CN113783756B - 一种基于cbs整形机制的流量排队的网络性能评估方法 - Google Patents

一种基于cbs整形机制的流量排队的网络性能评估方法 Download PDF

Info

Publication number
CN113783756B
CN113783756B CN202111140600.4A CN202111140600A CN113783756B CN 113783756 B CN113783756 B CN 113783756B CN 202111140600 A CN202111140600 A CN 202111140600A CN 113783756 B CN113783756 B CN 113783756B
Authority
CN
China
Prior art keywords
class
type
traffic
flow
curve
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
CN202111140600.4A
Other languages
English (en)
Other versions
CN113783756A (zh
Inventor
何锋
李二帅
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
Publication of CN113783756A publication Critical patent/CN113783756A/zh
Application granted granted Critical
Publication of CN113783756B publication Critical patent/CN113783756B/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
    • 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
    • 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
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • 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
    • 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
    • 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
    • H04L47/21—Flow control; Congestion control using leaky-bucket
    • 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
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于CBS整形机制的流量排队的网络性能评估方法，该方法是对建设中的TSN网络进行网络性能评估。本发明分析了CBS整形机制对流量传输产生的约束作用，针对TSN网络基于TAS机制进行CDT类型流量的发送，将CDT类型流量分配的时间槽考虑为漏桶模型，经构建的CBS整形机制下Class A与Class B类型流量的到达曲线和网络节点的服务曲线，分别计算了Class A与Class B类型流量的最大延迟值，以及Class A与Class B类型流量排队时队列的最大积压量。通过本发明方法，能够降低CBS整形机制下流量排队造成的网络延迟，从而为建设中的TSN网络的优化提供指导。

