CN114374653A - 一种基于流量预测的可变比特速率业务调度方法 - Google Patents
一种基于流量预测的可变比特速率业务调度方法 Download PDFInfo
- Publication number
- CN114374653A CN114374653A CN202111628471.3A CN202111628471A CN114374653A CN 114374653 A CN114374653 A CN 114374653A CN 202111628471 A CN202111628471 A CN 202111628471A CN 114374653 A CN114374653 A CN 114374653A
- Authority
- CN
- China
- Prior art keywords
- bit rate
- rate service
- basic transmission
- size
- transmission window
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 71
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000007774 longterm Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
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
- H04L47/22—Traffic shaping
-
- 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
- H04L41/147—Network analysis or design for predicting network behaviour
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种基于流量预测的可变比特速率业务调度方法,包括以下步骤:S1、根据恒定比特速率业务包大小,初始化基本传输窗口大小;S2、根据基本传输窗口大小,通过预测算法预测下个调度周期的可变速率业务包大小;S3、计算下个调度周期各恒定比特速率业务和可变比特速率业务的基本传输窗口数量,形成TSN交换机的门控列表;S4、执行门控列表;S5、执行步骤S2。与现有技术相比,本发明提高了预测精度和交换传输效率,适用范围广。
Description
技术领域
本发明涉及通信技术领域,尤其是涉及一种基于流量预测的可变比特速率业务调度方法。
背景技术
时间敏感网络(Time Sensitive Networking,TSN)交换与传统的存储转发式交换相比,在网络交换与传输资源不足甚至网络拥塞的情况下,能够为不同优先级的时间敏感业务队列提供实时性和确定性传输。
如图1,TSN网络系统包括Talker/Listener、TSN适配器、TSN交换机、CNC(中心化网络控制器)四部分:Talker/Listener作为发送和接收流量的设备;TSN适配器目的是实现工业控制网络数据转换为时间敏感数据;TSN交换机在CNC调度下交换实现时间敏感数据的快速交换;CNC(根据终端需求配置网络参数)功能,用于实现TSN域中多种流量的调度管理。
如图2,其中TSN交换机通过门控制机制实现时间敏感数据的快速转发,门控制包含有多个门结构和一个门控制列表。其中门的数量与设备中的队列数量相等,每个队列后都接入一个门结构。利用门控制列表配置和改变门结构的开关状态来控制不同队列的输出和阻塞操作,从而保障了时间敏感业务队列的低时延传输。
目前采用门控制机制进行时间敏感业务调度的研究现状为:
已有的研究文献中包含对时间敏感业务队列为速率固定、周期固定的恒定比特速率业务(Constant Bit Rate,CBR)的研究和对不同数据帧长度和不同传输周期的可变比特速率业务(Variable Bit Rate,VBR)的研究。目前已有的方案主要包括两种,一种是生成固定门控列表,该过程一般不考虑对可变速率业务进行预测,另一种是按照西安空间无线电技术研究所所提出的预测方案对可变速率业务进行预测,此方案仅使用待预测的基本传输窗口之前短期历史数据(几个连续窗口),以上两种方案的预测误差较大,导致时间敏感业务队列的传输效率不高。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于流量预测的可变比特速率业务调度方法,提高了预测精度和交换传输效率,适用范围广。
本发明的目的可以通过以下技术方案来实现:
一种基于流量预测的可变比特速率业务调度方法,包括以下步骤:
S1、根据恒定比特速率业务包大小,初始化基本传输窗口大小;
S2、根据基本传输窗口大小,通过预测算法预测下个调度周期的可变速率业务包大小;
S3、计算下个调度周期各恒定比特速率业务和可变比特速率业务的基本传输窗口数量,形成TSN交换机的门控列表;
S4、执行门控列表,执行步骤S2。
进一步地,所述的基本传输窗口大小Wtx的计算公式为:
进一步地,所述的预测算法包括:
