В роботі запропонований метод балансування навантаження з урахуванням оцінювання завантаження вузлів розподіленої системи, який заснований на розрахунку дисбалансу системи, при вхідних потоках даних, що володіють мультифрактального властивостями. Проведено імітаційне моделювання запропонованого методу при роботі різних алгоритмів балансування, яке показало, що мультифрактального характеристики трафіку істотно впливають на дисбаланс системи. Використання запропонованого методу дозволяє розподіляти запити по серверам так, щоб відхилення завантаженості серверів від середнього значення було мінімальним, що дозволяє отримати більш високі показники продуктивності системи і більш швидку обробку потоків.

Анотація наукової статті з комп'ютерних та інформаційних наук, автор наукової роботи - Кириченко Л.О., Іванисенко І.М., Радивилова Т.А.


ANALYSIS OF IMBALANCE OF DISTRIBUTED SYSTEM WITH A SELF-SIMILAR LOAD

In this paper a load balancing method based on estimating the load of distributed system nodes proposed, which is based on the calculation of the system imbalance, when the input data stream having multifractal properties. The simulation of the proposed method by using different load balancing algorithms conducted, its showed that characteristics of multifractal traffic significantly affect on the system imbalance. Using of proposed method allows to distribute requests across the servers so that the deviation of the load servers from the average value was minimal, which allows to get higher system performance metrics and faster processing flows.


Область наук:

  • Комп'ютер та інформатика

  • Рік видавництва: 2016


    Журнал: Вісник Херсонського національного технічного університету


    Наукова стаття на тему 'Аналіз дисбалансу розподіленої системи ПРИ самоподобна НАВАНТАЖЕННІ'

    Текст наукової роботи на тему «Аналіз дисбалансу розподіленої системи ПРИ самоподобна НАВАНТАЖЕННІ»

    ?УДК 004.75

    Л.О. КИРИЧЕНКО, І.М. Іванисенко, ТА. Радивилова

    Харківський національний університет радіоелектроніки

    Аналіз дисбалансу розподіленої системи ПРИ самоподобна НАВАНТАЖЕННІ

    В роботі запропонований метод балансування навантаження з урахуванням оцінювання завантаження вузлів розподіленої системи, який заснований на розрахунку дисбалансу системи, при вхідних потоках даних, що володіють мультифрактального властивостями. Проведено імітаційне моделювання запропонованого методу при роботі різних алгоритмів балансування, яке показало, що мультифрактального характеристики трафіку істотно впливають на дисбаланс системи. Використання запропонованого методу дозволяє розподіляти запити по серверам так, щоб відхилення завантаженості серверів від середнього значення було мінімальним, що дозволяє отримати більш високі показники продуктивності системи і більш швидку обробку потоків.

    Ключові слова: балансування навантаження, мультифрактальний потік, дисбаланс, оцінка завантаження, розподілена система, самоподоба.

    Л.О.К1Р1ЧЕНКО, 1.М. 1ВАН1СЕНКО, Т.А. РАД1ВШОВА

    Харювській нацюнальній ушверсітет радюелектрошкі

    АНАЛ1З дисбаланс РОЗПОД1ЛЕНО1 СИСТЕМИ ПРИ САМОПОД1БНОМУ НАВАНТАЖЕНН1

    У роботi предложено метод балансування НАВАНТАЖЕННЯ з урахуванням оцiнювання завантаження вузлiв розподшеног системи, Який засновано на розрахунку дисбалансу системи, при вхiдніх потоках Даних, что володiють мультифрактального властівостямі. Проведено iмiтацiйне моделювання запропонованого методу при роботi р1зніх алгорітмiв балансування, Пожалуйста показало, что мультіфрактальт характеристики Трафка ктотно вплівають на дисбаланс системи. Використання запропонованого методу дозволяе розподшяті Предложения по серверам так, щоб вiдхілення завантаженостi серверiв вiд СЕРЕДНЯ значення Було мiнiмальнім, что дозволяе отріматі бшьш скроню показатели продуктівностi системи i швідшу обробка потоюв.

