CN110248386B - 一种面向大规模密集无线网络的分层式负载均衡方法 - Google Patents

Abstract

本发明公开了一种面向大规模密集无线网络的分层式负载均衡方法，结合全局优化和局部优化，提高网络负载均衡的效率。首先，从全局网络来看，本发明对网络中大量的AP进行分簇处理，构建簇与终端之间的连接图，并在图中删除不可在簇之间迁移的终端，从而提高全局负载均衡优化的效率。其次，在局部网络中，分别考虑每个簇内的AP及可连接到这些AP的终端，构建簇内AP与相应终端的连接图，进行局部负载均衡优化。本发明要解决的技术问题就是在大规模密集无线网络中，通过一种分层式的负载均衡方法，提升大量AP节点之间负载均衡的效率。

Description

一种面向大规模密集无线网络的分层式负载均衡方法

技术领域

本发明属于无线网络负载均衡技术领域，尤其涉及一种面向大规模密集无线网络的分层式负载均衡方法。

背景技术

随着当今社会的信息化程度越来越高，无线局域网(WLAN,Wireless Local AreaNetwork)将向着大规模、高密度、高业务和高速率的方向发展，与此同时，大量的无线接入点(AP，Access Point)也被集中部署，在这种环境下，由于用户的移动性，各AP业务负载呈现随机性和时变性，加上AP各配置相互独立，缺乏统一的管理，将导致负载严重不均、无线资源无法得到充分的利用，严重影响网络的性能。

当前，用户都是根据每个AP的信号强度信息(RSSI，Receive Signal StrengthInformation)选择接入，但是在密集WLAN中，这种接入方式会产生很多的问题。一方面，在密集WLAN中，AP的数量和用户数量都很多，用户本身没有全局网络的信息，只根据RSSI进行AP选择，会导致某些AP上的负载很高，此时即使用户连接到具有更高的RSSI的AP上也会导致链路状态不佳的情况。另一方面，网络中更容易出现负载不均衡的问题，当某些用户只连接负载较高的AP上时，需求得不到满足，同时其他AP处于闲置状态，网络资源没有得到充分利用。集中式控制架构通过全局信息计算得到每个用户和AP之间的关联状态，进行全局控制。但当网络规模变大时，全局的负载均衡算法的算法复杂度较高，算法效率低，因此现有的负载均衡调度算法并不能很好地适用于如此大规模密集的WLAN环境。随着无线局域网的不断发展，大规模密集无线网络下的负载均衡问题也更加突出，由于缺乏高效合理的负载均衡优化方法，经常会出现网络性能降低，资源利用率低等问题。

发明内容

发明目的：在大规模密集无线网络中，存在大量无线接入点(AP，Access Point)与用户终端，使得全局负载均衡优化方法不再可行。此外，用户终端由于无线传输范围的限制，实际中只会与其周围一小部分无线接入点(AP，Access Point)的进行通信，因此可将局部优化与全局优化结合起来考虑。本发明的目的就是在大规模密集WLAN网络中，通过一种分层式的负载均衡方法，来实现网络中节点的切换、均衡各个AP下的负载差异。。

技术方案：为了达成上述目的，本发明提供了一种面向大规模密集无线网络的分层式负载均衡方法，包括以下步骤：

步骤1，对AP进行簇划分；

步骤2，进行AP簇间的负载均衡调度；

步骤3，进行AP簇内的负载均衡调度。

步骤1包括：

步骤1-1，在N个AP中随机选取其中的K个不同的AP，来作为K个AP簇的初始中心点；

步骤1-2，计算N个AP分别到K个不同的AP簇的初始中心的距离，根据距离最短原则，将N个AP分别划分到最近的AP簇中；

步骤1-3，对已经划分完成的AP簇，根据距离最短原则重新计算各AP簇的初始中心点，如果新的AP簇的初始中心点与前一次迭代过程的AP簇初始中心点不一致，则对各AP重新调整划分至最近的AP簇中，进行下一次迭代，即重新回到步骤1-2中；如果各AP簇初始中心点没有任何变化，说明距离最短算法已经收敛，分簇完成。