根据基本传输窗口流量的历史数据,通过预测函数计算下个调度周期的可变速率业务包大小。
进一步地,所述的基本传输窗口流量的历史数据包括当前调度周期中连续传输的前q个基本传输窗口业务流量,q为设定值。
进一步地,所述的基本传输窗口流量的历史数据包括当前调度周期已经传输的可变速率业务的数据包大小。
进一步地,所述的基本传输窗口流量的历史数据包括当前调度周期中多个业务Sk,k∈Q的历史数据,其中Q为关联业务集合。
进一步地,所述的预测函数为非线性函数。
进一步地,所述的预测函数为线性预测函数。
进一步地,所述的恒定比特速率业务的基本传输窗口数量的计算公式为:
其中,L(n)为第n个恒定比特速率业务包大小,n=1,2,3,...,N,N为TSN网络中恒定比特速率业务总数,Num(n)为第n个恒定比特速率业务的基本传输窗口数量,为所有恒定比特速率业务包大小的最大公约数。
进一步地,所述的可变比特速率业务的基本传输窗口数量的计算公式为:
其中,L′(m)为第m个可变比特速率业务包大小,m=1,2,3,...,M,M为可变比特速率业务总数,Num′(m)为第n个恒定比特速率业务的基本传输窗口数量,为所有恒定比特速率业务包大小的最大公约数。
与现有技术相比,本发明具有以如下有益效果:
(1)本发明采用了周期性筛选的方法,提供了3种预测未来流量的技术方案,可根据同一队列的历史流量预测该队列将要传输的流量,可根据不同队列的历史流量预测同一队列或者不同队列的历史流量,可根据同一传输大周期内已传输流量预测本大周期内还未传输的基本窗口流量大小,本发明对预测所需的数据选取进行了拓展,可以根据业务流量的周期性特点选取预测所需的历史周期序号和数目,基本窗口序号和数目,从而实现精确的预测,利用了可变速率业务的周期性以及与其他业务的关联性,提高了预测精度和交换传输效率,适用于各种业务需求,能满足更高精度应用场景下的使用;
(2)本发明可用于预测短时相关性较好的业务流量大小,还可用于长期相关性好、关联业务相关性强的业务未来流量大小,适应多种场景;
(3)本发明可根据同一队列的历史流量预测该队列将要传输的流量,可根据不同队列的历史流量预测同一队列或者不同队列的历史流量,可根据同一传输大周期内已传输流量预测本大周期内还未传输的基本窗口流量大小,本发明能够根据业务流量动态调整业务的基本窗口大小,支持可变比特速率和恒定比特速率业务的混合传输,实现业务的确定性传输。
附图说明
图1为TSN网络系统结构示意图;
图2为TSN交换机的结构示意图;
图3为短期连续时间窗口预测流程示意图;
图4为同业务跨周期预测流程示意图;
图5为关联业务跨周期预流程测示意图;
图6为一个调度周期内的传输窗口排列示意图;
图7为智能配电通信网全局结构示意图;
图8为本发明的方法流程图;
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
一种基于流量预测的可变比特速率业务调度方法,如图8,包括以下步骤:
S1、根据恒定比特速率业务包大小,初始化基本传输窗口大小;
S2、根据基本传输窗口大小,通过预测算法预测下个调度周期的可变速率业务包大小;
S3、计算下个调度周期各恒定比特速率业务和可变比特速率业务的基本传输窗口数量,形成TSN交换机的门控列表;
S4、CNC下发门控列表给各TSN交换机,TSN交换机执行门控列表,执行步骤S2。
如图6所示,一个调度周期内,队列按优先级Q1-Qn依次传输,Q1优先级最高,图6中一个方块表示一个基本传输窗口,当传输的是可变比特速率业务时,基本传输窗口大小可变,图中表示某个调度周期内队列Q1-队列Qn的业务调度安排,同一队列不同业务的流量按照先进先出的顺序传输,不同队列的流量按照队列的优先级顺序进行传输,高优先级先传,低优先级后传。
步骤S1中,基本传输窗口大小Wtx的计算公式为:
假设当前调度周期为Tc(0),Tc(t)是将来第t个调度周期,假设总共有M个可变比特速率业务,分别用Sm表示,m是业务序号,m=1,2,3,...,M;
步骤S2中,预测算法包括:
根据基本传输窗口流量的历史数据,通过预测函数计算下个调度周期Tc(1)的可变速率业务包大小。
基本传输窗口流量的历史数据可采用三类:
1)短期连续时间窗口预测:
如图3,基本传输窗口流量的历史数据采用当前调度周期中连续传输的前q个基本传输窗口业务流量,q为设定值,可以动态调整,
若当前q个基本传输窗口的流量大小具有较强的时间相关性(短期相关性好),该类预测效果较好;
2)同业务跨周期预测:
如图4,基本传输窗口流量的历史数据采用Tc(0)已经传输的可变速率业务的数据包大小;
若该业务在较长时间内流量具有时间相关性(长期相关性好),该方法预测效果较好;
3)关联业务跨周期预测:
如图5,基本传输窗口流量的历史数据采用当前调度周期中多个业务Sk,k∈Q的历史数据,其中Q为关联业务集合(如视频与相关的音频数据传输业务,具备高度相关性)。
预测函数可以采用加权计算函数等线性预测函数,也可以采用深度神经网络等非线性函数。
步骤S3中,恒定比特速率业务的基本传输窗口数量的计算公式为:
其中,L(n)为第n个恒定比特速率业务包大小,n=1,2,3,...,N,N为TSN网络中恒定比特速率业务总数,Num(n)为第n个恒定比特速率业务的基本传输窗口数量,为所有恒定比特速率业务包大小的最大公约数。
