基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法
【專(zhuān)利摘要】基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法，本發(fā)明涉及分布式負(fù)載均衡方法。本發(fā)明是要解決分布式共識(shí)，具體為分布式負(fù)載均衡問(wèn)題從而提出了經(jīng)過(guò)量化的無(wú)偏廣播Gossip算法。一、對(duì)節(jié)點(diǎn)狀態(tài)值進(jìn)行初始化并設(shè)置無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的同步時(shí)鐘和最大迭代次數(shù)；二、無(wú)偏廣播Gossip算法的迭代和量化過(guò)程；三、當(dāng)?shù)螖?shù)達(dá)到預(yù)設(shè)最大迭代次數(shù)時(shí)，結(jié)束迭代；此時(shí)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中所有節(jié)點(diǎn)負(fù)載達(dá)到均衡，即完成基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法。本發(fā)明應(yīng)用于通信領(lǐng)域。
【專(zhuān)利說(shuō)明】基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及分布式負(fù)載均衡方法。
【背景技術(shù)】
[0002]Gossip算法在1984年由Tsitsiklis等人首次提出，該算法僅利用網(wǎng)絡(luò)節(jié)點(diǎn)的本地信息和其鄰居節(jié)點(diǎn)信息進(jìn)行數(shù)據(jù)交換，解決了分布式條件下的平均共識(shí)問(wèn)題。在實(shí)際的數(shù)字通信鏈路中，由于測(cè)量值的精度和通信信道容量的限制，以及有限的節(jié)點(diǎn)存儲(chǔ)容量使得對(duì)節(jié)點(diǎn)信息進(jìn)行量化成為必要。
[0003]隨著無(wú)線(xiàn)技術(shù)的發(fā)展，無(wú)線(xiàn)傳感器網(wǎng)絡(luò)應(yīng)運(yùn)而生。無(wú)線(xiàn)傳感器網(wǎng)絡(luò)就是由大量具有無(wú)線(xiàn)通信、數(shù)據(jù)采集和處理、協(xié)同合作等功能的傳感器節(jié)點(diǎn)協(xié)同組織起來(lái)的簡(jiǎn)單傳感器網(wǎng)絡(luò)。它是一個(gè)通過(guò)無(wú)線(xiàn)通信方式形成的一個(gè)多跳的自組織的網(wǎng)絡(luò)系統(tǒng)，其作用是協(xié)作和感知、采集和處理網(wǎng)絡(luò)覆蓋區(qū)域中感知對(duì)象的信息，并將該信息發(fā)送給觀察者。因此無(wú)線(xiàn)傳感器網(wǎng)絡(luò)為人們提供最直接、最有效、最真實(shí)的信息，具有快速部署、抗毀性強(qiáng)、實(shí)時(shí)性等特點(diǎn)，有著越來(lái)越廣泛的應(yīng)用前景。
[0004]在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中，分布式平均共識(shí)問(wèn)題是一個(gè)具有挑戰(zhàn)性的基礎(chǔ)性問(wèn)題。平均共識(shí)指的是網(wǎng)絡(luò)根據(jù)各個(gè)節(jié)點(diǎn)的初始狀態(tài)通過(guò)信息的交換使各個(gè)節(jié)點(diǎn)最終達(dá)到一致?tīng)顟B(tài)的過(guò)程。在工程應(yīng)用中，很多實(shí)際問(wèn)題最終都能夠轉(zhuǎn)化成平均共識(shí)問(wèn)題，例如源定位問(wèn)題、同步問(wèn)題，以及在并行計(jì)算機(jī)或分布式網(wǎng)絡(luò)中存在的負(fù)載均衡問(wèn)題。負(fù)載均衡是指將負(fù)載(工作任務(wù))進(jìn)行平衡、分?jǐn)偟蕉鄠€(gè)網(wǎng)絡(luò)節(jié)點(diǎn)或設(shè)備上進(jìn)行執(zhí)行，從而共同完成工作任務(wù)。由于現(xiàn)有網(wǎng)絡(luò)的各個(gè)核心部分隨著業(yè)務(wù)量的提高，訪(fǎng)問(wèn)量和數(shù)據(jù)流量的快速增長(zhǎng)，其處理能力和計(jì)算強(qiáng)度也相應(yīng)地增大，使得單一的服務(wù)器或網(wǎng)絡(luò)節(jié)點(diǎn)設(shè)備根本無(wú)法承擔(dān)。在此情況下，如果扔掉現(xiàn)有設(shè)備去做大量的硬件升級(jí)，這樣將造成現(xiàn)有資源的浪費(fèi)，而且如果再面臨下一次業(yè)務(wù)量的提升時(shí)，這又將導(dǎo)致再一次硬件升級(jí)的高額成本投入，甚至性能再卓越的設(shè)備也不能滿(mǎn)足當(dāng)前業(yè)務(wù)量增長(zhǎng)的需求，因此網(wǎng)絡(luò)節(jié)點(diǎn)間的負(fù)載均衡過(guò)程很有必要。