步骤2包括：

步骤2-1，对于能够在AP簇间进行迁移的终端用户的负载均衡调度问题，将所述问题转换成二分图来进行处理：将WLAN网络用二分图G＝(U∪F，E)进行表示，把每一个AP簇都作为二分图的一个顶点子集F＝{f₁，f₂...f_n}，其中，n为所有AP簇的数量。把无线网络中的能够进行簇间迁移的终端用户作为二分图的另一个顶点子集U＝{u₁，u₂...u_m}，其中m为所有能够进行簇间迁移的终端用户数量。最后，将两个子集F和U中顶点之间的关联表示为顶点之间的边集E＝{(f，u)lu∈U，f∈F，u∈f}，其中，f表示AP簇中的顶点集合，u表示用户顶点，若第j个终端用户u_j在第i个AP簇f_i的覆盖范围内，则在f_i与u_j之间存在边，否则不存在边，i取值为1～n，j取值为1～m。最终得到一个图G＝(U∪F，E)，由于在顶点子集F和U中均不存在内部边，因此图G是一个二分图。

步骤2-2，基于二分图G，寻找初始的半匹配图：对于二分图G＝(U∪F，E)，如果在边集

中，对u_i，u_i∈U，i取值为1～m，有且仅有一个f_j，f_j∈F，存在一条到u_i的边e_k＝(f_j，u_i)且e_k∈M，则M称为二分图G的半匹配，基于贪心策略寻找初始半匹配；

步骤2-3，在初始的半匹配二分图上进行负载均衡调度，目标是寻找到初始的半匹配二分图的最小半匹配，以完成负载均衡的优化。

步骤2-2中，所述基于贪心策略寻找初始半匹配，具体包括：

步骤2-2-1，基于已构造的二分图：先对半匹配M初始化为空集，即

再定义节点u_i的度数为d(u_i)，其值为与u_i关联边条数，对

u_i∈U，以d(u_i)升序的顺序对U进行遍历；

步骤2-2-2，将u_i与负载最小的f_j相匹配，负载相同的情况下，选择度数较小的f_j进行匹配，并将边加入到M中。

步骤2-3包括：

步骤2-3-1，根据如下公式定义顶点集上每一个点的均衡度：

其中，d(f_j)为第j个顶点f_j当前关联的边数，f_j∈F，C_M(f_j)表示第j个顶点的均衡度；

步骤2-3-2，对于半匹配M，其均衡程度T(M)表示为：

T(M)＝∑C_M(f_j)，

T(M)越大，则表明当前的半匹配越不均衡；

步骤2-3-3，寻找到T(M)最小的半匹配，将具有最小T(M)的半匹配称为最优半匹配。

步骤2-3-3包括：

步骤2-3-3-1，定义替换路径P：P＝(f₁，u₁，...，u_k-1，f_k)，P∈G，若对

且(u_i，f_i+1)∈E/M，则称P为G中的一条替换路径；

步骤2-3-3-2，基于已构造的半匹配图：

对

寻找当前C_M(f_j)最小的f_j与之进行匹配，并将边加入M中，

步骤2-3-3-3，寻找M中的均衡减小路径并将其消除：

以d(f_j)降序的顺序对F进行遍历：

以f_j为根结点建立一条替换路径的树T；

找出树T中d(f_k)_min的结点为f_k，若其满足d(f_k)＜d(f_j)-1且|(f_k)|+1≤C_k，则(f_j，u_j，...，u_k-1，f_k)为均衡减小路径；

交换替换路径(f_j，u_j，...，u_k-1，f_k)中的每一对邻边(f_j，u_j)和(u_j，f_j+1)，至此，完成在AP簇之间的负载均衡的调度。

步骤3包括：

步骤3-1，对于能够在AP簇内进行迁移的终端用户的负载均衡调度问题，将所述问题转换成二分图来进行处理：将每个AP簇内的网络用二分图G＝(U∪F，E)进行表示，把每一个AP都作为二分图的一个顶点子集F＝{f₁，f₂...f_N}，把终端用户作为二分图的另一个顶点子集U＝{u₁，u₂...u_N}；

