CN106506275B - 一种预测交换节点目的端口传输时延的方法及装置 - Google Patents

Abstract

本发明公开了一种预测交换节点目的端口传输时延的方法及装置，交换节点包括至少一个目的端口，该方法包括：控制节点接收至少一个目的端口中每个目的端口接收信誉消息的时间间隔以及传输时延；控制节点根据至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型；控制节点发送更新后的目的端口传输时延预测模型至控制节点所管辖的所有交换节点，使得控制节点所管辖的所有交换节点中的每个交换节点可根据更新后的目的端口传输时延预测模型，预测每个交换节点中每个目的端口的传输时延；采用本发明的方法及装置，可提高网络的传输速率。

Description

一种预测交换节点目的端口传输时延的方法及装置

技术领域

本发明涉及计算机网络技术领域，尤其涉及一种预测交换节点目的端口传输时延的方法及装置。

背景技术

随着互联网的飞速发展，对网络传输质量的要求越来越高，基于此，相关技术人员提出了一种控制平面与数据平面相分离的网络架构；其中，如图1所示，上述网络架构主要由三部分组成，分别为控制节点、交换节点和计算节点；其中，控制节点可具体为控制器，用于对计算节点和交换节点进行统一管理；而交换节点可具体为交换机或路由器，用于对不同计算节点间的业务数据进行传递，而计算节点可具体为个人计算机或计算服务器，用于为用户提供具体的服务。

在现有技术中，如图2所示，每个交换节点包括多个源端口和目的端口；其中，交换节点的源端口可接收待传递的数据包(当然此数据包可来源于计算节点，也可来源于其它交换节点)；而在交换节点的源端口接收到待传递数据包时，交换节点的处理器将首先获取待传递数据包的目的地址；然后，根据待传递数据包的目的地址，路由出待传递数据包的目的端口。在实际应用中，一般针对每个待传递数据包，可路由出多个目的端口；最后，从路由出的多个目的端口中，随机选择一目的端口，输出待传递数据包即可；相应的，通过上述目的端口，待传递数据包即可被传递到目的地址。

在实际应用中，当网络中传递数据的数据量较大时，经常会出现一目的端口中有多个待传递数据包的现象，即多个待传递数据包要排队进行输出；那么，此时，如果再采用上述从多个路由出的目的端口中，随机选择一目的端口的方式，可加大待传递数据包的传输时延，降低网络的传输速率。

发明内容

本发明实施例提供一种预测交换节点目的端口传输时延的方法及装置，以预测交换节点中每个目的端口的传输时延，进而使得交换节点可从路由出的目的端口中，选择传输时延满足条件的目的端口输出，从而提高网络的传输速率。

第一方面，本发明提供一种预测交换节点目的端口传输时延的方法，交换节点包括至少一个目的端口，该方法包括：控制节点接收至少一个目的端口中每个目的端口接收信誉消息的时间间隔以及传输时延，一目的端口的传输时延为目的端口在接收信誉消息的时间间隔状态下，一数据包从到达目的端口至从目的端口输出的时间间隔；一目的端口所接收的信誉消息为目的端口的下一跳交换节点所发送的，用于指示目的端口向对应的下一跳交换节点发送数据包的消息；控制节点根据至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型；控制节点发送更新后的目的端口传输时延预测模型至控制节点所管辖的所有交换节点，使得控制节点所管辖的所有交换节点中的每个交换节点可根据更新后的目的端口传输时延预测模型，预测每个交换节点中每个目的端口的传输时延。

结合第一方面，在第一种可能的实现方式中，控制节点根据至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型，包括：控制节点对至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本；控制节点利用监督式机器学习算法，将训练样本输入到原有的目的端口传输时延预测模型进行训练，以更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型。

结合第一方面，在第二种可能的实现方式中，训练样本至少包括特征向量和时延标签两部分，控制节点对至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本，包括：控制节点将至少一个目的端口中每个目的端口接收信誉消息的时间间隔作为特征向量，将至少一个目的端口中每个目的端口的传输时延作为时延标签，生成训练样本。

结合第一方面、第一方面的第一种可能实现方式或第二种可能实现方式，在第三种可能的实现方式中，控制节点还接收至少一个目的端口中每个目的端口的预估忙碌时长和每个目的端口被数据包占用的时长中的至少一个；在一目的端口处于忙碌状态下，目的端口的预估忙碌时长为目的端口从当前忙碌状态变为空闲状态的时间间隔，在一目的端口处于空闲状态时，目的端口的预估忙碌时长为预设值，预设值可代表目的端口处于空闲状态；目的端口被数据包占用的时长为数据包从成功占用目的端口至从目的端口输出的时间间隔；

