CN112019443B - 多路径数据传输方法及装置 - Google Patents

Abstract

本申请提供一种多路径数据传输方法及装置，获取传输网络中的多个路径在当前时刻的路径参数，根据每个路径在当前时刻的路径参数，获得每个路径在下一时刻的前向传输时延的预测值，根据每个路径的下一时刻的前向传输时延的预测值、数据容量和待发送数据，确定每个路径的下一时刻的传输数据。减少了数据包乱序和接收端缓冲区阻塞情况的发生，提高了网络传输效率。

Description

多路径数据传输方法及装置

技术领域

本申请涉及信息技术领域，尤其涉及一种多路径数据传输方法及装置。

背景技术

多路径传输控制协议(MultiPath Transmission Control Protocol，简称：MPTCP)允许在一条传输控制协议链路中建立多个子路径。可以选择多条子路径中任意一条来发送数据。

在使用MPTCP发送数据时，数据包不同部分会在不同子路径中传输，为了优化数据传输过程，作为其中一种现有技术，采用轮询调度方法分配数据包。也就是对将要发送的数据段，从当前所有可用路径中按子路径从1到N的顺序选取下一个有空余发送窗口的路径作为本次调度的路径选择。然而，轮询调度方法没有考虑路径传性能，当链路出现拥塞、超时严重时容易出现数据包乱序、缓冲区阻塞的问题。