Description

一种基于CBS整形机制的流量排队的网络性能评估方法
技术领域
本发明涉及对航电系统机载网络的网络性能评估，更特别地说，是应用交换网络流量排队，采用CBS(信用量整形)与TSN(时间敏感网络)组合对航空电子全双工交换式以太网的网络性能评估，从而完成最大延迟值和最大积压量的网络性能评估。
背景技术
航空电子的英文Avionics来源于Aviation和Electronics两个词，表示航空和电子学两个学科领域的结合，是把电子技术应用于航空领域的一门学科。航空电子系统(Avionics System)是飞机的“大脑”和“神经中枢”，随着作战环境的复杂化和飞机任务使命的拓展，航空电子系统已经成为世界公认的最复杂的实时系统。当前，航空电子设备的制造成本在军用飞机方面已占整机总成本的40％以上，在民用飞机方面也占到20％。而机载网络(Airborne network)是将飞机平台内的这些复杂设备、模块和部件连接起来的手段，是实现航空电子综合的一项核心支撑技术，也被称为飞机的“神经中枢”。
航空电子全双工交换式以太网(Avionics Full Duplex Switched Ethernet，AFDX)是在工业标准以太网的基础上经过适用性改造，而适用于航空电子系统互联的网络技术。AFDX互连技术已在空中客车A380和波音787中得到了成功应用。AFDX网络通过虚拟链路(Virtual Link，VL)进行消息数据流传输，AFDX网络为VL提供确定的带宽和确定的路由。VL的路径影响着虚拟链路承载消息的传输延迟，也影响着AFDX网络的流量均衡性。
网络演算(Network Calculus，NC)作为一种网络性能分析工具，按照普遍的观点可以分为确定性网络演算(Deterministic Network Calculus)和随机网络演算(Stochastic network calculus)。随机网络演算的目的是为网络提供随机服务质量保障，要考虑网络数据流(Network data flow)的随机突发，自相识等特性，以及网络信道的接入拥塞物理信道的衰落等因素。
网络演算(Network Calculus)是对网络中流量排队进行定量评估的网络性能分析方法，能够评估流量排队最坏情况下的网络性能结果，包括流量排队的最大延迟值和排队队列的最大积压量。网络演算为评估网络性能结果，定义了到达曲线α(t)(arrivalcurve)描述到达流量的上包络，定义了服务曲线β(t)(service curve)描述网络节点对具有不同服务质量需求的流量的最小服务能力。针对流量传输经过网络节点时，由于到达的不确定性而导致的网络性能评估结果的不确定性，网络演算中将到达曲线和服务曲线的最大水平距离评估为流量排队的最大延迟值，将到达曲线和服务曲线的最大垂直距离评估为排队队列的最大积压量，从而得到流量排队最坏情况下的网络性能评估结果。
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(Credit BasedShaping，CBS)等机制保障低延迟的音视频流服务。
时间敏感网络(Time-Sensitive Networking，TSN)是IEEE在继承了AVB网络中音视频流量实时传输方案的基础上，用于进一步扩展确定性以太网(Ethernet)的应用需求和适用范围的网络协议。TSN致力于在网络的数据链路层提供一种通用的时间敏感机制，用于解决具有不同服务质量需求的网络流量进行混合传输时的时间确定性保证问题。TSN网络实现时间确定性保证的方式是采用TAS(Time Aware Shaper，时间感知整形器)机制，为具有不同服务质量需求的网络流量分配特定的时间槽(slot)，同时以门(Gate)的“开”(Open)与“关”(Close)状态的组合形成门控列表(Gate Control List，GCL)作为网络流量的调度表。在网络流量的调度表中，规定控制数据类流量的时间槽处于“开”状态之前的一段时间为“保护带”(Guard Band，GB)。在“保护带”期间，不允许新的数据帧传输，因而所有时间槽的门均处于“Close”状态。
针对流量传输经过AFDX网络设备(如图1所示结构)时，由于流量到达的不确定性而导致的网络性能评估结果的不确定性，网络性能评估的目的在于为机载设备进行网络规划设计时，提供参考与依据。在多种类型流量(Traffic Class)对网络提出了不同的服务质量需求，网络服务总需要在有限的网络资源下为多种类型的流量传输提供网络性能的确定性保证。通过网络性能评估的手段，可以预估网络整形机制能够提供的网络性能界限，从而用于设计上的匹配优化与网络服务效率的提升，使得在网络服务获得保证的前提下实现投入资源成本与结果的最大化能效。
发明内容
本发明采用网络演算方法对TSN网络的流量排队进行定量评估，构建了CBS整形机制下Class A与Class B类型流量的到达曲线和网络节点的服务曲线；然后分别计算了Class A与Class B类型流量的最大延迟值，以及Class A与Class B类型流量排队时队列的最大积压量。具体来说，本发明分析了CBS整形机制对流量传输产生的约束作用，提出了一种考虑CBS整形机制的流量传输上包络到达曲线；针对TSN网络基于TAS机制进行CDT类型流量的发送，本发明将CDT类型流量分配的时间槽考虑为漏桶模型，从而给出了网络节点传输处理Class A与Class B类型流量的服务曲线。通过本发明方法，能够降低CBS整形机制下流量排队造成的网络延迟，从而为建设中的TSN网络的优化提供指导与帮助。
本发明的一种基于CBS整形机制的流量排队的网络性能评估方法，其特征在于包括有下列步骤：
步骤一：建立网络节点基于CBS整形机制的服务曲线模型；
步骤101：从航空电子全双工交换式以太网中获取调度信息；
步骤102，依据漏桶模型获取CDT类型流量的流量到达曲线；
步骤103，计算Class A类型流量的信用量；
步骤104，计算Class A类型流量的流量值；
步骤105，计算Class B类型流量的信用量；
步骤106，计算Class B类型流量的流量值；
步骤107，计算Class A类型流量的最大信用量；
步骤108，计算Class B类型流量的最大信用量；
步骤109，获取Class A类型流量服务曲线；
步骤110，获取Class B类型流量服务曲线；
步骤二：建立网络流量的到达曲线模型；
步骤201，获取Class A类型流量的到达曲线；
步骤202，获取Class A类型流量的聚合到达曲线；
步骤203，获取Class B类型流量的到达曲线；
步骤204，获取Class B类型流量的聚合到达曲线；
步骤205，获取Class A类型流量的整形到达曲线；
步骤206，获取Class B类型流量的整形到达曲线；
步骤三：评估网络节点的网络性能；
步骤301，计算Class A类型流量的到达曲线与服务曲线的最大水平距离和最大垂直距离；
步骤302，计算Class B类型流量的到达曲线与服务曲线的最大水平距离和最大垂直距离；
本发明中调度表为具有TSN流量整形机制的航空电子全双工交换式以太网中的调度表。
本发明基于CBS整形机制的流量排队的网络性能评估方法的优点在于：
(A)本发明分析考虑了CDT类型流量存在时基于CBS整形机制的流量排队的网络性能，实现了对TSN网络中TAS机制与CBS整形机制共同作用时流量服务曲线的建模，使得到的网络性能评估结果更具有普遍性。
(B)本发明针对CBS整形机制对流量传输的约束内容，考虑了CBS整形机制不仅仅体现于网络节点基于CBS整形机制服务流量传输的服务曲线，还在于流量基于CBS整形后输出至下一跳网络节点的上包络到达曲线，并给出了网络节点输出至下一跳网络节点的Class A与Class B类型流量上包络到达曲线的最大突发量与最大稳定速率，实现了对CBS整形机制建模计算结果评估的紧性。
(C)本发明中将基于TAS机制下为进行CDT类型流量发送所分配的时间槽考虑作为漏桶模型，相比于考虑为偏置模型方法下必须设定具有基准点的方法，简化了进行网络性能评估时计算过程的复杂性。
