小区负载均衡算法
6种负载均衡算法
6种负载均衡算法负载均衡是指将网络请求分配到多个服务器上，以实现资源的平衡利用和提高系统的性能和可靠性。
在实际应用中，有多种负载均衡算法可供选择，本文将介绍6种常见的负载均衡算法。
一、轮询算法（Round Robin）轮询算法是最简单且常用的负载均衡算法之一。
当有新的请求到达时，轮询算法会按照事先定义的顺序依次将请求分发给每个服务器，直到所有的服务器都被轮询到一次。
然后，再从头开始，循环执行这个过程。
轮询算法适用于服务器性能相近的情况下，能够实现请求的均匀分配。
二、加权轮询算法（Weighted Round Robin）加权轮询算法是在轮询算法的基础上进行改进的一种负载均衡算法。
为了更好地分配请求，可以给每个服务器设置一个权重值，权重值越高的服务器获得的请求越多。
通过调整服务器的权重值，可以实现对服务器资源的有效利用。
三、最少连接算法（Least Connection）最少连接算法是根据当前连接数来选择服务器的一种负载均衡算法。
当有新的请求到达时，最少连接算法会优先将请求分发给当前连接数最少的服务器。
这样可以避免某些服务器负载过高而导致性能下降的问题。
最少连接算法适用于服务器的处理能力不同的情况下，能够根据实际负载情况进行动态调整。
四、源地址散列算法（Source IP Hash）源地址散列算法是根据请求的源IP地址来选择服务器的一种负载均衡算法。
通过对源IP地址进行散列计算，可以将同一个源IP的请求分发到同一个服务器上。
这样可以保证同一个客户端的请求都由同一个服务器处理，从而避免了会话丢失的问题。
五、最短响应时间算法（Shortest Response Time）最短响应时间算法是根据服务器的响应时间来选择服务器的一种负载均衡算法。
当有新的请求到达时，最短响应时间算法会优先将请求分发给响应时间最短的服务器。
这样可以提高系统的响应速度，提升用户体验。
六、动态权重调整算法（Dynamic Weight Adjustment）动态权重调整算法是根据服务器的实时负载情况来调整权重值的一种负载均衡算法。
F5负载均衡算法以及会话保持
F5负载均衡算法以及会话保持1.F5负载均衡算法F5负载均衡（Load Balancing）是将网络流量均匀地分配到多个服务器上，以提高系统的可用性和性能。
F5负载均衡器根据一定的算法选择服务器，将客户端的请求发送到合适的服务器上。
F5负载均衡算法有多种，下面介绍几种常见的算法。
（1）轮询（Round Robin）算法：轮询算法是最简单的负载均衡算法，将请求依次分发给每个服务器。
当请求量较大时，可以平均分配到每个服务器上，但是无法考虑服务器的负载情况，可能导致一些服务器负载较重。
（2）加权轮询（Weighted Round Robin）算法：加权轮询算法是在轮询算法的基础上增加了权重的概念。
给每个服务器设置一个权重值，权重值越高，分配给该服务器的请求数越多。
可以根据服务器的性能和负载情况设置不同的权重，实现动态负载均衡。
（3）最少连接（Least Connections）算法：最少连接算法是根据服务器当前的连接数选择最空闲的服务器。
每个请求都会先选择连接数最少的服务器，以平衡服务器的负载情况。
但是最少连接算法无法考虑每个请求的处理时间，可能导致服务器在处理长时间请求时负载过重。
（4）源IP哈希（Source IP Hash）算法：源IP哈希算法根据请求的源IP地址生成哈希值，将请求分发给相应的服务器。
同一IP地址的请求会被分发到相同的服务器，保证了会话的一致性。
但是源IP哈希算法无法适应服务器负载动态变化的情况。
（5）最少响应时间（Least Response Time）算法：最少响应时间算法根据服务器的响应时间选择最快速的服务器。
通过监测每个服务器的响应时间，将请求分发给响应时间最短的服务器，提高系统的响应速度和性能。
2.会话保持会话保持（Session Persistence）是指将客户端的请求发送到同一台服务器上，保证用户在整个会话期间保持与同一服务器的连接。
会话保持可用于用户登录、购物车状态等需要保持一致的场景。
典型的几个负载均衡算法
典型的几个负载均衡算法负载均衡算法是用于分配和管理网络负载的重要机制，以确保系统的可靠性、可扩展性和性能。
以下是几个典型的负载均衡算法：1. 轮询算法（Round Robin Algorithm）：轮询算法是最基本和简单的负载均衡算法之一、它按顺序将请求依次分发给服务器。
当请求量相同时，每个服务器将平均分配相等数量的请求。
轮询算法适用于服务器性能相近的场景，并且能够避免一些服务器过载的情况。
2. 最少连接算法（Least Connection Algorithm）：最少连接算法是根据服务器当前连接数来分配请求的负载均衡算法。
它会将请求分发给当前连接数最少的服务器，以确保资源利用率最高。
最少连接算法适用于一些请求可能需要更多资源的场景，因为它能够将负载均衡到负载较小的服务器上。
3. 最短响应时间算法（Shortest Response Time Algorithm）：最短响应时间算法会根据服务器的响应时间来进行负载均衡。
它会将请求分发给响应时间最短的服务器，以确保用户能够获得最佳的响应体验。
最短响应时间算法适用于需要低延迟和高性能的场景。
4. 加权轮询算法（Weighted Round Robin Algorithm）：加权轮询算法会根据服务器的处理能力进行权重分配。
具有更高权重的服务器将获得更多的请求分发。
这个算法适用于服务器性能差异较大的场景，能够更好地利用服务器资源。
5. IP哈希算法（IP Hash Algorithm）：IP哈希算法会根据客户端的IP地址将请求分发给对应的服务器。
通过将请求与特定服务器绑定，可以确保同一客户端的请求总是由同一个服务器处理，有助于维护会话状态。
这个算法适用于需要维护特定状态的场景，如购物车功能或登录状态等。
6. 分布式哈希算法（Consistent Hashing Algorithm）：分布式哈希算法将服务器和请求映射到一个连续的哈希环上。