然而，在基于最小往返时延的调度方法中，当数据使用多个路径传输时，容易出现发生接收端缓冲区阻塞问题。

发明内容

本申请提供一种多路径数据传输方法及装置，以解决多路径数据传输数据过程中数据包乱序、缓冲区阻塞的问题。

第一方面，一种多路径数据传输方法，包括：

获取传输网络中的多个路径在当前时刻的路径参数，其中，路径参数包括发送窗口的数据容量、前向传输时延的实际值、丢包率和吞吐量；

根据每个路径在当前时刻的路径参数，获得每个路径在下一时刻的前向传输时延的预测值；

根据每个路径的下一时刻的前向传输时延的预测值、数据容量和待发送数据，确定每个路径的下一时刻的传输数据。

可选地，根据每个路径在当前时刻的路径参数，获得每个路径在下一时刻的前向传输时延的预测值，具体包括：

根据灰色预测模型对当前时刻的路径参数进行处理，获得每个路径在下一时刻的前向传输时延的预测值。

可选地，在根据灰色预测模型对当前时刻的路径参数进行处理，获得每个路径在下一时刻的前向传输时延的预测值之后，方法还包括：

根据在历史时刻和当前时刻的前向传输时延的实际值和前向传输时延的预测值，计算得到马尔科夫模型的状态转移矩阵；

根据状态转移矩阵修正前向传输时延的预测值。

可选地，根据每个路径的下一时刻的前向传输时延的预测值、数据容量和待发送数据，确定每个路径的下一时刻的传输数据，具体包括：

当下一时刻的前向传输时延的预测值达到预设阈值时，根据下一时刻的前向传输时延的预测值以及吞吐量，获得第一数据量；

根据第一数据量和数据容量，从待发送数据中确定下一时刻的传输数据。

可选地，根据第一数据量和数据容量，从待发送数据中确定下一时刻的传输数据，具体包括：

从待发送数据截取第二数据量的数据作为下一时刻的传输数据；

其中，第二数据量为第一数据量和数据容量中较小的。

可选地，根据每个路径的下一时刻的前向传输时延的预测值、发送窗口和待发送数据，确定每个路径的下一时刻的传输数据，具体包括：

当下一时刻的前向传输时延的预测值小于预设阈值时，从待发送数据截取第三数据量的数据作为下一时刻的传输数据；

其中，第三数据量为待发送数据的数据量和发送窗口的数据容量中较小的。

第二方面，一种多路径数据传输装置，包括：

获取模块，用于获取传输网络中多个路径在当前时刻的路径参数，其中，路径参数包括发送窗口的数据容量、前向传输时延的实际值、丢包率和吞吐量；

处理模块，用于根据每个路径在当前时刻的路径参数，获得每个路径在下一时刻的前向传输时延的预测值；

处理模块还用于根据每个路径的下一时刻的前向传输时延的预测值、数据容量和待发送数据，确定每个路径的下一时刻的传输数据。

可选地，处理模块具体用于：

根据灰色预测模型对当前时刻的路径参数进行处理，获得每个路径在下一时刻的前向传输时延的预测值。

可选地，处理模块还用于：

根据在历史时刻和当前时刻的前向传输时延的实际值和前向传输时延的预测值，计算得到马尔科夫模型的状态转移矩阵；

根据状态转移矩阵修正前向传输时延的预测值。

可选地，处理模块具体用于：

当下一时刻的前向传输时延的预测值达到预设阈值时，根据下一时刻的前向传输时延的预测值以及吞吐量，获得第一数据量；

根据第一数据量和数据容量，从待发送数据中确定下一时刻的传输数据。

第三方面，一种电子设备，包括：存储器和处理器；

存储器，用于存储处理器可执行指令的存储器；

其中，处理器被配置为执行如第一方面及可选方案所涉及的多路径数据传输方法。

第四方面，一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如第一方面及可选方案所涉及的多路径数据传输方法。

本申请提供一种多路径数据传输方法及装置，获取传输网络中的多个路径在当前时刻的路径参数，综合考虑发送窗口的数据容量、前向传输时延的实际值、丢包率和吞吐量等路径参数对路径传输性能的影响，获得每个路径在下一时刻的前向传输时延的预测值，根据每个路径的下一时刻的前向传输时延的预测值、数据容量和待发送数据，确定每个路径的下一时刻的传输数据。实现了多路径数据传输过程中各个路径上数据量的合理分配，减少了数据包乱序和接收端缓冲区阻塞情况的发生，提高了网络传输效率。

附图说明

图1为本发明实施例提供的MPTCP在协议栈中的位置示意图；

图2为本发明根据一示例性实施例示出的多路径数据传输方法的流程示意图；

图3为本发明根据另一示例性实施例示出的多路径数据传输方法的流程示意图；

图4为本发明根据一示例性实施例示出的多路径数据传输装置的结构示意图；

图5为本发明根据一示例性实施例示出的电子设备的硬件结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

传输控制协议(Transmission Control Protocol，简称：TCP)是一个单线路的协议，在TCP的通信过程中发送端和接收端不能随意变换地址。而MPTCP允许在一条传输控制协议链路中建立多个子路径。当一条路径按照三次握手的方式建立起来后，可以按照三次握手的方式建立其他的子路径，这些子路径以三次握手建立连接和四次握手解除连接。MPTCP可以选择多条子路径中任意一条来进行数据传输。

图1为本发明实施例提供的MPTCP在协议栈中的位置示意图。如图1所示，传输层位于应用层与网络层之间，其可以分为两层：MultiPath TCP和TCP。基于MPTCP工作时，开启多个TCP子路径。应用层将数据传递给MPTCP。MPTCP将数据分段，并在每个段添加一个控制段头后，传递给合适的TCP子路径。MPTCP如果使用传统的TCP的方式来发送数据，将会出现一部分数据包在一条子路径，另一部分数据包在另外一条子路径，导致防火墙等中间设备收到TCP序号跳跃的数据包，造成了数据包乱序、缓冲区阻塞等问题。为了解决这些问题，在使用MPTCP发送数据时，作为其中一种现有技术，采用轮询调度方法分配数据包。也就是对将要发送的数据段，从当前所有可用路径中按子路径从1到N的顺序选取下一个有空余发送窗口的路径作为本次调度的路径选择。然而，轮询调度方法没有考虑路径传性能，当链路出现拥塞、超时严重时，容易出现数据包乱序、缓冲区阻塞的问题。作为另一种现有技术，基于最小往返时延分配数据包。在每次路径选择时，根据各路径的传输特性，优先选择传输延迟最小的路径作为最佳路径，在最佳路径的发送窗口为零时，再选择传输时延次小的路径作为最佳路径。然而，当路径中的数据过多，数据使用多个路径传输时，路径之间的往返时延差异较大，容易出现发生接收端缓冲区阻塞问题。

