孫喬，鄧卜僑，王志強(qiáng)，裴旭斌

（1. 北京國電通網(wǎng)絡(luò)技術(shù)有限公司，北京 100070；2. 國網(wǎng)浙江省電力公司信息通信分公司，浙江 杭州 310007）

一種基于分布式服務(wù)器集群的可擴(kuò)展負(fù)載均衡策略技術(shù)

孫喬1，鄧卜僑1，王志強(qiáng)2，裴旭斌2

（1. 北京國電通網(wǎng)絡(luò)技術(shù)有限公司，北京 100070；2. 國網(wǎng)浙江省電力公司信息通信分公司，浙江 杭州 310007）

提出了一種基于軟件定義網(wǎng)絡(luò)的分布式數(shù)據(jù)庫負(fù)載均衡算法，將數(shù)據(jù)、控制、應(yīng)用分離的同時(shí)計(jì)算服務(wù)器集群中單個(gè)服務(wù)器的實(shí)際負(fù)載。通過查詢流量采樣記錄來決策最少連接的服務(wù)器路徑，減少了訪問請求的響應(yīng)時(shí)間，提高了系統(tǒng)吞吐量和容錯(cuò)能力，實(shí)現(xiàn)了充分利用服務(wù)器資源的目的。內(nèi)網(wǎng)中的分布式數(shù)據(jù)庫實(shí)驗(yàn)對(duì)通用負(fù)載均衡技術(shù)和基于軟件定義網(wǎng)絡(luò)的負(fù)載均衡技術(shù)進(jìn)行了比較，在不同服務(wù)器集群的負(fù)載狀態(tài)下，后者的平均響應(yīng)時(shí)間小于前者，并得到了更好的負(fù)載均衡效果。

可擴(kuò)展負(fù)載均衡策略；軟件定義網(wǎng)絡(luò)；自適應(yīng)流量采樣；分布式服務(wù)器集群

1 引言

互聯(lián)網(wǎng)技術(shù)的快速發(fā)展使大型互聯(lián)網(wǎng)服務(wù)提供商的服務(wù)器集群面臨更嚴(yán)重的挑戰(zhàn)。隨著用戶和網(wǎng)絡(luò)帶寬的增長，服務(wù)器需要在短時(shí)間內(nèi)處理大量訪問請求。如果服務(wù)器不能及時(shí)處理用戶訪問請求，增加用戶的等待時(shí)間，則會(huì)影響用戶體驗(yàn)，大大降低服務(wù)質(zhì)量。這使服務(wù)器成為網(wǎng)絡(luò)的新瓶頸，從而迫使研究人員開始研究如何提高服務(wù)器性能。對(duì)于這些通過網(wǎng)絡(luò)連接起來的數(shù)據(jù)庫而言，必須能夠?qū)崟r(shí)處理大量的用戶請求，而且必須能向用戶提供高質(zhì)量服務(wù)，這就要求系統(tǒng)能使每個(gè)數(shù)據(jù)庫高效運(yùn)行，充分發(fā)揮它們的作用。

為了提高服務(wù)器性能，企業(yè)采取了一系列措施，如提高CPU處理速度、增加服務(wù)器緩存容量、使用高速磁盤陣列以及構(gòu)建服務(wù)器集群。簡單地升級(jí)硬件系統(tǒng)不僅會(huì)導(dǎo)致現(xiàn)有資源閑置，而且當(dāng)業(yè)務(wù)繼續(xù)擴(kuò)大時(shí)，企業(yè)同樣將面臨困難局面。通過建立服務(wù)器集群，企業(yè)可以將訪問請求轉(zhuǎn)發(fā)到多個(gè)服務(wù)器。這種方法在一定程度上提高了服務(wù)器性能。然而，該解決方案有一個(gè)新問題，當(dāng)服務(wù)器集群接收到一個(gè)服務(wù)器應(yīng)該響應(yīng)的訪問請求時(shí)，如果控制系統(tǒng)不能合理分配訪問請求，會(huì)出現(xiàn)服務(wù)器之間的負(fù)載不均衡情況。如何才能提高系統(tǒng)的響應(yīng)速度、穩(wěn)定性和擴(kuò)展性，并且保護(hù)最初的硬件投資，避免大量用戶請求對(duì)系統(tǒng)帶來的沖擊，一個(gè)解決方案就是負(fù)載均衡技術(shù)。

