动态均衡（精选8篇）
动态均衡 篇1
摘要：2009年下半年以来,我国经济逐渐复苏,而通胀的压力也进一步增大。基于宏观经济动态均衡的角度,现对经济通胀压力进行量化分析。在进行量化分析前构建了一个求解宏观经济动态均衡的简单模型,并将中国宏观经济中的五大变量代入该模型进行了计量分析,得出了中国宏观经济中五大变量的均衡值。然后,通过经验分析,考察了1979年以来我国物价运行的动态均衡轨迹。最后,依据计量数据和经验分析,阐述了当前通胀压力的均衡调整策略。
关键词：通货膨胀,货币发行量,五环联动,动态均衡,均衡调整
一、中国当前面临的通货膨胀压力
从国际金融危机以来,欧、美、中、日等世界主要国家都采取了大规模的扩张政策,一些国家的物价在持续降落后开始出现了小幅的回升。中国的扩张干预力度非常大,在世界各国中经济态势较早地出现了复苏迹象。根据相关公开数据,我国的各种物价指数从2009年7月份开始止跌,同年9月份开始回升,到2010年初已经出现了通胀的势头。2009年7月至8月,我国的消费物价指数(CPI)稳定在98.8,到9月份小幅上升至98.9,从2010年1月份开始较大幅上升,截至2010年4月份达到102.4。2009年7月至10月,我国的零售物价指数(RPI)稳定在98.4,到11月份小幅上升至98.6,从2010年1月份开始较大幅上升,截止到2010年4月份达到102.3。
从货币供应量角度来看,我国2009年底开始的通货膨胀势头源于2008年的较大规模的货币扩张政策。根据中国人民银行数据,我国2008年广义货币发行量为475 166.6亿元,增幅达17.8%。2008年的GDP规模为300 670亿元,根据MV=PY公式,我国2008年的物价水平(指数)应为158。而这个通胀水平在2009年并未实现,因而将被极大地推迟到2010年或以后爆发。2009年的GDP规模是335 353亿元,M2为610 224.52亿元,依据上述公式,通胀指数为182。因此,2010年的通胀压力非常大[1]。我们可以发现,价格、实际工资、失业或就业、产出、货币可以近似构成一个封闭循环。关于P与w、w与N、N与Y、Y与M、M与P的关系,有许多经验研究和结论[2],为了分析的简单化,本文假定五大变量前后因素之间存在线性关系。更进一步,为了消除数据中可能存在的异方差问题,这里将每个变量的绝对额转换为相对变化率来求各对变量的线性关系。假定:
GM=B1+β1GY (1)
GP=B2+β2GM (2)
Gw=B3+β3GP (3)
GN=B4+β4Gw (4)
GY=B5+β5GN (5)
上式中,GP、Gw、GN、GY、GM 分别代表物价增长率、实际工资增长率、就业率、产出增长率、货币增长率; B1,B2,B3,B4,B5是常数;β1,β2,β3,β4,β5是系数。
(二)数据来源和特征描述
本文计量分析的数据全部来源于历年中国统计年鉴,其中用名义GDP代表Y,用广义货币量M2代表M,物价增长率、实际工资增长率和就业率皆来自原始数据并经过简单计算。具体数据,见表1。对表1中的数据进行特征描述,作1979年以来我国GDP增长率、货币供应量增长率、物价上涨率、实际工资增长率和就业率运行关系图,此处略。
(三)五大变量的相关性分析
接着,具体分析这五大组变量前后之间的交互关系,分别作图,此处略。从这些图中可以看出,这五组变量之间存在很明显的线性关系。但是,就业率与GDP增长率交互图中,就业率和GDP增长率呈现阶段性的线性关系,大概在1990年以前是负相关,1990年之后大致正相关,故而,在分析就业率和GDP增长率关系时只取1990-2008年的数据。通过对五组变量进行正态分布检验(作p-p图,此处略),检验通过,因此,五组变量是平稳的时间序列。进一步进行相关性检验,运用SPSS13.0对这五大变量进行相关分析,输出结果见表2,五大变量相互关系表。从表2中可以看出,上述五组变量的相关系数都得到了检验。
*样本数据为1990-2008年GDP增长率和就业率。
(四)五大变量的线性分析用SPSS13.0对上述数据进行线性回归,经过多次筛选,剔除未通过检验的回归关系,得到如下公式:
1.GM2=7.345+0.784GGDP (6)
T 2.983 5.611
Sig. 0.006 0
R2=0.529;调整的R2=0.512;F统计值=31.478(Sig.=0)。
2.GP=-12.832+0.891GM2 (7)
T -5.165 7.725
Sig. 0 0
R2=0.810;调整的R2=0.796;F统计值=59.67(Sig.=0)。
该公式是通过去掉1992年以前的M2增长率和物价上涨率数据,重新进行线性回归得到的。因为1992年前的原始数据中M2的统计口径不一致,故而造成了统计分析中的较大偏差,原始样本中的常数T统计值没有通过检验。
3.Gw=9.419-0.385GP (8)
T 7.705 -2.728
Sig. 0 0.011
R2=0.21;调整的R2=0.182;F统计值=7.444(Sig.=0.009)。
4.GN=99.244-0.084Gw (9)
T 602.945 -4.586
Sig. 0 0
R2=0.429;调整的R2=0.409;F统计值=21.033(Sig.=0)。
5.GGDP=-616.201+6.438GN (10)
T统计值 -2.257 2.318
Sig. 0.037 0.033
R2=0.24;调整的R2=0.195;F统计值=5.371(Sig.=0.033)。
将上述式(6)-式(10)联立构成一个五元一次方程组,解之得:
GN =98.7;Gw =6.7;GP=7.1;GM2=22.4;GGDP=19.2。
从中可以计算出,均衡状态下,实际的GDP增长率为11.3%。不少学者分析认为我国潜在GDP的增长率水平在8.6%-9.6%之间[3,4]。很显然,在没有外力的直接干预下,我国的GDP增长率会自然而然进入接近潜在产出水平的均衡状态。
(五)关于模型和实证的补充说明
“五环联动”模型并不意味着五大变量前后两者之间是百分之百的决定关系,这种关系是各大变量内部均衡形成之后的再一次更高层次的作用过程,相关系数的大小只是表明两者之间的同步程度,较小的系数并不能否定两者之间的相互决定关系。
“五环联动”模型中五大变量的相互关系可以扩展到多个变量之间的关系,也不一定就是线性关系,本文的上述假设只是为了使分析简单化,以便于把握五大变量之间的总体特征。也就是说,这种封闭循环关系在理论上更接近五大变量的逻辑关系本质。
来自中国宏观经济数据的实证分析并不是很完美,可能是计量模型的设计问题,也可能是中国数据本身的问题,还可能是对数据计量分析前的处理问题,但上述分析依然可以简单的勾勒出五大变量的总体关系,并能进行初步证明。
后文中据此进行的政策分析,量化指标上仅作参考,但逻辑关系依然适用上述分析。
三、中国通胀均衡的循环与预测
(一)中国经济运行中通货膨胀均衡的循环轨迹
通货膨胀的均衡变动要从到整个宏观经济的均衡变动上考察。理论上,GDP-M2-P-w-N依次循环,构成一个完美的宏观经济运行轨迹。但在现实中,因为各种可能的原因,五大变量的循环会出现一定的时滞。一次循环就是一次典型的短周期运动,大概要经过5年时间。参考宏观经济均衡时的各个变量值,通过观察表1数据,可以发现三轮的近似GDP-M2-P-w-N大循环和两轮局部的GDP-M2半循环。两轮大循环是:1984年GDP增长率20.9%-1985年M2增长率26.6%-1985年P增长率6.5%-1985年w增长率8.2%-1987年就业率99.48%-1988年GDP增长率24.7%-1991年M2增长率26.5%-1992年P增长率6.4%-1993年w增长率7.1%-1994年就业率99%-1995年GDP增长率26.1%-1996年M2增长率25.3%-1996年P增长率8.3%-1998年w增长率7.2%-1999年就业率98.08%。每一轮循环需5年左右,正好一个短周期。两轮半循环是:2004年GDP增长率17.7%-2005年M2增长率17.6%;2007年GDP增长率17.7%-2008年M2增长率17.8%。
仔细比较可以发现三轮大循环不再继续的可能原因在于:1999年后实际工资增长过快及就业不足。而且,首要可能原因是人均实际工资增长过快[5];收入两极化加速,低收入者工资“被增长”;政府对物价防涨性干预过强以及1997金融危机的后期影响造成我国物价相对较低;等等。
(二)物价波动及下一期物价上涨率预测
参考表1数据,1979年以来物价增长率超过7%的平均增长率为13.9%,低于6%的平均增长率为2.0%。基于上述研究的结论,考虑到宏观经济五大变量的动态均衡变化(约1年的滞后期),参考2008、2009年的实际值,这里依次计算出2009、2010年五大变量的可能值,并进行对比分析,见表3,2009年、2010年宏观经济中五大变量的预测值。对比表3中2009年的推测值和实际值,可以发现:就业率的推测值对实际值的偏差最小,仅为0.4%;名义GDP增长率和M2增长率的偏差稍大,分别为15.7%、-15.5%;w增长率暂时无法确定实际值,无法判断;P增长率出入较大。
根据2007年开始的GDP- M2循环,2009年的均衡通胀率没有形成(被人为的压低),来自于2008年的高货币发行增长率的压力极大可能会错后到2010年。2009年未得到释放的通胀高达3.73%(=3.03+0.7),如果加上2010年的11.8%的可能通胀,那么2010年的实际通胀水平将可能达到15.53%。但通货膨胀长期累积不利于宏观经济进入下一期循环,因此,当前的主要任务是治理通货膨胀,通货膨胀治理好后的主要任务将是治理实际工资增长率过高或收入分配不平衡的问题。
四、中国当前通胀压力的均衡调整措施
通过本文第三部分分析,可以发现,2009年未得到释放的通胀高达3.73%(=3.03+0.7),如果加上2010年的11.8%的可能通胀,那么2010年的实际通胀水平将可能达到15.53%。但通货膨胀长期累积不利于宏观经济进入下一期循环,因此,当前的主要任务是治理通货膨胀,通货膨胀治理好后的主要任务将是治理实际工资增长率过高或收入分配不平衡的问题。如果用三年时间将通货膨胀率控制在7%左右的水平,根据上述公式计算,可以采用如下措施:
第一,2010年的货币发行量增长率控制在17%-18%以内。假定2009年累积的3.73%通胀压力在2010年得到完全释放,2010-2012三年的平均通胀率为7%,那么,2010年的理论通胀水平只能有3.27%(=7%-3.73%)。根据式(7)计算,在通胀率是6.27%时,货币供给量的增长率为18.07%。但考虑到2009年较高货币发行量形成的通胀压力,18.07%的M2增长率仍然过高。
说明:*该项数据暂时无法公开获得,依据工资刚性原因估算。资料来源:《中华人民共和国2009年国民经济和社会发展统计公报》,中华人民共和国国家统计局,2010年2月25日。
第二,2011年的货币发行量增长率控制在18%-19%以内。2011的通胀压力取决于2010年通胀的释放程度。假定2010-2012年,通胀压力的释放比重为6:3:1,那么,2010年的可能通胀率为9.32%,2011年通胀压力可能为4.66,因而,2011年还可以有2.34%(=7%-4.66%)的通胀空间,则M2增长率可以达到17%。如果要保持名义GDP的增长率为17%,根据公式6计算,那么M2增长率至少要有20.7%。
第三,2012年的货币发行量增长率控制在19%-21%以内。如果2012年分担10%的通胀压力为1.55%,那么该年理论通胀水平可以达到5.45%(=7%-1.55%),则M2增长率可以达到20.5%。
第四,对货币发行量进行月度调控。货币政策的时滞可能长短不一,为了便于精确控制,最好能将年目标细分为月目标,三年按照36个月来进行月度调控,对货币发行量进行逐月修正。一旦通胀率连续数月接近7%的水平,即可以实施收入分配调整计划。
参考文献
[1]黄亚均.宏观经济学[M].北京:高等教育出版社,2005.