    Ключовi слова: балансування НАВАНТАЖЕННЯ, мультифрактальний поткамі дисбаланс, оцтка завантаження, розподшена система, самоподібності.

    L. KIRICHENKO, I. IVANISENKO, T. RADIVILOVA

    Kharkiv National University of Radio Electronics

    ANALYSIS OF IMBALANCE OF DISTRIBUTED SYSTEM WITH A SELF-SIMILAR LOAD

    In this paper a load balancing method based on estimating the load of distributed system nodes proposed, which is based on the calculation of the system imbalance, when the input data stream having multifractal properties. The simulation of the proposed method by using different load balancing algorithms conducted, its showed that characteristics of multifractal traffic significantly affect on the system imbalance. Using of proposed method allows to distribute requests across the servers so that the deviation of the load servers from the average value was minimal, which allows to get higher system performance metrics and faster processing flows.

    Keywords: load balancing, multifractal flow, imbalance, imbalance, distributed system, self-similarity.

    Постановка проблеми

    В даний час разом зі збільшенням швидкостей передачі даних в телекомунікації збільшується частка інтерактивного трафіку, вкрай чутливого до параметрів середовища транспортування. Для надання необхідної кількості ресурсів при передачі різних видів трафіку, що пред'являють різні вимоги до характеристик телекомунікаційної мережі використовуються різні механізми забезпечення QoS (Quality of service). Одним з таких механізмів є балансування навантаження [1-3]. Система балансування навантаження вирішує завдання забезпечення якості обслуговування і підвищення продуктивності розподілених систем за рахунок оптимального розподілу завдань між вузлами обчислювальної системи.

    Завдання балансування завантаження полягає в тому, щоб виходячи з комплекту завдань, що включають обчислення і передачу даних, і системи серверів різної ресурсоємності, знайти такий розподіл завдань по серверам, яке забезпечує приблизно рівну обчислювальну завантаження кожного сервера і мінімальні витрати на передачу даних. Для виконання цього завдання можуть використовуватися різні алгоритми балансування навантаження, які враховують оцінки завантаження обчислювального вузла.

    Аналіз останніх досліджень і публікацій

    Найбільш відомими дослідженнями в області балансування, теоретичних досліджень і розробки фундаментальних основ розподілу навантаження, в створенні математичного апарату, моделей і методів управління для розподілу навантаження в розподілених системах займалися такі вчені як Є.І. Ігнатенко [3], В.М. Тарасов [4], F. Wang [5], V. Cardellini [6], S.Keshav [7], Xing-Guo Luo, Xing-Ming Zhang [8], Hisao Kameda, Lie Li [9], а також інші дослідники, що працюють над проблемами розподілу навантаження.

    Численні дослідження процесів в інформаційних мережах показали, що реалізації мережевого трафіку мають властивість масштабної інваріантності (самоподібності). Самоподібний трафік має особливу структуру, що зберігається на багатьох масштабах - в реалізації завжди присутня деяка кількість дуже великих викидів при відносно невеликому середньому рівні трафіку. Ці викиди викликають значні затримки і втрати пакетів, навіть коли сумарна потреба всіх потоків далека від максимально допустимих значень. Дослідженнями властивостей самоподібного трафіку в телекомунікаційних мережах займалися такі вчені як W.E. Leland, M.S. Taqqu, W. Willinger, D.V. Wilson, А.В. Лемешко [10], В.В. Турупалов, Є.Г. Ігнатенко [3] та інші.