通过哈希算法将请求映射到合适的服务器上，可以克服服务器节点的动态增减对负载均衡的影响。
几种负载均衡算法
几种负载均衡算法一、轮询算法（Round Robin）：轮询算法是最基本也是最常用的负载均衡算法之一、它按照顺序将请求依次分配给不同的服务器，实现请求的均衡分发。
当所有服务器都处于正常工作状态时，每个服务器会依次接收固定数量的请求。
该算法简单高效，适用于服务器性能相当的情况。
二、权重轮询算法（Weighted Round Robin）：权重轮询算法是在轮询算法的基础上加入了权重的概念。
每个服务器被分配一个权重，权重越高，接收的请求数量越多。
通过合理设置权重，可以根据服务器的性能和负载能力进行动态调整。
该算法适用于服务器性能有差异的场景，能够实现更灵活的负载均衡。
三、最少连接算法（Least Connections）：最少连接算法是根据服务器当前连接数来选择负载均衡目标的算法。
通过记录每个服务器的连接数，并选择连接数最少的服务器来处理新的请求，实现负载的均衡。
该算法适用于服务器响应时间差别较大的场景，能够有效避免服务器负载过高。
四、IP哈希算法（IP Hash）：IP哈希算法是通过对用户IP地址进行哈希计算，将该用户的请求分配给计算结果所对应的服务器。
这样相同IP的用户每次请求都会被分配到同一个服务器上，有效保持了用户会话的连续性。
该算法适用于需要保持用户会话的场景，如登录、购物车等。
五、最少响应时间算法（Least Response Time）：最少响应时间算法根据服务器的响应时间来选择负载均衡目标的算法。
通过实时监测服务器的响应时间，并选择响应时间最短的服务器来处理新的请求，实现负载的均衡。
该算法适用于服务器响应时间差别较大的场景，能够提升用户的请求响应速度。
六、动态加权轮询算法（Dynamic Weighted Round Robin）：动态加权轮询算法是在权重轮询算法的基础上加入了动态调整权重的功能。
该算法通过实时监测服务器的负载情况，根据服务器的负载状况动态调整权重，使负载更均衡。
当服务器负载过高时，降低其权重；当服务器负载过低时，提高其权重。
LTE中基于位置预测的双层负载均衡算法
小 间距 离
载频 带 宽 基站 发射 功率 路径 损耗 模 型
＋无 受 载均 衡方 案
—
岳 一 传 统 负 载 均 衡 方 案
母 一 本文 受 载均 横方 案
—
／ ， ｆ
４ ３ ｄ Ｂｍ
，
。
／，
１ ２ ８ ． １ ＋ ３ ７ ． ６ １ ｏ ｇ ｌ Ｏ（ Ｒ ） 。 Ｒ（ ｋ ｍ ）
在本 文的仿真 中，ＵＥ 在服务 完随机 时长 后，设置随 机服务等待 时间然后再重新设置 随机服务 时间直到仿真结
曩 －
ｌ Ｉ 一 —Ｉ ｌ
束 。新呼叫到达率均值 服从 的泊松分 布，
在Ｏ ． １ ｃ ａ ｌ ｌ ／ ｓ
负载均衡算法和使 用本 文提 出的基于位 置 预 测 的双 层 负载
其对该超负载小区的理论可用资源 呈降序排列 。
（ ２）预 测 超 负 载 小 区 内 Ｕ Ｅ到 各 轻 负 载 邻 区 的 ＲＳ ＲＰ，并将 可切换 到各轻 负载邻 区的ＵＥ 按 到该邻 区的 ＲＳ Ｒ Ｐ 呈降序排列。 （ ３ ）选邻区表中排第一的邻 区和超 负载小 区ＵＥ 表中 排第一的ＵＥ 。
的负载 情况使得负载转移更恰 当。但是当呼叫到达率超过 １ 时，三 种小 区的负载都接近 饱和 ，负载均衡 对整个 系统
虱
．
蜀
传 统 负 载 均 衡 方 案
／
，
，
性能的影响不大，三种方案的呼叫阻塞概率基本一致。
换，结束 负载均衡算法。
＝
㈩
＝
＋ ］ ］ × （ Ｔ ］ ㈩
（ ８）若 超负载 小区 负载 ． △ ≥Ｔ１ ，更 新超 负
载小区负载值，并对已更新的 目标邻区的理论 可用资源 重
负载均衡的散列与轮询
负载均衡的散列与轮询负载均衡是一种常用的计算机网络技术，旨在将网络流量合理地分配到多个服务器上，以提高系统的可靠性和性能。
而其中负载均衡的散列和轮询算法则是实现负载均衡的两种常见方式。
在本文中，我们将深入探讨这两种算法的原理、优缺点以及适用场景，并对负载均衡的散列与轮询进行综合回顾和总结。
一、负载均衡的散列算法1.1 原理负载均衡的散列算法基于对客户端请求的某种属性进行哈希计算，将请求映射到服务器上。
通常情况下，选择的属性是与客户端相关的信息，例如客户端的IP位置区域或会话ID。
通过使用散列函数计算哈希值，将请求定位到指定的服务器上，从而实现流量的均衡分配。
1.2 优缺点散列算法具有以下优点：- 简单而高效：散列算法只需将请求哈希到对应的服务器上，具有很低的计算复杂度和网络开销。
- 精确控制：每个请求都会被映射到相同的服务器，从而确保相同请求的处理一致性，减少了状态同步的需求。
然而，散列算法也存在一些缺点：- 负载不均衡：由于哈希函数的选择和哈希分布的不均衡，可能导致服务器的负载不均衡，特别是在增加或减少服务器时。
- 增删服务器的复杂性：当服务器数量发生变化时，需要重新计算请求的哈希值并重新分配给不同的服务器，从而引入了复杂性和性能开销。
1.3 适用场景散列算法适用于以下场景：- 需要保持会话一致性：对于需要保持会话一致性的应用，例如电商网站的购物车功能，使用散列算法可以确保同一用户的请求始终映射到同一台服务器上。
- 少量固定服务器的环境：当服务器数量相对较少且变动较少时，散列算法可以提供高效的负载均衡方案。
二、负载均衡的轮询算法2.1 原理负载均衡的轮询算法将请求按照顺序依次分配到每个服务器上，以确保每台服务器都能平均分担流量。
当请求达到最后一台服务器时，轮询会重新从第一台服务器开始分配，如此循环重复。
2.2 优缺点轮询算法具有以下优点：- 均衡负载：轮询算法能够公平地将请求分配到每个服务器上，从而实现负载的均衡。
负载均衡的常用算法
负载均衡的常⽤算法1、随机算法:负载均衡⽅法随机的把负载分配到各个可⽤的服务器上，通过随机数⽣成算法选取⼀个服务器，然后把连接发送给它。
