基于蚁群优化的数据中心网络负载均衡算法

朱国晖，史思潮，翟鹏宇

(西安邮电大学 通信与信息工程学院，陕西 西安 710121)

在互联网发展初期，主要通过传统的负载均衡技术改善网络流量拥塞问题。当网络中的用户产生了流量，负载均衡设备根据流量的目的IP，通过服务器将流量分配到相应的链路中去。随着大数据等技术飞速发展，网络的规模也越来越大，尤其在数据中心网络中，需要提供的业务也越来越多，因此会产生大量的流量。传统的负载均衡技术不能满足网络中多业务对流量的需求，从而会引发网络拥塞问题。并且传统的数据中心网络拓扑简单，很难解决链路拥塞问题，从而导致网络传输速率较低。因此，研究人员提出了胖树[1](Fat-Tree)、BCube[2]等多种网络拓扑结构，可以为网络提供更多的链路，便于实现数据中心网络的负载均衡。

在数据中心网络中，使用最为广泛的是等价多路径[3](Equal Cost Multi Path, ECMP)算法，由于其为静态路由算法，不能适应网络流量的实时变化，因此当网络的流量急剧增加会使网络产生拥塞现象。随着网络中业务种类的不同，产生的流量大小也不同。为了可以更好地调度网络中的流量，充分利用网络资源，将数据中心网络中的流量按照大小划分为大象流和老鼠流[4-5]。传统的ECMP算法会将网络中的大象流调度到同一路径中，使得链路产生拥塞现象，导致网络负载不均衡现象。文献[6]中提出了Hedera策略，可以随着网络中实时变化的动态流量而调整策略，将占用链路容量的10%作为大象流，通过全局优先匹配流量调度(Global First Fit, GFF)算法在网络中搜索，将得到的第一条满足大象流分配的路径作为大象流路由。……