CN114338555B - 一种用于实现广域确定性网络的全网周期标签规划的方法及装置 - Google Patents

Abstract

本发明公开了一种实现广域确定性网络的全网周期标签规划方法及装置，其中，该方法包括：预设周期时间因子，将最大队列长度绑定到周期时间因子限制排队延迟，并在一个周期时间因子内，从当前节点传出队列中的全部数据包；设定全网周期标签规划模型，通过将链路时延除以周期时间因子并向上取整，在到达周期的时间窗口将数据包的接收时间映射到特定的接收队列；设定流的首跳偏置和周期移位算法计算流的周期标签，在远程工业控制场景中评估广域网拓扑下的所述流的首跳偏置和周期移位算法。本发明解决全网的队列长度、周期大小、队列数量等网络参数设计问题，通过流偏置和周期移位算法来重新计算并优化流的周期标签。

Description

一种用于实现广域确定性网络的全网周期标签规划的方法及 装置

技术领域

本发明涉及计算机网络技术领域，特别涉及一种用于实现广域确定性网络的全网周期标签规划的方法及装置。

背景技术

在许多物理网络系统中，例如工业自动化网络和车载网络，以太网正在取代专有现场总线，因为以太网支持更高的数据速率、更低的成本以及更容易与现有IT系统集成。然而，传统以太网最初旨在提供尽力而为的服务，无法保证实时应用的有界端到端延迟、抖动和零丢包。随着广域网中例如智能电网、远程手术、远程工业控制等时间敏感型应用的激增，基于IP的大规模网络非常需要确定性转发能力，以共网传输时间敏感流量和尽力而为流量。

时间敏感网络(TSN)任务组提出了一系列标准来支持2层局域网中的实时传输。时间敏感网络的基本原理是通过时分复用的方式调度队列资源来启用全局调度时间表，从而减少拥塞和排队延迟带来的不确定性。由于局域网中的最大网络直径被限制在一个小范围内，时间敏感网络假设交换机和终端系统上的所有时钟都精确同步，并且链路上的传播延迟可以忽略不计。

由于TSN中的这些假设对于大规模网络是不可行的，IETF DetNet工作组通过指定周期的循环排队转发(CSQF)机制，放宽了先决假设条件，将TSN机制扩展到第3层确定性网络。

现有技术中，CSQF由全网频率同步、出端口多队列循环排队转发、相邻节点出端口周期映射、以及段路由四项技术组成。具体运作方式如下，首先其将时钟同步放宽到频率同步，节点间的时钟可以同频不同相；然后提供多个接收队列来维持长的传播时延，在每个出端口根据周期时间进行多队列循环转发，其中一个作为发送队列，其余的作为接受队列。同时，相邻节点可以互相学习到队列的周期映射关系；交换机识别数据包上的段路由标签(SID)，标签标记着逐跳的指定的周期信息，交换机将根据标签周期信息将数据包放入指定的接收队列中，等待到接收队列转换为发送队列时，数据包被传输到下一跳节点。最后，通过路径上每个节点的指定标签信息，可以对端到端时延进行预测，并保证其有界。

现有技术如图1所示，当发送端想向接收端发送时间敏感的数据流时，调度的工作流程包括：(1)一个集中的网络控制器收集流的服务质量请求。(2)控制器通过计算满足可用时间、带宽、队列资源的可行路径和周期参数来生成周期标签。(3)控制器将周期标签栈分发给发送端以及沿路径的网络设备。

CSQF机制的缺点有三方面：

(1)控制平面缺少实时的全网周期标签计算方法，CSQF只提供了逐跳的指定周期的循环排队转发机制，缺少实用的全网周期标签规划方法，即如何通过全网规划计算得到数据包的包头中的周期信息。周期标签的计算需要考虑全网的带宽大小、队列长度、路径信息、链路时延等底层资源信息，实用的周期标签规划方法能够最大化全网的资源利用率。此外，周期标签的计算还要求具有实时性，需要根据流的接入移除和特性改变动态地在线生成新的周期标签。