[2]汪祥春.解读奥肯定律——论失业率与GDP增长的数量关系[J].宏观经济研究,2002(1).
[3]郭庆旺,贾俊雪.中国潜在产出与产出缺口的估算[J].经济研究,2004(5).
[4]许召元.中国的潜在产出、产出缺口及产量——通货膨胀交替关系[J].数量经济技术经济研究,2005(12).
[5]昌忠泽.宏观经济失衡的动因及其调整方略[J].改革,2007(9).
环境保护与经济发展的动态均衡 篇2
关键词：经济发展；环境保护；动态均衡
一、环境保护与经济发展的关系
1、环境保护与經济发展的矛盾
经济与环境之间的关系密不可分，经济的发展会造成环境的恶化，环境会制约经济的发展，首先，环境和资源的数量与质量会影响经济的发展，因此经济的发展与开要在环境许可的范围内，但是资源环境的发展是有限的，因此人类不能没有节制的开发资源，破坏环境，因此需要通过科技的进步和提高人的意识两个方面来保护环境，其次环境一旦遭到破坏，需要耗费大量的人力、物力来拯救环境，保护人类的生存环境，近些年来，据国家环境局统计，环境污染带来的经济损失逐年增加，加剧了自然灾害发生的概率，甚至影响了居民的生命安全。
2、经济发展与环境保护相互促进
首先，经济的发展、人类的的进步要以资源环境为物质基础，自然环境的好坏，资源的丰缺直接关系到经济的发展，可持续发展符合社会环境发展需要，因此国家和企业需要提高资源的利用效率，提高环境的保护意识，其次良好的生态环境在一定程度上表现了经济的发展状态，尤其是近些年来，旅游业的发展带动了当地经济的发展，尤其是那些自然环境优美，原始风貌保持良好的地区，旅游的人数逐渐增加，也成为当地经济发展的关键，收益丰厚，因此保护环境就是要保护生产力，就是要保护人类生存和发展的家园。
二、促进经济发展与环境保护动态均衡的策略
1、切实提高公民环保意识
环境保护与促进经济发展需要首先要从思想上重视生态环境的保护。大力宣传环境保护与经济发展之间的关系，首先要提高各级领导干部环境与发展的综合决策能力。各级领导干部要自觉树立树立科学的发展观，要始终坚持认为保护环境就是保护生产力，改善生态环境就是发展生产力，在实际工作中领导干部要摆正经济发展与环境保护的关系，发展经济不能以牺牲环境为代价，全面推进环境整改工作，对于污染重的企业要加强监督，强制整改。其次，要提高市民环境保护意识。今天的环境危机，生态破坏不仅仅是自然的危机，更是我们生活质量的危机，是人们精神状态的危机，很多居民缺乏生态保护方面的知识，缺乏保护环境的意识，因此必须有针对性的加强生态保护教育，把生态保护意识落实到务教育中，加大对居民培训，使人们认识到环境保护是与自身利益息息相关。
2、推行退耕还林、退耕还草战略
国家从民族的长期生存和发展的角度出发制定了退耕还林、退耕还草的政策，这一政策的实施有利于合理利用土地资源、增加林草植被、维护国家生态安全以及和谐社会的建设，这一生态工程的实施关系到国家经济和社会可持续发展的全局，长期忽视了环境保护的重要性，监管力度不到位，加上人们长期的乱砍乱伐，毁林开荒致使水土流失、土地沙化、盐碱化严重，毁林开荒虽然增加了耕地面积和粮食总产量，但是每亩产量下降，且逐年降低，生态环境也因此付出了巨大的代价，水土流失导致水资源短缺矛盾日益突出，给经济和人民生活水平造成了巨大的危害和恶性循环，不得不花费大量人力、物力、财力进行防汛、农田灌溉等。实施退耕还林、退耕还草可以从根本上解决说土流失、土壤退化问题，改变传统的广种薄收的耕种习惯，宜林则林，宜农则农，提高扩大森林面积，提高水源涵养能力，提高防汛、抗旱能力，提高现有土地生产能力，对土地实行集约化经营，提高土地单产能力，实现增产增收，促进经济发展。
3、发展生态型的现代农业
现代农业强调现代高新技术的先导性、环境零损害的绿色性，是有效节约资源和促进可持续发展的绿色产业，是协调解决传统农业与环境保护矛盾的有效载体，目前对生态农业的建设投入不足，试点数量有限，规模小，生态农业技术创新和生态农业生产规模都处在一个相对较低的水平，因此要大力发展生态农业建设步伐，提高农业科技水平，加快农业科技成果的转化，大力推进循环经济，推广无公害农业，提高农产品竞争力；实现环境治理的另一个重要措施就是要加强发展生态农业，优化农业结构，发展优质、高产、高效、无公害农业，优化种植结构，改变过去单一的种植业生产结构为农林牧副渔、生产加工为一体的复合型生态循环系统，只有这样才有利于经济发展，有利于农民收入的提高，因此要加大生态农业建设，建立相互依存、相互促进的有机整体。
4、治理工业污染
工业污染是环境污染的主要来源，是影响经济发展的重要因素，对工业污染的治理关系到生态环境保护能否贯彻落实，能否达到预期效果，能够实现经济的长远发展，因此要从多方面行动不断加强工业污染治理。工业污染治理首先要从城市开始，城市工业污染包括空气污染、水污染和废弃物污染，因此要加强对污染企业的技术投入力度和政府监管力度，避免城市污染的加剧和向蔓延；其次要增加污染物的回收，针对废弃物随处乱扔，对于生态环境影响较大，也造成了资源的浪费，影响了企业的经济效益，影响地区经济的发展，因此要加大废弃物的回收和再利用，减少资源的浪费，促进企业经济效益的提高，从而也有利于经济环境的保护。
5、强化政府管理职能
政府作为环境保护和促进经济发展的主导政府管理职能的强弱关系到环境保护能否成功，关系经济发展是否能够健康发展，近些年来，我国政府更加重视生态环境保护，不断的加强生态环境的保护力度，把生态环境建设列入政府议事日程，纳入政府工作目标，通过多渠道筹集生态建设资金、政府财政预算增加环境保护资金、增加市场投入等方式促进了环境保护，促进我国经济发展。
三、总结
经济与环境有着密不可分的关系，经过长时间的研究和实践可知，与自然的和谐共处是人类生存和发展的唯一途径，面对环境压力与经济之间的矛盾，我国提出了建设可持续发展的经济政策，这样可以有效的促进经济发展与环境保护的协调发展，提高我国经济健康有序发展。
参考文献：
[1]王佳慧，杨立男，董玉宽.我国生态环境问题与经济发展之间的关系 [J].商场现代化，2009，（33）：87-88.