    Самоподібні властивості виявлені в локальних і глобальних мережах, зокрема в трафіки Ethernet, ATM, додатків TCP, IP, VoIP і відеопотоках. Причина такого ефекту полягає в особливостях розподілу файлів по серверам, їх розмірах, в типову поведінку користувачів. Виявилося, що з самого початку не проявляють властивостей самоподібності потоки даних, пройшовши обробку на вузлових серверах і активних мережевих елементах, починають подавати яскраво виражені ознаки самоподібності. Наявність у переданих клієнтами інформаційних потоків властивостей самоподібності дуже впливає на ефективність роботи розподілених систем. Особливо важливу роль це відіграє для роботи сервісів, що забезпечують передачу мультимедійного трафіку і трафіку реального часу. Таким чином, актуальною є задача розробки і аналізу алгоритму балансування навантаження, який враховує самоподоба трафіку і завантаження кожного вузла і всієї розподіленої системи.

    Мета роботи

    Метою даної роботи є розробка методу балансування навантаження при самоподібних вхідному потоці з урахуванням завантаження вузлів розподіленої системи і аналіз результатів імітаційного моделювання при роботі запропонованого методу для різних алгоритмів балансування.

    Основна частина

    Для отримання інформації про поточний стан обчислювального вузла виділяють два підходи: зовнішній моніторинг стану обчислювальних вузлів розподіленої системи і внутрішній моніторинг.

    Зовнішній моніторинг системи балансування навантаження.

    Система балансування централізовано збирає дані про стан всіх обчислювальних вузлів розподіленої системи. Існує кілька методів зовнішнього моніторингу.

    1. Метод розрахунку системою балансування навантаження часу відгуку обчислювального вузла, для чого вона спрямовує на вузол запит на послугу і заміряє час відповіді (наприклад, використовуючи протокол управління повідомленнями Internet Control Меssage Ргоtосоl - ICMP). Даний метод дозволяє системі переконатися в готовності обчислювального вузла і визначити кількість часу, необхідне для передачі даних на обчислювальний вузол від системи балансування навантаження і назад. Однак затримка в отриманні відповіді може надаватися незалежно від завантаження обчислювального вузла. Тут затримки може вносити середовище передачі даних. Якщо навантаження на мережу в розподіленої системі нерівномірна, то дані про завантаження вузлів, засновані на часі відповіді вузла, можуть бути сильно спотворені.

    2. Метод, заснований на відправку службових пакетів підконтрольним вузлів з метою отримання більш детальної інформації про завантаження обчислювального вузла (встановлення з'єднання з обчислювальним вузлом по протоколу ТСР).

    3. Метод, що дозволяє забезпечувати моніторинг часу відгуку і готовності обчислювального вузла і додатків, що працюють на ньому [3]. Час відгуку програми визначається як інтервал часу між відправленням запиту на надання даних і до моменту оголошення про готовність до передачі.

    Основною перевагою даного підходу є можливість враховувати продуктивність обчислювального вузла і вводити вагові коефіцієнти, які можна динамічно змінювати в процесі роботи системи балансування, що дозволяє більш гнучко змінювати навантаження на обчислювальний вузол.

    недоліки:

    а) дані про завантаження вузла виражаються тільки часом відповіді на запит системи балансування, яке може бути великим через перевантаження в мережі, а не завантаження самого вузла;

    б) відсутність даних про стан процесора, пам'яті, системи введення / висновки і т.д.

    Внутрішній моніторинг системи балансування навантаження.

    Використовується для отримання більш детальної інформації про стан обчислювального вузла. При такому підході на кожен вузол розподіленої системи поміщається програма-агент, яка збирає дані про вузол, на якому вона знаходиться. Дані від програм-агентів можуть передаватися на балансувальник або після запиту центральної (диспетчерської) частини системи балансування навантаження,

    або програми-агенти можуть самостійно передавати відомості про завантаження підконтрольного вузла на центральний вузол через певний інтервал часу. При цьому підході існує проблема визначення частоти передачі обробленої інформації на балансувальник. Перший метод дозволяє за запитом центрального вузла отримувати дані від всіх вузлів в той момент, коли необхідно поставити новий запит клієнта в чергу на виконання. Другий метод дозволяє постійно мати свіжі дані про завантаження обчислювальних вузлів, але при цьому підвищується навантаження на мережу через постійну передачі службових даних.

