Integrating UAV-Enabled Base Stations in 3D Networks: QoS-Aware Joint Fronthaul and Backhaul Design
本文研究3D网络中无人机基站的战略性放置问题，提出凝聚层次聚类算法优化基站位置和遗传算法设计回传连接，有效满足前传覆盖与回传负载需求，提升网络弹性。
2024-04-26 cs.NI
Energy-Efficient FSO Reconfiguration under User Mobility in Hybrid Fiber-IAB Backhaul
Chalmers University of Technology（查尔姆斯理工大学）
针对用户移动性导致的回传需求时变问题，提出闭环负载感知迟滞控制器，实现混合光纤-IAB-FSO回传的节能重构，能耗降低8%-44%仅牺牲0.9%-6.7%覆盖。
2026-06-17 cs.NI
Integrated Access and Backhaul in Millimeter-Wave Cellular: Benefits and Challenges
最近提出的NR就绪集成接入和回程（IAB）架构有望为未来5G/5G+系统的覆盖扩展和容量提升带来具有成本效益的部署解决方案。虽然其对覆盖范围扩展的影响在文献中得到了深思熟虑的解决，但诸如多跳、多连接和多波束操作等高级功能对吞吐量的影响仍然不清楚。我们审查和表征这些功能的系统级影响的性能的自回程IAB系统在半双工模式下运行，并利用毫米波（毫米波）技术在接入和回程。我们的研究结果表明，多跳和多波束的吞吐量增益是显着的，即使没有多连接操作。另一个重要的学习是，在具有链路阻塞的全毫米波系统中，具有链路切换的多连接允许实现自负载均衡。最后，我们展望了未来的研究方向。
2022-05-18 cs.NI
SLA-Aware Traffic Steering in Hybrid TN-NTN 5G Backhaul: A Potential Game Approach
IDLab, Department of Information Technology, Ghent University – imec（根特大学-imec信息技术系IDLab）；ITIS Software, University of Malaga（马拉加大学ITIS软件）
针对混合地面-非地面网络回传中的SLA感知流量引导问题，提出一种基于精确势博弈的轻量级分布式负载均衡框架，显著降低SLA违例率。
2026-05-26 cs.NI
Probabilistic Stability of Traffic Load Balancing on Wireless Complex Networks
相邻基站（BS）之间的负载均衡对于平衡负载分布和改进服务提供是重要的。虽然任何给定BS对之间的负载均衡是有益的，但是级联负载共享可能导致难以预测的网络级不稳定性。每个BS的负载均衡动态与网络拓扑之间的关系不被理解。在稳定性分析的这项开创性工作中，我们考虑了没有干扰的频率重用网络，从而负载均衡动态不会干扰单个小区的容量。我们的新颖之处是显示一个精确的分析，也是一个概率关系的稳定性，广义局部负载均衡动态与广义网络拓扑结构，以及我们在负载均衡参数的不确定性。我们证明了任何广义负载均衡动态和拓扑细胞部署的稳定性分析是有效的，我们相信这种一般的关系可以通知联合设计的负载均衡动态和邻居列表的网络。
2019-02-25 cs.NI
Sparse Mean Field Load Balancing in Large Localized Queueing Systems
本研究利用稀疏平均场理论，将有界度图中的多智能体负载均衡问题简化为单智能体问题，为稀疏连接排队网络提出了一种低通信开销的近最优可扩展负载均衡框架。
2024-03-22 cs.DC cs.LG cs.NI
Automatic Handover Control for Distributed Load Balancing in Mobile Communication Network
本文阐述了在GSM网络中使用负载均衡算法（Round Robin）对切换过程的改进，并将结果与实际系统进行比较，确定改进百分比。
2016-05-04 cs.NI
The multifractal load balancing method
工作中提出了一种基于子系统负载均衡器和子系统控制与监控紧密交互的负载均衡系统。该系统被描述为一个具有优先服务规则的排队系统。在所描述的排队系统中，在多个服务设备中发生并行处理流应用，并且完成它们到统一流中的连续连接。在所开发的负载均衡系统的基础上，提出了多重分形负载均衡方法。
2019-04-16 cs.NI
Method of Self-Similar Load Balancing in Network Intrusion Detection System
本文研究了网络入侵检测系统中的负载均衡问题。提出了一种基于网络入侵检测系统各组成部分工作情况和网络流量多重分形特性分析的负载均衡方法。所提出的方法考虑了多重分形的深度包检测时间的计算的程度，在此基础上计算的数据包与签名进行比较所需的时间。使用估计的平均深度包检测时间和传入负载的多重分形参数来生成负载均衡规则。与标准负载均衡方法的比较分析表明，该方法提高了服务质量参数和未分析数据包的百分比。
