CN115629717A - 一种基于分布式存储的负载均衡方法和存储介质 - Google Patents

一种基于分布式存储的负载均衡方法和存储介质 Download PDF

Info

Publication number
CN115629717A
CN115629717A CN202211567973.4A CN202211567973A CN115629717A CN 115629717 A CN115629717 A CN 115629717A CN 202211567973 A CN202211567973 A CN 202211567973A CN 115629717 A CN115629717 A CN 115629717A
Authority
CN
China
Prior art keywords
load
storage
node
load balancing
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211567973.4A
Other languages
English (en)
Other versions
CN115629717B (zh
Inventor
陈昌辉
陈适
黄虹兵
常春
姚军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Hantang Cloud Distributed Storage Technology Co ltd
Original Assignee
Sichuan Hantang Cloud Distributed Storage Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Hantang Cloud Distributed Storage Technology Co ltd filed Critical Sichuan Hantang Cloud Distributed Storage Technology Co ltd
Priority to CN202211567973.4A priority Critical patent/CN115629717B/zh
Publication of CN115629717A publication Critical patent/CN115629717A/zh
Application granted granted Critical
Publication of CN115629717B publication Critical patent/CN115629717B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0604—Improving or facilitating administration, e.g. storage management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/061—Improving I/O performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0629—Configuration or reconfiguration of storage systems
    • G06F3/0631—Configuration or reconfiguration of storage systems by allocating resources to storage systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system

Abstract

本发明公开了一种基于分布式存储的负载均衡方法和存储介质，方法包括：构建分布式存储系统的存储分配模型，存储分配模型将每一数据对象分配给至少一个存储节点；建立系统负载与均匀间距模型之间的联系，并根据二者的联系构建实现分布式存储系统负载均衡的充要条件；根据所述充要条件计算负载均衡评价指标，其中，负载均衡评价指标包括系统在负载均衡状态下运行的概率和负载不均衡因子；根据负载均衡评价指标计算结果对所述存储分配模型进行调整。本发明改善了分布式存储系统的负载均衡，提高了系统运行效率。

