CN111147604A - 一种车联网边缘计算的负载均衡方法 - Google Patents

Abstract

本发明涉及一种车联网边缘计算的负载均衡方法，属于车联网领域。包括：MEC服务器初始化；MEC服务器按周期性，更新指标权值，计算服务器性能及负载率，判断服务器负载状态并将相关信息上传至调度中心；调度中心接收各个MEC服务器上传的信息，并对这些信息进行存表、更新等操作；若调度中心接收到服务器的任务迁移请求，对服务器进行分类，筛选出可接收迁移任务的服务器，并计算各个服务器的转移概率；调度中心根据转移概率安排任务迁移，eNodeB接收调度中心调度安排，将任务通过X2口传输至目标eNodeB，任务计算完成后，将计算结果进行回传；等待下一个周期。本发明可以有效提升服务器集群负载均衡度，缩短任务完成时间。

Description

一种车联网边缘计算的负载均衡方法

技术领域

本发明属于车联网领域，涉及一种车联网边缘计算的负载均衡方法。

背景技术

随着车联网的不断发展，基于蜂窝通信系统的C-V2X(Cellular-VehicletoEverything)技术与基于多接入边缘计算的MEC(Mobile Edge Computing)技术越走越近，C-V2X技术可大幅度降低未来自动驾驶和车联网部署成本，而MEC技术将计算、存储、业务服务能力向靠近终端或数据源头的网络边缘迁移，具有本地化处理、分布式部署的特性。

C-V2X技术与MEC技术的融合可以实现“人-车-路-云”协同交互。然而在道路上，由于不同区域车辆分布不均匀，导致不同区域MEC服务器的数据访问量各不相同，各MEC服务器接入的任务量有极大差异，这种情况极易造成服务器集群负载倾斜问题，浪费计算资源。

针对以上问题，服务器负载均衡是一个有效方法，负载均衡的目的是将大量并发任务合理调度到各个服务器节点上进行计算，从而避免服务器出现负载倾斜的问题，进而提高整个集群的性能。

在现有的负载均衡算法研究中，根据调度策略的不同，主要可以分为静态负载均衡算法和动态负载均衡算法两大类。静态负载均衡算法是依据既定的策略来调度任务，而不考虑当前服务器节点的负载状况，如轮询算法，加权轮询算法等；动态负载均衡算法则是以当前服务器节点负载状况为参考，合理调度任务，如最小连接法，加权最小连接法等。实际的应用中，相较于静态负载均衡算法，动态负载均衡算法往往可以更好的反应服务器状态，因而在任务的调度方面有更好的效果。

传统的负载均衡方法着重于探究任务的分配策略，而忽视了服务器何时进行任务分配以及如何准确判断服务器运行状态等问题，这些问题对后续任务的分配有极大影响，特别是在车联网环境中，由于车辆的移动性，导致各MEC服务器负载状态差异较大，易导致集群负载均衡度低、资源利用率低等问题。

综上所述，本文在车联网边缘计算环境下提出一种动态负载指标权重的负载均衡方法。

发明内容

有鉴于此，本发明的目的在于提供一种车联网边缘计算的负载均衡方法。

为达到上述目的，本发明提供如下技术方案：

一种车联网边缘计算的负载均衡方法，该方法包括以下步骤：

1)初始化各个MEC服务器，包括服务器性能参数设置和指标权值设置；

2)各MEC服务器按周期T，更新指标权值，计算服务器性能及负载率，判断服务器负载状态并将相关信息上传至调度中心；

3)调度中心接收各个MEC服务器上传的信息，并对这些信息进行存表、更新操作；

4)若调度中心接收到服务器的任务迁移请求，对服务器进行分类，筛选出可接收迁移任务的服务器，并计算各个服务器的转移概率；

5)调度中心根据转移概率安排任务迁移，eNodeB接收调度中心调度安排，将任务通过X2口传输至目标eNodeB，任务计算完成后，将计算结果进行回传；

6)重复步骤4)～5)；等待下一个周期，从步骤2)开始。

可选的，所述步骤2)中具体为：

(2a)：负载率由如下公式(1)计算：

公式(1)中

表示服务器i的负载率，

分别表示服务器i的CPU处理速率、磁盘I/O速率、内存利用率、带宽占用率，α_param表示对应指标所占权重，其中α_param满足如下条件：

α_cpu+α_i/o+α_mem+α_band＝1 (2)

