一种AP接入负载均衡方法与流程

本发明涉及一种负载均衡方法，尤其涉及一种用于AP的接入负载均衡方法，属于无线通信技术领域。

背景技术：

在WLAN集中式网络架构中，AP(Wireless Access Point，无线网络接入点)的用户数据由遵循CAPWAP(无线接入点的控制和配置协议)的数据通道发往AC(Wireless Access Controller，无线接入控制器)，再通过AC转发。随着智能无线终端的普及和用户对无线网络需求的增加，WLAN规模不断扩大。大量用户接入无线网络，AP大规模部署，AC数量也随之增多。大量的用户数据导致AC的处理能力出现了瓶颈。此外，分散的AC设备的管理容易导致对AC设备资源利用的不平衡、网络资源浪费和可扩展性差等问题，进而引入了云AC。

如图1所示，云AC是由“AC云”、认证服务器(Radius)、无线接入点AP和终端基站STA组成的。将所有AC设备组合成一朵云，共同向外提供服务。在单AC系统中，AP归属同一个AC管理，不需要关心AP的归属。对于多AC系统(云AC)，一旦某台AP需要接入网络，不需要与特定的AC进行绑定，而是由云系统内动态地向其分配一台负载较小的AC，并且在其工作过程中，根据系统需要进行AC切换。于是，AC集群中AP接入负载均衡成为AC集群需要解决的问题。

现有的负载均衡策略主要基于当前时刻AP的数量、用户的数量、AC的用户网络流量等几个因素。然而，由于网络流量的突发性和各AP上用户流量不均衡等因素，仅从当前时刻AC管理的AP的数量和AC的网络流量等方面考虑不能对AC的负载情况进行全局的把握，因此，需要对AC的负载进行全局考虑，以减小AC负载的不均衡。

为了解决上述问题，在公开号为CN104113879A的中国专利申请中公开了一种部署有云AC的WiFi通信系统和通信方法。其中WiFi通信系统包括：多个云AC、执行对多个云AC的数据流进行负载均衡处理的AC代理服务器和通过AC代理服务器与多个云AC通信的AP；其中AP与AC代理服务器之间遵循CAPWAP，AC代理服务器的IP地址对AP公开，以使AP上电后发现AC代理服务器。通过该方法，AP不需要扩展其他私有协议，在实现云AC的基础上降低了开发成本，同时，云AC不再暴露给客户端，较好地实现AC的隐藏，提升了AC的安全性。但是，所有用户数据经过AC代理服务器进行负载均衡，一旦AC代理服务器出现问题，所有用户数据将不能正确转发。

技术实现要素：

本发明所要解决的技术问题在于提供一种AP接入负载均衡方法。

为实现上述发明目的，本发明采用下述的技术方案：

一种AP接入负载均衡方法，包括如下步骤：

S1，根据当前时刻AP的数量、用户的数量、AC用户网络流量预测下一时刻的AC用户网络流量情况；

S2，根据下一时刻的AC用户网络流量情况，判断AC的负载情况，并根据负载情况为AC设定优先级；

S3，根据AC的优先级，AP选择优先级高的AC接入。

其中较优地，在步骤S1中，预测下一时刻的AC用户网络流量情况采用新移动平均法，包括如下步骤：

S11，计算新接入的AP产生的网络流量：

其中，Y_n新(k)为新接入的AP产生的网络流量；Y_n(k)为当前时刻AC的网络流量；P_k为当前时刻接入的AP的数量，M_k(M＝0,1,2.....)为下一时刻新接入的AP的数量；

S12，计算接入新的AP后，当前时刻AC用户网络流量AC_n(k)：

AC_n(k)＝Y_n新(k)+Y_n(k)；

S13，重复步骤S11～S12，获取前N个时刻，接入新的AP后，当前时刻AC用户网络流量AC_n(k)，并将所述前N个时刻，接入新的AP后，当前时刻AC用户网络流量AC_n(k)组成重构序列；