Description

一种基于分布式存储的负载均衡方法和存储介质
技术领域
本发明属于分布式存储技术领域，具体涉及一种基于分布式存储的负载均衡方法和存储介质。
背景技术
分布式计算建立在分布式存储系统上，该存储系统为正在执行的工作负载提供数据读写服务。因此，分布式计算的性能与存储系统的数据访问性能密切相关。而数据访问时间对存储节点的性能变化影响很大，其主要原因是多工作资源共享和资源竞争。因此，平衡跨存储节点提供的数据访问负载，对于提高分布式存储系统的性能具有重要意义。
现有技术中，主要从在节点上均匀分配任务的角度来解决分布式存储系统中各节点的负载均衡问题。然而，现有技术的主要缺点是：该方法只适用于到达可以放置在任何一个节点的系统。例如，用于跨同一数据中心内的节点调度计算任务。然而在存储系统中并不存在随机查询任意多个节点的灵活性。这是因为每个数对象通常只存储在有限数量的节点上，而一个到达的请求只能在承载被请求对象的一个节点上提供服务。因此容易导致分布式存储不均衡的技术问题。
发明内容
本发明的目的是提供一种基于分布式存储的负载均衡方法和存储介质，用以解决现有技术中存在的容易导致分布式存储不均衡的技术问题。
为了实现上述目的，本发明采用以下技术方案：
第一方面提供一种基于分布式存储的负载均衡方法，包括：
构建分布式存储系统的存储分配模型，所述存储分配模型将每一数据对象分配给至少一个存储节点；
建立系统负载与均匀间距模型之间的联系，并根据二者的联系构建实现所述分布式存储系统负载均衡的充要条件；
根据所述充要条件计算负载均衡评价指标，其中，负载均衡评价指标包括系统在负载均衡状态下运行的概率和负载不均衡因子；
根据负载均衡评价指标计算结果对所述存储分配模型进行调整，以实现所述分布式存储系统运行状态下的负载均衡。
在一种可能的设计中，所述存储分配模型包括单节点分配模型和多节点分配模型；
所述单节点分配模型将每个数据对象存储在单个存储节点上，每个存储节点中存储有
Figure 100002_DEST_PATH_IMAGE001
个不同的数据对象，此时每一数据对象的负载由存储该对象的唯一存储节点提供，其中，
Figure 100002_DEST_PATH_IMAGE002
，
Figure 100002_DEST_PATH_IMAGE003
表示数据对象的总数，
Figure 100002_DEST_PATH_IMAGE004
表示存储节点的总数；
所述多节点分配模型将每个数据对象存储在
Figure 100002_DEST_PATH_IMAGE005
个不同的存储节点上，每个存储节点中存储有
Figure 100002_DEST_PATH_IMAGE006
个不同的数据对象，此时每一数据对象的负载由存储该对象的
Figure 743878DEST_PATH_IMAGE005
个存储节点共同提供，其中，
Figure 100002_DEST_PATH_IMAGE007
。
在一种可能的设计中，建立系统负载与均匀间距模型之间的联系，包括：
假设各存储节点向任意数据对象
Figure 100002_DEST_PATH_IMAGE008
提供负载向量
Figure 100002_DEST_PATH_IMAGE009
，其中，
Figure 100002_DEST_PATH_IMAGE010
，
Figure 100002_DEST_PATH_IMAGE011
，则分布式存储系统的负载集合
Figure 100002_DEST_PATH_IMAGE012
，如下：
Figure 100002_DEST_PATH_IMAGE013
；（1）
其中，
Figure 100002_DEST_PATH_IMAGE014
表示分布式存储系统的总负载；
假设任意负载向量
Figure 619606DEST_PATH_IMAGE009
从负载集合
Figure 727239DEST_PATH_IMAGE012
中均匀随机采样，则从均匀间距模型的特征可知，各存储节点向任意数据对象
Figure 184765DEST_PATH_IMAGE008
提供的负载
Figure 100002_DEST_PATH_IMAGE015
为
Figure 100002_DEST_PATH_IMAGE016
中的
Figure 100002_DEST_PATH_IMAGE017
个均匀间隔，
Figure 100002_DEST_PATH_IMAGE018
。
在一种可能的设计中，当所述存储分配模型为单节点分配模型时，根据二者的联系构建实现所述分布式存储系统负载均衡的充要条件，如下：
Figure 100002_DEST_PATH_IMAGE019
；（2）
其中，
Figure 100002_DEST_PATH_IMAGE020
表示任意存储节点能够提供的最大负载；由于各存储节点向任意数据对象
Figure 907127DEST_PATH_IMAGE008
提供的负载
Figure 791906DEST_PATH_IMAGE015
为
Figure 183573DEST_PATH_IMAGE016
中的
Figure 447720DEST_PATH_IMAGE017
个均匀间隔，可知任意存储节点
Figure 100002_DEST_PATH_IMAGE021
上提供的负载
Figure 100002_DEST_PATH_IMAGE022
，如下：
Figure 100002_DEST_PATH_IMAGE023
；（3）
其中，存储节点
Figure 100002_DEST_PATH_IMAGE024
上存储有数据对象
Figure 100002_DEST_PATH_IMAGE025
，
Figure 100002_DEST_PATH_IMAGE026
表示存储节点
Figure 100002_DEST_PATH_IMAGE027
为数据对象
Figure 100002_DEST_PATH_IMAGE028
中第
Figure 100002_DEST_PATH_IMAGE029
个数据对象提供的负载。
在一种可能的设计中，根据所述充要条件计算负载均衡评价指标，包括：
根据分布式存储系统负载均衡的充要条件，建立系统在均衡状态下运行的概率
Figure 100002_DEST_PATH_IMAGE030
的约束条件，如下：
Figure 100002_DEST_PATH_IMAGE031
；（4）
其中，
Figure 100002_DEST_PATH_IMAGE032
是指概率公式；
将任意存储节点
Figure 100002_DEST_PATH_IMAGE033
上提供的负载
Figure 100002_DEST_PATH_IMAGE034
作为不重叠间距
Figure 100002_DEST_PATH_IMAGE035
，则在系统总负载为1时，根据系统中最大加载节点上的负载
Figure 100002_DEST_PATH_IMAGE036
的收敛结果，计算系统在负载均衡状态下运行的概率
Figure 114936DEST_PATH_IMAGE030
以及负载不均衡因子
Figure 100002_DEST_PATH_IMAGE037
，如下：
Figure 100002_DEST_PATH_IMAGE038
；（5）
Figure 100002_DEST_PATH_IMAGE039
（6）。
在一种可能的设计中，根据负载均衡评价指标计算结果对所述存储分配模型进行调整，包括：
对于具有固定间距
Figure 91988DEST_PATH_IMAGE035
的单节点分配模型，根据负载均衡评价指标计算结果，计算最优分配时系统在负载均衡状态下运行的概率以及负载不均衡因子
Figure 911564DEST_PATH_IMAGE037
，如下：
Figure 100002_DEST_PATH_IMAGE040
；（7）
Figure 100002_DEST_PATH_IMAGE041
；（8）
其中，
Figure 100002_DEST_PATH_IMAGE042
表示具有
Figure 100002_DEST_PATH_IMAGE043
个存储节点的系统在负载均衡状态下运行的概率，
Figure 100002_DEST_PATH_IMAGE044
表示
Figure 960160DEST_PATH_IMAGE043
个存储节点的总负载，
Figure 100002_DEST_PATH_IMAGE045
，
Figure 100002_DEST_PATH_IMAGE046
表示
Figure 876688DEST_PATH_IMAGE043
个存储节点构成的负载集合序列，
Figure 100002_DEST_PATH_IMAGE047
表示负载集合序列
Figure 100002_DEST_PATH_IMAGE048
的上极限，
Figure 100002_DEST_PATH_IMAGE049
表示负载集合序列
Figure 821379DEST_PATH_IMAGE048
的下极限，
Figure 100002_DEST_PATH_IMAGE050
表示
Figure 656480DEST_PATH_IMAGE043
的对数的
Figure 100002_DEST_PATH_IMAGE051
函数。
在一种可能的设计中，当所述存储分配模型为多节点分配模型时，根据二者的联系构建实现所述分布式存储系统负载均衡的充分条件和必要条件，分别如下：
充分条件为
Figure 100002_DEST_PATH_IMAGE052
；（9）
必要条件为
Figure 100002_DEST_PATH_IMAGE053
；（10）
其中，
Figure 100002_DEST_PATH_IMAGE054
表示在单位圆
Figure 100002_DEST_PATH_IMAGE055
上
Figure 100002_DEST_PATH_IMAGE056
个均匀间隔内的第一间距
Figure 100002_DEST_PATH_IMAGE057
