CN107070808B - 一种基于信用量整形的avb网络多类预定流最坏排队延迟处理方法 - Google Patents

一种基于信用量整形的avb网络多类预定流最坏排队延迟处理方法 Download PDF

Info

Publication number
CN107070808B
CN107070808B CN201710114288.9A CN201710114288A CN107070808B CN 107070808 B CN107070808 B CN 107070808B CN 201710114288 A CN201710114288 A CN 201710114288A CN 107070808 B CN107070808 B CN 107070808B
Authority
CN
China
Prior art keywords
credit
type
flow
stream
time
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.)
Active
Application number
CN201710114288.9A
Other languages
English (en)
Other versions
CN107070808A (zh
Inventor
何锋
赵琳
李二帅
熊华钢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201710114288.9A priority Critical patent/CN107070808B/zh
Publication of CN107070808A publication Critical patent/CN107070808A/zh
Application granted granted Critical
Publication of CN107070808B publication Critical patent/CN107070808B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/50—Queue scheduling
    • H04L47/62—Queue scheduling characterised by scheduling criteria
    • H04L47/625—Queue scheduling characterised by scheduling criteria for service slots or service orders
    • H04L47/6275—Queue scheduling characterised by scheduling criteria for service slots or service orders based on priority
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/22—Traffic shaping
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/50—Queue scheduling
    • H04L47/56—Queue scheduling implementing delay-aware scheduling

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，包括的步骤有：判断SR_B类流的数据帧在b＝1期数发送时其信用量是否达到下限loCreditB；计算SR_C类流的数据帧的最坏排队延迟时间；获取在n个零界限周期结束时SR_B类流的信用量的最大值；通过分析多类流在AVB网络中的调度规则，构建SR_C类流最坏情形传输模型，为扩展AVB网络的实时性能，将机载、车载等实时应用中对实时性应用需求不高的信号映射为SR_C类流，并分析和计算SR_C类流的最坏情形排队延迟。