2019-04-11 cs.NI
RDNA Balance: Load Balancing by Isolation of Elephant Flows using Strict Source Routing
数据中心网络需要负载均衡机制来动态地服务具有不同服务需求的大量流。然而，传统的负载均衡方法不允许以简单、可编程和可扩展的方式充分利用网络资源。在这种情况下，本文提出了rDNA平衡，利用大象流隔离和源路由的核心节点。流分类操作使用OpenFlow协议的特征在边缘上执行。结果表明，使用这种方法，可以为数据中心提供简单、可扩展和可编程的负载均衡。
2019-04-11 cs.NI
Dynamic load balancing algorithm of distributed systems
动态负载均衡算法基于对服务器负载的监控，利用流量的自相似特性，在服务器上提供一个统计上均匀的负载分布，具有高性能、高容错和容量、低响应时间、低开销和低损耗等特点。输入系统总不平衡水平的综合测量。
2019-04-16 cs.NI
An Adaptive Load Balancing to Provide Quality of Service
为了利用网络资源并提供更可靠的信息传递，多路径路由算法以比单路径路由更高的优先级使用。但是，在多条路径之间进行负载均衡的同时提供服务质量（QoS）要求仍然是一个挑战。本文提出了一种新的负载均衡算法，通过使用显式端点准入控制（EEAC）来实现动态的负载均衡算法，能够保证各种服务类别的端到端QoS。非确定性网络条件下的仿真结果表明，该算法提高了网络资源的利用率，也降低了端到端的延迟。
2014-12-06 cs.NI
Survey of Major Load Balancing Algorithms in Distributed System
对分布式系统（包括云技术、集群系统、网格系统）中最常用的负载均衡算法进行了分类。按照分类对负载均衡算法的类型进行了比较分析，指出了每类算法的优点和缺点。每个算法的性能指标进行了说明。
2019-04-11 cs.DC cs.NI
Spatio-Temporal Wireless-Optical Planning for Multi-UAV Networks
Southern University of Science and Technology（南方科技大学）；Faculty of Computer Science and Artificial Intelligence, Shenzhen University of Advanced Technology（深圳先进技术大学计算机科学与人工智能学院）
针对多无人机网络路径规划忽视光回传拥塞的问题，提出STWO算法，联合优化飞行距离、无线链路质量与光链路负载，实验显示峰值负载率降低56.4%，拥塞率降低72.6%。
2026-10-01 cs.NI
On the Complexity of Load Balancing in Dynamic Networks
在负载均衡问题中，网络中的每个节点被分配一个负载，目标是通过执行本地负载交换来在节点之间均匀地分配负载。虽然负载均衡在静态网络中得到了广泛的研究，但直到最近才提出了一种收敛时间有界的动态网络负载均衡算法。在本文中，我们进一步研究了动态网络环境下的负载均衡的时间复杂度。首先，我们表明，随机性是没有必要的，并提出了一个确定性的算法，稍微提高了以前的算法的运行时间，在不匹配的价格。然后，我们考虑积分载荷，即，负载不能被无限分割，并证明没有匹配为基础的算法可以有界收敛时间为这种情况下。为了规避这两个不可能的结果，和一个已知的非积分的情况下，我们应用的方法平滑的分析，其中随机扰动是在最坏情况下的网络拓扑结构的选择。我们表明，这两个不可能的结果不持有这种分析下，这表明在现实世界中的系统负载平衡可能比下限建议更快。
2021-05-27 cs.DC cs.NI
Proactive Load Balancing in Heterogeneous Cellular Networks
蜂窝网络上的数据的最近指数增长已经导致从传统移动通信网络向异构蜂窝网络（HetNet）的发展。这种密集HetNet中的体验质量（QoE）感知业务负载均衡被认为是一个主要问题。当前的HetNet利用阻碍实现期望的QoE增益的反应式负载均衡方案。在本文中，我们提出了一种新的主动负载均衡框架，利用内容缓存和移动性预测，以提高用户的QoE。我们使用半马尔可夫模型来预测用户的未来小区，并提出了一种新的主动缓存算法，在这些小区的用户的未来需求进行预取。这使我们能够减少小区拥塞，并提供更好的平均下行链路速率。为了验证所提出的框架的有效性，系统级仿真进行比较，与最先进的方法。令人鼓舞的是，我们的系统实现了高达$98.7\%$小区负载均衡方面的Jain的公平性指数，减少了$20\%$回程负载，并提供了$31\%$改善的下行链路速率在拥塞的小区相比，反应式的方法。
2018-09-30 cs.NI
A Reliable Semi-Distributed Load Balancing Architecture of Heterogeneous Wireless Networks