的最大值，
Figure 100002_DEST_PATH_IMAGE058
表示存储节点的总数，且
Figure 100002_DEST_PATH_IMAGE059
，
Figure 100002_DEST_PATH_IMAGE060
表示在单位圆
Figure 100002_DEST_PATH_IMAGE061
上
Figure 100002_DEST_PATH_IMAGE062
个均匀间隔内的第二间距
Figure 100002_DEST_PATH_IMAGE063
的最大值；
其中，上述充分条件和必要条件的构建过程如下：
基于
Figure 100002_DEST_PATH_IMAGE064
间隙设计规则对多节点分配模型进行存储分配，分配公式如下：
Figure 100002_DEST_PATH_IMAGE065
；（11）
Figure 100002_DEST_PATH_IMAGE066
；（12）
其中，
Figure 100002_DEST_PATH_IMAGE067
表示给定的一组数据对象集，
Figure 100002_DEST_PATH_IMAGE068
表示用于联合使用数据对象集中的对象的容量，
Figure 100002_DEST_PATH_IMAGE069
表示
Figure 100002_DEST_PATH_IMAGE070
个存储节点中的第
Figure 100002_DEST_PATH_IMAGE071
个节点，
Figure 100002_DEST_PATH_IMAGE072
表示承载数据对象
Figure 100002_DEST_PATH_IMAGE073
的各存储节点之间的间隙，
Figure 100002_DEST_PATH_IMAGE074
表示数据对象集对应的节点展开，即给定的一组数据对象集所选择的存储节点的并集，
Figure 100002_DEST_PATH_IMAGE075
表示某数据对象选择的存储节点数量；
根据各存储节点向任意数据对象
Figure 100002_DEST_PATH_IMAGE076
提供的负载
Figure 100002_DEST_PATH_IMAGE077
为
Figure 100002_DEST_PATH_IMAGE078
中的
Figure 100002_DEST_PATH_IMAGE079
个均匀间隔以及多节点分配模型的存储分配结果，构建多节点分配模型实现负载均衡的必要条件和充分条件。
在一种可能的设计中，根据所述充要条件计算负载均衡评价指标，包括：
根据实现所述分布式存储系统负载均衡的必要条件和充分条件，计算系统在负载均衡状态下运行的概率
Figure 100002_DEST_PATH_IMAGE080
，如下：
Figure 100002_DEST_PATH_IMAGE081
；（13）
将公式（13）转化为基于集群设计规则或循环设计规则对多节点分配模型进行分配时，系统在负载均衡状态下运行的概率
Figure 100002_DEST_PATH_IMAGE082
，转化后的公式，如下：
Figure 100002_DEST_PATH_IMAGE083
；（14）
此时
Figure 100002_DEST_PATH_IMAGE084
，
Figure 100002_DEST_PATH_IMAGE085
；
根据聚类设计或循环设计的分配下系统在负载均衡状态下运行的概率
Figure 394586DEST_PATH_IMAGE080
，得到负载不均衡因子
Figure 100002_DEST_PATH_IMAGE086
的渐进刻画公式，如下：
当
Figure 100002_DEST_PATH_IMAGE087
时，
Figure 100002_DEST_PATH_IMAGE088
；（15）
其中，
Figure 100002_DEST_PATH_IMAGE089
表示在取极限时
Figure 100002_DEST_PATH_IMAGE090
相对于
Figure 100002_DEST_PATH_IMAGE091
是可以忽略的量；
当
Figure 100002_DEST_PATH_IMAGE092
时，
Figure 100002_DEST_PATH_IMAGE093
；（16）
其中，
Figure 100002_DEST_PATH_IMAGE094
表示
Figure 100002_DEST_PATH_IMAGE095
的第一参数因子，
Figure 100002_DEST_PATH_IMAGE096
表示
Figure 100002_DEST_PATH_IMAGE097
的唯一正解。
在一种可能的设计中，根据负载均衡评价指标计算结果对所述存储分配模型进行调整，包括：
对于具有
Figure 459230DEST_PATH_IMAGE090
节点分配的多节点分配模型，根据负载均衡评价指标计算结果得到最优分配时系统在负载均衡状态下运行的概率
Figure 100002_DEST_PATH_IMAGE098
如下：
当
Figure 100002_DEST_PATH_IMAGE099
时，
Figure 100002_DEST_PATH_IMAGE100
；（17）
当
Figure 100002_DEST_PATH_IMAGE101
时，
Figure 100002_DEST_PATH_IMAGE102
；（18）
其中，
Figure 843331DEST_PATH_IMAGE047
表示负载集合序列
Figure 100002_DEST_PATH_IMAGE103
的上极限，
Figure 165728DEST_PATH_IMAGE049
表示负载集合序列
Figure 100002_DEST_PATH_IMAGE104
的下极限，
Figure 100002_DEST_PATH_IMAGE105
表示
Figure 100002_DEST_PATH_IMAGE106
的第二参数因子，
Figure 100002_DEST_PATH_IMAGE107
；
根据
Figure DEST_PATH_IMAGE108
从1到
Figure DEST_PATH_IMAGE109
时，
Figure DEST_PATH_IMAGE110
从
Figure DEST_PATH_IMAGE111
到
Figure DEST_PATH_IMAGE112
的指数变化关系，对负载不均衡因子
Figure DEST_PATH_IMAGE113
进行调整。
第二方面提供一种基于分布式存储的负载均衡装置，包括：
构建分布式存储系统的存储分配模型，所述存储分配模型将每一数据对象分配给至少一个存储节点；
建立系统负载与均匀间距模型之间的联系，并根据二者的联系构建实现所述分布式存储系统负载均衡的充要条件；
根据所述充要条件计算负载均衡评价指标，其中，负载均衡评价指标包括系统在负载均衡状态下运行的概率和负载不均衡因子；
根据负载均衡评价指标计算结果对所述存储分配模型进行调整，以实现所述分布式存储系统运行状态下的负载均衡。
第三方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面任意一种可能的设计中所述的基于分布式存储的负载均衡方法。
第四方面提供一种计算机设备，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面任意一种可能的设计中所述的基于分布式存储的负载均衡方法。
本发明相较于现有技术的有益效果为：
本发明通过构建分布式存储系统的存储分配模型，建立系统负载与均匀间距模型之间的联系，并根据二者的联系构建实现所述分布式存储系统负载均衡的充要条件；根据充要条件计算负载均衡评价指标；根据负载均衡评价指标计算结果对所述存储分配模型进行调整，以实现所述分布式存储系统运行状态下的负载均衡。从而使得分布式存储系统能够在充要条件的约束下，获得负载均衡的评价指标，并根据评价指标对存储分配模型进行调整，改善了分布式存储系统的负载均衡，提高了系统运行效率。
附图说明
图1为本申请实施例中的基于分布式存储的负载均衡方法的流程图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍，显而易见地，下面关于附图结构的描述仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
实施例
为了解决现有技术中存在的容易导致分布式存储不均衡以及存储效率低的问题。本申请实施例提供了一种基于分布式存储的负载均衡方法，该方法使得分布式存储系统能够在充要条件的约束下，获得负载均衡的评价指标，并根据评价指标对存储分配模型进行调整，改善了分布式存储系统的负载均衡，提高了系统运行效率。
下面将对本申请实施例提供的基于分布式存储的负载均衡方法进行详细说明。
其中，需要说明的是，本申请实施例提供的基于分布式存储的负载均衡方法可应用于任意使用操作系统的终端设备来对分布式存储系统的负载均衡进行改善，其中，操作系统包括但不限于Windows系统、Mac系统、Linux系统、Chrome OS系统、UNIX操作系统、IOS系统和安卓系统等，此处不做限定；其中，终端设备包括但不限于IPAD平板电脑、个人移动电脑、工业计算机、个人计算机等，此处不做限定。为便于描述，除特别说明外，本申请实施例均以工业计算机为执行主体进行说明。可以理解，所述执行主体并不构成对本申请实施例的限定，在其他的一些实施例中可以采用其他类型的终端设备作为执行主体。
如图1所示，是本申请实施例提供的基于分布式存储的负载均衡方法的流程图，所述基于分布式存储的负载均衡方法包括但不限于由步骤S1~S4实现：
步骤S1.构建分布式存储系统的存储分配模型，所述存储分配模型将每一数据对象分配给至少一个存储节点；
其中，需要说明的是，在本申请实施例中，若所有数据对象提供的累积负载保持不变，则所有数据对象提供的负载都是可能的，且可能性相同。例如：若每个存储节点最低可以提供1的负载，只要每个存储节点的累积负载小于1，每个数据对象提供的负载就可以在其存储的至少一个存储节点之间进行分割。