同样⼀个请求⼀会落到机器A，⼀会落到机器B上,Cache会被频繁淘汰，使得cache命中率低。
2、轮询算法：轮询算法按顺序把每个新的连接请求分配给下⼀个服务器，最终把所有请求平分给所有的服务器。
轮询算法在⼤多数情况下都⼯作的不错，但是如果负载均衡的设备在处理速度、连接速度和内存等⽅⾯不是完全均等，那么效果就会不好。
当然cache命中率也不⾼3、加权轮询算法：每个机器接受的连接数量是按权重⽐例分配的。
这是对普通轮询算法的改进，⽐如你可以设定：第三台机器的处理能⼒是第⼀台机器的两倍，那么负载均衡器会把两倍的连接数量分配给第3台机器。
4、动态轮询算法：类似于加权轮询，但是，权重值基于对各个服务器的持续监控，并且不断更新。
这是⼀个动态负载均衡算法，基于服务器的实时性能分析分配连接，⽐如每个节点的当前连接数或者节点的最快响应时间等。
5、最快响应算法：平衡器记录⾃⾝到每⼀个集群节点的⽹络响应时间，并将下⼀个到达的连接请求分配给响应时间最短的节点；6、最少连接算法：平衡器纪录⽬前所有活跃连接，把下⼀个新的请求发给当前含有最少连接数的节点。
7、哈希散列算法：散列法也叫哈希法（HASH），通过单射不可逆的HASH函数，按照某种规则将⽹络请求发往集群节点，将具有相同源地址的数据包发给同⼀服务器。
以后对相同的请求，相同的服务器组，计算出来的hash结果相同，从⽽达到HASH分布的效果。
根据不同的均衡要求选择不同的均衡算法当然：对于哈希散列算法我们计算全部服务器的idx_key=hash(query_key+server_idx)，其中计算得到idx_key最⼤的server_idx就是需要的idx。
假设开始3台后端服务器，请求⽤标志串 req = "abcd" 来标志，服务器⽤ S1, S2, S3来标志，那么，通过对 req + Sx 合并起来计算签名就可以对每个服务器得到⼀个数值：(req = "abcd" + S1) = K1(req = "abcd" + S2) = K2(req = "abcd" + S3) = K3计算的⽅法可以使⽤crc，也可以使⽤MD5，⽬的的得到⼀个*散列*的数字，这样在K1,K2,K3中必定有⼀个最⼤的数值，假设是K2，那么可以将请求req扔给S2，这样，以后对相同的请求，相同的服务器组，计算出来的结果必定是K2最⼤，从⽽达到HASH分布的效果。
常见的负载均衡算法
常见的负载均衡算法
以内
负载均衡算法是指在集群运行环境中，根据所接收请求的特点，合理分配到不同服务
器上，从而实现系统负载均衡，达到最优的资源利用效果，是集群架构中的一种重要的网
络架构。
目前常见的负载均衡算法有轮询、权重轮询、最小连接数、哈希、动态调度等。
一、轮询：轮询是指服务器的负载均衡算法，它假设客户端发送的请求量是均匀的，
系统会采用轮流的方式将请求分配到每一个服务器上。
二、权重轮询：权重轮询算法是负载均衡算法中比较常用的一种，用于配置不同服务
器负载不同的“权重”，根据这个“权重”轮流分发任务。
在这种算法中，权重越高，单
个服务器收到的请求比例就越多。
三、最小连接数：最小连接数算法是指将新的请求指定到拥有最少连接的服务器上，
因为这样的服务器处理能力依然会比较强，降低请求处理延时。
四、哈希：哈希算法是一种比较常用的负载均衡算法，它的原理是采用特定的函数对
客户端发送的请求和服务器进行匹配，最终实现均衡负载。
五、动态调度：动态调度算法是指系统根据变化情况实时衡量系统负载，并将负载动
态分发到每一个服务器上，实现负载的动态调度、平衡等工作，从而保证系统的稳定运行。
5g基于频谱效率的负载均衡算法
我们来深入了解一下5G基于频谱效率的负载均衡算法。
在当前的通信网络中，负载均衡是一个非常重要的问题，尤其是在5G网络中，由于其高速、高密度的特点，对于负载均衡算法的要求更加严格。
基于频谱效率的负载均衡算法，可以有效地优化网络资源的利用，提高网络的性能和用户体验。
1. 5G基于频谱效率的负载均衡算法的原理在5G网络中，频谱资源是非常宝贵的，如何有效地利用频谱资源，提高频谱效率成为了一个亟待解决的问题。
基于频谱效率的负载均衡算法，通过动态地调整用户的接入和切换策略，使得不同基站之间的负载达到均衡，从而最大限度地提高频谱资源的利用率。
2. 5G基于频谱效率的负载均衡算法的关键技术（1）智能切换技术：通过对用户的信道质量、基站负载和用户需求等信息进行分析和预测，实现智能的切换决策，将用户连接到负载更轻的基站上，从而降低网络的负载差异，并提高频谱资源的利用率。
（2）动态分配资源技术：根据不同基站的负载情况和频谱资源的使用情况，动态地调整资源的分配，使得频谱资源得到合理利用，达到负载均衡的效果。
3. 5G基于频谱效率的负载均衡算法的优势基于频谱效率的负载均衡算法，能够有效地提高网络的频谱利用率，降低网络的拥塞情况，提高网络的覆盖范围和容量，提高用户的接入速度和数据传输速率，从而改善用户的通信体验。
4. 我对5G基于频谱效率的负载均衡算法的个人观点和理解在我看来，5G基于频谱效率的负载均衡算法是5G网络优化的重要手段之一，它可以有效地提高网络的性能，改善用户的体验，是未来5G 网络发展的重要方向之一。
然而，目前这方面的研究还比较薄弱，需要更多的研究和实践来进一步完善和推广。
5G基于频谱效率的负载均衡算法是一个非常重要的技术，它可以有效地提高网络的性能和用户体验，是未来5G网络发展的重要方向之一。
希望未来能够有更多的研究者和企业投入到这个领域，推动这项技术的发展和应用。
5G技术的发展和普及已经成为了当前通信领域的热点话题。
小区负载均衡算法
小区负载均衡算法介绍1、小区负载均衡算法配置（针对本小区与扩容小区之间）小区负载均衡算法分为两类PRB利用率负载平衡算法和同步态用户负载均衡算法两种。
其中：PRB利用率负载平衡算法用于解决在单个小区PRB利用率受限（达到或者接近满载），同时存在与之重叠覆盖的异频邻区相对低载，算法将一部分负载转移至邻区之后，达到整体PRB利用率之和最大化，从而吞吐率最大化；同步态用户数负载平衡算法用于解决在单个小区用户数受限（由于用户数过多导致整体UE速率受限），同时存在与之重叠覆盖的异频邻区相对低载，算法将一部分负载转移至邻区之后，达到整体用户速率平均化，从而减少差性用户的比例。
