CN113300969B - 基于场景变化的拥塞控制切换方法、存储介质和电子设备 - Google Patents

Abstract

本发明公开了一种基于场景变化的拥塞控制切换方法、存储介质和电子设备，该方法包括：获取网络拥塞参数；根据网络拥塞参数决策获取满足网络拥塞参数的最优拥塞控制算法；切换当前网络环境下的拥塞控制算法至最优拥塞控制算法；执行最优拥塞控制算法，以使网络性能达到最优性能。本发明通过将当前网络环境的拥塞控制算法切换为与当前网络环境参数匹配的最优拥塞控制算法，以提升网络性能，使得网络指标数据吞吐量、时延、收敛性、公平性以及可解释性和TCP友好性均能满足预期要求。

Description

基于场景变化的拥塞控制切换方法、存储介质和电子设备

技术领域

本发明涉及计算机网络技术领域，尤其涉及一种基于场景变化的拥塞控制切换方法、存储介质和电子设备。

背景技术

网络拥塞的定义是在一段时间内，若对网络中某一资源的需求超过了该资源所能提供的可用部分，网络性能则会变坏，这种情况就叫做网络拥塞。在计算机网络中链路容量(即带宽)、交换结点中的缓存和处理机等，都是网络的资源。若出现网络拥塞而不进行控制，整个网络的性能将随输入负荷的增大而急剧下降。当输入的负载到达一定程度时，吞吐量不会增加，网络的吞吐量维持在其所能控制的最大值，转发节点的缓存不够大造成数据包的丢失，这是拥塞的征兆。

TCP(Transmission Control Protocol，传输控制协议)拥塞控制是网络传输的传统问题，也是核心问题。传统的TCP拥塞控制算法通过慢启动、拥塞避免、快速重传和快速恢复来调整拥塞窗口在避免拥塞的情况下实现吞吐量的最大化。

当前，人工智能领域发展迅猛，无论是在学术界还是工业界，包含机器学习、深度学习、强化学习等AI(Artificial Intelligence，人工智能)方法正越来越多地被应用于解决各种实际问题，并在人脸识别、机器翻译、自动驾驶、工业机器人等一系列领域取得了相当显著的成果。

近年来，许多学者开始将人工智能方法用于TCP拥塞控制的领域，并取得了一定的成果，但尚无法达到替代传统方法的程度。其主要原因在于，基于 AI(ArtificialIntelligence，人工智能)的拥塞控制方法在不同场景下仍然存在着一定的不足。

例如，在基于强化学习的拥塞控制算法中，Aurora虽然取得了较好的吞吐量，但牺牲了收敛性和公平性，而Orca为了解决收敛性和强化学习的可解释性问题，不得不在吞吐量和时延指标上作出让步。而对于目前研究的主流，即 BBR、PCC、Copa等相对轻量级基于人工智能的拥塞控制方法而言，虽然它们的可解释性很强，且在一定场景下能够实现较高的网络性能，但普遍存在 TCP友好性的问题，同时在某些特定场景下性能表现会出现断崖式下滑。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一，即相关技术中的拥塞控制算法存在网络指标如数据吞吐量、时延、收敛性、公平性以及可解释性和TCP友好性不能同时兼顾的问题。为此，本发明的第一个目的在于提出一种基于场景变化的拥塞控制切换方法，以通过将当前网络环境的拥塞控制算法切换为与当前网络环境参数匹配的最优拥塞控制算法，以提升网络性能，使得网络指标数据吞吐量、时延、收敛性、公平性以及可解释性和TCP 友好性均能满足预期要求。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种电子设备。

为达到上述目的，本发明第一方面提出了一种基于场景变化的拥塞控制切换方法，包括以下步骤：S1，获取网络拥塞参数；S2，根据所述网络拥塞参数决策获取满足所述网络拥塞参数的最优拥塞控制算法；S3，切换当前网络环境下的拥塞控制算法至所述最优拥塞控制算法；S4，执行所述最优拥塞控制算法，以使网络性能达到最优性能。