如此，本申请实施例中的分布式存储系统设有
Figure 339483DEST_PATH_IMAGE004
个存储节点，且存储有
Figure 165356DEST_PATH_IMAGE003
个存储对象，优选的，
Figure 999320DEST_PATH_IMAGE004
能整除
Figure 215538DEST_PATH_IMAGE003
，且每个存储节点能够提供相同的内容访问容量，其中，内容访问容量是指某存储节点在单位时间内能够输出的最大字节数，数据对象是内容的最小单位，在本申请实施例中，数据对象为具有固定长度的字符串。另外，本申请实施例中数据对象提供的负载是指每单位时间内从系统流出到访问对象的字节数除以单个存储的容量。若一个数据对象有多个存储节点，则可以通过在多个存储节点上复制数据对象来实现存储，其中，当通过其中一个存储节点访问数据对象时，不影响通过另一个存储节点访问同一数据对象，因此，对同一数据对象从不同节点进行访问的进程是相互独立的。
此外，由于为每一数据对象提供的负载可以在其存储的至少一个存储节点之间进行分割，则某存储节点上的负载由节点存储的多个数据对象施加在节点上的负载之和组成，如果一个存储节点的负载小于1，则认为该节点是稳定运行的，如果分布式存储系统中的每个节点都是稳定的，则认为整个系统是稳定的，而实现稳定的关键就在于是的最大负载节点上的负载最小化，基于此，本申请实施例提出了下文所述的方法。
在步骤S1一种可能的设计中，所述存储分配模型包括单节点分配模型和多节点分配模型；
所述单节点分配模型将每个数据对象存储在单个存储节点上，每个存储节点中存储有
Figure 425939DEST_PATH_IMAGE001
个不同的数据对象，此时每一数据对象的负载由存储该对象的唯一存储节点提供，其中，
Figure 843670DEST_PATH_IMAGE002
，
Figure 51797DEST_PATH_IMAGE003
表示数据对象的总数，
Figure 552049DEST_PATH_IMAGE004
表示存储节点的总数；
所述多节点分配模型将每个数据对象存储在
Figure 300562DEST_PATH_IMAGE005
个不同的存储节点上，每个存储节点中存储有
Figure 38711DEST_PATH_IMAGE006
个不同的数据对象，此时每一数据对象的负载由存储该对象的
Figure 480056DEST_PATH_IMAGE005
个存储节点共同提供，其中，
Figure 467604DEST_PATH_IMAGE007
。
步骤S2.建立系统负载与均匀间距模型之间的联系，并根据二者的联系构建实现所述分布式存储系统负载均衡的充要条件；
在步骤S2一种具体的实施方式中，建立系统负载与均匀间距模型之间的联系，包括：
（1）假设各存储节点向任意数据对象
Figure 957491DEST_PATH_IMAGE008
提供负载向量
Figure 346884DEST_PATH_IMAGE009
，其中，
Figure 693552DEST_PATH_IMAGE010
，
Figure 362869DEST_PATH_IMAGE011
，则分布式存储系统的负载集合
Figure 718764DEST_PATH_IMAGE012
，如下：
Figure 962663DEST_PATH_IMAGE013
；（1）
其中，
Figure 417915DEST_PATH_IMAGE014
表示分布式存储系统的总负载；
其中，需要说明的是，由公式（1）可以看出，系统的总负载是一个定值，即系统的总负载保持不变，而数据对象在存储节点之间的流转、倾斜等能够根据运行状态进行调整。
假设任意负载向量
Figure 380055DEST_PATH_IMAGE009
从负载集合
Figure 274062DEST_PATH_IMAGE012
中均匀随机采样，则从均匀间距模型的特征可知，各存储节点向任意数据对象
Figure 841309DEST_PATH_IMAGE008
提供的负载
Figure 264200DEST_PATH_IMAGE015
为
Figure 979215DEST_PATH_IMAGE016
中的
Figure 614596DEST_PATH_IMAGE017
个均匀间隔，
Figure 570438DEST_PATH_IMAGE018
。
其中，需要说明的是，所述均匀间距模型是现有模型，是指与单纯几何图形的中点的均匀采样有关的数学模型，具体的，令样本
Figure DEST_PATH_IMAGE114
是
Figure DEST_PATH_IMAGE115
在区间[0.1]上的均匀样本，且各样本在区间中呈现出非递减的顺序。进一步的，令存储节点
Figure DEST_PATH_IMAGE116
Figure DEST_PATH_IMAGE117
，则多个存储节点为单位线上的
Figure 616761DEST_PATH_IMAGE017
个均匀间隔，
Figure 287913DEST_PATH_IMAGE018
，也就是说，多个存储节点
Figure DEST_PATH_IMAGE118
均匀分布在单位线上，即：
Figure DEST_PATH_IMAGE119
如此，对于总负载为
Figure DEST_PATH_IMAGE120
的系统，数据对象提供的负载
Figure DEST_PATH_IMAGE121
可以看作是
Figure 510341DEST_PATH_IMAGE016
中的
Figure 583339DEST_PATH_IMAGE003
个均匀间隔。
在步骤S2一种可能的设计中，当所述存储分配模型为单节点分配模型时，根据二者的联系构建实现所述分布式存储系统负载均衡的充要条件，如下：
Figure DEST_PATH_IMAGE122
；（2）
其中，
Figure DEST_PATH_IMAGE123
表示任意存储节点能够提供的最大负载；由于各存储节点向任意数据对象
Figure 207087DEST_PATH_IMAGE008
提供的负载
Figure 365536DEST_PATH_IMAGE015
为
Figure 342719DEST_PATH_IMAGE016
中的
Figure 273154DEST_PATH_IMAGE017
个均匀间隔，可知任意存储节点
Figure 271066DEST_PATH_IMAGE021
上提供的负载
Figure DEST_PATH_IMAGE124
，如下：
Figure DEST_PATH_IMAGE125
；（3）
其中，存储节点
Figure DEST_PATH_IMAGE126
上存储有数据对象
Figure DEST_PATH_IMAGE127
，
Figure DEST_PATH_IMAGE128
表示存储节点
Figure 633256DEST_PATH_IMAGE126
为数据对象
Figure 945289DEST_PATH_IMAGE127
中第
Figure 258459DEST_PATH_IMAGE029
个数据对象提供的负载。
其中，需要说明的是，为了使分布式系统稳定，需要施加在任意存储节点上的负载都
Figure DEST_PATH_IMAGE129
，因此，
Figure DEST_PATH_IMAGE130
是系统负载均衡的充分条件和必要条件。
在步骤S2一种可能的设计中，当所述存储分配模型为多节点分配模型时，根据二者的联系构建实现所述分布式存储系统负载均衡的充分条件和必要条件，分别如下：
充分条件为
Figure DEST_PATH_IMAGE131
；（9）
必要条件为
Figure DEST_PATH_IMAGE132
；（10）
其中，
Figure DEST_PATH_IMAGE133
表示在单位圆
Figure DEST_PATH_IMAGE134
上
Figure DEST_PATH_IMAGE135
个均匀间隔内的第一间距
Figure DEST_PATH_IMAGE136
的最大值，
Figure 272945DEST_PATH_IMAGE135
表示存储节点的总数，且
Figure DEST_PATH_IMAGE137
，
Figure DEST_PATH_IMAGE138
表示在单位圆
Figure 999461DEST_PATH_IMAGE134
上
Figure 380764DEST_PATH_IMAGE135
个均匀间隔内的第二间距
Figure DEST_PATH_IMAGE139
的最大值；
其中，上述充分条件和必要条件的构建过程如下：
基于
Figure 551370DEST_PATH_IMAGE064
间隙设计规则对多节点分配模型进行存储分配，分配公式如下：
Figure 359926DEST_PATH_IMAGE065
；（11）
Figure 714684DEST_PATH_IMAGE066
；（12）
其中，
Figure 837360DEST_PATH_IMAGE067
表示给定的一组数据对象集，
Figure 593964DEST_PATH_IMAGE068
表示用于联合使用数据对象集中的对象的容量，
Figure 573421DEST_PATH_IMAGE069
表示
Figure 681054DEST_PATH_IMAGE070
个存储节点中的第
Figure 341843DEST_PATH_IMAGE071
个节点，
Figure 218532DEST_PATH_IMAGE072
表示承载数据对象
Figure 371820DEST_PATH_IMAGE073
的各存储节点之间的间隙，
Figure 701171DEST_PATH_IMAGE074
表示数据对象集对应的节点展开，即给定的一组数据对象集所选择的存储节点的并集，