(2)数据平面设计缺少灵活性，CSQF只提出了多队列循环排队转发，一个队列作为发送队列，其余队列作为接受队列，根据队列周期以时分复用的方式转发流量。然而，其未考虑队列周期的大小应该如何设计，数据平面设计缺少灵活性，如果队列周期设计得太小，会导致调度流数量过少，以及大量的缓冲区溢出丢包，如果队列周期设计得过大，则逐跳时延增大，又可能导致许多时间敏感流量无法在截止时间内到达目的节点，无法满足较低且确定性的端到端时延需求。

(3)业务层面规划缺少可扩展性，CSQF机制只以单条数据流和线性拓扑为例阐述了其机制，在业务层面规划缺少可扩展性，无法应对上千条的海量流量调度场景，以及大规模拓扑、非对称拓扑等复杂拓扑场景。比如在非对称拓扑长距链路场景下，随着流数量的增加，容易造成聚播和单点拥塞，需要根据流的源节点、目的节点、截止时间要求等信息，改变流的发包开始时间以及周期偏移量等流量约束、队列长度等资源约束，提升规划的可扩展性。

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。

为此，本发明的目的在于考虑全网资源环境下的周期标签规划，最大化全网的资源利用率，且具有实时性，能够根据流的接入移除和特性改变动态地在线生成新的周期标签；此外，本发明提出“周期时间因子”T，在数据平面通过将最大队列长度绑定到周期时间因子来灵活限制排队时延，并能根据流的数量和拓扑对周期标签的计算进行优化，提出一种用于实现广域确定性网络的全网周期标签规划方法，具体解决以下技术问题：已知网络和流量信息，解决全网的队列长度、周期大小、队列数量等网络参数设计问题；给定上千条时间敏感流，计算所有流的周期标签信息；在某些不可调度的情况，通过流偏置和周期移位算法来重新计算并优化流的周期标签。

本发明的另一个目的在于提出一种实现广域确定性网络的全网周期标签规划装置。

为达到上述目的，本发明一方面提出了用于实现广域确定性网络的全网周期标签规划方法，包括以下步骤：

基于数据平面CSQF机制，预设周期时间因子，将最大队列长度绑定到周期时间因子限制排队延迟，并在一个周期时间因子内，从当前节点传出队列中的全部数据包；

设定全网周期标签规划模型，通过将链路时延除以周期时间因子并向上取整，在到达周期的时间窗口将数据包的接收时间映射到特定的接收队列；

设定流的首跳偏置和周期移位算法计算流的周期标签，在远程工业控制场景中评估广域网拓扑下的流的首跳偏置和周期移位算法；其中，在第一跳设置首跳偏置和控制每一跳的每个接收队列的周期移位。

本发明实施例的用于实现广域确定性网络的全网周期标签规划方法，预设周期时间因子，将最大队列长度绑定到周期时间因子限制排队延迟，并在一个周期时间因子内，从当前节点传出队列中的全部数据包；设定全网周期标签规划模型，通过将链路时延除以周期时间因子并向上取整，在到达周期的时间窗口将数据包的接收时间映射到特定的接收队列；设定流的首跳偏置和周期移位算法计算流的周期标签，在远程工业控制场景中评估广域网拓扑下的所述流的首跳偏置和周期移位算法。本发明解决全网的队列长度、周期大小、队列数量等网络参数设计问题，通过流偏置和周期移位算法来重新计算并优化流的周期标签。

另外，根据本发明上述实施例的用于实现广域确定性网络的全网周期标签规划方法还可以具有以下附加的技术特征：

进一步地，预设周期周期时间因子，将最大队列长度绑定到周期时间因子限制排队延迟包括：设周期时间因子为T，每个输出端口的最大队列长度L，若链路带宽为C，设备内部处理时延为δ，最大包长为MTU，则绑定关系为T＝(L*MTU)/C+δ。