笼统地说，PRB利用率负载平衡算法主要用于选大包用户，同步态用户数负载平衡算法主要用于选小包用户。
因为现网用户分布符合类正态分布的特性，即小包用户出现概率大，大包用户出现概率小。
所以在现网使用同步态用户负载均衡算法。
同步态用户负载均衡算法关键参数及配置方式如下：InterFreqMlbSwitch：负载均衡总开关，在CELLALGOSWITCH设置，是进行PRB利用率负载平衡算法和同步态用户负载均衡的总开关，打开此开关才可进行复杂均衡。
MML：MOD CELLALGOSWITCH:LOCALCELLID=X,MLBALGOSWITCH=InterFreqMlbSwitch-1;MlbTriggerMode：异频负载平衡触发模式，当前算法支持两种模式，三种开启方案：单独打开PRB负载模式（PRB_ONLY）、单独打开用户数模式（UE_NUMBER_ONLY）和支持两个模式同时打开（PRB_OR_UE_NUMBER），现网配置时使用用户数模式即可。
MML：MOD CELLMLB:LOCALCELLID=X,MLBTRIGGERMODE=UE_NUMBER_ONLY；InterFreqUeTrsfType：异频负载均衡转移UE类型。
决定转移连接态UE还是释放态UE，区分PRB模式下转移UE连接态还是空闲态，用户数模式下转移UE连接态还是空闲态，一共4个勾选项，可以独立或者同时配置。
华为5G负载均衡的原理说明
1、锁定负载均衡的目标小区：建议在高负荷区域内，选择配置了200M双载波的重叠覆盖的小区之间，开启负载均衡功能。
2、实施步骤，含MML配置脚本示例：（1）、开启负载均衡开关（小区级）：MODNRCELLALGOSWITCH:NRCELLID=0,MLBALGOSWITCH=INTER_FREQ_CON NECTED_MLB_SW-1;（2）、调整切换目标小区的RSRP门限，高于这个门限的小区，是负载均衡的目标小区；MODNRCELLINTERFHOMEAGRP:NRCELLID=0,INTERFREQHOMEASGROUPID=0, INTERFREQMLBA4RSRPTHLD=-102;（3）、调整负载均衡的触发参数：本小区用户数高于70（INTERFREQMLBUENUMTHLD）+15（MLBUENUMOFFSET），系统会持续评估5秒。
则启动负载均衡切换：如果持续5秒内低于85用户，则退出负载均衡切换。
邻区之间的负载差值在15%（UENUMDIFFTHLD）以上才进行切换。
以上三个参数都可以通过下面脚本进行调节。
MODNRCELLMLB:NRCELLID=0,INTERFREQMLBUENUMTHLD=70,MLBUENUMO FFSET=15,UENUMDIFFTHLD=15;3、切换出的候选邻区配置需求，候选邻区用户进行负载交互：•与当前小区配置了邻区关系，且允许切换•与当前小区同基站•与当前小区异频•小区状态为可用•候选邻区也需要开启INTER_FREQ_CONNECTED_MLB_SW开关4、负载交互，确定可以切换的目标小区，满足一下条件允许切换：•当前小区与候选邻区之间的负载差> NRCellMLB.UENUMDIFFTHLD （15%）•候选邻区的连接态UE比例< 90%（即：小区当前的连接态UE数/小区最大支持的连接态UE数）5、UE的选择，UE必须满足以下条件：•UE处于连接态•UE是非VoNR语音用户•UE是非NSA用户•UE是非CA用户•UE支持负载均衡。
5g 小区重选 准则
5G小区重选准则1. 引言随着5G技术的快速发展和广泛应用，5G小区的重选成为了一个重要的问题。
5G小区重选准则是指在特定条件下，根据一定的规则和算法，对5G小区进行重新选择的方法和准则。
本文将对5G小区重选准则进行详细的介绍和分析。
2. 5G小区重选的背景和意义在5G网络中，一个小区是指一组基站和相关设备的集合，负责提供无线信号覆盖和数据传输服务。
由于5G网络的特性，包括高速率、低延迟和大连接数等，小区的规划和重选变得尤为重要。
5G小区的重选可以优化网络性能，提高用户体验，减少网络拥塞等问题。
3. 5G小区重选准则的基本原则5G小区重选准则的制定需要遵循以下基本原则：3.1 公平性原则重选准则应该公平地对待所有用户，不偏袒任何特定用户或利益方。
所有用户应该有平等的机会连接到最优质的小区。
3.2 资源利用效率原则重选准则应该能够最大限度地利用有限的网络资源，提高网络的整体效率。
重选过程中应考虑到网络的负载情况，避免过度拥塞。
3.3 用户体验优先原则重选准则应该以提高用户体验为目标，确保用户能够获得稳定、高速的网络连接。
用户体验包括网络速度、延迟、稳定性等方面。
3.4 算法可行性原则重选准则的算法应该是可行的，能够在实际网络环境中有效地运行。
算法应该具有一定的复杂性和灵活性，以适应不同的网络条件和需求。
4. 5G小区重选准则的具体内容4.1 重选触发条件重选触发条件是指在何种情况下触发小区重选。
常见的触发条件包括：•信号质量下降：当用户所连接的小区信号质量下降到一定程度时，可以触发重选。
•小区拥塞：当小区负载过高，无法满足用户需求时，可以触发重选。
•用户主动触发：当用户主动申请重选时，可以触发重选。
4.2 重选算法重选算法是指根据一定的规则和算法，选择最优质的小区。
常见的重选算法包括：•信号质量优先算法：根据小区的信号质量，选择信号质量最好的小区。
•负载均衡算法：根据小区的负载情况，选择负载较低的小区，以实现负载均衡。
几种负载均衡算法
几种负载均衡算法一、负载均衡算法简介负载均衡是指将客户端请求均匀地分配到多个服务器上，以提高系统的性能和可靠性。
负载均衡算法是决定如何分配请求的规则，可以根据不同的需求选择不同的算法。
下面将介绍几种常见的负载均衡算法。
