在線選課系統(tǒng)中負載均衡技術的應用

引言：本文對負載均衡技術原理及算法進行分析，在選課系統(tǒng)中采用了處理能力均衡和加權最小連接均衡相結合的算法，很好地解決了在選課高峰期系統(tǒng)出現(xiàn)網(wǎng)絡擁堵問題，提高了系統(tǒng)的負載承受能力。

目前高校的網(wǎng)上在線選課系統(tǒng)中，Web服務器的服務能力已經不能滿足實際客戶訪問需要，所以，現(xiàn)在在大型應用系統(tǒng)中多采用服務器集群，為用戶提供并發(fā)服務。集群服務器的布署要考慮如何解決任務在多個Web服務器上的均衡分配問題。如果出現(xiàn)某臺服務器過忙而不能及時響應用戶訪問，而其他服務器卻因用任務不足未充分發(fā)揮處理能力的情況，就降低了服務器集群的整體響應能力，形成一個較嚴重的問題，故此，負載均衡技術應運而生。

一、負載均衡的定義

所謂負載就是指被分配到各個Web服務器節(jié)點上并行去執(zhí)行的子任務，是一個抽象的概念，它描述的是系統(tǒng)的閑忙程度。讓負載均衡地分配到并行系統(tǒng)的各個服務器節(jié)點上稱為負載均衡。負載均衡可以從以下兩個方面來理解：第一，將大量的服務數(shù)據(jù)流量或并發(fā)訪問分配到多臺Web服務器上，縮短系統(tǒng)的響應時間，減少客戶端等待時間；第二，當網(wǎng)絡中出現(xiàn)負載不均衡時，進行負載移動，把單個負載重的節(jié)點的任務轉移到到其他節(jié)點上，作服務并行處理，從而讓系統(tǒng)處理能力得到大幅度提升。所以，負載均衡（Load Balancing）技術就是采用一定的分配策略來平衡各個Web服務器節(jié)點上的負載任務，使其服務保持基本相當。

二、負載均衡目前解決的問題

目前負載均衡將要解決的主要問題有以下幾點：

第一， 解決Web服務器擁堵現(xiàn)象，服務能夠就近得到實現(xiàn)，實現(xiàn)與地理位置要素的無關性。

第二， 能夠為客戶端提供更高質量的訪問服務。

第三， 提高Web服務器端響應客戶請求的速度。

第四， 可以最大程度地提高Web服務器端與其他系統(tǒng)資源的利用率。

第五， 解決網(wǎng)絡單點故障問題，網(wǎng)絡中關鍵部位的設備出現(xiàn)故障時會導致整個系統(tǒng)無響應，增加冗余設備會避免單點故障。

三、負載均衡在選課系統(tǒng)中的架構

本文所研究的網(wǎng)上在線選課系統(tǒng)中，學生通過客戶端向集群Web服務器發(fā)送請求后，交換機與負載均衡器接受服務的請求，通過相應的負載均衡分配算法選定一臺Web服務器來響應當前的請求，接受訪問請求的Web服務器與后臺數(shù)據(jù)庫SQL Sever 2000連接，將最終請求數(shù)據(jù)返回給客戶端。

根據(jù)高校網(wǎng)上在線選課服務平臺設計目標與網(wǎng)絡服務訪問量的需求，確定的負載均衡總體規(guī)劃方案是：客戶端的訪問通過網(wǎng)絡防火墻和交換機，然后再經過負載均衡器引導給某臺Web服務器，負載均衡器負責請求服務數(shù)據(jù)流量分配，它通過動態(tài)服務器域名解析實現(xiàn)多臺Web服務在網(wǎng)絡中動態(tài)分擔流量；這樣可以提高整體網(wǎng)絡的訪問速度和穩(wěn)定性，考慮到選課系統(tǒng)是用靜態(tài)頁面與動態(tài)頁面技術，需要在Web服務器與數(shù)據(jù)庫服務器之間連接一臺應用服務器，來處理訪問與請求的數(shù)據(jù)和靜態(tài)頁面，并把生成的靜態(tài)頁面能夠自動分配給多臺Web服務器；這樣部署方案的優(yōu)勢主要體現(xiàn)在：多臺Web服務器之間成互相存儲與備份，當其中一臺Web服務器出設備硬件故障，但是并不影響其它任何一臺Web服務的應用和訪問；當SQL Server數(shù)據(jù)庫服務器出現(xiàn)問題時，也同樣不會對Web服務器的應用和訪問產生影響，數(shù)據(jù)庫服務器之間還是能夠實現(xiàn)訪問的數(shù)據(jù)同步，即是數(shù)據(jù)庫雙存儲的原理。