可选地，所述步骤S1中的所述网络拥塞参数包括网络环境参数和决策参数；所述网络环境参数包括链路带宽参数、网络延迟参数和随机丢包率参数中的至少一种；所述决策参数包括决策阈值c和决策档位数n。

可选地，在执行所述步骤S1之前，所述方法还包括步骤S5，所述步骤 S5具体包括：S5.1，分别获取初始设置的m个链路带宽参数、网络延迟参数和随机丢包率参数，其中，m＞1；S5.2，根据m个所述链路带宽参数、网络延迟参数和随机丢包率参数组合枚举得到多个网络场景；S5.3，对每一所述网络场景进行仿真实验，得到与每一所述网络场景相匹配的最优拥塞控制算法。

可选地，所述步骤S1具体包括：获取当前网络环境的第一链路带宽参数、第一网络延迟参数、第一随机丢包率参数，以及对应的决策阈值c和决策档位数n。

可选地，所述步骤S2具体包括：S2.1，根据所述当前网络环境的第一链路带宽参数、所述第一网络延迟参数、所述第一随机丢包率参数，以及对应的所述决策阈值c和所述决策档位数n得到第二链路带宽参数、第二网络延迟参数和第二随机丢包率参数；S2.2，根据所述第二链路带宽参数、所述第二网络延迟参数和所述第二随机丢包率参数决策获取满足所述网络拥塞参数的最优拥塞控制算法。

可选地，所述步骤S2.1具体包括：S2.1.1，根据所述决策档位数n分别从所述m个链路带宽参数、网络延迟参数和随机丢包率参数中获取n个链路带宽参数、网络延迟参数和随机丢包率参数；S2.1.2，从所述n个链路带宽参数中获取与所述第一链路带宽参数最为临近的两个链路带宽参数Bi和B_i+1，其中，Bi小于所述第一链路带宽参数，B_i+1大于所述第一链路带宽参数；从所述 n个网络延迟参数中获取与所述第一网络延迟参数最为临近的两个网络延迟参数Di和D_i+1，其中，Di小于所述第一网络延迟参数，D_i+1大于所述第一网络延迟参数；从所述n个随机丢包率参数中获取与所述第一随机丢包率参数最为临近的两个随机丢包率参数Li和L_i+1，其中，Li小于所述第一随机丢包率参数，L_i+1大于所述随机丢包率参数；S2.1.3，根据所述第一链路带宽参数、 Bi、B_i+1和所述决策阈值c计算得到所述第二链路带宽参数；根据所述第一网络延迟参数、Di、D_i+1和所述决策阈值c计算得到所述第二网络延迟参数；根据所述第一随机丢包率参数、Li、L_i+1和所述决策阈值c计算得到所述第二随机丢包率参数。

可选地，所述步骤S2.1.3包括：S2.1.3.1，根据所述第一链路带宽参数、 Bi和B_i+1计算得到对应所述第一链路带宽参数的实际决策值c1；根据所述第一网络延迟参数、Di和D_i+1计算得到对应所述第一网络延迟参数的实际决策值c2；根据所述第一随机丢包率参数、Li和L_i+1计算得到对应所述第一随机丢包率参数的实际决策值c3；S2.1.3.2，当所述c1满足0≤c1＜c条件时，将所述Bi设定为第二链路带宽参数，否则，将所述B_i+1设定为第二链路带宽参数；当所述c2满足0≤c2＜c条件时，将所述Di设定为第二网络延迟参数，否则，将所述D_i+1设定为第二网络延迟参数；当所述c3满足0≤c3＜c条件时，将所述Li设定为第二随机丢包率参数，否则，将所述L_i+1设定为第二网络延迟参数。

可选地，所述步骤S2.2具体包括：根据所述第二链路带宽参数、所述第二网络延迟参数和所述第二随机丢包率参数得到对应的网络场景，并决策获取与所述网络场景相匹配的对应的最优拥塞控制算法。