    Основним недоліком даного підходу є використання службовими програмами-агентами певної кількості ресурсів вузла. Обсяг необхідних ресурсів вузла програмами-агентами залежить від того, за скількома параметрам йде оцінка завантаженості обчислювального вузла [3, 4], чи йде обробка цих даних на самому вузлі або вони передаються на центральну машину системи балансування навантаження. Тому при розробці системи балансування навантаження важливим питанням є визначення критеріїв завантаження обчислювального вузла. Буде потрібно більшу кількість ресурсів вузла для обробки інформації про завантаження компонентів (процесор, пам'ять) вузла. Однак, оцінка завантаження тільки одного компонента не дає об'єктивних даних про стан всього вузла. Тому в роботі запропоновані критерії, що враховують в сукупності кілька ресурсів вузла.

    Система балансування складається з активного балансувальника, резервного балансувальника і групи серверів [3, 11, 12, 13].

    Критерії оцінки завантаження розподіленої системи.

    1. Середнє завантаження кожного u -го процесора CPUu (T) i -го сервера визначається як середнє завантаження процесора протягом спостережуваного періоду Т. Наприклад, якщо період спостережень становить 1 хв., А завантаження процесора записується через кожні 10 секунд, тобто CPUu це середнє значення з шести записаних значень i -го сервера.

    Аналогічно визначається середнє завантаження кожної r -й пам'яті RAMr (T) i -го сервера і середнє завантаження до -го каналу Netk (T) i -го сервера протягом спостережуваного періоду.

    2. Введемо середній коефіцієнт використання всіх процесорів в системі. Нехай CPUn середнє завантаження ЦПУ i -го сервера,

    л "УNcpuucpun

    jAll _?-год 1 l

    CPU * "= l '-, (1)

    u У Ncpun

    де N - загальне число фізичних серверів в системі, п ^ - кількість ЦПУ на 1-му сервері.

    Аналогічним чином, середній коефіцієнт використання пам'яті ЯЛИ1 1, пропускної спроможності

    лінії зв'язку 1-го

    може бути визначена.

    лінії зв'язку 1-го сервера, вся пам'ять ЯЛИЛ, і вся пропускна здатність мережі в системі

    All YNRAMrRAMmi

    fAll_? -ii _ »_ l

    1N л ,, m

    RAM ™ = ^ -----, (2)

    yNRAMm

    л ,, У N Netf Netk

    N "A = ljNe<t '(3)

    3. Значення дисбалансу всіх процесорів. Використовуючи формулу дисперсії, значення дисбалансу всіх процесорів в системі визначається як

    ISLcpu = У n (CPUf -CPUf) 2, (4)

    Точно так само можуть бути розраховані значення дисбалансу пам'яті і пропускної здатності мережі.

    ISLRAM = У N (RAMГ1 - RAMf) 2, (5)

    ISLNet = У N (Netf - Netf) 2, (6)

    4. Введемо комплексне значення дисбалансу навантаження SIL, i -го сервера, що враховує всі три ресурсу сервера. Використовуючи формулу розрахунку дисперсії як міри нерівномірності, інтегроване значення дисбалансу навантаження i -го сервера можемо визначити як:

    Б1Ц = а (Срі? - СРіА) 2 + Ь (ЯАМ1 - ВАМ,) 2 + с (ИеГ- - ИеА Г, (7)

    Параметри а, b, с позначають вагові коефіцієнти для процесора, пам'яті і пропускної здатності мережі, відповідно, які вибираються експериментальним шляхом таким чином, що а + Ь + с = 1, в залежності від розв'язуваних завдань і структури системи.

    застосовується для позначення рівня дисбалансу навантаження шляхом порівняння коефіцієнтів використання процесора, пам'яті і пропускної здатності мережі.