进一步地，设定全网周期标签规划模型，通过将链路时延除以周期时间因子并向上取整，在到达周期的时间窗口将数据包的接收时间映射到特定的接收队列包括：

设有时间敏感流f1，从源节点到目的节点经过3跳e1，e2和e3，时间敏感流f1到达e1时为T0周期，则时间敏感流f1第一个周期标签信息为0；时间敏感流f1经过1.5倍周期的链路时延，向上取整后为T2周期，则到达时间窗口为T2周期；若周期移位为1个周期，则时间敏感流f1接受队列的周期为T3，则时间敏感流f1第二个周期标签信息为3；若下一跳链路时延为0.5个周期，向上取整后为T4周期，若周期移位为0个周期，则时间敏感流f1接受队列的周期为T4；得到时间敏感流f1的周期标签栈<0,3,4>，用最后一跳周期减去首跳的周期，得到流的端到端有界时延，最后一跳接收周期内的先后顺序得到流的有界抖动。

进一步地，在多流场景下，通过判断每一个周期时间因子T内的包数量是否小于约定的最大队列长度，若小于，则新的流被放入该周期中。

进一步地，第一跳首跳偏置设置包括：在第一跳节点A进行首跳偏置，将时间敏感流f1的发送周期从周期T1偏置为T2,整个周期标签更改为<2，3>，Q5队列有空余的缓冲区，调度所述时间敏感流f1。

进一步地，控制每一跳的每个接收队列的周期移位包括：在下一跳节点B进行周期移位，流的发送周期不变，在接收时移位到下一个空余队列，将接收队列改为Q5，整个周期标签更改为<1，3>，调度所述时间敏感流f1。

进一步地，在远程工业控制场景中评估广域网拓扑下的流的首跳偏置和周期移位算法包括：调度能力测试的结果和调度执行时间的仿真结果；其中，所述调度能力测试的结果的实验参数及环境，包括：拓扑选择、资源配置、流量特征和实验环境。

可选地，调度能力测试的结果包括：将首跳偏置与周期移位与首跳偏置、周期移位和Naive朴素算法进行比较，在边缘无法控制流的首跳偏置，不同队列数的周期移位单独工作；其中，所述Naive朴素算法是在没有发送时间和周期偏移的控制的情况下，一旦生成数据包就发送。

进一步地，调度执行时间的仿真结果包括：线性描述所述首跳偏置与周期移位与首跳偏置、周期移位和Naive朴素算法的执行时间，所述首跳偏置与周期移位的执行时间呈线性增长，调度时在第一预设时间完成预设数量的流。

为达到上述目的，本发明另一方面提出了一种用于实现广域确定性网络的全网周期标签规划装置，包括：

绑定模块，用于基于数据平面CSQF机制，预设周期时间因子，将最大队列长度绑定到周期时间因子限制排队延迟，并在一个周期时间因子内，从当前节点传出队列中的全部数据包；

接收模块，用于设定全网周期标签规划模型，通过将链路时延除以周期时间因子并向上取整，在到达周期的时间窗口将数据包的接收时间映射到特定的接收队列；

计算模块，用于设定流的首跳偏置和周期移位算法计算流的周期标签，在远程工业控制场景中评估广域网拓扑下的流的首跳偏置和周期移位算法；其中，在第一跳设置首跳偏置和控制每一跳的每个接收队列的周期移位。

本发明实施例的用于实现广域确定性网络的全网周期标签规划装置，解决了在已知网络和流量信息的情况下，全网的队列长度、周期大小、队列数量等网络参数设计问题，并在给定上千条时间敏感流的情况下，计算所有流的周期标签信息，同时解决了在某些不可调度的情况，通过流偏置和周期移位算法来重新计算并优化流的周期标签的问题。

本发明的有益效果为：

1)能计算上千条流的周期标签信息，具有全网规划优势。

本发明提出的全网周期标签规划方法能够在广域网场景下保证时间敏感流的有界时延抖动，同时具有全网规划优势，能够根据全网的带宽大小、链路时延、队列长度等信息，计算得到上千条流的周期标签信息。同时，本发明与CSQF指定周期的循环排队转发机制兼容，调度算法基于软件，可以被应用到所有的符合CSQF机制的网络中，通用性强。