本发明至少具有以下优点：

本发明在模拟了实际网络环境的变化情况后，将当前网络环境的拥塞控制算法切换为与当前网络环境参数匹配的最优拥塞控制算法，从而可提升网络性能，使得网络指标如数据吞吐量、时延、收敛性、公平性以及可解释性和TCP 友好性均能满足预期要求，进而使得在网络环境不断变化的情况下，该方法能够比使用单一的拥塞控制算法在数据吞吐量、时延性和其它指标上都具有显著的优势。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1为本发明一实施例提供的基于场景变化的拥塞控制切换方法的流程图；

图2为本发明一实施例提供的基于场景变化的拥塞控制切换系统架构图；

图3为本发明一实施例提供的最优拥塞控制算法决策获取流程图；

图4(a)-4(d), 图 5(a)-5(d), 图 6(a)-6(d) 分别为本发明一实施例提供的第1-3组实验原方案与新方案的吞吐量和时延比较示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本实施例的基于场景变化的拥塞控制切换方法、存储介质和电子设备。

参考图1所示，本实施例提供的一种基于场景变化的拥塞控制切换方法包括以下步骤：

步骤S1，获取网络拥塞参数。

其中，步骤S1中的网络拥塞参数包括网络环境参数和决策参数；网络环境参数包括链路带宽参数、网络延迟参数和随机丢包率参数中的至少一种；决策参数包括决策阈值c和决策档位数n。

具体地，如图2所示，本实施例的基于场景变化的拥塞控制切换方法适用于基于场景变化的拥塞控制切换系统。该系统可包括监控模块、场景感知模块、拥塞控制决策模块和流产生模块。其中，场景感知模块用于感知链路带宽参数、网络延迟参数和随机丢包率参数。拥塞控制决策模块用于根据网络环境参数和决策参数决策获取下一时刻的最优拥塞控制算法。流产生模块用于在执行该最优拥塞控制算法后得到网络性能指标对应的数据。监控模块用于向拥塞控制决策模块提供用于决策得到最优拥塞控制算法的决策阈值c和决策档位数n，且还用于监控流产生模块执行该最优拥塞控制算法后的网络性能，如对性能指标数据吞吐量和时延进行监测，以检测网络性能是否得到提升。

在执行步骤S1之前，该方法还包括步骤S5，步骤S5具体包括：

S5.1，分别获取初始设置的m个链路带宽参数、网络延迟参数和随机丢包率参数，其中，m＞1。

S5.2，根据m个链路带宽参数、网络延迟参数和随机丢包率参数组合枚举得到多个网络场景。

S5.3，对每一网络场景进行仿真实验，得到与每一网络场景相匹配的最优拥塞控制算法。

具体地，在执行步骤S1之前，可初始设置链路带宽参数和网络延迟参数，并设置链路带宽参数的变化范围在1Mbps-100Mbps，备选档位有1Mbps、 5Mbps、20Mbps和100Mbps，延迟的变化范围为1ms-500ms，备选档位有1ms、 10ms、100ms和500ms，随机丢包率参数的变化范围为0％-1％，备选档位有 0％、0.1％、0.5％和1％，显然本实施例中m＝4，根据上述参数可枚举组合得到多个网络场景。然后，在这些场景下进行大量的仿真实验，可得到已有的轻量级基于学习的拥塞控制算法即BBR、PCC-Vivace和Copa在各场景下的性能表现，性能指标包括方案的吞吐量与时延，同时也考虑了方案的公平性与TCP 友好性。对以上性能表现进行比较与总结，可得到与各网络场景所匹配的最优拥塞控制算法，如附表1-附表3所示。

附表1考察吞吐量时的最优拥塞控制算法

附表2考察时延时的最优拥塞控制算法

附表3考察公平性和TCP友好性时的最优拥塞控制算法

在获取上述附表后，步骤S1具体包括：获取当前网络环境的第一链路带宽参数B、第一网络延迟参数D、第一随机丢包率参数L，以及对应的决策阈值c和决策档位数n。

具体地，如图2所示，场景感知模块可从网络中实时获取当前的第一链路带宽参数B、第一网络延迟参数D、第一随机丢包率参数L。监控模块可实时向拥塞控制决策模块发送决策阈值c和决策档位数n。

