CN112054966B - 多路传输数据调度方法、装置及设备 - Google Patents
多路传输数据调度方法、装置及设备 Download PDFInfo
- Publication number
- CN112054966B CN112054966B CN202010904174.6A CN202010904174A CN112054966B CN 112054966 B CN112054966 B CN 112054966B CN 202010904174 A CN202010904174 A CN 202010904174A CN 112054966 B CN112054966 B CN 112054966B
- Authority
- CN
- China
- Prior art keywords
- link
- rtt
- determining
- target
- links
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 230000005540 biological transmission Effects 0.000 title abstract description 20
- 230000000903 blocking effect Effects 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 16
- 238000012549 training Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 6
- 238000005259 measurement Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/28—Flow control; Congestion control in relation to timing considerations
- H04L47/283—Flow control; Congestion control in relation to timing considerations in response to processing delays, e.g. caused by jitter or round trip time [RTT]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0823—Errors, e.g. transmission errors
- H04L43/0829—Packet loss
- H04L43/0841—Round trip packet loss
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0852—Delays
- H04L43/0864—Round trip delays
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0888—Throughput
Abstract
本发明实施例提供一种多路传输数据调度方法、装置及设备,包括:获取多条链路中每条链路目标往返时延RTT和链路信息,链路信息包括丢包率和/或吞吐量,多条链路为第一设备与第二设备之间的链路;根据每条链路的目标RTT和链路信息,确定各自对应的端到端时延EET;根据每条链路的EET和每条链路的阻塞值,在多条链路中确定第一数据包对应的目标链路;在目标链路中发送数据包。提高了多路传输数据调度的效率。
Description
技术领域
本发明实施例涉及网络通信领域,尤其涉及一种多路传输数据调度方法、装置及设备。
背景技术
多路传输控制协议(Multi Path Transmission Control Protocol,MPTCP)是一种基于多接口的传输技术。
为了充分利用网络资源,现有技术中通常把一个数据流分成多个子流,允许在多条链路上同时传输数据。由于无线网络的异构性,多条链路之间存在质量上的差异,容易造成发往接收端的数据不能按序到达,失序的数据可能占据整个接收端缓冲区,进而阻塞数据流的传输,导致接收方缓存阻塞,网络延迟,因此,多路传输数据调度效率较低。
发明内容
本发明实施例提供一种多路传输数据调度方法、装置及设备,用于提高多路传输数据调度的效率。
第一方面,本申请实施例提供一种多路传输数据调度方法,包括:
获取多条链路中每条链路目标往返时延RTT和链路信息,所述链路信息包括丢包率和/或吞吐量,所述多条链路为第一设备与第二设备之间的链路;
根据每条链路的目标RTT和链路信息,确定各自对应的端到端时延EET;
根据每条链路的EET和每条链路的阻塞值,在所述多条链路中确定第一数据包对应的目标链路;
在所述目标链路中发送所述数据包。
在一种可能的实施方式中,针对所述多条链路中的任意第一链路;获取所述第一链路的目标RTT,包括:
获取所述第一链路在当前时刻的测量RTT;
根据所述第一链路在第一时刻的目标RTT,确定在所述当前时刻的估计RTT,所述第一时刻位于所述当前时刻之前;
根据所述测量RTT和所述估计RTT,确定卡尔曼增益;
根据所述测量RTT、所述估计RTT和所述卡尔曼增益,确定所述第一链路的目标RTT。
在一种可能的实施方式中,根据所述测量RTT和所述估计RTT,确定卡尔曼增益,包括:
获取所述测量RTT的第一误差估计协方差;
获取所述估计RTT的第二误差估计协方差;
根据所述第二误差估计协方差,确定所述第一误差估计协方差的预测值;
根据所述第一误差估计协方差的预测值,确定所述卡尔曼增益。
在一种可能的实施方式中,针对所述多条链路中的任意第一链路;根据所述第一链路的目标RTT和链路信息,确定所述第一链路的EET,包括:
通过第一模型对所述第一链路的目标RTT和链路信息进行处理,得到所述第一链路的EET;
其中,所述第一模型为对多组样本训练得到的,每组样本包括:样本RTT、样本链路信息和样本EET,所述样本链路信息包括样本丢包率和/或样本吞吐量。
在一种可能的实施方式中,根据每条链路的EET和每条链路的阻塞值,在所述多条链路中确定第一数据包对应的目标链路,包括:
根据每条链路的EET和每条链路的阻塞值,确定每条链路的链路状态;
根据每条链路的链路状态,在所述多条链路中确定第一数据包对应的目标链路。
在一种可能的实施方式中,针对所述多条链路中的任意第一链路;根据所述第一链路的EET和所述第一链路的阻塞值,确定所述第一链路的链路状态,包括:
获取所述第一链路的EET的第一归一化值;
获取所述第一链路的阻塞值的第二归一化值;
根据所述第一归一化值和所述第二归一化值,确定所述第一链路的链路状态。
在一种可能的实施方式中,所述第一链路的阻塞值为:所述第一链路中待处理的数据包的数量与所述第一链路可处理的数据包的数量的比值。
第二方面,本申请实施例提供一种多路传输数据调度装置,包括:
获取模块,用于获取多条链路中每条链路目标往返时延RTT和链路信息,所述链路信息包括丢包率和/或吞吐量,所述多条链路为第一设备与第二设备之间的链路;
第一确定模块,用于根据每条链路的目标RTT和链路信息,确定各自对应的端到端时延EET;
第二确定模块,用于根据每条链路的EET和每条链路的阻塞值,在所述多条链路中确定第一数据包对应的目标链路;