[0005]由此可以看出，如何有效的解決分布式平均共識(shí)問(wèn)題具有重要的實(shí)際應(yīng)用價(jià)值。隨著通信基礎(chǔ)理論研究的不斷深入，平均共識(shí)問(wèn)題在國(guó)際學(xué)術(shù)界得到了廣泛的關(guān)注，對(duì)于平均共識(shí)問(wèn)題的研究取得了許多成果。其中，基于Gossip算法的平均共識(shí)問(wèn)題在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的應(yīng)用更是研究的熱點(diǎn)。該算法通過(guò)相鄰節(jié)點(diǎn)間的信息交換，可以最終使網(wǎng)絡(luò)中的所有節(jié)點(diǎn)獲得它們信息的平均值。盡管?chē)?guó)內(nèi)外已經(jīng)有很多關(guān)于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)Gossip算法方面的研究成果，但是以前的研究主要側(cè)重于成對(duì)Gossip算法(Pairwise GossipAlgorithm)和地理 Gossip 算法(Geographic Gossip Algorithm)的研究。這兩類(lèi)算法由于在每次更新時(shí)只有選定的節(jié)點(diǎn)進(jìn)行數(shù)據(jù)交換，因此盡管可以使共識(shí)收斂于均值，但是卻只能用于雙向鏈路，沒(méi)有很好的利用無(wú)線(xiàn)信道的廣播特性。直到最近幾年，國(guó)際上才出現(xiàn)了對(duì)于廣播Gossip算法(Broadcast Gossip Algorithm BGA)的研究。這類(lèi)算法中當(dāng)一個(gè)節(jié)點(diǎn)廣播它的數(shù)據(jù)時(shí)，所有能接收到該數(shù)據(jù)的節(jié)點(diǎn)均可以更新它們的數(shù)據(jù)。由于不需要反向數(shù)據(jù)交換，所以這類(lèi)算法更適合于非對(duì)稱(chēng)的無(wú)線(xiàn)信道。同時(shí)，由于每次數(shù)據(jù)更新有更多的節(jié)點(diǎn)參與，因此這類(lèi)算法的收斂速度更快。此外，由于廣播Gossip算法不再需要隨機(jī)選擇相鄰節(jié)點(diǎn)，從而使算法更加簡(jiǎn)單并易于實(shí)現(xiàn)。
[0006]具體到負(fù)載均衡問(wèn)題，由于數(shù)字通信鏈路的信道容量限制以及傳感器節(jié)點(diǎn)有限的存儲(chǔ)能力，需要在共識(shí)過(guò)程中引入量化步驟，稱(chēng)為量化共識(shí)。

【發(fā)明內(nèi)容】

[0007]本發(fā)明是要解決分布式共識(shí)，具體為分布式負(fù)載均衡問(wèn)題從而提出了經(jīng)過(guò)量化的無(wú)偏廣播Gossip算法。
[0008]基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法包括以下步驟:
[0009]一、對(duì)節(jié)點(diǎn)狀態(tài)值進(jìn)行初始化并設(shè)置無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的同步時(shí)鐘和最大迭代次數(shù)；
[0010]二、無(wú)偏廣播Gossip算法的迭代和量化過(guò)程；
[0011]三、當(dāng)?shù)螖?shù)達(dá)到預(yù)設(shè)最大迭代次數(shù)時(shí)，結(jié)束迭代；此時(shí)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中所有節(jié)點(diǎn)負(fù)載達(dá)到均衡，即完成基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法。
[0012]發(fā)明效果