步骤S2，根据网络拥塞参数决策获取满足网络拥塞参数的最优拥塞控制算法。

如图2所示，拥塞控制决策模块可根据网络拥塞参数决策获取满足网络拥塞参数的最优拥塞控制算法。

步骤S2具体包括：

S2.1，根据当前网络环境的第一链路带宽参数、第一网络延迟参数、第一随机丢包率参数，以及对应的决策阈值c和所述决策档位数n得到第二链路带宽参数、第二网络延迟参数和第二随机丢包率参数。

其中，步骤S2.1具体包括：

S2.1.1，根据决策档位数n分别从m个链路带宽参数、网络延迟参数和随机丢包率参数中获取n个链路带宽参数、网络延迟参数和随机丢包率参数。

S2.1.2，从n个链路带宽参数中获取与第一链路带宽参数最为临近的两个链路带宽参数Bi和B_i+1，其中，Bi小于第一链路带宽参数，B_i+1大于第一链路带宽参数；从n个网络延迟参数中获取与第一网络延迟参数最为临近的两个网络延迟参数Di和D_i+1，其中，Di小于第一网络延迟参数，D_i+1大于第一网络延迟参数；从n个随机丢包率参数中获取与第一随机丢包率参数最为临近的两个随机丢包率参数Li和L_i+1，其中，Li小于第一随机丢包率参数，L_i+1大于随机丢包率参数；

S2.1.3，根据第一链路带宽参数、Bi、B_i+1和决策阈值c计算得到第二链路带宽参数；根据第一网络延迟参数、Di、D_i+1和决策阈值c计算得到第二网络延迟参数；根据第一随机丢包率参数、Li、L_i+1和决策阈值c计算得到第二随机丢包率参数。

步骤S2.1.3包括：

S2.1.3.1，根据第一链路带宽参数、Bi和B_i+1计算得到对应第一链路带宽参数的实际决策值c1；根据第一网络延迟参数、Di和D_i+1计算得到对应第一网络延迟参数的实际决策值c2；根据第一随机丢包率参数、Li和L_i+1计算得到对应第一随机丢包率参数的实际决策值c3；

S2.1.3.2，当c1满足0≤c1＜c条件时，将Bi设定为第二链路带宽参数，否则，将B_i+1设定为第二链路带宽参数；当c2满足0≤c2＜c条件时，将Di 设定为第二网络延迟参数，否则，将D_i+1设定为第二网络延迟参数；当c3满足0≤c3＜c条件时，将Li设定为第二随机丢包率参数，否则，将L_i+1设定为第二网络延迟参数。

S2.2，根据第二链路带宽参数、第二网络延迟参数和第二随机丢包率参数决策获取满足网络拥塞参数的最优拥塞控制算法。

步骤S2.2具体包括：

根据第二链路带宽参数、第二网络延迟参数和第二随机丢包率参数得到对应的网络场景，并决策获取与网络场景相匹配的对应的最优拥塞控制算法。

步骤S3，切换当前网络环境下的拥塞控制算法至所述最优拥塞控制算法。

步骤S4，执行所述最优拥塞控制算法，以使网络性能达到最优性能。

具体地，可在枚举的多种实验网络场景的基础上，为每一个网络场景的链路带宽参数和网络延迟参数设定一个连续的波动范围，当实际网络的链路带宽参数与网络延迟参数落在范围内时，将其识别为特定的网络场景，而当监测模块监测到实时的链路带宽参数或网络延迟参数超出了指定范围时，根据其所属的新的范围，识别得到下一个网络场景，并触发拥塞控制算法的切换。

对于实时的链路带宽参数或网络延迟参数所应落在的范围，以链路带宽参数为例，基于前述实验中各带宽值正好分别间隔约5倍，考虑将带宽值取以5 为底的对数，当实时链路带宽参数落在某两个前述实验链路带宽参数值的范围内时，若其超出前一链路带宽参数值在一定范围内，则判定为前一链路带宽参数值所对应的网络场景，否则判定为后一链路带宽参数值所对应的网络场景。