发送模块,用于在所述目标链路中发送所述数据包。
在一种可能的实施方式中,针对所述多条链路中的任意第一链路;所述获取模块具体用于:
获取所述第一链路在当前时刻的测量RTT;
根据所述第一链路在第一时刻的目标RTT,确定在所述当前时刻的估计RTT,所述第一时刻位于所述当前时刻之前;
根据所述测量RTT和所述估计RTT,确定卡尔曼增益;
根据所述测量RTT、所述估计RTT和所述卡尔曼增益,确定所述第一链路的目标RTT。
在一种可能的实施方式中,所述获取模块具体用于:
获取所述测量RTT的第一误差估计协方差;
获取所述估计RTT的第二误差估计协方差;
根据所述第二误差估计协方差,确定所述第一误差估计协方差的预测值;
根据所述第一误差估计协方差的预测值,确定所述卡尔曼增益。
在一种可能的实施方式中,针对所述多条链路中的任意第一链路;所述第一确定模块具体用于:
通过第一模型对所述第一链路的目标RTT和链路信息进行处理,得到所述第一链路的EET;
其中,所述第一模型为对多组样本训练得到的,每组样本包括:样本RTT、样本链路信息和样本EET,所述样本链路信息包括样本丢包率和/或样本吞吐量。
在一种可能的实施方式中,所述第二确定模块具体用于:
根据每条链路的EET和每条链路的阻塞值,确定每条链路的链路状态;
根据每条链路的链路状态,在所述多条链路中确定第一数据包对应的目标链路。
在一种可能的实施方式中,所述第二确定模块具体用于:
获取所述第一链路的EET的第一归一化值;
获取所述第一链路的阻塞值的第二归一化值;
根据所述第一归一化值和所述第二归一化值,确定所述第一链路的链路状态。
在一种可能的实施方式中,所述第一链路的阻塞值为:所述第一链路中待处理的数据包的数量与所述第一链路可处理的数据包的数量的比值。
第三方面,本申请实施例提供一种多路传输数据调度装置,包括:至少一个处理器和存储器;
所述存储器用于存储计算机程序指令;
所述至少一个处理器用于执行所述存储器存储的计算机程序指令,使得所述至少一个处理器执行上述第一方面任一项所述的多路传输数据调度方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序指令,当处理器执行所述计算机程序指令时,实现上述第一方面任一项所述的多路传输数据调度的方法。
本申请实施例提供了一种多路传输数据调度方法、装置及设备,通过获取多条链路中每条链路目标往返时延RTT和链路信息,链路信息包括丢包率和/或吞吐量,多条链路为第一设备与第二设备之间的链路,根据每条链路的目标RTT和链路信息,可以更加准确地预测各自对应的端到端时延EET,基于更准确的每条链路的EET的预测值,综合考虑每条链路的阻塞值在多条链路中确定第一数据包对应的目标链路,从而可以在目标链路中更高效地发送数据包,减少了数据包乱序现象,提高了多路传输数据调度的效率,从而实现负载均衡。
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,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种多路传输数据调度方法的场景示意图;
图2为本申请实施例提供的一种多路传输数据调度方法的流程示意图;
图3为本申请实施例提供的一种对第一模型的训练方法的流程示意图;
图4为本申请实施例提供的另一种多路传输数据调度方法的流程示意图;
图5为本申请实施例提供的RTT卡尔曼滤波预测子装置的结构示意图;
图6为本申请实施例提供的确定第一链路的目标RTT方法的流程示意图;
图7为本申请实施例提供的一种在目标链路中发送数据包的过程示意图;
图8为本申请实施例提供的另一种在目标链路中发送数据包的过程示意图;
图9为本申请实施例提供的一种多路传输数据调度装置10的结构示意图;
图10为本申请提供的多路传输数据调度设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
为了便于理解,下面结合图1,介绍本申请的多路传输数据调度方法的应用场景。
图1为本申请实施例提供的一种多路传输数据调度方法的场景示意图。请参见图1,包括:第一设备101和第二设备102。第一设备101和第二设备102可以通过网络进行通信,具体的,第一设备101可以向第二设备102发送数据,相应的,第二设备102也可以向第一设备101发送响应数据。第一设备101可以是智能手机、平板电脑等终端设备。
在实际应用过程中,为了充分利用网络资源,第一设备101和第二设备102按照MPTCP协议传输数据,具体的,第一设备101将数据分为多个数据包,通过多条链路向第二设备102发送数据包,从而完成第一设备101和第二设备102之间的通信,例如,当第一设备101按照MPTCP协议向第二设备102发送数据时,第一设备101可以将数据分为5个数据包,针对每个数据包,第一设备101按照预设规则从多条链路中选择目标链路进行数据包的分发,从而完成数据的传输。
现有技术中,多条链路之间通常存在质量上的差异,导致第一设备101发送的数据包不能按序到达第二设备102,当失序的数据包占据第二设备102的缓冲区时,会阻塞数据的传输,进而造成网络通信延迟,降低通信质量。
在本申请中,通过获取多条链路中每条链路目标RTT和链路信息,链路信息包括丢包率和/或吞吐量,根据每条链路的目标RTT和链路信息,可以更加准确地预测各自对应的端到端时延EET,基于更准确的每条链路的EET的预测值,综合考虑每条链路的阻塞值,在多条链路中确定第一数据包对应的目标链路,从而可以更高效地通过目标链路发送数据包,减少了数据包乱序现象,提高了多路传输数据调度的效率,从而提高通信质量。
需要说明的是,图1只是以示例的形式示意一种多路传输数据调度方法的可能的应用场景,并非对应用场景进行的限定。
下面,通过具体实施例对本申请所示的技术方案进行详细说明。需要说明的是,下面几个具体实施例可以相互结合,对于相同或相似的内容,在不同的实施例中不再进行重复说明。
图2为本申请实施例提供的一种多路传输数据调度方法的流程示意图。请参见图2,该方法可以包括:
S201、获取多条链路中每条链路目标往返时延RTT和链路信息。
本申请实施例的执行主体可以为终端设备,也可以是设置在终端设备中的多路传输数据调度装置。可选的,多路传输数据调度装置可以通过软件实现,也可以通过软件和硬件的结合实现。为了便于描述,下面以执行主体为第一设备为例进行说明。
多条链路为第一设备与第二设备之间的链路,按照MPTCP协议进行通信的设备之间可以存在多条链路,不同链路可以支持不同网络的数据传输,例如,链路可以包括支持WIFI网络传输的链路、支持4G网络传输的链路等。当第一设备向第二设备发送数据包时,第一设备可以在多条链路中选择最优链路发送数据包。可选的,第一设备可以对多条链路进行管理,例如,第一设备可以通过内核增加链路、删除链路、修改链路的优先级等。
往返时延(Round-Trip Time,RTT)可以为从第一设备发送数据开始,到第一设备接收到来自第二设备的确认所经历的时延。RTT可以包括链路的传播时间、第二设备的处理时间以及路由器的缓存中的排队和处理时间。一条链路的RTT可以反映该链路的网络拥塞程度。