二、轮询算法（Round Robin）轮询算法是最基本的负载均衡算法之一，它按照请求的顺序依次将请求分配给每一台服务器，当请求达到最后一台服务器时，它会重新从第一台服务器开始分配。
轮询算法是一种非常简单且公平的算法，能够均匀地将请求分配到各个服务器上。
但轮询算法没有考虑服务器的负载情况，当其中一台服务器处理速度较慢时，会导致整个系统的性能下降。
三、加权轮询算法（Weighted Round Robin）加权轮询算法是在轮询算法的基础上增加了权重的概念，通过为每台服务器分配一个权重值，使得具有更高权重的服务器可以处理更多的请求。
加权轮询算法可以根据服务器的性能、处理能力等情况来设置权重值，从而更加合理地分配请求。
但是加权轮询算法仍然没有考虑服务器的负载情况，存在负载不均衡的问题。
四、最小连接数算法（Least Connections）最小连接数算法是根据服务器的实时连接数来进行负载均衡的算法。
它会将请求分配给连接数最少的服务器，以保证各个服务器的负载均衡。
最小连接数算法相对于轮询算法和加权轮询算法有着更好的负载均衡能力，可以避免一些服务器的负载过高。
但最小连接数算法需要实时地查询每台服务器的连接数，对系统的性能会有一定的影响。
五、随机算法（Random）随机算法是一种简单而有效的负载均衡算法，它会随机地将请求分配给一台服务器。
通过随机算法，可以避免一些特定的请求集中到其中一台服务器上，实现请求的均匀分配。
但随机算法无法保证服务器的负载均衡，可能会导致一些服务器的负载过高。
六、哈希算法（Hash）哈希算法根据请求的内容计算哈希值，再根据哈希值将请求分配给相应的服务器。
哈希算法能够保证相同的请求分配到同一台服务器上，可以用于实现会话保持。
经典案例-电信高负荷均衡优化总结
深圳电信高负荷均衡优化总结1.负载均衡算法原理移动性负载均衡（Mobility Load Balancing）是通过判断本小区的负载高低，进行小区间负载信息交互，将负载从较为繁忙的小区转移到剩余资源较多的小区，这样协调了同系统或异系统小区之间的负载分布，实现了网络资源利用最大化，从而提升了接入成功率和用户的业务感受。
负载平衡在整个eNodeB的负载控制中所处的位置如下图所示。
负载控制关系图：2.小区负载对于负载平衡来说，考虑的负载分为三种，即空口负载，eNodeB硬件负载和传输负载，负载位置示意图如下所示：空口负载：以小区用户数情况及小区上行/下行的PRB利用率（PRB usage）来衡量。
传输负载（Transport network layer load）是系统评估S1口带宽的使用情况。
硬件负载（Hardware load）是系统评估CPU和DSP等硬件资源的使用情况。
目前的网优侧的负载均衡只针对空口负载触发的负载均衡，暂不考虑传输和硬件方面的负载均衡，但是如果某个邻区的传输和硬件过载，在空口负载均衡选择邻区时会将该邻区排除在外。
3.MLB负载均衡流程负载转移应用场景分为同频邻区场景、异频邻区场景以及异系统场景。
当一个小区既有同频邻区，也有异频、异系统邻区时，该小区该选择哪种邻区进行负载转移，可以通过配置对应开关和对应门限进行控制。
若所有场景的开关都开启，则这些场景是可以并存。
建议优先考虑同频和异频场景下的负载转移（目前产品仅支持异频场景）。
3.1.负载均衡参数基本配置eNodeB判断小区的负载状态，当小区处于高负载状态时，会将负载高小区中的部分UE 转移到负载低的小区，平衡异频或异系统小区之间的负载，负载均衡参数的基本配置如下所示：3.1.1开启负载均衡开关小区级算法中打开负载均衡算法开关中的InterFreqMlbSwitch(异频负载平衡开关)和InterFreqBlindMlbSwitch(盲负载均衡开关)，建议两个开关均打开：命令：MOD CELLALGOSWITCH:MlbAlgoSwitch=InterFreqMlbSwitch-1&InterFreqBlindMlbSwitch-1;3.1.2选择负载均衡触发模式负载平衡算法参数中选择PRB模式触发、用户数模式触发和PRB模式或用户数模式触发三种模式，建议设置为第三种PRB模式或用户模式触发：命令：MOD CELLMLB: MlbTriggerMode=PRB_OR_UE_NUMBER;PRB模式触发（PRB_ONLY）：表示依据PRB利用率作为算法触发的条件，同时将对用户数的判决作为附加条件，小区间PRB利用率有差异作为用户迁移的条件，剩余PRB个数相同作为算法执行的目标；用户数模式触发（UE_NUMBER_ONLY）：表示用户数作为算法触发的条件，小区间等效带宽中用户数有差异作为用户迁移的条件，小区间等效带宽中用户数均衡作为算法执行的目标；PRB模式或用户数模式触发（PRB_OR_UE_NUMBER）：表示综合PRB_ONLY和UE_NUMBER_ONLY中的算法触发条件、用户迁移条件和算法执行目标。
负载均衡常见算法
负载均衡常见算法
负载均衡是一种计算机网络技术，它通过将网络请求分发到多个服务器上，以提高系统的整体性能和可靠性。
在负载均衡中，常见的算法有以下几种：
轮询算法（Round Robin）：这是最简单的负载均衡算法。
在这种算法中，请求按顺序轮流地分配到各个服务器上。
每个服务器都会平等地处理相同数量的请求，不关心服务器的连接数和负载情况。
轮询法的目的在于均衡，但缺点是性能高的服务器可能无法发挥其最大能力。
随机算法（Random）：随机算法将请求随机地分配给服务器列表中的任一服务器。
随着调用量的增大，实际效果会接近轮询算法。
这种算法的优点是简单易行，但缺点是可能导致某些服务器过载而其他服务器闲置。
加权轮询算法（Weighted Round Robin）：加权轮询算法是对轮询算法的一个改进。
它根据服务器的性能不同，给每个服务器配置一个权重，然后根据权重进行轮询。
这样可以让性能高的服务器处理更多的请求，从而提高系统的整体性能。
加权随机算法（Weighted Random）：加权随机算法与加权轮询算法类似，但在选择服务器时采用随机方式。
它根据服务器的性能为每个服务器分配一个随机权重，然后根据权重随机选择服务器处理请求。