S14，通过所述重构序列对下一时刻(N+1)的AC用户网络流量Y_n(N+1)进行预测:

Y_n(N+1)＝[AC_n(1)+AC_n(2)+……+AC_n(N)]/N。

其中较优地，在步骤S2中，所述AC的负载情况包括轻负载、中负载和重负载。

其中较优地，在步骤S2中，判断各个AC的负载情况，包括如下步骤：

获取下一时刻的AC用户网络流量情况；

将所述AC用户网络流量情况与设定的第一预设阈值进行比较；如果所述AC用户网络流量预测值小于第一预设阈值，则AC为轻负载；

否则，将所述AC用户网络流量情况与设定的第二预设阈值进行比较；如果所述AC用户网络流量预测值小于第二预设阈值，则AC为中负载；

否则，AC为重负载。

其中较优地，在步骤S2中，根据负载情况为AC设定优先级，包括如下步骤：

获取AC的负载情况，如果所述AC为轻负载，则所述AC的优先级最高；

如果所述AC为中负载，则所述AC的优先级中等；

如果所述AC为重负载，则所述AC的优先级最低。

其中较优地，所述的AP接入负载均衡方法，还包括如下步骤：

S4，如果AC的优先级相同，则采用加权最小连接调度算法，根据AC接入的AP的数量、AC接入的用户的数量以及AC用户网络流量情况计算权重比例，根据权重比例确定连接数最小的AC进行任务分配。

其中较优地，在步骤S4中，采用加权最小连接调度算法，包括如下步骤：

S41，根据集群中AP的数量、用户的数量、AC用户网络流量建立一般矩阵：A＝(a_ij)_m×n；其中，a_ij为第i个AC中的第j个连接数的属性值；i为集群中AC编号，i＝1,2,3……L，L为正整数；j为影响AC连接数的属性编号；

S42，将所述一般举证转化成决策矩阵：其中，m_ij为：

S43，对所述决策矩阵进行归一化处理得到标准决策矩阵F：

F＝(f_ij)_m×n；

其中，

S44，采用熵值法计算AC连接数的属性的权重：

其中，w_i为AC连接数的属性的权重；d_i为偏离度；Ej为连接数的属性的信息熵:

S45，根据AC连接数的属性的权重，计算集群中AC的连接数，并选择连接数最小的AC进行任务分配；其中，根据AC连接数的属性的权重，计算集群中AC的连接数采用如下公式：

其中，w_j为AC连接数的属性的权重；为第i个AC下一时刻的AC用户网络流量预测值，P_i为第i个AC当前接入的AP的数量，U_i为第i个AC接入的用户的数量。

本发明提供的AP接入负载均衡方法，根据当前时刻AP的数量、用户的数量、AC用户网络流量等因素，采用新移动平均法预测下一时刻的AC用户网络流量情况；根据下一时刻的AC用户网络流量情况，判断各个AC的负载情况，实现对AC的负载情况进行全局的把握，对AC的负载进行全局考虑，以减小AC负载的不均衡。另一方面，当AC的优先级相同，则采用加权最小连接调度算法，根据AC接入的AP的数量、AC接入的用户的数量以及AC用户网络流量情况计算权重比例，根据权重比例确定连接数最小的AC进行任务分配。充分考虑当前时刻AP的数量、用户的数量、AC的用户网络流量等因素的影响，全局把握AC的负载情况，提高了服务质量。。

附图说明

图1为云AC架构的示意图；

图2为本发明所提供的AP接入负载均衡方法的流程图。

具体实施方式

下面结合附图和具体实施例对本发明的技术内容作进一步的详细说明。

在本发明所提供的实施例中，AP接入场景是基于云AC架构的，是由“AC云”、认证服务器(Radius)、无线接入点AP和终端基站STA组成的。对外呈现出一台AC的特征与功能，外部设备并不能看到云内部的结构，但却能享受原有AC提供的一切服务。当新AP需要接入网络，由云系统内动态地向其分配一台负载较小的AC，并在其作过程中，根据系统需要进行AC切换。