链路信息可以包括丢包率、吞吐量中的至少一种,第一设备可以将数据分为多个数据包进行传输,每个数据包可以包括数据的信息以及提供数据路由的帧,在数据传输过程中,当设备之间的链路距离较大时,一部分的数据包会丢失,丢包率是指丢失的数据包数量与第一设备发送的数据包数量的比率,吞吐量是指单位时间内成功传送数据包的数量,用于指示在链路中每秒实际传输的比特数,链路信息可以用于指示链路的网络传输性能。
S202、根据每条链路的目标RTT和链路信息,确定各自对应的端到端时延EET。
如前所述,链路信息可以包括丢包率和吞吐量中的至少一种。
下面,可以通过如下三种可行的实现方式,根据每条链路的目标RTT和链路信息确定各自对应的端到端时延EET:
实现方式1:当链路信息包括丢包率时,根据每条链路的目标RTT和丢包率确定各自链路的端到端时延的实现方式可以为:通过第一模型对每条链路的目标RTT和丢包率进行处理,得到各自链路的EET;其中,第一模型为对多组样本训练得到的,每组样本包括:样本RTT、样本链路信息和样本EET,样本链路信息包括样本丢包率。
实现方式2:当链路信息包括吞吐量时,根据每条链路的目标RTT和吞吐量确定各自链路的端到端时延的实现方式可以为:通过第一模型对每条链路的目标RTT和吞吐量进行处理,得到各自链路的EET;其中,第一模型为对多组样本训练得到的,每组样本包括:样本RTT、样本链路信息和样本EET,样本链路信息包括样本吞吐量。
实现方式3:当链路信息包括丢包率和吞吐量时,根据每条链路的目标RTT、丢包率和吞吐量确定第各自链路的端到端时延的实现方式可以为:通过第一模型对每条链路的目标RTT、丢包率和吞吐量进行处理,得到各自链路的EET;其中,第一模型为对多组样本训练得到的,每组样本包括:样本RTT、样本链路信息和样本EET,样本链路信息包括样本吞吐量和样本吞吐量。
下面,以实现方式3为例,结合图3,对第一模型的训练方法进行详细说明。
图3为本申请实施例提供的一种对第一模型的训练方法的流程示意图。请参见图3,该训练方法可以包括:
S202a、获取多组样本数据。
样本数据可以分为训练数据以及测试数据,其中,训练数据为用于模型训练的样本数据,测试数据为对训练好的模型进行测试的样本数据。样本数据可以包括样本RTT、样本丢包率、样本吞吐量以及样本EET,其中,样本RTT、样本丢包率、样本吞吐量为输入样本,样本EET为输出样本。
可选的,样本丢包率可以表示为P,相应的,可以通过如下公式获取样本丢包率:
P=8/(3cwndpre 2),
其中,cwndpre为前一可处理的数据包的数量,可选的,可处理的数据包的数量也可以称为拥塞窗口。
可选的,样本吞吐量可以表示为th,相应的,可以通过如下公式获取样本吞吐量:
th=cwnd/RTT,
其中,cwnd为可处理的数据包的数量。
可选的,可以通过如下公式获取EET:
EET=Tr-Ts-Te,
其中,Tr为第二设备接收到数据包的时间,Ts为第一设备发送数据包的时间,Te为第二设备从接收到数据包到发送对应的选择性确认(Selective Acknowledgment,SACK)的时间。
可选的,可以对样本数据进行归一化处理,使得样本数据映射至区间[0,1]。可选的,归一化处理的方法可以为Min-max方法。通过对样本数据进行归一化处理,方便对数据进行处理,进而对第一模型训练方法进行了简化。
S202b、根据多组样本数据对第一模型进行训练。
可选的,第一模型可以为神经网络模型,例如,第一模型可以为反向传播(Back-ProPagation Network,BP)神经网络模型。
可选的,可以通过如下可行的实现方式对第一模型进行训练:
S202b1、设置预设参数。可选的,预设参数可以包括权重、阈值、学习速率、训练最大迭代次数。其中,权重和阈值可以设置在[-1,1]之间,针对学习速率,可以从较大学习速率开始训练,逐渐减小学习速率,直至第一模型得以收敛。例如,权重可以设置为0.8,阈值可以设置为0.6,学习速率可以设置为0.9,训练最大迭代次数可以设置为100000。
S202b2、从样本数据中选择第一样本数据。可选的,第一样本数据包括输入样本和输出样本,其中,输入样本可以表示为:x(m)=(th(m),P(m),RTT(m)),输出样本可以表示为H(m)=EET(m):
S202b3、判断样本数据是否用尽。
若样本数据未用尽,执行S202b4-S202b5;
若样本数据用尽,执行S202b6。
S202b4、前向计算各隐含层及输出层神经元的输入和输出。
输入层神经元th、RTT、p计算隐含层的输出值:
Dk=f(dk),
其中k为隐含层节点;i为输入层节点;I为输入层节点数;xi为隐含层输入;wik为输入层到隐含层的神经元权值;dk为隐含层输入;Bk为偏移量;f为激活函数;Dk为隐含层输出。
将隐含层神经元的输出值传递给输出层:
Yj=f(yj),
其中,k为隐含层节点;j为输出层节点,K为隐含层节点数;wkj为隐含层到输出层的神经元权值;Bj为偏移量;yj为输出层输入;Yj为输出层输出。
S202b5、通过误差反向传播,调整第一模型的权值和阈值。
可选的,可以通过如下可行的实现方式调整第一模型的权值和阈值:计算神经网络输出Yj与期望值Hj之间的误差:
其中,N表示输出层节点数。
通过反向传播不断调整各层神经元的权值和阈值,使误差函数沿着负梯度方向下降,输出值不断接近实际值。可选的,反向传播的方法可通过现有技术中的公知方法实现,例如,反向传播的方法可以为梯度下降法,对此本申请不再进行赘述。
S202b6、获取网络误差。
可选的,可以通过如下可行的公式获取网络误差:
其中,M为样本数,Yj(m)和Hj(m)分别为第m个样本的神经网络输出与期望值。
S202b7、判断网络误差是否满足预设条件。
若是,第一模型训练结束;
若否,判断预设迭代次数是否达到上限;
若达到上限,第一模型训练结束;
若未达到上限,执行S202b2-S202b5。
S202c、对第一模型进行优化。
可选的,可以通过动量BP和学习速率可变的BP方法,调整第一模型的权值和学习速率,减少第一模型的训练误差,进而使得第一模型的收敛速度更快。下面对动量BP和学习速率可变的BP方法进行详细说明。
S202c1、获取动量因子ɑ,其中,0<ɑ<1。
S202c2、通过如下公式根据动量因子ɑ更新权值:
w(t)=w(t-1)+Δw(t)+ɑ[w(t-1)-w(t-2)],
其中,w(t)表示当前时刻的权重,w(t-1)表示第一时刻的权重,Δw(t)为当前时刻的权重更新量,w(t-1)-w(t-2)为第一时刻的权重更新量。
S202c3、根据网络误差调整学习速率。
可选的,可通过如下方式调整学习速率:当网络误差减小时,增加学习速率;当网络误差增大时,减小学习速率,并撤销上一步对学习速率的调整。具体的,可通过如下公式实现:
当e(t)<e(t-1)时,η(t)=(η(t-1)*(1+rateup);
当e(t)>e(t-1)时,η(t)=η(t-1)*(1-ratedown)。
其中,η(t)为当前时刻t的学习速率,η(t-1)为上一时刻t-1的学习速率,e(t)为当前时刻的误差,e(t-1)第一时刻的误差,rateup为学习上升速率;ratedown为学习下降速率。
通过获取多组样本数据对第一模型进行训练,在训练过程中建立RTT、丢包率、吞吐量以及EET之间的预设关系,使得RTT、丢包率、吞吐量以及EET之间的预设关系更加合理,进而可以通过训练好的第一模型实现对EET更准确的预测。
S203、根据每条链路的EET和每条链路的阻塞值,在多条链路中确定第一数据包对应的目标链路。