Figure 165650DEST_PATH_IMAGE075
表示某数据对象选择的存储节点数量；
根据各存储节点向任意数据对象
Figure 896846DEST_PATH_IMAGE076
提供的负载
Figure 218105DEST_PATH_IMAGE077
为
Figure 238014DEST_PATH_IMAGE078
中的
Figure 302922DEST_PATH_IMAGE079
个均匀间隔以及多节点分配模型的存储分配结果，构建多节点分配模型实现负载均衡的必要条件和充分条件。
其中，需要说明的是，由于系统中的负载不均衡因子随着每个节点存储的对象数量增加而衰减，优选的，本申请实施例中的多节点分配模型在构建分布式存储系统负载均衡的充要条件时，考虑负载均衡的最坏情况，即
Figure DEST_PATH_IMAGE140
。
其中，需要说明的是，本申请实施例中多节点分配模型中的对象集到节点集的
Figure DEST_PATH_IMAGE141
正则双映射，即分配图，其中，该分配图的构建过程为：将对象的副本映射到使用双射的存储节点，且同一数据对象的任意两个存储节点的双射不同，则每个存储节点上存储有主副本和
Figure DEST_PATH_IMAGE142
个不同的冗余副本，其中，数据对象
Figure DEST_PATH_IMAGE143
主要存储在节点
Figure DEST_PATH_IMAGE144
上，并将存储数据对象
Figure DEST_PATH_IMAGE145
的多个节点表征为
Figure DEST_PATH_IMAGE146
。
如此，由于存储中的负载平衡能力不仅取决于对象存储的节点，还取决于跨节点的内容布局，由于
Figure 456999DEST_PATH_IMAGE140
且
Figure DEST_PATH_IMAGE147
，当内容的布局偏向于节点重叠的数据对象时，例如数据对象A和数据对象B均存储在同一节点C上，则对象与对象之间的重叠可能会导致负载的竞争，因此，为了提高负载均衡能力，应当尽量减少重叠节点的数量和重叠部分的大小。因此，需要对数据对象的内容布局进行设置，本申请实施例中，优选采用聚类设计方法、循环设计方法或r间隙设计方法进行内容布局，此处不再赘述。
步骤S3.根据所述充要条件计算负载均衡评价指标，其中，负载均衡评价指标包括系统在负载均衡状态下运行的概率和负载不均衡因子；
在步骤S3一种可能的设计中，当所述存储分配模型为单节点分配模型时，根据所述充要条件计算负载均衡评价指标，包括：
（1）根据分布式存储系统负载均衡的充要条件，建立系统在均衡状态下运行的概率
Figure 277056DEST_PATH_IMAGE030
的约束条件，如下：
Figure 518682DEST_PATH_IMAGE031
；（4）
其中，
Figure DEST_PATH_IMAGE148
是指概率公式；
（2）将任意存储节点
Figure 452527DEST_PATH_IMAGE033
上提供的负载
Figure 361577DEST_PATH_IMAGE034
作为不重叠间距
Figure 759061DEST_PATH_IMAGE035
，则在系统总负载为1时，根据系统中最大加载节点上的负载
Figure 815878DEST_PATH_IMAGE036
的收敛结果，计算系统在负载均衡状态下运行的概率
Figure 160272DEST_PATH_IMAGE030
以及负载不均衡因子
Figure 720566DEST_PATH_IMAGE037
，如下：
Figure 554530DEST_PATH_IMAGE038
；（5）
Figure 36327DEST_PATH_IMAGE039
（6）。
其中，需要说明的是，本申请实施例中的系统中最大负载节点上的负载
Figure 981149DEST_PATH_IMAGE036
的收敛计算过程如下：
将单位线上
Figure 664459DEST_PATH_IMAGE003
个均匀间距的不重叠间距
Figure 669324DEST_PATH_IMAGE035
的最大值定义为
Figure DEST_PATH_IMAGE149
，则
Figure DEST_PATH_IMAGE150
基于上述，得到
Figure 763051DEST_PATH_IMAGE036
的收敛结果如下：
对于具有固定间距
Figure DEST_PATH_IMAGE151
的系统，有
Figure DEST_PATH_IMAGE152
，因此，
Figure DEST_PATH_IMAGE153
。
在步骤S3另一种具体的实施方式中，当所述存储分配模型为多节点分配模型时，根据所述充要条件计算负载均衡评价指标，包括：
（1）根据实现所述分布式存储系统负载均衡的必要条件和充分条件，计算系统在负载均衡状态下运行的概率
Figure 901777DEST_PATH_IMAGE080
，如下：
Figure DEST_PATH_IMAGE154
；（13）
（2）将公式（13）转化为基于集群设计规则或循环设计规则对多节点分配模型进行分配时，系统在负载均衡状态下运行的概率
Figure 501910DEST_PATH_IMAGE082
，转化后的公式，如下：
Figure 146518DEST_PATH_IMAGE083
；（14）
此时
Figure 930803DEST_PATH_IMAGE084
，
Figure 217428DEST_PATH_IMAGE085
；
（3）根据聚类设计或循环设计的分配下系统在负载均衡状态下运行的概率
Figure 341242DEST_PATH_IMAGE080
，得到负载不均衡因子
Figure 484647DEST_PATH_IMAGE086
的渐进刻画公式，如下：
当
Figure 567615DEST_PATH_IMAGE089
时，
Figure 595614DEST_PATH_IMAGE088
；（15）
其中，
Figure 839513DEST_PATH_IMAGE089
表示在取极限时
Figure 357082DEST_PATH_IMAGE090
相对于
Figure 584801DEST_PATH_IMAGE091
是可以忽略的量；
当
Figure 213229DEST_PATH_IMAGE092
时，
Figure 514897DEST_PATH_IMAGE093
；（16）
其中，
Figure 468947DEST_PATH_IMAGE094
表示
Figure 921312DEST_PATH_IMAGE095
的第一参数因子，
Figure 291114DEST_PATH_IMAGE096
表示
Figure 775185DEST_PATH_IMAGE097
的唯一正解。
步骤S4.根据负载均衡评价指标计算结果对所述存储分配模型进行调整，以实现所述分布式存储系统运行状态下的负载均衡。
在步骤S4一种可能的设计中，当所述存储分配模型为单节点分配模型时，根据负载均衡评价指标计算结果对所述存储分配模型进行调整，包括：
（1）对于具有固定间距
Figure 634556DEST_PATH_IMAGE035
的单节点分配模型，根据负载均衡评价指标计算结果，计算最优分配时系统在负载均衡状态下运行的概率以及负载不均衡因子
Figure 508971DEST_PATH_IMAGE037
，如下：
Figure 744781DEST_PATH_IMAGE040
；（7）
Figure 83358DEST_PATH_IMAGE041
；（8）
其中，
Figure 316893DEST_PATH_IMAGE042
表示具有
Figure 740921DEST_PATH_IMAGE043
个存储节点的系统在负载均衡状态下运行的概率，
Figure 252193DEST_PATH_IMAGE044
表示
Figure 648539DEST_PATH_IMAGE043
个存储节点的总负载，
Figure 849713DEST_PATH_IMAGE045
，
Figure 761037DEST_PATH_IMAGE046
表示
Figure 73070DEST_PATH_IMAGE043
个存储节点构成的负载集合序列，
Figure 323923DEST_PATH_IMAGE047
表示负载集合序列
Figure 695998DEST_PATH_IMAGE048
的上极限，
Figure 829039DEST_PATH_IMAGE049
表示负载集合序列
Figure 210342DEST_PATH_IMAGE048
的下极限，
Figure 315701DEST_PATH_IMAGE050
表示
Figure 861608DEST_PATH_IMAGE043
的对数的
Figure 481945DEST_PATH_IMAGE051
函数。
在步骤S4一种可能的设计中，当所述存储分配模型为多节点分配模型时，根据负载均衡评价指标计算结果对所述存储分配模型进行调整，包括：
对于具有
Figure 401360DEST_PATH_IMAGE090
节点分配的多节点分配模型，根据负载均衡评价指标计算结果得到最优分配时系统在负载均衡状态下运行的概率
Figure 361225DEST_PATH_IMAGE098
如下：
当
Figure 340683DEST_PATH_IMAGE099
时，
Figure 448316DEST_PATH_IMAGE100
；（17）
当
Figure 109104DEST_PATH_IMAGE101
时，
Figure 720214DEST_PATH_IMAGE102
；（18）
其中，
Figure 136152DEST_PATH_IMAGE047
表示负载集合序列
Figure DEST_PATH_IMAGE155
的上极限，
Figure 987872DEST_PATH_IMAGE049
表示负载集合序列