負(fù)載均衡的主要目標(biāo)是通過硬件或者軟件的策略來決定由哪個(gè)數(shù)據(jù)庫執(zhí)行用戶發(fā)出的請求。負(fù)載均衡機(jī)制在后端數(shù)據(jù)庫間分發(fā)用戶請求，以達(dá)到減少系統(tǒng)瓶頸、增強(qiáng)系統(tǒng)響應(yīng)能力的目的。因此，負(fù)載均衡對(duì)網(wǎng)絡(luò)環(huán)境下的異構(gòu)數(shù)據(jù)庫系統(tǒng)提升性能與效率具有重要意義。

負(fù)載均衡常見的方法是在服務(wù)器集群前部署一個(gè)負(fù)載均衡器，因此它可以為幾個(gè)服務(wù)器合理分配負(fù)載以充分利用服務(wù)器資源。負(fù)載均衡技術(shù)可以有效解決服務(wù)器之間的負(fù)載不均衡問題，從而減少了訪問請求的響應(yīng)時(shí)間，提高系統(tǒng)吞吐量和容錯(cuò)能力。經(jīng)典的負(fù)載均衡技術(shù)需要使用昂貴的硬件設(shè)備，而且不能實(shí)現(xiàn)流量負(fù)載的精確控制。這些限制使傳統(tǒng)負(fù)載均衡技術(shù)不適合大規(guī)模應(yīng)用。

通常的負(fù)載均衡技術(shù)需要較多硬件費(fèi)用的投入，且無法進(jìn)行負(fù)載定量控制，因此無法實(shí)現(xiàn)在較大規(guī)模的分布式數(shù)據(jù)庫應(yīng)用場景中。軟件定義網(wǎng)絡(luò)（software defined networking，SDN）技術(shù)的出現(xiàn)給管理者提供了具有低成本和靈活操作優(yōu)勢的流量管理技術(shù)。軟件定義網(wǎng)絡(luò)是計(jì)算機(jī)網(wǎng)絡(luò)管理員通過提取低級(jí)功能來管理網(wǎng)絡(luò)服務(wù)的新方法。它把傳統(tǒng)的網(wǎng)絡(luò)體系結(jié)構(gòu)中的控制平臺(tái)和轉(zhuǎn)發(fā)平臺(tái)分開，運(yùn)行在控制平臺(tái)的控制器可以通過管理開關(guān)流程表實(shí)現(xiàn)數(shù)據(jù)轉(zhuǎn)發(fā)的控制[1-3]。

本文提出了一種基于軟件定義網(wǎng)絡(luò)的分布式數(shù)據(jù)庫負(fù)載均衡算法，將數(shù)據(jù)、控制、應(yīng)用分離的同時(shí)計(jì)算服務(wù)器集群中單個(gè)服務(wù)器的實(shí)際負(fù)載，通過查詢流量采樣記錄來決策最少連接的服務(wù)器路徑，減少了訪問請求的響應(yīng)時(shí)間，提高了系統(tǒng)吞吐量和容錯(cuò)能力，實(shí)現(xiàn)了充分利用服務(wù)器資源的目的。

2 基本原理

由于互聯(lián)網(wǎng)資源及可用性的迅速發(fā)展，分布式數(shù)據(jù)庫計(jì)算應(yīng)用一直呈現(xiàn)指數(shù)級(jí)增長，在業(yè)界被廣泛構(gòu)建和使用。隨著分布式數(shù)據(jù)庫規(guī)模的擴(kuò)大，其服務(wù)器集群需要處理更多、更大體量的查詢等請求，如何保持性能的穩(wěn)定性是十分重要的問題。負(fù)載均衡方法被認(rèn)為是利用并行和分布式系統(tǒng)的全部資源的先決條件之一。