可选的,每条链路的阻塞值可以为每条链路中待处理的数据包的数量与第一链路可处理的数据包的数量的比值。
数据包为数据传输的最小单元,数据包里包含这数据信息,第一数据包可以为多个数据包中的任意数据包。当第一设备向第二设备传输数据时,通常将数据分为多个数据包分别向第二设备发送,第二设备接收到数据包后,会对收到到数据包进行重组,从而完成数据的传输。
可选的,可以通过如下可行的实现方式在多条链路中确定第一数据包对应的目标链路:根据每条链路的EET和每条链路的阻塞值,确定每条链路的链路状态;根据每条链路的链路状态,在多条链路中确定第一数据包对应的目标链路。
每条链路的链路状态为每条链路的EET和阻塞值的加权求和的值,其中,EET的权重与阻塞值的权重之和为1。可选的,当链路状态的值最小时,该链路的优先级最高,该链路即为第一数据包对应的目标链路。
S204、在目标链路中发送数据包。
可选的,第一设备可以在目标链路中发送预设数量的数据包,例如,第一设备可以在目标链路中发送2个数据包,可选的,发送多个数据包时,可以按照预设间隔发送,例如,预设间隔可以为0.001毫秒。
可选的,在目标链路中发送第一数据包之后,第一设备重新在多条链路中确定目标链路,完成对第二数据包的发送。
可选的,可以按照第一协议在目标链路中发送数据包,第一协议可以为HTTP协议。
在本申请中,通过获取多条链路中每条链路目标RTT和链路信息,链路信息包括丢包率和/或吞吐量,根据每条链路的目标RTT和链路信息,可以更加准确地预测各自对应的端到端时延EET,基于更准确的每条链路的EET的预测值,综合考虑每条链路的阻塞值,在多条链路中确定第一数据包对应的目标链路,从而可以更高效地通过目标链路发送数据包,减少了数据包乱序现象,提高了多路传输数据调度的效率,从而提高通信质量。
在图2所示实施例的基础上,下面结合图4,针对多条链路中的任意第一链路,对上述多路传输数据调度方法进行详细说明。
图4为本申请实施例提供的另一种多路传输数据调度方法的流程示意图。请参见图4,该方法可以包括:
S401、获取第一链路在当前时刻的测量RTT。
可选的,第一链路的测量RTT可以为第一设备测量得到的第一链路的RTT测量值,当前时刻为发送当前数据包的时刻,例如,当前时刻可以为9:30:00。获取第一链路当前时刻的测量RTT的方法可通过现有技术中的公知方法实现,例如,第一设备可以通过粗粒度的定时器进行RTT测量,对此本申请不再进行赘述。
S402、根据第一链路在第一时刻的目标RTT,确定在当前时刻的估计RTT。
可选的,第一链路的目标RTT可以为估算得到的最优RTT估计值,第一时刻位于当前时刻之前,例如,第一时刻可以为当前时刻前1s,例如,当前时刻为9:30:00,第一时刻可以为9:29:59。第一链路的估计RTT可以为根据目标RTT估计得到,例如,第一链路的当前时刻的估计RTT与第一链路的第一时刻的目标RTT相同。
S403、根据测量RTT和估计RTT,确定卡尔曼增益。
卡尔曼增益可以根据不同时刻进行改变,其本质是利用两个正态分布的融合仍是正态分布这一特性进行迭代,例如,第一设备通过卡尔曼增益可以将第一时刻的测量RTT通过乘积的形式记录到当前时刻的估计RTT,通过多次乘积迭代,使得当前时刻的估计RTT可以包含当前时刻之前所有的测量RTT的信息,进而使得估计RTT更加准确。
可选的,可以通过如下可行的实现方式确定卡尔曼增益:获取测量RTT的第一误差估计协方差;获取估计RTT的第二误差估计协方差;根据第二误差估计协方差,确定第一误差估计协方差的预测值;根据第一误差估计协方差的预测值,确定卡尔曼增益。其中,误差估计协方差是一种通过将线性回归与方差分析结合控制协变量在方差分析中对因变量的影响,协变量可以为与因变量有密切回归关系的变量,例如,因变量可以为估计RTT,协变量可以为卡尔曼增益。第一误差估计协方差可以为当前时刻的误差估计协方差,第二误差估计协方差可以为第一时刻的误差估计协方差。
S404、根据测量RTT、估计RTT预测值和卡尔曼增益,确定第一链路的目标RTT。
下面,结合图5-图6,针对多条链路中的任意第一链路,详细介绍根据测量RTT、估计RTT和卡尔曼增益,确定第一链路的目标RTT方法。
图5为本申请实施例提供的RTT卡尔曼滤波预测子装置的结构示意图。请参见图5,该RTT卡尔曼滤波预测子装置50可以设置在第一设备中,第一设备可以通过该装置确定第一链路的目标RTT,该装置可以包括:初始模块51、时间更新模块52以及评估更新模块53。其中,初始模块51用于初始化预设参数,预设参数可以包括测量噪声、过程噪声、误差协方差等;时间更新模块52用于根据第一时刻的参数更新当前时刻的参数,该参数可以包括估计RTT、第一时刻的误差协方差的预测值等;评估更新模块53用于通过卡尔曼增益以及误差估计协方差对估计RTT进行优化,从而得到目标RTT。
图6为本申请实施例提供的确定第一链路的目标RTT方法的流程示意图。请参见图6,该方法可以由第一设备通过图5所示的RTT卡尔曼滤波预测子装置执行,该方法可以包括:
S601、初始化测量噪声、过程噪声、误差协方差。
可选的,测量噪声可以表示为R,过程噪声服从高斯分布,可以表示为Q,误差协方差可以表示为P,例如,初始化的R=1,初始化的Q=0.1,初始化的P=0.006。
需要说明的是,S601可以由第一设备通过图5所示装置中的初始模块51执行。
S602、获取第一链路在当前时刻的测量RTT。
可选的,测量RTT可以表示为RTTk。
S603、根据第一链路在第一时刻的目标RTT,确定在当前时刻的估计RTT。
可选的,第一时刻的目标RTT可以表示为RTT(k-1|k-1),当前时刻的估计RTT可以表示为RTT(k|k-1),当前时刻的估计RTT可以为:
RTT(k|k-1)=RTT(k-1|k-1)。
可选的,当第一时刻为初始时,第一时刻的目标RTT可以为初始时的测量RTTk0。
S604、根据第二误差估计协方差确定第一误差估计协方差的预测值。
可选的,第一误差估计协方差的预测值可以表示为P(k|k-1),第二误差估计协方差可以表示为P(k-1|k-1),相应的,可以通过如下公式根据P(k-1|k-1)确定P(k|k-1):
P(k|k-1)=P(k-1|k-1)+Q。
需要说明的是,S201b-S201d可以由第一设备通过图5所示装置中的时间更新模块52执行。
S605、根据第一误差估计协方差的预测值确定卡尔曼增益。
可选的,卡尔曼增益可以表示为Kk,相应的,可以通过如下公式根据P(k|k-1)确定卡尔曼增益Kk:
S606、根据卡尔曼增益和当前时刻的估计RTT确定第一链路的目标RTT。
可选的,第一链路的目标RTT可以表示为RTT(k|k),相应的,可以通过如下公式确定第一链路的RTT(k|k):
RTT(k|k)=RTT(k|k-1)+Kk(RTTk-RTT(k|k-1)),
可选的,该方法还可以包括:
S607、根据第一估计协方差的预测值以及卡尔曼增益确定第二误差估计协方差。
可选的,第一误差估计协方差的预测值可以表示为P(k|k-1),第一误差估计协方差可以表示为P(k|k),相应的,可以通过如下公式确定P(k|k):
P(k|k)=(1-kk)P(k|k-1)。
需要说明的是,S605-S607可以由第一设备通过图5所示装置中的评估更新模块53执行。
S405、通过第一模型对第一链路的目标RTT和链路信息进行处理,得到第一链路的EET。