步骤S3中,可变比特速率业务的基本传输窗口数量的计算公式为:
其中,L′(m)为第m个可变比特速率业务包大小,m=1,2,3,...,M,M为可变比特速率业务总数,Num′(m)为第m个可变比特速率业务的基本传输窗口数量,为所有恒定比特速率业务包大小的最大公约数。
具体实例:
本实施例提出的可变比特速率业务调度方法可应用于智能配电通信网中,图7为智能配电通信网的全局结构,在如图所示的配电网区域中,使用无线传感网络(WirelessSensor Network,WSN)作为配电网的子网通信方式,利用无线传感器网络的传感器节点对配电区域线路与设备的数据进行采集传输,在WSN子网数据采集传输完成后通过基于TSN的以太网方式作为主干网络进行传输,以提高WSN子网数据的传输性能。
当TSN网络中的传感器节点生成多种恒定比特速率业务(如温度、电压传感器,定期发送固定大小的数据包)和可变比特速率业务(如视频监控、声音检测传感器)时,CNC会收集网络内恒定比特速率业务包配置信息,根据网络内恒定比特速率业务先确定基本传输窗口大小,再根据历史流量信息,对下一调度周期内的VBR业务包大小进行预测,从而决定下周期的恒定比特速率业务和VBR业务所需基本传输窗口数量,完成门控列表生成。通过下发门控列表到各TSN交换机,完成调度配置,并在下个调度周期执行,其中可变比特速率业务量预测算法,可以是通过短期连续多个基本传输窗口内的流量数据预测,也可以通过跨调度周期的同类业务、关联业务的历史流量信息预测,预测方法可以是线性预测,也可以是非线性的神经网络预测。
传统的门控列表生成方式是业务包到达TSN网络后CNC节点才进行计算生成门控列表,本方案事先对业务包进行预测,在业务到达TSN网络之前就计算好门控列表,减少了门控列表计算所占用的时延,故能降低业务包的传输时延,同时根据业务流量的相关性特点,能达到较高的预测准确率。
本实施例提出的基于流量预测的可变比特速率业务调度方法,采用了周期性筛选流量的方法对未来流量进行了预测,提供了3种预测未来流量的技术方案,利用可变速率业务的周期性、与其他业务的关联性,提高了预测精度和交换传输效率;提供了灵活的流量预测方法,可用于预测短时相关性较好的业务流量大小,还可用于长期相关性好、关联业务相关性强的业务未来流量大小,适应多种场景;能够根据业务流量动态调整业务的基本窗口大小,支持可变比特速率和恒定比特速率业务的混合传输,实现业务的确定性传输。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种基于流量预测的可变比特速率业务调度方法,其特征在于,包括以下步骤:
S1、根据恒定比特速率业务包大小,初始化基本传输窗口大小;
S2、根据基本传输窗口大小,通过预测算法预测下个调度周期的可变速率业务包大小;
S3、计算下个调度周期各恒定比特速率业务和可变比特速率业务的基本传输窗口数量,形成TSN交换机的门控列表;
S4、执行门控列表,执行步骤S2。
3.根据权利要求1所述的一种基于流量预测的可变比特速率业务调度方法,其特征在于,所述的预测算法包括:
根据基本传输窗口流量的历史数据,通过预测函数计算下个调度周期的可变速率业务包大小。
4.根据权利要求3所述的一种基于流量预测的可变比特速率业务调度方法,其特征在于,所述的基本传输窗口流量的历史数据包括当前调度周期中连续传输的前q个基本传输窗口业务流量,q为设定值。
5.根据权利要求3所述的一种基于流量预测的可变比特速率业务调度方法,其特征在于,所述的基本传输窗口流量的历史数据包括当前调度周期已经传输的可变速率业务的数据包大小。
6.根据权利要求3所述的一种基于流量预测的可变比特速率业务调度方法,其特征在于,所述的基本传输窗口流量的历史数据包括当前调度周期中多个业务Sk,k∈Q的历史数据,其中Q为关联业务集合。
7.根据权利要求3所述的一种基于流量预测的可变比特速率业务调度方法,其特征在于,所述的预测函数为非线性函数。
8.根据权利要求3所述的一种基于流量预测的可变比特速率业务调度方法,其特征在于,所述的预测函数为线性预测函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111628471.3A CN114374653B (zh) | 2021-12-28 | 2021-12-28 | 一种基于流量预测的可变比特速率业务调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111628471.3A CN114374653B (zh) | 2021-12-28 | 2021-12-28 | 一种基于流量预测的可变比特速率业务调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114374653A true CN114374653A (zh) | 2022-04-19 |
CN114374653B CN114374653B (zh) | 2024-02-27 |
Family
