CN105207841B - 一种基于在线课堂的网络状态检测方法及装置 - Google Patents
一种基于在线课堂的网络状态检测方法及装置 Download PDFInfo
- Publication number
- CN105207841B CN105207841B CN201510523643.9A CN201510523643A CN105207841B CN 105207841 B CN105207841 B CN 105207841B CN 201510523643 A CN201510523643 A CN 201510523643A CN 105207841 B CN105207841 B CN 105207841B
- Authority
- CN
- China
- Prior art keywords
- size
- buffer data
- data size
- network state
- change rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本本发明提供一种基于在线课堂的网络状态检测方法及装置,其中,基于在线课堂的网络状态检测方法,包括以下步骤:实时检测缓存数据量大小以及获取预定时间段内的缓存数据量平均大小;根据所述缓存数据量大小和所述缓存数据量平均大小判断网络状态。根据本发明提供的基于在线课堂的网络状态检测方法及装置,能够不仅仅依赖于缓存区的数据缓存量来判断网络状态,能够综合利用缓存数据量平均大小来准确判断网络状态,为后续处理工作提供准确依据。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种基于在线课堂的网络状态检测方法及装置。
背景技术
在客户端接收服务器数据时,当客户端中的接收程序相对独立且没有提供权限在操作系统中安装驱动时,此时去检测网络状态的难度会比较大。这时可以通过探测接收程序的网络缓冲区状态来反映当前客户端的网络状态。比较简单的方式是可以直接判断接收程序当前接收的数据在缓冲区空间的比例,然后映射到一组对应的数值作为网络状态好坏的显示。但是,这种方式的准确性并不是很高,它依赖于多组不确定因素的影响,比如程序处理模块从网络缓冲区中取数据的速度。
发明内容
本发明提供一种基于在线课堂的网络状态检测方法及装置,以解决上述问题。
本发明提供一种基于在线课堂的网络状态检测方法,其特征在于,包括以下步骤:实时检测缓存数据量大小以及获取预定时间段内的缓存数据量平均大小;根据所述缓存数据量大小和所述缓存数据量平均大小判断网络状态。
本发明还提供了一种基于在线课堂的网络状态检测装置,包括:检测单元,用于实时检测缓存数据量大小以及获取预定时间段内的缓存数据量平均大小;判断单元,用于根据所述缓存数据量大小和所述缓存数据量平均大小判断网络状态。
相较于先前技术,根据本发明提供的基于在线课堂的网络状态检测方法及装置,能够不仅仅依赖于缓存区的数据缓存量来判断网络状态,能够综合利用缓存数据量平均大小来准确判断网络状态,为后续处理工作提供准确依据。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1所示为根据本发明的一较佳实施例提供的基于在线课堂的网络状态检测方法的流程图;
图2所示为根据本发明的一较佳实施例提供的缓存数据量变化状态示意图;
图3所示为根据本发明的一较佳实施例提供的基于在线课堂的网络状态检测装置的框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
图1所示为根据本发明的一较佳实施例提供的网络状态检测方法的流程图。如图1所示,本发明的较佳实施例提供的网络状态检测方法包括步骤102、104。
步骤102,实时检测缓存数据量大小以及获取预定时间段内的缓存数据量平均大小;
步骤104,根据所述缓存数据量大小和所述缓存数据量平均大小判断网络状态。
在上述步骤102中获取两个参数,一个是实时的缓存数据量大小,另一个是预定时间段内的缓存数据量平均大小,综合考虑这两个参数能够准确检测当前的网络状态。
在获取了缓存数据量大小和预定时间段内的缓存数据量平均大小之后具体可以通过以下公式计算出表示所述网络状态的状态值:
M=a1k1+a2k2,其中,M是表示所述网络状态的状态值,k1是所述缓存数据量大小,a1是所述缓存数据量大小对应的权重,k2是所述缓存数据量平均大小,a2是所述缓存数据量平均大小对应的权重。
上述实施例仅仅是其中一优选实施例,在本文中还提供了另一种优选实施例。
除了获取缓存数据量大小以及预定时间段内的缓存数据量平均大小,还需要获取相邻时间段之间的缓存数据量的变化率,然后根据所述缓存数据量大小、所述缓存数据量平均大小和所述变化率判断网络状态。
其中,所述根据缓存数据量大小、所述缓存数据量平均大小和所述变化率判断网络状态,包括:按照以下公式计算出表示所述网络状态的状态值:
M=a1k1+a2k2+a3k3,其中,M是表示所述网络状态的状态值,k1是所述缓存数据量大小,k2是所述缓存数据量平均大小,k3是所述变化率,a1是所述数据量大小对应的权重,a2是所述缓存数据量平均大小对应的权重,a3是所述变化率对应的权重。
从实时缓存量、平均缓存量以及缓存变化情况三个方面来检测网络状态,能够进一步提高判断的准确率,并通过具体的状态值能够使用户直观了解当前网络状态处于一个什么水平,是否适合进行相应的处理流程。
在一些常用的场景下可以根据经验值设置对应固定的权重值。
因此,可以检测当前网络环境的应用场景模式,不同的应用场景模式对应不同组的权重值;
在所述应用场景模式是录播模式时,设置所述缓存数据量大小、所述缓存数据量平均大小和所述变化率对应的权重为第一组权重值;
在所述应用场景模式是互动模式时,设置所述当前时刻的数据量大小、所述缓存数据量平均大小和所述变化率对应的权重为第二组权重值。
下面结合图2详细说明根据本发明的网络状态检测方法。
在图中,x轴表示时间,y轴表示缓存数据量,k1是实时缓存数据量,k2是缓存数据量平均大小,k3是缓存数据量变化率,表示缓存数据量的变化急剧程度,f(tn)表示在时间tn时的缓存数据量。
M=a1k1+a2k2+a3k3
不同的应用场景模式对应不同组的权重值,假设应用场景是录播模式时,设定第一组权重值为a1=30%,a2=60%,a3=10%,在应用场景模式是互动模式时,设定第二组权重值为a1=20%,a2=50%,a3=30%。
系统检测当前的应用场景模式,在检测到应用场景模式是录播模式时,设置缓存数据量大小、缓存数据量平均大小和变化率对应的权重为第一组权重值,计算出当前的网络状态的值。而在检测到应用场景模式是互动模式时,设置当前时刻的数据量大小、缓存数据量平均大小和变化率对应的权重为第二组权重值,从而计算出当前的网络状态的值。
上述列举了各权重值在不同的场景下进行变化的例子,从而能够随着环境因素的变化来动态判断当前网络状态。本领域技术人员应理解也可以仅考虑其中任意两种因素来判断网络状态,例如缓存数据量大小、缓存数据量平均大小,或缓存数据量大小、变化率,或者缓存数据量平均大小、变化率。
图3所示为根据本发明的一较佳实施例提供的基于在线课堂的网络状态检测装置的框图。
如图3所示,根据本发明的实施例的基于在线课堂的网络状态检测装置300包括:
检测单元302,用于实时检测缓存数据量大小以及获取预定时间段内的缓存数据量平均大小;
判断单元304,用于根据所述缓存数据量大小和所述缓存数据量平均大小判断网络状态。
其中,所述判断单元304按照以下公式计算出表示所述网络状态的状态值:
M=a1k1+a2k2,其中,M是表示所述网络状态的状态值,k1是所述缓存数据量大小,a1是所述缓存数据量大小对应的权重,k2是所述缓存数据量平均大小,a2是所述缓存数据量平均大小对应的权重。
基于在线课堂的网络状态检测装置还可以包括:
计算单元306,用于计算相邻时间段之间的缓存数据量的变化率;
所述判断单元304还用于根据所述缓存数据量大小、所述缓存数据量平均大小和所述变化率判断网络状态。
其中,所述判断单元304还用于按照以下公式计算出表示所述网络状态的状态值:
M=a1k1+a2k2+a3k3,其中,M是表示所述网络状态的状态值,k1是所述缓存数据量大小,k2是所述缓存数据量平均大小,k3是所述变化率,a1是所述数据量大小对应的权重,a2是所述缓存数据量平均大小对应的权重,a3是所述变化率对应的权重。
所述检测单元302检测当前网络环境的应用场景模式,不同的应用场景模式对应不同组的权重值;
所述判断单元304还用于在所述应用场景模式是录播模式时,设置所述缓存数据量大小、所述缓存数据量平均大小和所述变化率对应的权重为第一组权重值;在所述应用场景模式是互动模式时,设置所述当前时刻的数据量大小、所述缓存数据量平均大小和所述变化率对应的权重为第二组权重值。
相较于先前技术,根据本发明提供的基于在线课堂的网络状态检测方法及装置,能够不仅仅依赖于缓存区的数据缓存量来判断网络状态,能够综合利用缓存数据量平均大小来准确判断网络状态,为后续处理工作提供准确依据。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于在线课堂的网络状态检测方法,其特征在于,包括以下步骤:
实时检测缓存数据量大小以及获取预定时间段内的缓存数据量平均大小,计算相邻时间段之间的缓存数据量的变化率;
根据所述缓存数据量大小、所述缓存数据量平均大小和所述变化率判断网络状态,包括:
按照以下公式计算出表示所述网络状态的状态值:
M=a1k1+a2k2+a3k3,其中,M是表示所述网络状态的状态值,k1是所述缓存数据量大小,k2是所述缓存数据量平均大小,k3是所述变化率,a1是所述数据量大小对应的权重,a2是所述缓存数据量平均大小对应的权重,a3是所述变化率对应的权重;