Figure 983510DEST_PATH_IMAGE103
的下极限，
Figure 917967DEST_PATH_IMAGE105
表示
Figure 239227DEST_PATH_IMAGE106
的第二参数因子，
Figure 55874DEST_PATH_IMAGE107
；
根据
Figure 324044DEST_PATH_IMAGE108
从1到
Figure 909746DEST_PATH_IMAGE109
时，
Figure 401907DEST_PATH_IMAGE110
从
Figure 909112DEST_PATH_IMAGE111
到
Figure 515061DEST_PATH_IMAGE112
的指数变化关系，对负载不均衡因子
Figure 220849DEST_PATH_IMAGE113
进行调整。
基于上述可知，本申请实施例的多节点分配模型的每个数据对象在初始阶段通过
Figure 87174DEST_PATH_IMAGE106
的乘数来提高负载均衡，而当
Figure 612833DEST_PATH_IMAGE108
间距从1到
Figure 285123DEST_PATH_IMAGE109
时，
Figure 845417DEST_PATH_IMAGE110
从
Figure 617064DEST_PATH_IMAGE111
到
Figure 161178DEST_PATH_IMAGE112
，多节点分配模型通过
Figure DEST_PATH_IMAGE156
的指数变化来提高负载均衡，如此，本申请实施例通过构建分布式存储系统的存储分配模型，建立系统负载与均匀间距模型之间的联系，并根据二者的联系构建实现所述分布式存储系统负载均衡的充要条件；根据充要条件计算负载均衡评价指标；根据负载均衡评价指标计算结果对所述存储分配模型进行调整，以实现所述分布式存储系统运行状态下的负载均衡。从而使得分布式存储系统能够在充要条件的约束下，获得负载均衡的评价指标，并根据评价指标对存储分配模型进行调整，改善了分布式存储系统的负载均衡，提高了系统运行效率。
第二方面提供一种基于分布式存储的负载均衡装置，包括：
构建分布式存储系统的存储分配模型，所述存储分配模型将每一数据对象分配给至少一个存储节点；
建立系统负载与均匀间距模型之间的联系，并根据二者的联系构建实现所述分布式存储系统负载均衡的充要条件；
根据所述充要条件计算负载均衡评价指标，其中，负载均衡评价指标包括系统在负载均衡状态下运行的概率和负载不均衡因子；
根据负载均衡评价指标计算结果对所述存储分配模型进行调整，以实现所述分布式存储系统运行状态下的负载均衡。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果，可以参见如上第一方面或第一方面中任意一种可能设计所述的方法，于此不再赘述。
第三方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面任意一种可能的设计中所述的基于分布式存储的负载均衡方法。
其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例第三方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果，可以参见如上第一方面或第一方面中任意一种可能设计所述的方法，于此不再赘述。
第四方面提供一种计算机设备，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面任意一种可能的设计中所述的基于分布式存储的负载均衡方法。
具体举例的，所述存储器可以但不限于包括随机存取存储器（Random-AccessMemory，RAM）、只读存储器（Read-Only Memory，ROM）、闪存（Flash Memory）、先进先出存储器（First Input First Output，FIFO）和/或先进后出存储器（First Input Last Output，FILO）等等；所述处理器可以不限于采用型号为STM32F105系列的微处理器；所述收发器可以但不限于为WiFi（无线保真）无线收发器、蓝牙无线收发器、GPRS（General Packet RadioService，通用分组无线服务技术）无线收发器和/或ZigBee（紫蜂协议，基于IEEE802 .15.4标准的低功耗局域网协议）无线收发器等。此外，所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第四方面提供的前述计算机设备的工作过程、工作细节和技术效果，可以参见如上第一方面或第一方面中任意一种可能设计所述的方法，于此不再赘述。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于分布式存储的负载均衡方法，其特征在于，包括：
构建分布式存储系统的存储分配模型，所述存储分配模型将每一数据对象分配给至少一个存储节点；
建立系统负载与均匀间距模型之间的联系，并根据二者的联系构建实现所述分布式存储系统负载均衡的充要条件；
根据所述充要条件计算负载均衡评价指标，其中，负载均衡评价指标包括系统在负载均衡状态下运行的概率和负载不均衡因子；
根据负载均衡评价指标计算结果对所述存储分配模型进行调整，以实现所述分布式存储系统运行状态下的负载均衡。
2.根据权利要求1所述的基于分布式存储的负载均衡方法，其特征在于，所述存储分配模型包括单节点分配模型和多节点分配模型；
所述单节点分配模型将每个数据对象存储在单个存储节点上，每个存储节点中存储有
Figure DEST_PATH_IMAGE001
个不同的数据对象，此时每一数据对象的负载由存储该对象的唯一存储节点提供，其中，
Figure DEST_PATH_IMAGE002
，
Figure DEST_PATH_IMAGE003
表示数据对象的总数，
Figure DEST_PATH_IMAGE004
表示存储节点的总数；
所述多节点分配模型将每个数据对象存储在
Figure DEST_PATH_IMAGE005
个不同的存储节点上，每个存储节点中存储有
Figure DEST_PATH_IMAGE006
个不同的数据对象，此时每一数据对象的负载由存储该对象的
Figure 947874DEST_PATH_IMAGE005
个存储节点共同提供，其中，
Figure DEST_PATH_IMAGE007
。
3.根据权利要求2所述的基于分布式存储的负载均衡方法，其特征在于，建立系统负载与均匀间距模型之间的联系，包括：
假设各存储节点向任意数据对象
Figure DEST_PATH_IMAGE008
提供负载向量
Figure DEST_PATH_IMAGE009
，其中，
Figure DEST_PATH_IMAGE010
，
Figure DEST_PATH_IMAGE011
，则分布式存储系统的负载集合
Figure DEST_PATH_IMAGE012
，如下：
Figure DEST_PATH_IMAGE013
；（1）
其中，
Figure DEST_PATH_IMAGE014
表示分布式存储系统的总负载；
假设任意负载向量
Figure 383579DEST_PATH_IMAGE009
从负载集合
Figure 794969DEST_PATH_IMAGE012
中均匀随机采样，则从均匀间距模型的特征可知，各存储节点向任意数据对象
Figure 295220DEST_PATH_IMAGE008
提供的负载
Figure DEST_PATH_IMAGE015
为
Figure DEST_PATH_IMAGE016
中的
Figure DEST_PATH_IMAGE017
个均匀间隔，
Figure DEST_PATH_IMAGE018
。
4.权利要求3所述的基于分布式存储的负载均衡方法，其特征在于，当所述存储分配模型为单节点分配模型时，根据二者的联系构建实现所述分布式存储系统负载均衡的充要条件，如下：
Figure DEST_PATH_IMAGE019
；（2）
其中，
Figure DEST_PATH_IMAGE020
表示任意存储节点能够提供的最大负载；由于各存储节点向任意数据对象
Figure 279619DEST_PATH_IMAGE008
提供的负载
Figure 269965DEST_PATH_IMAGE015
为
Figure 445732DEST_PATH_IMAGE016
中的
Figure 433279DEST_PATH_IMAGE017
个均匀间隔，可知任意存储节点
Figure DEST_PATH_IMAGE021
上提供的负载
Figure DEST_PATH_IMAGE022
，如下：
Figure DEST_PATH_IMAGE023
；（3）
其中，存储节点
Figure DEST_PATH_IMAGE024
上存储有数据对象
Figure DEST_PATH_IMAGE025
，
Figure DEST_PATH_IMAGE026
表示存储节点
Figure 299997DEST_PATH_IMAGE024
为数据对象
Figure 689390DEST_PATH_IMAGE025
中第
Figure DEST_PATH_IMAGE027
个数据对象提供的负载。
5.根据权利要求4所述的基于分布式存储的负载均衡方法，其特征在于，根据所述充要条件计算负载均衡评价指标，包括：
根据分布式存储系统负载均衡的充要条件，建立系统在均衡状态下运行的概率
Figure DEST_PATH_IMAGE028
的约束条件，如下：
Figure DEST_PATH_IMAGE029
；（4）
其中，
Figure DEST_PATH_IMAGE030
是指概率公式；
将任意存储节点
Figure DEST_PATH_IMAGE031
上提供的负载
Figure DEST_PATH_IMAGE032