ID=81141951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111628471.3A Active CN114374653B (zh) | 2021-12-28 | 2021-12-28 | 一种基于流量预测的可变比特速率业务调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114374653B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024036476A1 (zh) * | 2022-08-16 | 2024-02-22 | 新华三技术有限公司 | 一种报文转发方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110535781A (zh) * | 2019-07-30 | 2019-12-03 | 西安交通大学 | 一种基于窗口预测的流量控制方法 |
CN110610232A (zh) * | 2019-09-11 | 2019-12-24 | 南通大学 | 一种基于深度学习的长期及短期交通流预测模型构建方法 |
US20200036639A1 (en) * | 2018-07-26 | 2020-01-30 | Cable Television Laboratories, Inc. | Methods for predicting future network traffic |
CN110768825A (zh) * | 2019-10-16 | 2020-02-07 | 电子科技大学 | 一种基于网络大数据分析的业务流量预测方法 |
CN111163014A (zh) * | 2019-12-24 | 2020-05-15 | 西安空间无线电技术研究所 | 一种基于门控制的可变比特速率业务调度方法 |
US20210133569A1 (en) * | 2019-11-04 | 2021-05-06 | Tsinghua University | Methods, computing devices, and storage media for predicting traffic matrix |
CN113179220A (zh) * | 2021-05-12 | 2021-07-27 | 中移智行网络科技有限公司 | 一种数据传输方法、装置和计算机可读存储介质 |
-
2021
- 2021-12-28 CN CN202111628471.3A patent/CN114374653B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200036639A1 (en) * | 2018-07-26 | 2020-01-30 | Cable Television Laboratories, Inc. | Methods for predicting future network traffic |
CN110535781A (zh) * | 2019-07-30 | 2019-12-03 | 西安交通大学 | 一种基于窗口预测的流量控制方法 |
CN110610232A (zh) * | 2019-09-11 | 2019-12-24 | 南通大学 | 一种基于深度学习的长期及短期交通流预测模型构建方法 |
CN110768825A (zh) * | 2019-10-16 | 2020-02-07 | 电子科技大学 | 一种基于网络大数据分析的业务流量预测方法 |
US20210133569A1 (en) * | 2019-11-04 | 2021-05-06 | Tsinghua University | Methods, computing devices, and storage media for predicting traffic matrix |
CN111163014A (zh) * | 2019-12-24 | 2020-05-15 | 西安空间无线电技术研究所 | 一种基于门控制的可变比特速率业务调度方法 |
CN113179220A (zh) * | 2021-05-12 | 2021-07-27 | 中移智行网络科技有限公司 | 一种数据传输方法、装置和计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
姜旭艳;严锦立;全巍;孙志刚;: "SSA:一种面向CQF模型的TSN资源调度算法", 东北大学学报(自然科学版), no. 06 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024036476A1 (zh) * | 2022-08-16 | 2024-02-22 | 新华三技术有限公司 | 一种报文转发方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114374653B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hsu et al. | Age of information: Design and analysis of optimal scheduling algorithms | |