检测当前网络环境的应用场景模式,不同的应用场景模式对应不同组的权重值;
在所述应用场景模式是录播模式时,设置所述缓存数据量大小、所述缓存数据量平均大小和所述变化率对应的权重为第一组权重值;
在所述应用场景模式是互动模式时,设置所述当前时刻的数据量大小、所述缓存数据量平均大小和所述变化率对应的权重为第二组权重值。
2.一种基于在线课堂的网络状态检测装置,其特征在于,包括:
检测单元,用于实时检测缓存数据量大小以及获取预定时间段内的缓存数据量平均大小;
计算单元,用于计算相邻时间段之间的缓存数据量的变化率;
判断单元,用于根据所述缓存数据量大小、所述缓存数据量平均大小和所述变化率判断网络状态;
所述判断单元按照以下公式计算出表示所述网络状态的状态值:
M=a1k1+a2k2+a3k3,其中,M是表示所述网络状态的状态值,k1是所述缓存数据量大小,k2是所述缓存数据量平均大小,k3是所述变化率,a1是所述数据量大小对应的权重,a2是所述缓存数据量平均大小对应的权重,a3是所述变化率对应的权重;
所述检测单元还用于检测当前网络环境的应用场景模式,不同的应用场景模式对应不同组的权重值;所述判断单元还用于在所述应用场景模式是录播模式时,设置所述缓存数据量大小、所述缓存数据量平均大小和所述变化率对应的权重为第一组权重值,在所述应用场景模式是互动模式时,设置所述当前时刻的数据量大小、所述缓存数据量平均大小和所述变化率对应的权重为第二组权重值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510523643.9A CN105207841B (zh) | 2015-08-24 | 2015-08-24 | 一种基于在线课堂的网络状态检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510523643.9A CN105207841B (zh) | 2015-08-24 | 2015-08-24 | 一种基于在线课堂的网络状态检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105207841A CN105207841A (zh) | 2015-12-30 |
CN105207841B true CN105207841B (zh) | 2018-12-18 |
Family
ID=54955292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510523643.9A Expired - Fee Related CN105207841B (zh) | 2015-08-24 | 2015-08-24 | 一种基于在线课堂的网络状态检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105207841B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102223677A (zh) * | 2011-07-04 | 2011-10-19 | 重庆邮电大学 | 一种基于iasa负载均衡装置的切换方法及切换系统 |
CN102611605A (zh) * | 2011-01-20 | 2012-07-25 | 华为技术有限公司 | 一种数据交换网的调度方法、装置和系统 |
CN102685780A (zh) * | 2012-05-16 | 2012-09-19 | 姚国良 | 一种无线传感器网络信道接入和批量数据传输方法 |
CN103973482A (zh) * | 2014-04-22 | 2014-08-06 | 南京航空航天大学 | 具有全局通信事务管理能力的容错片上网络系统及方法 |
CN104683762A (zh) * | 2015-01-29 | 2015-06-03 | 中国人民解放军理工大学 | 一种基于缓冲占用比的无人机视频无线自适应传输方法和无线传输系统 |
-
2015
- 2015-08-24 CN CN201510523643.9A patent/CN105207841B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102611605A (zh) * | 2011-01-20 | 2012-07-25 | 华为技术有限公司 | 一种数据交换网的调度方法、装置和系统 |
CN102223677A (zh) * | 2011-07-04 | 2011-10-19 | 重庆邮电大学 | 一种基于iasa负载均衡装置的切换方法及切换系统 |
