CN110855510A - 数据传输优化方法、装置、设备及介质 - Google Patents
数据传输优化方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110855510A CN110855510A CN202010044721.8A CN202010044721A CN110855510A CN 110855510 A CN110855510 A CN 110855510A CN 202010044721 A CN202010044721 A CN 202010044721A CN 110855510 A CN110855510 A CN 110855510A
- Authority
- CN
- China
- Prior art keywords
- network
- prediction
- parameter
- packet
- parameters
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种数据传输优化方法，涉及通信技术领域，用于解决现有采用被动补偿进行数据传输优化导致实时性低的问题，该方法包括以下步骤：获取数据包的网络参数，称为第一网络参数；将所述第一网络参数输入N个网络预测模型，得到第一预测结果，并根据每个所述网络预测模型的权重参数，计算得到第二预测结果；根据所述预测结果判断是否发送补偿包；若发送补偿包，则获取下一个数据包的网络参数，称为第二网络参数，根据所述第二网络参数更新所述权重参数。本发明还公开了一种数据传输优化装置、电子设备和计算机存储介质。本发明通过对若干个网络预测模型进行权重评价，进而使预测结果更准确，并根据预测结果发送补偿包。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种数据传输优化方法、装置、设备及介质。
背景技术
基于 TCP/IP 的网络传输协议组最初是为固定网络和网络互连而设计的，但在移动互联网快速发展的环境下，未来的5G将会面临AR/VR、超高清视频、物联网、车联网等各种应用，加之网络安全的紧迫性越发凸显，TCP/IP协议组难以适应未来，随着数据量、网络中传送分组的数目增加，很容易出现网络拥塞的问题，因此会成为了制约5G应用场景落地的瓶颈。
为了对网络传输进行优化，减少网络延迟、网络拥塞等问题，现有技术开始使用自动重传请求（Automatic Repeat-reQuest）技术或前向纠错技术(Forward Error/ErasureCorrection），以便于降低延时、丢包率并提高网络宽带的利用率。
自动重传请求技术（ARQ技术）分为停等式ARQ、回退n帧ARQ和选择性重传ARQ。ARQ是一种被动补偿方式，即当出现丢包时，通过数据包接收端告知丢包情况后，数据包发送端重发丢失的数据包进行补偿。
前向纠错技术（FEC技术）通过引入冗余包，从而避免数据重传；数据包发送端会通过FEC编码的方式，引入一定比例的冗余包，当发生丢包时，数据包接收端通过FEC解码就能够恢复丢失的数据包，避免了数据包重传。
但是，ARQ技术和FEC技术在应用过程中均存在一些问题，ARQ技术采用被动补偿的方式，需要接收端告知丢包信息才进行补偿，实时性低，并且需要接收端额外发送ACK，降低了网络带宽的利用率；而使用FEC技术时，会因为网络丢包率过高导致超出FEC的纠错能力范围，造成丢失的数据包不可恢复的问题，且冗余包会造成网络的有效带宽利用率不高。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种数据传输优化方法，其根据多个网络预测模型的预测结果发送补偿包，并实时更新网络预测模型的权重，从而实现对网络传输参数进行优化，进而对数据传输过程进行优化。
本发明的目的之一采用以下技术方案实现：
一种数据传输优化方法，包括以下步骤：
获取数据包的网络参数，称为第一网络参数；
将所述第一网络参数输入N个网络预测模型，得到第一预测结果，并根据每个所述网络预测模型的权重参数，计算得到第二预测结果，其中，N至少为2，所述第一预测结果为每个所述网络预测模型的预测值；
根据所述预测结果判断是否发送补偿包；
若发送补偿包，则获取下一个数据包的网络参数，称为第二网络参数，根据所述第二网络参数更新所述权重参数。
进一步地，所述第一网络参数和所述第二网络参数为同一IP和端口的数据包的网络参数。
进一步地，所述第一网络参数和第二网络参数包括丢包率、网络延时及带宽。
