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。
- 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）。