控制节点对至少一个目的端口中每个目的端口接收信誉消息的时间间隔和的传输时延进行处理，生成训练样本，具体包括：控制节点对至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个、接收信誉消息的时间间隔以及传输时延进行处理，生成训练样本。

第二方面，提供一种预测交换节点目的端口传输时延的方法，交换节点包括至少一个目的端口，该方法包括：控制节点接收至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，一目的端口的传输时延为目的端口在接收信誉消息的时间间隔状态下，一数据包从到达目的端口至从目的端口输出的时间间隔；一目的端口所接收的信誉消息为目的端口的下一跳交换节点所发送的，用于指示目的端口向对应的下一跳交换节点发送数据包的消息；控制节点对至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本；控制节点利用监督式机器学习算法，对训练样本进行训练，生成目的端口传输时延的预测模型；控制节点发送目的端口传输时延的预测模型至控制节点所管辖的所有交换节点，使得控制节点所管辖的所有交换节点中的每个交换节点可根据目的端口传输时延预测模型，预测每个交换节点中每个目的端口的传输时延。

结合第二方面，在第一种可能的实现方式中，控制节点还接收至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个；

在一目的端口处于忙碌状态下，目的端口的预估忙碌时长为目的端口从当前忙碌状态变为空闲状态的时间间隔，在一目的端口处于空闲状态时，目的端口的预估忙碌时长为预设值，预设值可代表目的端口处于空闲状态；目的端口被数据包占用的时长为数据包从成功占用目的端口至从目的端口输出的时间间隔；

控制节点对至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本，具体包括：控制节点对至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个、接收信誉消息的时间间隔和传输时延进行处理，生成训练样本。

第三方面，提供一种预测交换节点目的端口传输时延的装置，交换节点包括至少一个目的端口，该装置包括：第一接收单元，用于接收至少一个目的端口中每个目的端口接收信誉消息的时间间隔以及传输时延，一目的端口的传输时延为目的端口在接收信誉消息的时间间隔状态下，一数据包从到达目的端口至从目的端口输出的时间间隔；一目的端口所接收的信誉消息为目的端口的下一跳交换节点所发送的，用于指示目的端口向对应的下一跳交换节点发送数据包的消息；更新单元，用于根据至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型；第一发送单元，用于发送更新后的目的端口传输时延预测模型至控制节点所管辖的所有交换节点，使得控制节点所管辖的所有交换节点中的每个交换节点可根据更新后的目的端口传输时延预测模型，预测每个交换节点中每个目的端口的传输时延。

结合第三方面，在第三方面的第一种可能实现方式中，更新单元，具体用于：对至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本；利用监督式机器学习算法，将训练样本输入到原有的目的端口传输时延预测模型进行训练，以更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型。

结合第三方面，在第三方面的第二种可能实现方式中，训练样本至少包括特征向量和时延标签两部分，更新单元在对至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本时，具体用于：将至少一个目的端口中每个目的端口接收信誉消息的时间间隔作为特征向量，将至少一个目的端口中每个目的端口的传输时延作为时延标签，生成训练样本。

结合第三方面、第三方面的第一种可能实现方式或第二种可能实现方式，在第三种可能实现方式中，第一接收单元还用于，接收至少一个目的端口中每个目的端口的预估忙碌时长和每个目的端口被数据包占用的时长中的至少一个；在一目的端口处于忙碌状态下，目的端口的预估忙碌时长为目的端口从当前忙碌状态变为空闲状态的时间间隔，在一目的端口处于空闲状态时，目的端口的预估忙碌时长为预设值，预设值可代表目的端口处于空闲状态；目的端口被数据包占用的时长为数据包从成功占用目的端口至从目的端口输出的时间间隔；

更新单元在对至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本时，具体用于：对至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个、接收信誉消息的时间间隔以及传输时延进行处理，生成训练样本。