Description

一种基于信用量整形的AVB网络多类预定流最坏排队延迟处 理方法
技术领域
本发明涉及一种应用于交换网络的消息排队延迟处理方法，更特别的说，涉及到一种基于信用量整形的AVB网络多类预定流排队延迟处理方法。
背景技术
音视频桥接(Audio/Video Bridging，AVB)网络是在工业标准以太网基础上经过适用性改造，采用预定流(Stream Reservation，SR)和信用量整形(CreditBased Shaping，CBS)等机制保障低延迟的音视频流服务，AVB互连技术已在嵌入式车载网络(如宝马系列车型)中得到实际应用。
标准AVB网络中包含有时间敏感的音视频预定流和一类尽力传(Best Effort，BE)流。所述BE流无延迟保证，和传统以太网流量兼容。时间敏感的音视频预定流优先级高于以太网尽力传BE流。为实现不同数据流间的调度，时间敏感的音视频预定流采用基于信用量的整形方式，BE流采用先进先出的方式，之后按照严格优先级排队(Strict PriorityQueuing，SPQ)转发规则实现流量的调度输出。
实时性是网络的一个重要指标，网络实时性指的是网络中的任务处理必须在指定的时间内，也即消息端到端延迟必须在规定的时间内。如车载、机载网络中的某些消息必须满足实时性要求，否则可能引发灾难性后果。计算最坏时间延迟的目的是确定数据帧经过网络节点所需要的最大时间，时间延迟反映交换网络执行转发操作的速度以及对待转发队列的处理情况。根据网络演算理论：采用到达曲线约束网络节点流量累积输入量，采用服务曲线描述网络节点多路复用排队服务能力，到达曲线与服务曲线之间的最大水平偏移为端到端最坏延迟。由于流量的突发度和持续速率是确定的，到达曲线容易获得。而确定服务曲线的关键是获得流量的排队延迟，一旦确定了流量的排队延迟就能确定其服务曲线，从而结合到达曲线获得流量端到端延迟。
网络中每个元件的输出端口能够支持多达八个流量类的传输，AVB目前在嵌入式车载组网中引发广泛关注。车载应用涉及安全域，辅助驾驶域，娱乐域，软件更新诊断域等，车载网络中存在大量的控制信号、音频信号、视频信号和诊断信号等，仅定义时间敏感的音视频预定流(SR_A类流和SR_B类流)不能满足多种不同定时需求信号的传输，势必会造成浪费，并且不利于构建大规模工业化组网。
发明内容
为了便于构建基于以太网的大规模工业化交换网络，承载不同定时需求消息的传输，本发明将AVB网络中时间敏感的音视频预定流由两类(SR_A类流、SR_B类流)扩展为多类(SR_A类流、SR_B类流、SR_C类流)，分析多类流在AVB网络中的调度规则，构建SR_C类流最坏情形传输模型并为优化网络实时性能，针对交换网络中的消息排队，提出了一种基于CBS整形的AVB网络多类预定流最坏排队延迟处理方法。本发明的目的是为了扩展AVB网络的实时性能，将机载、车载等实时应用中对实时性应用需求不高的信号映射为SR_C类流，并分析和计算SR_C类流的最坏情形排队延迟。
本发明是一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，特别是针对AVB网络中的SR_C类流进行的最坏排队延迟处理，其特征在于：
步骤一，判断SR_B类流的数据帧在b＝1期数发送时其信用量是否达到下限loCreditB；
步骤101：计算SR_A类流的信用量在a＝1期数从
Figure GDA0002357088490000021
开始上升至0的时间
Figure GDA0002357088490000022
步骤102：计算SR_B类流的信用量在b＝1期数从
Figure GDA0002357088490000023
开始下降至0的时间
Figure GDA0002357088490000024
步骤103：比较
Figure GDA0002357088490000025
与
Figure GDA0002357088490000026
的大小；
若
Figure GDA0002357088490000027
则执行步骤二；
若
Figure GDA0002357088490000028
则执行步骤三；
步骤二，计算SR_C类流的数据帧的最坏排队延迟时间；
继SR_B类流在b＝1期数的信用量达到下限之后，随后SR_B类流在任意b期数的信用量均可达到下限；
数据帧的发送次数记为k，k-1表示位于k的前一次，k+1位于k的后一次。
步骤201:
Figure GDA0002357088490000029
步骤202:计算SR_B类流达到信用量下限时SR_A类流的信用量上升到最大值时的信用量值
Figure GDA0002357088490000031
SR_B类流的数据帧第k次达到其信用量下限loCreditB时SR_A类流的信用量为
Figure GDA0002357088490000032
当
Figure GDA0002357088490000033
时，SR_C类流可以传输，输出此时刻点TC，结束最坏排队延迟的处理；
当
Figure GDA0002357088490000034
时，此时仍可传输SR_A类流的数据帧，执行步骤203；
步骤203:计算SR_A类流达到信用量下限时SR_B类流的信用量上升到最大值时的信用量值
Figure GDA0002357088490000035
SR_A类流的数据帧第k+1次达到其信用量下限loCreditA时SR_B类流的信用量为
Figure GDA0002357088490000036
当
Figure GDA0002357088490000037
时，SR_C类流可以传输，输出此时刻点TC，结束最坏排队延迟的处理；
当
Figure GDA0002357088490000038
时，此时仍可传输SR_B类流的数据帧，返回步骤201；
步骤三，获取在n个零界限周期结束时SR_B类流的信用量的最大值；
步骤301：在n个零界限周期内，SR_B类流的信用量从
Figure GDA0002357088490000039
下降到
Figure GDA00023570884900000310
的时间
Figure GDA00023570884900000311
和SR_A类流的信用量从
Figure GDA00023570884900000312
上升至0点的时间
Figure GDA00023570884900000313
是相同的；
步骤302：SR_B类流在
Figure GDA00023570884900000314
时间段内的信用量记为
Figure GDA00023570884900000315
步骤303：SR_B类流的信用量从
Figure GDA00023570884900000316
上升到
Figure GDA00023570884900000317
的时间
Figure GDA00023570884900000318
与SR_A类流的信用量从0下降到
Figure GDA00023570884900000319
的时间
Figure GDA00023570884900000320
是相同的；
步骤304：SR_B类流在
Figure GDA00023570884900000321
时间段内的信用量记为
Figure GDA00023570884900000322
步骤305：到达第n次零界限周期结束时SR_B类流的信用量的最大值记为CreditB_n；
步骤306：若CreditB_n满足
Figure GDA00023570884900000323
零界限周期数结束，则将
Figure GDA00023570884900000324
赋值给CreditB_n，返回步骤202；
若CreditB_n不满足
Figure GDA00023570884900000325
返回步骤305。
本发明基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法的优点：
①针对实时网络中消息传输具有硬实时、软实时、弱实时等特点，本发明将标准AVB网络中时间敏感的音视频预定流从两类扩展为多类，为匹配车载、机载混合关键性任务传输、优化车载AVB、机载AVB网络实时性能提供数据参考。
②本发明分析了多类CBS整形传输过程，为进行AVB网络传输中流量预定带宽和数据帧长的合理分配提供参考，通过合理配置实现满足某类任务的截止期限。
③本发明构建了多类预定流最坏情形排队延迟模型，并对最坏情形排队模型进行分析，对于SR_C类流的最坏延迟本发明能够得出更紧性的计算结果。
附图说明