負(fù)載均衡允許在一個(gè)或多個(gè)服務(wù)器、數(shù)據(jù)中心、硬盤驅(qū)動(dòng)器或其他計(jì)算資源之間分配工作負(fù)載，從而可提供一種機(jī)制，用于在位于數(shù)據(jù)中心的任意數(shù)量的應(yīng)用程序部署中分發(fā)應(yīng)用程序請求。負(fù)載均衡機(jī)制可以大致分為集中式或分散式、動(dòng)態(tài)或靜態(tài)、周期性或非周期性。負(fù)載均衡技術(shù)的研究包括很多內(nèi)容，如在最小執(zhí)行時(shí)間中，如何在節(jié)點(diǎn)不同負(fù)載條件下將命令分配給預(yù)期執(zhí)行速度最快的節(jié)點(diǎn)，如何提高如分布式數(shù)據(jù)挖掘等數(shù)據(jù)密集型應(yīng)用程序中的計(jì)算性能等現(xiàn)實(shí)應(yīng)用問題[4-6]。

在如圖 1所示的服務(wù)器負(fù)載均衡模型的計(jì)算方式中，負(fù)載均衡可以改善多個(gè)計(jì)算資源之間的工作負(fù)載分配。負(fù)載均衡旨在優(yōu)化資源使用、最大化吞吐量、最小化響應(yīng)時(shí)間，并避免任何單一資源的過載。用戶的訪問請求首先通過互聯(lián)網(wǎng)發(fā)送到負(fù)載均衡器，而不是直接發(fā)送到服務(wù)器集群。負(fù)載均衡器通過使用指定算法選擇最優(yōu)服務(wù)器并轉(zhuǎn)發(fā)請求到服務(wù)器。使用具有負(fù)載均衡而不是單個(gè)組件的多個(gè)組件可以通過冗余來增加可靠性和可用性。負(fù)載均衡通常涉及專用軟件或硬件，如多層交換機(jī)或域名系統(tǒng)服務(wù)器進(jìn)程。負(fù)載均衡與通道綁定不同之處在于負(fù)載均衡在網(wǎng)絡(luò)套接字（OSI模型層4）基礎(chǔ)上劃分網(wǎng)絡(luò)接口之間的流量，而通道綁定意味著在每個(gè)數(shù)據(jù)分組較低級(jí)別的物理接口之間或數(shù)據(jù)鏈路的基礎(chǔ)上，使用最短路徑橋接協(xié)議[7-9]。

圖1 服務(wù)器負(fù)載均衡模型

負(fù)載均衡算法通常可以分為靜態(tài)算法和動(dòng)態(tài)算法。靜態(tài)負(fù)載均衡算法不考慮服務(wù)器的負(fù)載狀態(tài)，所以它適合可以提前預(yù)測負(fù)荷狀態(tài)的情況。靜態(tài)算法主要包括Round-Robin算法、比率算法和優(yōu)先級(jí)算法。Round-Robin算法中，訪問請求根據(jù)到來序列順序分配給每個(gè)服務(wù)器；比率算法中，根據(jù)預(yù)設(shè)比設(shè)定每個(gè)服務(wù)器相應(yīng)的負(fù)載比例；優(yōu)先級(jí)算法中，當(dāng)負(fù)載不均衡時(shí)，備份服務(wù)器將被啟用。

動(dòng)態(tài)負(fù)載均衡算法是指負(fù)載均衡器可以動(dòng)態(tài)分配負(fù)載，以根據(jù)服務(wù)器的負(fù)載狀態(tài)優(yōu)化服務(wù)器。典型動(dòng)態(tài)算法主要包括最少連接算法、預(yù)測算法和響應(yīng)時(shí)間算法。最少連接數(shù)算法的負(fù)載均衡器定期檢測服務(wù)器和用戶之間已建立的連接數(shù)，當(dāng)一個(gè)新的訪問請求到達(dá)時(shí)，負(fù)載均衡器將該請求轉(zhuǎn)發(fā)至少連接到服務(wù)器；預(yù)測算法的控制器可以通過預(yù)測模型預(yù)測下一個(gè)周期的服務(wù)器負(fù)載狀態(tài)；響應(yīng)時(shí)間算法的負(fù)載均衡器通過發(fā)送探測指令估計(jì)每個(gè)服務(wù)器的負(fù)載狀態(tài)。