第四方面，提供一种预测交换节点目的端口传输时延的装置，交换节点包括至少一个目的端口，该装置包括：第二接收单元，用于接收至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，一目的端口的传输时延为目的端口在接收信誉消息的时间间隔状态下，一数据包从到达目的端口至从目的端口输出的时间间隔；一目的端口所接收的信誉消息为目的端口的下一跳交换节点所发送的，用于指示目的端口向对应的下一跳交换节点发送数据包的消息；处理单元，用于对至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本；生成单元，用于利用监督式机器学习算法，对训练样本进行训练，生成目的端口传输时延的预测模型；第二发送单元，用于发送目的端口传输时延的预测模型至控制节点所管辖的所有交换节点，使得控制节点所管辖的所有交换节点中的每个交换节点可根据目的端口传输时延预测模型，预测每个交换节点中每个目的端口的传输时延。

结合第四方面，在第四方面的第一种可能实现方式中，第二接收单元，还用于接收至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个；

在一目的端口处于忙碌状态下，目的端口的预估忙碌时长为目的端口从当前忙碌状态变为空闲状态的时间间隔，在一目的端口处于空闲状态时，目的端口的预估忙碌时长为预设值，预设值可代表目的端口处于空闲状态；

目的端口被数据包占用的时长为数据包从成功占用目的端口至从目的端口输出的时间间隔；

处理单元，具体用于：对至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个、接收信誉消息的时间间隔和传输时延进行处理，生成训练样本。

由上可见，在本发明实施例中，控制节点可根据交换节点所采集的目的端口的状态特征参数以及传输时延，生成训练样本、且利用机器学习算法对训练样本进行训练，生成目的端口传输时延预测模型，分发给其所管辖的交换节点，所述目的端口的状态特征参数至少包括目的端口接收信誉消息的时间间隔；而相应的，交换节点在获得上述目的端口传输时延预测模型后，可采集每个目的端口的状态特征参数，然后将所采集的目的端口的状态特征参数输入至目的端口传输时延预测模型中，即可预测出每个目的端口的传输时延；而在交换节点有数据包需传递时，交换节点具体的处理流程如下：首先获取待传递数据包的目的地址；然后，根据待传递数据包的目的地址，路由出待传递数据包的目的端口；最后，从路由出的目的端口中，选择传输时延满足条件的目的端口(比如传输时延最小的目的端口)，那么相对于现有技术中的，从路由出的目的端口中随机选择一目的端口，可避免所选择的目的端口的传输时延较大，从而提高网络的传输速率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明实施例所提供的网络架构的示意图；

图2为本发明实施例所提供的交换节点的示意图；

图3为本发明实施例所提供的预测交换节点目的端口传输时延的方法的一流程示意图；

图4为本发明实施例所提供的buffer队列的示意图；

图5为本发明实施例所提供的训练样本的示意图。

图6为本发明实施例所提供的预测交换节点目的端口传输时延的装置的一结构示意图；

图7为本发明实施例所提供的预测交换节点目的端口传输时延的装置的另一结构示意图；

图8为本发明实施例所提供的控制节点的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，并不是全部的实施例。

本发明公开了一种预测交换节点目的端口传输时延的方法及装置，该方法及装置的应用场景，如下：

目前，相关技术人员提出了一种控制平面与数据平面相分离的网络架构，如图1所示，该网络架构主要由三部分组成，分别为控制节点、交换节点和计算节点；其中，控制节点可具体为OpenFlow控制器，用于对计算节点和交换节点进行统一管理；交换节点可具体为交换机或路由器，用于对不同计算节点间的业务数据进行传递；而计算节点可具体为个人计算机或计算服务器，用于为用户提供计算服务。

在实际应用中，如图2所示，每个交换节点包括多个源端口和多个目的端口；其中，交换节点的每个源端口可接收待传递的数据包(当然此数据包可来源于计算节点，也可来源于其它交换节点)；而在交换节点的源端口接收到待传递数据包时，交换节点的处理器将首先获取待传递数据包的目的地址；然后，根据待传递数据包的目的地址，路由出待传递数据包的目的端口；其中，一般针对每个待传递数据包，可路由出多个目的端口；而如何从路由出的多个目的端口中，选择传输时延满足条件的目的端口，正是本发明要解决的技术问题，所述传输时延是指一数据包从到达目的端口至输出目的端口的时长。