四、負載均衡實現(xiàn)算法

負載均衡的核心內容是一種服務性調度尋優(yōu)算法，即是指將各個子服務任務比較均衡的分布給不同的Web服務器節(jié)點上并行處理，從而使各個服務器的利用達到最大程度的均衡。算法闡述如下：

（一） 基本粒子群算法

在粒子群算法中，每個個體稱為“粒子”，代表著一個潛在的解，多個粒子共存，合作尋優(yōu)。每個粒子根據(jù)自身的歷史最優(yōu)值和種群的歷史最優(yōu)值，在解空間中向更好的位置飛行，搜索最優(yōu)解。

基本粒子群算法的數(shù)學模型如下：

設搜索空間為D維，總粒子數(shù)為n. 第i個粒子位置表示為向量 ；第i個粒子個體歷史最優(yōu)位置記為 ；種群歷史最優(yōu)位置 為所有的 中的最優(yōu)；第i個粒子的位置速度為向量 .每個粒子的位置按下式公式進行更新：

（1）

（2）

（二） 引入混沌優(yōu)化的粒子群算法

混沌運動能在一定范圍內按其自身“規(guī)律”不重復遍歷所有狀態(tài)。利用這種遍歷性來初始化粒子，可以優(yōu)化粒子群算法的粒子初始分布，加強算法的全局搜索能力。

一個典型的混沌系統(tǒng)是由Logistic方程產生：

（3）

高鷹等將混沌優(yōu)化思想引入到了粒子群優(yōu)化算法中，提出了混沌粒子群優(yōu)化算法（CPSO）。 混沌粒子群算法的基本思想主要體現(xiàn)在以下兩個方面：

1.采用混沌序列初始化粒子的位置和速度，既沒有改變粒子群算法初始化時有的隨機性，又利用了混沌提高了粒子的種群多樣性和搜索遍歷性。在產生大量初始群體的基礎上，擇優(yōu)出粒子群算法的初始群體，加強算法的全局搜索能力。

2.以當前整個粒子群迄今為止搜索到的最優(yōu)位置為基礎產生混沌序列，把產生的混沌序列中的最優(yōu)位置粒子替代當前粒子群中的一個粒子的位置。 引入混沌序列的搜索算法可在迭代中產生局部最優(yōu)解的許多鄰域點，以此幫助惰性粒子逃離局部極值點，并快速搜尋到全局最優(yōu)解。

混沌粒子群優(yōu)化算法在進行負載均衡分配過程的具體實現(xiàn)步驟如下：

第一步：初始化設置最大允許迭代次數(shù)或誤差精度，以及混沌粒子群優(yōu)化算法相關參數(shù)：慣性權重、學習因子。

第二步：初始化粒子的位置和速度：

1.隨機產生一個n維的每個分量數(shù)值在0-1之間的向量 ，n為目標函數(shù)中的變量個數(shù)，根據(jù)式（3），得到N個向量 ；

2.將 的各個分量載波到變量的取值區(qū)間；

3.計算粒子群的適應度，并從N個初始群體中選擇性能較好的M個解作為初始種群，隨機產生M個初始速度；

第三步：如果粒子適應度優(yōu)于其個體極值 ， 更新為新位置；如果某個體極值優(yōu)于全局極值 ， 更新為新位置；

第四步：根據(jù)公式（1）～（2）更新粒子的位置和速度；

第五步：對最優(yōu)位置 ，施加混沌擾動. 將 映射到方程（4）的定義域[0，1]. 然后，用Logistic方程進行迭代產生混沌變量序列 ，再把產生的混沌變量序列通過逆映射返回到原解空間，得：

在原解空間對混沌變量經歷的每一個可行解 計算其適應度，得到性能最好的可行解 ；

第六步：用 取代當前群體中任意一個粒子的位置；

第七步：若滿足停止條件，則搜索停止，輸出全局最優(yōu)位置，否則返回第三步。

（作者單位：臨沂大學）

作者簡介

王浩，1993年5月生，山東省蘭陵縣人，臨沂大學2012級軟件工程專業(yè)本科生。

高宗振：本文指導教師。