终端用户在AP的覆盖范围内，则在f_j与u_i之间存在边，否则不存在边，则得到一个图G＝(U∪F，E)，其中E＝{(f，u)|u∈U，f∈F，u∈f}；

在顶点子集F和U中均不存在内部的边，因此图G是一个二分图；

步骤3-2，基于二分图定义，利用步骤2-2中的方法寻找初始的半匹配图；

步骤3-3，在初始的半匹配二分图上进行负载均衡调度，利用步骤2-3中的方法完成AP簇内部的负载均衡的优化。

本发明提出一种将分层式的负载均衡方法，将全局和局部的负载均衡相结合，提高算法效率。首先，从全局网络来看，终端用户由于覆盖范围的限制，实际中只会与其周围一小部分的AP进行通信，因此没有必要考虑其与所有AP之间的关联情况。本发明考虑将AP进行分簇处理，将AP与终端之间的连接图转换为簇与终端之间的连接图，在分簇的过程中，只保留能够在簇之间迁移的终端，从而缩小网络规模。其次，在局部网络中，只考虑当前簇内的终端用户，进行簇内AP的负载均衡。本发明要解决的技术问题就是在大规模密集WLAN网络中，通过一种分层式的负载均衡算法，来实现网络中节点的切换、均衡各个AP下的负载差异。

有益效果：本发明提出一种面向无线网络的分层式负载均衡方法，将全局负载均衡和局部负载均衡相结合，以提高网络负载均衡的效率，相比于现有的全局负载均衡方法，可大大降低计算复杂度，更好地适用于大规模密集无线网络。此外，本发明可通过调节AP簇的数量，实现负载均衡效果和效率之间的权衡。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述或其他方面的优点将会变得更加清楚。

图1为本发明AP簇分层示意图；

图2为本发明进行AP簇划分流程图；

图3是实施例示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

本发明提供一种大规模密集无线网络下的分层式负载均衡方法，本发明利用分层的思想提高负载均衡调度的效率，同时通过基于二分图的半匹配算法来实现节点的切换、均衡各个AP下的用户数和业务量。如图1所示，包括以下步骤：

步骤1，进行AP簇划分；

步骤2，进行AP簇间的负载均衡调度；

步骤3，进行AP簇内的负载均衡调度。

如图2所示，步骤1包括：

步骤1-1，在N个AP中随机选取其中的K个不同的AP，来作为K个AP簇的初始中心点；

步骤1-2，计算N个AP分别到K个不同的AP簇的初始中心的距离，根据距离最短原则，将N个AP分别划分到最近的AP簇中；

步骤1-3，对已经划分完成的AP簇，根据距离最短原则重新计算各AP簇的初始中心点，如果新的AP簇的初始中心点与前一次迭代过程的AP簇初始中心点不一致，则对各AP重新调整划分至最近的AP簇中，进行下一次迭代，即重新回到步骤1-2中；如果各AP簇初始中心点没有任何变化，说明距离最短算法已经收敛，分簇完成。

步骤2包括：

步骤2-1，对于能够在AP簇间进行迁移的终端用户的负载均衡调度问题，将所述问题转换成二分图来进行处理：将WLAN网络用二分图G＝(U∪F,E)进行表示，把每一个AP簇都作为二分图的一个顶点子集F＝{f₁,f₂…f_n}，其中，n为所有AP簇的数量。把WLAN网络中的可进行簇间迁移的终端用户作为二分图的另一个顶点子集U＝{u₁，u₂...u_m}，其中m为所有可进行簇间迁移的终端用户数量。最后，将两个子集F和U中顶点之间的关联表示为顶点之间的边集E＝{(f，u)|u∈U，f∈F，u∈f}，即终端用户在AP簇的覆盖范围内，则在f_i与u_j之间存在边，否则不存在边。最终得到一个图G＝(U∪F，E)，由于在顶点子集F和U中均不存在内部边，因此图G是一个二分图。