图1是本发明的基于信用量整形的AVB网络多类预定流最坏排队延迟在SR_B类流的数据帧b＝1期获得发送时达到其信用量下限时的最坏情形排队延迟示意图。
图2是本发明的基于信用量整形的AVB网络多类预定流最坏排队延迟在SR_B类流的数据帧b＝1期获得发送时未达到其信用量下限时的最坏情形排队延迟示意图。
图3是本发明的基于信用量整形的AVB网络多类预定流最坏排队延迟的流程图。
图4是实施例1的基于信用量整形的AVB网络多类预定流最坏排队延迟结果图。
图5是实施例1的基于信用量整形的AVB网络多类预定流最坏排队延迟结果图。
具体实施方式
下面将结合附图和实施例对本发明做进一步的详细说明。
在本发明中，根据流量传输优先级的不同将AVB网络中的时间敏感的音视频预定流分为三类，即SR_A类流、SR_B类流、SR_C类流；同时还包括有一类与以太网兼容的BE流。所述SR_A类流具有最高优先级，所述SR_B类流具有次高优先级，所述SR_C类流具有次低优先级，所述BE流具有最低优先级。依据CBS算法，SR_A类流和SR_B类流在传输过程中依赖的带宽保障参数为空闲率idleSlope和发送率sendSlope，发送率与空闲率的关系为sendSlope＝idleSlope-R，R表示网络带宽，则有：
所述SR_A类流的空闲率记为idleSlopeA，所述SR_A类流的发送率记为sendSlopeA。
所述SR_B类流的空闲率记为idleSlopeB，所述SR_B类流的发送率记为sendSlopeB。
所述SR_C类流的空闲率记为idleSlopeC，所述SR_C类流的发送率记为sendSlopeC。
在本发明中，空闲率是指预留带宽，通过配置得到，设网络带宽记为R，配置的适用于AVB网络中SR_A类流、R_B类流和R_C类流的总预留带宽为idleSlopeA+idleSlopeB+idleSlopeC≤75％×R。网络中剩余的带宽分配给BE流。
在本发明中，AVB网络中的时间敏感的音视频预定流即SR_A类流、SR_B类流、SR_C类流可通过各自信用量上下限控制流量突发度。信用量上限记为hiCredit，信用量下限记为loCredit，则有：
所述SR_A类流的信用量CreditA上限记为hiCreditA，所述SR_A类流的信用量CreditA下限记为loCreditA。
所述SR_B类流的信用量CreditB上限记为hiCreditB，所述SR_B类流的信用量CreditB下限记为loCreditB。
所述SR_C类流的信用量CreditC上限记为hiCreditC，所述SR_C类流的信用量CreditC下限记为loCreditC。
在AVB网络中当SR_A类流、SR_B类流和SR_C类流之一的数据帧已经在缓存队列中准备好，但此时已有除选定的类流以外或者BE流的数据帧正在占用端口时，信用量Credit依据空闲率idleSlope递增；当链路空闲且信用量Credit≥0时选定类流的数据帧予以发送，此时信用量Credit依据发送率sendSlope递减；如果缓存队列中没有相应的选定类流的数据帧需要传输时，若此时选定类流的信用量Credit＞0，则重置选定类流的信用量Credit为0(Credit＝0)，否则若此时选定类流的信用量Credit＜0，则选定类流的信用量Credit按照空闲率idleSlope增长至0。具体地对SR_A类流、SR_B类流和SR_C类流详细说明如下：
在AVB网络中当SR_A类流的数据帧已经在缓存队列中准备好，但此时已有其它(SR_B类流或者SR_C类流或者BE流)数据帧正在占用端口时，信用量CreditA依据空闲率idleSlopeA递增；当链路空闲且信用量CreditA≥0时SR_A类流的数据帧予以发送，此时信用量CreditA依据发送率sendSlopeA递减；如果缓存队列中没有相应的SR_A类流的数据帧需要传输时，若此时SR_A类流的信用量CreditA＞0，则重置SR_A类流的信用量CreditA为0(CreditA＝0)，否则若此时SR_A类流的信用量CreditA＜0，则SR_A类流的信用量CreditA按照空闲率idleSlopeA增长至0。
在AVB网络中当SR_B类流的数据帧已经在缓存队列中准备好，但此时已有其它(SR_A类流或者SR_C类流或者BE流)数据帧正在占用端口时，信用量CreditB依据空闲率idleSlopeB递增；当链路空闲且信用量CreditB≥0时SR_B类流的数据帧予以发送，此时信用量CreditB依据发送率sendSlopeB递减；如果缓存队列中没有相应的SR_B类流的数据帧需要传输时，若此时SR_B类流的信用量CreditB＞0，则重置SR_B类流的信用量CreditB为0(CreditB＝0)，否则若此时SR_B类流的信用量CreditB＜0，则SR_B类流的信用量CreditB按照空闲率idleSlopeB增长至0。
在AVB网络中当SR_C类流的数据帧已经在缓存队列中准备好，但此时已有其它(SR_A类流或者SR_B类流或者BE流)数据帧正在占用端口时，信用量CreditC依据空闲率idleSlopeC递增；当链路空闲且信用量CreditC≥0时SR_C类流的数据帧予以发送，此时信用量CreditC依据发送率sendSlopeC递减；如果缓存队列中没有相应的SR_C类流的数据帧需要传输时，若此时SR_C类流的信用量CreditC＞0，则重置SR_C类流的信用量CreditC为0(CreditC＝0)，否则若此时SR_C类流的信用量CreditC＜0，则SR_C类流的信用量CreditC按照空闲率idleSlopeC增长至0。
在本发明中，当AVB网络中的SR_A类流、SR_B类流和SR_C类流之一的数据帧传输时，选定类流的信用量Credit依据sendSlope下降，与此同时除选定类流以外的类流的信用量Credit依据idleSlope上升。具体地对SR_A类流、SR_B类流和SR_C类流详细说明如下：
当SR_A类流的数据帧传输时，SR_A类流的信用量CreditA依据sendSlopeA下降，与此同时SR_B类流的信用量CreditB依据idleSlopeB上升和SR_C类流的信用量CreditC依据idleSlopeC上升。当SR_A类流的信用量第a期数上升到最大值时的信用量记为
Figure GDA0002357088490000071
当从所述
Figure GDA0002357088490000072
下降至0的时间记为
Figure GDA0002357088490000073
当SR_A类流的信用量第a期数下降到最小值时的信用量记为
Figure GDA0002357088490000074
当从0下降到
Figure GDA0002357088490000075
的时间记为
Figure GDA0002357088490000076
且
Figure GDA0002357088490000077
当从所述
Figure GDA0002357088490000078
上升至0的时间记为
Figure GDA0002357088490000079
且
Figure GDA00023570884900000710
当从所述
Figure GDA00023570884900000711
下降至所述
Figure GDA00023570884900000712
的时间记为
Figure GDA00023570884900000713
当从所述
Figure GDA00023570884900000714
上升至所述
Figure GDA00023570884900000715
的时间记为
Figure GDA00023570884900000716
a表示信用量上升至最大下降至最小的期数的标识号(a简称为属于SR_A类流的信用量期数)；a-1表示位于a之前的信用量期数；a+1表示位于a之后的信用量期数。则有：
SR_A类流的信用量第1(a＝1)期上升到最大值时的信用量记为
Figure GDA00023570884900000717
当从所述
Figure GDA00023570884900000718
下降至0的时间记为
Figure GDA00023570884900000719
SR_A类流的信用量第1(a＝1)期下降到最小值时的信用量记为
Figure GDA00023570884900000720
当从所述
Figure GDA00023570884900000721
上升至0的时间记为
Figure GDA00023570884900000722