具体地，在场景感知模块中，将上述3个网络环境参数输入拥塞控制决策模块。此外，监控模块将决策阈值c和决策档位数n输入拥塞控制决策模块，其中c是(0，1)之间的常数，表示网络环境指标变化的幅度。对于每个网络环境参数，n表示可供选择的参数值的数量，单次实验的c值和n值固定。网络环境指标通常以超出上一数量级的一半为分界线，因此默认取c＝0.5。如上所述，在已有方案的性能测试中，所测试的链路带宽参数、网络延迟参数、随机丢包率参数三项环境指标分别都为4种，因此默认取n＝4。拥塞控制决策模块则根据图3的算法求出下一时刻的最优拥塞控制算法，将其传给流产生模块。流产生模块根据新的最优拥塞控制算法产生流，并将吞吐量和时延实时回报给监测模块。

作为一个示例，如图3所示，可实时获取当前的第一链路带宽参数B、第一网络延迟参数D、第一随机丢包率参数L以及决策阈值c和决策档位数n。然后根据决策档位数n，从测试已有方案性能的实验所用到的m个链路带宽参数中选取n个链路带宽参数B₁、B₂，……，B_n，其中，B₁为带宽范围的最小值，B_n为带宽范围最大的值。对于B₁、B₂，……，B_n中的每个Bi，如果第一链路带宽参数B介于Bi和B_i+1之间，且B满足根据其计算出的实际决策值c1 小于决策阈值c，即B超过上一链路带宽参数Bi的数量级的幅度不到c，则将 Bi设定为第二链路带宽参数B’，否则，B超过上一链路带宽参数Bi的数量级的幅度大于c，则将B_i+1设定为第二链路带宽参数B’。类似的，按照相同的方法可求出决策后的第二网络延迟参数D’和第二随机丢包率参数L’。最后，根据第二链路带宽参数B’、第二网络延迟参数D’和第二随机丢包率参数L^’由附表1-3决策获取当前最优的拥塞控制算法，并输出最优的拥塞控制算法。

以上述初始设置的链路带宽参数和网络延迟参数及随机丢包率参数为例，可在实验中设置对照组与实验组，对照组一直使用初始链路带宽参数和网络延迟参数下的最优拥塞控制算法，实验组则根据监测模块实时监测到的当前的链路带宽参数与网络延迟参数，确定其所落在的范围来决定所应切换的拥塞控制算法，全过程统计对照组和实验组的吞吐量与时延。

具体地，可进行3组实验，实验时长均为500s，每组实验除开始和结束的时刻外，随机生成4个时刻，当实验进行到这些时刻时，网络环境参数即链路带宽参数、网络延迟参数和随机丢包率参数发生随机的改变，模拟实际网络环境的变化。3组实验起始的链路带宽参数都为5Mbps，网络延迟参数都为 10ms，随机丢包率参数都为0％。在以数据吞吐量为考察指标时，对照组全程使用Copa算法作为拥塞控制算法，而实验组初始状态使用Copa，其后根据网络环境的变化自行切换拥塞控制算法。若以时延为考察指标，则对照组应全程使用PCC-Vivace，实验组同理，初始状态使用PCC-Vivace，之后根据环境进行切换。实验中取常数c为0.5。

3组实验随机生成的4个时刻t1、t2、t3和t4，在这些时刻网络环境发生的随机变化，以及求出在考察吞吐量和时延所对应分别切换到的拥塞控制算法如下附表4所示：

附表4 3组实验随机产生的环境参数及所求得的拥塞控制算法

实验结果如图4(a)-4( d ) 所示，图4(a)是第1组实验以数据吞吐量为性能指标的实验结果。图4(c)为第1组实验以数据吞吐量为性能指标的数据直方图。在8s、243s、364s、445s时网络发生变化。从实验结果我们可以得到，8s-243s 这一过程中由于拥塞控制算法没有改变，因此数据吞吐量没有增加。而在第 243s到第364s时，拥塞控制算法切换为BBR，此过程中新方案的平均吞吐为 44.06Mbps，比原方案的43.75Mbps高出了0.7％。此后，在364s-445s这个过程中，新方案的平均吞吐量达到了6.793Mbps，高出原方案的6.681Mbps达 16.8％。而在445s到实验结束时，新方案同样取得了更高的平均吞吐量，为 4.88Mbps，而原方案为4.762Mbps。