ALAD动态负载均衡算法研究 篇3
关键词：动态负载均衡,自适应,应用层,服务器集群
0 引 言
随着计算机和Internet的高速发展,网络服务已经逐渐成为主要的商业手段,服务器承载的信息量和访问量成几何级数增长[1],有效地利用服务器资源处理海量的访问请求是一个关键的问题,服务器集群成为一种能够提供高性能和高可靠性的解决方案。集群由多台互联的服务器组成,为Internet服务提供了数据冗余、服务能力冗余、内容分发等技术,多台服务器可以同时进行多个事务处理,提高了性能。以Web服务为例,用户的HTTP请求被均衡地、透明地分配到集群中具体的服务器上执行,并将结果返回给用户。由于集群中服务器数量的众多,需要通过有效的负载均衡算法,将用户的请求合理的分配给这些服务器。由于集群中每台服务器的负载水平的不同,合理、均衡地分配任务到各台服务器上,并实时地将任务较多的分配到负载更轻的服务器上,从而平衡系统负载,提高系统的整体处理能力和服务质量是现在的重点研究内容。
1 研究现状
现有的负载均衡算法可以分为静态负载均衡算法和动态负载均衡算法。静态负载均衡算法按照固定的方式分配请求,它并不考虑应用服务器的运行状态,只是按照特定的或者理想的方式进行分配。一种常见的负载均衡算法是根据各个应用服务器的处理能力C1,C2,C3,…,Cn,按照概率
动态负载均衡算法[2]通过在一定的时间窗口内,不断更新应用服务器的状态信息,通过一定的方式计算出其负载,根据负载均衡算法,选择一台服务器处理请求。动态负载均衡算法更加符合现实场景,有效的分配请求,合理地利用应用服务器的处理能力。常见算法采用的负载因素有服务器连接数、服务器集群的LARD以及综合计算CPU、内存和硬盘运行状态[3]等,执行的动态负载均衡算法常见的有加权轮询(Weighted Round Robin)[4]、最小负载[5]、哈希[6]等。
文献[7]介绍了动态负载均衡算法Pick-KX,该算法从可用的服务器集群中随机挑选出K台服务器,之后按照其负载水平,依概率分配请求。Pick-KX算法无法在异构的服务器集群中发挥作用,其性能计算方法只适用于相同的计算机,并且依概率分配的方法随机性大,容易出现负载的波动。
文献[8]提出的动态反馈负载均衡算法,考虑了服务器的处理能力,同时实时计算服务器的负载,根据每台服务器当前负载比例值得出服务器动态的分配权值,按照分配权值加权轮询。该方法使用了负载向量和负载权值向量计算服务器负载,可以有效地实现动态的负载平衡。但是该算法的缺点在于负载向量有很多方向,考虑了大量的负载因素,这种情况下容易出现过拟合的问题,并且不重要的负载因素变化反而会影响算法的最终性能。
综合以上分析,我们需要确定更加有效的负载因素,可以正确地反映集群中计算的负载变化,避免使用随机和复杂的算法,减少人为因素的干扰,自适应地选择服务器。最终的目的是降低服务器集群系统的总体响应时间、提高吞吐量。本文主要探讨一种应用层自适应(ALAD)动态负载均衡算法,介绍该算法使用的负载因素和计算方式,讨论自适应选择算法的原理,并通过实验验证这些因素可以有效地反应系统的负载变化,证明自适应选择算法可以合理地分配负载,达到更好的负载平衡效果,更有效地利用系统资源。
2 ALAD动态负载均衡
ALAD动态负载均衡算法首先收集应用服务器的负载因素,计算综合负载权重,将该权重作为重要的参数,执行自适应选择算法,计算出每台应用服务器的饥饿度,选择饥饿度最大的服务器执行负载。本算法在计算负载因素时,充分考虑到应用层特点,并且没有人为设定的参数值,而是根据服务器的运行情况,自动适应各个服务器的负载水平,调整负载的分配方法。下面我们将详细介绍负载因素、综合负载权重的计算和自适应选择算法的具体内容。
2.1 负载因素
ALAD动态负载均衡算法所采用的负载因素以各个应用服务器的响应延迟为主要参考,将应用服务器的请求处理成功率和运行时间作为辅助因素。这三个因素均可以直接在负载均衡服务器上收集,通过收集的数据计算最终每一台应用服务器的综合负载权重。下面将详细叙述这三个因素的原理和综合负载权重计算方法。
(1) 响应延迟因素LatFact
假设一共有n台应用服务器S1,S2,S3,…,Sn,在负载均衡服务器端,可以检测到每台应用服务器处理请求的发送时间rsent、处理时间rproc和接收时间rreci,通过下式可以计算出每台应用服务器处理器请求的总体延迟时间lat:
lat=rsent+rproc+rreci (1)
总体延迟时间lat综合反映了应用服务器自身的负载状态以及负载均衡服务器和应用服务器之间的网络状态,lat值越小表明应用服务器的处理能力越强,网络状况越好。通过lat计算每台应用服务器的响应延迟因素LatFact:
较小响应延迟的应用服务器将会得到更大的响应延迟因素值。
(2) 成功率因素SuccFact
在负载均衡服务器端,记录每台应用服务器被选中处理请求的次数elct;每台应用服务器处理请求出错的次数fault。根据收集到的数据,计算应用服务器的成功率因素SuccFact:
成功率因素SuccFact体现应用服务器成功处理请求的概率,文献和实验均表明对于一台正常运行中的应用服务器有SuccFact≥0.9[9]。式中分子分母取100作为起始值能够避免刚开始运行的服务器由于偶然的出错而导致SuccFact大幅度下降。
(3) 连续服务时间因素TimeFact
在负载均衡服务器端,收集每台应用服务器连续提供应用服务的时间t,根据收集到的数据,计算所有应用服务器连续服务时间中的最大值tmax:
tmax=max(t1,t2,t3,…,tn) (4)
由tmax和t,计算应用服务器的服务时间因素TimeFact:
对于应用服务器,刚开始运行服务的服务器压力要小于已经运行了较长时间的服务器[9],因此应当将更多的请求分配给服务时间较短的机器。该公式根据应用服务器连续服务时间的不同,使得TimeFact∈[1,3],并且逐渐趋向于1。
(4) 综合负载权重LoadFact
负载均衡服务器收集应用服务器的性能数据,通过上面的定义计算出三个因素值,最后计算出每台应用服务器的综合负载权重LoadFact:
LoadFact=⎣LatFact×SuccFact×TimeFact」 (7)
综合负载权重LoadFact的值与当前应用服务器以及网络的负载能力成正比,在后面的自适应选择算法中,将被用于计算应用服务器饥饿度。
2.2 自适应选择算法
在自适应选择算法中,定义当前总请求数量为TotalRq。合理的负载均衡算法应当使得请求的分配情况可以按照每台应用服务器的LoadFact成比例进行,以充分发挥处理能力较强的服务器的性能,那么对于应用服务器应当有:
以此为目标,基于上文的综合负载权重LoadFact,定义应用服务器的饥饿度为hungry,计算公式如下:
通过计算得到应用服务器S1,S2,S3,…,Sn的饥饿度,就可以选择其中饥饿度最大的一台服务器λ,也就是使得λ满足:
hungryλ≥(hungry1…n)|λ∈[S1,S2,S3,…,Sn] (10)
服务器λ被选中后,将负载转交给它进行处理。结合上一节中介绍的负载因素和综合权重的计算,自适应选择算法的具体执行步骤如下:
Step 1 用户的请求R到达负载均衡服务器;
Step 2 负载均衡服务器收集应用服务器S1,S2,S3,…,Sn的运行信息,包括发送时间rsent、处理时间rproc和接收时间rreci;处理请求的次数elct;请求出错的次数fault;连续提供应用服务的时间t;
Step 3 由式(1)-式(6)分别计算每台应用服务器负载因素LatFact1…n、SuccFact1…n和TimeFact1…n,之后通过式(7)计算综合负载权重LoadFact1…n;
Step 4 根据Step 3得到的LoadFact1…n,由式(9)计算每台应用服务器的饥饿度,得到hungry1…n;
Step 5 根据式(10)选择饥饿度最大的应用服务器λ,满足hungryλ≥(hungry1…n)且λ∈[S1,S2,S3,…,Sn];
Step 6 将R分发给应用服务器λ处理,elctλ+1,如果λ出错,则faultλ+1,至此完成一次算法执行流程。
简单的测试显示,在例如有两台服务器A、B组成的集群,它们的综合负载权重LoadFact值分别为320和680,那么根据该选择算法,实际运行时的分配序列是ABAAABAABA…的循环。从结果序列可以看出其中70%的负载交给服务器A,30%的负载交给服务器B,表明该算法能够按照已经计算好的综合负载权值进行负载分配,并且具有稳定的结果序列。通过执行该算法,当所有应用服务器的选中次数均达到期望值,最终所有的应用服务器饥饿度均为0。
3 实验和结果分析
试验中我们一共使用6台计算机组成一个小型实验服务器集群,其中1台作为负载均衡服务器,1台作为数据库服务器,另外4台作为应用服务器。负载均衡服务器运行一个基于Apache HTTP Server的负载均衡服务程序,分别实现了本文提出的ALAD动态负载均衡算法、动态反馈负载均衡算法和静态加权轮询算法[10]。数据库服务器进行了专门的设置,可以支持并发1024个连接,使其不成为测试中的瓶颈。4台应用服务器运行Apache Tomcat服务,并且均部署了统一的J2EE测试应用,使用局域网络共享Session。4台应用服务器基准性能测试显示性能比为4∶4∶3∶3,我们将静态加权轮询算法中的权值按照此性能比进行设置。J2EE测试应用包含了Internet应用服务常见的页面生成、数据库访问和写入操作,代码来自于实际运行的系统。
实验中我们使用测试计算机并发大量请求,向负载均衡服务器发送HTTP POST数据,一共发送5000次。得到如图1所示平均响应时间。
图1中,横坐标表示测试时采用的并发连接数,分别是50、100、200、500和1000,纵坐标表示集群的总体响应时间,单位为毫秒(ms)。
响应时间图表明,在较低的并发连接情况下,应用服务器负载压力不大,三种负载均衡算法下均可以达到较短服务器响应时间。随着并发连接数的提高,应用服务器负载出现变化,4台服务器由于性能和负载水平的不同,响应延迟开始出现差别。静态加权轮询算法不能根据负载调整请求的分配,请求堆积在高负载的应用服务器上,使总体响应时间明显提高。动态反馈负载均衡算法能够调整负载的分配,但是由于其负载水平计算对真实的运行情况反映不够准确,甚至在某些情况性能不及静态算法。
本文的ALAD动态负载均衡的综合负载权重所选用的三个因素相比动态反馈算法中复杂的负载向量更能有效地反映当前应用服务器的负载,自适应选择算法合理地选择负载较轻的服务器,将负载更多地分配给两台性能较好的应用服务器,将总体响应时间控制在正常的水平。
实验中服务器集群的平均吞吐量结果如图2所示。
图2中,横坐标表示测试时采用的并发连接数,分别是50、100、200、500和1000,纵坐标表示集群的吞吐量,单位为MB/s。
在并发数量较低的情况下,由于实验用服务器性能较强,三种算法难以拉开差距。当并发连接数量逐渐增大,本文的ALAD算法逐渐显示出优势,当200个并发线程时,已经达到甚至超过测试服务器的承载能力,对比的两种算法开始出现性能下降,而ALAD算法仍然保持较高的吞吐量。在500和1000线程并发的高负载情况下,ALAD算法也能够提供高于对比算法的吞吐量。吞吐量的实验结果也证明了本文选择的三种性能因素可以有效地反应集群系统中应用服务器的负载情况,并且自适应选择算法能够有效的平衡负载,其实际表现优于对比的算法。
我们在实验中记录的ALAD动态负载均衡算法请求分配情况如图3所示。
图3中,横坐标表示测试进行的时间,纵坐标表示服务器被选中的累计次数。
从图中可以看出,本文采用的自适应选择算法将更多的请求分配给了性能较好的两台服务器,并且基本符合基准测试的4∶4∶3∶3的性能比例。分配情况比较平稳,没有出现大幅度波动的问题。
4 结 语
服务器集群已经成为提高Internet服务性能和可靠性的主要方案,负载均衡算法的优劣直接影响集群总体响应时间和吞吐量。本文介绍的ALAD动态负载均衡算法,通过收集应用服务器的负载因素,计算综合负载权重,将该权重作为重要的参数,执行自适应选择算法,计算出每台应用服务器的饥饿度,选择饥饿度最大的服务器执行负载,最终达到负载平衡的效果。ALAD动态负载均衡算法采用的三项负载因素能够有效地反映出应用服务器的运行情况,为自适应选择算法提供了关键的执行参数,保证了其有效性,实验验证了本方法能够平衡Web集群系统的负载、降低总体响应时间、提高吞吐量。不过ALAD算法实现的时间复杂度和应用服务器数量有关,在大规模的服务器集群中可能会出现负载均衡器的性能问题,因而计算方法需要更进一步优化,对ALAD动态负载均衡算法的改进将是我们下一步的研究内容。
参考文献
[1]Labovitz C,Iekel-Johnson S,McPherson D,et al.Internet inter-do-main traffic[C].ACM SIGCOMM conference,2010.