步骤2-2，基于二分图G，寻找初始的半匹配图：对于二分图G＝(U∪F，E)，如果在边集

中，对u_i，u_i∈U，i取值为1～m，有且仅有一个f_j，f_j∈F，存在一条到u_i的边e_k＝(f_j，u_i)且e_k∈M，则M称为二分图G的半匹配，基于贪心策略寻找初始半匹配；

步骤2-3，在初始的半匹配二分图上进行负载均衡调度，目标是寻找到初始的半匹配二分图的最小半匹配，以完成负载均衡的优化。

步骤2-2中，所述基于贪心策略寻找初始半匹配，具体包括：

步骤2-2-1，基于已构造的二分图：先对半匹配M初始化为空集，即

再定义节点u_i的度数为d(u_i)，其值为与u_i关联边条数，对

以d(u_i)升序的顺序对U进行遍历；

步骤2-2-2，将u_i与负载最小的f_j相匹配，负载相同的情况下，选择度数较小的f_j进行匹配，并将边加入到M中。

步骤2-3包括：

步骤2-3-1，根据如下公式定义顶点集上每一个点的均衡度：

其中，d(f_j)为第j个顶点f_j当前关联的边数，f_j∈F，C_M(f_j)表示第j个顶点的均衡度；

步骤2-3-2，对于半匹配M，其均衡程度T(M)表示为：

T(M)＝∑C_M(f_j)，

T(M)越大，则表明当前的半匹配越不均衡；

步骤2-3-3，寻找到T(M)最小的半匹配，将具有最小T(M)的半匹配称为最优半匹配。

步骤2-3-3包括：

步骤2-3-3-1，定义替换路径P：P＝(f₁，u₁，...，u_k-₁，f_k)，P∈G，若对

(f_i，u_i)∈M，且(u_i，f_i+1)∈E/M，则称P为G中的一条替换路径；在替换路径的基础上，再定义均衡减小路径(Cost-Reducing Path，CRP)的：对于P＝(f₁，u₁，...，u_k-1，f_k)，P∈G，若d(f_k)＜d(f_j)-1且|(f_k)|+1≤C_k，其中，C_k为APf_k的最大负载，则M为一条CRP。

步骤2-3-3-2，基于已构造的半匹配图：

对

u_i∈U，寻找当前C_M(f_j)最小的f_j与之进行匹配，并将边加入M中，

步骤2-3-3-3，寻找M中的均衡减小路径并将其消除：

f_j∈F，以d(f_j)降序的顺序对F进行遍历：

以f_j为根结点建立一条替换路径的树T；

找出树T中d(f_k)_min的结点为f_k，若其满足d(f_k)＜d(f_j)-1且|(f_k)|+1≤C_k，则(f_j，u_j，...，u_k-1，f_k)为均衡减小路径；

交换替换路径(f_j，u_j，...，u_k-1，f_k)中的每一对邻边(f_j，u_j)和(u_j，f_j+1)，至此，完成在AP簇之间的负载均衡的调度。

步骤3包括：

步骤3-1，对于能够在AP簇内进行迁移的终端用户的负载均衡调度问题，将所述问题转换成二分图来进行处理：将每个AP簇内的网络用二分图G＝(U∪F，E)进行表示，把每一个AP都作为二分图的一个顶点子集F＝{f₁，f₂...f_N}，把终端用户作为二分图的另一个顶点子集U＝{u₁，u₂...u_N}；