因此，本申请提供一种多路径数据传输方法及装置，获取传输网络中的多个路径在当前时刻的路径参数，根据每个路径在当前时刻的路径参数，获得每个路径在下一时刻的前向传输时延的预测值，根据每个路径的下一时刻的前向传输时延的预测值、数据容量和待发送数据，确定每个路径的下一时刻的传输数据。通过以上发明构思，本方法能够减少数据包乱序和接收端缓冲区阻塞情况的发生，提高网络传输效率。下面对本方法详细说明。

图2为本发明根据一示例性实施例示出的多路径数据传输方法的流程示意图。如图2所示，多路径数据传输方法包括如下步骤：

S101、获取传输网络中的多个路径在当前时刻的路径参数。

其中，路径参数包括发送窗口的数据容量、前向传输时延的实际值、丢包率和吞吐量。

更具体地，软件定义网络(Software Defined Networking，简称：SDN)控制器通过一个Packet_out消息向所有直连的交换机发送链路层发现协议(Link Layer DiscoveryProtocol，简称：LLDP)数据包，交换机接收到LLDP数据包后，也会继续转发给它的邻居。普通的交换机可以直接处理并转发LLDP数据包，但对于OpenFlow交换机，接收到了LLDP数据包，会通过一个Packet_in消息将数据包发送给控制器。控制器接收到消息后，对数据包进行分析并保存相关交换机间的路径信息，从路径信息中获取多个路径的路径参数。

假设当前时刻为t时刻，获取传输网络中多个路径在t时刻的路径参数，其中，路径参数包括发送窗口的数据容量、前向传输时延的实际值、丢包率和吞吐量。

在本实施例提供的方法中，基于SDN控制器，从全局视角定期收集传输网络中的路径参数，综合考虑发送窗口的数据容量、前向传输时延的实际值、丢包率和吞吐量等路径参数对路径传输性能的影响，利用多种路径参数进行建模，实现了对下一时刻传输网络中路径传输质量的更准确预测，进而使各个路径上数据量的分配决策更为合理有效。

S102、根据每个路径在当前时刻的路径参数，获得每个路径在下一时刻的前向传输时延的预测值。

更具体地，采集每个路径在当前时刻的路径参数，根据灰色预测模型对当前时刻的路径参数进行处理，获得每个路径在下一时刻的前向传输时延的预测值。

根据每个路径在当前时刻的路径参数，即发送窗口的数据容量、前向传输时延的实际值、丢包率和吞吐量，建立四阶灰色预测模型GM(1,4)。GM(1,4)表示模型是1阶且包含有4个变量的灰色预测模型。根据灰色预测模型GM(1,4)对当前时刻的路径参数进行处理，获得每个路径在下一时刻的前向传输时延的预测样本值。

假设当前时刻为t时刻，在t时刻进行数据包发送，令F＝{f₁,f₂,…,f_n}代表MPTCP的路径集合，f_n表示第n条路径。当1≤j≤n时，FFT_j表示路径f_j的前向时延，S_j表示路径f_j的发送窗口，L_j表示路径f_j的丢包率，Q_j表示路径f_j的吞吐量：