本发明的整体思路如下：在如图1所示的网络架构中，交换节点采集自身目的端口的状态特征参数和目的端口在当前状态下的传输时延；然后交换节点上传所采集的目的端口状态特征参数和所对应状态下的传输时延至控制节点；而控制节点将利用交换节点所上传的目的特征参数以及传输时延，生成训练样本、且利用机器学习算法对训练样本进行训练，生成目的端口传输时延预测模型，分发给其所管辖的交换节点；而相应的，交换节点在获得上述目的端口传输时延预测模型后，可采集每个目的端口的状态特征参数，然后将所采集的目的端口的状态特征参数输入至目的端口传输时延预测模型中，即可预测出每个目的端口的传输时延；

相应的，在交换节点有数据包需传递时，其具体的处理流程如下：首先获取待传递数据包的目的地址；然后，根据待传递数据包的目的地址，路由出待传递数据包的目的端口；最后，从路由出的目的端口中，选择传输时延满足条件的目的端口输出(比如，选择传输时延最小的目的端口输出)。可见，在实际应用中，交换节点采用上述方式传递数据包，可提高网络的传输效率。下面将采用实施例的方式，具体介绍本发明的过程，具体可参见下述实施例。

实施例一

针对图1所示的控制平面与数据平面相分离的网络架构，本发明实施例提供一种预测交换节点目的端口传输时延的方法，如图3所示，该方法至少包括：

步骤S31：交换节点采集至少一个目的端口中每个目的端口的状态特征参数，以及目的端口在当前状态下的传输时延；

在本发明实施例中，每个目的端口状态特征参数可为目的端口接收信誉消息的时间间隔、目的端口的预估忙碌时长和目的端口被数据包占用的时长中的至少一个；

在本发明实施例中，如图4所示，每个交换交点的目的端口处有多个虚通道，每个虚通道处都有一buffer(缓冲)队列，且该buffer队列中有多个buffer单元，每个buffer单元可存储一个待传递数据包。而上述目的端口中空闲虚通道的数量是指该目的端口的所有虚拟通道中处于空闲状态的虚通道数量；而目的端口中空闲buffer单元的数量是指该目的端口的所有buffer单元中处于空闲状态的buffer单元的数量；

在本发明实施例中，交换节点的目的端口处可具体记录一个count，表示下一跳交换节点中每个虚通道的空闲buffer单元的数量；本交换节点每向下一交换节点发送一待传递数据包，即消耗下一跳交换节点的一buffer单元，本交换节点的count值就会减1；而下一跳交换节点，每发送出一个数据包(相应的，下一跳交换节点就会有一个空闲buffer单元)，就会向本交换节点发送一个信誉信息，相应的，本交换节点记录的count的值加1；通过上述解释可知，目的端口所接收的信誉消息为目的端口的下一跳交换节点所发送的，用于指示当前目的端口向对应的下一跳交换节点发送数据包的消息。

在本发明实施例中，在一目的端口处于忙碌状态下，所述目的端口的预估忙碌时长为所述目的端口从当前忙碌状态变为空闲状态的时间间隔，在一目的端口处于空闲状态时，所述目的端口的预估忙碌时长为预设值，所述预设值可代表所述目的端口处于空闲状态，所述预设值用户可自行设定，比如可将预设值设置为0或1；在本发明实施例中，当源端口想通过一目的端口发送待传递数据包时，需向目的端口发送请求，相应的，当目的端口接收源端口的请求后，该源端口可成功占用该目的端口，而上述目的端口被数据包占用的时长为所述源端口的数据包从成功占用所述目的端口至从所述目的端口输出的时间间隔；

步骤S32：交换节点发送所采集的目的端口的状态特征参数以及目的端口在当前状态下的传输时延，至控制节点；

步骤S33：控制节点对交换节点发送的目的端口的状态特征参数以及目的端口在当前状态下的传输时延进行处理，生成训练样本；

其中，训练样本包括特征向量和时延标签两部分，在本发明实施例中，如图5所示，可具体将目的端口的状态特征参数作为特征向量，将目的端口在当前状态下的传输时延作为时延标签，生成训练样本；在本发明实施例中，当目的端口的状态特征参数为目的端口接收信誉消息的时间间隔时，可具体的，将目的端口接收信誉消息的时间间隔作为特征向量，将目的端口的传输时延作为时延标签，生成所述训练样本。

步骤S34：控制节点利用监督式机器学习算法，对训练样本进行训练，生成目的端口传输时延预测模型；

在本发明实施例中，所述监督式机器学习算法可具体为线性回归、决策树、贝叶斯网络和神经网络等算法，可具体将训练样本，输入至上述监督式机器学习算法中，即可获得目的端口传输时延预测模型；