作为不重叠间距
Figure DEST_PATH_IMAGE033
，则在系统总负载为1时，根据系统中最大加载节点上的负载
Figure DEST_PATH_IMAGE034
的收敛结果，计算系统在负载均衡状态下运行的概率
Figure 299425DEST_PATH_IMAGE028
以及负载不均衡因子
Figure DEST_PATH_IMAGE035
，如下：
Figure DEST_PATH_IMAGE036
；（5）
Figure DEST_PATH_IMAGE037
（6）。
6.根据权利要求5所述的基于分布式存储的负载均衡方法，其特征在于，根据负载均衡评价指标计算结果对所述存储分配模型进行调整，包括：
对于具有固定间距
Figure 102165DEST_PATH_IMAGE033
的单节点分配模型，根据负载均衡评价指标计算结果，计算最优分配时系统在负载均衡状态下运行的概率
Figure DEST_PATH_IMAGE038
以及负载不均衡因子
Figure 989218DEST_PATH_IMAGE035
，如下：
Figure DEST_PATH_IMAGE039
；（7）
Figure DEST_PATH_IMAGE040
；（8）
其中，
Figure DEST_PATH_IMAGE041
表示具有
Figure DEST_PATH_IMAGE042
个存储节点的系统在负载均衡状态下运行的概率，
Figure DEST_PATH_IMAGE043
表示
Figure 750894DEST_PATH_IMAGE042
个存储节点的总负载，
Figure DEST_PATH_IMAGE044
，
Figure DEST_PATH_IMAGE045
表示
Figure 127518DEST_PATH_IMAGE042
个存储节点构成的负载集合序列，
Figure DEST_PATH_IMAGE046
表示负载集合序列
Figure DEST_PATH_IMAGE047
的上极限，
Figure DEST_PATH_IMAGE048
表示负载集合序列
Figure 810696DEST_PATH_IMAGE047
的下极限，
Figure DEST_PATH_IMAGE049
表示
Figure 173544DEST_PATH_IMAGE042
的对数的
Figure DEST_PATH_IMAGE050
函数。
7.根据权利要求3所述的基于分布式存储的负载均衡方法，其特征在于，当所述存储分配模型为多节点分配模型时，根据二者的联系构建实现所述分布式存储系统负载均衡的充分条件和必要条件，分别如下：
充分条件为
Figure DEST_PATH_IMAGE051
；（9）
必要条件为
Figure DEST_PATH_IMAGE052
；（10）
其中，
Figure DEST_PATH_IMAGE053
表示在单位圆
Figure DEST_PATH_IMAGE054
上
Figure DEST_PATH_IMAGE055
个均匀间隔内的第一间距
Figure DEST_PATH_IMAGE056
的最大值，
Figure 648781DEST_PATH_IMAGE055
表示存储节点的总数，且
Figure DEST_PATH_IMAGE057
，
Figure DEST_PATH_IMAGE058
表示在单位圆
Figure 196306DEST_PATH_IMAGE054
上
Figure 176901DEST_PATH_IMAGE055
个均匀间隔内的第二间距
Figure DEST_PATH_IMAGE059
的最大值；
其中，上述充分条件和必要条件的构建过程如下：
基于
Figure DEST_PATH_IMAGE060
间隙设计规则对多节点分配模型进行存储分配，分配公式如下：
Figure DEST_PATH_IMAGE061
；（11）
Figure DEST_PATH_IMAGE062
；（12）
其中，
Figure DEST_PATH_IMAGE063
表示给定的一组数据对象集，
Figure DEST_PATH_IMAGE064
表示用于联合使用数据对象集中的对象的容量，
Figure DEST_PATH_IMAGE065
表示
Figure DEST_PATH_IMAGE066
个存储节点中的第
Figure DEST_PATH_IMAGE067
个节点，
Figure DEST_PATH_IMAGE068
表示承载数据对象
Figure DEST_PATH_IMAGE069
的各存储节点之间的间隙，
Figure DEST_PATH_IMAGE070
表示数据对象集对应的节点展开，即给定的一组数据对象集所选择的存储节点的并集，
Figure DEST_PATH_IMAGE071
表示某数据对象选择的存储节点数量；
根据各存储节点向任意数据对象
Figure DEST_PATH_IMAGE072
提供的负载
Figure DEST_PATH_IMAGE073
为
Figure DEST_PATH_IMAGE074
中的
Figure DEST_PATH_IMAGE075
个均匀间隔以及多节点分配模型的存储分配结果，构建多节点分配模型实现负载均衡的必要条件和充分条件。
8.根据权利要求7所述的基于分布式存储的负载均衡方法，其特征在于，根据所述充要条件计算负载均衡评价指标，包括：
根据实现所述分布式存储系统负载均衡的必要条件和充分条件，计算系统在负载均衡状态下运行的概率
Figure DEST_PATH_IMAGE076
，如下：
Figure DEST_PATH_IMAGE077
；（13）
将公式（13）转化为基于集群设计规则或循环设计规则对多节点分配模型进行分配时，系统在负载均衡状态下运行的概率
Figure 258952DEST_PATH_IMAGE076
，转化后的公式，如下：
Figure DEST_PATH_IMAGE078
；（14）
此时
Figure DEST_PATH_IMAGE079
，
Figure DEST_PATH_IMAGE080
；
根据聚类设计或循环设计的分配下系统在负载均衡状态下运行的概率
Figure 929974DEST_PATH_IMAGE076
，得到负载不均衡因子
Figure DEST_PATH_IMAGE081
的渐进刻画公式，如下：
当
Figure DEST_PATH_IMAGE082
时，
Figure DEST_PATH_IMAGE083
；（15）
其中，
Figure 651329DEST_PATH_IMAGE082
表示在取极限时
Figure DEST_PATH_IMAGE084
相对于
Figure DEST_PATH_IMAGE085
是可以忽略的量；
当
Figure DEST_PATH_IMAGE086
时，
Figure DEST_PATH_IMAGE087
；（16）
其中，
Figure DEST_PATH_IMAGE088
表示
Figure DEST_PATH_IMAGE089
的第一参数因子，
Figure DEST_PATH_IMAGE090
表示
Figure DEST_PATH_IMAGE091
的唯一正解。
9.根据权利要求8所述的基于分布式存储的负载均衡方法，其特征在于，根据负载均衡评价指标计算结果对所述存储分配模型进行调整，包括：
对于具有
Figure 507770DEST_PATH_IMAGE084
节点分配的多节点分配模型，根据负载均衡评价指标计算结果得到最优分配时系统在负载均衡状态下运行的概率
Figure DEST_PATH_IMAGE092
如下：
当
Figure DEST_PATH_IMAGE093
时，
Figure DEST_PATH_IMAGE094
；（17）
当
Figure DEST_PATH_IMAGE095
时，
Figure DEST_PATH_IMAGE096
；（18）
其中，
Figure 992846DEST_PATH_IMAGE046
表示负载集合序列
Figure DEST_PATH_IMAGE097
的上极限，
Figure 865512DEST_PATH_IMAGE048
表示负载集合序列
Figure DEST_PATH_IMAGE098
的下极限，
Figure DEST_PATH_IMAGE099
表示
Figure DEST_PATH_IMAGE100
的第二参数因子，
Figure DEST_PATH_IMAGE101
；
根据
Figure DEST_PATH_IMAGE102
从1到
Figure DEST_PATH_IMAGE103
时，
Figure DEST_PATH_IMAGE104
从
Figure DEST_PATH_IMAGE105
到
Figure DEST_PATH_IMAGE106
的指数变化关系，对负载不均衡因子
Figure DEST_PATH_IMAGE107
进行调整。
10.一种存储介质，其特征在于，所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如权利要求1～9任意一项所述的基于分布式存储的负载均衡方法。
CN202211567973.4A 2022-12-08 2022-12-08 一种基于分布式存储的负载均衡方法和存储介质 Active CN115629717B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211567973.4A CN115629717B (zh) 2022-12-08 2022-12-08 一种基于分布式存储的负载均衡方法和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211567973.4A CN115629717B (zh) 2022-12-08 2022-12-08 一种基于分布式存储的负载均衡方法和存储介质