2)能设计和调整周期队列参数，提升灵活性。

本发明提出了周期时间因子，将队列长度L绑定到周期时间因子T,在一个周期内，队列中的数据包必须全部从当前节点传出。该方法能够从时间维度限制每个输出端口的最大队列长度，从而严格限制每跳的排队时延，消除尽力而为转发的长尾效应。周期时间因子的大小和出端口队列的长度成正比，调节周期时间因子可以灵活地调节全网的调度性能。

3)能根据拓扑和流量优化周期标签，提高调度能力。

本发明提出的流的首跳偏置和周期移位算法，能根据拓扑和流量优化周期标签，随着流数量的增多，解决许多不可调度的情况，提高调度能力。

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

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为现有技术中的指定周期的循环排队转发机制示意图；

图2为根据本发明实施例的用于实现广域确定性网络的全网周期标签规划方法的流程图；

图3为根据本发明实施例的周期时间因子设计的示意图；

图4为根据本发明实施例的全网周期标签规划模型的示意图；

图5为根据本发明实施例的首跳偏置和周期移位算法的示意图；

图6为根据本发明实施例影响的调度能力结果示意图；

图7为根据本发明实施例的影响的执行时间结果示意图；

图8为根据本发明实施例的用于实现广域确定性网络的全网周期标签规划装置的结构示意图。

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。

下面参照附图描述根据本发明实施例提出的用于实现广域确定性网络的全网周期标签规划方法及装置，首先将参照附图描述根据本发明实施例提出的用于实现广域确定性网络的全网周期标签规划方法。

图2是本发明一个实施例的用于实现广域确定性网络的全网周期标签规划方法的流程图。

如图2所示，该用于实现广域确定性网络的全网周期标签规划方法包括以下步骤：

步骤S1，基于数据平面CSQF机制，预设周期时间因子，将最大队列长度绑定到周期时间因子限制排队延迟，并在一个周期时间因子内，从当前节点传出队列中的全部数据包。

具体的，步骤S1中预设周期时间因子，将最大队列长度绑定到周期时间因子限制排队延迟，包括：

确定性网络是为时间敏感流提供有界端到端延迟和抖动的网络。端到端时延包括链路传播时延、设备内处理时延、出端口传输时延和出端口队列的排队时延。前三个延迟是可以预测的，不确定的排队延迟是导致网络长尾效应的原因所在。

如图3所示，图3中(a)、(b)和(c)是传统以太网主要从三个方面来保证服务质量(QoS)：选择链路时延有界的路径、预留带宽资源以保证零丢包、用最高优先级标记时间敏感(TS)流，使其与速率限制流(RL)和尽力而为(BE)流隔离。然而，在突发和流量聚合场景下，它们都无法限制时间敏感流的排队时延。

如图3中(d)所示，本发明提出“周期时间因子”T。限制排队时延的关键是限制每个输出端口的最大队列长度L，并将队列长度L绑定到周期时间因子T,在一个周期内，队列中的数据包必须全部从当前节点传出。假设链路带宽为C，设备内部处理时延为δ，最大包长为MTU，则绑定关系为T＝(L*MTU)/C+δ。

因此，周期时间因子的大小和出端口队列的长度成正比，包的到达周期可以对应到接收队列，调节周期因子便能调节全网的调度性能。

步骤S2，设定全网周期标签规划模型，通过将链路时延除以周期时间因子并向上取整，在到达周期的时间窗口将数据包的接收时间映射到特定的接收队列。

具体的，步骤S2中全网周期标签规划模型的设定包括：

基于步骤S1中介绍的周期时间因子，本发明将出端口的传输时隙资源划分为相等间隔的周期T，在一个周期T内，队列中的数据包能够全部从当前节点传出。在大规模广域网中，链路延迟不可忽略不计，且不同链路中的链路时延不同，一跳时延不再是一个恒定的值。针对这个问题，如图4所示，在全网周期标签规划模型中，链路时延不被纳入周期时间因子T的设计中，以确保一致的队列循环时间，然后将链路时延除以周期时间因子并向上取整，在称为到达周期的时间窗口将数据包的接收时间映射到特定的接收队列，从而消除链路时延对周期标签规划的影响，以保证相邻节点周期能够对齐。