步骤S35：控制节点发送上述所生成的目的端口传输时延预测模型至所管辖的每个交换节点；

步骤S36：交换节点在接收到上述目的端口传输时延预测模型后，可采集每个目的端口的状态特征参数，然后，将所采集的目的端口的状态特征参数输入至目的端口传输时延预测模型中，即可获取每个目的端口的传输时延；所述目的端口的状态特征参数具体包括那些参数，可具体参见上述记载，在此不再赘述。

步骤S37：交换节点在接收到待传递数据包时，首先路由出待传递数据包的目的端口，然后，从路由出的待传递数据包中，选择传输时延满足条件的目的端口，传输待传递数据包；

在本发明实施例中，用户可自行设定目的端口的传输时延所满足的条件，比如，可将目的端口所满足的条件设置于传输时延最小，那么相应的，在路由出的目的端口中，选择传输时延最小的目的端口即可；也可将目的端口所满足的条件设置为小于一阈值，相对应的，在路由出的目的端口中，选择传输时延小于上述阈值的目的端口即可，而如果上述路由出的目的端口的传输时延均大于上述阈值时，可对待传递数据包进行进一步的处理，比如，丢弃待传递数据包，或对待传递数据包进行ECN(Explicit Congestion Notification，显式拥塞通告)标记，然后将包括ECN标记的待传递数据包反馈至源端，而源端可根据上述含有ECN标记的待传递数据包，调整发送速率，从而减轻网络拥塞。

由上可见，在本发明实施例中，从路由出的目的端口中，选择传输时延满足条件的目的端口，传输待传递数据包，相对比于，现有技术中的，从路由出的目的端口中，随机选择目的端口的方式，可提高网络的传输效率。

实施例二

在本发明实施例中，为了使对目的端口的传输时延预测更加准确，可周期性更新目的端口的传输时延预测模型，具体方法如下：

由于在实际应用中，交换节点只有在传递完数据包时，才能获得目的端口在相应状态下的实际传输时延，因此，在本发明实施例中，根据目的端口是否传递完数据包，具体提供下述两种更新目的端口传输时延预测模型的方式；

第一种：在目的端口传递完数据包时，所述交换节点获取目的端口的实际传输时延；上传所述目的端口的状态特征参数和所述目的端口的实际传输时延至所述控制节点；所述控制节点可具体将上传的目的端口状态特征参数以及在该状态特征参数下的实际传输时延，存储至在线更新样本数据集中，然后控制节点周期性的利用上述在线更新样本数据集，生成训练样本，然后利用监督式机器学习算法将训练样本输入至原有的目的端口传输时延预测模型中进行训练，以更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型；最后，将更新后的目的端口传输时延预测模型，重新发送给其所管辖的交换节点；

第二种：在目的端口未传递完数据包时，所述交换节点获得所述目的端口的预测传输时延，判断所述目的端口的预测传输时延是否准确，所述交换节点在目的端口的预测传输时延准确时，上传所述目的端口的状态特征参数和所述目的端口的预测传输时延至所述控制节点，同上述第一种方式，控制节点将存储上传的目的端口状态特征参数以及该参数所对应的预测传输时延至更新样本数据集中，同样利用更新样本数据集生成训练样本，然后利用监督式机器学习算法将训练样本输入至原有的目的端口传输时延预测模型中进行训练，以更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型；最后，分发更新后的传输时延预测模型至所管辖的交换节点。

在本发明实施例中，关于上述“判断所述目的端口的预测传输时延是否准确”的方式，可但不限于以下方式：交换节点统计目的端口的历史传输时延，生成一阈值范围，比如所述阈值范围可为{2ms—5ms}；然后，在当前目的端口的预测时延位于上述阈值范围时，即可认为当前目的端口的预测传输时延准确，否则认为当前目的端口的预测传输时延不准确；比如，当前目的端口所预测的传输时延为10S，超出上述阈值范围，可认为当前目的端口的预测传输时延不准确，再如，当前目的端口所预测的传输时延为4ms，位于上述阈值范围，可认为当前目的端口的预测传输时延准确。在本发明实施例中，关于目的端口的状态特征参数所具体包括的参数，以及如何生成训练样本，可具体参见上述实施例一的论述，在此不再赘述。在本发明实施例中，可根据目的端口的最近的状态特征参数，实时更新目的端口状态特征参数预测模型，从而可提高对目的端口传输时延预测的准确率。