[2]Boudreau D,Borden J M,Philippou J A,et al.Network switch load balancing[P].US patent,6788692,Sept.2004.
[3]郑洪源,周良,吴家祺.Web服务器集群系统中负载平衡的设计与实现[J].南京航空航天大学学报,2006,38(3):348-351.
[4]Teo Y M,Ayani R.Comparison of load balancing strategies on cluster-based web servers[J].SIMULATION,November2001,77(5-6):185-195.
[5]Guo J N,Bhuyana L N.Load balancing in a cluster-based web server for multimedia applications[J].Parallel and Distributed Systems,IEEE Transactions,2006,17(11):1321-1334.
[6]Cao Z R,Wang Z,Zegura E.Performance of hashing-based schemes for internet load balancing[C]//Nineteenth Annual Joint Conference of the IEEE Computer and Communications Societies,2000.
[7]Cardellini V,Colajanni M.Dynamic Load Balance on Web-server Sys-tems[J].IEEE Internet Computing,2002,3(3):28-39.
[8]王春娟,董丽丽,贾丽.Web集群系统的负载均衡算法[J].计算机工程,2010,36(2):102-104.
[9]Fujii T,Dohi T.Statistical failure analysis of a web server system[C].Availability,Reliability and Security,2009.
货币供求的动态非均衡研究 篇4
1 货币供求动态非均衡基本概述
货币供求的动态非均衡指的是货币在流通过程中,供给偏离需求,从而使得货币供给与货币需求不平衡的一种货币流通状态。货币供求的动态非均衡的程度可以通过偏离率来衡量,偏离率等于货币需求减去货币供给的差除以货币需求与货币供给的和,然后在乘以100%。因为偏离率一定是大于 -1小于1的,所以,当偏离率大于 -1小于0时,货币的供给大于货币的需求,而当偏离率大于0小于1时,货币的供给就小于货币的需求。
我国货币供求的动态非均衡主要表现在货币供求的总量失衡和货币供求的结构性失衡。其中货币供求的总量失衡指的是,货币需求小于货币供给和货币需求大于货币供给这两种货币供求失衡的状态。而货币供求的结构性失衡主要是指,货币的需求和供给在总量上保持大概均衡的状态,但是货币的供给结构和货币的需求结构却不匹配,导致货币短缺或是局部货币供给过剩的现象,而货币供给的结构性失衡表现在商品市场上就是商品和生产要素之间供过于求或求过于供的情况。
2 货币供求动态非均衡的原因剖析
货币供求的动态非均衡主要是由货币需求的稳定性以及货币供求的可测性下降造成的,这就增加了货币供给与需求的不确定性,而货币供求动态的非均衡也就成了一种经济常态。这具体表现在以下两方面。
2.1 货币需求稳定性以及可测性下降导致货币供求的动态非均衡
货币的需求指的是人们愿意以货币形式保存的财富的数量,而货币的需求受人们的实际收入、商品的价格水平、价格指数以及利息率等因素的影响,比如说人们的收入越高、支出水平也就越高,从而需要的货币数量也就越多,可见货币需求与实际收入呈同方向变化。而对于利率来说,利率越高,人们越不愿把大量货币放在手中,对货币的需求量就越小,所以货币的需求与利率是呈反向变化的。而在我国,政府的调控一定程度上阻碍了货币供求的自我调整,这主要体现在政府的价格控制和汇率定制以及对价格浮动范围和交易币种的限制等方面。这些都直接降低了货币需求的稳定性和可测性,进而导致货币需求的动态非均衡。
2.2 货币供给的可测性下降导致货币供求的动态非均衡
在我国,市场经济处于转型的新时期,在国际市场金融不断深化和创新的影响下,我国的商业银行对央行资金的依赖程度大大降低,甚至出现库存现金被其他资产所代替的现象。同时,货币供给的主体不断扩大,这些经济主体对央行进行基础货币供给的影响程度越来越深,最终大大降低了货币供给的可测性。一方面,随着我国改革开放政策的深化,我国对外经济不断拓展,国际资本流动性增强,使我国的货币供给受到外国相关政策的影响。比如,我国在进出口贸易中,由于长期处于贸易顺差的状态,使得人民币不断升值,我国不得不在外汇市场上投放大量的基础货币来缓解人民币升值的压力。另一方面,我国的货币供给受货币供给内在性的影响,金融创新产品的出现,收益率的提高,使银行或居民降低储蓄和存款,从而导致现金存款比率、超额存款准备金以及定期存款比例都相对降低,这严重影响货币供给的可测性。比如,我国银行体系把贷款投入到货币流通中去,不少银行出现不良贷款等问题,造成商业银行内部出现虚增货币的现象。
3 货币供求动态非均衡的建议和启示
3.1 完善货币市场的汇率形成机制
完善货币市场的汇率形成机制是一个长期的挑战,需要结合国家的基本国情,把握当前经济发展的大方向。对我国来说,实行汇率的管制是由我国的基本经济结构以及对外经济的发展水平所决定的。然而,随着国际资本市场流通的不断加大,我国人民币升值的压力越来越大,为缓解人民币不断升值的压力,国家要适当扩大汇率的浮动范围,同时要配合相关的信贷和财政政策来完善货币市场的形成机制,三管齐下,循序渐进。
3.2 推进货币市场的利率市场化进程
推进货币市场的利率市场化进程实际上是降低国家对利率的控制程度,由市场供求来决定利率水平,而国家只是控制基准利率,从而间接指导和调控宏观市场经济。在我国,利率和资本的基本流动都受国家管制,而国家对利率的管制离不开相关货币政策的推行,但货币政策的推行受对当前经济形势的预见和决策能力的影响,具有严重的主观性和滞后性,这严重制约市场价格对货币失衡的调整。
动态均衡 篇5
关键词：DSGE模型,经济波动,宏观政策分析
作为主流宏观数量分析工具的动态随机一般均衡模型 (DSGE) , 是以微观和宏观经济理论为基础, 采用动态优化的方法考察各行为主体 (家庭、厂商等) 的决策, 即在家庭最大化其一生的效用、厂商最大化其利润的假设下得到各个行为主体的行为方程。一般性的DSGE模型中通常还包括政府部门 (中央银行、财政部门) 的行为决策 (标准RBC框架不包括货币政策) 。具体地, DSGE模型中各行为主体在决策时必须考虑其行为的当期影响, 以及未来的后续影响。因此, 各行为主体在对未来预期 (建模时通常采用理性预期代表) 的前提下, 动态地考虑其行为决策的后果。其次, 现实经济中存在诸多的不确定性, 因此DSGE模型中引入了多种外生随机冲击, 并且这些外生随机冲击与行为主体的决策共同决定了DSGE模型的动态过程。由于DSGE模型在不确定性环境下对经济主体的行为决策、行为方程中的结构参数、冲击的设定和识别进行了详细描述, 从而可以避免卢卡斯批判。此外, DSGE模型考虑经济中各行为主体之间的相互作用和相互影响, 从而在一般均衡的框架下考察行为主体的决策。
一、构建D S G E模型的理论基础
DSGE模型的理论基础之一是R BC理论, 然而R BC理论由于其理论基础与现实经济环境不符而受到众多的批判, 因此众多的DSGE模型是在新凯恩斯理论的基础上构建的。
1、真实经济周期理论 (R BC)
基于RBC理论的DSGE研究较多, 如Kydland&Prescott (1982) , Long&Plosser (1983) , Ireland (2001) , 黄赜琳 (2006) 等。R BC理论的基本假设是完全竞争市场、价格和工资具有完全的灵活性, 不存在外部性、信息是完全的以及行为主体具有理性预期。在这些假设下, RBC理论认为来自技术等供给方面的因素是造成经济波动的主要因素, 宏观经济政策无效。因此, 基于R BC理论的DSGE模型都不包括政府部门 (即货币当局) 的行为决策。
2、新凯恩斯主义理论
新凯恩斯主义理论在理性预期、垄断竞争市场、价格和工资具有刚性 (粘性) 的假设下, 认为不仅技术等供给方面的因素是经济波动的来源, 宏观经济政策同样对产出等实际经济产生影响。因此, 主流的DSGE模型大多以新凯恩斯主义理论为基础, 并将货币政策和 (或) 财政政策纳入其分析框架。新凯恩斯主义DSGE的另一个突出特点是引入了价格和 (或) 工资粘性, 而粘性的引入方式有两种。
一是Calvo (1983) 采用“调整信号”的方式引入粘性, 即经济中接收到随机的“调整信号”的经济主体 (企业和或家庭) 会将其价格和 (或) 工资调整到最优, 而没有接收到该信号的那部分经济主体则不最优化其价格 (工资) 。Yun (1996) , Gali&Gertler (1999) , CGG (2002) , Horvath (2009) 等运用该方式将价格粘性引入其DSGE模型;而Erceg et al. (2000) , Kollman (2001) , CEE (2003) , Smets&Wouters (2003) , 李松华 (2009a, b) 等不仅将价格粘性, 还将工资粘性引入其DSGE模型中。
二是Rotemberg (1982) 采用“二次调整成本”的方式引入粘性, 即经济主体调整其价格 (工资) 存在着成本。Ireland (1997, 2001) , Kim (2000) , Atta-Mensah&Dib (2008) 等采用了该方式引入价格粘性。而Chugh (2006) , Dib (2006) , Ratto et al. (2009) 等运用该方式还将工资粘性引入DSGE模型。
二、D S G E模型的估计方法
由经济主体优化行为得到的行为方程及各个均衡条件所构成的DSGE模型并不能直接用于数据以得到模型参数的估计值, 因为大多行为方程都是非线性的。因此, 通常要在模型变量稳态值处将其进行泰勒展开, 以得到线性化的DSGE模型。
1、校准法
校准法的主导思想是通过使模型的理论矩尽可能与观测数据一致而得到DSGE模型参数的校准值, 即根据经验研究来确定模型的参数, 进而对实际经济进行经验型模拟研究。DSGE模型的先驱Kydland&Prescott (1982) 就采用了校准的方法。由于校准法的矩估计具有较强的稳健性, 且研究者可以更多的关注DSGE模型的数据特征, 因此Yun (1996) , Gali (2000) , Kollmann (2002) , 陈昆亭、龚六堂 (2006) , Blanchardy&Gali (2006) , Horvath (2009) 等的研究中都采用了该方法。