时延如图4(b)所示，从第243s到第364s这个过程中，新方案的平均时延为17.76ms，比原方案20.73ms显著降低了14.3％。此外，在445s-500s这个过程中，新方案的平均时延也比原方案低了2.01ms，降幅达4.2％。图4(d) 为第1组实验对应的时延数据直方图。

图5(a)是第2组实验以数据吞吐量为性能指标的实验结果。图5(c) 为第2组实验以数据吞吐量为性能指标的数据直方图。从实验结果中我们可以看到，基于场景切换的拥塞控制方案在0s-178s没有显著的优势，但从第178s 开始取得比原方案更高的吞吐量，尤其是从第285s到第438s时，新方案 328.9Mbps的平均吞吐量比原方案的247.8Mbps高出了32.7％之多。

图5(b)是第2组实验以时延为性能指标的实验结果。我们可以观察到，在178s-285s时，新方案比原方案的平均时延略增加了10％。但在438s-500s 时，基于场景切换的拥塞控制方案的时延有显著降低，从原来的78.3ms降为 21.18ms，降幅多达73％。图5(d)为第2组实验对应的时延数据直方图。

如图6(a)和图6(c)所示，在第139s到第368s这个过程中，新方案切换到的BBR取得了167.3Mbps的平均吞吐量，比原方案的161.7Mbps高出了3.5％。但从第447s到实验结束的过程中，新方案使用的PCC-Vivace的平均吞吐量比原方案略低了8Mbps。

如图6(b)和图6(d)所示，基于场景变化的新方案从50s到447s的时延都有显著降低，其中50s-139s这一过程降低的幅度最大，从61.48ms降为44.55ms，降幅达到了27.5％。在139s-368s以及368s-447s的时延降低量分别有10.79ms和3.62ms，降幅分别为18.7％和11.3％。

从以上3组实验中，我们可以得出清晰的结论：在网络环境随机变化的情况下，相较于使用单一拥塞控制方案，基于场景变化的拥塞控制切换方法在吞吐量和时延上都能取得明显的性能优势。

本实施例的基于场景变化的拥塞控制切换方法在模拟了实际网络环境的变化情况后，将当前网络环境的拥塞控制算法切换为与当前网络环境参数匹配的最优拥塞控制算法，从而可提升网络性能，使得网络指标如数据吞吐量、时延、收敛性、公平性以及可解释性和TCP友好性均能满足预期要求，进而使得在网络环境不断变化的情况下，该方法能够比使用单一的拥塞控制算法在数据吞吐量、时延性和其它指标上都具有显著的优势。

需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器 (EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于场景变化的拥塞控制切换方法，其特征在于，包括以下步骤：

S1，获取网络拥塞参数；

S2，根据所述网络拥塞参数决策获取满足所述网络拥塞参数的最优拥塞控制算法；

S3，切换当前网络环境下的拥塞控制算法至所述最优拥塞控制算法；

S4，执行所述最优拥塞控制算法，以使网络性能达到最优性能；

所述步骤S1中的所述网络拥塞参数包括网络环境参数和决策参数；所述网络环境参数包括链路带宽参数、网络延迟参数和随机丢包率参数中的至少一种；所述决策参数包括决策阈值c和决策档位数n；