FTT_j＝{FTT_j(t-1),FTT_j(t-2),FTT_j(t-3),FTT_j(t-4)}

S_j＝{S_j(t-1),S_j(t-2),S_j(t-3),S_j(t-4)}

L_j＝{L_j(t-1),L_j(t-2),L_j(t-3),L_j(t-4)}

Q_j＝{Q_j(t-1),Q_j(t-2),Q_j(t-3),Q_j(t-4)}

获得原始样本数据矩阵X⁽⁰⁾，表示为：

对X⁽⁰⁾实施一阶累加运算，得到数据矩阵X⁽¹⁾，即：

计算前向传输时延(Forward Transmission Time，简称：FTT)的一阶累加矩阵FTT⁽¹⁾的紧邻均值，生成紧邻均值矩阵

建立FTT灰色微分方程：

其中，FTT⁽⁰⁾(k)为灰导数，为背景值，a为发展系数，b_i(i＝2,3,4)为驱动系数。

对于GM(1,4)的灰色微分方程，如果将X⁽¹⁾(k)视为连续变量，则数列X⁽¹⁾(k)为时间t的函数，可得到GM(1,4)的白化微分方程：

其中，μ为灰色作用量。记a，μ构成的矩阵为灰参数对上述方程求解，得到GM(1,4)的白化微分方程的时间响应函数，如下：

根据时间响应函数，累减还原序列的前向传输时延的样本预测值：

FTT⁽⁰⁾(t)＝FTT⁽¹⁾(t)-FTT⁽¹⁾(t-1)

FTT⁽⁰⁾(t)即为t时刻的前向传输时延的样本预测值，简记为FTT(t)。

每个路径在t+1时刻的前向传输时延的预测值为：

FTT⁽⁰⁾(t+1)＝FTT⁽¹⁾(t+1)-FTT⁽¹⁾(t)

综上可得，FTT⁽⁰⁾(t+1)即为下一时刻的前向传输时延的预测值，简记为FTT(t+1)。

灰色预测模型是通过将路径参数累加生成具有准指数规律的序列，分析挖掘该序列潜在的规律，从而获得预测值，通常要求路径参数变化接近指数规律变化。同时路径参数的获得具有波动性，会导致预测结果存在误差。马尔科夫模型是指一个随机变量序列，它与某个系统的状态对应，而此系统在某个时刻的状态只依赖于它在前一时刻的状态。马尔科夫模型是通过各个状态之间的转移概率来预测一个系统的发展变化的数学方法，适合应用于随机波动性较大的预测问题。

因此，针对灰色预测模型预测结果可能存在误差，以及数据传输时每个路径的路径参数波动性较大的特点，本发明基于灰色预测模型得到下一时刻的前向传输时延的预测值之后，利用马尔科夫模型对下一时刻的前向传输时延的预测值进行修正，以弥补灰色预测模型的局限性，提高预测精度。修正后，所有路径下一时刻的前向传输时延的预测值表示为：

在本实施例提供的方法中，利用灰色预测模型和马尔科夫模型获得下一时刻的前向传输时延的预测值，为路径传输质量预测提供了更为准确的路径质量预测结果，减少了传输质量较差的路径的传输数据量，有效降低了各个路径之间的前向传输时延差，大幅减少了接收端数据包乱序情况的发生。

S103、根据每个路径的下一时刻的前向传输时延的预测值、数据容量和待发送数据，确定每个路径的下一时刻的传输数据。

更具体地，根据每个路径的下一时刻的前向传输时延的预测值来筛选路径，将路径进行分类，下一时刻的前向传输时延的预测值较小的路径作为优秀路径，其他路径作为普通路径。优秀路径传输的数据量比普通路径多。

例如，优秀路径f_i的数据容量表示为cwnd_i，待发送数据表示为C，则可以确定路径f_i的下一时刻的传输数据为：

S_i＝min(cwnd_i,C)

例如，普通路径f_j的数据容量表示为cwnd_j，待发送数据表示为C，则可以确定路径f_j的下一时刻的传输数据为：

S_j＝min(cwnd_j-LEN_j,C-LEN_j)

其中， 表示普通路径f_j的下一时刻的前向传输时延的预测值，FTT_min'表示每条路径的下一时刻的前向传输时延的预测值中的最小值，Q_j表示路径f_j的吞吐量。

在本实施例提供的方法中，获取传输网络中的多个路径在当前时刻的路径参数，根据每个路径在当前时刻的路径参数，获得每个路径在下一时刻的前向传输时延的预测值，根据每个路径的下一时刻的前向传输时延的预测值、数据容量和待发送数据，确定每个路径的下一时刻的传输数据。减少了数据包乱序和接收端缓冲区阻塞情况的发生，提高了网络传输效率。