如图2所示，本发明提供一种AP接入负载均衡方法，包括如下步骤：首先，根据当前时刻AP的数量、用户的数量、AC用户网络流量等因素，采用移动平均法预测下一时刻的AC用户网络流量情况；然后，根据下一时刻的AC用户网络流量情况，判断各个AC的负载情况，并根据负载情况为各个AC设定优先级；最后，根据AC的优先级，AP选择优先级高的AC接入。如果AC的优先级相同，则采用加权最小连接调度算法，根据AC接入的AP的数量、AC接入的用户的数量以及AC用户网络流量情况计算权重比例，根据权重比例确定连接数最小的AC进行任务分配。下面对这一过程做详细具体的说明。

S1，根据当前时刻AP的数量、用户的数量、AC用户网络流量预测下一时刻的AC用户网络流量情况。

当新的AP接入时，根据当前时刻的AP的数量、用户的数量、AC用户网络流量预测下一时刻的AC用户网络流量情况。其中，预测下一时刻的AC用户网络流量情况采用移动平均法，移动平均法是一种简单的平滑预测算法，是根据时间序列历史数据逐项推移，依次计算包含固定项数的历史的平均值，以此反映序列的长期趋势的预测方法。当时间序列的数值受到周期变动、随机波动等因素的影响产生较大起伏时，使用移动平均法可以消除这些突发因素的影响，描绘出事件的发展趋势,然后按照所呈现出的趋势进行分析预测。但是，采用移动平均法，一般是假设AP的数量不变的情况下。一旦有新AP接入时，采用移动平均法，误差较大。因此，在本发明所提供的实施例中，采用新移动平均法预测下一时刻的AC用户网络流量情况，充分考虑有新的AP接入时可能产生的影响，具体包括如下步骤：

S11，假设未接入新的AP时，当前时刻AC网络流量是Y_n(k)，当前时刻接入的AP的数量为P_k，下一时刻可能新接入的AP的数量为M_k(M＝0,1,2.....)，则新接入的AP产生的网络流量为

S12，计算接入新的AP后，当前时刻AC用户网络流量AC_n(k)：

如果当前时刻没有新AP接入，则AC_n(k)＝Y_n(k)。

S13，重复步骤S11～S12，获取前N个时刻，接入新的AP后，当前时刻AC用户网络流量AC_n(k)，并将前N个时刻接入新的AP后，当前时刻AC用户网络流量AC_n(k)组成重构序列；

S14，通过重构序列对下一时刻(N+1)的AC用户网络流量Y_n(N+1)进行预测:

即，Y_n(N+1)＝[AC_n(1)+AC_n(2)+……+AC_n(N)]/N。

S2，根据下一时刻的AC用户网络流量情况，判断各个AC的负载情况，并根据负载情况为各个AC设定优先级。

根据下一时刻AC用户网络流量情况，判断各个AC的负载情况，在本发明所提供的实施例中，AC的负载情况包括轻负载、中负载和重负载。根据下一时刻的AC用户网络流量情况，判断各个AC的负载情况，包括如下步骤：

首先，获取下一时刻的AC用户网络流量情况；然后将该AC用户网络流量情况与设定的第一预设阈值进行比较；如果AC用户网络流量预测值小于第一预设阈值，则AC为轻负载；如果AC用户网络流量预测值大于第一预设阈值，则将该AC用户网络流量情况与设定的第二预设阈值进行比较；如果AC用户网络流量预测值小于第二预设阈值，则AC为中负载；如果AC用户网络流量预测值大于第二预设阈值，则AC为重负载。在本发明所提供的实施例中，第一预设阈值和第二预设阈值根据网络运行规律进行设定。