由于傳統(tǒng)網(wǎng)絡(luò)的局限性，負(fù)載均衡技術(shù)的發(fā)展逐漸遇到瓶頸。大多數(shù)負(fù)載均衡器為特定應(yīng)用或產(chǎn)品定制，但其代碼的可重用性和不同架構(gòu)的適用性不佳。此外，用于負(fù)載均衡的復(fù)雜軟件或硬件系統(tǒng)會(huì)增加企業(yè)的運(yùn)營成本。

3 軟件定義網(wǎng)絡(luò)的分布式數(shù)據(jù)庫負(fù)載均衡算法

軟件定義網(wǎng)絡(luò)起源于2006年美國斯坦福大學(xué)的研究課題，并于2009年被正式提出。軟件定義網(wǎng)絡(luò)的概念是：軟件定義網(wǎng)絡(luò)利用分層的思想將數(shù)據(jù)與控制相分離，在控制層包括具有邏輯中心化和可編程的控制器，可掌握全局網(wǎng)絡(luò)信息，方便管理配置網(wǎng)絡(luò)和部署新協(xié)議等；在數(shù)據(jù)層包括dumb交換機(jī)，交換機(jī)僅提供簡單的數(shù)據(jù)轉(zhuǎn)發(fā)功能，可以快速處理匹配的數(shù)據(jù)分組，適應(yīng)流量日益增長的需求。兩層之間采用開放的統(tǒng)一接口進(jìn)行交互，控制器通過標(biāo)準(zhǔn)接口向交換機(jī)下發(fā)統(tǒng)一標(biāo)準(zhǔn)規(guī)則，交換機(jī)僅需按照這些規(guī)則執(zhí)行相應(yīng)的動(dòng)作即可。軟件定義網(wǎng)絡(luò)技術(shù)具有控制與傳輸分離、集中式控制和軟件可定義的特征[10]。因此軟件定義網(wǎng)絡(luò)技術(shù)的基本特性增加了網(wǎng)絡(luò)部署的靈活性和網(wǎng)絡(luò)的可編程性，因此可以滿足快速高效的網(wǎng)絡(luò)需求[11]。

由于傳統(tǒng)網(wǎng)絡(luò)負(fù)載的高成本使得負(fù)載均衡技術(shù)很難得到廣泛應(yīng)用，如圖2所示的OpenFlow技術(shù)提供了一個(gè)具有低成本、操作靈活等優(yōu)點(diǎn)的流通管理技術(shù)。已經(jīng)有一些研究關(guān)注OpenFlow網(wǎng)絡(luò)中的負(fù)載均衡問題，另一些研究則提出了另一種負(fù)載均衡解決方案：通過使用多個(gè)OpenFlow控制器來處理多服務(wù)的負(fù)載，但是這些方法仍然無法實(shí)現(xiàn)真正的負(fù)載均衡[12,13]。

圖2 OpenFlow負(fù)載均衡結(jié)構(gòu)

為了獲得每個(gè)服務(wù)器的負(fù)載 L、計(jì)算能力 C和優(yōu)先級(jí) P，需要對(duì)計(jì)算服務(wù)器集群中單個(gè)服務(wù)器的實(shí)際負(fù)載進(jìn)行統(tǒng)計(jì)。本文采用的統(tǒng)計(jì)算法是每0.1 s對(duì)每個(gè)服務(wù)器計(jì)算一次上述的L、C和P值，并將其定義為 S=L·C·P的服務(wù)優(yōu)先級(jí)統(tǒng)計(jì)結(jié)果存儲(chǔ)在服務(wù)優(yōu)先級(jí)數(shù)據(jù)庫中。當(dāng)用戶向服務(wù)器發(fā)送請求時(shí)，此服務(wù)需求同時(shí)進(jìn)入負(fù)載統(tǒng)計(jì)的計(jì)算路徑，并與服務(wù)優(yōu)先級(jí)數(shù)據(jù)庫中的所有S值進(jìn)行比對(duì)，找到S值大于用戶服務(wù)需求的服務(wù)器，然后使用輪詢方法將用戶的請求發(fā)送到這些服務(wù)器上。其流程如圖3所示。

