dh结构化p2p网络负载均衡模型研究.docxVIP

dh结构化p2p网络负载均衡模型研究 基于离散分布策略（dhs）的p2p网络，网络中的对象和节点通过统一的哈希函数将网络中的资源存储在距离共同节点附近的空间中。由于哈希函数的随机性，每个建筑工具的节点和对象分布也是随机性的。因此，每个节点都有不同的堆栈。在文献中，一些节点负责的堆栈可能是其他节点的o（log2n）的两倍，而n是p2p网络的节点数。此外，无论p网络上的节点是共享对象还是负载量，其处理能力是否相同，都可以执行相同的功能角色。在现有的研究中，节点的处理能力（包括内存、带宽和cpu性能）之间存在很大差异。容易出现一些处理能力较弱的节点承担大量负荷，而处理能力较强的节点承担较低的负荷，这给p2p网络带来了负载不平衡。 负载均衡是一个经典且被广泛研究的课题,文献中针对并行处理系统提出的负载均衡算法,有效地将单个处理任务有机地分配到多个处理器上,减少多处理器系统中单任务的执行时间.为实现分布式系统的动态负载平衡,文献中基于Multi-Agent提出了一种新的分布式系统动态负载平衡算法.根据节点间转移虚拟服务器的思想,文献中针对P2P网络的负载不均衡问题,提出了一对一、一对多和多对多负载均衡算法.文献中扩展了文献的一对多和多对多负载均衡算法,使其适应动态P2P系统.但文献中的负载均衡算法依赖系统中指定的d个目录服务节点来收集负载信息和生成转移策略,这种类似于集中式处理方式容易引起单点失效问题;而且在转移负载时,由于没有考虑节点间的物理位置关系,使负载均衡开销增大,延缓了负载均衡操作的收敛时间.文献中通过在Chord系统上嵌入K-ary树模型,并采用界标簇算法来收集网络中节点的位置信息,使负载转移尽量在物理位置较近的节点之间进行,从而减少转移负载的物理跳数,节省系统资源.但K-ary树的根节点需要定期收集所有节点的负载信息,并在将收到的信息分发给K-ary树中各个节点后,模型中的节点才能确定自身的负载状态.因此,在K-ary树中某个父节点失效到其恢复前,其孩子节点所在子树中的负载不均衡问题无法解决,并且每次负载转移后,K-ary树需要重新构造,使得构造和维护K-ary树的开销较大,P2P系统不便于扩展.在文献中,每个节点周期性地收集邻近区域内其它节点的负载信息,并选择链路延迟较小的节点转移负载,但该方法只能保证局部的负载均衡,很难较快地使整个P2P系统达到负载均衡. 文中在超立方体P2P覆盖网络上构建一个基于二叉树的负载均衡模型,根据节点的承载容量分配相应的负载,以减少负载均衡过程中的通信冗余和负载转移开销等.首先,将P2P系统中的节点组织成一个层次化的二叉树型结构,负责收集与分发节点的负载信息,以减少负载均衡代价,并便于P2P系统的扩展.同时,通过引入均衡域概念,将P2P系统中的节点划分到各个均衡域中,使负载均衡操作可以在整个系统或各均衡域中完成,有利于将整个P2P系统的负载均衡任务按照并行与分布式处理,降低负载均衡算法的时间复杂度,使负载均衡模型具有很好的适应性. 1 系统模型 1.1 负载均衡特性 (1)虚拟服务器.虚拟服务器是Chord系统中为改善节点负载量而提出的一个概念,也是文中负载均衡处理的基本单位.虚拟服务器类似于P2P网络中的节点,一个虚拟服务器负责相应的键值空间,而每个物理节点可拥有多个虚拟服务器.从负载均衡的观点,虚拟服务器可以表示确定的负载量.当物理节点过载时,可以在其拥有的虚拟服务器中选择一个或多个虚拟服务器转移到其它非过载节点上. (2)均衡域.均衡域是并行计算机系统中的一个概念,通过将系统划分为多个独立的处理器集合(称为均衡域),可以将单个处理任务分配到多个处理器上,减少多处理器系统中单任务的执行时间.在图2中,均衡域是指位于同一棵子树中的节点集合,如节点000和001属于同一个均衡域,节点000、001、010和011属于同一个均衡域.均衡域的规模可以从几个节点到整个系统,负载均衡决策唯一依赖于每个均衡域的负载状态,各个均衡域可以并行地进行负载均衡操作,以减少整个系统负载均衡操作的收敛时间,降低负载均衡算法的时间复杂度. (3)节点利用率.节点利用率是指节点的负载与承载能力的比值.节点的承载能力(综合处理能力)可以是节点的CPU处理能力,也可以是节点的存储空间大小.不失一般性,文中假定其为节点的存储空间大小.通过引入节点利用率的概念,在负载均衡过程中可有效地处理P2P系统中的节点异构性问题,并按照节点的实际承载能力分配相应的负载,从而避免承载能力弱的节点承担较高的负载量,使P2P系统中的负载均衡分布. (4)均衡域利用率.均衡域利用率是指均衡域中所有节点的负载总量与总承载能力的比值.当整个系统属于同一个均衡域中时,均衡域利用率表示系统利用率.根据均衡域利用率,可以在不同的均衡域内实施不同的负载均