[0013]本發(fā)明涉及一種分布式負(fù)載均衡技術(shù)，具體利用量化的廣播Gossip算法，通過(guò)網(wǎng)絡(luò)節(jié)點(diǎn)的本地信息和其鄰近節(jié)點(diǎn)信息重新分配網(wǎng)絡(luò)中排隊(duì)等候需要處理的任務(wù)，使得最終需要每個(gè)節(jié)點(diǎn)處理任務(wù)的數(shù)量幾乎相同，從而達(dá)到分布式負(fù)載均衡的目的。該技術(shù)能夠保證網(wǎng)絡(luò)中所有節(jié)點(diǎn)最終達(dá)到共識(shí)狀態(tài)。
[0014]因此本發(fā)明提出一種基于量化廣播Gossip算法的負(fù)載均衡技術(shù)。通過(guò)性能仿真證明量化廣播Gossip算法可以達(dá)到共識(shí)狀態(tài)，能夠達(dá)到負(fù)載均衡的目的。
[0015]在無(wú)偏廣播Gossip 算法(Unbiased broadcast gossip algorithms UBGAs)中，網(wǎng)絡(luò)中的一個(gè)節(jié)點(diǎn)隨機(jī)地被激活，并將自己的狀態(tài)值進(jìn)行本地廣播。所有該節(jié)點(diǎn)的相鄰節(jié)點(diǎn)都可以接收到該狀態(tài)值，并和自己的本地狀態(tài)值進(jìn)行加權(quán)平均。計(jì)算后的結(jié)果替換掉自己原來(lái)的狀態(tài)信息，就完成了一次更新或一次迭代。在這種方式下，每進(jìn)行一次迭代就可以使多個(gè)節(jié)點(diǎn)進(jìn)行狀態(tài)值的更新，并且不需要發(fā)送自己的狀態(tài)值給廣播節(jié)點(diǎn)。這能夠克服成對(duì)Gossip算法收斂緩慢的缺點(diǎn)，對(duì)無(wú)線(xiàn)通信的應(yīng)用更有意義。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0016]圖1是本發(fā)明流程圖；
[0017]圖2是仿真實(shí)驗(yàn)中本發(fā)明在100個(gè)節(jié)點(diǎn)場(chǎng)景下的收斂誤差r(t)仿真結(jié)果圖；
[0018]圖3是仿真實(shí)驗(yàn)中本發(fā)明在100個(gè)節(jié)點(diǎn)場(chǎng)景下的收斂速度q(t)仿真結(jié)果圖；
[0019]圖4是仿真實(shí)驗(yàn)中本發(fā)明在500個(gè)節(jié)點(diǎn)場(chǎng)景下的收斂誤差r(t)仿真結(jié)果圖；
[0020]圖5是仿真實(shí)驗(yàn)中本發(fā)明在500個(gè)節(jié)點(diǎn)場(chǎng)景下的收斂速度q(t)仿真結(jié)果圖。
【具體實(shí)施方式】
[0021]【具體實(shí)施方式】一:本實(shí)施方式的基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法包括以下步驟:
[0022]一、對(duì)節(jié)點(diǎn)狀態(tài)值進(jìn)行初始化并設(shè)置無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的同步時(shí)鐘和最大迭代次數(shù)；
[0023]二、無(wú)偏廣播Gossip算法的迭代和量化過(guò)程；
[0024]三、當(dāng)?shù)螖?shù)達(dá)到預(yù)設(shè)最大迭代次數(shù)時(shí)，結(jié)束迭代；此時(shí)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中所有節(jié)點(diǎn)負(fù)載達(dá)到均衡，即完成基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法。
[0025]【具體實(shí)施方式】二:本實(shí)施方式與【具體實(shí)施方式】一不同的是:所述步驟一具體為:
[0026](一)將無(wú)線(xiàn)傳感器網(wǎng)絡(luò)作為一個(gè)隨機(jī)的幾何圖模型G(N，R)，N代表傳感器節(jié)點(diǎn)個(gè)數(shù)，R為連通半徑，N個(gè)傳感器節(jié)點(diǎn)均勻地分布在網(wǎng)絡(luò)中；這N個(gè)傳感器節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)用NXN的相鄰矩陣A表示，如果兩個(gè)節(jié)點(diǎn)i和j間的歐氏距離小于傳輸半徑R，則認(rèn)為兩個(gè)節(jié)點(diǎn)是彼此相鄰的，可以直接通信，則令A(yù)ij = I ;否則，兩個(gè)節(jié)點(diǎn)是不相鄰的，不能直接進(jìn)行通信，則令A(yù)ij = O ;當(dāng)i = j時(shí)，i和j代表同一個(gè)節(jié)點(diǎn),則令A(yù)ij = O ;令Ni = {j e {I, 2,…，N} IAij幸0}表示節(jié)點(diǎn)i的所有相鄰節(jié)點(diǎn)；