最少连接数算法（Least Connections）：最少连接数算法根据当前活跃连接数选择服务器。
它选择具有最少连接数的服务器来处理新的请求，从而确保每个服务器的负载尽可能均衡。
这些算法各有优缺点，适用于不同的场景和需求。
在实际应用中，需要根据服务器的性能、负载情况、请求类型等因素选择适合的负载均衡算法。
负载均衡调度算法
负载调度算法负载均衡（Load Balance），又称为负载分担，就是将负载（工作任务）进行平衡、分摊到多个操作单元上进行执行，例如Web服务器、FTP服务器、企业关键应用服务器和其它关键任务服务器等，从而共同完成工作任务。
负载均衡建立在现有网络结构之上，它提供了一种廉价又有效的方法来扩展网络设备和服务器的带宽、增加吞吐量、加强网络数据处理能力、提高网络的灵活性和可用性。
在调度器的实现技术中，IP负载均衡技术是效率最高的。
在已有的IP负载均衡技术中有通过网络地址转换（Network Address Translation）将一组服务器构成一个高性能的、高可用的虚拟服务器，称之为VS/NAT技术。
在分析VS/NAT 的缺点和网络服务的非对称性的基础上，提出通过IP隧道实现虚拟服务器的方法VS/TUN，和通过直接路由实现虚拟服务器的方法VS/DR，它们可以极大地提高系统的伸缩性。
在内核中的连接调度算法上，IPVS实现了以下几种调度算法：1 轮叫调度1.1 轮叫调度含义轮叫调度（Round Robin Scheduling）算法就是以轮叫的方式依次将请求调度不同的服务器，即每次调度执行i = (i + 1) mod n，并选出第i台服务器。
算法的优点是其简洁性，它无需记录当前所有连接的状态，所以它是一种无状态调度。
轮叫是基站为终端分配带宽的一种处理流程，这种分配可以是针对单个终端或是一组终端的。
为单个终端和一组终端连接分配带宽，实际上是定义带宽请求竞争机制，这种分配不是使用一个单独的消息，而是上行链路映射消息中包含的一系列分配机制。
1.2 轮叫调度算法流程轮询调度算法的原理是每一次把来自用户的请求轮流分配给内部中的服务器，从1开始，直到N（内部服务器个数），然后重新开始循环。
在系统实现时，我们引入了一个额外条件，即当服务器的权值为零时，表示该服务器不可用而不被调度。
这样做的目的是将服务器切出服务（如屏蔽服务器故障和系统维护），同时与其他加权算法保持一致。
负载均衡调度算法
负载均衡调度算法1.轮询调度算法轮询调度算法是最简单且常见的负载均衡算法之一、它按照固定的顺序依次分配请求给各个节点。
当服务器节点数量较少且性能相似时，轮询算法可以实现较好的负载均衡效果。
但是，对于节点的性能存在差异时，轮询算法无法根据节点的当前负载情况进行调整。
2.加权轮询调度算法加权轮询调度算法是在轮询调度算法的基础上进行了扩展。
不同的节点设置不同的权重值，根据权重值的大小决定每个节点能够处理的请求数量。
权重越高的节点将分配到更多的请求，从而实现负载均衡。
加权轮询调度算法可以根据节点的性能差异进行动态调整，提高系统的负载均衡效果。
3.最少连接调度算法最少连接调度算法是根据节点当前的连接数来判断负载情况，将请求分配给连接数最少的节点。
通过监听节点的连接数，负载均衡器可以实时获取节点的负载情况，从而将新的请求发送给负载最轻的节点，避免负载过大的节点出现性能瓶颈。
最少连接调度算法适用于每个请求的处理时间差异较大的场景。
4.加权最少连接调度算法加权最少连接调度算法是在最少连接调度算法的基础上引入了权重值来调整节点负载。
不同的节点设置不同的权重值，根据节点的权重和连接数来选择最合适的节点。
权重高的节点将被更频繁地选择处理请求，而权重低的节点在负载较高时会较少被选择，从而实现负载均衡。
5.源地址哈希调度算法源地址哈希调度算法通过根据请求的源IP地址计算哈希值，并根据哈希值的大小选择相应的节点。
源地址哈希调度算法的特点是同一个源IP地址的请求始终被分配到同一个节点处理，这样可以保持会话的一致性，适用于有状态的负载均衡场景。
除了上述常见的负载均衡调度算法，还有其他一些高级算法如最少响应时间调度算法、局部性感知调度算法等。
不同的负载均衡算法适用于不同的场景，可以根据系统的具体需求和性能特点选择合适的算法来实现负载均衡。
同时，还可以结合多种算法进行组合调度，以进一步提高系统的性能和可扩展性。
负载均衡的算法
负载均衡的算法负载均衡算法是指将网络流量和数据请求均匀地分配到多台服务器上，以提高整个服务器系统的性能和可靠性。
负载均衡算法的选择和实现将直接影响服务器的性能和用户体验。
常见的负载均衡算法有轮询算法、最少连接算法、IP哈希算法、加权轮询算法、加权最少连接算法等。
一、轮询算法轮询算法是最简单的负载均衡算法之一。
它的原理是将请求依次分配到每一台服务器上，当请求分配到最后一台服务器后，再从第一台服务器开始继续循环分配。
轮询算法对每一台服务器的负载要求相等，适用于每台服务器的性能差不多，没有特别繁忙或异常负载的情况下。
轮询算法的实现简单，性能和可靠性较好，但不适用于流量波动和短时间内的高流量请求。
二、最少连接算法最少连接算法是基于服务器当前连接数的负载均衡算法。
它的原理是将请求分配给当前空闲连接数最少的服务器，以保证服务器的性能不被超载。
最少连接算法适用于服务器的性能差异较大或请求的数据大小不一时。
但最少连接算法需要维护每台服务器的连接数信息，增加了系统的复杂度，需要对算法进行优化以提高性能。
三、IP哈希算法IP哈希算法是根据请求的源IP地址来计算分配服务器的算法。
它的原理是将请求的源IP地址按照哈希算法计算出一个哈希值，然后将哈希值与服务器列表中的服务器个数取余，得到分配服务器的下标。
这种负载均衡算法有效地避免了不同请求分配到不同服务器的情况，可以提高缓存的效率，但当服务器数目发生变动时，IP哈希算法会造成负载均衡的不均匀，需要重新计算哈希值。
加权轮询算法是在轮询算法的基础上增加了权重的分配，以适应不同服务器性能差异的情况。
它的原理是将每个服务器分配一个权重值，按照权重比例分配请求。