尽管校准法具有显著的优势, 但由于缺乏坚实的理论基础, 并且个别参数的校准未必准确, 而极大似然和贝叶斯方法可以提供观测数据的完全信息, 从而较多的文献采用了这两种方法来估计DSGE模型的结构参数。
2、极大似然估计
极大似然估计法的操作分四步:首先, 将线性理性预期的DS-GE模型用其前定变量表示为缩写状态方程形式;其次, 用观测方程将前定状态变量与观测变量联系起来;再次, 用Kallmann滤波得到关于模型参数的似然函数;最后, 最大化该似然函数得到模型参数的估计值。运用极大似然方法估计DSGE模型的文献有:Ireland (1997, 2001) , Kim (2000) , Dib (2006) , Christensen&Dib (2008) , Chung et al. (2007) , 李松华 (2009b) 等。
3、贝叶斯估计
贝叶斯方法则是结合似然函数和模型参数的先验分布 (prior distribution) 得到后验分布的密度函数, 通过将该后验分布关于模型参数直接最小化或采用蒙特卡洛马尔科夫链 (MCMC) 抽样方法加以最优化即可得到DSGE模型结构参数的估计值。这方面的文献有Smets&Wouters (2003) , Sugo&Ueda (2008) , Ratto et al. (2009) , 李松华 (2009a) 等。
由于受可得观测数据个数的限制, DSGE模型中的参数不可能全部通过估计得到, 部分结构参数需要校准得到。因此, 无论是极大似然估计还是贝叶斯估计都结合了部分参数采用校准的方法来估计DSGE模型。
三、D S G E模型的研究主题
DSGE模型的研究主题大致可分为两类:一是经济波动研究;二是宏观经济政策研究。
1、经济波动研究
DSGE通常运用预测误差方差分解来分析外生冲击对宏观经济波动的贡献。
Kydland&Prescott (1982) , Long&Plosser (1983) 等运用基于R BC理论的DSGE模型, 认为技术冲击是导致产出等宏观经济变量波动的主要因素。Ireland (1997, 2001) 运用粘性价格的DSGE模型肯定了RBC理论中技术冲击是产出波动主要来源的结论, 并认为通胀波动主要来自于货币政策冲击。黄赜琳 (2006) 运用基于RBC的DSGE模型研究了中国的经济波动, 认为技术冲击可以解释中国经济波动的大部分, 但对中国就业增长的效应较小, 从而就业波动较为平缓。Dib (2006) 运用包含名义 (即工资价格粘性) 和实际 (即资本调整粘性) 刚性的DSGE模型认为技术和偏好冲击是产出波动的主要来源。
与上述“技术导致经济波动”的观点相反, 大量文献的研究表明, 技术之外的其他因素在经济波动中发挥了更为重要的作用。如Calvo (1983) , Gali&Gertler (1999) 等通过引入粘性价格从货币观点来解释经济周期, 认为货币政策冲击及价格决定行为在理解经济周期中发挥了核心作用。Gali (1999) 也认为技术冲击并非是经济波动的主要因素, 需求冲击是产出和劳动波动的主要因素。Chari et al. (2000) 等认为真实摩擦而非名义摩擦是导致经济波动的主要因素。Smets&Wouters (2003) 认为劳动供给和货币政策冲击是产出波动的主要来源, 而价格加成冲击和货币政策冲击是通胀波动的主要来源。Adolfson (2007) 运用开放经济DSGE的研究表明, 技术、偏好、劳动供给冲击解释了产出波动的大部分;货币政策冲击是通胀波动的主要因素。Atta-Mensah&Dib (2008) 将金融中介机构纳入DSGE的框架, 研究表明中短期中外信贷冲击在相当大的程度上解释了产出、通胀、名义利率的波动。Sugo&Ueda (2008) 认为投资调整成本冲击和技术冲击是日本经济波动的主要因素。
与上述不包含金融市场摩擦的DSGE研究相反, Bernanke et al. (1999) 、Gertler et al. (2003) 以及Christensen&Dib (2008) 等将金融市场摩擦纳入DSGE的框架 (即金融加速器模型) , 考察了金融市场摩擦对经济波动的影响, 但他们的结论并不一致。Bernanke et al. (1999) 、Gertler et al. (2003) 认为金融加速器显著地放大了经济波动的程度和持久性, 而Christensen&Dib (2008) 认为金融加速器对产出波动不重要。
2、宏观经济政策分析
DSGE模型在宏观经济政策分析中的应用主要集中在三个方面:一是宏观经济政策的有效性;二是最优货币、财政政策;三是用于货币政策传导分析。
(1) 宏观经济政策的有效性。对货币政策有效性的研究几乎没有争议, 均认为货币政策对产出等实际经济具有真实效应。
Gali (2000) 认为在粘性价格模型里, 货币政策冲击对产出的影响显著而持久, 粘性对货币政策的非中性非常重要。Huang&Liu (2002) 等认为在粘性工资和垄断竞争情形下, 产出对货币政策冲击的响应具有较强的持久性。Kim (2000) 在内生货币供应量规则下检验了货币政策的产出效应和流动性效应, 并认为工资和价格粘性决定了货币政策的流动性效应是否存在。Kollman (2001) 采用小国开放经济DSGE模型, 表明正的国内货币供给冲击导致本国利率下降、名义和实际汇率贬值, 产出增加, 说明开放经济下货币政策具有真实效应。Atta-Mensah&Dib (2008) 将金融中介机构纳入DSGE的框架, 考察了不完全的信贷市场对货币政策效应的影响, 认为如果货币当局采用前瞻性通胀目标的政策规则, 则即使价格是完全灵活的, 货币政策仍通过信贷传导, 即货币政策有效。对财政政策的研究有Smets&Wouters (2003) , Beetsma&Jensen (2005) , Ratto et al. (2009) 等, 认为财政政策即政府购买冲击对经济具有真实效应。Beetsma&Jensen (2005) 运用粘性价格、开放经济的DSGE考察财政稳定政策 (即政府购买) 的作用机制及其决定因素, 认为产品的替代性越大、劳动供给弹性越小则越要求越积极的财政政策。Ratto et al. (2009) 沿袭Smets&Wouters (2003) , 并将金融摩擦纳入其模型, 研究表明财政政策有效。
(2) 最优货币、财政政策。对最优货币、财政政策的研究是通过在DSGE模型中增加基于效用的福利分析即损失函数来进行的。
传统的最优货币政策强调对通胀响应, 如CGG (1999) 认为最优货币政策要求名义利率对通胀敏感, 即其对通胀的响应系数要大于1, 而对技术冲击保持不变。Gali&Monacelli (2000) 认为在完全汇率传递即一价定律成立的开放经济中, 最优货币政策要求通胀为0或接近0, 且名义利率不为0, 无需考虑汇率波动。Kollmann (2002) 考察了开放经济下最优泰勒规则, 认为最优泰勒规则可以保证通胀稳定, 但导致汇率大的波动。Smets&Wouters (2002) 考察了不完全传递汇率对最优货币政策的意义, 最优货币政策应最小化国内和进口价格通胀的均值。CGG (2002) 考察了开放经济下的货币政策设计, 认为在纳什均衡下, 一国货币当局仅对本国通胀响应, 最优货币政策与封闭经济一样;而协作的货币政策还要对外国通胀响应。
Chung et al. (2007) 检验了小国开放经济 (韩国) 的最优货币政策, 认为即使汇率不完全传递和存在成本推动冲击, 通胀目标的货币规则仍是最优的, 盯住汇率的货币政策非最优。
与上述研究不同, Mc Callum&Nelson (1999) 考察了名义收入作为货币政策目标的作用, 认为保持名义收入接近其增长 (等于长期平均的实际收入增长加通胀率) , 则最优货币政策可以实现通胀目标并减小真实经济的波动。
Chugh (2006) , Arseneau&Chugh (2008) 认为粘性工资对最优货币政策设定有较大影响。Ravenna&Walsh (2006) 认为信贷市场即成本渠道的存在, 导致了最优货币政策受到限制。Blanchardy&Gali (2006) 用包含劳动市场摩擦即失业的粘性DSGE模型, 表明实际工资刚性导致严格通胀的货币政策非最优, 最优货币政策应稳定通胀和失业变化的加权平均, 即名义利率对通胀和失业响应的泰勒规则是最优的。Faia (2008) 也认为最优货币政策应对失业和通胀响应。Faia&Monacellib (2007) 则在包含粘性价格、不完全信贷市场的DSGE模型中考察最优利率规则, 认为最优利率规则应对资产价格响应。对最优财政政策的研究有Siu (2004) 、Schmitt-Grohe&Uribe (2004) 、Horvath (2009) 等。Siu (2004) 认为粘性价格下的最优财政政策与灵活价格下的有很大差别:最优通胀率与价格粘性程度正相关, 而税率有较大的波动。Schmitt-Grohe&Uribe (2004) 认为最优财政政策即政府债务和税率随机游走。Horvath (2009) 用财政货币政策合作、不可分偏好的新凯恩斯模型, 检验了最优财政政策是否存在挤出效应, 即政府购买支出增加, 私人消费下降。
(3) 货币政策传导。Barth&Ramey (2000) 的研究表明货币政策紧缩导致美国企业产品价格上升, 货币政策传导的成本渠道存在。Ravenna&Walsh (2006) 等的研究也表明货币政策传导的成本渠道存在。Hulsewig et al. (2009) 运用不仅工资价格存在粘性, 信贷市场同样存在粘性的模型表明, 金融市场摩擦通过使货币市场利率不完全传递贷款利率而影响货币政策传导;成本渠道使通胀对货币政策冲击的响应更为持久。
相反, Rabanal (2007) 用贝叶斯方法的研究认为美国不存在成本渠道。上述文献对货币政策传导的研究仅关注货币政策成本传导渠道 (即信贷渠道) 的存在性, 并且主要采用了校准参数的方法。而李松华 (2009a, b) 用中国的数据、分别采用贝叶斯和极大似然的参数估计实证检验了货币政策传导的货币供应量渠道和利率渠道的存在性, 并具体分析了货币政策是如何通过这两个渠道对产出、消费、投资等实际经济产生影响的。
此外, Meh&Moran (2004) 认为银行同样面临金融摩擦, 其资本是货币政策传导的重要决定因素。而Devereux (2004) 则运用开放经济的DSGE模型对货币政策传导的研究表明汇率对货币政策传导有切实的影响。
相对于传统计量方法, 运用DSGE模型研究经济问题具有较多优势。随着中国开放度的增加, 运用DSGE模型研究中国的货币政策实施及政策设计等问题具有重要意义。
参考文献
[1]徐高:基于动态随机一般均衡模型的中国经济波动数量分析[D].博士学位论文, 2008.
[2]Kydland, F.E., E.C.Prescott.Time to Build and Aggregate Fluc-tuations[J].Econometrica, 1982 (50) .