SR_A类流的信用量第a-1期上升到最大值时的信用量记为
Figure GDA00023570884900000723
SR_A类流的信用量第a-1期下降到最小值时的信用量记为
Figure GDA00023570884900000724
SR_A类流的信用量第a+1期上升到最大值时的信用量记为
Figure GDA00023570884900000725
SR_A类流的信用量第a+1期下降到最小值时的信用量记为
Figure GDA00023570884900000726
当SR_B类流的数据帧传输时，SR_B类流的信用量CreditB依据sendSlopeB下降，与此同时SR_A类流的信用量CreditA依据idleSlopeA上升和SR_C类流的信用量CreditC依据idleSlopeC上升。当SR_B类流的信用量第b期数上升到最大值时的信用量记为
Figure GDA00023570884900000727
当从所述
Figure GDA00023570884900000728
下降至0的时间记为
Figure GDA00023570884900000729
且
Figure GDA00023570884900000730
当SR_B类流的信用量第b期数下降到最小值时的信用量记为
Figure GDA00023570884900000731
当从所述
Figure GDA00023570884900000732
上升至0的时间记为
Figure GDA00023570884900000733
当从所述
Figure GDA00023570884900000734
下降至所述
Figure GDA00023570884900000735
的时间记为
Figure GDA00023570884900000736
当从所述
Figure GDA00023570884900000737
上升至所述
Figure GDA00023570884900000738
的时间记为
Figure GDA00023570884900000739
b表示信用量上升至最大下降至最小的期数的标识号(b简称为属于SR_B类流的信用量期数)；b-1表示位于b之前的信用量期数；b+1表示位于b之后的信用量期数。则有：
SR_B类流的信用量第1(b＝1)期上升到最大值时的信用量记为
Figure GDA0002357088490000081
当从
所述
Figure GDA0002357088490000082
下降至0的时间记为
Figure GDA0002357088490000083
SR_B类流的信用量第1(b＝1)期下降到最小值时的信用量记为
Figure GDA0002357088490000084
当从
所述
Figure GDA0002357088490000085
上升至0的时间记为
Figure GDA0002357088490000086
SR_B类流的信用量第b-1期上升到最大值时的信用量记为
Figure GDA0002357088490000087
SR_B类流的信用量第b-1期下降到最小值时的信用量记为
Figure GDA0002357088490000088
SR_B类流的信用量第b+1期上升到最大值时的信用量记为
Figure GDA0002357088490000089
SR_B类流的信用量第b+1期下降到最小值时的信用量记为
Figure GDA00023570884900000810
当SR_C类流的数据帧传输时，SR_C类流的信用量CreditC依据sendSlopeC下降，与此同时SR_A类流的信用量CreditA依据idleSlopeA上升和SR_B类流的信用量CreditB依据idleSlopeB上升。
在本发明中，将SR_A类流的数据帧帧长记为LA，SR_A类流的数据帧最大帧长记为LA,max，且LA,max≥LA，假设信用量CreditA＝0时恰好能够发送最后一个最大帧长数据帧，则SR_A类流的信用量下限loCreditA发生在信用量降为0并传完所述LA,max时刻的信用量为
Figure GDA00023570884900000811
为了计算SR_A类流最坏排队延迟，SR_A类流准备发送时，一个优先级低于SR_A类流的最大数据帧正在阻塞端口，称此数据帧为阻塞帧，则SR_A类流的最坏排队延迟记为TA，由于SR_B类流、SR_C类流和BE流的优先级均低于SR_A类流，故SR_A类流的最大阻塞帧帧长记为
Figure GDA00023570884900000812
IA表示SR_A类流的阻塞帧，则SR_A类流的数据帧的最坏排队延迟为
Figure GDA00023570884900000813
Figure GDA00023570884900000814
当SR_A类流处于最坏排队延迟情况下，则SR_A类流信用量达到上限
Figure GDA00023570884900000815
即在第1期信用量上升到最大值时
Figure GDA00023570884900000816
在本发明中，将SR_B类流的数据帧帧长记为LB，SR_B类流的数据帧最大帧长记为LB,max，且LB,max≥LB，假设信用量CreditB＝0时恰好能够发送最后一个最大帧长数据帧，则SR_B类流的信用量下限loCreditB发生在信用量降为0并传完所述LB,max时刻的信用量为
Figure GDA00023570884900000817
为了计算SR_B类流最坏排队延迟，SR_A类流和SR_B类流准备发送时，一个优先级低于SR_B类流的最大数据帧正在阻塞端口，则SR_B类流的最坏排队延迟记为TB，由于SR_C类流和BE流的优先级均低于SR_B类流，故SR_B类流的最大阻塞帧帧长记为
Figure GDA0002357088490000091
IB表示SR_B类流的阻塞帧，则SR_B类流的数据帧的最坏排队延迟为
Figure GDA0002357088490000092
当SR_B类流处于最坏排队延迟情况下，则SR_B类流信用量达到上限
Figure GDA0002357088490000093
即在第1期信用量上升到最大值时
Figure GDA0002357088490000094
在本发明中，将SR_C类流的数据帧帧长记为LC，SR_C类流的数据帧最大帧长记为LC,max，且LC,max≥LC，假设信用量CreditC＝0时恰好能够发送最后一个最大帧长数据帧，则SR_C类流的信用量下限loCreditC发生在信用量降为0并传完所述LC,max时刻的信用量为
Figure GDA0002357088490000095
为了计算SR_C类流最坏排队延迟，SR_A类流、SR_B类流和SR_C类流准备发送时，一个优先级低于SR_C类流的最大数据帧正在阻塞端口，则SR_C类流的最坏排队延迟记为TC，SR_C类流的最大阻塞帧帧长记为
Figure GDA0002357088490000096
且
Figure GDA0002357088490000097
IC表示SR_C类流的阻塞帧，LBE，max表示BE流的数据帧最大帧长，BE流的数据帧帧长记为LBE，且LBE，max≥LBE，当SR_C类流处于最坏排队延迟情况下，则SR_C类流的信用量达到上限hiCreditC＝TC×idleSlopeC，所述TC受限于高优先级SR_A类流与次高优先级SR_B类流的预留带宽，以及SR_A类流、SR_B类流和BE流的帧长的配置。
在本发明中，由于SR_A类流的优先级最高，SR_A类流的数据帧的最坏排队延迟为被一个SR_B类流或SR_C类流或BE流的最大帧阻塞的时间。次高优先级SR_B类流的数据帧的最坏排队延迟为被一个次低优先级SR_C类流或最低优先级BE流最大帧阻塞的时间与被一系列最高优先级SR_A类流的数据帧抢占端口的时间之和。次低优先级SR_C类流的数据帧的最坏排队延迟为被一个最低优先级BE流最大帧阻塞的时间与被一系列最高优先级SR_A类流的数据帧和次高优先级SR_B类流的数据帧抢占端口的时间之和。
在本发明中，由于SR_A类流的流量传输优先级最高，只要SR_A类流的数据帧获得发送权，其它类流(SR_B类流、SR_C类流和BE流)的数据帧将不能中断SR_A类流的数据帧的发送，每次只要SR_A类流的数据帧获得发送，则SR_A类流的信用量CreditA均能降低到其信用量下限loCreditA。因此SR_A类流的信用量每次下降到最小值时存在有
Figure GDA0002357088490000101