图3为本发明根据另一示例性实施例示出的多路径数据传输方法的流程示意图。如图3所示，多路径数据传输方法还包括如下步骤：

S201、获取传输网络中的多个路径在当前时刻的路径参数。

其中，路径参数包括发送窗口的数据容量、前向传输时延的实际值、丢包率和吞吐量。

传输网络中的多个路径在当前时刻的路径参数的获取方式与S101相同，在此处不再赘述。

S202、根据灰色预测模型对当前时刻的路径参数进行处理，获得每个路径在下一时刻的前向传输时延的预测值。

根据灰色预测模型对当前时刻的路径参数进行处理，获得每个路径在下一时刻的前向传输时延的预测值的计算方式与S102相同，在此处不再赘述。

S203、根据在历史时刻和当前时刻的前向传输时延的实际值和前向传输时延的预测值，计算得到马尔科夫模型的状态转移矩阵。

更具体地，假设当前时刻为t时刻，则历史时刻为t-1时刻，t-2时刻，……。历史时刻和当前时刻的前向传输时延的实际值由S201采集得到，表示为FTT(t)，FTT(t-1)，FTT(t-2)，……。历史时刻和当前时刻的前向传输时延的预测值由S202中灰色预测模型计算得到，表示为FTT(t)，FTT(t-1)，FTT(t-2)，……。

基于每个路径在历史时刻和当前时刻的前向传输时延的实际值和前向传输时延的预测值计算残差。以当前时刻为例，残差表示为：

残差表示预测值与实际值之间的偏离程度，残差越小，说明偏离程度越小，预测精度越好。

根据计算所得的残差大小，将残差划分为若干个状态。例如，可以将残差划分为5个状态，分别表示为E₁,E₂,E₃,E₄,E₅。

根据残差划分状态区间，状态区间的划分个数一般来说取决于原始数据的容量。由于原始数据容量较小时，状态转移的总次数也较少，状态个数应划分得较少。相反当原始数据容量较大时，为了便于从状态转移矩阵中挖掘出更多的信息来提高预测准确率，状态个数应划分得较多。

马尔科夫模型的状态转移矩阵的具体计算过程为：

由状态E_u转移到状态E_v的次数为w_uv，以状态E_u为起点转向另一个状态的次数为W_u，则状态E_u转移到状态E_v的状态转移概率为：

根据上式计算状态转移概率矩阵P：

式中，P_w1+P_w2+…+P_ww＝1。(其中0≤P_uv≤1(u,v＝1,2,…,w)，矩阵中每个元素都非负)。

S204、根据状态转移矩阵修正前向传输时延的预测值。

更具体地，建立状态转移矩阵P后，设t时刻数据处于E_u状态，若P中的第k行满足maxP_uv＝P_kl，则认为t+1时刻，即预测时刻最有可能从状态E_u到状态E_v，从而也就确定了下一时刻的前向传输时延的预测值的变动区间[E_1v,E_2v]，在状态转移矩阵中状态E_u下一时刻转移概率最大的误差区间步长为：

E_pmax＝E_2v-E_1v

根据下一时刻转移概率最大的误差区间步长E_pmax对t+1时刻的前向传输时延的预测样本值FTT(t+1)进行修正，获得修正后某个路径在t+1时刻的前向传输时延的预测值：

依次修正所有路径在t+1时刻的前向传输时延的预测值：即获得每个路径在下一时刻的前向传输时延的预测值。

S205、下一时刻的前向传输时延的预测值是否达到预设阈值。

更具体地，下一时刻的前向传输时延的预测值最小值表示为FTT_min'，最大值表示为FTT_max'，预设阈值δ可以设置为最小值和最大值之间的某个值，即FTT_min'≤δ≤FTT_max'。

更特殊地，仅选择下一时刻的前向传输时延的预测值最小的路径作为优秀路径，其他路径均作为普通路径，可以设置为δ＝FTT_min'+ε，其中，ε表示一个极小的数。

S206、当下一时刻的前向传输时延的预测值达到预设阈值时，根据下一时刻的前向传输时延的预测值以及吞吐量，获得第一数据量。

更具体地，当路径f_j下一时刻的前向传输时延的预测值达到预设阈值时，判定路径f_j为普通路径。在所有路径FTT_F'中，下一时刻的前向传输时延的预测值最小的路径为优秀路径f_min，优秀路径f_min下一时刻的前向传输时延的预测值表示为FTT_min'。第一数据量为下一时刻普通路径f_j相较于优秀路径f_min少传输的数据量，表示为：

