基于物联网技术的异构集群动态负载均衡算法

0 引 言

当集群系统中处理机具有不同计算速度、通信能力和存储容量，或者数据存在局部性问题时，该集群就不再是同构集群，而为异构集群。随着通信技术的发展，采用异构集群通信进行大数据传输和负载调度能够有效提高数据传输的可靠性和安全性[1]。然而，在采用异构集群进行信息传输的过程中，由于受到网络通信信道的多径特征干扰，易导致异构集群负载均衡调度能力不好。因此，需设计异构集群的负载均衡控制过程，进一步提高异构集群的负载均衡性。基于此，相关的异构集群负载均衡算法的研究成果受到人们的极大关注。

目前，已有相关学者设计了相对成熟的负载均衡算法，如基于Nginx负载均衡的动态分配技术[2]和数据集群系统多指标动态负载均衡技术[3]。此外，邰滢滢等人[4]提出了基于改进权重的动态负载平衡算法，根据D-S证据理论，将影响集群性能的因素作为判断条件，利用历史数据与阈值间的差值计算指标权重，并构建基本信任函数，根据不同判断条件下的信任函数，结合负载合成规则实现深层融合完成对集群动态负载的平衡。王钊等人[5]提出了流媒体集群动态负载均衡调度算法，该算法通过集群节点任务数量的变化，对信息反馈时长进行动态修改，并根据集群的负载情况对信息种类进行划分，以提高集群的负载均衡效果。然而，上述传统方法为构建统一的异构集群信道传输模型，导致异构集群的负载均衡设计的自适应性不好，且缺乏对通信信道中噪声干扰的抑制，导致均衡调度能力不强、输出信号的误码率较高。

一般来说，对异构集群的负载均衡设计是建立在信道均衡设计的基础上实现的，继而才能构建异构集群的负载传输均衡控制过程。

物联网技术是指通过信息传感设备将物体与网络相连接，以物联网作为媒介实现物与物间的信息交互。物联网技术涵盖范围广泛，主要包括传感技术、嵌入式系统技术、纳米技术等。其中，传感技术可以将不同类型的信号转化成数字信号，并对其实施统一的处理、显示及传输。传感技术的信息传输能力强，为此，针对传统算法存在的弊端，本文提出基于物联网技术的异构集群动态负载均衡算法。本文思路及创新点如下：首先构建异构集群的信道传输模型，采用动态加权方法配置输出信道，从根本上增强算法的输出均衡性；然后采用噪声干扰抑制方法抑制信道的多径干扰，从而降低输出信号的误码率，在此基础上通过模糊度均衡配置和空间均衡调度实现对异构集群的负载均衡设计。本文还通过仿真实验进行性能测试，得出有效性结论。

1 信道模型及特征分析

1.1 异构集群信道传输模型

为实现基于物联网技术的异构集群动态负载均衡设计，利用光纤传感技术对异构集群信道传输模型展开构建。异构集群信道传输模型如图1所示。

图1 异构集群信道传输模型

首先利用传感技术进行异构集群传输过程的抗同频干扰设计。假设异构集群传输信道中的传递规则为h，分布式粒子滤波检测模型为j，输入的物联网传输信号为x，通过目标的噪声信号检测得到异构集群信道中输出的扩频信号为：

式(1)中，n为信道数量。继而利用Grubbs准则进行异构集群传输信道的输出特征采样和模糊均衡控制[6]，采用时间镜(Time Reversal Mirror, TRM)重组方法得到异构集群中通信信道的传输函数为：

式(2)中，αn为第n条信道的扩展损失，τn为第n条路径的信道衰减系数，f为有限时间范围内信道内的信号分布，sn为异构集群传输的特征分量。此时，可结合Grubbs准则得到异构集群传输的多径信道的脉冲响应为：

式(3)中，I为采样间隔，t为时间，E为信道扩展分量，计算过程如下：

式(4)中，Wk为第k个传输节点的带宽。在此基础上，考虑节点位置的偏移量l，得到异构集群的动态负载模型为：

式(5)中，β为负载峰值。继而可将异构集群信道传输模型描述为：

式(6)中，L为异构集群传输通信信道传播损失(dB)，r为节点对应的加权因子。

1.2 异构集群信道特征分解

在上述对异构集群传输信道模型构建的基础上，采用噪声干扰抑制方法进行异构集群信道的多径干扰抑制[7]，建立异构集群信道均衡模型，结合多径特性测量方法进行物联网传输信号分析，实现对异构集群信道特征的分解。

假设多径信道n的物联网传输信号传输过程的冲激响应表达式为：