附图说明
图1是传统航空电子全双工交换式以太网(AFDX)的元件模型图。
图2是本发明的基于CBS整形机制的流量排队的网络性能评估方法的流程图。
图2A是基于图2的一个具体实施流程图。
图3是TAS机制下传输具有不同服务质量需求的网络流量的选择过程与网络流量对应时间槽的示意图。
图4是CBS整形机制下Class A和Class B类型流量传输过程中所对应信用量变化的曲线图。
图5是本发明中分析网络节点服务曲线的示意图。
图6是本发明中分析CBS整形机制约束下Class A和Class B类型流量到达曲线的示意图。
图7是本发明中基于网络演算的到达曲线与服务曲线的示意图。
图8A是本发明仿真案例的
Figure BDA0003283757130000051
不变，
Figure BDA0003283757130000052
改变时Class A和Class B类型流量的最大延迟的结果图。
图8B是本发明仿真案例的
Figure BDA0003283757130000053
不变，
Figure BDA0003283757130000054
改变时Class A和Class B类型流量的最大积压量的结果图。
图9A是本发明仿真案例的
Figure BDA0003283757130000055
改变，
Figure BDA0003283757130000056
不变时Class A和Class B类型流量的最大延迟的结果图。
图9B是本发明仿真案例的
Figure BDA0003283757130000057
改变，
Figure BDA0003283757130000058
不变时Class A和Class B类型流量的最大积压量的结果图。
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，针对CBS整形机制下Class A类型流量和Class B类型流量的网络性能评估分析方法，建立了流量的到达曲线和网络节点的服务曲线的模型，评估得到了ClassA类型流量和Class B类型流量传输经过网络节点时流量的最大延迟值和排队队列的最大积压量结果。
在本发明中，按照网络流量对网络服务质量需求高低程度的不同，将TSN网络中的流量划分为四种优先级类型，所述流量的优先级类型从高到低的顺序依次为：CDT类型流量、Class A类型流量、Class B类型流量和BE类型流量。在标准AVB网络中，Class A类型流量是指AVB网络中的时间敏感的音频预定流。Class B类型流量是指AVB网络中的时间敏感的视频预定流。BE类型流量是指一类尽力传流。CDT类型流量是指控制数据类流量。
参见图3所示，GCL调度表中记录了TSN网络节点中不同类型流量对应门的“开”(Open)与“关”的时刻点。TAS机制通过执行GCL调度表，在各个时间槽内传输门具有“开”状态的网络流量类型。根据GCL调度表，初始情况下的网络节点在长度为T0的时间槽内仅保持CDT类型流量所对应的门为“开”状态，从而用于CDT类型流量的传输；在长度为T1的时间槽内仅保持非CDT类型流量所对应的门为“开”状态，从而用于Class A类型流量、Class B类型流量和BE类型流量的传输；网络节点为保证CDT类型流量的所对应的门处于“开”状态时，能够立刻开始CDT类型流量的传输，在非CDT类型流量所对应的时间槽之后加入一段长度为T2的时间槽作为“保护带”；最后网络节点将循环运行GCL调度表，循环周期时间长度为TTAS＝T0+T1+T2；T0表示GCL调度表中属于CDT类型流量的时间槽长度；T1表示GCL调度表中属于非CDT类型流量的时间槽长度；T2表示GCL调度表中“保护带”的时间长度。
如图4所示，Class A类型流量在网络节点中分别基于CBS整形机制计算的属于Class A类型流量信用量，记为CreditA。当Class A类型流量的传输被阻塞时，Class A类型流量的信用量将以
Figure BDA0003283757130000061
的速率增加；当Class A类型流量正在传输时，Class A类型流量的信用量将以
Figure BDA0003283757130000062
的速率减少，属于Class A类型流量两个速率参数之间的关系是
Figure BDA0003283757130000063
其中C为网络链路带宽。
如图4所示，Class B类型流量在网络节点中分别基于CBS整形机制计算的属于Class B类型流量信用量，记为CreditB。当Class B类型流量的传输被阻塞时，Class B类型流量的信用量将以
Figure BDA0003283757130000064
的速率增加；当Class B类型流量正在传输时，Class B类型流量的信用量将以
Figure BDA0003283757130000065
的速率减少，属于Class B类型流量两个速率参数之间的关系是
Figure BDA0003283757130000066
其中C为网络链路带宽。
如图4所示，在CDT类型流量所对应的时间槽和“保护带”时间槽内，Class A类型流量所对应的门为“关”状态，因而不会允许新的Class A类型流量的数据帧传输，信用量只会随着数据帧进入“保护带”之前已经开始进行传输而减少，或者信用量保持冻结不发生变化。当Class A类型流量的数据帧到达网络节点时，BE流量恰好稍早于到达时间已经开始进行传输，则Class A类型流量将在等待最大帧长为L0的BE帧传输后积累得到信用量的最大值。当Class A类型流量的信用量恰为0时开始传输最大帧长为LA的数据帧，则传输完成后Class A类型流量可获得信用量的最小值。
如图4所示，在CDT类型流量所对应的时间槽和“保护带”时间槽内，Class B类型流量所对应的门为“关”状态，因而不会允许新的Class B类型流量的数据帧传输，信用量只会随着数据帧进入“保护带”之前已经开始进行传输而减少，或者信用量保持冻结不发生变化。当Class B类型流量的数据帧到达网络节点时，BE流量恰好稍早于到达时间已经开始进行传输，则Class B类型流量将在等待最大数据帧长的BE类型流量和最大可持续传输的Class A类型流量传输完成后积累得到信用量的最大值。当Class B类型流量的信用量恰为0时开始传输最大帧长为LB的数据帧，则传输完成后Class B类型流量可获得信用量的最小值。
针对图3和图4所描述的TSN网络中CBS整形机制下Class A和Class B类型流量的传输过程，更进一步地，为利用网络演算方法对网络性能进行评估，分别在图5和图6中给出了网络节点服务曲线和流量到达曲线的建模分析示意图。
参见图2、图2A所示，本发明的一种基于CBS整形机制的流量排队的网络性能评估方法，采用网络演算对CBS整形机制下的流量排队进行最大延迟值和最大积压量的评估，评估过程有以下步骤：
在本发明中，图2所示的到达曲线描述的是流量特征。服务曲线描述的是根据整形模块得到的各个节点的服务特征。
步骤一：建立网络节点基于CBS整形机制的服务曲线模型；
步骤101：从航空电子全双工交换式以太网中获取调度信息；
从调度表中提取运行时间t、时间窗口长度信息LT、类型流量(Traffic Class)和类型流量的优先级PTC构成一条调度信息，记为MM＝(t，LT，Traffic Class，PTC)。
所述调度表为具有TSN流量整形机制的航空电子全双工交换式以太网中的调度表。
在本发明中，类型流量(Traffic Class)包括有控制数据类流量(简称为CDT类流)、时间敏感的音频预定流(简称为SR_A类流)、时间敏感的视频预定流(简称为SR_B类流)和尽力传输类型流量(简称为BE类流)。所述类型流量的优先级PTC的排序为：CDT类流>SR_A类流>SR_B类流>BE类流。
在本发明中，每一条调度信息是一个四元组信息，记为
Figure BDA0003283757130000071
由于调度表中的类型流量具有优先级关系，最高优先级的CDT类流和最低优先级的BE类流会影响SR_A类流和SR_B类流在网络中的传输行为，该传输行为将影响SR_A类流和SR_B类流在网络中的性能评估结果，故在本发明中，仅分析了SR_A类流和SR_B类流。