[0027](二)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)i保存有兩個(gè)變量，一個(gè)是當(dāng)前網(wǎng)絡(luò)狀態(tài)平均值的估計(jì)值Xi⑴，另一個(gè)為伴隨變量Ji⑴；由傳感器測(cè)得的每個(gè)節(jié)點(diǎn)的初始狀態(tài)值Xi (O)為初始時(shí)刻每個(gè)節(jié)點(diǎn)i的負(fù)載數(shù)量，并設(shè)置伴隨變量Yi(O) = O ;同時(shí)采用量化算法Q(.)對(duì)\(0)進(jìn)行量化得到量化后的初始值i,(O);
[0028](三)在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中設(shè)置統(tǒng)一定時(shí)器，所述定時(shí)器的計(jì)數(shù)值滿(mǎn)足指數(shù)分布，同時(shí)設(shè)置最大迭代次數(shù)。
[0029]其它步驟及參數(shù)與【具體實(shí)施方式】一相同。
[0030]【具體實(shí)施方式】三:本實(shí)施方式與【具體實(shí)施方式】一或二不同的是:所述步驟二中無(wú)偏廣播Gossip算法的迭代和量化過(guò)程具體為:
[0031]I)啟動(dòng)定時(shí)器，開(kāi)始計(jì)時(shí):當(dāng)開(kāi)始本輪迭代時(shí)，判斷當(dāng)前迭代次數(shù)是否已達(dá)到最大值，若未達(dá)到最大值，則進(jìn)入本輪迭代過(guò)程；若已達(dá)到最大值，則退出迭代過(guò)程；
[0032]2)在本輪迭代過(guò)程中，判斷節(jié)點(diǎn)的定時(shí)器計(jì)數(shù)值是否已滿(mǎn):若在時(shí)刻t節(jié)點(diǎn)k的計(jì)時(shí)期滿(mǎn)則該節(jié)點(diǎn)被隨機(jī)喚醒，否則節(jié)點(diǎn)不會(huì)被喚醒并進(jìn)入等待接收狀態(tài)；被喚醒的節(jié)點(diǎn)
k向全網(wǎng)廣播它的當(dāng)前量化狀態(tài)值Λ(0和量化伴隨變量值A(chǔ)⑴，同時(shí)節(jié)點(diǎn)k更新t+i時(shí)刻
自己的最終狀態(tài)值為h O +1) = Xk(t)，鮮+1) = (h
[0033]3)判斷其他未被喚醒的節(jié)點(diǎn)是否會(huì)在t時(shí)刻接收到節(jié)點(diǎn)k的廣播信息:若未接收到節(jié)點(diǎn)k的廣播信息，令這些節(jié)點(diǎn)為，則進(jìn)入步驟4);若接收到節(jié)點(diǎn)k的廣播信
息，令這些節(jié)點(diǎn)為e N；,則這些節(jié)點(diǎn)按照以下方法更新自己t+Ι時(shí)刻的狀態(tài)信息Xj (t+1)和 y」(t+1):
【權(quán)利要求】
1.基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法，其特征在于基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法包括以下步驟: 一、對(duì)節(jié)點(diǎn)狀態(tài)值進(jìn)行初始化并設(shè)置無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的同步時(shí)鐘和最大迭代次數(shù)； 二、無(wú)偏廣播Gossip算法的迭代和量化過(guò)程； 三、當(dāng)?shù)螖?shù)達(dá)到預(yù)設(shè)最大迭代次數(shù)時(shí)，結(jié)束迭代；此時(shí)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中所有節(jié)點(diǎn)負(fù)載達(dá)到均衡，即完成基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法。