进一步地，将所述第一网络参数输入N个网络预测模型，得到第一预测结果，并根据每个所述网络预测模型的权重参数，计算得到第二预测结果，包括以下步骤：
根据所述第一网络参数，得到N个所述网络预测模型的第一预测结果：m1、m2……mn；
根据权重参数w1，w2……wn，计算第二预测结果r，所述第二预测结果r的计算公式为：r=m1*w1+m2*w2+……+mn*wn。
进一步地，根据所述预测结果判断是否发送补偿包，包括以下步骤：
判断所述第二预测结果是否大于等于预设阈值；
当所述第二预测结果大于或等于预设阈值时，发送补偿包；
反之，不发送补偿包。
进一步地，若发送补偿包，则获取下一个数据包的网络参数，称为第二网络参数，根据所述第二网络参数更新所述权重参数，包括以下步骤：
比对所述第一网络参数与所述第二网络参数；
若所述第二网络参数相比所述第一网络参数有优化，则对预测发送补偿包的所述网络预测模型进行加分，对预测不发送补偿包的所述网络预测模型进行减分；
若所述第二网络参数相比所述第一网络参数无优化时，对预测发送补偿包的所述网络预测模型进行减分，对预测不发送补偿包的所述网络预测模型进行加分；
根据加减分结果更新所述权重参数；其中，所述优化包括网络时延降低、丢包率下降、带宽提高中的任意一种或两种以上。
进一步地，根据加减分结果更新所述权重参数，包括以下步骤：
获取每个所述网络预测模型的得分，相加得到总得分，所述权重参数的计算公式为：权重参数=每个所述网络预测模型的得分/总得分。
本发明的目的之二在于提供一种数据传输优化装置，其根据多个网络预测模型的预测结果发送补偿包，并实时更新网络预测模型的权重，进而对数据传输过程进行优化。
本发明的目的之二采用以下技术方案实现：
一种数据传输优化装置，其包括：
参数获取模块，用于获取数据包的网络参数，称为第一网络参数；
网络预测模块，用于将所述第一网络参数输入N个网络预测模型，得到第一预测结果，并根据每个所述网络预测模型的权重参数，计算得到第二预测结果，其中，N至少为2，所述第一预测结果为每个所述网络预测模型的预测值；
发包模块，用于根据所述预测结果判断是否发送补偿包；
权重更新模块，用于在发送补偿包后，获取下一个数据包的网络参数，称为第二网络参数，根据所述第二网络参数更新所述权重参数。
本发明的目的之三在于提供执行发明目的之一的电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，所述计算机程序被处理器执行时实现上述的数据传输优化方法。
本发明的目的之四在于提供存储发明目的之一的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的数据传输优化方法。
相比现有技术，本发明的有益效果在于：
本发明通过综合多个网络预测模型的预测结果，实现对数据的网络传输过程进行优化，并根据优化结果更新网络预测模型的权重，以得到最优的预测结果，即得到最优的网络传输参数，从而提高对网络环境预测的准确率，提高补偿精度；并且通过主动发送补偿包，避免了接收端额外发送ACK导致带宽利用率降低的问题。
附图说明
图1是实施例一的数据传输优化方法的流程图；
图2是实施例一的补偿包发送方法的流程图；
图3是实施例一的权重参数更新方法的流程图；
图4是实施例二的数据传输优化装置的结构框图；
图5是实施例三的电子设备的结构框图。
具体实施方式
以下将结合附图，对本发明进行更为详细的描述，需要说明的是，以下参照附图对本发明进行的描述仅是示意性的，而非限制性的。各个不同实施例之间可以进行相互组合，以构成未在以下描述中示出的其他实施例。
实施例一
实施例一提供了一种数据传输优化方法，旨在通过多个网络预测模型对网络状态进行预测，并主动发送补偿包，通过优化结果实时更新网络预测模型的参数，完成网络参数的优化，从而实现数据传输过程的优化。
目前，有许多对网络状态进行预测的方法，例如通过集成学习算法得到的网络状态预测模型、通过贝叶斯网模型得到的网络状态预测模型等，即本实施例所描述的网络预测模型。
本实施例中训练网络预测模型的步骤通常为：
1、按照IP和端口，存储接收的数据包；
2、提取若干个数据包的特征信息作为1个样本，获取数据集，特征信息指的是网络参数，例如网络延时、有效带宽、丢包率等；
3、将数据集划分为训练集和测试集，利用训练集对模型进行训练，利用测试集对训练后的模型进行测试；此步骤中的模型为多个模型，以便于得到本实施例中的N个网络预测模型，例如贝叶斯网模型、CART决策树等；
4、当评价参数，即每个模型的准确率等超过阈值后，停止训练，生成网络预测模型；否则，更新数据集，并继续训练模型。
需要说明的是，经过上述步骤得到的网络预测模型为同一链路，即同一IP和端口的网络预测模型。