判断出各个AC的负载情况之后，根据负载情况为各个AC设定优先级。如果AC为轻负载，则设定该AC的优先级最高，为1；如果AC为中负载，则设定该AC的优先级为2；如果AC为重负载，则设定AC的优先级最低，为3。后期，根据各个AC的优先级，AP选择优先级最高的AC接入。

S3，根据AC的优先级，AP选择优先级高的AC接入。

根据负载情况为各个AC设定优先级之后，判断各个AC的优先级是否相同，当AC的优先级不同时，AP选择优先级高的AC接入。这样可以达到AC负载的有效均衡，提高服务质量。

S4，如果AC的优先级相同，则采用加权最小连接调度算法，根据AC接入的AP的数量、AC接入的用户的数量以及AC用户网络流量情况计算权重比例，根据权重比例确定连接数最小的AC进行任务分配。

如果AC的优先级相同，则采用加权最小连接调度算法，根据AC接入的AP的数量、AC接入的用户的数量以及AC用户网络流量情况计算权重比例，根据权重比例确定连接数最小的AC，将新接入的AP分配给连接数最小的AC。这样可以达到AC负载的有效均衡，提高服务质量。其中，采用加权最小连接调度算法，根据AC接入的AP的数量、AC接入的用户的数量以及AC用户网络流量情况计算权重比例，根据权重比例确定连接数最小的AC进行任务分配，具体包括如下步骤：

S41，根据集群中AP的数量、用户的数量、AC用户网络流量建立一般矩阵：A＝(a_ij)_m×n；其中，a_ij为第i个AC中的第j个连接数的属性值；i为集群中AC编号，假设集群中有L个AC，则i＝1,2,3……L；j为影响AC连接数的属性编号，在本发明提供的一个实施例中，j＝1,2,3；其中，j＝1代表AP的数量，j＝2代表用户的数量，j＝3代表AC用户网络流量值。

S42，将上述一般举证转化成决策矩阵：目的是消除量纲，消除指标间的不可共度性和矛盾性。其中，m_ij为：

S43，对决策矩阵进行归一化处理得到标准决策矩阵F：

F＝(f_ij)_m×n；

其中，

S44，采用熵值法计算AC连接数的属性的权重：

其中，w_i为AC连接数的属性的权重；d_i为偏离度：d_j＝1-E_j；Ej为连接数的属性的信息熵：

S45，根据AC连接数的属性的权重，计算集群中AC的连接数，并选择连接数最小的AC进行任务分配。其中，根据AC连接数的属性的权重，计算集群中AC的连接数采用如下公式：

其中，w_j为AC连接数的属性的权重；为第i个AC下一时刻的AC用户网络流量预测值，P_i为第i个AC当前接入的AP的数量，U_i为第i个AC接入的用户的数量。最小连接数的AC，与AC的当前时刻接入AP的数量、用户的数量、AC用户网络流量这三个属性值相关，并且这三个属性都是成本性指标，即属性值越小越好。

则最终得到的最小连接数为：

C_m＝min(C_i)

i＝1,.....L；

选择连接数最小的AC进行任务分配。

综上所述，本发明所提供的AP接入负载均衡方法，根据当前时刻AP的数量、用户的数量、AC用户网络流量等因素，采用新移动平均法预测下一时刻的AC用户网络流量情况；根据下一时刻的AC用户网络流量情况，判断各个AC的负载情况，并根据负载情况为各个AC设定优先级；最后，根据AC的优先级，AP选择优先级高的AC接入。如果AC的优先级相同，则采用加权最小连接调度算法，根据AC接入的AP的数量、AC接入的用户的数量以及AC用户网络流量情况计算权重比例，根据权重比例确定连接数最小的AC进行任务分配。充分考虑当前时刻AP的数量、用户的数量、AC的用户网络流量等因素的影响，全局把握AC的负载情况，减小AC负载的不均衡，提高了服务质量。

以上对本发明所提供的一种AP接入负载均衡方法进行了详细的说明。对本领域的技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。