实施例三

与相述方法实施例相对应的，本发明还提供一种预测交换节点目的端口传输时延的装置，所述交换节点包括多个目的端口，如图6所示，所述装置至少包括：

第一接收单元61，用于接收所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔以及传输时延，一目的端口的传输时延为所述目的端口在接收信誉消息的时间间隔状态下，一数据包从到达所述目的端口至从所述目的端口输出的时间间隔；一目的端口所接收的信誉消息为所述目的端口的下一跳交换节点所发送的，用于指示所述目的端口向对应的下一跳交换节点发送数据包的消息；

更新单元62，用于根据所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型；

第一发送单元63，用于发送所述更新后的目的端口传输时延预测模型至所述控制节点所管辖的所有交换节点，使得所述控制节点所管辖的所有交换节点中的每个交换节点可根据所述更新后的目的端口传输时延预测模型，预测每个交换节点中每个目的端口的传输时延。

可选的，更新单元62，可具体用于：对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本；利用监督式机器学习算法，将所述训练样本输入到所述原有的目的端口传输时延预测模型进行训练，以更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型。

可选的，所述训练样本至少包括特征向量和时延标签两部分，更新单元62在对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本时，具体用于：将所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔作为特征向量，将所述至少一个目的端口中每个目的端口的传输时延作为时延标签，生成所述训练样本。

可选的，第一接收单元61还用于，接收所述至少一个目的端口中每个目的端口的预估忙碌时长和每个目的端口被数据包占用的时长中的至少一个；在一目的端口处于忙碌状态下，所述目的端口的预估忙碌时长为所述目的端口从当前忙碌状态变为空闲状态的时间间隔，在一目的端口处于空闲状态时，所述目的端口的预估忙碌时长为预设值，所述预设值可代表所述目的端口处于空闲状态；所述目的端口被数据包占用的时长为所述数据包从成功占用所述目的端口至从所述目的端口输出的时间间隔；

更新单元62在对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本时，具体用于：对所述至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个、接收信誉消息的时间间隔以及传输时延进行处理，生成所述训练样本。

由上可见，在本发明实施例中，采用上述装置，可根据目的端口的最近的状态特征参数，实时更新目的端口状态特征参数预测模型，从而可提高对目的端口传输时延预测的准确率。

实施例四

与上述方法实施例相对应的，本发明还提供一种预测交换节点目的端口传输时延的装置，所述交换节点包括多个目的端口，如图7所示，所述装置至少包括：

第二接收单元71，用于接收至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，一目的端口的传输时延为所述目的端口在接收信誉消息的时间间隔状态下，一数据包从到达所述目的端口至从所述目的端口输出的时间间隔；一目的端口所接收的信誉消息为所述目的端口的下一跳交换节点所发送的，用于指示所述目的端口向对应的下一跳交换节点发送数据包的消息；

处理单元72，用于对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本；

生成单元73，用于利用监督式机器学习算法，对所述训练样本进行训练，生成目的端口传输时延的预测模型；

第二发送单元74，用于发送所述目的端口传输时延的预测模型至所述控制节点所管辖的所有交换节点，使得所述控制节点所管辖的所有交换节点中的每个交换节点可根据所述目的端口传输时延预测模型，预测每个交换节点中每个目的端口的传输时延。

可选的，第二接收单元71，还用于接收所述至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个；在一目的端口处于忙碌状态下，所述目的端口的预估忙碌时长为所述目的端口从当前忙碌状态变为空闲状态的时间间隔，在一目的端口处于空闲状态时，所述目的端口的预估忙碌时长为预设值，所述预设值可代表所述目的端口处于空闲状态；所述目的端口被数据包占用的时长为所述数据包从成功占用所述目的端口至从所述目的端口输出的时间间隔；

处理单元72，具体用于：对所述至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个、接收信誉消息的时间间隔和传输时延进行处理，生成训练样本。

由上可见，在本发明实施例中，从路由出的目的端口中，选择传输时延满足条件的目的端口，传输待传递数据包，相对比于，现有技术中的，从路由出的目的端口中，随机选择目的端口的方式，可提高网络的传输效率。