以图4为例，假设有时间敏感流f1，从源节点到目的节点要经过3跳(也就是3条边)e1，e2和e3，其到达e1时为T0周期，则其第一个周期标签信息为0；然后其经过了约1.5倍周期的链路时延，向上取整后为T2周期，即其到达时间窗口为T2周期，假设周期移位为1个周期，则其接受队列的周期为T3，即其第二个周期标签信息为3；假设下一跳链路时延为0.5个周期，向上取整后为T4周期，假设周期移位为0个周期，则其接受队列的周期为T4。最后，得到该流的周期标签栈<0,3,4>。用最后一跳周期减去首跳的周期，就可以得到流的端到端有界时延，最后一跳接收周期内的先后顺序可以得到流的有界抖动。在多流场景下，通过判断每一个周期T内的包数量是否小于约定的最大队列长度，若小于，则新的流可以被放入该周期中。该模型通过链路时延预估和周期折算，实现了通用的全网周期标签规划，不再局限于线性拓扑和单流，能满足广域确定性网络复杂拓扑和海量流量场景下的流量调度需求。

步骤S3，设定流的首跳偏置和周期移位算法计算流的周期标签，在远程工业控制场景中评估广域网拓扑下的流的首跳偏置和周期移位算法；其中，在第一跳设置首跳偏置和控制每一跳的每个接收队列的周期移位。

具体的，步骤S3中设定流的首跳偏置和周期移位算法计算流的周期标签，包括：

由于队列长度是有界的并且对应于一个周期时间因子的大小，因此必须详细安排每个时间敏感流，以防止任何队列溢出。本发明提出两种有效的流调度方法：在第一跳设置首跳偏置方法和控制每一跳的每个接收队列的周期移位方法。

如图5中(a)所示，在从上游节点A转发到下游节点B的过程中，每个接收队列在一个周期时间因子内最多能接收3个包，流f1本应根据当前的到达时间窗口进入Q6队列，也就是对应的T2周期，但Q6队列已经达到最大队长，再进入的包会溢出丢包，因此若f1的周期标签为<1，2>，则其无法被成功调度。第一种方法如图5中(b)所示，在第一跳节点A进行首跳偏置，将流f1的发送周期从周期T1偏置为T2,整个周期标签更改为<2，3>，因为Q5队列仍有空余的缓冲区，因此流f1可以被成功调度；第2种方法如图5中(c)所示，在下一跳节点B进行周期移位，即流的发送周期不变，在接收时移位到下一个空余队列，将接收队列改为Q5，整个周期标签更改为<1，3>，流f1可以被成功调度。

具体的，步骤S3中在远程工业控制场景中评估广域网拓扑下的流的首跳偏置和周期移位算法，包括：

(1)方案实验参数及环境：

拓扑选择：远程工控往往跨越多个区域进行长距离链路传输。为了在广域网拓扑上评估所提出的机制，本发明选择INTERNET2三层骨干网的一部分作为测试拓扑。节点之间的地理距离用作近似的链路长度。为了验证链路连接度的效果，本发明使用Erd os–R enyi(ER)模型的随机图创建了具有15个顶点的有向加权随机拓扑，链路时延随机的从0.1ms到2ms中选择。

资源配置：我们实验中的资源设置包括链路带宽、队列长度、周期时间因子大小和队列数。我们将保留的链路带宽设置为1Gbps，将每个周期队列的长度设置为10，将周期时间因子大小设置为125us。用于时间敏感流量的队列数设置为2到6的范围，N＝2的情况意味着不可能进行额外的周期移位。