需要说明的是,S405的执行过程可以参考S202的执行过程,此处不再进行赘述。
S406、获取第一链路的EET的第一归一化值。
可选的,可以对第一链路的EET进行归一化处理,使得第一链路的EET映射至区间[0,1],得到第一归一化值EET`。可选的,归一化处理的方法可以为Min-max方法。通过对第一链路的EET进行归一化处理,方便对数据进行处理。可选的,Min-max方法可以表示为:
其中,EETi为第一链路的EET,EETmin为所有链路中最小EET,EETmax为所有链路中最大EET。
S407、获取第一链路的阻塞值的第二归一化值。
可选的,第一链路可以用i表示,相应的,第一链路的阻塞值可以用δi来表示,进一步的,δi=Unacki/cwndi,其中,Unacki可以为第一链路中待处理的数据包的数量,cwndi为第一链路中可处理的数据包的数量。第一链路的阻塞值的第二归一化值可以用δi`表示。
可选的,可以通过Min-max方法获取第一链路的阻塞值的第二归一化值,具体如下:
其中,δi为第一链路的阻塞值的第二归一化值,δmin为所有链路中最小第二归一化值,δmax为所有链路中最大第二归一化值。
S408、根据第一归一化值和第二归一化值,确定第一链路的链路状态。
可选的,第一链路的链路状态可以表示第一链路的网络质量,第一链路的链路状态可以用σ表示,相应的,可以通过如下公式根据第一归一化值和第二归一化值确定第一链路的链路状态:
σi=αEETi`+βδi`,
其中,EET`为第一链路的EET的第一归一化值,δi`为第一链路的阻塞值的第二归一化值,α、β为参数权重,α+β=1。
可选的,参数权重α、β可以根据实际链路状态进行调整。
S409、根据每条链路的链路状态,在多条链路中确定第一数据包对应的目标链路。
目标链路可以为链路状态最优的链路,例如,当第一链路的链路状态的值最小时,第一链路即为目标链路。
可选的,可以通过如下可行的方式在多条链路中确定第一数据包对应的目标链路:根据每条链路的链路状态确定每条链路的优先级;根据每条链路的优先级在多条链路中确定第一数据包对应的目标链路。
例如,第一链路的优先级用Fi表示,相应的,第一链路的优先级可以表示为:
Fi=σi,
其中,优先级的值越小,优先级越高。
S410、在目标链路中发送数据包。
在上述任意一个实施例的基础上,下面,结合图7-图8,对在目标链路中发送数据包的过程进行说明。
图7为本申请实施例提供的一种在目标链路中发送数据包的过程示意图。请参见图7,第一设备和第二设备可以通过三条链路进行数据传输,分别为链路1、链路2和链路3。其中,假设一次完整的数据传输过程中,可以将数据分为5个数据包,分别为数据包1-数据包5。当第一设备向第二设备发送数据包1时,第一设备通过获取三条链路中每条链路的RTT以及链路信息,链路信息可以包括丢包率和吞吐量,第一设备根据链路1、链路2以及链路3的RTT以及链路信息确定链路1、链路2以及链路3的EET,根据链路1、链路2以及链路3的EET以及各自的阻塞值,在三条链路中确定链路1-链路3对应的链路状态,例如,链路1、链路2和链路3的链路状态分别为:σ1、σ2、σ3,其中,σ1<σ2<σ3,相应的,链路1、链路2和链路3的优先级分别为:F1、F2、F3,其中,F1<F2<F3,由于优先级值越小优先级越高,因此,可以确定数据包1对应的目标链路为链路1,第一设备可以向链路1发送数据包1。当第一设备向第二设备发送数据包2时,第一设备重复上述步骤,确定数据包2对应的目标链路,例如,链路3为目标链路,向链路3发送数据包2。发送数据包3-数据包5的过程可以参考上述过程,此处不再赘述。
图8为本申请实施例提供的另一种在目标链路中发送数据包的过程示意图。请参见图8,链路1-链路3可处理预设数量的数据包,例如,预设数量为3,当链路1正在处理的数据包数量为3时,第一设备无法向链路1发送数据包,此时,第一设备重新获取除链路1之外的其他链路的链路状态,并根据其他链路的链路状态发送数据包,例如,请参见图8,当第一设备向第二设备发送数据包5时,此时链路2正在处理的数据包数量为3,第一设备重新获取除链路1之外的其他两条链路的链路状态,分别为σ2和σ3,其中,σ2<σ3,相应的,链路2和链路3的优先级F2<F3,由于优先级值越小优先级越高,因此,第一设备可以确定链路2为数据包5对应的目标链路,第一设备向链路2发送数据包5。
需要说明的是,图7-图8只是以示例的形式示意在目标链路中发送数据包的过程,并非对该过程进行的限定。
本申请实施例提供了一种多路传输数据调度方法、装置及设备,通过获取多条链路中每条链路目标往返时延RTT和链路信息,链路信息包括丢包率和/或吞吐量,多条链路为第一设备与第二设备之间的链路,根据每条链路的目标RTT和链路信息,可以更加准确地预测各自对应的端到端时延EET,基于更准确的每条链路的EET的预测值,综合考虑每条链路的阻塞值在多条链路中确定第一数据包对应的目标链路,从而可以在目标链路中更高效地发送数据包,减少了数据包乱序现象,提高了多路传输数据调度的效率,从而实现负载均衡。
图9为本申请实施例提供的一种多路传输数据调度装置10的结构示意图。请参见图9,所述装置10包括:
获取模块11,用于获取多条链路中每条链路目标往返时延RTT和链路信息,所述链路信息包括丢包率和/或吞吐量,所述多条链路为第一设备与第二设备之间的链路;
第一确定模块12,用于根据每条链路的目标RTT和链路信息,确定各自对应的端到端时延EET;
第二确定模块13,用于根据每条链路的EET和每条链路的阻塞值,在所述多条链路中确定第一数据包对应的目标链路;
发送模块14,用于在所述目标链路中发送所述数据包。
在一种可能的实施方式中,针对所述多条链路中的任意第一链路;所述获取模块11具体用于:
获取所述第一链路在当前时刻的测量RTT;
根据所述第一链路在第一时刻的目标RTT,确定在所述当前时刻的估计RTT,所述第一时刻位于所述当前时刻之前;
根据所述测量RTT和所述估计RTT,确定卡尔曼增益;
根据所述测量RTT、所述估计RTT和所述卡尔曼增益,确定所述第一链路的目标RTT。
在一种可能的实施方式中,所述获取模块11具体用于:
获取所述测量RTT的第一误差估计协方差;
获取所述估计RTT的第二误差估计协方差;
根据所述第二误差估计协方差,确定所述第一误差估计协方差的预测值;
根据所述第一误差估计协方差的预测值,确定所述卡尔曼增益。
在一种可能的实施方式中,针对所述多条链路中的任意第一链路;所述第一确定模块12具体用于:
通过第一模型对所述第一链路的目标RTT和链路信息进行处理,得到所述第一链路的EET;
其中,所述第一模型为对多组样本训练得到的,每组样本包括:样本RTT、样本链路信息和样本EET,所述样本链路信息包括样本丢包率和/或样本吞吐量。
在一种可能的实施方式中,所述第二确定模块13具体用于:
根据每条链路的EET和每条链路的阻塞值,确定每条链路的链路状态;
根据每条链路的链路状态,在所述多条链路中确定第一数据包对应的目标链路。
在一种可能的实施方式中,所述第二确定模块13具体用于:
获取所述第一链路的EET的第一归一化值;
获取所述第一链路的阻塞值的第二归一化值;
根据所述第一归一化值和所述第二归一化值,确定所述第一链路的链路状态。
在一种可能的实施方式中,所述第一链路的阻塞值为:所述第一链路中待处理的数据包的数量与所述第一链路可处理的数据包的数量的比值。