异构无线网络是当今无线通信领域的一个研究热点。在这种混合组合中存在各种挑战，如负载均衡，资源管理等，在本文中，我们介绍了一种可靠的负载均衡架构的异构无线通信，以确保一定水平的服务质量。为了克服集中式和分布式设计的问题，提出了一种适用于多址网络的半分布式负载均衡结构。在这种基于网格的设计中，多个负载和移动代理管理单元被合并。为了证明设计的紧凑性，计算了综合可靠性、信令开销和总处理时间。仿真结果表明，该方法提高了系统的可靠性，减少了信令开销和处理时间，提高了系统的整体性能。
2012-02-09 cs.NI
Load balancing mechanisms in fog computing: A systematic review
最近，雾计算已经作为现代分布式范例被引入，并且作为云计算的补充来提供服务。Fog系统将存储和计算扩展到网络边缘，除了支持位置感知和移动性支持外，还能显著解决延迟敏感型应用的服务计算问题。负载均衡是雾网络的一个重要方面，它可以避免某些雾节点负载不足或过载的情况。通过负载均衡可以提高服务质量（QoS）参数，例如资源利用率、吞吐量、成本、响应时间、性能和能耗。近年来，人们对雾网络中的负载均衡技术进行了一些研究，但还没有系统的综述来巩固这些研究。本文系统地回顾了雾计算中的负载平衡机制，分为四类，包括近似方法、精确方法、基本方法和混合方法（2013年至2020年8月期间发表）。此外，本文还研究了负载均衡指标，以及与雾网络中所选负载均衡机制相关的所有优点和缺点。评价技术和工具，适用于每一个审查的研究进行了探讨。此外，这些机制的基本开放的挑战和未来的趋势进行了讨论。
2020-12-01 cs.DC cs.NI
Application of genetic algorithm to load balancing in networks with a homogeneous traffic flow
针对扩展云场景下静态负载均衡方案难以适配频繁变化的网络负载的问题，本文提出基于遗传算法的负载优化器，实验验证其性能优于现有方案。
2023-04-18 cs.NI
Evaluation of Two-Level Load Balancing Framework in Cloud Environment
随着技术的进步和互联网的不断变化，云计算已经成为当今的趋势。随着云计算服务成本的降低和便捷性的提高，越来越多的用户将自己的Web资源和信息置于云环境中。客户系统的可用性和可靠性将变得越来越重要。如今云应用稍有中断，对用户的影响就会很大.如何保证云站点的可靠性和稳定性是一个重要的问题。负载均衡将是一个很好的解决方案。提出了一种基于两级负载均衡模型的云环境下Web站点全局服务器负载均衡框架。所提出的框架是为了适应一个开源的负载均衡系统，该框架允许网络服务提供商在不同的数据中心动态部署负载均衡器，而客户需要更多的负载均衡器，以提高可用性。
2015-05-12 cs.DC cs.NI
A Simple Scheme for Distributed Passive Load Balancing in Mobile Ad-hoc Networks
高效路由是下一代车载网络的关键挑战之一，以便在智能城市环境中提供快速可靠的通信。已经提出了各种路由协议来确定高度动态拓扑中的最优路由路径。然而，这是这些类型的网络的困境，良好的路径被集中使用，导致拥塞和路径质量下降。在本文中，我们采用多路径路由的思想，并提出了一个简单的分散计划的移动自组网（MANET）路由，处理被动负载均衡，而不需要额外的通信努力。它可以很容易地应用到现有的路由协议，以实现负载均衡，而不改变路由过程本身。在全面的仿真研究中，我们提出的负载均衡技术应用于多个示例协议，并评估其对网络性能的影响。结果表明，所有考虑的协议可以实现显着更高的可靠性和改进的数据包传输率（PDR）的值，通过应用建议的负载均衡计划。
2018-02-21 cs.NI
Low Latency Techniques for Mobile Backhaul over DOCSIS
移动网络运营商（MNO）正在寻找经济上可行的回程解决方案作为光纤的替代方案，特别是混合光纤同轴网络（HFC）。当来自无线和HFC网络的延迟加在一起时，结果是明显的端到端系统延迟，特别是在网络拥塞的情况下。为了降低系统总延迟，我们在以前的论文中提出了一种通过协调LTE和HFC调度来改善上行用户到移动核心延迟的方法。在本文中，我们实现和优化所提出的方法在一个定制的LTE和DOCSIS端到端系统测试平台。该测试平台使用LTE网络的OpenAirInterface（OAI）平台，以及目前部署在全球HFC网络中的思科宽带路由器cBR-8。我们的研究结果表明，在所有流量负载条件下的回程延迟改善。
2022-11-15 cs.NI
DNS-based Ingress Load Balancing: An Experimental Evaluation
多宿主服务可以使用DNS对其传入的连接请求进行负载平衡，根据每个地址对应的链接负载，使用不同的地址解析服务器名称。以前的工作已经研究了这种方法的一些问题，例如，由于存在生存时间持续时间违规和客户端与本地DNS服务器的接近度。在本文中，我们实验评估基于DNS的入口流量工程系统，我们部署在佐治亚理工学院。我们的目标是了解简单和强大的负载均衡算法是否可以在实践中是准确的，尽管前面提到的问题与基于DNS的负载均衡方法。特别是，我们研究的各种系统参数和主要的工作负载特性的影响。我们表明，基于窗口的测量方案可以相当准确的实践中，只要其窗口持续时间已被适当配置。
2012-05-03 cs.NI