    5. Тоді сумарні значення дисбалансу всіх серверів в системі записується як:

    = ИI, (8)

    6. Ефективність використання визначається як середнє навантаження на будь-якому сервері.

    Таким чином, для планування ресурсів була розроблена методика комплексного вимірювання загального рівня дисбалансу системи, а також середнього рівня дисбалансу кожного сервера.

    Самоподібні і мультифрактального властивості трафіку. Самоподібність випадкових процесів полягає в збереженні статистичних характеристик при зміні масштабу часу і характеризується показником Херста Н, який є ступенем самоподібності. стохастичний процес

    _Н / ч

    X (^) є статистично самоподібним, якщо процес а X (а1) має ті ж статистичними характеристиками другого порядку, що і X). Параметр Н, званий параметром Херста, являє собою міру самоподібності стохастичного процесу. Моменти самоподібного випадкового

    = С (д) |, де величина С (д) - деяка детермінована

    процесу можна виразити як M

    X (t)

    функція. Для мультифрактального процесів виконується відношення M

    X (t) | '

    = C (q) | tqh (q), де c (q)

    -детермінована функція; h (q) - узагальнений показник Херста, який є в загальному випадку нелінійної функцій. Значення h (q) при q = 2 збігається зі значенням ступеня самоподібності H [14].

    Самоподібний трафік має особливу структуру, яка зберігається на багатьох масштабах - в реалізації завжди присутня деяка кількість дуже великих викидів при відносно невеликому середньому рівні трафіку. Мультифрактальний трафік визначається як розширення самоподібного трафіку за рахунок обліку масштабованих властивостей статистичних характеристик другого і вище порядків.

    В роботі характеристикою неоднорідності мультифрактального потоку даних запропоновано вважати діапазон узагальненого показника Херста Sh = h (qmin) - h (qmax). Для монофрактальних процесів узагальнений показник Херста не залежить від параметра q і є прямою лінією: h (q) = H, Sh = 0. Чим більше неоднородсть процесу, тобто ніж великі викиди присутні в трафіку, тим більше діапазон Sh.

    Метод балансування з урахуванням мультифрактального властивостей трафіку. Розглянемо метод балансування, який враховує мультифрактального властивості трафіку. Система балансування навантаження складається з компонентів, представлених на рис. 1. Балансувальник навантаження має веб-інтерфейс для відстеження, настройки та адміністрування розподілу навантаження.

    Пропонований метод балансування навантаження заснований на використанні комплексу методів внутрішнього і зовнішнього моніторингу. Використання зовнішнього моніторингу системи дозволяє періодично тестувати мережу для визначення найбільш завантажених сегментів. Використання внутрішнього моніторингу стану обчислювального вузла дозволяє отримати об'єктивну картину завантаження вузла і дані про завантаження окремих компонентів вузла. Критеріями завантаження обчислювального вузла пропонується вважати завантаження процесора, пам'яті і пропускної здатності каналу для потоків різних класів обслуговування. Щоб враховувати потенційну обчислювальну потужність кожного ресурсу вузла, пропонується використовувати вагові коефіцієнти. Даний метод враховує мультифрактального властивості вхідного інформаційного потоку. Використання комплексного підходу при балансуванні навантаження дозволить домогтися збільшення продуктивності розподіленої обчислювальної системи.

    Процес pulse - це керуючий процес, який на активному балансувальник запускає процес lvs, а на резервному балансувальник буде відстежувати стан активного, періодично опитуючи його. Якщо активний балансувальник не відповідає протягом заданого періоду часу, буде ініційовано процес передачі його функцій резервному балансувальник. При цьому pulse на резервному балансувальник відправляє процесу pulse на активному балансувальник команду зупинки всіх служб lvs, запускає send arp для присвоєння віртуальних IP-адрес MAC-адресу резервного балансувальника і запускає процес lvs. Процес send arp розсилає широкомовні пакети ARP при переході віртуального IP-адреси від одного вузла іншому [15].