本申请实施例提供的一种多路传输数据调度装置可以执行上述方法实施例所示的技术方案,其实现原理以及有益效果类似,此处不再进行赘述。
图10为本申请提供的多路传输数据调度设备的硬件结构示意图。请参见图10,该多路传输数据调度设备20可以包括:处理器21和存储器22,其中,处理器21和存储器22可以通信;示例性的,处理器21和存储器22通过通信总线23通信,所述存储器22用于存储程序指令,所述处理器21用于调用存储器中的程序指令执行上述任意方法实施例所示的多路传输数据调度方法。
可选的,多路传输数据调度设备20还可以包括通信接口,通信接口可以包括发送器和/或接收器。
可选的,上述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
本申请提供一种可读存储介质,所述可读存储介质上存储有计算机程序;所述计算机程序用于实现如上述任意实施例所述的多路传输数据调度方法。
本申请实施例提供一种计算机程序产品,所述计算机程序产品包括指令,当所述指令被执行时,使得计算机执行上述多路传输数据调度方法。
实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储器中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储器(存储介质)包括:只读存储器(英文:read-only memory,缩写:ROM)、RAM、快闪存储器、硬盘、固态硬盘、磁带(英文:magnetic tape)、软盘(英文:floppydisk)、光盘(英文:optical disc)及其任意组合。
本申请实施例是参照根据本申请实施例的方法、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单元以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理单元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。
显然,本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
在本申请中,术语“包括”及其变形可以指非限制性的包括;术语“或”及其变形可以指“和/或”。本本申请中术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。本申请中,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
Claims (8)
1.一种多路传输数据调度方法,其特征在于,包括:
获取多条链路中每条链路目标往返时延RTT和链路信息,所述链路信息包括丢包率和/或吞吐量,所述多条链路为第一设备与第二设备之间的链路;
根据每条链路的目标RTT和链路信息,确定各自对应的端到端时延EET;
根据每条链路的EET和每条链路的阻塞值,在所述多条链路中确定第一数据包对应的目标链路;
在所述目标链路中发送所述数据包;
其中,针对所述多条链路中的任意第一链路,所述阻塞值为所述第一链路中待处理的数据包的数量与所述第一链路可处理的数据包的数量的比值;
针对所述多条链路中的任意第一链路;获取所述第一链路的目标RTT,包括:
获取所述第一链路在当前时刻的测量RTT;
根据所述第一链路在第一时刻的目标RTT,确定在所述当前时刻的估计RTT,所述第一时刻位于所述当前时刻之前;
根据所述测量RTT和所述估计RTT,确定卡尔曼增益;
根据所述测量RTT、所述估计RTT和所述卡尔曼增益,确定所述第一链路的目标RTT。
2.根据权利要求1所述的方法,其特征在于,根据所述测量RTT和所述估计RTT,确定卡尔曼增益,包括:
获取所述测量RTT的第一误差估计协方差;
获取所述估计RTT的第二误差估计协方差;
根据所述第二误差估计协方差,确定所述第一误差估计协方差的预测值;
根据所述第一误差估计协方差的预测值,确定所述卡尔曼增益。
3.根据权利要求1所述的方法,其特征在于,针对所述多条链路中的任意第一链路;根据所述第一链路的目标RTT和链路信息,确定所述第一链路的EET,包括:
通过第一模型对所述第一链路的目标RTT和链路信息进行处理,得到所述第一链路的EET;
其中,所述第一模型为对多组样本训练得到的,每组样本包括:样本RTT、样本链路信息和样本EET,所述样本链路信息包括样本丢包率和/或样本吞吐量。
4.根据权利要求1-3任一项所述的方法,其特征在于,根据每条链路的EET和每条链路的阻塞值,在所述多条链路中确定第一数据包对应的目标链路,包括:
根据每条链路的EET和每条链路的阻塞值,确定每条链路的链路状态;
根据每条链路的链路状态,在所述多条链路中确定第一数据包对应的目标链路。
5.根据权利要求4所述的方法,其特征在于,针对所述多条链路中的任意第一链路;根据所述第一链路的EET和所述第一链路的阻塞值,确定所述第一链路的链路状态,包括:
获取所述第一链路的EET的第一归一化值;
获取所述第一链路的阻塞值的第二归一化值;
根据所述第一归一化值和所述第二归一化值,确定所述第一链路的链路状态。
6.一种多路传输数据调度装置,其特征在于,包括:
获取模块,用于获取多条链路中每条链路目标往返时延RTT和链路信息,所述链路信息包括丢包率和/或吞吐量,所述多条链路为第一设备与第二设备之间的链路;
第一确定模块,用于根据每条链路的目标RTT和链路信息,确定各自对应的端到端时延EET;
第二确定模块,用于根据每条链路的EET和每条链路的阻塞值,在所述多条链路中确定第一数据包对应的目标链路;
发送模块,用于在所述目标链路中发送所述数据包;
其中,针对所述多条链路中的任意第一链路,所述阻塞值为所述第一链路中待处理的数据包的数量与所述第一链路可处理的数据包的数量的比值;
针对所述多条链路中的任意第一链路;所述获取模块具体用于:
获取所述第一链路在当前时刻的测量RTT;
根据所述第一链路在第一时刻的目标RTT,确定在所述当前时刻的估计RTT,所述第一时刻位于所述当前时刻之前;
根据所述测量RTT和所述估计RTT,确定卡尔曼增益;
根据所述测量RTT、所述估计RTT和所述卡尔曼增益,确定所述第一链路的目标RTT。
7.一种多路传输数据调度装置,其特征在于,包括:至少一个处理器和存储器;
所述存储器用于存储计算机程序指令;
所述至少一个处理器用于执行所述存储器存储的计算机程序指令,使得所述至少一个处理器执行如权利要求1至5任一项所述的多路传输数据调度方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序指令,当处理器执行所述计算机程序指令时,实现如权利要求1至5任一项所述的多路传输数据调度的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010904174.6A CN112054966B (zh) | 2020-09-01 | 2020-09-01 | 多路传输数据调度方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010904174.6A CN112054966B (zh) | 2020-09-01 | 2020-09-01 | 多路传输数据调度方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112054966A CN112054966A (zh) | 2020-12-08 |