SeqBalance: Congestion-Aware Load Balancing with no Reordering for RoCE
针对现有数据中心负载均衡方案不适用于RDMA的问题，提出兼容现有商用硬件的SeqBalance框架，实现无乱序的细粒度RDMA负载均衡，显著提升平均和第99百分位流完成时间性能。
2024-07-13 cs.NI
Online Load Balancing for Network Functions Virtualization
网络功能虚拟化（NFV）旨在支持服务提供商以更灵活和更具成本效益的方式部署各种服务。然而，网络功能的软件化和云化会导致严重的拥塞和低网络性能。在本文中，我们提出了一个解决方案来解决这个问题。针对用户需求的动态变化，分析并解决了NFV中使用多路径路由的在线负载均衡问题，以优化网络性能。特别是，我们首先制定的负载均衡的优化问题作为一个混合整数线性规划，以实现最佳的解决方案。然后，我们开发的ORBIT算法，解决了在线负载均衡问题。ORBIT的性能保证的分析证明，与最佳的离线解决方案。在真实数据集上的实验结果表明，ORBIT在不知道未来需求的情况下，能够很好地将每个业务需求的流量分配到多条路径上，尤其是在高负载条件下。
2017-02-23 cs.NI
Competitive Multi-Agent Load Balancing with Adaptive Policies in Wireless Networks
由于机器学习（ML）算法具有很强的学习和自适应能力，近年来，ML技术在下一代无线网络中的应用已经取得了可喜的成果。更具体地，ML技术已经用于自组织网络（SON）中的负载均衡。在负载均衡和ML的背景下，一些研究从单个集中式代理的角度提出了网络管理自动化（NMA）。然而，单代理域不考虑代理之间的交互。在本文中，我们提出了一个更现实的负载均衡方法，使用新的多代理深度确定性策略梯度与自适应策略（MADDPG-AP）计划，考虑吞吐量，资源块利用率和网络延迟。我们将我们的建议与名为Clipped Double Q-Learning（CDQL）的单代理RL算法进行了比较。仿真结果表明，该算法在时延、丢包率和收敛时间上都有明显的改善
2021-10-13 cs.NI
Modeling, implementation and performance analysis of mobility load balancing for LTE downlink data transmission
我们提出了在本文中的自组织网络优化相关的移动性负载均衡（MLB）的LTE系统使用NS-3的模拟实现。该实现是针对基于参考信号接收功率测量动态调整切换（HO）参数的两个MLB算法来实现的。这样的调整是针对过载小区及其具有足够可用资源的相邻小区的负载来完成的，从而能够实现负载均衡。通过选定的关键性能指标的建议MLB算法的数值研究相比，另一个HO算法（已经实现在ns 3）的基础上A3事件突出的全球网络吞吐量，分组丢失率和成功的HO的数量方面提供了显着的MLB增益，而不会招致显着的开销。
2016-10-08 cs.NI
Load Balancing with preemptive and non-preemptive task scheduling in Cloud Computing
在云计算环境中，基于特定任务对资源的需要和需求来动态地管理资源。有很多挑战需要解决，我们关注的是负载均衡，其中负载均衡是为了最佳地使用资源，并减少与它相关的成本，因为我们使用按需付费策略。任务调度由云服务提供商根据虚拟化场景中的需求使用抢占和非抢占来完成，这一点已经在这里得到了关注。本文研究了各种任务调度算法，给出了每类任务下资源的动态分配，以及每种调度算法适应负载和高性能计算的方式
2019-04-16 cs.NI
Load Balancing via Random Local Search in Closed and Open systems
本文分析了并行服务器系统中随机负载恢复和迁移策略的性能。客户端最初连接到任意服务器，但可能会在随机时刻独立切换服务器，以提高其服务速率。这种负载均衡方法与传统方法形成对比，在传统方法中，客户端在到达时进行智能服务器选择（例如，加入最短队列策略及其变体）。在客户端在实际连接到服务器之前无法预测服务器负载的情况下，负载重新分配尤其重要。一个重要的例子是无线频谱共享，其中客户端尝试以分布式方式共享一组频带。
2010-04-09 cs.NI
A Proactive Flow Admission and Re-Routing Scheme for Load Balancing and Mitigation of Congestion Propagation in SDN Data Plane
软件定义网络（SDN）中的集中式架构提供了底层网络的全局视图，为SDN流量工程（SDN TE）领域的大量研究铺平了道路。本研究的重点是SDN TE的负载均衡方面，考虑到现有的反应式数据平面负载均衡方法最终会导致数据包丢失，而主动式数据平面负载均衡方案无法解决拥塞传播问题。在所提出的工作中，SDN控制器周期性地监视网络中每个链路上的流水平统计和利用率，并且将导致网络拥塞和分组丢失的过度利用的链路识别为瓶颈链路。为了实现负载均衡，通过低负载的备用路径对确定的最大流量和后续流量进行重路由，该方案利用观测到的端口利用率和剩余带宽建立贝叶斯网络模型，在流量接纳之前决定新计算的备用路径是否能够处理新的流量负载，从而减少拥塞传播。仿真结果表明，当网络流量增加时，该方法能有效地重路由流量，均衡网络负载，提高网络效率和服务质量（QoS）参数。