其中，Q_j表示路径f_j的吞吐量。

S207、根据第一数据量和数据容量，从待发送数据中确定下一时刻的传输数据。

更具体地，数据容量cwnd_j为路径f_j的拥塞窗口大小。待发送数据C为发送端缓冲区中的待发送数据包个数。根据第一数据量LEN_j和路径f_j数据容量cwnd_j，从待发送数据C中确定下一时刻的传输数据。

可选地，从待发送数据截取第二数据量的数据作为下一时刻的传输数据；其中，第二数据量为第一数据量和数据容量中较小的。第二数据量S_j表示为：

S_j＝min(cwnd_j-LEN_j,C-LEN_j)

其中，若S_j≤0，则该路径不传输数据。

S208、当下一时刻的前向传输时延的预测值小于预设阈值时，从待发送数据截取第三数据量的数据作为下一时刻的传输数据，其中，第三数据量为待发送数据的数据量和发送窗口的数据容量中较小的。

更具体地，当路径f_i下一时刻的前向传输时延的预测值小于预设阈值时，判定路径f_i为优秀路径。发送窗口的数据容量cwnd_i为路径f_i的拥塞窗口大小。从待发送数据C中截取第三数据量的数据作为下一时刻的传输数据，其中，第三数据量为待发送数据的数据量和发送窗口的数据容量中较小的，第三数据量S_i表示为：

S_i＝min(cwnd_i,C)

在本实施例提供的方法中，基于多种路径参数建立灰色预测模型得到下一时刻的前向传输时延的预测样本值，利用马尔科夫模型对下一时刻的前向传输时延的预测值进行修正，为路径传输质量预测提供了更为准确的路径质量预测结果，减少了传输质量较差的路径的传输数据量，有效降低了各个路径之间的前向传输时延差，大幅减少了接收端数据包乱序情况的发生。通过设定预设阈值，将路径分为优秀路径与普通路径，充分利用优秀路径的带宽资源进行数据传输的同时，使普通路径少传或是不传数据，使数据包按序到达接收端，减小了传输时间差异，提高了传输效率。

图4为本发明根据一示例性实施例示出的多路径数据传输装置的结构示意图。如图4所示，本发明提供一种多路径数据传输装置40，装置40包括：

获取模块41，用于获取传输网络中多个路径在当前时刻的路径参数，其中，路径参数包括发送窗口的数据容量、前向传输时延的实际值、丢包率和吞吐量。

处理模块42，用于根据每个路径在当前时刻的路径参数，获得每个路径在下一时刻的前向传输时延的预测值。

处理模块42还用于根据每个路径的下一时刻的前向传输时延的预测值、数据容量和待发送数据，确定每个路径的下一时刻的传输数据。

可选地，处理模块42具体用于：

根据灰色预测模型对当前时刻的路径参数进行处理，获得每个路径在下一时刻的前向传输时延的预测值。

可选地，处理模块42还用于：

根据在历史时刻和当前时刻的前向传输时延的实际值和前向传输时延的预测值，计算得到马尔科夫模型的状态转移矩阵；

根据状态转移矩阵修正前向传输时延的预测值。

可选地，处理模块42具体用于：

当下一时刻的前向传输时延的预测值达到预设阈值时，根据下一时刻的前向传输时延的预测值以及吞吐量，获得第一数据量；

根据第一数据量和数据容量，从待发送数据中确定下一时刻的传输数据。

具体地，本实施例可以参见上述方法实施例，其原理和技术效果类似，不再赘述。

图5为本发明根据一示例性实施例示出的电子设备的硬件结构示意图。如图5所示，本实施例的电子设备50包括：处理器51以及存储器52；其中，

存储器52，用于存储计算机执行指令；

处理器51，用于执行存储器存储的计算机执行指令，以实现上述实施例中接收设备所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。