(2b)：指标权值更新方法如下：

计算当前负载指标均值：

当

时，说明服务器当前负载状态对该负载指标的依赖性加强，提高该指标对应权重；当

时，说明服务器当前负载状态对该负载指标的依赖性降低，降低该指标对应权重；为更新权重，引入一个权重修正变量ε，由如下计算：

更新权重为：

考虑四种负载指标，即CPU处理速率、磁盘I/O速率、内存利用率、带宽占用率，则有：

结合公式(2)、(3)、(4)、(5)、(6)得到负载指标的新权值为：

可选的，所述步骤4)中，服务器分类方法为：

根据公式(1)求出服务器i的负载率，考虑设置高负载率的阀值

与低负载率的阀值

和

的值根据服务器实际情况设置；

设Status_i表示服务器i的负载状态：

当

时，Status_i＝2说明服务器已处于高负载的情况，此时若有计算任务接入，应将计算任务转移至其他低负载的服务器上；当

时，Status_i＝1说明当前服务器是正常负载的状态，此时可考虑接收转移的任务；当

时，Status_i＝0说明当前服务器是低负载的状态，此时可优先考虑接收转移的计算任务。

可选的，所述步骤5)中，任务转移概率及转移方法如下：

当服务器处于高负载状态时，服务器将发起任务转移请求，调度中心接收请求后会将该服务器排队中的任务转移至低负载状态的服务器上；

设LB_centre＝{LB₁，LB₂，…，LB_n}为调度中心接收到的服务器负载率集合，

表示集群平均负载率，由如下计算：

设σ_LB为集群负载率的标准差，有如下计算：

假设将要分配的任务数为n，集群的服务器数为m，设P_ij表示任务i分配到服务器j上的概率：

上式中：set表示服务器集群中满足

的服务器集合；

每当有任务需要进行迁移时，调度中心都会对比各个服务器负载状态，计算迁移概率，然后用轮盘赌注法决定任务迁移到哪个服务器上，概率值即是赌盘的扇区，概率值越大，扇区越大，被选中的几率越大。

本发明的有益效果在于：

本发明充分考虑边缘服务器实时运行状态，结合服务器CPU处理能力、磁盘I/O读写能力、内存容量、网络带宽等多个因素，动态调整各负载指标的权重，从而更加准确的评估服务器负载状况。

本发明在考虑任务转移时，合理对服务器进行分类，并结合服务器当前负载状态与集群负载标准差来制定任务分配方案，可以有效提升集群负载均衡度，缩短任务完成时间。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明的实际应用场景。

图2为本发明的流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图1～图2所示，本发明解决上述技术问题的技术方案是：

步骤1：初始化各个MEC服务器，包括服务器性能参数设置、指标权值设置等；

步骤2：各MEC服务器按周期T，更新指标权值，计算服务器性能及负载率，判断服务器负载状态并将相关信息上传至调度中心；

步骤3：调度中心接收各个MEC服务器上传的信息，并对这些信息进行存表、更新等操作；

步骤4：若调度中心接收到服务器的任务迁移请求，对服务器进行分类，筛选出可接收迁移任务的服务器，并计算各个服务器的转移概率；

步骤5：调度中心根据转移概率安排任务迁移，eNodeB接收调度中心调度安排，将任务通过X2口传输至目标eNodeB，任务计算完成后，将计算结果进行回传；

步骤6：重复步骤4，步骤5。等待下一个周期，从步骤2开始；

如前所述的一种动态负载指标权重的负载均衡方法，进一步地，步骤2中的具体实施方法如下：

负载率由如下公式(1)计算：

公式(1)中中

表示服务器i的负载率，

分别表示服务器i的CPU处理速率、磁盘I/O速率、内存利用率、带宽占用率，α_param表示对应指标所占权重，其中α_param满足如下公式(2)：

α_cpu+α_i/o+α_mem+α_band＝1 (2)