步骤102，依据漏桶模型获取CDT类型流量的流量到达曲线；
根据CDT类型流量发送所分配的时间槽，计算漏桶模型下CDT类型流量的到达曲线为αCDT(t)＝bCDT+rCDTt，且
Figure BDA0003283757130000081
bCDT＝rCDT×T0。
αCDT(t)表示CDT类型流量的到达曲线。
bCDT表示将发送CDT类型流量的时间槽考虑为漏桶模型下的最大稳定速率。
rCDT表示将发送CDT类型流量的时间槽考虑为漏桶模型下的最大突发量。
C表示网络链路带宽。
T0表示GCL调度表中属于CDT类型流量的时间槽长度。
T2表示GCL调度表中保护带的时间长度。
TTAS表示GCL调度表运行的循环周期时间长度。
步骤103，计算Class A类型流量的信用量；
在本发明中，考虑Class A类型流量的信用量变化经历了上升、下降和冻结三个阶段，经历时间的总长度为
Figure BDA0003283757130000082
则Class A类型流量的信用量满足公式CRE_A＝CreditA(t)-CreditA(s)，以及CDT类型流量满足条件
Figure BDA0003283757130000083
在本发明中，将Class A类型流量的上升阶段的信用量，记为
Figure BDA0003283757130000084
在本发明中，将Class A类型流量的下降阶段的信用量，记为
Figure BDA0003283757130000085
ΔtA表示Class A类型流量经历时间的总长度。
Figure BDA0003283757130000086
表示Class A类型流量的信用量上升时的时间段总长度。
Figure BDA0003283757130000087
表示Class A类型流量的信用量冻结时的时间段总长度。
Figure BDA0003283757130000088
表示Class A类型流量的信用量下降时的时间段总长度。
CRE_A表示Class A类型流量的信用量。
CreditA(t)表示Class A类型流量的输出时信用量。
CreditA(s)表示Class A类型流量在输入时信用量。
Figure BDA0003283757130000089
表示Class A类型流量信用量的增加速率。
Figure BDA00032837571300000810
表示Class A类型流量信用量的减少速率。
步骤104，计算Class A类型流量的流量值；
在区间为[s,t]的时间段内，可以计算网络节点上传输服务Class A类型流量的流量值为OO_A＝OA(t)-IA(s)，且
Figure BDA00032837571300000811
OO_A表示网络节点上传输服务Class A类型流量的流量值。
OA(t)表示Class A类型流量经过网络节点的输出时累积函数。
IA(s)表示Class A类型流量经过网络节点的输入时累积函数。初始时，所述IA(s)赋值为0。
步骤105，计算Class B类型流量的信用量；
在本发明中，考虑Class B类型流量的信用量变化同样经历了上升、下降和冻结三个阶段，经历时间的总长度为
Figure BDA0003283757130000091
则Class B类型流量的信用量满足公式CRE_B＝CreditB(t)-CreditB(s)，以及CDT类型流量满足条件
Figure BDA0003283757130000092
在本发明中，将Class B类型流量的上升阶段的信用量，记为
Figure BDA0003283757130000093
在本发明中，将Class B类型流量的下降阶段的信用量，记为
Figure BDA0003283757130000094
ΔtB表示Class B类型流量经历时间的总长度。
Figure BDA0003283757130000095
表示Class B类型流量的信用量上升时的时间段总长度。
Figure BDA0003283757130000096
表示Class B类型流量的信用量冻结时的时间段总长度。
Figure BDA0003283757130000097
表示Class B类型流量的信用量下降时的时间段总长度。
CRE_B表示Class B类型流量的信用量。
CreditB(t)表示Class B类型流量的输出时信用量。
CreditB(s)表示Class B类型流量在输入时信用量。
Figure BDA0003283757130000098
表示Class B类型流量信用量的增加速率。
Figure BDA0003283757130000099
表示Class B类型流量信用量的减少速率。
步骤106，计算Class B类型流量的流量值；
在区间为[s,t]的时间段内，可以计算网络节点上传输服务服务Class B类型流量的流量值为OO_B＝OB(t)-IB(s)，且
Figure BDA00032837571300000910
OO_B表示网络节点上传输服务Class B类型流量的流量值。
OB(t)表示Class B类型流量经过网络节点的输出时累积函数。
IB(s)表示Class B类型流量经过网络节点的输入时累积函数。初始时，所述IB(s)赋值为0。
步骤107，计算Class A类型流量的最大信用量；
在本发明中，计算Class A类型流量的信用量最大值为
Figure BDA0003283757130000101
Figure BDA0003283757130000102
表示Class A类型流量信用量的最大值。
L0表示BE类型流量的最大数据帧长。
步骤108，计算Class B类型流量的最大信用量；
在本发明中，计算Class B类型流量的信用量最大值为
Figure BDA0003283757130000103
Figure BDA0003283757130000104
表示Class B类型流量信用量的最大值。
LA表示Class A类型流量的最大数据帧长。
步骤109，获取Class A类型流量服务曲线；
如图5中实线所示，是本发明中分析网络节点处理Class A类型流量服务曲线的示意图，图中考虑CDT类型流量的传输情况，计算了Class A类型流量服务曲线中的初始延迟TA和服务速率RA，最终得到了Class A类型流量服务曲线的形式为βA(t)＝RA×(t-TA)，其中
Figure BDA0003283757130000105
上角标A代表Class A类型流量的标识符号。
βA(t)表示Class A类型流量的服务曲线。
RA表示Class A类型流量服务曲线中的服务速率。
t表示运行时间。
TA表示Class A类型流量服务曲线中的初始延迟。
C表示网络链路带宽。
Figure BDA0003283757130000106
表示Class A类型流量信用量的增加速率。
L0表示BE类型流量的最大数据帧长。
rCDT表示将发送CDT类型流量的时间槽考虑为漏桶模型下的最大突发量。
bCDT表示将发送CDT类型流量的时间槽考虑为漏桶模型下的最大稳定速率。
步骤110，获取Class B类型流量服务曲线；
如图5中虚线所示，是本发明中分析网络节点处理Class B类型流量服务曲线的示意图，图中考虑CDT类型流量的传输情况，计算了Class B类型流量服务曲线中的初始延迟TB和服务速率RB，最终得到了Class B类型流量服务曲线的形式为βB(t)＝RB×(t-TB)，其中
Figure BDA0003283757130000111
上角标B代表Class B类型流量的标识符号。
βB(t)表示Class B类型流量的服务曲线。
RA表示Class B类型流量服务曲线中的服务速率。
t表示运行时间。
TB表示Class B类型流量服务曲线中的初始延迟。
C表示网络链路带宽。
Figure BDA0003283757130000112
表示Class A类型流量信用量的增加速率。