2.根據(jù)權(quán)利要求1所述的基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法，其特征在于所述步驟一具體為: (一)將無(wú)線(xiàn)傳感器網(wǎng)絡(luò)作為一個(gè)隨機(jī)的幾何圖模型G(N，R)，N代表傳感器節(jié)點(diǎn)個(gè)數(shù)，R為連通半徑，N個(gè)傳感器節(jié)點(diǎn)均勻地分布在網(wǎng)絡(luò)中；這N個(gè)傳感器節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)用NXN的相鄰矩陣A表示，如果兩個(gè)節(jié)點(diǎn)i和j間的歐氏距離小于傳輸半徑R，則認(rèn)為兩個(gè)節(jié)點(diǎn)是彼此相鄰的，可以直接通信，則令A(yù)ij = I ;否則，兩個(gè)節(jié)點(diǎn)是不相鄰的，不能直接進(jìn)行通信，則令A(yù)ij = O ;當(dāng)i = j時(shí)，i和j代表同一個(gè)節(jié)點(diǎn),則令A(yù)ij = O ;令Ni = {j e {I, 2,…，N} IAij幸0}表示節(jié)點(diǎn)i的所有相鄰節(jié)點(diǎn)； (二)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)i保存有兩個(gè)變量，一個(gè)是當(dāng)前網(wǎng)絡(luò)狀態(tài)平均值的估計(jì)值\(0，另一個(gè)為伴隨變量yi(t);由傳感器測(cè)得的每個(gè)節(jié)點(diǎn)的初始狀態(tài)值Xi(O)為初始時(shí)刻每個(gè)節(jié) 點(diǎn)i的負(fù)載數(shù)量，并設(shè)置伴隨變量Yi(O) = O ;同時(shí)采用量化算法Q(.)對(duì)Xi(O)進(jìn)行量化得到量化后的初始值4(0); (三)在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中設(shè)置統(tǒng)一定時(shí)器，所述定時(shí)器的計(jì)數(shù)值滿(mǎn)足指數(shù)分布，同時(shí)設(shè)置最大迭代次數(shù)。
3.根據(jù)權(quán)利要求2所述的基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法，其特征在于所述步驟二中無(wú)偏廣播Gossip算法的迭代和量化過(guò)程具體為: 1)啟動(dòng)定時(shí)器，開(kāi)始計(jì)時(shí):當(dāng)開(kāi)始本輪迭代時(shí)，判斷當(dāng)前迭代次數(shù)是否已達(dá)到最大值，若未達(dá)到最大值，則進(jìn)入本輪迭代過(guò)程；若已達(dá)到最大值，則退出迭代過(guò)程； 2)在本輪迭代過(guò)程中，判斷節(jié)點(diǎn)的定時(shí)器計(jì)數(shù)值是否已滿(mǎn):若在時(shí)刻t節(jié)點(diǎn)k的計(jì)時(shí)期滿(mǎn)則該節(jié)點(diǎn)被隨機(jī)喚醒，否則節(jié)點(diǎn)不會(huì)被喚醒并進(jìn)入等待接收狀態(tài)；被喚醒的節(jié)點(diǎn)k向全網(wǎng)廣播它的當(dāng)前量化狀態(tài)值-?(O和量化伴隨變量值Λ W，同時(shí)節(jié)點(diǎn)k更新t+Ι時(shí)刻自己的最終狀態(tài)值為，Λ(/+?) = ο ； 3)判斷其他未被喚醒的節(jié)點(diǎn)是否會(huì)在t時(shí)刻接收到節(jié)點(diǎn)k的廣播信息:若未接收到節(jié)點(diǎn)k的廣播信息，令這些節(jié)點(diǎn)為I'eAuW ,則進(jìn)入步驟4);若接收到節(jié)點(diǎn)k的廣播信息，令這些節(jié)點(diǎn)為JeiVi'，則這些節(jié)點(diǎn)按照以下方法更新自己t+Ι時(shí)刻的狀態(tài)信息\(t+l)和yj(t+1):
4.根據(jù)權(quán)利要求3所述的基于量化無(wú)偏廣播Gossip算法的分布式負(fù)載均衡方法，其特征在于所述無(wú)偏廣播Gossip算法的量化過(guò)程具體為: (一)無(wú)偏廣播Gossip算法 當(dāng)某節(jié)點(diǎn)k在t時(shí)刻被激活時(shí)，它將會(huì)把它的這兩個(gè)變量值Xk(t)和yk(t)同時(shí)廣播給它的相鄰節(jié)點(diǎn)J'e Wi'?所有ie 節(jié)點(diǎn)收到這兩個(gè)狀態(tài)值并按如下規(guī)則更新自己的狀態(tài)信息
【文檔編號(hào)】H04W28/08GK104010329SQ201410270299
【公開(kāi)日】2014年8月27日 申請(qǐng)日期:2014年6月17日 優(yōu)先權(quán)日:2014年6月17日
【發(fā)明者】吳少川, 牛麗娟, 潘斯琦, 馬康健 申請(qǐng)人:哈爾濱工業(yè)大學(xué)