CN112054966B true CN112054966B (zh) | 2023-11-07 |
Family
ID=73606882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010904174.6A Active CN112054966B (zh) | 2020-09-01 | 2020-09-01 | 多路传输数据调度方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112054966B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023019588A1 (zh) * | 2021-08-20 | 2023-02-23 | Oppo广东移动通信有限公司 | 帧交互控制方法、装置、设备及存储介质 |
CN113746757B (zh) * | 2021-08-26 | 2023-05-26 | 中国电子科技集团公司第七研究所 | 一种基于业务类别的多链路传输智能报文调度方法 |
CN113992563B (zh) * | 2021-09-26 | 2022-08-05 | 北京连山科技股份有限公司 | 一种多链路多模式智能切换发包的方法 |
WO2023168688A1 (zh) * | 2022-03-11 | 2023-09-14 | 华为技术有限公司 | 发送数据的方法和相关设备 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404622A (zh) * | 2008-11-07 | 2009-04-08 | 重庆邮电大学 | 基于多径负载均衡的无线互联网拥塞控制方法及控制器 |
CN101815002A (zh) * | 2009-12-24 | 2010-08-25 | 中国人民解放军理工大学 | 一种基于多测度离差最大化的网络整体性能评价方法 |
CN102457486A (zh) * | 2010-10-19 | 2012-05-16 | 华为技术有限公司 | 一种媒体内容的传输方法及装置 |
CN102811453A (zh) * | 2012-08-17 | 2012-12-05 | 武汉大学 | 一种工业无线网状网络多径路由的选路判定方法 |
CN103731921A (zh) * | 2013-12-13 | 2014-04-16 | 重庆邮电大学 | 一种基于太赫兹超高速无线网络的mac接入方法 |
CN104506453A (zh) * | 2014-12-24 | 2015-04-08 | 中国科学院声学研究所 | 一种面向用户体验质量的码率分配方法 |
CN104935524A (zh) * | 2015-06-17 | 2015-09-23 | 华中科技大学 | 一种多径网络基于链路时延控制的软负载均衡方法 |
CN105264845A (zh) * | 2014-05-08 | 2016-01-20 | 华为技术有限公司 | 数据传输控制节点、通信系统及数据传输管理方法 |
CN106714263A (zh) * | 2016-12-01 | 2017-05-24 | 中国南方电网有限责任公司调峰调频发电公司 | 无线传感网络aodv路由协议实现系统及方法 |
WO2018082536A1 (zh) * | 2016-11-02 | 2018-05-11 | 中兴通讯股份有限公司 | 一种tcp延时处理方法、装置、系统及其计算机存储介质 |
CN108259364A (zh) * | 2016-12-29 | 2018-07-06 | 中国移动通信集团浙江有限公司 | 一种网络拥塞确定方法及装置 |
CN108696449A (zh) * | 2018-05-09 | 2018-10-23 | 清华大学 | 一种数据调度方法及装置 |
CN108737264A (zh) * | 2017-04-19 | 2018-11-02 | 腾讯科技(深圳)有限公司 | 一种数据传输方法及装置 |
CN110166174A (zh) * | 2019-05-16 | 2019-08-23 | 京信通信系统(中国)有限公司 | 链路自适应方法、装置、接入网设备和存储介质 |
CN110662256A (zh) * | 2019-09-18 | 2020-01-07 | 北京交通大学 | 多路径跨协议传输的数据包调度方法及系统 |
CN110784399A (zh) * | 2019-11-04 | 2020-02-11 | 海南大学 | 一种mptcp网络多路径优化组合传输方法及系统 |
CN111277502A (zh) * | 2020-01-20 | 2020-06-12 | 北京红云融通技术有限公司 | 多链路聚合传输数据的方法及发送设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104170353B (zh) * | 2013-12-27 | 2018-06-19 | 华为技术有限公司 | Tcp链路配置方法、装置及设备 |
KR102318021B1 (ko) * | 2017-04-21 | 2021-10-27 | 삼성전자 주식회사 | 이동 통신 네트워크 내 다중 링크 상에서의 패킷 분배 방법 및 장치 |
-
2020
- 2020-09-01 CN CN202010904174.6A patent/CN112054966B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404622A (zh) * | 2008-11-07 | 2009-04-08 | 重庆邮电大学 | 基于多径负载均衡的无线互联网拥塞控制方法及控制器 |
CN101815002A (zh) * | 2009-12-24 | 2010-08-25 | 中国人民解放军理工大学 | 一种基于多测度离差最大化的网络整体性能评价方法 |
CN102457486A (zh) * | 2010-10-19 | 2012-05-16 | 华为技术有限公司 | 一种媒体内容的传输方法及装置 |
CN102811453A (zh) * | 2012-08-17 | 2012-12-05 | 武汉大学 | 一种工业无线网状网络多径路由的选路判定方法 |
CN103731921A (zh) * | 2013-12-13 | 2014-04-16 | 重庆邮电大学 | 一种基于太赫兹超高速无线网络的mac接入方法 |
CN105264845A (zh) * | 2014-05-08 | 2016-01-20 | 华为技术有限公司 | 数据传输控制节点、通信系统及数据传输管理方法 |
CN104506453A (zh) * | 2014-12-24 | 2015-04-08 | 中国科学院声学研究所 | 一种面向用户体验质量的码率分配方法 |