Figure BDA0003283757130000113
表示Class A类型流量信用量的减少速率。
Figure BDA0003283757130000114
表示Class B类型流量信用量的增加速率。
L0表示BE类型流量的最大数据帧长。
LA表示Class A类型流量的最大数据帧长。
rCDT表示将发送CDT类型流量的时间槽考虑为漏桶模型下的最大突发量。
bCDT表示将发送CDT类型流量的时间槽考虑为漏桶模型下的最大稳定速率。
步骤二：建立网络流量的到达曲线模型；
如图6所示，是本发明中分析CBS整形机制约束下Class A类型流量和Class B类型流量到达曲线的示意图，图6中(a)和(b)分别为Class A和Class B类型流量在网络最坏情况下的信用量变化曲线。
在本发明中，调度表中提取的类型流量(Traffic Class)至少具有流周期和流帧长的两个特征属性。
步骤201，获取Class A类型流量的到达曲线；
在本发明中，根据Class A类型流量的特征属性，即Class A类型流量的流周期
Figure BDA0003283757130000115
和流帧长
Figure BDA0003283757130000116
以及网络链路速率C，建立的Class A类型流量的到达曲线为
Figure BDA0003283757130000117
步骤202，获取Class A类型流量的聚合到达曲线；
在本发明中，Class A类型流量的流总条数，记为M；任意一条流标记为i，且i＝1，2，…，M。当第i条的Class A类型流量在网络节点中聚合时，则Class A类型流量的流量聚合到达曲线为
Figure BDA0003283757130000121
步骤203，获取Class B类型流量的到达曲线；
在本发明中，根据Class B类型流量的特征属性，即Class B类型流量的周期
Figure BDA0003283757130000122
和帧长
Figure BDA0003283757130000123
以及网络链路速率C，建立的Class B类型流量的到达曲线为
Figure BDA0003283757130000124
步骤204，获取Class B类型流量的聚合到达曲线；
在本发明中，Class B类型流量的流总条数，记为N；任意一条流标记为j，且j＝1，2，…，N。当第j条的Class B类型流量在网络节点中聚合时，则Class B类型流量的流量聚合到达曲线为
Figure BDA0003283757130000125
步骤205，获取Class A类型流量的整形到达曲线；
在本发明中，除了对流量的特征属性与网络节点服务能力的建模，还考虑了CBS整形机制对流量传输的约束作用，并将CBS整形机制的约束作用建模为流量传输上包络曲线的最大突发量与最大稳定速率，CBS整形机制对流量传输的约束作用与流量所对应信用量的变化过程紧密相关。
CBS整形机制对Class A类型流量传输的约束作用体现在Class A类型流量输出至下一跳网络节点的上包络到达曲线上，并考虑TAS机制下为进行CDT类型流量发送所分配的时间槽，得到Class A类型流量的整形到达曲线。
Class A类型流量的整形到达曲线为
Figure BDA0003283757130000126
最终建立Class A类型流量在TSN网络中的到达曲线为
Figure BDA0003283757130000127
Figure BDA0003283757130000128
表示Class A类型流量的整形到达曲线。
Figure BDA0003283757130000129
表示Class A类型流量可持续发送的最大平均传输速率。
Figure BDA00032837571300001210
表示Class A类型流量可持续发送的最大突发量。
αA(t)表示Class A类型流量的到达曲线。
所述的
Figure BDA0003283757130000131
所述的
Figure BDA0003283757130000132
Figure BDA0003283757130000133
表示Class A类型流量可进行持续发送的周期时间长度。
tA表示Class A类型流量可持续发送的最大时间。
t0表示BE类型流量的最大帧长数据的传输时间。
L0表示BE类型流量的最大数据帧长。
LA表示Class A类型流量的最大数据帧长。
步骤206，获取Class B类型流量的整形到达曲线；
在本发明中，CBS整形机制对Class B类型流量传输的约束作用体现在Class B类型流量输出至下一跳网络节点的上包络到达曲线上，并考虑TAS机制下为进行CDT类型流量发送所分配的时间槽，得到Class B类型流量的整形到达曲线。
Class B类型流量的整形到达曲线为
Figure BDA0003283757130000134
最终建立Class B类型流量在TSN网络中的到达曲线为
Figure BDA0003283757130000135
Figure BDA0003283757130000136
表示Class B类型流量的整形到达曲线。
Figure BDA0003283757130000137
表示Class B类型流量可持续发送的最大平均传输速率。
Figure BDA0003283757130000138
表示Class B类型流量可持续发送的最大突发量。
αB(t)表示Class B类型流量的到达曲线。
所述的
Figure BDA0003283757130000139
所述的
Figure BDA0003283757130000141
Figure BDA0003283757130000142
表示Class B类型流量可进行持续发送的周期时间长度。
tB表示Class B类型流量可持续发送的最大时间。
t0表示BE类型流量的最大帧长数据的传输时间。
L0表示BE类型流量的最大数据帧长。
LA表示Class A类型流量的最大数据帧长。
LB表示Class B类型流量的最大数据帧长。
步骤三：评估网络节点的网络性能；
步骤301，计算Class A类型流量的到达曲线与服务曲线的最大水平距离和最大垂直距离；
针对Class A类型流量，利用服务曲线βA(t)和到达曲线αA(t)，能够计算得到ClassA流量排队的最大延迟值为hA，且
Figure BDA0003283757130000143
即到达曲线与服务曲线的最大水平距离。
δ表示[s,t]时间段中的任意一个时刻。
τ表示到达曲线与服务曲线相等时的最小时间差。
αA(δ)表示Class A类型流量的到达曲线在δ时刻的取值。
βA(δ+τ)表示Class A类型流量的服务曲线在(δ+τ)时刻的取值。
sup是个数学计算符，表示函数的上确界。inf是个数学计算符，表示函数的下确界。
针对Class A类型流量，利用服务曲线βA(t)和到达曲线αA(t)，能够计算得到ClassA流量排队的最大积压量为vA，且
Figure BDA0003283757130000144
即到达曲线与服务曲线的最大垂直距离。
γ表示[s,t]时间段中的任意一个时刻，时刻δ与时刻γ不是同一时刻。
αA(γ)表示Class A类型流量的到达曲线在γ时刻的取值。
βA(γ)表示Class A类型流量的服务曲线在γ时刻的取值。
步骤302，计算Class B类型流量的到达曲线与服务曲线的最大水平距离和最大垂直距离；
针对Class B类型流量，利用服务曲线βB(t)和到达曲线αB(t)，能够计算得到ClassB流量排队的最大延迟值为hB，且
Figure BDA0003283757130000151
即到达曲线与服务曲线的最大水平距离。
αB(δ)表示Class B类型流量的到达曲线在δ时刻的取值。
βB(δ+τ)表示Class B类型流量的服务曲线在(δ+τ)时刻的取值。
针对Class B类型流量，利用服务曲线βB(t)和到达曲线αB(t)，能够计算得到ClassB流量排队的最大积压量为vB，且
Figure BDA0003283757130000152