為了應(yīng)對(duì)軟件定義網(wǎng)絡(luò)通常存在的可擴(kuò)展性問題，還需要采用基于軟件定義網(wǎng)絡(luò)的流量采樣方法，對(duì)流量進(jìn)行部分采樣并對(duì)數(shù)據(jù)流進(jìn)行記錄，便于通過查詢流量采樣記錄決策最少連接的服務(wù)器路徑。其具體步驟如下。

步驟 1 檢查新數(shù)據(jù)分組是否已經(jīng)到達(dá)交換機(jī)并處于流量監(jiān)控操作模式下。

步驟 2 如果符合任何一個(gè)操作模式，則對(duì)數(shù)據(jù)分組的計(jì)數(shù)器進(jìn)行更新，并將數(shù)據(jù)分組導(dǎo)向下一個(gè)目標(biāo)路徑。

步驟 3 如果不符合，則查詢是否符合被采樣的規(guī)則，如果與其中的某個(gè)規(guī)則匹配，則將其引導(dǎo)至下一個(gè)路徑并同時(shí)發(fā)給控制器，且在記錄表中增加信息以對(duì)后續(xù)數(shù)據(jù)流進(jìn)行采樣。

圖3 單個(gè)服務(wù)器實(shí)際負(fù)載統(tǒng)計(jì)方法

一般來說，通過采用OpenFlow控制器方式，可以將管理決策都發(fā)送至交換機(jī)來存儲(chǔ)和收集流量統(tǒng)計(jì)信息，并在每個(gè)交換機(jī)上以計(jì)數(shù)器形式存儲(chǔ)全部流信息的記錄。但現(xiàn)有 OpenFlow技術(shù)的TCAM條目數(shù)量和處理能力無法支持過大的流量統(tǒng)計(jì)記錄，因此在采集流量測量時(shí)實(shí)施流量采樣記錄，以達(dá)到獲得較細(xì)粒度的數(shù)據(jù)并降低OpenFlow控制器操作次數(shù)的目的。當(dāng)交換機(jī)空閑或超時(shí)，系統(tǒng)就進(jìn)行測量并實(shí)施流統(tǒng)計(jì)，其流程如圖4所示。

事實(shí)上，上述統(tǒng)計(jì)方式對(duì)于較大時(shí)間跨度的流量統(tǒng)計(jì)數(shù)據(jù)來說是非實(shí)時(shí)的。當(dāng)需要在具有高度波動(dòng)流量的動(dòng)態(tài)環(huán)境中獲得準(zhǔn)確的測量結(jié)果時(shí)，需要增加交換機(jī)端口自適應(yīng)函數(shù)，即通過輪流監(jiān)聽TCP或UDP等端口，在源端口發(fā)出數(shù)據(jù)后，在某些流量超過閾值的目標(biāo)端口，將其數(shù)據(jù)分組自適應(yīng)調(diào)整到其他流量較低的目標(biāo)端口，可以避免由于源端口和目標(biāo)端口沖突而增加的計(jì)算負(fù)擔(dān)。

4 實(shí)驗(yàn)與測試結(jié)果

為了評(píng)價(jià)上述方法的性能，在現(xiàn)有網(wǎng)絡(luò)環(huán)境中進(jìn)行了評(píng)估與測試。實(shí)驗(yàn)具體配置為：64臺(tái)服務(wù)器IBM-x3650M4-2U（2CPU，6核12線程Xeon E5-2620，48 GB內(nèi)存，2 TB硬盤）分別作為DataNode，操作系統(tǒng)為Ubuntu11.10及Windows7，均預(yù)裝FTP服務(wù)。將其中一臺(tái)服務(wù)器定義為主服務(wù)器并部署了內(nèi)網(wǎng)企業(yè)網(wǎng)站，網(wǎng)站的文本、圖像、視頻等數(shù)據(jù)資源分別存放在多個(gè)服務(wù)器上，通過改變訪問網(wǎng)站的訪問量來模擬負(fù)載均衡的效果。