2018-12-06 cs.NI
EASM: Efficiency-Aware Switch Migration for Balancing Controller Loads in Software-Defined Networking
分布式多控制器部署是实现软件定义网络（SDN）可扩展和可靠控制平面的一种很有前途的方法。然而，随着网络流量的动态变化，这给分布式控制器的负载均衡带来了新的挑战。控制器负载分布的不均衡会增加处理流的响应延迟，降低控制器的吞吐量。交换机迁移是解决这一问题的有效途径。然而，现有的方案只关注负载均衡性能，而忽略了迁移效率，这可能导致高迁移成本和不必要的控制开销。本文提出了效率感知的交换机迁移（EASM），以平衡控制器的负载，提高迁移效率。我们引入负载差异矩阵和触发因子来衡量控制器上的负载均衡。我们还介绍了迁移效率问题，它考虑负载均衡率和迁移成本同时优化迁移交换机。我们提出EASM有效地解决这个问题。仿真结果表明，在网络规模发生变化时，EASM方案的控制器响应时间平均减少了21.9%，控制器吞吐量平均提高了30.4%，同时保持了良好的负载均衡率，迁移成本和迁移时间都较低。
2018-01-26 cs.IT cs.NI math.IT
Communication Load Balancing via Efficient Inverse Reinforcement Learning
Samsung Electronics（三星电子）
通信负载均衡的目的是均衡不同可用资源之间的负载，从而提高网络系统的服务质量。在将负载均衡（LB）公式化为马尔可夫决策过程问题之后，强化学习（RL）最近被证明在解决LB问题方面是有效的。然而，为了利用经典RL的负载均衡优势，我们需要一个明确的奖励定义。设计这种奖励函数是具有挑战性的，因为它涉及到对专家知识的需求，并且缺乏对最佳奖励函数形式的普遍共识。在这项工作中，我们从逆强化学习（IRL）的方法来解决通信负载均衡问题。据我们所知，这是IRL第一次成功地应用于通信领域的负载均衡。具体而言，首先，我们从一组演示中推断出奖励函数，然后使用推断出的奖励函数学习强化学习负载均衡策略。与经典的基于RL的解决方案相比，所提出的解决方案可以更通用，更适合于现实世界的场景。在不同的模拟交通情况下实施的实验评估表明，我们的方法是有效的，优于其他基线的相当大的利润。
2023-03-22 cs.AI cs.LG cs.NI
Modelling Load Balancing and Carrier Aggregation in Mobile Networks
在本文中，我们研究了多载波移动网络的性能。具体而言，我们分析了两个载波间负载均衡方案的流级性能和载波聚合（CA）产生的增益。CA是HSPA+和LTE-A网络最重要的功能之一;它允许多个运营商同时为设备提供服务。我们提出了两个负载均衡方案，即加入最快队列（JFQ）和容量均衡（VB），允许CA和非CA用户的流量分布在聚合载波。然后，我们通过分析建模来评估这些方案的性能。我们表明，所提出的计划实现准理想的负载均衡。我们还调查了CA和非CA用户在同一个小区的混合流量的影响，并表明性能几乎是不敏感的流量组合。
2014-02-03 cs.NI cs.PF
Delay versus Stickiness Violation Trade-offs for Load Balancing in Large-Scale Data Centers
在当前数据中心中实现的大多数负载均衡技术倾向于依赖于通过从流五元组计算的散列值从分组到服务器IP地址的映射。哈希计算允许极快的数据包转发，并提供流“粘性”，这意味着属于同一个流的所有数据包都被分派到同一个服务器。不幸的是，这种静态散列可能不会产生最佳程度的负载均衡，例如，这是由于服务器处理速度或业务模式的变化。另一方面，动态计划，如加入最短队列（JSQ）计划，提供了一种自然的方式来减轻负载不平衡，但在粘性违规的代价。在本文中，我们研究了大规模数据中心的粘性违规和数据包级延迟性能之间的基本权衡。我们建立了严格的流粘性进行了显着的性能惩罚的数据包级延迟。此外，将粘性要求放宽一个微小的量，在修剪延迟分布的尾部方面非常有效。我们进一步提出了一个基于bin的负载均衡方案，实现了可扩展性，粘性违规和数据包级延迟性能之间的良好平衡。大量的仿真实验证实了分析结果，并验证了基于bin的负载均衡方案的有效性。
2017-07-08 cs.NI
Practical Load Balancing for Content Requests in Peer-to-Peer Networks
本文研究的问题负载平衡的需求，在对等网络中的异构对等节点，持有副本的内容。分布式系统中的先前分散式负载均衡技术将其决策基于包含关于在服务实体处观察到的负载或可用容量的信息的周期性更新。我们发现，这些技术不工作，以及在对等上下文中，要么他们不解决对等节点的异构性，或者他们遭受显着的负载振荡。我们提出了一种新的分散算法，最大上限，副本节点的最大固有容量的基础上，并表明，与以前的算法不同，它是不依赖于更新的及时性或频率。然而，Max-Cap可以处理对等环境的异构性，而不会受到负载振荡的影响。