指标权值更新方法具体如下：

计算当前负载指标均值：

当

时，说明服务器当前负载状态对该负载指标的依赖性加强，此时应提高该指标对应权重。当

时，说明服务器当前负载状态对该负载指标的依赖性降低，此时应降低该指标对应权重。为更新权重，本方法引入一个权重修正变量ε，由如下计算：

进而更新权重：

本方法考虑四种负载指标，即CPU处理速率、磁盘I/O速率、内存利用率、带宽占用率，则有：

结合公式(2)、(3)、(4)、(5)、(6)得到负载指标的新权值为：

如前所述的一种动态负载指标权重的负载均衡方法，进一步地，步骤4中的具体服务器分类方法如下：

根据公式(1)求出服务器i的负载率，考虑设置高负载率的阀值

与低负载率的阀值

和

的值可根据服务器实际情况设置。

设Status_i表示服务器i的负载状态：

当

时，Status_i＝2说明服务器已处于高负载的情况，此时若有计算任务接入，应将计算任务转移至其他低负载的服务器上。当

时，Status_i＝1说明当前服务器是正常负载的状态，此时可考虑接收转移的任务。当

时，Status_i＝0说明当前服务器是低负载的状态，此时可优先考虑接收转移的计算任务。

如前所述的一种动态负载指标权重的负载均衡方法，进一步地，步骤4中的任务转移方法如下：

当服务器处于高负载状态时，服务器将发起任务转移请求，调度中心接收请求后会将该服务器排队中的任务转移至低负载状态的服务器上。

设LB_centre＝{LB₁，LB₂，…，LB_n}为调度中心接收到的服务器负载率集合，

表示集群平均负载率，由如下计算：

设σ_LB为集群负载率的标准差，有如下计算：

由以上可知欲提升集群整体负载均衡度，必须降低σ_LB的值。因此合理迁移高负载状态服务器任务队列中的任务成为关键。

假设将要分配的任务数为n，集群的服务器数为m，考虑到越低负载率的服务器应有更高的分配几率。设P_ij表示任务i分配到服务器j上的概率：

公式(11)中set表示服务器集群中满足

的服务器集合。

当有任务需要进行迁移时，调度中心会对比各个服务器负载状态，计算迁移概率，然后用轮盘赌注法决定任务迁移到哪个服务器上，概率值即是赌盘的扇区，概率值越大，扇区越大，被选中的几率越大。从而可以合理分配迁移任务，进而提升整个服务器集群的负载均衡度。

以上所述仅是本发明的部分实施方式，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。

Claims (4)

1.一种车联网边缘计算的负载均衡方法，其特征在于：该方法包括以下步骤：

1)初始化各个MEC服务器，包括服务器性能参数设置和指标权值设置；

2)各MEC服务器按周期T，更新指标权值，计算服务器性能及负载率，判断服务器负载状态并将相关信息上传至调度中心；

3)调度中心接收各个MEC服务器上传的信息，并对这些信息进行存表、更新操作；

4)若调度中心接收到服务器的任务迁移请求，对服务器进行分类，筛选出可接收迁移任务的服务器，并计算各个服务器的转移概率；

5)调度中心根据转移概率安排任务迁移，eNodeB接收调度中心调度安排，将任务通过X2口传输至目标eNodeB，任务计算完成后，将计算结果进行回传；

6)重复步骤4)～5)；等待下一个周期，从步骤2)开始。

2.根据权利要求1所述的一种车联网边缘计算的负载均衡方法，其特征在于：所述步骤2)中具体为：

(2a)：负载率由如下公式(1)计算：

公式(1)中

表示服务器i的负载率，

分别表示服务器i的CPU处理速率、磁盘I/O速率、内存利用率、带宽占用率，α_param表示对应指标所占权重，其中α_param满足如下条件：

α_cpu+α_i/o+α_mem+α_band＝1 (2)

(2b)：指标权值更新方法如下：

计算当前负载指标均值：

当

时，说明服务器当前负载状态对该负载指标的依赖性加强，提高该指标对应权重；当

时，说明服务器当前负载状态对该负载指标的依赖性降低，降低该指标对应权重；为更新权重，引入一个权重修正变量ε，由如下计算：

更新权重为：

考虑四种负载指标，即CPU处理速率、磁盘I/O速率、内存利用率、带宽占用率，则有：

结合公式(2)、(3)、(4)、(5)、(6)得到负载指标的新权值为：

3.根据权利要求1所述的一种车联网边缘计算的负载均衡方法，其特征在于：所述步骤4)中，服务器分类方法为：

根据公式(1)求出服务器i的负载率，考虑设置高负载率的阀值

与低负载率的阀值

和

的值根据服务器实际情况设置；

设Status_i表示服务器i的负载状态：

当

时，Status_i＝2说明服务器已处于高负载的情况，此时若有计算任务接入，应将计算任务转移至其他低负载的服务器上；当

时，Status_i＝1说明当前服务器是正常负载的状态，此时可考虑接收转移的任务；当

时，Statys_i＝0说明当前服务器是低负载的状态，此时可优先考虑接收转移的计算任务。

4.根据权利要求1所述的一种车联网边缘计算的负载均衡方法，其特征在于：所述步骤5)中，任务转移概率及转移方法如下：

当服务器处于高负载状态时，服务器将发起任务转移请求，调度中心接收请求后会将该服务器排队中的任务转移至低负载状态的服务器上；

设LB_centre＝{LB₁，LB₂，...，LB_n}为调度中心接收到的服务器负载率集合，

表示集群平均负载率，由如下计算：

设σ_LB为集群负载率的标准差，有如下计算：

假设将要分配的任务数为n，集群的服务器数为m，设P_ij表示任务i分配到服务器j上的概率：

上式中：set表示服务器集群中满足

的服务器集合；

每当有任务需要进行迁移时，调度中心都会对比各个服务器负载状态，计算迁移概率，然后用轮盘赌注法决定任务迁移到哪个服务器上，概率值即是赌盘的扇区，概率值越大，扇区越大，被选中的几率越大。

Images