[3]Ireland, Peter N.Technology Shocks and the Business Cycle:An empirical investigation[J].Journal of Economic Dynamics&Con-trol, 2001 (25) .
动态均衡 篇6
高带宽环境下,单节点的网络入侵检测系统(network intrusion detection system,NIDS)的性能已经不能满足需求,会出现丢包、漏报的情况。因此,多核平台下网络入侵检测负载均衡的研究已成为网络入侵检测系统适应高速网络的主要研究方向[1]。自2002年,由Christopher[2]等人首次提出一种并行入侵检测系统后,国内外众多研究者为此做了大量的研究和探索。蒋文保、郝双[3]等人提出了一种基于流的动态负载均衡算法,但仅仅根据当前负载分配流量,可能造成短时间内各检测引擎流量负载的“振荡”。余颖[4]等人通过观察各个探测器数据包的输入/输出情况,提出一种包预测负载均衡算法,但过于依赖实验环境及数据集,缺乏稳定性和健壮性。此外,在已经实现的数据流分发系统中,如Linux的Iptables中的Nfqueue队列,主要通过哈希算法对数据流进行分发,该算法能够实现一定的负载均衡,但不能根据系统实时值对数据流分发进行调整。
本文针对高速网络环境下,提出了一种动态的入侵检测系统负载均衡方法,该方法建立一种基于流的负载均衡机制。在该机制中将各检测引擎与网络入侵检测平台的每个核心进行相应的绑定,使得各检测引擎进行独立检测,通过收集各个检测引擎的性能指标,并采用本文提出的流负载均衡算法计算出实时的负载值,然后结合系统历史负载值计算出负载均衡评价指标,将其反馈给系统。通过结合历史信息,可以在一定程度上减轻“振荡”。根据评价指标的高低对数据流的分发进行调整,以达到动态调整、均衡入侵检测系统各引擎间流负载状况的目的。
2基于流的负载均衡机制
基于流的负载均衡机制主要由5部分构成:检测引擎、负载均衡 控制器、数据流分发表、负载值表及基于流的负载 均衡算法组成,如图1所示。
首先收集各检测引擎的各项性能指标并传送给负载均衡控制器。负载均衡控制器的功能 之一是根 据各检测 引擎的CPU利用率、内存利用 率、会话响应 时间、攻击包所占比例这四项影响检测引擎性能的参数,加权计算出各检测引擎的实时负载值。 通过维护负载值表,该表中保存有最近3天的历史负载值,将各检测引擎实时 负载值存入负载值表,然后结合表中的历 史负载值计算出各监测引擎的有 效负载值,并且更新负载值 表。引入历史 负载值,是考虑到仅根据实时负载值调整流量可能会出现 抖动的情况,通过结合历史负载值,可以有效降低抖动。通过查询负载值表计算出负载均衡评价指标,根据评价指标 决定是否 进行数据流分发调整,如需调整,则按照负载均衡算法进行调整,更新数据流分发表并对各检测引擎数据流进行调整。
较之于通常的负载均衡算法[5,6],网络入侵检测系统对数据流的分发算法有其特殊的要求,为了保证检测引擎能有效工作,每个检测引擎必须独立进行入侵检测,为此一次攻击的攻击上下文必须保证存在于一个会话当中,这意味着至少需要保存每个会话数据包的完整性,即要求将一次会话的所有数据包都发送给同一个检测引擎[3]。为满足上述需求,本文设计了一种基于流的负载均衡算法,结合基于流的负载均衡机制,能够有效实现多核平台下NIDS数据流的负载均衡。
3基于流的负载均衡算法分析
3.1基于流的负载均衡算法描述
算法采用异步方式执行,主要包括两个流程:负载值表更新及负载均衡控制器流量动态调整。负载值表更新流程的功能:每隔一定周期计算出实时负载值并更新负载值表,负载值表是二维表,通过一个二维数组表示,二维表的第一维代表检测引擎编号,第二维代表时间t,单位为秒。将负载值填入负载值表后,设置更新标志notice_flag。负载均衡控 制器流量 动态调整 流程的功 能:循环检查 负载值表 更新标志notice_ flag,确定负载值表是否已经更新,若已经更新则重置该标志并进行有效负载均衡值计算过程。首先通过查询负载值表最新负载值作为实时负载值,选取当前时间为t并确定一段固定时间段 Δt计算[t-Δt-1, t-1]时间段内的历史负载值,结合实时负载值计算出各个监测引擎的有效负载 值。通过有效负载值计算出当前负载均衡值的方差与保存在全局变量中的上一时刻的方差进行比较,若大于则说明需要进行动态调整。
一个会话对应于TCP数据流的一个连接,可以使用五元组〈PN,SIP,SPT,DIP,DPT〉标识,其中PN表示协议号,SIP表示源IP地址,SPT表示源端口号,DIP表示目的IP地址,DPT表示目的端口号。而对于无连接(UDP、ICMP等)的数据包以及不完整的TCP连接的数据包,定义相近时间(TS)内的具有相同五元组标识〈PN,SIP,SPT,DIP,DPT〉的所有数据包为一个会话单位[7]。通过维护一张数据流分发表,以五元组标识为依据分发数据包,可以实现基于流的数据包分发。通过查询数据流分发表,计算出所有检测引擎的平均流数,将当前分发表中数据流超过平均流数的检测引擎的流分配给流数低于平均流数的检测引擎。分配的规则是:首先通过将数据流分发表所有流数相加除以检测引擎个数计算出预期平均流数,检索出其中高于预期平均流数和低于预期平均流数的检测引擎,分别将高于预期平均流数的检测引擎超过平均值的流平均分发给低于平均流数的检测引擎,按照这种规则依次检查所有的检测引擎并调整相关数据流,之后更新数据流分发表,重新检查更新标志。
3.2基于流的负载均衡评价指标
定义1:实时负载均衡值(Real-time Load Balancing Value,RLBV):描述为检测引擎i在t时刻的实时负载均衡值,其为
式(1)中i∈N,表示检测引擎的编号,t∈R,ki∈R且ki∈[0,1],表示动态调整系数,Ci(t)表示检测引擎i在t时刻的CPU占用率,Mi(t)表示检测引擎i在t时刻的内存占用率,Si(t)表示检测引擎i在t时刻的会话响应时间,Ai(t)表示检测引擎i截至到t时刻的攻击包占所有数据包的比例。k1、k2、k3、k4为各性能值表的动态调整系数,并且有
定义2:历史负载均衡值(History Load Balancing Value,HLBV):描述为检测引擎i在t时刻根据历史负载值表(如表1)在 Δt时间内,即时间段[t-Δt-1,t-1]计算出的负载均衡值,定义为
其中,lj表示历史负载值的影响系数,并且有:lt-Δt-1<lt-Δt<…<lj<…<lt-1,其中1<j<t-1,表示时间间隔越远,历史负载值的影响程度越小。
定义3:有效负载均衡值(Effective Load Balancing Value,ELBV):定义为检测引擎i在t时刻根据实时负载值Ri(t)和历史负载值Hi(t)计算出的负载值:
其中,m、n为动态调整系数,并且有
在各检测引擎达到负载均衡时,各检测引擎有效负载均衡值相等:
定义4:计算出负载均衡值的方差作为衡量负载是否均衡的度量,定义为
本文使用此值评价流的负载均衡度,因为在t时刻,方差S2反映了各个检测引擎负载均衡值与检测引擎绝对均衡时的负载值之间的差异程度,方差S2越小,说明负载均衡程度越好,方差S2越大则说明负载均衡程度不好。
3.3基于流的负载均衡算法
流程1:负载值表更新算法。
4对比实验
4.1实验环境
为了评估负载均衡算法的有效性,图1基于流的负载均衡机制示意图构建了一个实验环境。在该环境下,实验平台由发包机和被测机器组成,均采用立华8865硬件平台,具体配置参数如表1所示。实验中采用加载相同配置的检测引擎SNORT 2.9.2.2,规则条数为6128条,daq版本为0.6.2,将4个SNORT检测引擎绑定到实验平台的4个CPU上,软件运行操作系统为CentOS 6.5,实验环境如图2所示。
4.2实验方法
发包机的dna接口分别与被测试机器的dna接口直接相连,发包机内安装好TcpReplay,被测主机安装PF_RING程序[8](PF_RING是一个第三方的内核数据包捕获接口,类似于libpcap,它可以极大的改进包捕获速度)以捕获数据,TcpReplay程序通过dna0接口向被测试机器发送数据。本次实验中,使用的是美国 应用网络 研究国家 安全实验 室 (NLANR, National Laboratory for Application Network Research)的真实报文Trace数据[9],按不同速度回放,产生高速网络环境,测试被测机器的吞吐量。
4.3实验结果及分析
通过用负载均衡算法与Iptables默认分发算法[10](Iptables默认分发算法将数据流进行哈希计算后分配到固定的队列中)作对比,在400s时间内测得使用哈希算法时,1号检测引擎平均每秒分析38526个数据包,共7.9Gb,2号检测引擎平均每秒分析58725,共8.6Gb,3号检测引擎平均每秒分析50412个数据包,共12.6Gb,4号检测引擎平均每秒62842个数据包,共11.7Gb,实验数据如图3所示。哈希算法将哈希值相同的数据流都发送到同一检测引擎上,能够实现一定的负载均衡,但由于不能根据检测引擎的实时负载对数据包分发进行调整。
图4展示了采用了本文提出的基于流的负载均衡算法后,各检测引擎在一段时间内的负载均衡情况。 可以看出,在算法运行一段时间后,各检测引擎负载情况趋于一致,说明了该算法的有效性。
5结束语
本文针对高速网络环境下,多核平台入侵检测负载不均的情况,根据检测引擎的实时状态以及历史数据对入侵检测各引擎做动态调整,通过以此设计出一种基于流的负载均衡算法,建立基于流的负载均衡机制,使得各检测引擎流的负载相对均衡,提高了各检测引擎的效率。考虑到该算法的性能指标权值取值依赖于经验和反复调整,今后的工作将考虑使用层次分析法等得到权值取值,使其具有更好的理论依据和稳定性。
摘要：随着网络带宽的不断提升,网络入侵检测系统在面对高速流量时往往会出现严重的漏报率。应用并行处理技术可以大幅度提高网络入侵检测系统的检测性能,然而却容易出现检测引擎之间负载均衡不佳的情况。本文提出了一种动态的入侵检测系统负载均衡方法。该方法通过收集各检测引擎的各项性能指标,建立针对数据流的负载均衡机制,根据计算出的评价指标的高低,动态调整入侵检测系统的数据流分发情况,以达到网络入侵检测系统各引擎间处理数据流负载均衡的目的。实验结果证明该方法能够有效地均衡各检测引擎之间数据流的负载。
动态均衡 篇7
关键词：科技投入,经济增长,动态均衡,协整分析
科技投入与经济增长是相辅相成的关系。一方面, 经济的发展需要科技发展作为内在推动力;另一方面, 科技投入的资本积累需要经济发展作为其后盾支持。建国以来尤其是改革开放以来, 江苏省的科技投入呈逐年上升趋势, 从总体上看, 科研重点和关键技术领域基本都处于全国先进水平, 有力地促进了经济增长, 但科技投入产出水平与发达国家及地区相比仍存在较大差距。在目前大力促进自主创新能力提高的新形势下, 正确认识江苏省科技投入与经济增长的动态均衡关系, 对于制定科技发展战略和提高科技投入产出水平均具有重要的参考价值[1]。
1 协整分析的模型和方法