请参照图1所示，一种数据传输优化方法，包括以下步骤：
S110、获取数据包的网络参数，称为第一网络参数；
S110中的第一网络参数及S140中的第二网络参数都是同一IP和端口的网络参数，所述第一网络参数和第二网络参数包括丢包率、网络延时及带宽。网络参数通过接收IP和端口的数据包，并提取数据包内的网络参数信息获得，网络参数可以通过抓包工具、因特网包探索器（Ping）等提取，本实施例不作具体限定。
S120、将所述第一网络参数输入N个网络预测模型，得到第一预测结果，并根据每个所述网络预测模型的权重参数，计算得到第二预测结果，其中，N至少为2，所述第一预测结果为每个所述网络预测模型的预测值；
S120的预测结果计算过程，包括以下步骤：
根据所述第一网络参数，得到N个所述网络预测模型的第一预测结果：m1、m2……mn；
根据权重参数w1，w2……wn，计算第二预测结果r，所述第二预测结果r的计算公式为：r=m1*w1+m2*w2+……+mn*wn。
本实施例中，上述第一预测结果m1、m2……mn的取值为0或1，当预测结果为需要发送补偿包时，第一预测结果的值记为1，反之记为0；上述权重参数w1，w2……wn的和为1，即w1+w2+……wn=1。
以三个预测模型为例，预测结果分别为0、1、1，对应的模型权重参数为0.3、0.3、0.4，则r=0*0.3+1*0.3+1*0.4=0.7。
S130、根据所述预测结果判断是否发送补偿包；
请参照图2所示，S130具体包括以下步骤：
S1301、判断所述第二预测结果是否大于等于预设阈值；
预设阈值根据实际情况进行设定，例如，预设阈值为0.6，则当预测结果r大于等于0.6时，发送补偿包。
S1302、当所述第二预测结果大于或等于预设阈值时，发送补偿包；
S1303、反之，不发送补偿包。
需要说明的是，当不发送补偿包时，则无需再进行S140中的权重参数更新步骤，直接获取下一个数据包的网络参数，进行新的一次网络预测。
S140、若发送补偿包，则获取下一个数据包的网络参数，称为第二网络参数，根据所述第二网络参数更新所述权重参数。
上述的第二网络参数指的是发送补偿包后，从接收到的下一个数据包内提取出的网络参数。
请参照图3所示，S140具体包括以下步骤：
S1401、比对所述第一网络参数与所述第二网络参数；
S1402、若所述第二网络参数相比所述第一网络参数有优化，则对预测发送补偿包的所述网络预测模型进行加分，对预测不发送补偿包的所述网络预测模型进行减分；
S1403、若所述第二网络参数相比所述第一网络参数无优化时，对预测发送补偿包的所述网络预测模型进行减分，对预测不发送补偿包的所述网络预测模型进行加分；
S1402和S1403中的加减分可以为：预测结果取值为0或1，其中，0表示不发送补偿包，1表示发送补偿包；如果网络参数得到了优化，则将预测结果为1（发送补偿包）的模型加1分，将预测结果为0（不发送补偿包）的模型减1分；如果网络参数未得到优化，则将预测结果为0的模型加1分，将预测结果为1的模型减1分，分数上限为20分，下限为1分；需要说明的是，每个模型的初始分是相同的，例如初始分都为10分。
上述的加减分是本实施例的一个示例，可以根据实际情况进行加减分规则的设置。
S1404、根据加减分结果更新所述权重参数；其中，所述优化包括网络时延降低、丢包率下降、带宽提高中的任意一种或两种以上。
上述的优化指的延时、丢包率或带宽中的任一个网络参数有提高，但是需要保证其他网络参数不会变差，例如延时降低，但是丢包率提高的情况，此类情况下，数据传输实际上仍未得到优化，因此更新权重参数时，以无优化进行权重参数的计算。
S1404的权重参数更新步骤具体为：
获取每个所述网络预测模型的得分，相加得到总得分，所述权重参数的计算公式为：权重参数=每个所述网络预测模型的得分/总得分。
S1404以3个网络预测模型为例，得分分别为10、15、5，则三个网络预测模型的权重参数为0.33、0.5、0.17。
实施例二
实施例二公开了一种对应上述实施例的数据传输优化方法对应的装置，为上述实施例的虚拟装置结构，请参照图4所示，包括：
参数获取模块210，用于获取数据包的网络参数，称为第一网络参数；
网络预测模块220，用于将所述第一网络参数输入N个网络预测模型，得到第一预测结果，并根据每个所述网络预测模型的权重参数，计算得到第二预测结果，其中，N至少为2，所述第一预测结果为每个所述网络预测模型的预测值；
发包模块230，用于根据所述预测结果判断是否发送补偿包；
权重更新模块240，用于在发送补偿包时，获取下一个数据包的网络参数，称为第二网络参数，根据所述第二网络参数更新所述权重参数。