    Процес lvs запускається на активному балансувальник за викликом pulse. Він викликає службу ipadm для створення, додавання, зміни і видалення записів в таблиці маршрутизації IP. Процес lvs запускає процес status для кожної налаштованої служби розподілу навантаження. Якщо status повідомляє про те, що реальний сервер відключений, lvs змусить утиліту ipadm видалити цей сервер з таблиці IP. Основним призначенням процесу status, що працює на активному балансувальник, є спостереження за навантаженням серверів, збір і аналіз статистики про поточний стан системи і інтенсивності трафіку. Процес status передає оброблену і проаналізовану інформацію в підсистему балансування навантаження процесу infstatus. Процес infstatus в свою чергу передає інформацію про поточний стан системи процесу соіп_рагсе.

    Активний Резервний балансувальник

    Малюнок 1. Компоненти системи балансування навантаження

    Процес fractal проводить розрахунок мультифрактального властивостей кожного вхідного потоку даних і передає цю інформацію процесу coun_parce. Процес algor вибирає алгоритм балансування навантаження і також передає цю інформацію процесу coun_parce. Процес coun_parce проводить розрахунок розподілу потоків по вузлах мережі з урахуванням класифікації трафіку, завантаженості серверів і каналів зв'язку, дисбалансу серверів і всієї системи. Результати розрахунку передаються процесу parce, який здійснює динамічний розподіл трафіку по різних каналах зв'язку і вузлів в залежності від їх поточного стану. Також результати розрахунку процесу coun_parce передаються процесу qos для гнучкого налаштування забезпечення якості обслуговування відповідно до методами управління трафіком (управління пропускною спроможністю каналів і пам'яті, продуктивністю процесорів, кеш-пам'яті), якщо це необхідно. У разі застосування методів управління трафіком процесом qos, інформація про зміни має процесу infstatus.

    Результати імітаційного моделювання. Був розроблений програмний продукт, який дозволяє проводити імітаційне моделювання роботи системи балансування навантаження за допомогою різних алгоритмів балансування, використовуючи запропонований метод. Розглянуто три основних алгоритму балансування навантаження: Round Robin, Round Robin Weight і Compare Balance. Алгоритм Round Robin (кругового обслуговування), являє собою перебір по круговому циклу: перша задача передається одному вузлу, потім наступна задача передається іншому і так до досягнення останнього вузла, а потім все починається спочатку. В алгоритмі Round Robin Weight кожному вузлу привласнюється ваговий коефіцієнт відповідно до його продуктивністю і потужністю. Це допомагає розподіляти навантаження більш гнучко, так як вузли з великою вагою обробляють більше запитів. Алгоритм Compare Balance використовується для досягнення рівноважного стану і управління незбалансованої навантаженням системи. У цьому алгоритмі балансувальник випадковим чином вибирає сервера і порівнює їх навантаження, після чого відправляє заявку на обробку сервера з меншим завантаженням.

    Для аналізу роботи алгоритмів балансування були проведені чисельні дослідження роботи системи балансування при різних значеннях навантаження, кількості серверів і параметрів мультифрактального трафіку. На рис. 2-4 показано зміна дисбалансу процесорів, пам'яті і пропускної здатності каналів (4-6) в разі 2-х серверів, а також комплексне значення дисбалансу навантаження кожного сервера (7) при роботі алгоритму балансування Compare Balance. Параметри a, b, c, які позначають вагові коефіцієнти для процесора, пам'яті і пропускної здатності мережі, були обрані рівнозначними.

    System imbalance representation

    2000

    1500

    Малюнок 2. Дисбаланс системи при параметрах трафіку H = 0.6 і Ah = 1.5 .

    System imbalance representation

    CPU RAM

    BANDWITH Complex Load Server 1 Complex Load Server 2

    a. 1000

    у

    CD? 0) l / l

    500

    2000

    1500

    1000

    500

    Time

    Малюнок 3. Дисбаланс системи при параметрах трафіку H = 0.9 і Ah = 1.5

    У першому випадку (рис. 2) на балансувальник надходить згенерований трафік з параметром H = 0.6 і діапазоном узагальненого показника Херста Ah = 1.5. Мал. 2 демонструє дисбаланс системи для трафіку з більш сильною довгостроковій залежністю (H = 0.9) і тієї ж неоднорідністю, що і в першому випадку. На рис. 4 представлені результати моделювання роботи балансувальника в разі великих значень як параметра Херста H = 0.9, так і діапазону узагальненого показника Херста Ah = 2.5 .

    Таблиця 1

    Параметри Round Robin Round Robin Weight Compare Balance

    Втрачені дані,% 1,94 1,64 0,98

    Середній час очікування, мс 4 6 8

    Дослідження показали, що дисбаланс системи істотно залежить від мультифрактального характеристик трафіку. При невеликих значеннях Н і невеликий неоднорідності система балансування приходить в рівноважний стан і значення дисбалансу прагне до нуля. При збільшенні показника Херста з плином часу дисбаланс системи не згасає і система балансування не спадає на рівноважний стан. При великих значеннях показника Херста і великий неоднорідності система балансування знаходиться в нестійкому стані і значення дисбалансу змінюється в кілька разів, що

    призводить до максимального завантаження ресурсів. У табл. 1 наведені значення кількості втрачених даних і середній час очікування заявок в системі при роботі алгоритмів балансування Round Robin, Round Robin Weight і Compare Balance.

    500000

    400000

    System imbalance representation

    > 200000 -

    100000

    500000

    - 400000

    200000

    100000

    120

    140

    160

    180

    200

    Малюнок 4. Дисбаланс системи при параметрах трафіку H = 0.9 і ДА = 2.5

    Проведені дослідження показали, що з трьох розглянутих алгоритмів найкращим є алгоритм Compare Balance. При роботі даного алгоритму кількість втрачених даних є найменшим і, відповідно, забезпечує найкращу якість обслуговування для чутливого до втрат трафіку. Однак середній час очікування заявки в системі є найбільшим у алгоритму Compare Balance, що відбувається через врахування даними алгоритмом стану серверів.

    висновки

    В роботі запропонований метод балансування навантаження з урахуванням оцінювання завантаження вузлів розподіленої системи. При оцінюванні завантаження вузлів розраховується середнє завантаження процесора, пам'яті і пропускної здатності каналу на основі завантаження, яка виміряна системою обліку або монітором операційної системи. Це дозволяє обчислити дисбаланс всіх серверів системи, середню тривалість роботи та ефективність використання ресурсів системи при різних алгоритмах балансування.

    В роботі проведено імітаційне моделювання запропонованого методу і алгоритмів балансування Round Robin, Round Robin Weight і Compare Balance, яке показало, що найменшу кількість втраченої інформації виходить при роботі динамічного алгоритму балансування, а найменший час відгуку - при статичному. Результати моделювання показали, що мультифрактального характеристики трафіку істотно впливають на дисбаланс системи. При невеликих значеннях показника Херста і невеликий неоднорідності трафіку значення дисбалансу прагне до нуля і система балансування приходить в рівноважний стан. При великих значеннях показника Херста і неоднорідності система балансування постійно знаходиться в нестійкому стані, що призводить до максимального завантаження ресурсів. Використання запропонованого методу при балансуванні навантаження, з урахуванням інформації про стан серверів і всієї системи, дозволяє балансувальник виділити сервер, який здатний найкращим чином впоратися з обробкою прийшов мультифрактального потоку завдань.

    2. 3.

    4.

    Список використаної літератури

    Чжоу Т. Системи балансування навантаження Web-серверів / Тао Чжоу // Журнал «Windows 2000 Magazine» .- 2000. - № 03/2000.