流量特征：对于集合中的每个流f，源和目的地是通过从顶点中以均匀概率选取两个值来创建。所有流都是在广域监测和控制系统(在IEC 61850中定义)和DetNet用例的工业机器到机器(M2M)中的流量特征指导下生成的。每个流的周期一般为毫秒，我们通过从集合{4，8，16，32}毫秒中随机抽取一个值来模拟；每个流的包数量从集合{1，2，3}中选择。流的截止时间范围为30ms到50ms。

实验环境：我们所有的实验都是在一个2-socket的计算机上进行的，该计算机配有4个Intel(R)Core(TM)i5-8259U CPU，标准时钟速度为2.3GHz，内存总量为16GB。计算节点的操作系统是内核版本为4.4.0的Linux操作系统。

(2)调度能力测试结果：

为了呈现Internet2拓扑下随着流数增加的调度性能，我们将流数从1000到4000分为四个级别，每个级别进行五次实验。首先，我们将FO-CS(首跳偏置与周期移位)与FO(仅做首跳偏置)、CS(仅做周期移位)和Naive朴素算法(仅采用严格优先级调度)进行比较。朴素的算法是在没有发送时间和周期偏移的控制的情况下，一旦生成数据包就发送。如图6中(a)所示，随着流数量的增加，使用FO-CS的提升变得比使用朴素算法的改进更大。当流数为4000时，与朴素算法相比最大提升为31.2％，与CS算法相比最大改进为9.2％。图6中(a)还表明FO的可调度性接近FO-CS。原因是首跳偏置比周期移位有更大的搜索空间；因此，控制流量首跳偏置比控制每一跳的周期移位更强大。在考虑大规模流量的每流调度时，FO-CS仍然有用，因为与FO相比，它具有逐跳周期调整的优势。

在某些情况下，在边缘无法控制流的首跳偏置，不同队列数的CS算法可以单独工作。CS-3Q、CS-4Q和CS-5Q算法之间的差异在图6中(b)中进行了测试。从CS-5Q算法导出的调度结果在任何流级别都优于从其他算法导出的调度结果。上述CS-5Q和CS-3Q算法得出的结果之间的差距在2.3％到5.0％之间。随着流数的增加，队列数越大的CS的可调度性提高越显著。

(3)调度执行时间的仿真结果：

图7中(a)描绘了FO-CS、FO、CS和朴素算法的执行时间。FO-CS算法的执行时间呈线性增长，调度时可在20秒左右完成4000条流，本发明所有的算法都有一个可行的算法执行时间。FO-CS的曲线位于顶部，而CS位于底部，这表明流的首跳偏置比周期移位花费更多的时间。此外，图7中(b)展示了具有不同队列数的CS算法的执行时间从0.41秒到2.65秒不等。队列数较大的周期移位会略微增加执行时间。

通过上述步骤，考虑全网资源环境下的周期标签规划，最大化全网的资源利用率，且兼备实时性，能够根据流的接入移除和特性改变动态地在线生成新的周期标签；此外，上述方法提出“周期时间因子”T，在数据平面通过将最大队列长度绑定到周期时间因子来灵活限制排队时延，并能根据流的数量和拓扑对周期标签的计算进行优化。具体解决以下技术问题：

(1)已知网络和流量信息，解决全网的队列长度、周期大小、队列数量等网络参数设计问题。

(2)给定上千条时间敏感流，计算所有流的周期标签信息。

(3)在某些不可调度的情况，通过流偏置和周期移位算法来重新计算并优化流的周期标签。

需要说明的是，CSQF机制存在的技术问题有很多，因此可改进的地方也很多，但无论具体改进措施如何，只要改进措施能够提出控制平面的实时全网周期标签计算方法，增强数据平面设计的灵活性，或提高业务层面规划的可扩展性，都可以解决现有技术中的问题，并取得相应的效果。