服務(wù)器負(fù)載取決于負(fù)載指標(biāo)，負(fù)載指標(biāo)是衡量服務(wù)器負(fù)載狀態(tài)的特征值，用于描述服務(wù)器的忙閑程度，記錄服務(wù)器處理服務(wù)的能力，一般有CPU處理能力、CPU利用率、CPU就緒隊(duì)列長度、內(nèi)存、磁盤容量、網(wǎng)絡(luò)帶寬、當(dāng)前連接數(shù)等[13]。本文選取有代表性的CPU利用率和網(wǎng)絡(luò)上行速度作為負(fù)載指標(biāo)，通過不同的采樣率下的指標(biāo)來比較一般負(fù)載均衡方法與無端口自適應(yīng)/有端口自適應(yīng)流量采樣負(fù)載均衡方法的效果。在24 h內(nèi)對(duì)該網(wǎng)絡(luò)環(huán)境中的性能進(jìn)行統(tǒng)計(jì)，其結(jié)果如圖5和圖6所示。

從圖5可以看出，在CPU利用率最小值方面，提出的流量采樣負(fù)載均衡方法比一般的負(fù)載均衡方法存在一定優(yōu)勢，尤其是采樣率相對(duì)較高的情況下；而有端口自適應(yīng)流量采樣負(fù)載均衡方法在CPU利用率最大值這一指標(biāo)上體現(xiàn)出的負(fù)載均衡程度存在明顯優(yōu)勢。

圖4 基于軟件定義網(wǎng)絡(luò)的流量采樣流程

圖6則顯示出，采樣負(fù)載均衡方法與一般的負(fù)載均衡方法相比，在采樣率較低時(shí)差異不大；隨著采樣率的增加，有端口自適應(yīng)流量采樣負(fù)載均衡方法比無端口自適應(yīng)流量采樣負(fù)載均衡方法和一般負(fù)載均衡方法在各項(xiàng)指標(biāo)上都表現(xiàn)出網(wǎng)絡(luò)上行速度指標(biāo)有增加的趨勢。

圖5 CPU利用率最小值和最大值比較

圖6 網(wǎng)絡(luò)上行速度最小值和最大值比較

5 結(jié)束語

提出了一種基于軟件定義網(wǎng)絡(luò)的分布式數(shù)據(jù)庫負(fù)載均衡解決方案，為了減少控制器的開銷和交換機(jī)的計(jì)算代價(jià)，提出了一種基于OpenFlow的受限流量采樣方法。實(shí)驗(yàn)結(jié)果表明，與一般的負(fù)載均衡方案相比，本文提出的方法在降低計(jì)算代價(jià)和提高負(fù)載均衡效果上有一定優(yōu)勢。下一步將研究如何進(jìn)一步提高檢索統(tǒng)計(jì)數(shù)據(jù)的精確性。

[1] ZHANG H, GUO X. SDN-based load balancing strategy for server cluster[C]//2014 IEEE 3rd International Conference on Cloud Computing and Intelligence Systems (CCIS), Nov 27-29,2014, Shenzhen, China. New Jersey: IEEE Jersey, 2014: 662-667.

[2] 張朝昆, 崔勇, 唐翯祎, 等. 軟件定義網(wǎng)絡(luò) (SDN) 研究進(jìn)展[J].軟件學(xué)報(bào), 2015, 26(1): 62-81. ZHANG C K, CUI Y, TANG H Y, et al. State-of-the-art survey on software-defined networking(SDN)[J]. Journal of Software, 2015, 26(1): 62-81.

[3] 劉同. 負(fù)載均衡技術(shù)在數(shù)據(jù)庫集群系統(tǒng)中的應(yīng)用與實(shí)現(xiàn)[D].長沙: 國防科學(xué)技術(shù)大學(xué), 2009. LIU T. Application and realization of load balancing technology in database cluster system[D]. Changsha: National University of Defense Technology, 2009.

[4] DAS S K, SEN S K, JAYARAM R. A dynamic load balancing strategy for channel assignment using selective borrowing in cellular mobile environment[J]. Wireless Networks, 1997, 3(5): 333-347.

[5] DASGUPTA K, MANDAL B, DUTTA P, et al. A genetic algorithm based load balancing strategy for cloud computing [J]. Procedia Technology, 2013(10): 340-347.

[6] DAM S, MANDAL G, DASGUPTA K, et al. An ant colony based load balancing strategy in cloud computing [M]. Berlin: Springer International Publishing, 2014.