协整 (Co-integration) 的思想是由Granger (1981) 提出的, 协整分析技术则是近几年发展起来的处理平衡数据的方法, 是用于动态模型的设定、估计和检验的一种新的技术, 可用于检验经济时间序列变量水平数据是否存在长期均衡关系。协整分析的一般步骤如下:
(1) 时间序列变量的平稳性检验
一般来说, 如果一个时间序列xt是稳定的, 则满足:①均值E (xt) 与时间t无关;②方差var (xt) 是有限的, 并不随着时间t的推移发生变化。如果一个时间序列xt是非稳定的, 则其均值和方差将随时间t改变, 我们将这样的序列转化为稳定序列必须经过d次差分, 那么这样的序列被称为d阶单整 (Integration) 序列, 记为I (d) 。
单位根是表示非平稳的另一种方式, 单位根方法将对非平稳性的检验转化为对单位根的检验。若变量xt的一阶差分是稳定的, 则变量xt存在单位根。对单位根进行检验常用的方法是ADF (Augmented Dickey-Fuller) 检验法。在ADF检验中, 单位根检验的回归方程为:
模型Ⅰ:
在模型Ⅰ中加入常数项, 得到模型Ⅱ:
在模型Ⅱ中加入时间趋势项, 得到模型Ⅲ:
作假设检验, H0:ρ=1, H1:ρ<1;检验时从模型Ⅲ开始, 然后到模型Ⅱ、模型Ⅰ, 如果接受原假设H0而拒绝备择假设H1, 则说明时间序xt列存在单位根, 因而时间序列xt是非稳定的;否则说明序列xt不存在单位根, 即是稳定的。模型中加入k个滞后变量是为了使残差项为白噪声。对于非稳定变量, 还需检验其一阶差分的稳定性, 如果变量的一阶差分是稳定的, 则称此变量是I (1) 的, 所有变量差分阶数都相同是变量之间存在协整关系的必要条件[2]。
(2) 时间序列变量之间的协整检验
协整指的是尽管就单个时间序列而言是非平稳的, 但是两个或两个以上时间序列的线性组合却是平稳的。协整分析涉及的是一组变量, 它们各自都是不平稳的, 但它们一起漂移, 这种变量的共同漂移使得这些变量之间存在长期的线性关系, 因而使人们能够研究经济变量间的长期均衡关系。协整的意义就在于它揭示了一种长期稳定的均衡关系, 满足协整的经济变量之间不能相互分离太远, 一次冲击只能使它们在短时间内偏离均衡位置, 在长期中会自动回复到均衡位置。协整分析的经济意义在于, 对于两个具有各自长期波动规律的变量, 如果它们之间是协整的, 则它们之间存在一个长期的均衡关系;反之, 如果这两个变量不是协整的, 则它们之间不存在一个长期的均衡关系。
关于协整关系的检验与估计目前有许多具体的技术模型, 如Engle-Granger两步法、Johansen极大似然法、频域非参数谱回归法、Bayes方法等, 对于单方程系统, Engle-Granger两步法具有许多优点, 只需用OLS估计且操作十分简单明了。设{xt}和{yt}均为I (1) 变量, 用OLS法建立模型⑷以确定变量之间的长期均衡关系, 然后对残差
(3) 误差修正模型
协整分析也可用于短期或非均衡参数的估计, 按照Granger代表定理, 如果变量{xt}和{yt}是协整的, 则它们之间存在长期均衡关系, 在短期内这些变量可以是不均衡的, 扰动项是均衡误差εt, 两变量之间的这种短期不均衡关系的动态结构可以由误差修正模型 (Error Correction Model, ECM) 来描述, 这一联系两变量的短期和长期行为的误差修正模型由下式给出:
Yt=滞后的 (△Yt, △Xt) +λεt-1+vt (6)
式中, Yt～I (1) , Xt～I (1) ;Xt, Yt～CI (1, 1) ;εt=Yt-β0-βtXt～I (0) ;vt为白噪声;λ为短期调节系数[4]。
(4) 时间序列变量的格兰杰因果关系
在回归分析中, 回归方程能够度量变量之间的联系程度, 但不能证实因果关系, 识别因果关系是在以检验为依据的研究中的一个重要问题。Granger (1969) 和Sims (1972) 提出的因果关系检验法的基本思想如下:如果变量X有助于预测变量Y, 即根据Y的过去值对Y进行自回归时, 如果再加上X的过去值, 能显著地增强回归方程的解释能力, 则称X是Y的格兰杰原因, 否则称为非格兰杰原因。
变量X、Y之间的格兰杰因果关系检验的过程如下:首先检验“X不是引起Y变化的原因”的原假设, 对下列两个回归模型进行估计:
①无限制条件回归:
②有限制条件回归:
用各自回归的残差平方和计算F统计值, 然后检验系数b1, b2, …, bm是否同时显著不为零, 如果是, 就拒绝“X不是引起Y变化的原因”的原假设。然后检验“Y不是引起X变化的原因”的原假设, 进行同样的回归估计, 但是交换X与Y, 检验Y的滞后项是否显著地不为零, 如果是, 就拒绝“Y不是引起X变化的原因”的原假设[5]。
2 实测过程及结果
(1) 变量选择和样本数据说明
在各种科技投入要素中, 考虑其在实际中主要发挥的作用和数据的可采集性, 仅选择科技人力资源和科技财力资源两个要素。科技活动人员数作为科技人力资源投入量指标在一定程度上能够反映科技活动中活劳动的实际投入量, 并且资料也较易收集, 因此科技人力资源投入指标选用江苏省从事科技活动人员数;科技财力资源指标可选用科技经费筹集额、R&D投入额或科技经费支出额, 其中R&D投入额最能反映科技财力资源的投入, 但是此指标应用年份较短, 不适合做时间序列分析, 而科技经费支出额是指机构范围内当年为开展科技活动所实际开支的费用, 能够较好地体现出科技活动经费的使用情况, 因此科技财力资源投入选用江苏省科技活动经费支出额[6]。
样本区间为1988—2007年, 其中1990—2006年江苏省国内生产总值 (亿元) 、从事科技活动人员数 (万人) 和科技活动经费支出额 (亿元) 来源于历年《江苏统计年鉴》, 2007年各项数据来源于《江苏省2007年国民经济和社会发展统计公报》, 1988和1989年科技指标由《中国科学技术四十年》、《科技统计数据集》中相应数据通过比例法和差补法计算得到。1988—2007年江苏省科技投入与经济增长数据如表1所示。
续上表
(2) 检验变量序列的平稳性
进行协整分析前, 必须先检验变量是否平稳。采用ADF检验方法, 对LnGDP、LnPEOPLE、LnM_O及其一阶差分变量DLnGDP、DLnPEOPLE、DLnM_O进行平稳性检验, 结果见表2。由表2可知, 虽然时间序列变量LnGDP、LnPEOPLE、LnM_O是非平稳的, 但其一阶差分变量是平稳序列, 由此可知时间序列LnGDP、LnPEOPLE、LnM_O均为一阶单整序列。
说明:检验类型 (c, t, k) 分别表示ADF检验中是否会有常数项、时间趋势项以及滞后阶数为k
(3) 协整检验和误差修正模型
由平稳性检验可知, LnGDP、LnPEOPLE、LnM_O均为一阶单整序列, 可运用Engle-Granger两步法做协整检验考察江苏省1988—2007年经济增长和科技投入的长期均衡关系, 由LnGDP分别对LnPEOPLE和LnM_O做回归的OLS估计。
于是从事科技活动人员数和经济增长的长期均衡方程为:
LnGDP=2.3407×LnPEOPLE-14.9815 (9)
(t) (8.752092) (8.176011)
R2=0.700280 adj-R2=0.680299
DW=0.604636 F=35.04672
科技经费支出额和经济增长的长期均衡方程为:
LnGDP=0.8897×LnM_O+5.4976 (10)
(t) (8.752092) (8.176011)
R2=0.836243 adj-R2=0.825326
DW=0.746210 F=76.59912
设ECMP和ECMO分别为回归模型 (9) 和 (10) 的残差, 对ECMP和ECMO的序列值分别做ADF检验, 结果如表3所示。
说明:检验类型 (c, t, k) 分别表示ADF检验中是否会有常数项、时间趋势项以及滞后阶数为k
描述GDP随科技投入变化的短期波动向长期均衡调整的误差修正模型分别为:
DLnGDP=0.1462-0.3193×DLnGDP (-1) -0.2638×DLnPEOPLE (-6)
+0.0073×ECMP (-1) (11)
DLnGDP=0.1009+0.1342×DLnGDP (-4) -0.1381×DLnM_O (-7)
+3.2399e-07×ECMO (-1) (12)
3 结果分析和评价
(1) 测算结果表明, 1988—2007年江苏省科技投入和经济增长之间存在长期动态均衡关系。尽管其各自的增长是非稳定的, 但就长期而言, 它们之间却构成了长期稳定的均衡关系。
(2) 测算结果说明了江苏省科技投入和经济增长之间确实具有相互依存的经济关系。由方程 (9) 可知, 科技活动人员数的回归系数为2.3407, 表明江苏省科技活动人员数每增加一个单位, 江苏省国民生产总值平均增加2.3407个单位, 即科技活动人员数增长的波动幅度小于国民生产总值的波动幅度。科技活动人员是活动在科研一线的工作者, 他们直接从事科技活动或者为科技活动提供直接服务, 而目前江苏省科技活动人员所占比重较小, 因此适当扩大科技活动人员规模有助于促进GDP的增长。由方程 (10) 可知, 科技经费支出额的回归系数为0.8897, 表明江苏省科技经费支出额每增加一个单位, 江苏省国民生产总值平均增加0.8897个单位, 即科技经费增长的波动幅度大于国民生产总值的波动幅度。科技经费支出是为开展科技活动所实际开支的费用, 是购置设备、发放劳务费等确保科研工作正常进行的支出, 因此提高科研经费的投入额、科学分配经费支出额, 使之有效利用, 能够促进GDP的增长[7]。
(3) 由误差修正模型 (11) 和 (12) 可知江苏省国民生产总值的变动受到自身和科技投入变动因素的影响。科技投入对GDP存在着较长时期的滞后影响, 其中滞后1年的经济增长量、滞后6年的科技活动人员数、滞后7年的科技经费支出额对实际GDP的变动影响显著, 其他滞后期的科技经费支出额和GDP对当期GDP的变动作用并不显著[8]。
(4) 方程 (11) 和 (12) 中的ECMP和ECMO是误差修正项, 该项系数反映了误差修正模型自身修正偏离均衡误差的作用机制。当修正系数为1时, 经济增长和科技投入的当年均衡误差在下一年就可以调整到均衡状态。此模型中的系数分别为0.0073和3.2399e—07, 说明GDP的增长率变动受到多种因素的影响, GDP和科技投入之间的均衡关系对当期非均衡误差调整的自身修正能力不是很强[9]。
综上所述, 江苏省科技投入尚未达到经济增长所要求的规模, 科技投入的效率不高, 没有发挥出应有的作用;江苏省科技投入存在特殊性, 其收益对经济增长的贡献存在明显的滞后期。因此, 为了推动江苏省自主创新能力的提高及加大对经济增长的贡献程度, 有必要加强政府引导科技投入的力度, 不仅要提高财政科技投入, 还要引导社会其他主体加大科技投入, 同时完善科技投入的管理和保障机制, 以实现科技投入的最大利用效率, 促进经济和社会的可持续发展。
参考文献
[1]王稳.科技进步对经济效率增长的作用机制分析[J].中国软科学, 2003 (2) :97-103.
