15.根据权利要求13所述的方法，其中，所述流量比例的综合确定步骤还包括：

-根据所述各下级节点的当前平均负载信息，确定所述各下级节点的当前过载信息，以调整为其中每个下级节点分发的流量比例。