可选地，存储器52既可以是独立的，也可以跟处理器51集成在一起。

当存储器52独立设置时，该控制设备50还包括总线53，用于连接存储器52和处理器51。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现上述的多路径数据传输方法。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (8)

1.一种多路径数据传输方法，其特征在于，包括：

获取传输网络中的多个路径在当前时刻的路径参数，其中，所述路径参数包括发送窗口的数据容量、前向传输时延的实际值、丢包率和吞吐量；

根据每个路径在当前时刻的路径参数，获得每个路径在下一时刻的前向传输时延的预测值；

根据所述每个路径的下一时刻的前向传输时延的预测值、所述数据容量和待发送数据，确定每个路径的下一时刻的传输数据；

所述根据每个路径在当前时刻的路径参数，获得每个路径在下一时刻的前向传输时延的预测值，具体包括：

根据灰色预测模型对所述当前时刻的路径参数进行处理，获得所述每个路径在下一时刻的前向传输时延的预测值。

2.根据权利要求1所述的多路径数据传输方法，其特征在于，所述根据灰色预测模型对所述当前时刻的路径参数进行处理，获得所述每个路径在下一时刻的前向传输时延的预测值之后，所述方法还包括：

根据在历史时刻和当前时刻的前向传输时延的实际值和所述前向传输时延的预测值，计算得到马尔科夫模型的状态转移矩阵；

根据所述状态转移矩阵修正所述前向传输时延的预测值。

3.根据权利要求2所述的多路径数据传输方法，其特征在于，根据所述每个路径的下一时刻的前向传输时延的预测值、所述数据容量和待发送数据，确定每个路径的下一时刻的传输数据，具体包括：

当所述下一时刻的前向传输时延的预测值达到预设阈值时，根据所述下一时刻的前向传输时延的预测值以及所述吞吐量，获得第一数据量；

根据所述第一数据量和所述数据容量，从所述待发送数据中确定所述下一时刻的传输数据。

4.根据权利要求3所述的多路径数据传输方法，其特征在于，根据所述第一数据量和所述数据容量，从所述待发送数据中确定所述下一时刻的传输数据，具体包括：

从所述待发送数据截取第二数据量的数据作为所述下一时刻的传输数据；

其中，所述第二数据量为所述第一数据量和所述数据容量中较小的。

5.根据权利要求1所述的多路径数据传输方法，其特征在于，根据所述每个路径的下一时刻的前向传输时延的预测值、所述发送窗口和待发送数据，确定每个路径的下一时刻的传输数据，具体包括：

当所述下一时刻的前向传输时延的预测值小于预设阈值时，从所述待发送数据截取第三数据量的数据作为所述下一时刻的传输数据；

其中，所述第三数据量为所述待发送数据的数据量和所述发送窗口的数据容量中较小的。

6.一种多路径数据传输装置，其特征在于，包括：

获取模块，用于获取传输网络中多个路径在当前时刻的路径参数，其中，所述路径参数包括发送窗口的数据容量、前向传输时延的实际值、丢包率和吞吐量；

处理模块，用于根据每个路径在当前时刻的路径参数，获得每个路径在下一时刻的前向传输时延的预测值；

处理模块还用于根据所述每个路径的下一时刻的前向传输时延的预测值、所述数据容量和待发送数据，确定每个路径的下一时刻的传输数据；

所述处理模块具体用于：

根据灰色预测模型对所述当前时刻的路径参数进行处理，获得所述每个路径在下一时刻的前向传输时延的预测值。

7.根据权利要求6所述的多路径数据传输装置，其特征在于，所述处理模块还用于：

根据在历史时刻和当前时刻的前向传输时延的实际值和所述前向传输时延的预测值，计算得到马尔科夫模型的状态转移矩阵；

根据所述状态转移矩阵修正所述前向传输时延的预测值。

8.根据权利要求6所述的多路径数据传输装置，其特征在于，所述处理模块具体用于：

当所述下一时刻的前向传输时延的预测值达到预设阈值时，根据所述下一时刻的前向传输时延的预测值以及所述吞吐量，获得第一数据量；

根据所述第一数据量和所述数据容量，从所述待发送数据中确定所述下一时刻的传输数据。