终端用户在AP的覆盖范围内，则在f_j与u_i之间存在边，否则不存在边，则得到一个图G＝(U∪F，E)，其中E＝{(f，u)|u∈U，f∈F，u∈f}；

在顶点子集F和U中均不存在内部的边，因此图G是一个二分图；

步骤3-2，基于二分图定义，寻找初始的半匹配图：

步骤3-2-1，先对半匹配M初始化为空集，即

再定义节点v_i的度数为d(v_i)，其值为与v_i关联边条数，对

以d(u_i)升序的顺序对U进行遍历；

步骤3-2-2，将u_i与负载最小的f_j相匹配，负载相同的情况下，选择度数较小的f_j进行匹配，并将边加入到M中。

步骤3-3，在初始的半匹配二分图上进行AP簇内部的负载均衡的优化：

步骤3-3-1，根据如下公式定义顶点集上每一个点f_j∈F的均衡度C_M(f_j)。

步骤2-3-2，对于半匹配M，其均衡程度T(M)表示为

T(M)＝∑C_M(f_j)，

T(M)越大，则表明当前的半匹配越不均衡；

步骤2-3-3，寻找到T(M)最小的半匹配，将具有最小T(M)的半匹配称为最优半匹配。

实施例

本实施例如图3所示：设定网络中存在4个AP和12个用户节点。网络潜在的连接为：{{u₁，u₂，u₃，u₄}，{u₃，u₄，u₅，u₆，u₇，u₈}，{u₅，u₆，u₇，u₈，u₉，u₁₀}，{u₉，u₁₀，u₁₁，u₁₂}}。当前存在一个负载不均的连接实例：{{u₁，u₂}，{u₃，u₄}，{u₅，u₆，u₇，u₈}，{u₉，u₁₀，u₁₁，u₁₂}}，下面根据本发明提出的分层式负载均衡方法对该网络连接进行负载均衡改进。首先，进行步骤1的AP簇划分，将AP划分为两个簇{{a₁，a₂}，{a₃，a₄}}，则{u₅，u₆，u₇，u₈}为簇间可迁移用户，其余为簇内可迁移用户。其次进行步骤2，AP簇间迁移。将{u₅，u₆}迁移到{a₁，a₂}的AP簇中，从而使得两个簇间负载是均衡的。然后进行步骤3，分别在两个AP簇内进行负载均衡，例如：将u₃迁移到a₁上，将u₉迁移到a₃上，从而使得AP簇内的负载均衡。最终得到网络负载均衡的连接：{{u₁，u₂，u₃}，{u₄，u₅，u₆}，{u₇，u₈，u₉}，{u₁₀，u₁₁，u₁₂}}。

本发明提供了一种面向大规模密集无线网络的分层式负载均衡方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (1)

1.一种面向大规模密集无线网络的分层式负载均衡方法，其特征在于，包括以下步骤：

步骤1，对AP进行簇划分；

步骤2，进行AP簇间的负载均衡调度；

步骤3，进行AP簇内的负载均衡调度；

步骤1包括：

步骤1-1，在N个AP中随机选取其中的K个不同的AP，来作为K个AP簇的初始中心点；

步骤1-2，计算N个AP分别到K个不同的AP簇的初始中心的距离，根据距离最短原则，将N个AP分别划分到最近的AP簇中；

步骤1-3，对已经划分完成的AP簇，根据距离最短原则重新计算各AP簇的初始中心点，如果新的AP簇的初始中心点与前一次迭代过程的AP簇初始中心点不一致，则对各AP重新调整划分至最近的AP簇中，进行下一次迭代，即重新回到步骤1-2中；如果各AP簇初始中心点没有任何变化，说明此时分簇完成；

步骤2包括：

步骤2-1，对于能够在AP簇间进行迁移的终端用户的负载均衡调度问题，将所述问题转换成二分图来进行处理：将无线网络用二分图G＝(U∪F，E)进行表示，把每一个AP簇都作为二分图的一个顶点子集F＝{f₁，f₂...f_n}，其中，n为所有AP簇的数量；把无线网络中的能够进行簇间迁移的终端用户作为二分图的另一个顶点子集U＝{u₁，u₂...u_m}，其中m为所有能够进行簇间迁移的终端用户数量；最后，将两个子集F和U中顶点之间的关联表示为顶点之间的边集E＝{(f，u)|u∈U，f∈F，u∈f}，其中，f表示AP簇中的顶点集合，u表示用户顶点，若第j个终端用户u_j在第i个AP簇f_i的覆盖范围内，则在f_i与u_j之间存在边，否则不存在边，i取值为1～n，j取值为1～m；最终得到一个图G＝(U∪F，E)；由于在顶点子集F和U中均不存在内部边，因此图G是一个二分图；