加权轮询算法可以保证每台服务器的负载相对均衡，适用于服务器性能差异比较大或请求大小不一的情况下。
综上所述，各种负载均衡算法在不同的场景下都有其优缺点，需要选取适合自己服务器架构和应用场景的负载均衡算法，以提高系统性能和可靠性。
负载均衡的hash算法
负载均衡的hash算法负载均衡是指将网络流量分配到多个服务器上，以达到提高系统性能和可用性的目的。
负载均衡的hash算法是其中一种常用的负载均衡算法，它通过对请求的关键字进行hash运算，将请求分配到不同的服务器上，从而实现负载均衡。
负载均衡的hash算法的原理是将请求的关键字通过hash函数映射到一个固定的范围内，然后将这个范围划分成若干个区间，每个区间对应一个服务器。
当有请求到来时，根据请求的关键字计算出hash值，然后将hash值映射到对应的区间，最终将请求分配到对应的服务器上。
负载均衡的hash算法有以下几个优点：1. 均衡性：由于hash算法是将请求均匀地分配到不同的服务器上，因此可以实现负载均衡，避免某些服务器过载而导致系统性能下降。
2. 稳定性：由于hash算法是将请求映射到一个固定的区间上，因此即使服务器的数量发生变化，也不会影响已经分配到的请求的分配结果。
3. 可扩展性：由于hash算法是将请求映射到一个固定的区间上，因此可以很容易地添加或删除服务器，而不会影响已经分配到的请求的分配结果。
负载均衡的hash算法也有一些缺点：1. 数据倾斜：由于hash算法是将请求映射到一个固定的区间上，因此如果某些关键字的分布不均匀，就会导致某些服务器的负载过高，而其他服务器的负载过低。
2. 无法动态调整：由于hash算法是将请求映射到一个固定的区间上，因此无法根据服务器的负载情况动态调整分配结果。
为了解决负载均衡的hash算法的缺点，可以采用一些改进的算法，例如一致性hash算法。
一致性hash算法是将服务器和请求都映射到一个环上，然后将请求映射到离它最近的服务器上。
这种算法可以解决数据倾斜的问题，并且可以动态调整分配结果。
总之，负载均衡的hash算法是一种常用的负载均衡算法，它可以实现负载均衡、稳定性和可扩展性，但也存在数据倾斜和无法动态调整的问题。
为了解决这些问题，可以采用一些改进的算法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
小区负载均衡算法介绍1、小区负载均衡算法配置（针对本小区与扩容小区之间）小区负载均衡算法分为两类PRB利用率负载平衡算法和同步态用户负载均衡算法两种。
其中：PRB利用率负载平衡算法用于解决在单个小区PRB利用率受限（达到或者接近满载），同时存在与之重叠覆盖的异频邻区相对低载，算法将一部分负载转移至邻区之后，达到整体PRB利用率之和最大化，从而吞吐率最大化；同步态用户数负载平衡算法用于解决在单个小区用户数受限（由于用户数过多导致整体UE 速率受限），同时存在与之重叠覆盖的异频邻区相对低载，算法将一部分负载转移至邻区之后，达到整体用户速率平均化，从而减少差性用户的比例。
笼统地说，PRB利用率负载平衡算法主要用于选大包用户，同步态用户数负载平衡算法主要用于选小包用户。
因为现网用户分布符合类正态分布的特性，即小包用户出现概率大，大包用户出现概率小。
所以在现网使用同步态用户负载均衡算法。
同步态用户负载均衡算法关键参数及配置方式如下：InterFreqMlbSwitch：负载均衡总开关，在CELLALGOSWITCH设置，是进行PRB利用率负载平衡算法和同步态用户负载均衡的总开关，打开此开关才可进行复杂均衡。
MML：MOD CELLALGOSWITCH:LOCALCELLID=X,MLBALGOSWITCH=InterFreqMlbSwitch-1;MlbTriggerMode：异频负载平衡触发模式，当前算法支持两种模式，三种开启方案：单独打开PRB 负载模式（PRB_ONLY）、单独打开用户数模式（UE_NUMBER_ONLY）和支持两个模式同时打开（PRB_OR_UE_NUMBER），现网配置时使用用户数模式即可。
MML：MOD CELLMLB:LOCALCELLID=X,MLBTRIGGERMODE=UE_NUMBER_ONLY；InterFreqUeTrsfType：异频负载均衡转移UE类型。
决定转移连接态UE还是释放态UE，区分PRB模式下转移UE连接态还是空闲态，用户数模式下转移UE连接态还是空闲态，一共4个勾选项，可以独立或者同时配置。
现网设置SynchronizedUE(同步态用户)、IdleUE(空闲态用户)打开，PrbMlbSynchronizedUE(PRB模式负载均衡同步态用户)，异频空闲态小区PRB 利用率负载平衡算法PrbMlbIdleUE(PRB模式负载均衡空闲态用户)关闭即可。
MML：MOD CELLMLB:LOCALCELLID=X，INTERFREQUETRSFTYPE=SynchronizedUE-1&IdleUE-1&PrbMlbSynchronizedUE-0&PrbMlbIdleUE-0；InterFreqMlbUeNumThd：异频负载均衡用户数门限；MlbUeNumOffset：负载均衡用户数偏置。
算法高载触发门限，当算法未触发时如果小区同步态用户数大于等于InterFreqMlbUeNumThd + MlbUeNumOffset则触发异频连接态小区同步态用户数负载平衡算法，当算法触发时如果小区同步态用户数小于InterFreqMlbUeNumThd则退出算法。
MlbUeNumOffset：负载均衡用户数偏置不需要进行配置，现网默认值20即可。
InterFreqMlbUeNumThd异频负载均衡用户数门限设置为小区最大用户数的一半即可。
MML：MOD CELLMLB:LOCALCELLID=X，INTERFREQMLBUENUMTHD=（最大用户数/2）;InterFreqLoadEvalPrd:异频负载评估周期，控制算法运行时序，在算法触发之后，负载平衡周期性执行，每个算法周期InterFreqLoadEvalPrd 执行一次MLB 动作，包括若干次MLB 切换。