[2]张晓峒.计量经济分析[M].北京:经济科学出版社, 2000.
[3]刘晓鹏.协整分析与误差模型——我国对外贸易与经济增长的实证研究[J].南开经济研究, 2001 (5) :53-56.
[4]王坤, 张书云.中国对外贸易与经济增长关系的协整性分析[J].数量经济技术经济研究, 2004 (4) :26-33.
[5]单红梅.1991—2003年间中国科技投入经济效果的实证分析[J].系统工程, 2006 (9) :88-92.
[6]马拴友.财政政策与经济增长[M].北京:经济科学出版社, 2003.
[7]郁洪良.江苏省高新技术产业金融支持的主要特点[J].江苏科技信息, 2002 (7) :44-46.
[8]孟祥云.经济增长对科技投入影响的实证研究[J].情报科学, 2004 (8) :1019-1021.
动态均衡 篇8
关键词：负载均衡,服务器集群,调度算法
1引言
随着因特网技术的飞速发展,因特网已经成为越来越多的人们学习、工作以及生活的必备工具之一［1］。但是,随着因特网用户数的不断增加,各大网络公司的具体服务器系统变得越来越不堪重负。 通过使用集群技术来改装原有的具体服务器系统, 成为一种能够快速的应付这种局面并有效解决这个问题的好方法。集群系统一般都要靠前端的负载均衡调度器将用户的连接请求转发到后台的具体服务器之上。转发过程必须有负载均衡算法的配合,才能使得用户连接请求在各台具体服务器之间得到合理、均匀的分配［2］。
本文在深入的研究LVS集群系统及其主要实现的四种负载均衡算法的基础上,提出了一种改进的调度算法,该算法的最大特点是能够定时收集后台各台具体服务器的性能指标和实时负载指标。性能指标包括了CPU处理速率、内存大小、磁盘读写速率和网络带宽等。负载指标是连接数与最大负载值的比值。根据这些指标,负载均衡调度算法计算出了具体服务器的综合性能参数,通过负载指标也相应的计算出具体服务器的综合负载参数,最后通过这两个参数和本文设计出来的另一个公式转换得到了各台具体服务器的权重值。因此,通过这种方法负载均衡调度器就可以在集群系统的运行过程中,获得代表具体服务器的性能水平和实时负载状况的权重值,使得其可以更加合理的在具体服务器间分配用户的连接请求。
2传统的负载均衡调度算法
2. 1轮叫算法
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［3］。轮叫调度算法假设所有服务器处理性能均相同,不管服务器的当前连接数和响应速度。该算法相对简单,不适用于服务器组中处理性能不一的情况,而且当请求服务时间变化比较大时,轮叫调度算法容易导致服务器间的负载不平衡。
2. 2加权轮叫算法
加权轮叫调度算法是轮叫算法的改进,该算法考虑到了集群系统中各服务器节点的性能差异,给每一台服务器分配一个性能权值,但是该算法没有考虑到实际运行中Linux虚拟服务器集群系统的实际负载情况［4］。比如由于各个不同的用户连接所要求的任务的运行时间各不相同,导致运行一段时间后的集群系统后台的各台具体服务器的实际运行的性能状况已与初始状态有明显的不同。所以,该算法还是不能最合理的实现LVS集群系统的负载均衡。
2. 3最小连接算法
最小连接调度( Least - Connection Scheduling) 算法是把新的连接请求分配到当前连接数最小的服务器。最小连接调度是一种动态调度算法,它通过服务器当前所活跃的连接数来估计服务器的负载情况［5］。调度器需要记录各个服务器已建立连接的数目,当一个请求被调度到某台服务器,其连接数加1; 当连接中止或超时,其连接数减1。最小连接算法考虑到了后台各服务器节点的实时负载情况,但是各服务器性能差异没有考虑到,若集群中各服务器节点性能差异很大,那么最小连接算法会很容易造成负载调度的不平衡。
2. 4加权最小连接算法
加权最小连接算法考虑到集群系统中后台具体服务器的实时负载水平的不同以及具体服务器性能水平的不同这两个重要的因素,但是仅仅以连接数来代表对应的具体服务器的负载程度、并以一个权重值来代表具体服务器的性能水平,明显是将问题过于简单化了［6］。在系统实际运行过程中,服务器的负载指标和性能指标可能会更复杂,所以加权最小连接算法还是不能很好的实现具体服务器间的负载平衡。
3改进的负载均衡调度算法
3. 1改进算法设计思路
本文提出的算法旨在改变负载均衡调度器的调度依据,在原有的加权最小连接算法的基础上进行改进,每一次调度时,负载均衡调度器都需要知道集群中各个服务器的性能状态和负载状态,并根据这两种状态计算出综合指标参数,判断分配哪一台服务器提供服务。首先,调度器向集群发送状态查询命令,请求各服务器节点反馈自身的性能状态和负载状态。服务器性能指标包括: CPU处理速率、内存大小、磁盘读写速率、网络带宽。服务器负载指标包括: 当前负载值和最大负载值。根据性能指标与负载指标的比值,计算得到服务器综合指标值,这个比值就作为负载均衡器的调度依据。
3. 2性能指标参数和负载指标参数
3. 2. 1综合性能指标计算
假定集群中存在n台服务器,这n台服务器可以用集合表示为S{ S1,S2,…,Sn} 。具体的计算思路如下: ( 1) 读取服务器发送过来的性能指标; ( 2) 对各台服务器中的各个性能指标进行统计,以得出各个性能指标中数值最大值; ( 3) 将每个服务器的指标值与这些对应的最大值相比较得出指标的比例值。经过这3步,就得到了可以用在同一个公式中的比例指标值。最后通过加权公式计算出综合性能参数。
定义1: CPU处理速率比值CPi
其中Ci是第i台服务器的CPU处理速率,max( C1, C2,…,Cn) 是集群中服务器CPU处理速率最大值。
定义2: 内存比值MPi
其中Mi是第i台服务器的内存大小,max( M1,M2, …,Mn) 是集群中服务器内存最大值。
定义3: 磁盘读写速率比值DPi
其中Di是第i台服务器的磁盘读写速率,max( D1, D2,…,Dn) 是集群中服务器磁盘读写速率最大值。
定义4网络带宽比值NPi
其中Ni是第i台服务器的网络带宽,max( N1,N2, …,Nn) 是集群中服务器网络带宽最大值。
这些比值的取值在0到1之间,每一种比例值的大小都反映了该服务器的性能优劣程度,需将这些指标结合起来考虑服务器的综合性能,我们给它们分配权重值,利用计算公式可算出某台服务器的综合性能指标。分别给上面四个比例设定一个加权系数Wc、Wm、Wd、Wn,各个加权系统取值在0到1之间,取值大小体现了指标在集群服务器中的重要程度,通过下面公式( 5) ,可得到第i台服务器的综合性能参数GP( Si) 。
定义5服务器综合性能参数GP( Si)
3. 2. 2综合负载指标计算
假定在某一时刻,集群中第i台服务器的实时用户连接数为Li,该服务器的最大负载为MLi,它们的比值即为t时刻该服务器的负载参数LP( Si) ,公式( 6) :
3. 3服务器综合指标参数
根据上文得到的综合性能指标和综合负载指标,可以计算得到第i台服务器的综合指标参数F( Si) :
根据上述公式( 7) ,负载均衡调度器计算出集群中每台服务器的综合指标参数后,选择指标参数值最大的服务器分配用户请求,因为指标参数F( Si) 越大,意味着综合性能指标GP( Si) 越大或者综合负载指标LP( Si) 越小,这台服务器一定是最合理的分配选择,这就是本文改进算法的主要依据和核心思想。
3. 4算法的具体实现
根据上面所述的算法思想,可以在负载均衡调度器上运行此算法,调度器每次都将用户请求分配给综合指标参数F( Si) 最大的服务器节点。算法伪代码如下:
最后,F( Si)max就是性能最优的服务器,调度器会把连接请求分配给该服务器。
4实验结果分析
为了检验本文提出的改进调度算法的性能,根据现有的条件,搭建了一个提供Web服务的集群系统,集群系统包括一台负载均衡器、后端三台真实服务器和一台共享DB服务器,在负载均衡调度器上分别运行加权最小连接算法和本文提出的改进算法进行比较测试,测试请求时用户请求登录操作,测试工具使用的是WAS服务器测试工具。根据WAS反馈的数据,分析了请求的平均响应时间和请求成功次次数数,测测试试结结果果如如图图1、图图2所所示示。
很明显,改进的调度算法相比加权最小连接算法,在请求响应时间和吞吐率上,都表现出更好的性能,并且在测试过程中,还发现,加权最小连接算法往往会出现服务器过载的问题,而改进算法保持集群中服务器实时负载状况良好,不会出现过载的情况。可见,与加权最小连接算法相比,改进的调度算法能够有效地减少集群总体连接的平均响应时间, 并实现集群良好的负载均衡效果。
5结束语