实施例三
图5为本发明实施例三提供的一种电子设备的结构示意图，如图5所示，该电子设备包括处理器310、存储器320、输入装置330和输出装置340；计算机设备中处理器310的数量可以是一个或多个，图5中以一个处理器310为例；电子设备中的处理器310、存储器320、输入装置330和输出装置340可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器320作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的数据传输优化方法对应的程序指令/模块（例如，数据传输优化方法装置中的参数获取模块210、网络预测模块220、发包模块230和权重更新模块240）。处理器310通过运行存储在存储器320中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述实施例一的数据传输优化方法。
存储器320可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器320可进一步包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可用于接收输入的用户身份信息、预设阈值、数据包等。输出装置340可包括显示屏等显示设备。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质，该存储介质可用于计算机执行数据传输优化方法，该方法包括：
获取数据包的网络参数，称为第一网络参数；
将所述第一网络参数输入N个网络预测模型，得到第一预测结果，并根据每个所述网络预测模型的权重参数，计算得到第二预测结果，其中，N至少为2，所述第一预测结果为每个所述网络预测模型的预测值；
根据所述预测结果判断是否发送补偿包；
若发送补偿包，则获取下一个数据包的网络参数，称为第二网络参数，根据所述第二网络参数更新所述权重参数。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的基于数据传输优化方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器（Read-Only Memory， ROM）、随机存取存储器（RandomAccess Memory， RAM）、闪存（FLASH）、硬盘或光盘等，包括若干指令用以使得一台电子设备（可以是手机，个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
值得注意的是，上述基于数据传输优化方法装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (10)
1.一种数据传输优化方法，其特征在于，包括以下步骤：
获取数据包的网络参数，称为第一网络参数；
将所述第一网络参数输入N个网络预测模型，得到第一预测结果，并根据每个所述网络预测模型的权重参数，计算得到第二预测结果，其中，N至少为2，所述第一预测结果为每个所述网络预测模型的预测值；
根据所述预测结果判断是否发送补偿包；
若发送补偿包，则获取下一个数据包的网络参数，称为第二网络参数，根据所述第二网络参数更新所述权重参数。
2.如权利要求1所述的数据传输优化方法，其特征在于，所述第一网络参数和所述第二网络参数为同一IP和端口的数据包的网络参数。
3.如权利要求1所述的数据传输优化方法，其特征在于，所述第一网络参数和第二网络参数包括丢包率、网络延时及带宽。
4.如权利要求1所述的数据传输优化方法，其特征在于，将所述第一网络参数输入N个网络预测模型，得到第一预测结果，并根据每个所述网络预测模型的权重参数，计算得到第二预测结果，包括以下步骤：
根据所述第一网络参数，得到N个所述网络预测模型的第一预测结果：m1、m2……mn；
根据权重参数w1，w2……wn，计算第二预测结果r，所述第二预测结果r的计算公式为：r=m1*w1+m2*w2+……+mn*wn。
5.如权利要求1-4任一项所述的数据传输优化方法，其特征在于，根据所述预测结果判断是否发送补偿包，包括以下步骤：
判断所述第二预测结果是否大于等于预设阈值；
当所述第二预测结果大于或等于预设阈值时，发送补偿包；
反之，不发送补偿包。
6.如权利要求1-4任一项所述的数据传输优化方法，其特征在于，若发送补偿包，则获取下一个数据包的网络参数，称为第二网络参数，根据所述第二网络参数更新所述权重参数，包括以下步骤：
