基于物联网技术的异构集群动态负载均衡算法

李 娟

(陕西学前师范学院信息工程学院，陕西 西安 710100)

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：

(1)

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：

(2)

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：

(3)

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：

(4)

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：

(5)

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：

(6)

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：

(7)

式(7)中，w为传输节点的信息强度，d为多径分量的时间延迟。通过给定的置信水平对信号进行盲源分离，引入互信息熵动态加权控制方法[8]，在考虑类间可分性的情况下，得到异构集群信道多径扩展分量为：

(8)

在此基础上，对不同信息传输信道中的分布信号进行重组，得到不同信号分布特征值为：

(9)

式(9)中，∂为簇内散布度，τn和δn分别为第n条异构集群传输信道的信道衰减系数和频域衰减系数，m为信号隶属度[9]。结合模糊均衡方法，依据K-means稀疏化特征分解过程得到异构集群的信道特征分解模型为：

P=(Mz-ρ)×n

(10)

式(10)中，ρ为信号码元宽度。

综上，通过上述过程实现了对异构集群传输信道的特征分解，为实现负载均衡调度奠定基础。

2 动态负载均衡算法设计

在上述构建异构集群的信道传输模型，并采用动态加权方法进行异构集群信道输出的均衡配置的基础上，进行动态负载均衡设计。

2.1 信道多径干扰抑制

首先建立异构集群信道均衡模型，采用波特间隔均衡采样方法进行异构集群信道输出均衡性控制[10-11]，得到接收的码元信号x′为：

(11)

式(11)中，N为异构集群信道传输过程中的噪声。为了消除噪声N，在极小化类内散布度的条件下，将节点对应的加权因子r与接收的码元信号x′作卷积运算：

X=x′*r

(12)

式(12)中，*表示卷积[12-14]。

在此基础上，采用杂波散射抑制方法进行信道均衡设计。

假设异构集群传输的多径信号为gn，杂波子空间的知识约束特征分量为b，通过空间均衡采样[15-17]，对异构集群信道进行多径干扰抑制，得到的抑制模型为：

(13)

式(13)中，v为异构集群信道的多径特征量动态负载的输出幅度。基于此，可根据异构集群信道的多径干扰抑制结果进行负载均衡设计。

2.2 负载均衡输出

首先采用波特间隔均衡采样方法进行异构集群信道输出均衡性控制，结合模糊度均衡配置方法进行异构集群的动态负载均衡处理[18-20]，异构集群传输的码元均衡分布序列为：

H=X×u

(14)

式(14)中，u为接收信号频谱。结合被动时间镜反转过程得到异构集群的动态负载均衡传递输出为：

Y=H×t+e

(15)

式(15)中，e为正交的脉冲串波形。在此基础上，基于杂波子空间约束方法可求得对异构集群动态负载均衡控制的传递函数满足[21-23]：

(16)

最后，结合波特间隔均衡采样方法进行异构集群信道输出均衡性控制，得到动态负载均衡输出模型如下：

(17)

综上所述，结合模糊度均衡配置方法进行异构集群的动态负载均衡处理，通过空间均衡调度实现了对异构集群的负载均衡设计。

3 仿真实验与结果分析

为验证基于物联网技术的异构集群动态负载均衡算法的实际应用性能，设计如下仿真实验。

3.1 实验准备

实验环境设置情况如下：实验仿真平台为MATLAB，异构集群传输信道的多普勒频率为0.25 Hz，信号输出的带宽为24 Hz，传感网络拓扑结构为层次结构，即汇聚节点、网关节点与传感节点间采用平面分级网络结构。信号采样的时间长度为1200 s，实验最大迭代次数为200次。

3.2 统计结果及分析

根据上述仿真场景和参数的设定，进行异构集群动态负载均衡设计。异构集群中信道的传输信号波形如图2所示。

图2 异构集群动态负载信号波形

以图2所示的动态负载为研究对象，结合信道多径干扰抑制过程建立异构集群信道均衡模型，实现动态负载均衡控制，得到信号均衡输出情况如图3所示。

图3 负载均衡输出

分析图3可知，在不同的信噪比环境下，随着实验时间的推移，所提算法输出信号的频率变化规律且波动较小。在信噪比为5 dB和20 dB时，输出信号的频率缓慢增加；在信噪比为-5 dB时，输出信号的频率呈现规律性变化。

为进一步验证所提的基于物联网技术的异构集群动态负载均衡算法的有效性，引入文献[4]中的基于改进权重的动态负载平衡算法和文献[5]中的流媒体集群动态负载均衡调度算法作为对比，得到文献[4]和文献[5]方法的信道输出情况如图4所示。

(a) 文献[4]方法

(b) 文献[5]方法

对比图3和图4可以看出，所提算法的均衡性更好。这是因为所提算法采用了波特间隔均衡采样方法实现对信道输出均衡性的有效控制。

在此基础上，测试在环境信噪比和时间变化时，不同算法下的异构集群信道输出结果误码率的变化情况，得到对比结果如图5所示。

(a) 文献[4]算法

(b) 文献[5]算法

(c) 本文算法

分析图5可知，随着环境信噪比和时间的不断变化，不同算法下异构集群信道输出结果误码率也在发生变化。采用文献[4]和文献[5]算法后，信道输出结果的误码率存在较高的情况。其中，文献[4]算法信道输出结果的误码率一度接近20%。经对比可知，采用本文算法后，信道输出结果的误码率较低，有效保证了异构集群信息传输的有效性和准确性。这是因为所提方法利用传感技术构建了统一的异构集群信道传输模型，且在通过模糊度均衡配置和空间均衡调度过程实现对异构集群动态负载的均衡处理前，对通信信道中噪声干扰进行了抑制，从而提高了均衡处理的效果。

4 结束语

本文提出了一种基于物联网技术的异构集群动态负载均衡算法。在Grubbs准则下完成异构集群传输信道的输出特征采样和模糊均衡控制，建立异构集群信道均衡模型，并结合多径特性测量方法进行信道传输信号分析，通过给定的置信水平进行盲源分离，引入互信息熵动态加权控制方法对其进行自适应均衡控制。在此基础上，结合模糊度均衡配置方法进行异构集群的动态负载均衡处理，通过空间均衡调度实现对异构集群的负载均衡设计。经实验分析得知，该算法下异构集群的负载均衡性较好，且该算法能保证信道输出的误码率始终保持在一个较低的水平。