CN102685780A (zh) * | 2012-05-16 | 2012-09-19 | 姚国良 | 一种无线传感器网络信道接入和批量数据传输方法 |
CN103973482A (zh) * | 2014-04-22 | 2014-08-06 | 南京航空航天大学 | 具有全局通信事务管理能力的容错片上网络系统及方法 |
CN104683762A (zh) * | 2015-01-29 | 2015-06-03 | 中国人民解放军理工大学 | 一种基于缓冲占用比的无人机视频无线自适应传输方法和无线传输系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105207841A (zh) | 2015-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103580934B (zh) | 一种云业务监测方法和装置 | |
KR20140101697A (ko) | 애플리케이션 스토어와 관련된 허위 등급들/코멘트들의 자동 검출 | |
Nakibly et al. | Hardware fingerprinting using HTML5 | |
EP2976719A1 (en) | Estimating visibility of content items | |
US20160091359A1 (en) | System and method for measuring segment parameters of a human body for recording a body mass index | |
CN104850726B (zh) | 基于碰撞游戏的异常数据检测方法和系统 | |
CN109241343A (zh) | 一种刷量用户识别系统、方法及装置 | |
CN111191671B (zh) | 一种用电器波形检测方法、系统、电子设备及存储介质 | |
US20170240419A1 (en) | Microelectromechanical accelerometer based sensor system | |
CN105991511A (zh) | 一种检测cc攻击的方法及设备 | |
CN105681124B (zh) | 一种网速检测方法及装置 | |
CN103415061A (zh) | 一种自动选择网络热点的方法及装置 | |
CN109525930A (zh) | 一种识别定位信息真伪的方法、装置和存储介质 | |
CN110890998A (zh) | 一种确定阈值的方法及装置 | |
US8806337B2 (en) | System and method for representation of avatars via personal and group perception, and conditional manifestation of attributes | |
US20200103542A1 (en) | Structure safety detection system and method thereof | |
CN104359559B (zh) | 一种扩展制冷型测温系统测温范围的方法 | |
CN110342363B (zh) | 测试电梯安全性能的方法、装置、终端设备和存储介质 | |
CN105207841B (zh) | 一种基于在线课堂的网络状态检测方法及装置 | |
CN107018039B (zh) | 测试服务器集群性能瓶颈的方法和装置 | |
CN108896070B (zh) | 移动设备中检测传感器误差的方法、装置和终端 | |
EP3354193B1 (en) | Information processing device, digestion ratio estimating method, information processing system and digestion ratio estimating program | |
CN107493471B (zh) | 一种视频传输质量的计算方法和装置 | |
CN105187272B (zh) | 一种网络状态检测方法及装置 | |
RU2719310C2 (ru) | Система и способ выполнения измерения длины пути с использованием карманного электронного устройства |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181218 Termination date: 20200824 |
|
CF01 | Termination of patent right due to non-payment of annual fee |