比对所述第一网络参数与所述第二网络参数；
若所述第二网络参数相比所述第一网络参数有优化，则对预测发送补偿包的所述网络预测模型进行加分，对预测不发送补偿包的所述网络预测模型进行减分；
若所述第二网络参数相比所述第一网络参数无优化时，对预测发送补偿包的所述网络预测模型进行减分，对预测不发送补偿包的所述网络预测模型进行加分；
根据加减分结果更新所述权重参数；其中，所述优化包括网络时延降低、丢包率下降、带宽提高中的任意一种或两种以上。
7.如权利要求6所述的数据传输优化方法，其特征在于，根据加减分结果更新所述权重参数，包括以下步骤：
获取每个所述网络预测模型的得分，相加得到总得分，所述权重参数的计算公式为：权重参数=每个所述网络预测模型的得分/总得分。
8.一种数据传输优化装置，其特征在于，其包括：
参数获取模块，用于获取数据包的网络参数，称为第一网络参数；
网络预测模块，用于将所述第一网络参数输入N个网络预测模型，得到第一预测结果，并根据每个所述网络预测模型的权重参数，计算得到第二预测结果，其中，N至少为2，所述第一预测结果为每个所述网络预测模型的预测值；
发包模块，用于根据所述预测结果判断是否发送补偿包；
权重更新模块，用于在发送补偿包后，获取下一个数据包的网络参数，称为第二网络参数，根据所述第二网络参数更新所述权重参数。
9.一种电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的数据传输优化方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的数据传输优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010044721.8A CN110855510A (zh) | 2020-01-16 | 2020-01-16 | 数据传输优化方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010044721.8A CN110855510A (zh) | 2020-01-16 | 2020-01-16 | 数据传输优化方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110855510A true CN110855510A (zh) | 2020-02-28 |
Family
ID=69610822
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010044721.8A Pending CN110855510A (zh) | 2020-01-16 | 2020-01-16 | 数据传输优化方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110855510A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111371534A (zh) * | 2020-06-01 | 2020-07-03 | 腾讯科技（深圳）有限公司 | 一种数据重传方法、装置、电子设备和存储介质 |
| CN114745292A (zh) * | 2022-03-14 | 2022-07-12 | 优刻得科技股份有限公司 | 边缘容器云探测方法、装置、设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150195136A1 (en) * | 2014-01-06 | 2015-07-09 | Cisco Technology, Inc. | Optimizing network parameters based on a learned network performance model |
| CN110445653A (zh) * | 2019-08-12 | 2019-11-12 | 灵长智能科技(杭州)有限公司 | 网络状态预测方法、装置、设备及介质 |
-
2020
- 2020-01-16 CN CN202010044721.8A patent/CN110855510A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150195136A1 (en) * | 2014-01-06 | 2015-07-09 | Cisco Technology, Inc. | Optimizing network parameters based on a learned network performance model |