即负载均衡多少秒进行一次。
一般现网话务较高的情况配置15S 即可。
MML ：MOD CELLMLB:LOCALCELLID=X, INTERFREQLOADEVALPRD=15;UeNumDiffThd ：用户数差值门限，用于比较本区用户数和邻区用户数的差距，算法要求本区选择相对低载的邻区作为MLB 的可选邻区，这里相对低载的判决公式是本区用户数和邻区用户数差值占本区用户数的比例是否高于UeNumDiffThd （公式为M N B A M i i *-> UeNumDiffThd ，其中M ，A 分别为本小区同步态用户数和配置RB 总数，i N ，iB 分别为邻区i 的小区同步态用户数和配置RB 总数。
CellCapacityScaleFactor ：小区能力缩放因子，计算小区配置RB 总数的缩小或者放大因子，配置RB 总数等于小区可用RB 总数*CellCapacityScaleFactor ，这里小区可用RB 总数根据小区实际可用RB 总数，基于实际RB 数测量获得，在小区总RB 数里扣除掉不能用于业务信道调用的RB 数包括控制信道、公共信道和某些算法导致的蔽塞RB 数，剩下的都是可以用于调用业务信道的RB 数。
以上二者都是用于判决负载均衡是否达到平衡的，简单举个例子：当小区能力缩放因子为1和1的时候，本小区为一个20M 小区，邻区为一个10M 小区，在进行用户数差值门限判决时，公式变化为MN M i *21->UeNumDiffThd,若缩放因子为1:2时，公式变化为M N M i -> UeNumDiffThd 。
因现网均采用20M 小区组网，所以以上参数均按默认值设置即可。
OverlapInd ：重叠覆盖标识，在异频邻区关系中进行设置。
算法支持由维测人员设置可作为MLB 目标邻区的标识，当选择某个或者某些邻区为OverlapInd=Yes ，代表本区只会选择这个或者这些邻区作为目标邻区。
这个参数默认值为No ，算法会自动检查所有邻区是否为No ，如是，代表不考虑这一标识，即所有邻区都可以作为目标邻区。
MML ：MOD EUTRANINTERFREQNCELL：LOCALCELLID=X,MCC=”460”,MNC=”00”,ENODEBID=X,OVERLAPIND=YES;MlbMaxUeNum: 负载均衡最大切换出用户数。
算法每隔一个评估周期都会选择一定数量的UE 执行MLB 动作，该参数表示单周期执行MLB 动作的UE 个数上限，实际选择UE 过程中，可能小于或者等于这个上限，不可能大于这个上限，出现小于这个上限的情况是当前满足条件的UE 不够这个数目上限，此时算法本着有多少选多少的原则，选择所有满足条件的UE 。
现网设置为20即可。
MML ：MOD CELLMLB:LOCALCELLID=X, MLBMAXUENUM=20；MlbUeSelectPrbThd ：负载均衡用户选择PRB 门限。
表示异频连接态小区同步态用户数负载平衡算法中，选择UE 的负载条件为UE 级上、下行Total 业务PRB 利用率小于等于该门限。
该值设置越大，异频连接态小区同步态用户数负载平衡算法越容易选择UE ，有利于该算法的执行效率。
简单来说，就是该值设置的越大越容易选择UE ，该值设置的越小越难选择UE 。
现网默认值为2%，可以提高到10%，便于扩大可供选择UE 的范围，且设置为10%时，负载均衡算法并不会选择拉网大包用户，因为拉网大包用户的PRB 利用率是远大于10%的。
MML ：MOD CELLMLB:LOCALCELLID=X ,MLBUESELECTPRBTHD=10；相关电平设置：现网一般在扩容小区之间（D1D2、E1E2）配置为A3门限。
那么在设置电平的时候要保证基于负载的异频RSRP触发门限（负载均衡UE测到的邻区的电平值）小于基于A3的异频A2RSRP触发门限（覆盖切换UE测到的邻区的电平值）。
如若不然，会导致UE从本小区到邻区负载均衡切换过去之后，又因为满足小于基于A3的异频A2 RSRP触发门限又切换回来。
（比如说当基于负载的A4设置为-100，基于A3的A2设置为-90，当本小区电平为-95，邻区电平为-98时，可以通过负载均衡到邻小区，但是到了邻小区后又会通过覆盖切换A3事件切换回来）。
MML：MODINTERFREQHOGROUP:LOCALCELLID=X,INTERFREQHOGROUPID=0,A3INTERFREQHOA1THDRSRP=-90,A3INTERFREQHOA2THDRSRP=-105，INTERFREQLOADBASEDHOA4THDRSRP=-103;2、小区负载均衡算法监控使用信令跟踪---用户数跟踪，可进行实时的用户数监控，便于观察用户数波动情况。
用户数监控开启：使用信令跟踪—MLB跟踪，可进行MLB实时情况观察，便于观察MLB开启效果，同时也可以根据此信令跟踪的结果对MLB的电平门限进行优化。
输入本小区信息与需要观察的与本小区负载均衡的邻区的信息，可开启两小区间负载均衡效果观察。
利用本小区异频用户负载平衡选择UE个数，判决是否有那么多用户需要进行负载均衡，如果未达到设定的最大值。
那么此时本小区用户可能处于负载均衡门限上波动，或两小区负载均衡趋于平衡。
切至目标小区的UE个数是一个累加的数字，从开启MLB监控开始，因为负载均衡的原因，切至目标小区的连接态用户数。
需观察此值在每个周期变化时，增加的数量和当前负载均衡选择的UE数量是否有较大的悬殊。
如果有，那证明本小区和邻区覆盖并不重叠造成两小区之间覆盖不均衡或基于负载均衡的A4门限设置过高。
3、小区负载均衡算法效果桓台联通前鲁2小区负载均衡效果如下图。
扩容前（9月9日、10日用户数达到500以上）。
9月11日晚上完成扩容，可见未开启负载均衡时2小区和5小区话务量分担并不好。
9月12日及以后数据为开启负载均衡后的数据，可见本小区与扩容小区之间话务分担效果良好。
（此站点为高校站点，9月12日为周六，话务量出现较大波动，属于正常现象）。