[7] MONDAL B, CHOUDHURY A. Simulated annealing (SA) based load balancing strategy for cloud computing[J]. International Journal of Computer Science and Information Technologies, 2015, 6(4): 3307-3312.

[8] IZAGIRRE A, MAKOWSKI A M. Light traffic behavior under the power-of-two load balancing strategy: the case of heterogeneous servers[J]. arXiv preprint arXiv:1701.06004, 2017.

[9] Load_balancing [EB/OL]. (2017-03-01)[2017-06-07]. https://en. wikipedia.org/wiki/Load_balancing.

[10] 王力, 趙季紅, 曲樺, 等. 軟件定義承載網(wǎng)中基于負(fù)載均衡的虛擬網(wǎng)絡(luò)資源分配算法[J]. 電信科學(xué), 2015, 31(11): 32-38. WANG L, ZHAO J H, QU H, et al. Virtual network resource allocation algorithm based on load balance in carrier-SDN[J]. Telecommunications Science, 2015, 31(11): 32-38.

[11] LIU J, LAI Y, DIAO Z, et al. A trusted access method in software-defined network[J]. Simulation Modelling Practice and Theory, 2017(74): 28-45.

[12] TAHAEI H, SALLEH R, KHAN S, et al. A multi-objective software defined network traffic measurement[J]. Measurement, 2017(95): 317-327.

[13] 楊偉. 基于時(shí)間序列預(yù)測的 IP控制網(wǎng)關(guān)集群的設(shè)計(jì)與實(shí)現(xiàn)[D].蘇州: 蘇州大學(xué), 2006. YANG W. Design and implementation of IP control gateway cluster based on time series prediction[D]. Suzhou: Soochow University, 2006.

A scalable load balancing strategy based on distributed server cluster

SUN Qiao1, DENG Buqiao1, WANG Zhiqiang2, PEI Xubin2
1. Beijing GuoDianTong Network Technology Co., Ltd., Beijing 100070, China 2. Information&Telecommunication Branch of State Grid Zhejiang Electric Power Company, Hangzhou 310007, China

A distributed database load balancing algorithm based on software defined networking was proposed, which separated the data, control and application to calculate the actual load of a single server in the server cluster. By querying the streams sampling record, the minimum number of server paths were determined, the request response time was reduced, the system throughput and fault tolerance were improved, and the full use of the purpose of server resources was achieved. The general load balancing technology was compared with the load balancing technology based on the software defined networking in the internal network of the distributed database experiment, the result shows that in the load state of the different server clusters, the average response time of the latter is smaller than that of the former, and can get better load balancing effect.

extensible load balancing strategy, software defined networking, adaptive stream sampling, distributed server cluster

s: Science and Technology Project of State Grid (No.SGBJDK00KJJS1500180), Science and Technology Project of State Grid Information& Telecommunication Group Co., Ltd. (No.SGITG-KJJSKF[2015]0010)

TN929.52

：A

10.11959/j.issn.1000-0801.2017264

孫喬（1978-），男，北京國電通網(wǎng)絡(luò)技術(shù)有限公司中心副總監(jiān)，主要研究方向?yàn)閷?shí)時(shí)庫及自主關(guān)系數(shù)據(jù)庫。

鄧卜僑（1985-），男，北京國電通網(wǎng)絡(luò)技術(shù)有限公司技術(shù)總監(jiān)，主要從事關(guān)系數(shù)據(jù)庫及分布式關(guān)系數(shù)據(jù)庫研發(fā)工作。

王志強(qiáng)（1966-），男，國網(wǎng)浙江省電力信息通信分公司副總工程師，主要研究方向?yàn)殡娏π畔⑿录夹g(shù)應(yīng)用。

裴旭斌（1973-），男，國網(wǎng)浙江省電力信息通信分公司數(shù)據(jù)庫運(yùn)維專職，主要研究方向?yàn)閿?shù)據(jù)庫應(yīng)用技術(shù)。

2017-06-07；

：2017-08-31

國家電網(wǎng)公司科技基金資助項(xiàng)目（No.SGBJDK00KJJS1500180）；國網(wǎng)信息通信產(chǎn)業(yè)集團(tuán)有限公司科技基金資助項(xiàng)目（No.SGITG- KJ-JSKF[2015]0010）