根据本发明实施例的用于实现广域确定性网络的全网周期标签规划方法，通过预设周期时间因子，将最大队列长度绑定到周期时间因子限制排队延迟，并在一个周期时间因子内，从当前节点传出队列中的全部数据包；设定全网周期标签规划模型，通过将链路时延除以周期时间因子并向上取整，在到达周期的时间窗口将数据包的接收时间映射到特定的接收队列；设定流的首跳偏置和周期移位算法计算流的周期标签，在远程工业控制场景中评估广域网拓扑下的所述流的首跳偏置和周期移位算法。本发明解决全网的队列长度、周期大小、队列数量等网络参数设计问题，通过流偏置和周期移位算法来重新计算并优化流的周期标签。

为了实现上述实施例，如图8所示，本实施例中还提供了一种实现广域确定性网络的全网周期标签规划装置10，该装置10包括：绑定模块100、接收模块200、和计算模块300。

绑定模块100，用于基于数据平面CSQF机制，预设周期时间因子，将最大队列长度绑定到周期时间因子限制排队延迟，并在一个周期时间因子内，从当前节点传出队列中的全部数据包；

接收模块200，用于设定全网周期标签规划模型，通过将链路时延除以周期时间因子并向上取整，在到达周期的时间窗口将数据包的接收时间映射到特定的接收队列；

计算模块300，用于设定流的首跳偏置和周期移位算法计算流的周期标签，在远程工业控制场景中评估广域网拓扑下的流的首跳偏置和周期移位算法；其中，在第一跳设置首跳偏置和控制每一跳的每个接收队列的周期移位。

根据本发明实施例的实现广域确定性网络的全网周期标签规划装置，通过绑定模块，用于基于数据平面CSQF机制，预设周期时间因子，将最大队列长度绑定到周期时间因子限制排队延迟，并在一个周期时间因子内，从当前节点传出队列中的全部数据包；接收模块，用于设定全网周期标签规划模型，通过将链路时延除以周期时间因子并向上取整，在到达周期的时间窗口将数据包的接收时间映射到特定的接收队列；计算模块，用于设定流的首跳偏置和周期移位算法计算流的周期标签，在远程工业控制场景中评估广域网拓扑下的流的首跳偏置和周期移位算法；其中，在第一跳设置首跳偏置和控制每一跳的每个接收队列的周期移位，本发明解决全网的队列长度、周期大小、队列数量等网络参数设计问题，通过流偏置和周期移位算法来重新计算并优化流的周期标签。

需要说明的是，前述对用于实现广域确定性网络的全网周期标签规划方法实施例的解释说明也适用于该装置，此处不再赘述。

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。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

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必须针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

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 (7)

1.一种实现广域确定性网络的全网周期标签规划方法，其特征在于，包括以下步骤：

基于数据平面CSQF机制，预设周期时间因子，将最大队列长度绑定到所述周期时间因子限制排队延迟，并在一个周期时间因子内，从当前节点传出队列中的全部数据包；

设定全网周期标签规划模型，通过将链路时延除以所述周期时间因子并向上取整，在到达周期的时间窗口将所述数据包的接收时间映射到特定的接收队列；

设定流的首跳偏置和周期移位算法计算流的周期标签，在远程工业控制场景中评估广域网拓扑下的所述流的首跳偏置和周期移位算法；其中，在第一跳设置首跳偏置和控制每一跳的每个接收队列的周期移位；

周期时间因子为T，每个输出端口的最大队列长度L，若链路带宽为C，设备内部处理时延为δ，最大包长为MTU，则绑定关系为T＝(L*MTU)/C+δ；

所述设定全网周期标签规划模型，通过将链路时延除以所述周期时间因子并向上取整，在称为到达周期的时间窗口将所述数据包的接收时间映射到特定的接收队列，包括：

若有时间敏感流f1，从源节点到目的节点经过3跳e1，e2和e3，所述时间敏感流f1到达e1时为T0周期，则所述时间敏感流f1第一个周期标签信息为0；所述时间敏感流f1经过1.5倍周期的链路时延，向上取整后为T2周期，则到达时间窗口为T2周期；若周期移位为1个周期，则所述时间敏感流f1接收队列的周期为T3，则所述时间敏感流f1第二个周期标签信息为3；若下一跳链路时延为0.5个周期，向上取整后为T4周期，若周期移位为0个周期，则所述时间敏感流f1接收队列的周期为T4；得到所述时间敏感流f1的周期标签栈<0,3,4>，用最后一跳周期减去首跳的周期，得到流的端到端有界时延，最后一跳接收周期内的先后顺序得到流的有界抖动。