Publications (2)

Publication Number Publication Date
CN115629717A true CN115629717A (zh) 2023-01-20
CN115629717B CN115629717B (zh) 2023-03-21

Family

ID=84909804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211567973.4A Active CN115629717B (zh) 2022-12-08 2022-12-08 一种基于分布式存储的负载均衡方法和存储介质

Country Status (1)

Country Link
CN (1) CN115629717B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116755894A (zh) * 2023-08-23 2023-09-15 四川华鲲振宇智能科技有限责任公司 基于自适应强化学习的嵌入式系统性能优化方法和装置

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080301385A1 (en) * 2007-05-29 2008-12-04 Koji Nagata Storage controller and control method for the same
CN202979020U (zh) * 2012-05-29 2013-06-05 上海家配电子商务有限公司 基于云设计的家居设计系统
CN103324577A (zh) * 2013-06-08 2013-09-25 北京航空航天大学 基于最小化io访问冲突和文件分条的大规模分条文件分配系统
US20140019683A1 (en) * 2011-03-16 2014-01-16 Nec Corporation Distributed storage system and distributed storage method
CN103945005A (zh) * 2014-05-06 2014-07-23 江苏物联网研究发展中心 基于多评价指标的动态负载均衡框架
CN104580518A (zh) * 2015-01-29 2015-04-29 成都国科海博信息技术股份有限公司 一种用于存储系统的负载均衡控制方法
CN104683422A (zh) * 2013-12-03 2015-06-03 腾讯科技（深圳）有限公司 数据传输方法及装置
CN106331129A (zh) * 2016-08-30 2017-01-11 广州西麦科技股份有限公司 一种负载均衡装置及其实现负载均衡的方法
CN107612771A (zh) * 2017-09-07 2018-01-19 广东工业大学 一种基于动态迁移的sdn网络负载均衡方法
CN110149395A (zh) * 2019-05-20 2019-08-20 华南理工大学 一种基于海量小文件高并发情况下动态负载均衡方法
CN111148161A (zh) * 2020-01-06 2020-05-12 中国科学院微小卫星创新研究院 低轨卫星星座星间负载路由均衡方法及系统
CN111522885A (zh) * 2018-01-25 2020-08-11 曲逸文 一种基于动态规划的分布式数据库系统协同优化方法
CN113535397A (zh) * 2021-07-14 2021-10-22 南通大学 一种智能车辆边缘计算网络的资源分配方法
US20210334030A1 (en) * 2020-04-22 2021-10-28 Western Digital Technologies, Inc. Storage device parameter monitoring for load balancing
CN115333606A (zh) * 2022-08-11 2022-11-11 哈尔滨工业大学（深圳） 面向低轨星座存储网络的分布式编码数据下载与修复方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080301385A1 (en) * 2007-05-29 2008-12-04 Koji Nagata Storage controller and control method for the same
US20140019683A1 (en) * 2011-03-16 2014-01-16 Nec Corporation Distributed storage system and distributed storage method
CN202979020U (zh) * 2012-05-29 2013-06-05 上海家配电子商务有限公司 基于云设计的家居设计系统
CN103324577A (zh) * 2013-06-08 2013-09-25 北京航空航天大学 基于最小化io访问冲突和文件分条的大规模分条文件分配系统
CN104683422A (zh) * 2013-12-03 2015-06-03 腾讯科技（深圳）有限公司 数据传输方法及装置
CN103945005A (zh) * 2014-05-06 2014-07-23 江苏物联网研究发展中心 基于多评价指标的动态负载均衡框架
CN104580518A (zh) * 2015-01-29 2015-04-29 成都国科海博信息技术股份有限公司 一种用于存储系统的负载均衡控制方法
CN106331129A (zh) * 2016-08-30 2017-01-11 广州西麦科技股份有限公司 一种负载均衡装置及其实现负载均衡的方法
CN107612771A (zh) * 2017-09-07 2018-01-19 广东工业大学 一种基于动态迁移的sdn网络负载均衡方法
CN111522885A (zh) * 2018-01-25 2020-08-11 曲逸文 一种基于动态规划的分布式数据库系统协同优化方法
CN110149395A (zh) * 2019-05-20 2019-08-20 华南理工大学 一种基于海量小文件高并发情况下动态负载均衡方法
CN111148161A (zh) * 2020-01-06 2020-05-12 中国科学院微小卫星创新研究院 低轨卫星星座星间负载路由均衡方法及系统
US20210334030A1 (en) * 2020-04-22 2021-10-28 Western Digital Technologies, Inc. Storage device parameter monitoring for load balancing
CN113535397A (zh) * 2021-07-14 2021-10-22 南通大学 一种智能车辆边缘计算网络的资源分配方法
CN115333606A (zh) * 2022-08-11 2022-11-11 哈尔滨工业大学（深圳） 面向低轨星座存储网络的分布式编码数据下载与修复方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116755894A (zh) * 2023-08-23 2023-09-15 四川华鲲振宇智能科技有限责任公司 基于自适应强化学习的嵌入式系统性能优化方法和装置

Also Published As

Publication number Publication date
CN115629717B (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
CN109218355B (zh) 负载均衡引擎，客户端，分布式计算系统以及负载均衡方法
CN109684083B (zh) 一种面向边缘-云异构下的多级事务调度分配策略
WO2019119897A1 (zh) 一种边缘计算服务缓存方法、系统、装置及可读存储介质
US8087025B1 (en) Workload placement among resource-on-demand systems
CN115629717B (zh) 一种基于分布式存储的负载均衡方法和存储介质
CN111538570A (zh) 一种面向节能和QoS保障的VNF部署方法及装置
WO2019072162A1 (zh) 虚拟网络映射方法、设备和存储介质
CN103338228A (zh) 基于双加权最小连接算法的云计算负载均衡调度算法
CN105471985A (zh) 负载均衡方法及云平台计算方法、云平台
CN112153145A (zh) 5g边缘环境下面向车联网的计算任务卸载方法及装置
CN111796933B (zh) 资源调度方法、装置、存储介质和电子设备
Chen et al. Latency minimization for mobile edge computing networks
CN113590307A (zh) 边缘计算节点优化配置方法、装置及云计算中心
CN110996390B (zh) 一种无线接入网络计算资源分配方法及网络系统
CN103997515A (zh) 一种分布式云中计算中心选择方法及其应用
CN109327340B (zh) 一种基于动态迁移的移动无线网络虚拟网映射方法
CN113329432B (zh) 一种基于多目标优化的边缘服务布置方法和系统
CN114064294A (zh) 移动边缘计算环境下的动态资源分配方法和系统
CN112004265B (zh) 一种基于srm算法的社交网络资源分配方法
CN104270299A (zh) 一种虚拟网络映射的方法及系统
CN116862549A (zh) 服务成本确定方法、装置、电子设备及非易失性存储介质
TWI766387B (zh) 一種具延遲感知負載平衡的反向代理方法和存儲裝置
CN111538567B (zh) 一种边缘设备上虚拟网络功能链的部署方法和设备
CN109831337B (zh) 无线网络虚拟化中临近节点分组映射方法
CN113709817A (zh) 多基站多服务器场景下的任务卸载和资源调度方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant