基于云計(jì)算技術(shù)的船舶通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡研究

馬 卓

(廣東工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院，廣東 廣州 510006)

0 引 言

船舶航行環(huán)境較為特殊，因此，傳統(tǒng)單一的船舶網(wǎng)絡(luò)服務(wù)器無(wú)法適應(yīng)海上通信環(huán)境，且網(wǎng)絡(luò)傳輸?shù)男畔⒂邢轠1]。在船舶網(wǎng)絡(luò)內(nèi)安裝大量服務(wù)器，可提升船舶通信信息的處理效率。但大量服務(wù)器協(xié)同工作需要較強(qiáng)的負(fù)載均衡技術(shù)支撐[2]。通過(guò)負(fù)載均衡方法，平衡網(wǎng)絡(luò)負(fù)載分布情況，縮短任務(wù)響應(yīng)時(shí)間，為船舶航行提供較好的網(wǎng)絡(luò)通信環(huán)境。對(duì)于負(fù)載均衡方法，學(xué)術(shù)界已累積了部分研究成果。王紅運(yùn)等[3]利用控制器采集網(wǎng)絡(luò)的負(fù)載信息，通過(guò)改進(jìn)蟻群算法，依據(jù)采集的網(wǎng)絡(luò)負(fù)載信息，進(jìn)行網(wǎng)絡(luò)負(fù)載均衡。該方法可有效提升帶寬利用率，但該方法需要實(shí)時(shí)采集網(wǎng)絡(luò)的負(fù)載信息，額外增加了算法的開(kāi)銷，令網(wǎng)絡(luò)出現(xiàn)新的負(fù)載壓力，影響網(wǎng)絡(luò)的服務(wù)效率。劉毅等[4]以最小遷移代價(jià)為目標(biāo)，建立遷移模型，通過(guò)線性逼近算法，求解該模型，遷移交換機(jī)至控制器內(nèi)，實(shí)現(xiàn)網(wǎng)絡(luò)負(fù)載均衡[4]。但該方法容易出現(xiàn)局部收斂問(wèn)題，影響交換機(jī)的遷移效果，導(dǎo)致網(wǎng)絡(luò)負(fù)載均衡效果并不理想。

云計(jì)算技術(shù)的運(yùn)算單位是虛擬機(jī)，通過(guò)在2 個(gè)服務(wù)器間無(wú)縫遷移運(yùn)行虛擬機(jī)的方式[5]，實(shí)現(xiàn)網(wǎng)絡(luò)負(fù)載均衡。虛擬機(jī)遷移時(shí)的宕機(jī)時(shí)間較短，且不易察覺(jué)，不會(huì)影響用戶的網(wǎng)絡(luò)操作。為此提出基于云計(jì)算技術(shù)的船舶通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡方法，提升網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡效果。

1 船舶通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡

1.1 云計(jì)算船舶通信網(wǎng)絡(luò)服務(wù)器動(dòng)態(tài)負(fù)載預(yù)測(cè)

基于云計(jì)算技術(shù)的船舶通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡的本質(zhì)是虛擬機(jī)遷移。利用直覺(jué)模糊時(shí)間序列（intuitionistic fuzzy time series，IFTS）算法，預(yù)測(cè)云計(jì)算環(huán)境下船舶通信網(wǎng)絡(luò)內(nèi)服務(wù)器的動(dòng)態(tài)負(fù)載，用于決定是否觸發(fā)虛擬機(jī)遷移。云計(jì)算環(huán)境下船舶通信網(wǎng)絡(luò)內(nèi)服務(wù)器動(dòng)態(tài)負(fù)載預(yù)測(cè)的步驟如下：

步驟1在云計(jì)算環(huán)境下船舶通信網(wǎng)絡(luò)服務(wù)器負(fù)載觀測(cè)數(shù)據(jù)集X(t)內(nèi)，抽取樣本值Xt={x1,x2,···,xt}，其中，t為時(shí)間。

步驟2船舶通信網(wǎng)絡(luò)服務(wù)器負(fù)載序列論域是U=[xmin-ε1,xmax+ε2]，其中，2 個(gè)正數(shù)是 ε1和 ε2；[]代表向上、向下取整運(yùn)算。通過(guò)K-means 聚類算法，聚類處理U，得到k個(gè)優(yōu)化子區(qū)間ck。

步驟3對(duì)Xt實(shí)施直覺(jué)模糊化預(yù)處理，塑造服務(wù)器負(fù)載的I F T S。如果c k的直覺(jué)模糊集是Bj=那么Bj涵蓋xt的直覺(jué)模糊函數(shù)是其中，μj(xt)為直覺(jué)模糊隸屬度；qj(xt)為非隸屬度函數(shù)。因此，可按照最大化的原則，直覺(jué)模糊化預(yù)處理xt。如果那么直覺(jué)模糊化結(jié)果為的計(jì)算公式如下：