2002-09-21 cs.DC cs.NI
Cloud Service ranking using Checkpoint based Load balancing in real time scheduling of Cloud Computing
近年来，云计算越来越流行。正在进行几项研究，以根据用户需求构建具有精致质量的云应用程序。在实现相同目标时，所应用的标准之一是实时的调度中基于检查点的负载均衡，通过该负载平衡，从一组云服务候选中选择合适的云服务。可以收集有价值的信息来对该基于检查点的负载均衡内的服务进行排名。为了获得排名，需要在云中调用不同的服务，这非常耗时，并且浪费了服务调用。为了避免这种情况，本章提出了一种算法，通过使用以前提供的服务的值来预测不同云服务的排名。
2019-04-16 cs.NI
Intelligent Load Balancing Systems using Reinforcement Learning System
本文针对传统负载均衡算法难以优化流量分配时间的问题，提出重新思考负载均衡实现，并探讨利用强化学习构建具备智能调度与决策能力的系统。
2025-05-06 cs.NI
A Low Cost Two-Tier Architecture Model For High Availability Clusters Application Load Balancing
提出了一种低成本的两层高可用集群体系结构模型的设计与实现，结合负载均衡和共享存储技术，实现了Web服务器等应用负载均衡的三层体系结构。研究工作提出了一种设计，物理上省略网络文件系统（NFS）服务器节点和实现NFS服务器功能的集群节点，通过红帽集群套件（RHCS）与高可用性（HA）代理负载均衡技术。为了在硬件和计算解决方案的投资方面实现低成本的实现，所提出的架构将是有益的。该系统旨在提供稳定的服务，即使任何系统组件故障，由于不确定性，如网络系统，存储和应用程序。
2014-06-22 cs.DC cs.NI
FlowDyn: Towards a Dynamic Flowlet Gap Detection using Programmable Data Planes
数据中心网络在架顶式（ToR）交换机之间提供多个不相交的路径，以连接提供大平分带宽的服务器机架。为了充分利用多个路径的可用容量，需要有效的负载平衡机制。虽然基于数据包的负载均衡可以实现高利用率，但它会遭受重新排序的影响。基于流的负载平衡（如等价多路径路由（ECMP））会将流量均匀地分布在多条路径上，导致频繁的哈希冲突和次优性能。最后，基于flowlet的负载平衡（如CONGA或Hacking）将流拆分为更小的单元，这些单元在不同的路径上发送。大多数基于细流的负载平衡方案取决于细流间隙的适当静态设置，其决定何时检测到新的细流。间隙太小可能导致重新排序，而间隙太大则会导致错过负载平衡机会。在本文中，我们提出了FlowDyn，它动态地适应小流量的差距，以提高效率的负载平衡计划，同时避免重新排序的问题。使用可编程数据平面，FlowDyn使用主动探头和遥测信息来跟踪不同ToR交换机之间的路径延迟。FlowDyn动态计算可用于基于小流的负载平衡机制的合适的小流间隙。我们在模拟中对FlowDyn进行了广泛的评估，结果表明，它在10%负载下的流量完成时间缩短了3.19倍，在90%负载下缩短了1.16倍。
2019-10-08 cs.NI
Performing Load Balancing under Constraints
本文将负载均衡问题建模为约束MDP，提出JSED-k和JSSQ策略，在满足动作与状态约束的同时最小化系统占用，并通过数值实验验证其安全性与性能。
2025-02-10 cs.NI
Protected load balancing problem: Neural-network based approximation for non-convex optimization
目前，集中式路径计算单元（PCE）集成了控制平面算法来不断优化路由和负载均衡。当一条链路发生故障时，根据负载均衡器的配置，流量负载自动转移到剩余的路径上。在这种情况下，我们提出了一种负载平衡方法，该方法可以预测负载转移，以确保流量免受任何共享风险链路组（SRLG）故障的影响。这种方法的主要目的是更好地利用带宽相比，现有的方法。它包括在链路上保留最小量的额外带宽，以便保证流量的重新路由。我们提出了一个非线性非凸模型的问题，最小化的带宽预留成本。我们引入了一个新的近似方法的基础上的神经网络凸化的问题，并应用凯利的切割平面方法来解决这个问题。最后，我们表明，我们的算法显着提高了CPU时间对一个紧凑的模型解决使用SCIP求解器。
2023-01-09 cs.NI
Energy-efficient Traffic Allocation in SDN-based Backhaul Networks: Theory and Implementation
预计5G网络将具有高能效，能耗比目前的系统低10倍。实现这样的目标的有效方式是通过控制节点的操作状态和业务流的分配来作用于回程网络。为此，在本文中，我们制定能源效率的流路由的回程网络作为一个优化问题。鉴于其复杂性，这会损害大规模场景中的解决方案，然后我们提出了一种启发式方法。我们的计划，名为EMMA，旨在关闭空闲节点和集中流量的最小可能的一组链路，这反过来又增加了空闲节点的数量。我们在ONOS上实现EMMA，并通过Mininet仿真网络得出实验结果。我们的研究结果表明，EMMA提供了良好的节能性能，接近最佳。在更大的网络场景中，EMMA提供的能耗增益相对于所有节点都处于活动状态的简单基准非常高，在中低流量负载下几乎达到1。