即到达曲线与服务曲线的最大垂直距离。
αB(γ)表示Class B类型流量的到达曲线在γ时刻的取值。
βB(γ)表示Class B类型流量的服务曲线在γ时刻的取值。
如图7所示，是以Class A类型流量为示例，得到本发明中建模后得到的到达曲线与服务曲线的示意图，依据服务曲线与到达曲线中的建模内容，可以得知，流量整形曲线的斜率与网络节点服务曲线的斜率相同。
图7中包括四种不同参数配置情况下，Class A类型流量受CBS整形机制约束时的整形到达曲线分别记为：第一种参数配置的网络流量的整形到达曲线
Figure BDA0003283757130000153
第二种参数配置的网络流量的整形到达曲线
Figure BDA0003283757130000154
第三种参数配置的网络流量的整形到达曲线
Figure BDA0003283757130000155
和第四种参数配置的网络流量的整形到达曲线
Figure BDA0003283757130000156
并且到达曲线
Figure BDA0003283757130000157
恰好经过流量聚合到达曲线
Figure BDA0003283757130000158
的拐点G。
在本发明中，Class A类型流量的第一种参数配置的网络流量的整形到达曲线为
Figure BDA0003283757130000159
计算得到网络节点的最大延迟值为
Figure BDA00032837571300001510
和最大积压量为
Figure BDA00032837571300001511
在本发明中，Class A类型流量的第二种参数配置的网络流量的整形到达曲线为
Figure BDA00032837571300001512
计算得到网络节点的最大延迟值为
Figure BDA00032837571300001513
和最大积压量为
Figure BDA00032837571300001514
在本发明中，Class A类型流量的第三种参数配置的网络流量的整形到达曲线为
Figure BDA00032837571300001515
计算得到网络节点的最大延迟值为
Figure BDA00032837571300001516
和最大积压量为
Figure BDA00032837571300001517
在本发明中，Class A类型流量的第四种参数配置的网络流量的整形到达曲线为
Figure BDA00032837571300001518
计算得到网络节点的最大延迟值为
Figure BDA00032837571300001519
和最大积压量为
Figure BDA00032837571300001520
实施例1
如图8A、图8B、图9A、图9B所示，是采用本发明方法的实施案例在具有TSN流量整形机制的航空电子全双工交换式以太网的单网络节点下的网络性能评估结果，图中为了说明本发明中网络性能评估方法的有效性，使用了基本的网络演算方法下的结果作为对比，基本网络演算方法中不考虑本发明中的整形曲线内容。图8A和图8B是保持
Figure BDA0003283757130000161
不变但改变
Figure BDA0003283757130000162
时Class A类型流量和Class B类型流量的最大延迟和最大积压量的结果图，图9A和图9B是保持
Figure BDA0003283757130000163
不变但改变
Figure BDA0003283757130000164
时Class A类型流量和Class B类型流量的最大延迟和最大积压量的结果图。
Figure BDA0003283757130000165
表示Class A类型流量信用量的增加速率。
Figure BDA0003283757130000166
表示Class A类型流量信用量的减少速率。
Figure BDA0003283757130000167
表示Class B类型流量信用量的增加速率。
Figure BDA0003283757130000168
表示Class B类型流量信用量的减少速率。
实施案例中，TSN网络的链路带宽C＝100Mbps，GCL调度表中的TTAS＝1000μs，CDT类型流量所对应的时间槽长度T0＝200μs，“保护带”所对应时间槽的长度为T2＝50μs，剩余的时间窗口T1用于所有非CDT类型流量的传输。同时，实施案例中设置Class A类型流量、Class B类型流量和BE类型流量的数据帧长分别为200B、800B和1200B；Class A和Class B类型流量的周期分别为1ms和2ms，流量的条数均为6条。
TTAS表示GCL调度表运行的循环周期时间长度。
T0表示GCL调度表中属于CDT类型流量的时间槽长度。
T1表示GCL调度表中属于非CDT类型流量的时间槽长度。
T2表示GCL调度表中保护带的时间长度。
图8A和图8B中的结果表明，当保持
Figure BDA0003283757130000169
不变但改变
Figure BDA00032837571300001610
时，将本发明方法下得到的最大延迟和最大积压量结果与基本网络演算方法的结果进行对比后，本发明方法中得到的网络性能评估结果更小，说明了本方法对Class A类型流量的评估的有效性，能够更接近于真实的网络性能结果。
针对图8A中Class A类型流量的最大延迟评估结果，可以发现，本发明方法中Class A类型流量的最大延迟结果并不会随着
Figure BDA00032837571300001611
的改变而发生较大变化，从而可以用于指导实际中Class A类型流量的网络参数配置。
针对图8B中Class A类型流量的最大积压量评估结果，可以发现，本发明中ClassA类型流量的最大积压量总是会随着
Figure BDA0003283757130000171
的增长而增加，说明网络配置中
Figure BDA0003283757130000172
的值越大时Class A类型流量越有可能在网络节点中进行排队，但排队的长度同时又会小于基本网络演算方法下的结果。
针对图8B中Class B类型流量的最大延迟和最大积压量评估结果，可以发现，虽然
Figure BDA0003283757130000173
保持不变，但由于Class B类型流量的优先级要低于Class A类型流量，因而Class A类型流量的
Figure BDA0003283757130000174
发生改变时，还是会对Class B类型流量的网络评估性能结果产生一定程度的影响。
图9A和图8B中的结果表明，当保持
Figure BDA0003283757130000175
不变但改变
Figure BDA0003283757130000176
时，将本发明方法下得到的最大延迟和最大积压量结果与基本网络演算方法的结果进行对比后，本发明方法中得到的网络性能评估结果更小，说明了本方法对Class B类型流量的评估的有效性，能够更接近于真实的网络性能结果。
针对图9A中Class B类型流量的最大延迟评估结果，可以发现，本发明方法中Class B类型流量的最大延迟结果并不会随着
Figure BDA0003283757130000177
的改变而发生较大变化，从而可以用于指导实际中Class B类型流量的网络参数配置。
针对图9B中Class B类型流量的最大积压量评估结果，可以发现，本发明中ClassB类型流量的最大积压量总是会随着
Figure BDA0003283757130000178
的增长而增加，说明网络配置中
Figure BDA0003283757130000179
的值越大时Class B类型流量越有可能在网络节点中进行排队，但排队的长度同时又会小于基本网络演算方法下的结果。
针对图9B中Class A类型流量的最大延迟和最大积压量评估结果，可以发现，由于Class B类型流量的优先级要低于Class A类型流量，因而Class B类型流量的
Figure BDA00032837571300001710
发生改变时，不会对Class A类型流量的网络评估性能结果产生影响。