Azari et al. | Cellular traffic prediction and classification: A comparative evaluation of LSTM and ARIMA | |
Wang et al. | When to preempt? Age of information minimization under link capacity constraint | |
CN113163450B (zh) | 门控制列表生成方法、网络设备及计算机可读存储介质 | |
CN111163014B (zh) | 一种基于门控制的可变比特速率业务调度方法 | |
CN112260957A (zh) | 一种面向移动前传网络的时间感知整形器分级交叉流量调度系统及方法 | |
CN111491312A (zh) | 无线资源预测分配、获取、训练神经网络的方法及设备 | |
Attia et al. | Dynamic QoE/QoS-aware queuing for heterogeneous traffic in smart home | |
CN114374653B (zh) | 一种基于流量预测的可变比特速率业务调度方法 | |
Zhang et al. | Wireless/wired integrated transmission for industrial cyber-physical systems: risk-sensitive co-design of 5G and TSN protocols | |
Wu et al. | Deep reinforcement learning for scheduling in an edge computing-based industrial internet of things | |
Ruan et al. | Machine learning based bandwidth prediction in tactile heterogeneous access networks | |
Zhang et al. | AoI and PAoI in the IoT-based multi-source status update system: Violation probabilities and optimal arrival rate allocation | |
Fan et al. | Access flow control scheme for ATM networks using neural-network-based traffic prediction | |
Zhang et al. | Maximum throughput under admission control with unknown queue-length in wireless sensor networks | |
CN114679388B (zh) | 一种时间敏感网络数据流量预测方法、系统及存储介质 | |
CN114915597B (zh) | 一种时间敏感网络的确定性资源调度方法 | |
Jang | Estimation and Prediction‐Based Connection Admission Control in Broadband Satellite Systems | |
Yao et al. | Hybrid Flow Scheduling with Additional Simple Compensation Mechanisms in Time-Sensitive Networks | |
Zang et al. | Intra-domain heuristic traffic scheduling algorithm for time-sensitive networks | |
Siddikov et al. | Research of Basic Characteristics of Wireless Sensor Networks for Energy Monitoring System | |
Yaghmaee et al. | A novel FLC-based approach for ATM traffic control | |
Amiriyan et al. | Multiprotocol Flow assignment in smart home IoT network | |
Om et al. | Artificial intelligence–Based video traffic policing for next generation networks | |
Tian et al. | Age-Aware Status Updating for Solar Energy Storage Systems |
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 |