| CN110445653A (zh) * | 2019-08-12 | 2019-11-12 | 灵长智能科技(杭州)有限公司 | 网络状态预测方法、装置、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 姚文强等: "多模式空气质量集成预报模型的研究", 《浙江理工大学学报（自然科学版）》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111371534A (zh) * | 2020-06-01 | 2020-07-03 | 腾讯科技（深圳）有限公司 | 一种数据重传方法、装置、电子设备和存储介质 |
| CN111371534B (zh) * | 2020-06-01 | 2020-09-18 | 腾讯科技（深圳）有限公司 | 一种数据重传方法、装置、电子设备和存储介质 |
| CN114745292A (zh) * | 2022-03-14 | 2022-07-12 | 优刻得科技股份有限公司 | 边缘容器云探测方法、装置、设备及存储介质 |
| CN114745292B (zh) * | 2022-03-14 | 2023-09-05 | 优刻得科技股份有限公司 | 边缘容器云探测方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110445653B (zh) | 网络状态预测方法、装置、设备及介质 | |
| CN1968074B (zh) | 网络封包串流仿真方法 | |
| CN106067847B (zh) | 一种语音数据传输方法及装置 | |
| CN111314358B (zh) | 攻击防护方法、装置、系统、计算机存储介质及电子设备 | |
| US20130195106A1 (en) | Multi-Path Data Transfer Using Network Coding | |
| CN105376173B (zh) | 一种发送窗口流量控制方法和终端 | |
| CN113259391B (zh) | 应用于多级节点网络的数据传输方法和装置 | |
| CN114039703B (zh) | 数据传输方法、装置、设备和介质 | |
| CN113452676B (zh) | 一种检测器分配方法和物联网检测系统 | |
| CN110855510A (zh) | 数据传输优化方法、装置、设备及介质 | |
| CN115037700B (zh) | 一种复杂网络数据包传送方法、系统、终端及存储介质 | |
| CN113259490B (zh) | 基于udp传输协议的多级节点网络数据传输方法 | |
| CN113259989B (zh) | 数据重传方法、装置及电子设备 | |
| CN112230880B (zh) | 一种数据传输控制方法、装置、fpga及介质 | |
| CN112994851B (zh) | 一种支持差异化可协商的并行数据通信方法及装置 | |
| CN109067503B (zh) | 一种数据重传方法和装置 | |
| US9876805B2 (en) | Apparatus and method for transmitting and receiving messages | |
| CN111385069A (zh) | 数据传输方法及计算机设备 | |
| CN107222299A (zh) | 一种数据传输方法、系统和电子设备 | |
| CN105141476A (zh) | 一种tcp报文出错信息的获取方法和装置 | |
| CN114979015B (zh) | 一种数据包的处理方法及装置 | |
| CN115001630B (zh) | 数据传输方法、装置、设备以及存储介质 | |
| CN115396066A (zh) | 数据包重传方法、装置、设备及存储介质 | |
| CN116886623A (zh) | 一种数据传输的控制方法及装置、电子设备、存储介质 | |
| CN116938765A (zh) | 丢包预测方法、装置、电子设备及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200228 |
|
| RJ01 | Rejection of invention patent application after publication |