CN104935524A (zh) * | 2015-06-17 | 2015-09-23 | 华中科技大学 | 一种多径网络基于链路时延控制的软负载均衡方法 |
WO2018082536A1 (zh) * | 2016-11-02 | 2018-05-11 | 中兴通讯股份有限公司 | 一种tcp延时处理方法、装置、系统及其计算机存储介质 |
CN106714263A (zh) * | 2016-12-01 | 2017-05-24 | 中国南方电网有限责任公司调峰调频发电公司 | 无线传感网络aodv路由协议实现系统及方法 |
CN108259364A (zh) * | 2016-12-29 | 2018-07-06 | 中国移动通信集团浙江有限公司 | 一种网络拥塞确定方法及装置 |
CN108737264A (zh) * | 2017-04-19 | 2018-11-02 | 腾讯科技(深圳)有限公司 | 一种数据传输方法及装置 |
CN108696449A (zh) * | 2018-05-09 | 2018-10-23 | 清华大学 | 一种数据调度方法及装置 |
CN110166174A (zh) * | 2019-05-16 | 2019-08-23 | 京信通信系统(中国)有限公司 | 链路自适应方法、装置、接入网设备和存储介质 |
CN110662256A (zh) * | 2019-09-18 | 2020-01-07 | 北京交通大学 | 多路径跨协议传输的数据包调度方法及系统 |
CN110784399A (zh) * | 2019-11-04 | 2020-02-11 | 海南大学 | 一种mptcp网络多路径优化组合传输方法及系统 |
CN111277502A (zh) * | 2020-01-20 | 2020-06-12 | 北京红云融通技术有限公司 | 多链路聚合传输数据的方法及发送设备 |
Non-Patent Citations (4)
Title |
---|
MO一PR:Message一Oriented Partial一Reliability MPTCP for Real一time Multimedia Transmission in Wireless Networks;Jiuren Qin;2018 14th International Wireless Communications & Mobile Computing Conference (IWCMC);全文 * |
QoS-driven Path Selection for MPTCP: A Scalable SDN-assisted Approach;Kai Gao;2019 IEEE Wireless Communications and Networking Conference (WCNC);全文 * |
宋丽华;陈鸣;王海涛;熊焕.用于不可靠单播流的拥塞控制算法.通信学报.2008,(第02期),全文. * |
用于不可靠单播流的拥塞控制算法;宋丽华;陈鸣;王海涛;熊焕;;通信学报(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112054966A (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112054966B (zh) | 多路传输数据调度方法、装置及设备 | |
US8391145B2 (en) | Method and apparatus for improving performance in a network using a virtual queue and a switched poisson process traffic model | |
CN111919423B (zh) | 网络通信中的拥塞控制 | |
CN106160953B (zh) | 一种基于学习型能效模型的传输方法 | |
CN103329492B (zh) | 在网络元件的芯片上缓冲存储器中实现周期性早期丢弃的系统和方法 | |
CA2915487C (en) | Method for performing a bandwidth test for comminications from a first network station to a second network station of a communication network and corresponding apparatuses for performing the method steps and corresponding computer program products | |
CN103259696A (zh) | 网络带宽检测方法、装置及网络设备 | |
WO2013075489A1 (zh) | 检测报文心跳周期的自适应方法和装置 | |
WO2021098730A1 (zh) | 交换网络拥塞管理方法、装置、设备和存储介质 | |
CN104092625A (zh) | 一种用于dcn中的自适应请求分批调度方法 | |
CN113271256B (zh) | 一种信息年龄多路径传输方法及系统 | |
US10608930B2 (en) | Network statistics estimation and prediction | |
CN107682235A (zh) | 一种基于卡尔曼滤波的传输时延预测数据调度方法 | |
CN111901237B (zh) | 源路由选路方法及系统、相关设备及计算机可读存储介质 | |
US11811662B2 (en) | Determination of an inflection point in congestion of a network path | |
CN115996403A (zh) | 5g工业时延敏感业务资源调度方法、装置、电子设备 | |
CN114448838B (zh) | 系统可靠度评估方法 | |
JPWO2022138232A5 (zh) | ||
CN112019443A (zh) | 多路径数据传输方法及装置 | |
Kalav et al. | Congestion control in communication network using RED, SFQ and REM algorithm | |
KR101643552B1 (ko) | 통신시스템에서 네트워크 경로들의 가용 밴드위스 및 캐패시티를 추정하는 장치 및 방법 | |
JP5436473B2 (ja) | 帯域算出方法及び装置 | |
Balogh et al. | Mean bandwidth allocation model of WRR for IP networks | |
Grochla | Simulation comparison of active queue management algorithms in TCP/IP networks | |
Guo et al. | Traffic Shaping in IoT Networks using GNN and MAB with SDN Orchestration |
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 |