Claims (2)

1.一种基于CBS整形机制的流量排队的网络性能评估方法，其特征在于包括有下列步骤：
步骤一：建立网络节点基于CBS整形机制的服务曲线模型；
步骤101：从航空电子全双工交换式以太网中获取调度信息；
从调度表中提取运行时间t、时间窗口长度信息LT、类型流量(Traffic Class)和类型流量的优先级PTC构成一条调度信息，记为MM＝(t，LT，Traffic Class，PTC)；
所述类型流量的优先级PTC的排序为：CDT类流>SR_A类流>SR_B类流>BE类流；
由于调度表中的类型流量具有优先级关系，最高优先级的CDT类流和最低优先级的BE类流会影响SR_A类流和SR_B类流在网络中的传输行为，该传输行为将影响SR_A类流和SR_B类流在网络中的性能评估结果，只针对SR_A类流和SR_B类流进行下述分析；
步骤102，依据漏桶模型获取CDT类型流量的流量到达曲线；
根据CDT类型流量发送所分配的时间槽，计算漏桶模型下CDT类型流量的到达曲线为αCDT(t)＝bCDT+rCDTt，且
Figure FDA0003283757120000011
bCDT＝rCDT×T0；
αCDT(t)表示CDT类型流量的到达曲线；
bCDT表示将发送CDT类型流量的时间槽考虑为漏桶模型下的最大稳定速率；
rCDT表示将发送CDT类型流量的时间槽考虑为漏桶模型下的最大突发量；
C表示网络链路带宽；
T0表示GCL调度表中属于CDT类型流量的时间槽长度；
T2表示GCL调度表中保护带的时间长度；
TTAS表示GCL调度表运行的循环周期时间长度；
步骤103，计算Class A类型流量的信用量；
Class A类型流量的经历时间的总长度为
Figure FDA0003283757120000012
则Class A 类型流量的信用量满足公式CRE_A＝CreditA(t)-CreditA(s)，以及CDT类型流量满足条件
Figure FDA0003283757120000021
将Class A类型流量的上升阶段的信用量，记为
Figure FDA0003283757120000022
将Class A类型流量的下降阶段的信用量，记为
Figure FDA0003283757120000023
ΔtA表示Class A类型流量经历时间的总长度；
Figure FDA0003283757120000024
表示Class A类型流量的信用量上升时的时间段总长度；
Figure FDA0003283757120000025
表示Class A类型流量的信用量冻结时的时间段总长度；
Figure FDA0003283757120000026
表示Class A类型流量的信用量下降时的时间段总长度；
CRE_A表示Class A类型流量的信用量；
CreditA(t)表示Class A类型流量的输出时信用量；
CreditA(s)表示Class A类型流量在输入时信用量；
Figure FDA0003283757120000027
表示Class A类型流量信用量的增加速率；
Figure FDA0003283757120000028
表示Class A类型流量信用量的减少速率；
步骤104，计算Class A类型流量的流量值；
在区间为[s,t]的时间段内，可以计算网络节点上传输服务Class A类型流量的流量值为OO_A＝OA(t)-IA(s)，且
Figure FDA0003283757120000029
OO_A表示网络节点上传输服务Class A类型流量的流量值；
OA(t)表示Class A类型流量经过网络节点的输出时累积函数；
IA(s)表示Class A类型流量经过网络节点的输入时累积函数；初始时，所述IA(s)赋值为0；
步骤105，计算Class B类型流量的信用量；
Class B类型流量的经历时间的总长度为
Figure FDA00032837571200000210
则Class B类型流量的信用量满足公式CRE_B＝CreditB(t)-CreditB(s)，以及CDT类型流量满足条件
Figure FDA00032837571200000211
将Class B类型流量的上升阶段的信用量，记为
Figure FDA0003283757120000031
将Class B类型流量的下降阶段的信用量，记为
Figure FDA0003283757120000032
ΔtB表示Class B类型流量经历时间的总长度；
Figure FDA0003283757120000033
表示Class B类型流量的信用量上升时的时间段总长度；
Figure FDA0003283757120000034
表示Class B类型流量的信用量冻结时的时间段总长度；
Figure FDA0003283757120000035
表示Class B类型流量的信用量下降时的时间段总长度；
CRE_B表示Class B类型流量的信用量；
CreditB(t)表示Class B类型流量的输出时信用量；
CreditB(s)表示Class B类型流量在输入时信用量；
Figure FDA0003283757120000036
表示Class B类型流量信用量的增加速率；
Figure FDA0003283757120000037
表示Class B类型流量信用量的减少速率；
步骤106，计算Class B类型流量的流量值；
在区间为[s,t]的时间段内，可以计算网络节点上传输服务Class B类型流量的流量值为OO_B＝OB(t)-IB(s)，且
Figure FDA0003283757120000038
OO_B表示网络节点上传输服务Class B类型流量的流量值；
OB(t)表示Class B类型流量经过网络节点的输出时累积函数；
IB(s)表示Class B类型流量经过网络节点的输入时累积函数；初始时，所述IB(s)赋值为0；
步骤107，计算Class A类型流量的最大信用量；
计算Class A类型流量的信用量最大值为
Figure FDA0003283757120000039
Figure FDA00032837571200000310
表示Class A类型流量信用量的最大值；
L0表示BE类型流量的最大数据帧长；
步骤108，计算Class B类型流量的最大信用量；
计算Class B类型流量的信用量最大值为
Figure FDA00032837571200000311
Figure FDA0003283757120000041
表示Class B类型流量信用量的最大值；
LA表示Class A类型流量的最大数据帧长；
步骤109，获取Class A类型流量服务曲线；
计算了Class A类型流量服务曲线中的初始延迟TA和服务速率RA，最终得到了Class A类型流量服务曲线的形式为βA(t)＝RA×(t-TA)，其中
Figure FDA0003283757120000042
上角标A代表Class A类型流量的标识符号；
βA(t)表示Class A类型流量的服务曲线；
RA表示Class A类型流量服务曲线中的服务速率；
t表示运行时间；
TA表示Class A类型流量服务曲线中的初始延迟；
C表示网络链路带宽；
Figure FDA0003283757120000043
表示Class A类型流量信用量的增加速率；
L0表示BE类型流量的最大数据帧长；
rCDT表示将发送CDT类型流量的时间槽考虑为漏桶模型下的最大突发量；
bCDT表示将发送CDT类型流量的时间槽考虑为漏桶模型下的最大稳定速率；
步骤110，获取Class B类型流量服务曲线；
计算了Class B类型流量服务曲线中的初始延迟TB和服务速率RB，最终得到了Class B类型流量服务曲线的形式为βB(t)＝RB×(t-TB)，其中
Figure FDA0003283757120000044
上角标B代表Class B类型流量的标识符号；
βB(t)表示Class B类型流量的服务曲线；
RA表示Class B类型流量服务曲线中的服务速率；
t表示运行时间；
TB表示Class B类型流量服务曲线中的初始延迟；
C表示网络链路带宽；
Figure FDA0003283757120000051
表示Class A类型流量信用量的增加速率；
Figure FDA0003283757120000052
表示Class A类型流量信用量的减少速率；
Figure FDA0003283757120000053
表示Class B类型流量信用量的增加速率；
L0表示BE类型流量的最大数据帧长；
LA表示Class A类型流量的最大数据帧长；
rCDT表示将发送CDT类型流量的时间槽考虑为漏桶模型下的最大突发量；
bCDT表示将发送CDT类型流量的时间槽考虑为漏桶模型下的最大稳定速率；
步骤二：建立网络流量的到达曲线模型；
调度表中提取的类型流量至少具有流周期和流帧长的两个特征属性；
步骤201，获取Class A类型流量的到达曲线；
根据Class A类型流量的特征属性，即Class A类型流量的流周期
Figure FDA0003283757120000054
和流帧长
Figure FDA0003283757120000055
以及网络链路速率C，建立的Class A类型流量的到达曲线为
Figure FDA0003283757120000056
步骤202，获取Class A类型流量的聚合到达曲线；
Class A类型流量的流总条数，记为M；任意一条流标记为i，且i＝1，2，…，M；当第i条的Class A类型流量在网络节点中聚合时，则Class A类型流量的流量聚合到达曲线为
Figure FDA0003283757120000057
步骤203，获取Class B类型流量的到达曲线；
根据Class B类型流量的特征属性，即Class B类型流量的周期
Figure FDA0003283757120000058
和帧长
Figure FDA0003283757120000059
以及网络链路速率C，建立的Class B类型流量的到达曲线为
Figure FDA0003283757120000061
步骤204，获取Class B类型流量的聚合到达曲线；
Class B类型流量的流总条数，记为N；任意一条流标记为j，且j＝1，2，…，N；当第j条的Class B类型流量在网络节点中聚合时，则Class B类型流量的流量聚合到达曲线为
Figure FDA0003283757120000062
步骤205，获取Class A类型流量的整形到达曲线；
CBS整形机制对Class A类型流量传输的约束作用体现在Class A类型流量输出至下一跳网络节点的上包络到达曲线上，并考虑TAS机制下为进行CDT类型流量发送所分配的时间槽，得到Class A类型流量的整形到达曲线；
Class A类型流量的整形到达曲线为
Figure FDA0003283757120000063
最终建立Class A类型流量在TSN网络中的到达曲线为
Figure FDA0003283757120000064
Figure FDA0003283757120000065
表示Class A类型流量的整形到达曲线；
Figure FDA0003283757120000066
表示Class A类型流量可持续发送的最大平均传输速率；
Figure FDA0003283757120000067
表示Class A类型流量可持续发送的最大突发量；
αA(t)表示Class A类型流量的到达曲线；
所述的
Figure FDA0003283757120000068
所述的
Figure FDA0003283757120000069
Figure FDA00032837571200000610
表示Class A类型流量可进行持续发送的周期时间长度；
tA表示Class A类型流量可持续发送的最大时间；
t0表示BE类型流量的最大帧长数据的传输时间；
L0表示BE类型流量的最大数据帧长；
LA表示Class A类型流量的最大数据帧长；
步骤206，获取Class B类型流量的整形到达曲线；
CBS整形机制对Class B类型流量传输的约束作用体现在Class B类型流量输出至下一跳网络节点的上包络到达曲线上，并考虑TAS机制下为进行CDT类型流量发送所分配的时间槽，得到Class B类型流量的整形到达曲线；
Class B类型流量的整形到达曲线为
Figure FDA0003283757120000071
最终建立Class B类型流量在TSN网络中的到达曲线为
Figure FDA0003283757120000072
Figure FDA0003283757120000073
表示Class B类型流量的整形到达曲线；
Figure FDA0003283757120000074
表示Class B类型流量可持续发送的最大平均传输速率；
Figure FDA0003283757120000075
表示Class B类型流量可持续发送的最大突发量；
αB(t)表示Class B类型流量的到达曲线；
所述的
Figure FDA0003283757120000076
所述的
Figure FDA0003283757120000077
Figure FDA0003283757120000078
表示Class B类型流量可进行持续发送的周期时间长度；
tB表示Class B类型流量可持续发送的最大时间；
t0表示BE类型流量的最大帧长数据的传输时间；
L0表示BE类型流量的最大数据帧长；
LA表示Class A类型流量的最大数据帧长；
LB表示Class B类型流量的最大数据帧长；
步骤三：评估网络节点的网络性能；
步骤301，计算Class A类型流量的到达曲线与服务曲线的最大水平距离和最大垂直距离；
针对Class A类型流量，利用服务曲线βA(t)和到达曲线αA(t)，能够计算得到Class A流量排队的最大延迟值为hA，且
Figure FDA0003283757120000081
即到达曲线与服务曲线的最大水平距离；
δ表示[s,t]时间段中的任意一个时刻；
τ表示到达曲线与服务曲线相等时的最小时间差；
αA(δ)表示Class A类型流量的到达曲线在δ时刻的取值；
βA(δ+τ)表示Class A类型流量的服务曲线在(δ+τ)时刻的取值；
sup是个数学计算符，表示函数的上确界；inf是个数学计算符，表示函数的下确界；
针对Class A类型流量，利用服务曲线βA(t)和到达曲线αA(t)，能够计算得到Class A流量排队的最大积压量为vA，且
Figure FDA0003283757120000082
即到达曲线与服务曲线的最大垂直距离；
γ表示[s,t]时间段中的任意一个时刻，时刻δ与时刻γ不是同一时刻；
αA(γ)表示Class A类型流量的到达曲线在γ时刻的取值；
βA(γ)表示Class A类型流量的服务曲线在γ时刻的取值；
步骤302，计算Class B类型流量的到达曲线与服务曲线的最大水平距离和最大垂直距离；
针对Class B类型流量，利用服务曲线βB(t)和到达曲线αB(t)，能够计算得到Class B流量排队的最大延迟值为hB，且
Figure FDA0003283757120000083
即到达曲线与服务曲线的最大水平距离；
αB(δ)表示Class B类型流量的到达曲线在δ时刻的取值；
βB(δ+τ)表示Class B类型流量的服务曲线在(δ+τ)时刻的取值；
针对Class B类型流量，利用服务曲线βB(t)和到达曲线αB(t)，能够计算得到Class B流量排队的最大积压量为vB，且
Figure FDA0003283757120000091
即到达曲线与服务曲线的最大垂直距离；
αB(γ)表示Class B类型流量的到达曲线在γ时刻的取值；
βB(γ)表示Class B类型流量的服务曲线在γ时刻的取值。
2.根据权利要求1所述的基于CBS整形机制的流量排队的网络性能评估方法，其特征在于：调度表为具有TSN流量整形机制的航空电子全双工交换式以太网中的调度表。
CN202111140600.4A 2020-09-29 2021-09-28 一种基于cbs整形机制的流量排队的网络性能评估方法 Active CN113783756B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2020110508881 2020-09-29
CN202011050888 2020-09-29