在本发明中，由于受限于高优先级流量SR_A类流的预定带宽idleSlopeA和帧长LA，每次SR_B类流的数据帧获得发送时其信用量CreditB不是每次都降低到0，并发送最后一个最大帧(因为当SR_A类流的信用量CreditA上升至0时将抢占当前SR_B类流的数据帧的发送)；也就是说SR_B类流每次下降到最小值时的信用量
Figure GDA0002357088490000102
有可能是不同的。只有当SR_B类流的信用量CreditB降低到0并发送完成最后一个最大帧时，所述
Figure GDA0002357088490000103
在本发明中，由于SR_C类流最坏排队延迟受限于高优先级流量SR_A类流的预定带宽idleSlopeA和帧长LA，以及SR_B类流的预定带宽idleSlopeB和帧长LB以及阻塞帧帧长
Figure GDA0002357088490000104
当SR_A类流达到其信用量下限loCreditA，而SR_B类流的信用量上升至最大值时的信用量
Figure GDA0002357088490000105
小于0时，SR_C类流的数据帧才可获得发送权；否则，
Figure GDA0002357088490000106
大于或等于0时，SR_C类流的数据帧不能发送；或者当SR_B类流达到其信用量下限loCreditB，而SR_A类流的信用量上升至最大值时的信用量
Figure GDA0002357088490000107
小于0时，SR_C类流的数据帧才可获得发送权；否则，
Figure GDA0002357088490000108
大于或等于0时，SR_C类流的数据帧不能发送；即符合
Figure GDA0002357088490000109
时，SR_C类流的数据帧才可获得发送权。由于SR_C类流的最坏排队延迟受限于高优先级SR_A类流和次高优先级SR_B类流的预留带宽和SR_A类流和SR_B类流和BE流的帧长的配置，在本发明中，经过对三类流(SR_A类流、SR_B类流、SR_C类流)信用量整形可知，SR_C类流的数据帧的发送过程存在两种不同的最坏情形排队延迟，关键在于SR_B类流在b＝1期数获得发送时，信用量是否达到其下限值loCreditB，由于
Figure GDA00023570884900001010
Figure GDA00023570884900001011
若
Figure GDA00023570884900001012
则为如图1所示的最坏情形排队场景。若
Figure GDA00023570884900001013
则为如图2所示的最坏情形排队场景。
图1与图2的场景详细说明：
在本发明中图1描述的场景为：在b＝1期数SR_B类流的数据帧获得发送后，SR_A类流的信用量CreditA上升缓慢，SR_B类流的信用量CreditB从
Figure GDA0002357088490000111
下降至0的时间
Figure GDA0002357088490000112
早于SR_A类流的信用量CreditA从loCreditA上升至0的时间
Figure GDA0002357088490000113
即
Figure GDA0002357088490000114
此时，SR_B类流的信用量CreditB从
Figure GDA0002357088490000115
能够下降到0，并发送最后一个最大帧，即SR_B类流的数据帧在b＝1期数获得发送时，信用量可达到其下限值loCreditB；所述SR_B类流继b＝1期数之后，按照idleSlopeB上升到第a期的
Figure GDA0002357088490000116
大于第a+1期的
Figure GDA0002357088490000117
进行信用量整形。并且，对于SR_A类流按照idleSlopeA上升到第a期的
Figure GDA0002357088490000118
大于第a+1期的
Figure GDA0002357088490000119
进行信用量整形。继b＝1期数之后的每一期次对于每次SR_B类流数据帧获得发送时的信用量CreditB从
Figure GDA00023570884900001110
下降至0的时间均早于SR_A类流的信用量CreditA从loCreditA上升至0的时间，即SR_B类流的数据帧每次获得发送时，信用量均可达到其下限值loCreditB。则有：
Figure GDA00023570884900001111
Figure GDA00023570884900001112
在本发明中图2描述的场景为：SR_B类流的数据帧在b＝1期获得发送后，SR_A类流的信用量CreditA上升迅速，导致SR_B类流的信用量CreditB尚未或恰好从
Figure GDA00023570884900001113
降低到0，SR_A类流的信用量CreditA已经从loCreditA上升至0，即SR_B类流的信用量CreditB从
Figure GDA00023570884900001114
下降到0的时间
Figure GDA00023570884900001115
不早于SR_A类流的信用量CreditA从loCreditA上升到0的时间
Figure GDA00023570884900001116
即
Figure GDA00023570884900001117
此时当SR_A类流的信用量上升至0时，SR_A类流的数据帧将抢占当前SR_B类流的数据帧的发送，SR_B类流的信用量CreditB不能继续按照sendSlopeB下降到0而将随idleSlopeB上升。
在本发明中SR_A类流的信用量CreditA从loCreditA上升至0然后从0下降至loCreditA为一个零界限周期。在网络中将会出现n个零界限周期的循环，分别记为p1,p2,…,pn，p1表示第一个零界限周期，p2表示第二个零界限周期，pn表示最后一个零界限周期，为了方便说明，pn也表示任意一个零界限周期，n表示零界限周期数的标识号。每个零界限周期中存在一个SR_A类流的最大数据帧的发送。在本发明中，所述零界限周期数n的终止条件为：SR_B类流的信用量CreditB上升到最大值
Figure GDA00023570884900001118
时，满足从
Figure GDA00023570884900001119
下降到0的时间早于SR_A类流的信用量从loCreditA上升到0的时间。
在本发明中，n个零界限周期结束后将回归至图1所示的场景。图1与图2所示两种场景最终均归结于：(条件A)当SR_A类流达到其信用量下限loCreditA，而SR_B类流的信用量上升至最大值时的信用量
Figure GDA0002357088490000121
小于0时
Figure GDA0002357088490000122
SR_C类流的数据帧才可获得发送权；否则，
Figure GDA0002357088490000123
大于等于0时
Figure GDA0002357088490000124
SR_C类流的数据帧不能发送。(条件B)当SR_B类流达到其信用量下限loCreditB，而SR_A类流的信用量上升至最大值时的信用量
Figure GDA0002357088490000125
小于0时
Figure GDA0002357088490000126
SR_C类流的数据帧才可获得发送权；否则，
Figure GDA0002357088490000127
大于等于0时
Figure GDA0002357088490000128
SR_C类流的数据帧不能发送。在本发明中，根据条件(A)或条件(B)(即
Figure GDA0002357088490000129
)计算出SR_C类流的数据帧获得发送的时刻。
在本发明的图1和图2中，SR_A类流的数据帧记为字母A，SR_B类流的数据帧记为字母B，SR_C类流的数据帧记为字母C。排列的多个A表明SR_A类流的多个数据帧的发送。排列的多个B表明SR_B类流的多个数据帧的发送。排列的多个C表明SR_C类流的多个数据帧的发送。
本发明的一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，特别是针对AVB网络中的SR_C类流进行的最坏排队延迟处理，其包括有下列步骤：
步骤一，判断SR_B类流的数据帧在b＝1期数发送时其信用量是否达到下限loCreditB；
步骤101：计算SR_A类流的信用量在a＝1期数从
Figure GDA00023570884900001210
开始上升至0的时间