在执行所述步骤S1之前，所述方法还包括步骤S5，所述步骤S5具体包括：

S5.1，分别获取初始设置的m个链路带宽参数、网络延迟参数和随机丢包率参数，其中，m＞1；

S5.2，根据m个所述链路带宽参数、网络延迟参数和随机丢包率参数组合枚举得到多个网络场景；

S5.3，对每一所述网络场景进行仿真实验，得到与每一所述网络场景相匹配的最优拥塞控制算法。

2.如权利要求1所述的基于场景变化的拥塞控制切换方法，其特征在于，所述步骤S1具体包括：获取当前网络环境的第一链路带宽参数、第一网络延迟参数、第一随机丢包率参数，以及对应的决策阈值c和决策档位数n。

3.如权利要求2所述的基于场景变化的拥塞控制切换方法，其特征在于，所述步骤S2具体包括：

S2.1，根据所述当前网络环境的第一链路带宽参数、所述第一网络延迟参数、所述第一随机丢包率参数，以及对应的所述决策阈值c和所述决策档位数n得到第二链路带宽参数、第二网络延迟参数和第二随机丢包率参数；

S2.2，根据所述第二链路带宽参数、所述第二网络延迟参数和所述第二随机丢包率参数决策获取满足所述网络拥塞参数的最优拥塞控制算法。

4.如权利要求3所述的基于场景变化的拥塞控制切换方法，其特征在于，所述步骤S2.1具体包括：

S2.1.1，根据所述决策档位数n分别从所述m个链路带宽参数、网络延迟参数和随机丢包率参数中获取n个链路带宽参数、网络延迟参数和随机丢包率参数；

S2.1.2，从所述n个链路带宽参数中获取与所述第一链路带宽参数最为临近的两个链路带宽参数Bi和B_i+1，其中，Bi小于所述第一链路带宽参数，B_i+1大于所述第一链路带宽参数；从所述n个网络延迟参数中获取与所述第一网络延迟参数最为临近的两个网络延迟参数Di和D_i+1，其中，Di小于所述第一网络延迟参数，D_i+1大于所述第一网络延迟参数；从所述n个随机丢包率参数中获取与所述第一随机丢包率参数最为临近的两个随机丢包率参数Li和L_i+1，其中，Li小于所述第一随机丢包率参数，L_i+1大于所述随机丢包率参数；

S2.1.3，根据所述第一链路带宽参数、Bi、B_i+1和所述决策阈值c计算得到所述第二链路带宽参数；根据所述第一网络延迟参数、Di、D_i+1和所述决策阈值c计算得到所述第二网络延迟参数；根据所述第一随机丢包率参数、Li、L_i+1和所述决策阈值c计算得到所述第二随机丢包率参数。

5.如权利要求4所述的基于场景变化的拥塞控制切换方法，其特征在于，所述步骤S2.1.3包括：

S2.1.3.1，根据所述第一链路带宽参数、Bi和B_i+1计算得到对应所述第一链路带宽参数的实际决策值c1；根据所述第一网络延迟参数、Di和D_i+1计算得到对应所述第一网络延迟参数的实际决策值c2；根据所述第一随机丢包率参数、Li和L_i+1计算得到对应所述第一随机丢包率参数的实际决策值c3；

S2.1.3.2，当所述c1满足0≤c1＜c条件时，将所述Bi设定为第二链路带宽参数，否则，将所述B_i+1设定为第二链路带宽参数；当所述c2满足0≤c2＜c条件时，将所述Di设定为第二网络延迟参数，否则，将所述D_i+1设定为第二网络延迟参数；当所述c3满足0≤c3＜c条件时，将所述Li设定为第二随机丢包率参数，否则，将所述L_i+1设定为第二随机丢包率参数。

6.如权利要求5所述的基于场景变化的拥塞控制切换方法，其特征在于，所述步骤S2.2具体包括：

根据所述第二链路带宽参数、所述第二网络延迟参数和所述第二随机丢包率参数得到对应的网络场景，并决策获取与所述网络场景相匹配的对应的最优拥塞控制算法。

7.一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，所述计算机程序在被处理器执行时，实现如权利要求1-6中任一项所述的基于场景变化的拥塞控制切换方法。

8.一种电子设备，包括存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-6中任一项所述的基于场景变化的拥塞控制切换方法。

Images