2016-09-15 cs.NI
Centralized and Decentralized Non-Cooperative Load-Balancing Games among Federated Cloudlets
边缘计算服务器，如来自不同服务提供商的云，补偿移动设备的稀缺计算，内存和能源资源，分布在接入网络中。然而，取决于移动性模式和相关联的移动设备的动态变化的计算要求，网络的不同部分处的微云变得过载或欠载。因此，在相邻的云之间的负载均衡似乎是一个重要的研究问题。然而，现有的负载均衡框架不适合低延迟应用。因此，在本文中，我们提出了一个经济和非合作的负载均衡游戏，低延迟应用程序之间的联合相邻的云从相同的，以及不同的服务提供商和异构类的作业请求。首先，我们提出了一个集中式的激励机制，计算纯策略纳什均衡负载均衡策略的小云的监督下，一个中立的调解人。通过这种机制，我们确保了向中介者真实地披露私人信息是所有联合云的弱优势策略。其次，我们提出了一种基于连续动作强化学习自动机的算法，该算法允许每个云独立地计算完全分布式网络设置中的纳什均衡。我们批判性地研究所设计的学习算法的收敛特性，脚手架我们的理解的基本负载均衡游戏更快的收敛。此外，通过大量的模拟，我们研究了探索和开发对学习精度的影响。这是第一个研究表明强化学习算法对相邻云之间的负载均衡游戏的有效性。
2021-05-05 cs.GT cs.NI
A Cluster Based Replication Architecture for Load Balancing in Peer-to-Peer Content Distribution
在P2P系统中，大量的数据自然地分散在大量的对等体上。但是，控制初始数据分布是非常困难的，因为每个用户都有与其他用户共享任何数据的自由。通过复制技术将负载分散到多个服务器上，可以提高系统的可扩展性。利用复制技术，大规模内容分发系统得到了广泛的改进。通过在地理上增加信息源，可以使所需的内容更接近客户端，这反过来又减少了访问延迟和网络流量。除此之外，由于P2P环境的内在动态性，不能期望静态数据分布来保证良好的负载均衡。如果热点节点成为瓶颈节点，则会导致用户响应时间的增加和系统性能的显著下降。因此，在这种情况下，有效的负载均衡机制是必要的，它可以通过智能数据复制有效地实现。在本文中，我们提出了一个基于集群的复制体系结构的负载平衡对等内容分发系统。除了智能副本放置技术之外，它还包括有效的负载均衡技术。在智能副本放置技术中，节点根据其权重向量（包括可用容量、CPU速度、访问延迟和内存大小）被分为强簇和弱簇。为了在整个系统中实现完全的负载均衡，提出了一种集群内和集群间的负载均衡算法。我们能够表明，我们提出的架构达到更少的延迟和更好的吞吐量，减少带宽的使用，通过模拟结果。
2010-09-23 cs.NI
Edge Caching in Dense Heterogeneous Cellular Networks with Massive MIMO Aided Self-backhaul
研究了密集异构蜂窝网络（HetNets）中的边缘缓存问题，在HetNets中，缓存容量有限的小型基站（SBS）存储流行内容，而当SBS需要非缓存内容时，大规模多输入多输出（MIMO）辅助的宏基站提供无线自回程。我们的目标是解决小区负载和命中概率对成功内容交付（SCD）的影响，并给出避免任意小小区中的接入过载和任意宏小区中的回程过载所需的最小基站密度。推导了无需下行信道估计的大规模MIMO回程可达速率，计算了回程时间，并对此类网络的时延进行了评估。分析结果证实，命中概率需要适当地选择，以实现SCD。明确量化了缓存大小和SCD之间的相互作用。理论上证明，当请求非缓存内容时，如果缓存内容交付的平均访问速率低于自回传内容交付的平均访问速率，则非缓存内容交付的平均延迟可以与大规模辅助MIMO自回传的缓存内容交付相当。仿真结果验证了我们的分析。
2018-07-10 cs.IT cs.NI math.IT
Enhanced load balancing technique for SDN controllers: A multi-threshold approach with migration of switches
本研究提出一种基于多级阈值和交换机迁移的SDN控制器负载均衡方案，通过评估目标控制器状态和迁移距离选择最优迁移策略，以降低响应时间、迁移成本和通信开销，提升整体性能。
2025-04-23 cs.NI
Charon: Load-Aware Load-Balancing in P4
负载均衡器在数据中心中发挥着重要作用，因为它们跨应用服务器分配网络流并保证每个连接的一致性。然而，很难做出公平的负载均衡决策，使得所有资源都被有效地占用而不过载。跟踪连接状态允许推断服务器负载状态并做出明智的决策，但以消耗额外的内存空间为代价。这使得它很难在可编程硬件上实现，可编程硬件具有有限的内存，但提供线速性能。本文介绍了Charon，一个无状态的负载感知负载均衡器，具有线速性能的P4-NetFPGA实现。Charon被动地从应用服务器收集负载状态，并采用2次幂选择方案来做出数据驱动的负载均衡决策，提高资源利用率。通过在隐蔽通道中对服务器ID进行编码，无状态地保持连接一致性。本文描述了原型的设计和实现细节。仿真结果表明，负载分配的公平性，服务质量，吞吐量和处理延迟方面的性能增益。