步骤2-2，基于二分图G，寻找初始的半匹配图：对于二分图G＝(U∪F，E)，如果在边集

中，对u_i，u_i∈U，有且仅有一个f_j，f_j∈F，存在一条到u_i的边e_k＝(f_j，u_i)且e_k∈M，则M称为二分图G的半匹配，基于贪心策略寻找初始半匹配；

步骤2-3，在初始的半匹配二分图上进行负载均衡调度，目标是寻找到初始的半匹配二分图的最小半匹配，以完成负载均衡的优化；

步骤2-2中，所述基于贪心策略寻找初始半匹配，具体包括：

步骤2-2-1，基于已构造的二分图：先对半匹配M初始化为空集，即

再定义节点u_i的度数为d(u_i)，其值为与u_i关联边条数，对

以d(u_i)升序的顺序对U进行遍历；

步骤2-2-2，将u_i与负载最小的f_j相匹配，负载相同的情况下，选择度数较小的f_j进行匹配，并将边加入到M中；

步骤2-3包括：

步骤2-3-1，根据如下公式定义顶点集上每一个点的均衡度：

其中，d(f_j)为第j个顶点f_j当前关联的边数，f_j∈F，C_M(f_j)表示第j个顶点的均衡度；

步骤2-3-2，对于半匹配M，其均衡程度T(M)表示为：

T(M)＝∑C_M(f_j)，

T(M)越大，则表明当前的半匹配越不均衡；

步骤2-3-3，寻找到T(M)最小的半匹配，将具有最小T(M)的半匹配称为最优半匹配；

步骤2-3-3包括：

步骤2-3-3-1，定义替换路径P：P＝(f₁，u₁，...，u_k-1，f_k)，P∈G，若对

且(u_i，f_i+1)∈E/M，则称P为G中的一条替换路径；

步骤2-3-3-2，基于已构造的半匹配图：

对

寻找当前C_M(f_j)最小的f_j与之进行匹配，并将边加入M中，

步骤2-3-3-3，寻找M中的均衡减小路径并将其消除：

以d(f_j)降序的顺序对F进行遍历：

以f_j为根结点建立一条替换路径的树T；

找出树T中d(f_k)_min的结点为f_k，若其满足d(f_k)＜d(f_j)-1且|d(f_k)|+1≤C_k，则(f_j，u_j，...，u_k-1，f_k)为均衡减小路径，C_k为f_k的最大负载；

交换替换路径(f_j，u_j，...，u_k-1，f_k)中的每一对邻边(f_j，u_j)和(u_j，f_j+1)，至此，完成在AP簇之间的负载均衡的调度；

步骤3包括：

步骤3-1，对于能够在AP簇内进行迁移的终端用户的负载均衡调度问题，将所述问题转换成二分图来进行处理：将每个AP簇内的网络用二分图G′＝(U′∪F′，E′)进行表示，把每一个AP都作为二分图的一个顶点子集F′＝{f′₁，f′₂...f′_N}，把终端用户作为二分图的另一个顶点子集U′＝{u′₁，u′₂...u′_N}；

终端用户在AP的覆盖范围内，则在f′与u′之间存在边，否则不存在边，则得到一个图G′＝(U′∪F′，E′)，其中E′＝{(f′，u′)|u′∈U’，f′∈F′，u′∈f′}；

在顶点子集F′和U′中均不存在内部的边，因此图G′是一个二分图；

步骤3-2，基于二分图定义，利用步骤2-2中的方法寻找初始的半匹配图；

步骤3-3，在初始的半匹配二分图上进行负载均衡调度，利用步骤2-3中的方法完成AP簇内部的负载均衡的优化。

Images