其中：pj和pi為K-means 聚類中心；D為直覺(jué)模糊范數(shù)距離。

式中，α為猶豫度調(diào)節(jié)因子。

同理，可獲取Xt相應(yīng)的IFTS，即G=G1,G2,···,Gt；其中，Gt的計(jì)算公式為：

步驟4 預(yù)測(cè)t+1時(shí)刻的云計(jì)算船舶通信網(wǎng)絡(luò)服務(wù)器負(fù)載預(yù)測(cè)值，計(jì)算公式為：

式中，ω為權(quán)重。

步驟5β為云計(jì)算船舶通信網(wǎng)絡(luò)服務(wù)器負(fù)載預(yù)測(cè)誤差閾值，服務(wù)器負(fù)載預(yù)測(cè)誤差為et+1=||。其中，為期望服務(wù)器負(fù)載；如果et+1≤β，那么輸出云計(jì)算船舶通信網(wǎng)絡(luò)服務(wù)器負(fù)載預(yù)測(cè)結(jié)果x?t+1。反之，跳轉(zhuǎn)至步驟4，重新計(jì)算服務(wù)器負(fù)載預(yù)測(cè)值，以輸出符合要求的服務(wù)器負(fù)載預(yù)測(cè)值為止[6]。

步驟6通過(guò)直覺(jué)模糊重心法，去模糊化處理，得到最終的云計(jì)算船舶通信網(wǎng)絡(luò)服務(wù)器負(fù)載預(yù)測(cè)值X?。公式如下：

1.2 云計(jì)算船舶通信網(wǎng)絡(luò)遷移虛擬機(jī)選擇

云計(jì)算船舶通信網(wǎng)絡(luò)內(nèi)服務(wù)器的上下限閾值為δmax，δmin。在預(yù)測(cè)服務(wù)器負(fù)載值連續(xù)2 個(gè)周期出現(xiàn)大于δmax或小于δmin的情況下，觸發(fā)虛擬機(jī)遷移。綜合考慮最短虛擬機(jī)遷移時(shí)間與最小遷移量，建立遷移目標(biāo)虛擬機(jī)集合選擇模型，表達(dá)公式如下：

式中：Zv為v占據(jù)的內(nèi)存；Nv為v的可用帶寬，Ts為全部Tv的總和。

利用遺傳算法求解式(6)可確定待遷移的目標(biāo)虛擬機(jī)集合R，具體步驟如下：

步驟1生成初始種群M，同時(shí)求解各染色體的適應(yīng)度，如果某條染色體的適應(yīng)度f(wàn)為最優(yōu)解，那么返回存在最佳解的染色體，繼續(xù)步驟6。

步驟2在M內(nèi)任意選擇2 條染色體，進(jìn)行交叉。

步驟3求解交叉操作后2 條染色體的f值，如果其中1 條染色體已是最佳解，那么返回存在最佳解的染色體，繼續(xù)步驟6；反之，在交叉前后的染色體內(nèi)選擇最大f 對(duì)應(yīng)的2 個(gè)染色體，對(duì)其進(jìn)行變異操作。

步驟4求解變異后染色體的f值，如果其中1 條染色體已是最佳解，那么返回變異交叉前后的染色體內(nèi)選擇最大f對(duì)應(yīng)的2 個(gè)染色體，存儲(chǔ)至新種群內(nèi)。

步驟5重復(fù)步驟2～步驟4，以獲取最大f對(duì)應(yīng)的染色體為止。

步驟6輸出式(7)的求解結(jié)果，即待遷移的目標(biāo)虛擬機(jī)集合R。

1.3 云計(jì)算船舶通信網(wǎng)絡(luò)的目標(biāo)服務(wù)器選擇

在確定待遷移的目標(biāo)虛擬機(jī)集合R后，便需選擇目標(biāo)服務(wù)器。以最大剩余容量為選擇策略，選擇目標(biāo)服務(wù)器，其需要符合的條件為：

1）目標(biāo)服務(wù)器能夠?yàn)镽提供足夠的資源。

2）盡量避免出現(xiàn)二次遷移，降低虛擬機(jī)遷移次數(shù)。

依據(jù)上述選擇策略，選擇目標(biāo)服務(wù)器，可盡可能減少虛擬機(jī)遷移次數(shù)與能源效果，提升資源利用率。

1.4 網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡的實(shí)現(xiàn)步驟

步驟1利用IFTS 算法，預(yù)測(cè)云計(jì)算船舶通信網(wǎng)絡(luò)內(nèi)服務(wù)器負(fù)載值x?。

步驟2分析服務(wù)器負(fù)載狀態(tài)，若連續(xù)2 個(gè)周期存在＞δmax或x? ＜δmin情況，則觸發(fā)虛擬機(jī)遷移。

步驟3虛擬機(jī)遷移。若服務(wù)器負(fù)載預(yù)測(cè)值連續(xù)2 個(gè)周期存在x? ＜δmin情況，那么以當(dāng)下服務(wù)器內(nèi)全部虛擬機(jī)為目標(biāo)虛擬機(jī)，并以最大剩余容量為選擇策略，在其余服務(wù)器內(nèi)選取最佳目標(biāo)服務(wù)器，對(duì)其進(jìn)行動(dòng)態(tài)在線遷移。如果服務(wù)器負(fù)載預(yù)測(cè)值連續(xù)2 個(gè)周期存在x? ＞δmax情況，那么綜合考慮最短虛擬機(jī)遷移時(shí)間與最小遷移量，建立遷移目標(biāo)虛擬機(jī)集合選擇模型，通過(guò)遺傳算法求解該模型，完成遷移目標(biāo)虛擬機(jī)集合R的 選擇。以最大剩余容量為選擇策略，選擇符合R的需求的目標(biāo)服務(wù)器，進(jìn)行動(dòng)態(tài)在線遷移，完成船舶通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡。

