【技术实现步骤摘要】
本专利技术涉及数据传输，具体为一种基于数据流量的负载均衡控制方法。
技术介绍
1、随着互联网流量的持续增长和业务需求的多样化，负载均衡技术在现代分布式系统中扮演着至关重要的角色。传统负载均衡方法主要依赖固定的流量分配规则或简单的负载检测机制，无法充分应对实时流量的复杂变化和突发增长问题。在现有技术中，以下不足尤为明显：
2、分类不够精细：现有流量分类模型往往基于静态规则或简单分类算法，难以动态适配多样化的业务场景，例如延迟敏感型和带宽密集型流量的混合处理。
3、路径调度单一：现有负载均衡技术往往采用单路径调度，忽视多路径传输的潜力，无法充分利用网络资源以提高系统的吞吐量和稳定性。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于数据流量的负载均衡控制方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、第一方面，本专利技术实施例提供了一种基于数据流量的负载均衡控制方法，包括以下步骤：
4、s1、构建基于数据流量的流量监测模块；
5、s2、对流量监测模块采集的流量进行分类，构建自适应流量分类模型；
6、s3、根据流量分类结果，对负载均衡的各负载节点动态分配权重；
7、s4、根据负载节点的实时状态，动态调整流量的传输路径；
8、s5、基于流量分类、权重调整和路径规划的结果，进行实时的负载均衡调度；
9、s6、在负载
10、进一步优化本技术方案，所述步骤s1中，流量监测模块中配置有多个探针节点，覆盖网络的所有路径，用于确保采集到全面、准确的流量信息；
11、流量监测模块基于探针节点动态监听网络中所有路径的流量。
12、进一步优化本技术方案，所述步骤s2中，自适应流量分类模型，包括：
13、流量特征的多模态表示；
14、模糊归属度计算；
15、动态权重调整；
16、最终分类决策。
17、进一步优化本技术方案，所述流量特征的多模态表示，包括：
18、设置流量监测模块采集的流量的特征集为，其中每个表示一个特征；
19、将特征通过归一化和编码处理，映射到高维模态空间中，映射过程如下所示：
20、；
21、其中，
22、是第个流量样本的特征向量；
23、是样本在特征上的值，由映射函数处理得到；
24、所述模糊归属度计算，包括：
25、将得到的流量样本特征向量与分类类别中心点进行比较，计算样本属于类别的模糊归属度；
26、所述动态权重调整，包括：
27、动态调整每个类别的权重，权重调整基于实时流量的负载情况，计算公式如下所示：
28、；
29、其中，
30、：类别的动态权重；
31、：类别的当前流量占比；
32、：全局平均流量占比；
33、：灵敏度参数，用于调节权重变化的敏感度；
34、所述最终分类决策，包括：
35、结合模糊归属度和动态权重，计算每个类别的综合得分，并将样本分配到得分最高的类别，输出最终的分类结果。
36、进一步优化本技术方案，所述计算样本属于类别的模糊归属度时，计算公式如下所示：
37、；
38、其中，
39、：样本对类别的模糊归属度，取值范围为[0,1]；
40、：样本特征与类别中心的欧氏距离；
41、：类别的模糊参数，控制模糊分类的范围和精度；
42、结合模糊归属度和动态权重，计算每个类别的综合得分，计算公式如下所示：
43、；
44、其中，
45、：样本的最终分类结果；
46、：模糊归属度，反映样本与类别的特性相似性；
47、：动态权重，反映类别当前的负载状态。
48、进一步优化本技术方案，所述步骤s3中，通过分析不同类别流量的特性，特性包括稳定性、突发性和敏感性，计算各个负载节点的负载承载能力；
49、根据实时的流量监测数据和历史趋势预测，当检测到短期内流量突增时，提前提高备用负载节点的权重以缓解主负载节点压力。
50、进一步优化本技术方案，所述步骤s4中，采用多路径流量重构算法，允许部分流量同时使用多条路径传输，用于增加传输的稳定性和吞吐量；
51、所述多路径流量重构算法中，定义以下参数：
52、：总流量特征向量，包括多维属性，包括延迟敏感性、带宽需求；
53、：可用路径集合，其中表示第条路径；
54、：路径的质量指标，定义为：
55、；
56、其中：
57、：路径的延迟；
58、：路径的抖动；
59、：路径的丢包率；
60、：权重参数，满足；
61、：流量切分比例，满足：
62、；
63、：分配给路径的流量子集。
64、进一步优化本技术方案，所述多路径流量重构算法，包括：
65、路径优先级计算；
66、初始流量切分比例；
67、业务特性调整；
68、动态平衡修正。
69、进一步优化本技术方案，所述步骤s5中，利用中心控制节点，实时收集各负载节点的状态信息，并动态分配数据流量；
70、为应对突发流量，基于快速回退机制，当某负载节点超载时，流量立即被转移到备用负载节点或空闲资源池。
71、进一步优化本技术方案，所述步骤s6中，利用基于深度学习的流量分析模型，对异常流量进行精准识别，判断异常流量的来源及威胁类型；
72、一旦确认异常流量，立即隔离相关负载节点，并重新分配合法流量的路由。
73、第二方面，本专利技术实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本专利技术第一方面所述的一种基于数据流量的负载均衡控制方法的步骤。
74、第三方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本专利技术第一方面所述的一种基于数据流量的负载均衡控制方法的步骤。
75、与现有技术相比，本专利技术提供了一种基于数据流量的负载均衡控制方法，具备以下有益效果：
76、该基于数据流量的负载均衡控制方法，通过引入自适应流量分类模型以及多路径流量重构算法，从根本上解决了现有技术的不足。对流量特性的深度分类以及多路径动态切分策略，显著提升了系统的实时性、稳定性和资源利用率。该方法能够在复杂流量场景下优化资源分配，提高负载均衡效率，同时保本文档来自技高网...
【技术保护点】
1.一种基于数据流量的负载均衡控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述步骤S1中，流量监测模块中配置有多个探针节点，覆盖网络的所有路径，用于确保采集到全面、准确的流量信息；
3.根据权利要求1所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述步骤S2中，自适应流量分类模型，包括：
4.根据权利要求3所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述流量特征的多模态表示，包括：
5.根据权利要求4所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述计算样本属于类别的模糊归属度时，计算公式如下所示：
6.根据权利要求1所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述步骤S3中，通过分析不同类别流量的特性，特性包括稳定性、突发性和敏感性，计算各个负载节点的负载承载能力；
7.根据权利要求1所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述步骤S4中，采用多路径流量重构算法，允许部分流量同时使用多条路径传
8.根据权利要求7所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述多路径流量重构算法，包括：
9.根据权利要求1所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述步骤S5中，利用中心控制节点，实时收集各负载节点的状态信息，并动态分配数据流量；
10.根据权利要求1所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述步骤S6中，利用基于深度学习的流量分析模型，对异常流量进行精准识别，判断异常流量的来源及威胁类型；
...【技术特征摘要】
1.一种基于数据流量的负载均衡控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述步骤s1中，流量监测模块中配置有多个探针节点，覆盖网络的所有路径，用于确保采集到全面、准确的流量信息；
3.根据权利要求1所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述步骤s2中，自适应流量分类模型，包括：
4.根据权利要求3所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述流量特征的多模态表示，包括：
5.根据权利要求4所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述计算样本属于类别的模糊归属度时，计算公式如下所示：
6.根据权利要求1所述的一种基于数据流量的负载均衡控制方法，其特征在于，所述步骤s3中，通过分...
【专利技术属性】
技术研发人员：周苗，黄宝红，于楠，
申请(专利权)人：江苏秋影科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。