2021-11-02 cs.AR cs.NI
Decentralized Handover Parameter Optimization with MARL for Load Balancing in 5G Networks
针对5G网络小区数量激增导致手动切换参数调优不可行、现有研究忽略工程细节的问题，提出基于MARL的去中心化优化方案，联合建模三类切换影响，通过共识近似分布式训练降低交互成本，实验证明其负载均衡及网络性能优于现有基准。
2025-04-18 cs.NI
Probabilistic Mobility Load Balancing for Multi-band 5G and Beyond Networks
针对多频段5G及超5G网络传统负载均衡方法忽略UE需求与频段资源导致性能不佳的问题，提出基于事件的概率式多目标随机优化负载均衡算法，在降低异频切换开销的同时均衡业务，提升了吞吐量并减少中断时长。
2024-01-24 cs.NI
Load balancing in cloud data centers with optimized virtual machines placement
本文提出一种基于 learning automata 强化学习的虚拟机优化分配方法，通过提升优化算法性能并加速其收敛至全局最优，有效实现了云数据中心服务器间的负载均衡。
2023-11-07 cs.DC cs.NI
Load Balancing and Mutisource Routing in Information-Centric-Networking
以信息为中心的网络仍然是一个不完整的范式，它在传统网络上引入了大量新的主题和方法。由于它是一个相对较新的概念，它承诺更容易和更快的数据访问，它的许多方面已在近年来进行了深入的研究。尽管如此，负载均衡仍然是最不受关注的领域之一，但它是一个高效能、开放式的领域。本项目的目的是提出一种替代技术，负载均衡域中的预先建议的路由方法LSCR（链路状态内容路由）。在LSCR的转发表和路由表以及源路由协议的基础上，提出了多路径兴趣和多源数据分组路由。我们已经开发了一个仿真软件来实现和测试多路径路由算法。多路径路由和LSCR的链路负载，包丢失，包延迟和整体网络性能进行了比较。
2020-09-27 cs.NI
Stochastic Coordination in Heterogeneous Load Balancing Systems
当今的数据中心和大容量云服务采用了大量的异构服务器。在这样的设置中，客户端请求通常到达多个入口点，并且将它们分派到服务器是一个紧急的分布式系统问题。本文提出了一种有效的解决方案，在这种系统中的负载均衡问题，改进和克服以前的解决方案的问题。将负载均衡问题转化为一个随机优化问题，通过对该问题的数学分析，得到了一个有效的算法解。最后，对模拟数据的解决方案的广泛评估表明，它优于以前的解决方案。此外，由此产生的调度策略可以非常有效地计算，使解决方案实际可行。
2021-07-25 cs.DC cs.NI
Load Balancing Strategies to Solve Flowshop Scheduling on Parallel Computing
针对并行环境下的Flowshop调度问题提出了一种并行解决方案，并在此基础上提出了一种新的负载均衡策略。提出的比例公平策略（PFS）考虑了计算过程集的计算性能，并根据计算节点的评估性能按比例分配额外的负载。为了更有效地利用并行资源的能力，我们还讨论了计算节点间通信所使用的数据结构，并设计了一种优化的数据传输策略。这种数据传输策略结合所提出的负载均衡策略已经在一个由86个CPU组成的超级计算机上实现并测试，使用MPI作为中间件。结果表明，建议PFS实现更好的性能，在计算时间方面比现有的自适应承包内的邻居策略。我们还表明，两者的比例公平策略和建议的数据传输策略的组合实现额外的并行效率提高13~15%。
2008-09-19 cs.NI
Multi-Agent Reinforcement Learning for Network Load Balancing in Data Center
École Polytechnique（巴黎综合理工学院）；Cisco Systems（思科系统公司）；Princeton University（普林斯顿大学）
本文提出了网络负载均衡问题，一个具有挑战性的现实世界的任务，多智能体强化学习（MARL）方法。传统的启发式解决方案如加权代价多路径（WCMP）和本地最短队列（LSQ）对不断变化的负载分布和到达率缺乏灵活性，多个负载均衡器之间的平衡性较差。将协作网络负载均衡问题转化为Dec-POMDP问题，自然地引入了MARL方法。为了弥合应用基于学习的方法的现实差距，所有方法都直接在中到大规模的仿真系统上进行训练和评估。实验结果表明，独立和“自私”的负载均衡策略并不一定是全局最优的，而MARL算法在不同的环境下都具有较好的性能.此外，MARL方法的网络负载均衡的潜在困难进行了分析，这有助于提请注意的学习和网络社区的挑战。
2022-08-19 cs.DC cs.LG cs.NI