2.根据权利要求1所述的实现广域确定性网络的全网周期标签规划方法，其特征在于，在多流场景下，通过判断每一个周期时间因子T内的包数量是否小于约定的最大队列长度，若小于，则新的流被放入该周期中。

3.根据权利要求2所述的实现广域确定性网络的全网周期标签规划方法，其特征在于，所述在第一跳设置首跳偏置和控制每一跳的每个接收队列的周期移位，包括：

在第一跳节点A进行首跳偏置，将所述时间敏感流f1的发送周期从周期T1偏置为T2,整个周期标签更改为<2，3>，Q5队列有空余的缓冲区，调度所述时间敏感流f1。

4.根据权利要求3所述的实现广域确定性网络的全网周期标签规划方法，其特征在于，所述在第一跳设置首跳偏置和控制每一跳的每个接收队列的周期移位，还包括：

在下一跳节点B进行周期移位，流的发送周期不变，在接收时移位到下一个空余队列，将接收队列改为Q5，整个周期标签更改为<1，3>，调度所述时间敏感流f1。

5.根据权利要求1所述的实现广域确定性网络的全网周期标签规划方法，其特征在于，所述在远程工业控制场景中评估广域网拓扑下的所述流的首跳偏置和周期移位算法，包括：调度能力测试的结果和调度执行时间的仿真结果；其中，所述调度能力测试的结果的实验参数及环境，包括：拓扑选择、资源配置、流量特征和实验环境。

6.据权利要求5所述的实现广域确定性网络的全网周期标签规划方法，其特征在于，其特征在于，所述调度执行时间的仿真结果，包括：

线性描述所述首跳偏置与周期移位与首跳偏置、周期移位和Naive朴素算法的执行时间，所述首跳偏置与周期移位的执行时间呈线性增长，调度时在第一预设时间完成预设数量的流。

7.一种实现广域确定性网络的全网周期标签规划装置，其特征在于，包括：

绑定模块，用于基于数据平面CSQF机制，预设周期时间因子，将最大队列长度绑定到所述周期时间因子限制排队延迟，并在一个周期时间因子内，从当前节点传出队列中的全部数据包；

接收模块，用于设定全网周期标签规划模型，通过将链路时延除以所述周期时间因子并向上取整，在到达周期的时间窗口将所述数据包的接收时间映射到特定的接收队列；

计算模块，用于设定流的首跳偏置和周期移位算法计算流的周期标签，在远程工业控制场景中评估广域网拓扑下的所述流的首跳偏置和周期移位算法；其中，在第一跳设置首跳偏置和控制每一跳的每个接收队列的周期移位；

所述绑定模块中的周期时间因子为T，每个输出端口的最大队列长度L，若链路带宽为C，设备内部处理时延为δ，最大包长为MTU，则绑定关系为T＝(L*MTU)/C+δ；

所述接收模块，还用于：

若有时间敏感流f1，从源节点到目的节点经过3跳e1，e2和e3，所述时间敏感流f1到达e1时为T0周期，则所述时间敏感流f1第一个周期标签信息为0；所述时间敏感流f1经过1.5倍周期的链路时延，向上取整后为T2周期，则到达时间窗口为T2周期；若周期移位为1个周期，则所述时间敏感流f1接收队列的周期为T3，则所述时间敏感流f1第二个周期标签信息为3；若下一跳链路时延为0.5个周期，向上取整后为T4周期，若周期移位为0个周期，则所述时间敏感流f1接收队列的周期为T4；得到所述时间敏感流f1的周期标签栈<0,3,4>，用最后一跳周期减去首跳的周期，得到流的端到端有界时延，最后一跳接收周期内的先后顺序得到流的有界抖动。