实施例五

与上述构思相同，如图8所示，本发明还提供一种控制节点，该控制节点至少包括存储器81和处理器82，存储器81和处理器82通过总线接口相连；

存储器81，用于存储程序和指令；

处理器82，用于通过调用存储器81中存储的程序和指令，执行：接收所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔以及传输时延，一目的端口的传输时延为所述目的端口在接收信誉消息的时间间隔状态下，一数据包从到达所述目的端口至从所述目的端口输出的时间间隔；一目的端口所接收的信誉消息为所述目的端口的下一跳交换节点所发送的，用于指示所述目的端口向对应的下一跳交换节点发送数据包的消息；

根据所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型；

发送所述更新后的目的端口传输时延预测模型至所述控制节点所管辖的所有交换节点，使得所述控制节点所管辖的所有交换节点中的每个交换节点可根据所述更新后的目的端口传输时延预测模型，预测每个交换节点中每个目的端口的传输时延。

其中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器负责管理总线架构和通常的处理，存储器可以存储处理器在执行操作时所使用的数据。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种预测交换节点目的端口传输时延的方法，所述交换节点包括至少一个目的端口，其特征在于，所述方法包括：

控制节点接收所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔以及传输时延，一目的端口的传输时延为所述目的端口在接收信誉消息的时间间隔状态下，一数据包从到达所述目的端口至从所述目的端口输出的时间间隔；一目的端口所接收的信誉消息为所述目的端口的下一跳交换节点所发送的，用于指示所述目的端口向对应的下一跳交换节点发送数据包的消息；

所述控制节点根据所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型；

所述控制节点发送所述更新后的目的端口传输时延预测模型至所述控制节点所管辖的所有交换节点，使得所述控制节点所管辖的所有交换节点中的每个交换节点可根据所述更新后的目的端口传输时延预测模型，预测每个交换节点中每个目的端口的传输时延。

2.根据权利要求1所述的方法，其特征在于，所述控制节点根据所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型，包括：

所述控制节点对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本；

所述控制节点利用监督式机器学习算法，将所述训练样本输入到所述原有的目的端口传输时延预测模型进行训练，以更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型。

3.根据权利要求2所述的方法，其特征在于，所述训练样本至少包括特征向量和时延标签两部分，所述控制节点对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本，包括：

所述控制节点将所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔作为特征向量，将所述至少一个目的端口中每个目的端口的传输时延作为时延标签，生成所述训练样本。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述控制节点还接收所述至少一个目的端口中每个目的端口的预估忙碌时长和每个目的端口被数据包占用的时长中的至少一个；

在一目的端口处于忙碌状态下，所述目的端口的预估忙碌时长为所述目的端口从当前忙碌状态变为空闲状态的时间间隔，在一目的端口处于空闲状态时，所述目的端口的预估忙碌时长为预设值，所述预设值可代表所述目的端口处于空闲状态；

所述目的端口被数据包占用的时长为所述数据包从成功占用所述目的端口至从所述目的端口输出的时间间隔；

所述控制节点对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和的传输时延进行处理，生成训练样本，具体包括：

所述控制节点对所述至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个、接收信誉消息的时间间隔以及传输时延进行处理，生成所述训练样本。

5.一种预测交换节点目的端口传输时延的方法，所述交换节点包括至少一个目的端口，其特征在于，所述方法包括：

控制节点接收至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，一目的端口的传输时延为所述目的端口在接收信誉消息的时间间隔状态下，一数据包从到达所述目的端口至从所述目的端口输出的时间间隔；一目的端口所接收的信誉消息为所述目的端口的下一跳交换节点所发送的，用于指示所述目的端口向对应的下一跳交换节点发送数据包的消息；

所述控制节点对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本；

所述控制节点利用监督式机器学习算法，对所述训练样本进行训练，生成目的端口传输时延的预测模型；

所述控制节点发送所述目的端口传输时延的预测模型至所述控制节点所管辖的所有交换节点，使得所述控制节点所管辖的所有交换节点中的每个交换节点可根据所述目的端口传输时延预测模型，预测每个交换节点中每个目的端口的传输时延。

6.根据权利要求5所述的方法，其特征在于，所述控制节点还接收所述至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个；

在一目的端口处于忙碌状态下，所述目的端口的预估忙碌时长为所述目的端口从当前忙碌状态变为空闲状态的时间间隔，在一目的端口处于空闲状态时，所述目的端口的预估忙碌时长为预设值，所述预设值可代表所述目的端口处于空闲状态；