Publications (2)

Publication Number Publication Date
CN113783756A CN113783756A (zh) 2021-12-10
CN113783756B true CN113783756B (zh) 2022-08-05

Family

ID=78853830

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111140600.4A Active CN113783756B (zh) 2020-09-29 2021-09-28 一种基于cbs整形机制的流量排队的网络性能评估方法

Country Status (1)

Country Link
CN (1) CN113783756B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114884557B (zh) * 2022-03-25 2023-07-25 重庆邮电大学 一种基于网络演算的卫星时间敏感网络路径选择方法
JP2023160316A (ja) * 2022-04-22 2023-11-02 日立Astemo株式会社 通信装置および車載電子装置
CN115277519A (zh) * 2022-07-30 2022-11-01 重庆长安汽车股份有限公司 流量整形测试方法、系统、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107070808A (zh) * 2017-02-28 2017-08-18 北京航空航天大学 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
CN107911265A (zh) * 2017-12-18 2018-04-13 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
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107070808A (zh) * 2017-02-28 2017-08-18 北京航空航天大学 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
CN107911265A (zh) * 2017-12-18 2018-04-13 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
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AVB网络流量整形帧模型端到端延迟计算;李二帅等;《北京航空航天大学学报》;20170731(第07期);全文 *
Improving Worst-Case Delay Analysis for Traffic of;赵林；何锋；李二帅;《sensors》;20180919;全文 *

Also Published As

Publication number Publication date
CN113783756A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN113783756B (zh) 一种基于cbs整形机制的流量排队的网络性能评估方法
CN101414957B (zh) 一种用于无线局域网的缓冲队列管理方法
US6876952B1 (en) Methods and apparatus for maintaining queues
US7443804B2 (en) Method and apparatus of estimating available bandwidth on a packet network
US7146425B2 (en) Measurement-based admission control utilizing effective envelopes and service curves
US7778265B2 (en) Method and apparatus for local adaptive provisioning at a node
CN101958833A (zh) 一种基于red的网络拥塞控制算法
Duffy et al. Modeling the impact of buffering on 802.11
CN114884557B (zh) 一种基于网络演算的卫星时间敏感网络路径选择方法
Hammad et al. Analytical approximation of packet delay jitter in simple queues
CN112733303A (zh) 基于确定性网络演算的多策略工业tsn整形器建模方法
Sanchez-Iborra et al. On the similarities between urban traffic management and communication networks: Application of the random early detection algorithm for self-regulating intersections
Finzi et al. Incorporating TSN/BLS in AFDX for mixed-criticality applications: Model and timing analysis
Soni et al. Optimizing network calculus for switched ethernet network with deficit round robin
Bauer et al. Worst-case backlog evaluation of avionics switched ethernet networks with the trajectory approach
Miller et al. Optimization of the data transmission flow from moving object to nonhomogeneous network of base stations
Soni et al. Integrating offset in worst case delay analysis of switched ethernet network with deficit round robbin
KR102624295B1 (ko) 시민감 네트워크 환경에서의 시제어 스케줄링 방법 및 시스템
Koo et al. A comparative study of queue, delay, and loss characteristics of AQM schemes in QoS-enabled networks
CN115604193A (zh) 一种热轧控制系统中确定性资源调度方法及系统
Tian et al. Improved delay performance in VANET by the priority assignment
Sivasubramaniam et al. Enhanced core stateless fair queuing with multiple queue priority scheduler
Kozlovskiy et al. Development of a modified method of network traffic forming
Deart et al. Fuzzy logic queue discipline processing over bottleneck link
Zhang et al. Adaptive fast TCP

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