    Воєводін В.В. Паралельні обчислення / В.В. Воєводін // СПб: БХВ-Петербург. - 2003. Ігнатенко О.І. Адаптивний алгоритм моніторингу завантаженості мережі кластера в системі балансування навантаження / Є.І. Ігнатенко, В.І. Бессараб, І.В. Дегтяренко // Науковi пращ ДонНТУ. -2011. - Віп.21 (183). - С.95-102.

    Тарасов В.Н. Математичні моделі хмарного обчислювального центру обробки даних з використанням Openflow / В.Н. Тарасов, П.Н. Полежаєв, А.Е. Шухман, Ю.А. Ушаков, А.Л. Коннов // ВІСНИК ОДУ. - 2012. - №9 (145). - С.150-155.

    Wang F. User-priority guided min-min scheduling algorithm for load balancing in cloud computing /

    F. Wang, H. Chen, N. Helian, G. Akanmu. // National Conference Parallel Computing Technologies (PARCOMPTECH). - 2013. - P.1-8.

    6. Cardellini V. Dynamic Load Balancing on Web-server Systems / V. Cardellini, M. Colajanni, P. S. Yu. // IEEE Internet Computing. - 1999. - Vol.3, No.3.- P.28-39.

    7. Keshav S. An Engineering Approach to Computer Networking / S.Keshav. // Addison-Wesley, Reading, MA. - 1997. - P. 215-217.

    8. Luo Xing-Guo. Job Scheduling Model for Cloud Computing Based on Multi-Objective Genetic Algorithm / Xing-Guo Luo, Jing Liu, Xing-Ming Zhang, Fan Zhang and Bai-Nan Li // IJCSI International Journal of Computer Science. - 2013. - V.10 (1), № 3. - P.134-139.

    9. Optimal Load Balancing in Distributed Computer Systems / [Hisao Kameda, Lie Li, Chonggun Kim, Yongbing Zhang.]. - Springer, Verlag London Limited., 1997. - 238 p.

    10. Лемешко А.В. Удосконалення потокової моделі багатоколійні маршрутизації на основі балансування навантаження / А.В. Лемешко, Т.В. Вавенко. // Проблеми телекомушкацш. - №1 (6). - 2012. -С.12 - 29.

    11. Shang Zhihao. Design and implementation of server cluster dynamic load balancing based on OpenFlow / Zhihao Shang, Wenbo Chen, Qiang Ma, Bin Wu // Awareness Science and Technology and Ubi-Media Computing (iCAST-UMEDIA). - 2013. - P.691 - 697.

    12. Tian Wenhong. Optimized Cloud Resource Management and Scheduling: Theories and Practices. / Wenhong Tian, ​​Yong Zhao. - Morgan Kaufman, 2014. - 284 p.

    13. Red Hat Enterprise Linux. Огляд планування розподілу навантаження [Електронний ресурс] / Red Hat Enterprise Linux - Електронш дат. - [Red Hat Enterprise Linux, 2015]. - Режим доступу: https://access.redhat.com/documentation/ru-

    RU / Red_Hat_Enterprise_Linux / 6 / html / Virtual_Server_Administration / s 1 -lvs-scheduling-VSA.html (дата Звернення 13.06.2016 р.). - Назва з екрана.

    14. Kantelhardt J.W. Fractal and multifractal time series / J.W. Kantelhardt // Mathematics of complexity and dynamical systems. -2012. - Р.463-487

    15. Erl Thomas. Cloud Computing Design Patterns / Thomas Erl, Robert Cope, Amin Naserpour // Prentice Hall, Ed.1st. - 2015. - P.592.


    Ключові слова: БАЛАНСУВАННЯ НАВАНТАЖЕННЯ /LOAD BALANCING /мультифрактального ПОТІК /MULTIFRACTAL FLOW /ДИСБАЛАНС /IMBALANCE /ОЦІНКА ЗАВАНТАЖЕННЯ /розподілені системи /DISTRIBUTED SYSTEM /самоподібності /SELF-SIMILARITY

    Завантажити оригінал статті:

    Завантажити