所述目的端口被数据包占用的时长为所述数据包从成功占用所述目的端口至从所述目的端口输出的时间间隔；

所述控制节点对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本，具体包括：

所述控制节点对所述至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个、接收信誉消息的时间间隔和传输时延进行处理，生成训练样本。

7.一种预测交换节点目的端口传输时延的装置，所述交换节点包括至少一个目的端口，其特征在于，所述装置包括：

第一接收单元，用于接收所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔以及传输时延，一目的端口的传输时延为所述目的端口在接收信誉消息的时间间隔状态下，一数据包从到达所述目的端口至从所述目的端口输出的时间间隔；一目的端口所接收的信誉消息为所述目的端口的下一跳交换节点所发送的，用于指示所述目的端口向对应的下一跳交换节点发送数据包的消息；

更新单元，用于根据所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型；

第一发送单元，用于发送所述更新后的目的端口传输时延预测模型至控制节点所管辖的所有交换节点，使得所述控制节点所管辖的所有交换节点中的每个交换节点可根据所述更新后的目的端口传输时延预测模型，预测每个交换节点中每个目的端口的传输时延。

8.根据权利要求7所述的装置，其特征在于，所述更新单元，具体用于：

对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本；

利用监督式机器学习算法，将所述训练样本输入到所述原有的目的端口传输时延预测模型进行训练，以更新原有的目的端口传输时延预测模型，并生成更新后的目的端口传输时延预测模型。

9.根据权利要求8所述的装置，其特征在于，所述训练样本至少包括特征向量和时延标签两部分，所述更新单元在对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本时，具体用于：

将所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔作为特征向量，将所述至少一个目的端口中每个目的端口的传输时延作为时延标签，生成所述训练样本。

10.根据权利要求7至9任一项所述的装置，其特征在于，所述第一接收单元还用于，接收所述至少一个目的端口中每个目的端口的预估忙碌时长和每个目的端口被数据包占用的时长中的至少一个；

在一目的端口处于忙碌状态下，所述目的端口的预估忙碌时长为所述目的端口从当前忙碌状态变为空闲状态的时间间隔，在一目的端口处于空闲状态时，所述目的端口的预估忙碌时长为预设值，所述预设值可代表所述目的端口处于空闲状态；

所述目的端口被数据包占用的时长为所述数据包从成功占用所述目的端口至从所述目的端口输出的时间间隔；

所述更新单元在对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本时，具体用于：

对所述至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个、接收信誉消息的时间间隔以及传输时延进行处理，生成所述训练样本。

11.一种预测交换节点目的端口传输时延的装置，所述交换节点包括至少一个目的端口，其特征在于，所述装置包括：

第二接收单元，用于接收至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延，一目的端口的传输时延为所述目的端口在接收信誉消息的时间间隔状态下，一数据包从到达所述目的端口至从所述目的端口输出的时间间隔；一目的端口所接收的信誉消息为所述目的端口的下一跳交换节点所发送的，用于指示所述目的端口向对应的下一跳交换节点发送数据包的消息；

处理单元，用于对所述至少一个目的端口中每个目的端口接收信誉消息的时间间隔和传输时延进行处理，生成训练样本；

生成单元，用于利用监督式机器学习算法，对所述训练样本进行训练，生成目的端口传输时延的预测模型；

第二发送单元，用于发送所述目的端口传输时延的预测模型至控制节点所管辖的所有交换节点，使得所述控制节点所管辖的所有交换节点中的每个交换节点可根据所述目的端口传输时延预测模型，预测每个交换节点中每个目的端口的传输时延。

12.根据权利要求11所述的装置，其特征在于，所述第二接收单元，还用于接收所述至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个；

在一目的端口处于忙碌状态下，所述目的端口的预估忙碌时长为所述目的端口从当前忙碌状态变为空闲状态的时间间隔，在一目的端口处于空闲状态时，所述目的端口的预估忙碌时长为预设值，所述预设值可代表所述目的端口处于空闲状态；

所述目的端口被数据包占用的时长为所述数据包从成功占用所述目的端口至从所述目的端口输出的时间间隔；

所述处理单元，具体用于：

对所述至少一个目的端口中每个目的端口的预估忙碌时长和被数据包占用的时长中的至少一个、接收信誉消息的时间间隔和传输时延进行处理，生成训练样本。