Figure GDA00023570884900001211
Figure GDA00023570884900001212
步骤102：计算SR_B类流的信用量在b＝1期数从
Figure GDA00023570884900001213
开始下降至0的时间
Figure GDA00023570884900001214
Figure GDA00023570884900001215
步骤103：比较
Figure GDA00023570884900001216
与
Figure GDA00023570884900001217
的大小；
若
Figure GDA00023570884900001218
则执行步骤二；
在本发明中，满足
Figure GDA00023570884900001219
时，说明SR_B类流的数据帧在b＝1期数发送时可达到信用量下限。
若
Figure GDA0002357088490000131
则执行步骤三；
步骤二，计算SR_C类流的数据帧的最坏排队延迟时间；
继SR_B类流在b＝1期数的信用量达到下限之后，随后SR_B类流在任意b期数的信用量均可达到下限，SR_A、SR_B、SR_C类流的数据帧将进行如图1所示意的发送过程。
在本发明中，数据帧的发送次数记为k，k-1表示位于k的前一次，k+1位于k的后一次。
步骤201:
Figure GDA0002357088490000132
步骤202:计算SR_B类流达到信用量下限时SR_A类流的信用量上升到最大值时的信用量值
Figure GDA0002357088490000133
SR_B类流的数据帧第k次达到其信用量下限loCreditB时SR_A类流的信用量为
Figure GDA0002357088490000134
Figure GDA0002357088490000135
Figure GDA0002357088490000136
表示SR_B类流的数据帧第k次达到最大信用量。
在本发明中，
Figure GDA0002357088490000137
是指SR_A类流的数据帧的信用量第k+1次上升到最大值。
当
Figure GDA0002357088490000138
时，SR_C类流可以传输，输出此时刻点TC，结束最坏排队延迟的处理；
在本发明中，SR_B类流的信用量下降至下限值loCreditB的时刻，比SR_C类流优先级高的SR_A类流的信用量在此时若小于0，输出此时刻点TC，并结束最坏排队延迟的处理。
当
Figure GDA0002357088490000139
时，此时仍可传输SR_A类流的数据帧，执行步骤203；
步骤203:计算SR_A类流达到信用量下限时SR_B类流的信用量上升到最大值时的信用量值
Figure GDA00023570884900001310
SR_A类流的数据帧第k+1次达到其信用量下限loCreditA时SR_B类流的信用量为
Figure GDA00023570884900001311
Figure GDA00023570884900001312
在本发明中，
Figure GDA0002357088490000141
是指SR_B类流的数据帧的信用量第k+1次上升到最大值。
当
Figure GDA0002357088490000142
时，SR_C类流可以传输，输出此时刻点TC，结束最坏排队延迟的处理；
在本发明中，SR_A类流的信用量下降至下限值loCreditA的时刻，比SR_C类流优先级高的SR_B类流的信用量在此时若小于0，输出此时刻点TC，并结束最坏排队延迟的处理。
当
Figure GDA0002357088490000143
时，此时仍可传输SR_B类流的数据帧，返回步骤201；
步骤三，获取在n个零界限周期结束时SR_B类流的信用量的最大值；
SR_B类流在b＝1期数的信用量未达到下限时，SR_A、SR_B、SR_C类流的数据帧将进行如图2所示意的发送过程。
步骤301：在n个零界限周期内，SR_B类流的信用量从
Figure GDA0002357088490000144
下降到
Figure GDA0002357088490000145
的时间
Figure GDA0002357088490000146
和SR_A类流的信用量从
Figure GDA0002357088490000147
上升至0点的时间
Figure GDA0002357088490000148
是相同的，即
Figure GDA0002357088490000149
Figure GDA00023570884900001410
则
Figure GDA00023570884900001411
步骤302：SR_B类流在
Figure GDA00023570884900001412
时间段内的信用量记为
Figure GDA00023570884900001413
Figure GDA00023570884900001414
步骤303：SR_B类流的信用量从
Figure GDA00023570884900001415
上升到
Figure GDA00023570884900001416
的时间
Figure GDA00023570884900001417
与SR_A类流的信用量从0下降到
Figure GDA00023570884900001418
的时间
Figure GDA00023570884900001419
是相同的，即
Figure GDA00023570884900001420
Figure GDA00023570884900001421
则
Figure GDA00023570884900001422
步骤304：SR_B类流在
Figure GDA00023570884900001423
时间段内的信用量记为
Figure GDA00023570884900001424
Figure GDA00023570884900001425
步骤305：到达第n次零界限周期结束时SR_B类流的信用量的最大值记为CreditB_n；
所述
Figure GDA0002357088490000151
步骤306：若CreditB_n满足
Figure GDA0002357088490000152
零界限周期数结束，则将
Figure GDA0002357088490000153
赋值给CreditB n，返回步骤202；
若CreditB_n不满足
Figure GDA0002357088490000154
返回步骤305。
实施例1
本实施例是在基于matlab(版本号R2012a)平台进行仿真；matlab是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。
AVB网络带宽为100Mbits/s，表1和表3分别给出两组配置参数。
表1给出了配置数据帧流量的第1组参数
流量类型 帧长(byte) 预留带宽(Mbit/s)
SR_A类流 520 35
SR_B类流 1000 25
SR_C类流 1518 15
BE流 1518 25
根据表1参数进行计算可绘制出如图4所示的图形，该图形清晰的反应出多类信用量变化情况，并计算出AVB网络中多类预定流最坏排队延迟，结果如表2所示。
表2给出了表1的计算结果
Figure GDA0002357088490000155
表3给出了配置数据帧流量的第2组参数
流量类型 帧长(byte) 预留带宽(Mbit/s)
SR_A类流 84 30
SR_B类流 800 25
SR_C类流 1200 20
BE流 1518 25
根据表3参数进行计算可绘制出如图5所示的图形，该图形清晰的反应出多类信用量变化情况，并计算出AVB网络中多类预定流最坏排队延迟，结果如表4所示。
表4给出了表3的计算结果
Figure GDA0002357088490000161
表2与表4说明，本发明根据配置可方便地显示出AVB多类预定流的数据帧最坏排队与信用量整形过程，并获得多类预定的最坏排队延迟。
本发明是一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，所要解决的是如何扩展AVB网络实时性能的技术问题，该方法通过扩展AVB网络中时间敏感的音视频预定流，分析多类流在AVB网络中的调度规则，构建SR_C类流最坏情形传输模型的技术手段，从而针对机载、车载等实时应用中对实时性应用需求不高的信号映射为SR_C类流，并分析和计算SR_C类流的最坏情形排队延迟。