2 實(shí)驗(yàn)結(jié)果與分析

以某船舶的通信網(wǎng)絡(luò)為實(shí)驗(yàn)對(duì)象，該船舶通信網(wǎng)絡(luò)內(nèi)共包含8 個(gè)數(shù)據(jù)中心，各數(shù)據(jù)中心內(nèi)均有10 臺(tái)主機(jī)，處理速度在1 000～3 000 MIPS，帶寬是15 M。各主機(jī)內(nèi)均包含10 個(gè)虛擬機(jī)。通信任務(wù)數(shù)量均在100～1 000 個(gè)之間。

利用本文方法對(duì)該船舶通信網(wǎng)絡(luò)進(jìn)行動(dòng)態(tài)負(fù)載均衡，以2 個(gè)服務(wù)器的動(dòng)態(tài)負(fù)載均衡情況為例，船舶通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡結(jié)果如圖1 所示。可知：在不同任務(wù)數(shù)量時(shí)，服務(wù)器1 的動(dòng)態(tài)負(fù)載大概在30%～70%之間波動(dòng)；在不同任務(wù)數(shù)量時(shí)，服務(wù)器2 的動(dòng)態(tài)負(fù)載大概也在30%～70%之間波動(dòng)。綜合分析可知，船舶通信網(wǎng)絡(luò)內(nèi)2 個(gè)服務(wù)器間的動(dòng)態(tài)負(fù)載較為均衡。實(shí)驗(yàn)證明，本文方法可有效實(shí)現(xiàn)船舶通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡。

圖1 船舶通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡結(jié)果Fig.1 Dynamic load balancing results of ship communication network

分析不同任務(wù)數(shù)量時(shí)，本文方法的船舶通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡效果。不同任務(wù)數(shù)量時(shí)，經(jīng)過(guò)本文方法處理后，該船舶通信網(wǎng)絡(luò)的負(fù)載均衡度分析結(jié)果如圖2 所示。可以看出，隨著時(shí)間的延長(zhǎng)，不同任務(wù)數(shù)量時(shí)，經(jīng)過(guò)本文方法處理后，該船舶通信網(wǎng)絡(luò)的負(fù)載均衡度均不斷變小，代表船舶通信網(wǎng)絡(luò)的物理資源與虛擬資源利用率不斷接近均衡，即船舶通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡效果較優(yōu)。實(shí)驗(yàn)證明，不同任務(wù)數(shù)量時(shí)，本文方法的船舶通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡效果均較優(yōu)。

圖2 船舶通信網(wǎng)絡(luò)的負(fù)載均衡度分析結(jié)果Fig.2 Load balance analysis results of ship communication network

利用任務(wù)截止時(shí)間違背率，衡量本文方法的服務(wù)質(zhì)量水平，其值越小，服務(wù)質(zhì)量越佳，動(dòng)態(tài)負(fù)載均衡效果越優(yōu)，分析船舶通信網(wǎng)絡(luò)遭受拒絕服務(wù)攻擊與分布式拒絕服務(wù)攻擊時(shí)，本文方法的任務(wù)截止時(shí)間違背率，分析結(jié)果如圖3 所示。

圖3 任務(wù)截止時(shí)間違背率分析結(jié)果Fig.3 Analysis results of task deadline violation rate

可以看出，隨著虛擬機(jī)數(shù)量的提升，2 種攻擊類型下，本文方法的任務(wù)截止時(shí)間違背率均呈上升趨勢(shì)，分布式拒絕服務(wù)攻擊的違背率，略高于拒絕服務(wù)攻擊，但均未超過(guò)設(shè)置的閾值。實(shí)驗(yàn)證明，不同攻擊類型下，本文方法的任務(wù)截止時(shí)間違背率均較低，即服務(wù)質(zhì)量較高、動(dòng)態(tài)負(fù)載均衡效果較優(yōu)。

3 結(jié) 語(yǔ)

船舶航行安全離不開(kāi)通信網(wǎng)絡(luò)，提升通信質(zhì)量的關(guān)鍵是負(fù)載均衡。為此提出基于云計(jì)算技術(shù)的船舶通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡方法，利用云計(jì)算技術(shù)，合理在線遷移虛擬機(jī)，確保各服務(wù)器的負(fù)載趨近均衡，實(shí)現(xiàn)通信網(wǎng)絡(luò)動(dòng)態(tài)負(fù)載均衡，避免服務(wù)器出現(xiàn)過(guò)載或輕載問(wèn)題，提升通信質(zhì)量。