Claims (7)

1.一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，AVB网络依据流量传输优先级的不同将AVB网络中的时间敏感的音视频预定流分为三类，即SR_A类流、SR_B类流、SR_C类流；同时还包括有一类与以太网兼容的BE流；所述SR_A类流具有最高优先级，所述SR_B类流具有次高优先级，所述SR_C类流具有次低优先级，所述BE流具有最低优先级；针对AVB网络中的SR_C类流进行的最坏排队延迟处理，其特征在于：
步骤一，判断SR_B类流的数据帧在b＝1期数发送时其信用量是否达到下限loCreditB；
b为属于SR_B类流的信用量期数；
SR_B类流的信用量CreditB下限记为loCreditB；
步骤101：计算SR_A类流的信用量在a＝1期数从
Figure FDA0002357088480000011
开始上升至0的时间
Figure FDA0002357088480000012
a为属于SR_A类流的信用量期数；
SR_A类流的信用量第1期下降到最小值时的信用量记为
Figure FDA0002357088480000013
步骤102：计算SR_B类流的信用量在b＝1期数从
Figure FDA0002357088480000014
开始下降至0的时间
Figure FDA0002357088480000015
SR_B类流的信用量第1期上升到最大值时的信用量记为
Figure FDA0002357088480000016
步骤103：比较
Figure FDA0002357088480000017
与
Figure FDA0002357088480000018
的大小；
若
Figure FDA0002357088480000019
则执行步骤二；
若
Figure FDA00023570884800000110
则执行步骤三；
步骤二，计算SR_C类流的数据帧的最坏排队延迟时间；
继SR_B类流在b＝1期数的信用量达到下限之后，随后SR_B类流在任意b期数的信用量均可达到下限；
数据帧的发送次数记为k，k-1表示位于k的前一次，k+1位于k的后一次；
步骤201:初始化
Figure FDA00023570884800000111
SR_B类流的信用量第b期上升到最大值时的信用量记为
Figure FDA00023570884800000112
步骤202:计算SR_B类流达到信用量下限时SR_A类流的信用量上升到最大值时的信用量值
Figure FDA0002357088480000021
SR_A类流的信用量第a期上升到最大值时的信用量记为
Figure FDA0002357088480000022
SR_B类流的数据帧第k次达到其信用量下限loCreditB时SR_A类流的信用量为
Figure FDA0002357088480000023
当
Figure FDA0002357088480000024
时，SR_C类流可以传输，输出此时刻点TC，结束最坏排队延迟的处理；
当
Figure FDA0002357088480000025
时，此时仍可传输SR_A类流的数据帧，执行步骤203；
步骤203:计算SR_A类流达到信用量下限时SR_B类流的信用量上升到最大值时的信用量值
Figure FDA0002357088480000026
SR_A类流的数据帧第k+1次达到其信用量下限loCreditA时SR_B类流的信用量为
Figure FDA0002357088480000027
当
Figure FDA0002357088480000028
时，SR_C类流可以传输，输出此时刻点TC，结束最坏排队延迟的处理；
当
Figure FDA0002357088480000029
时，此时仍可传输SR_B类流的数据帧，返回步骤201；
步骤三，获取在n个零界限周期结束时SR_B类流的信用量的最大值；
步骤301：在n个零界限周期内，SR_B类流的信用量从
Figure FDA00023570884800000210
下降到
Figure FDA00023570884800000211
的时间
Figure FDA00023570884800000212
和SR_A类流的信用量从
Figure FDA00023570884800000213
上升至0点的时间
Figure FDA00023570884800000214
是相同的；
SR_B类流的信用量第b期下降到最小值时的信用量记为
Figure FDA00023570884800000215
SR_A类流的信用量第a期下降到最小值时的信用量记为
Figure FDA00023570884800000216
步骤302：SR_B类流在
Figure FDA00023570884800000217
时间段内的信用量记为
Figure FDA00023570884800000218
步骤303：SR_B类流的信用量从
Figure FDA00023570884800000219
上升到
Figure FDA00023570884800000220
的时间
Figure FDA00023570884800000221
与SR_A类流的信用量从0下降到
Figure FDA00023570884800000222
的时间
Figure FDA00023570884800000223
是相同的；
步骤304：SR_B类流在
Figure FDA00023570884800000224
时间段内的信用量记为
Figure FDA00023570884800000225
步骤305：到达第n次零界限周期结束时SR_B类流的信用量的最大值记为CreditB_n；
步骤306：若CreditB_n满足
Figure FDA0002357088480000031
零界限周期数结束，则将
Figure FDA0002357088480000032
赋值给CreditB_n，返回步骤202；
若CreditB_n不满足
Figure FDA0002357088480000033
返回步骤305。
2.根据权利要求1所述的一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，其特征在于：所述AVB网络中SR_A类流、SR_B类流和SR_C类流的总预留带宽为idleSlopeA+idleSlopeB+idleSlopeC≤75％×R；idleSlopeA为SR_A类流的空闲率，idleSlopeB为SR_B类流的空闲率，idleSlopeC为SR_C类流的空闲率，R为网络带宽。
3.根据权利要求1所述的一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，其特征在于：在AVB网络中当SR_A类流、SR_B类流和SR_C类流之一的数据帧已经在缓存队列中准备好，但此时已有除选定的类流以外或者BE流的数据帧正在占用端口时，信用量Credit依据空闲率idleSlope递增；当链路空闲且信用量Credit≥0时选定类流的数据帧予以发送，此时信用量Credit依据发送率sendSlope递减；如果缓存队列中没有相应的选定类流的数据帧需要传输时，若此时选定类流的信用量Credit＞0，则重置选定类流的信用量Credit为0(Credit＝0)，否则若此时选定类流的信用量Credit＜0，则选定类流的信用量Credit按照空闲率idleSlope增长至0。
4.根据权利要求1所述的一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，其特征在于：当AVB网络中的SR_A类流、SR_B类流和SR_C类流之一的数据帧传输时，选定类流的信用量Credit依据发送率sendSlope下降，与此同时除选定类流以外的类流的信用量Credit依据空闲率idleSlope上升。
5.根据权利要求1所述的一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，其特征在于：
SR_A类流的信用量下限loCreditA发生在信用量降为0并传完LA,max时刻的信用量为
Figure FDA0002357088480000034
SR_A类流处于最坏排队延迟情况下，则SR_A类流信用量达到上限
Figure FDA0002357088480000035
R为网络带宽；
SR_A类流的数据帧最大帧长记为LA,max；
SR_A类流的最大阻塞帧帧长记为
Figure FDA0002357088480000041
SR_A类流的空闲率记为idleSlopeA；
SR_A类流的发送率记为sendSlopeA；
SR_B类流的信用量下限loCreditB发生在信用量降为0并传完LB,max时刻的信用量为
Figure FDA0002357088480000042
当SR_B类流处于最坏排队延迟情况下，则SR_B类流信用量达到上限
Figure FDA0002357088480000043
SR_B类流的数据帧最大帧长记为LB,max；
SR_B类流的最大阻塞帧帧长记为
Figure FDA0002357088480000044
SR_B类流的空闲率记为idleSlopeB；
SR_B类流的发送率记为sendSlopeB；
SR_A类流的信用量CreditA上限记为hiCreditA；
SR_A类流的信用量CreditA下限记为loCreditA；
SR_C类流的信用量下限loCreditC发生在信用量降为0并传完LC,max时刻的信用量为
Figure FDA0002357088480000045
当SR_C类流处于最坏排队延迟情况下，则SR_C类流的信用量达到上限hiCreditC＝TC×idleSlopeC，所述TC受限于高优先级SR_A类流与次高优先级SR_B类流的预留带宽，以及SR_A类流、SR_B类流和BE流的帧长的配置；
SR_C类流的数据帧最大帧长记为LC,max；
SR_C类流的发送率记为sendSlopeC；
SR_C类流的空闲率记为idleSlopeC；
SR_C类流的最坏排队延迟记为TC。
6.根据权利要求1所述的一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，其特征在于：当SR_A类流达到其信用量下限loCreditA，而SR_B类流的信用量上升至最大值时的信用量
Figure FDA0002357088480000051
小于0时，即
Figure FDA0002357088480000052
SR_C类流的数据帧才可获得发送权；否则，
Figure FDA0002357088480000053
大于等于0时，即
Figure FDA0002357088480000054
SR_C类流的数据帧不能发送。
7.根据权利要求1所述的一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，其特征在于：当SR_B类流达到其信用量下限loCreditB，而SR_A类流的信用量上升至最大值时的信用量
Figure FDA0002357088480000055
小于0时，即
Figure FDA0002357088480000056
SR_C类流的数据帧才可获得发送权；否则，
Figure FDA0002357088480000057
大于等于0时，即
Figure FDA0002357088480000058
SR_C类流的数据帧不能发送。
CN201710114288.9A 2017-02-28 2017-02-28 一种基于信用量整形的avb网络多类预定流最坏排队延迟处理方法 Active CN107070808B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710114288.9A CN107070808B (zh) 2017-02-28 2017-02-28 一种基于信用量整形的avb网络多类预定流最坏排队延迟处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710114288.9A CN107070808B (zh) 2017-02-28 2017-02-28 一种基于信用量整形的avb网络多类预定流最坏排队延迟处理方法

Publications (2)

Publication Number Publication Date
CN107070808A CN107070808A (zh) 2017-08-18
CN107070808B true CN107070808B (zh) 2020-03-10

Family

ID=59622788

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710114288.9A Active CN107070808B (zh) 2017-02-28 2017-02-28 一种基于信用量整形的avb网络多类预定流最坏排队延迟处理方法

Country Status (1)

Country Link
CN (1) CN107070808B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107911265B (zh) * 2017-12-18 2019-08-20 北京航空航天大学 一种基于cbs流控机制的avb网络流量最大延迟测试的装置
CN108418723B (zh) * 2018-05-29 2021-01-12 合肥工业大学 一种车载以太网avb预留带宽优化配置方法
CN112543153A (zh) 2019-09-20 2021-03-23 华为技术有限公司 报文转发方法、装置、系统、设备及存储介质
CN111385224A (zh) * 2020-02-14 2020-07-07 重庆邮电大学 一种EtherCAT与时间敏感网络的流量调度方法
CN111327540A (zh) * 2020-02-25 2020-06-23 重庆邮电大学 一种工业时间敏感网络数据确定性调度方法
CN113783756B (zh) * 2020-09-29 2022-08-05 北京航空航天大学 一种基于cbs整形机制的流量排队的网络性能评估方法
CN115378865B (zh) * 2022-08-12 2024-08-13 北京智芯微电子科技有限公司 Avb流时延的路由调度方法和系统、存储介质、终端设备
CN117857360B (zh) * 2024-03-07 2024-05-28 南京邮电大学 基于信用整形和网络演算的变电站带宽分配方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105337885A (zh) * 2015-09-28 2016-02-17 北京信息科技大学 一种适用于信用量整形网络的多段分组最坏延迟计算方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2696543A1 (en) * 2012-08-06 2014-02-12 Renesas Electronics Europe Limited Calculating credit for controlling data frame transmission

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105337885A (zh) * 2015-09-28 2016-02-17 北京信息科技大学 一种适用于信用量整形网络的多段分组最坏延迟计算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Analysis of Ethernet AVB for Automotive Networks using Network Calculus;Rene Queck;《2012 IEEE International Conference on Vehicular Electronics and Safety》;20120731;第61-67页 *
Worst-Case Analysis of Ethernet AVB in Automotive System;Jong-doo Park，et al.;《Proceeding of the 2015 IEEE International Conference on Information and Automation》;20150831;第1696-1699页 *
航空电子音视频传输AVB以太网络;王彤 等;《电光与控制》;20160131;第23卷(第1期);第1-6页 *

Also Published As

Publication number Publication date
CN107070808A (zh) 2017-08-18

Similar Documents

Publication Publication Date Title
CN107070808B (zh) 一种基于信用量整形的avb网络多类预定流最坏排队延迟处理方法
Zhao et al. Worst-case latency analysis for IEEE 802.1 Qbv time sensitive networks using network calculus
CN111327540A (zh) 一种工业时间敏感网络数据确定性调度方法
Cao et al. Tight worst-case response-time analysis for ethernet AVB using eligible intervals
Craciunas et al. An overview of scheduling mechanisms for time-sensitive networks
TamasSelicean et al. Timing analysis of rate constrained traffic for the TTEthernet communication protocol
WO2017054566A1 (zh) 一种防止cpu报文拥塞的方法及装置
Axer et al. Exploiting shaper context to improve performance bounds of ethernet avb networks
US9030935B2 (en) Device and method for adjusting rate limits for transmission rates of data flows having a certain priority in a transmitter
Cao et al. Independent yet tight WCRT analysis for individual priority classes in ethernet AVB
US7843940B2 (en) Filling token buckets of schedule entries
CN114301851B (zh) 一种面向工业现场的时间敏感网络流量分级调度方法
CN114390000B (zh) 基于入队整形的tsn流量调度方法及相关设备
Heilmann et al. Size-based queuing: An approach to improve bandwidth utilization in TSN networks
CN113163450A (zh) 门控制列表生成方法、网络设备及计算机可读存储介质
CN108418723B (zh) 一种车载以太网avb预留带宽优化配置方法
Cao et al. An independent yet efficient analysis of bandwidth reservation for credit-based shaping
Thiele et al. Improved formal worst-case timing analysis of weighted round robin scheduling for ethernet
Herber et al. Real-time capable can to avb ethernet gateway using frame aggregation and scheduling
CN105577563A (zh) 流量管理的方法
CN103929374A (zh) 一种基于业务类型的多级队列调度方法
Wang et al. Hierarchical scheduling and real-time analysis for vehicular time-sensitive network
CN115604193A (zh) 一种热轧控制系统中确定性资源调度方法及系统
CN102594670B (zh) 多端口多流的调度方法、装置及设备
Zhao et al. Improving worst-case end-to-end delay analysis of multiple classes of AVB traffic in TSN networks using network calculus

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant