CN114513408B - 一种ecn门限配置方法及装置 - Google Patents
一种ecn门限配置方法及装置 Download PDFInfo
- Publication number
- CN114513408B CN114513408B CN202210007198.0A CN202210007198A CN114513408B CN 114513408 B CN114513408 B CN 114513408B CN 202210007198 A CN202210007198 A CN 202210007198A CN 114513408 B CN114513408 B CN 114513408B
- Authority
- CN
- China
- Prior art keywords
- target
- ecn
- scene
- configuration
- scene parameter
- 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 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 238000012360 testing method Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000003247 decreasing effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 2
- 241000220317 Rosa Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect 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
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
-
- 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
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
Abstract
本申请涉及网络通信技术领域,特别涉及一种ECN门限配置方法及装置。该方法包括:获取目标出端口在当前流量转发场景下的目标场景参数,其中,一个出端口的场景参数为与通过该出端口转发的流量相关的参数;判断预设的场景参数与ECN配置的第一关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;若不存在,则判断预设的场景参数与ECN配置的第二关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;若不存在,则基于贪婪算法计算所述目标场景参数对应的ECN配置,并基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中。
Description
技术领域
本申请涉及网络通信技术领域,特别涉及一种ECN门限配置方法及装置。
背景技术
随着高并发、低时延业务的增多,网络设备(比如,交换机、路由器)的出端口容易发生网络拥塞。网络拥塞是指网络设备通过入端口接收的流量远远大于通过出端口发送的流量时,大量报文滞留(缓存)于出队列(出端口对应队列)的现象,这会影响报文的传输时延以及吞吐量等网络性能。
目前,普遍采用静态显示拥塞通知(英文:Explicit Congestion Notification,缩写:ECN)配置来控制网络拥塞。具体为,网络设备根据静态配置的ECN门限,判断出队列是否发生拥塞,如果发生拥塞,则为出队列中报文添加ECN标识,发送至目的设备,目的设备接收到带有ECN标识的报文后,向源设备发送拥塞通知报文(英文:Congestion NotificationPacket,缩写:CNP),通知源设备降低流量发送速率,以达到控制网络拥塞的目的。
但是,静态ECN配置无法适应动态变化的流量场景,导致各流量场景下的网络性能不佳。
发明内容
本申请提供了一种ECN门限配置方法及装置,用以解决现有技术中存在的静态ECN配置无法适应动态变化的流量场景,导致各流量场景下的网络性能不佳的问题。
第一方面,本申请提供了一种ECN门限配置方法,所述方法包括:
获取目标出端口在当前流量转发场景下的目标场景参数,其中,一个出端口的场景参数为与通过该出端口转发的流量相关的参数;
判断预设的场景参数与ECN配置的第一关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;
若不存在,则判断预设的场景参数与ECN配置的第二关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;
若不存在,则基于贪婪算法计算所述目标场景参数对应的ECN配置,并基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中;
其中,所述第一关联关系中各场景参数对应的ECN配置,是基于贪婪算法计算得到的;所述第二关联关系中各场景参数对应的ECN配置,为各常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的网络性能值最优时的ECN配置。
可选地,基于贪婪算法计算所述目标场景参数对应的ECN配置的步骤包括:
将标记概率和ENC下水线设置为固定值,通过贪婪算法,得到所述目标出端口网络性能最佳时的目标ECN上水线;
将标记概率和ECN上水线设置为固定值,通过贪婪算法,得到所述目标出端口网络性能最佳时的目标ECN下水线;
将所述目标ECN上水线,所述目标ECN下水线和所述标记概率作为所述目标场景参数对应的ECN配置。
可选地,若判定预设的场景参数与ECN配置的第一关联关系中存在与所述目标场景参数相匹配的目标ECN配置;或者,若判定预设的场景参数与ECN配置的第二关联关系中存在与所述目标场景参数相匹配的目标ECN配置;则所述方法还包括:
基于所述目标ECN配置对所述目标出端口的ECN门限进行配置。
可选地,基于所述目标ECN配置对所述目标出端口的ECN门限进行配置后,所述方法还包括:
获取所述目标出端口的网络性能值,若所述目标出端口的网络性能值不满足预设要求,则执行所述基于贪婪算法计算所述目标场景参数对应的ECN配置,并基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中的步骤。
可选地,所述方法还包括:
针对各常见的流量转发场景,将该常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的所述目标出端口的网络性能值最优时的ECN配置的对应关系添加到所述第二关联关系中。
第二方面,本申请提供了一种ECN门限配置装置,所述装置包括:
获取单元,用于获取目标出端口在当前流量转发场景下的目标场景参数,其中,一个出端口的场景参数为与通过该出端口转发的流量相关的参数;
判断单元,用于判断预设的场景参数与ECN配置的第一关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;
若不存在,则所述判断单元还用于,判断预设的场景参数与ECN配置的第二关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;
计算单元,若不存在,则所述计算单元用于,基于贪婪算法计算所述目标场景参数对应的ECN配置;
配置单元,用于基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中;
其中,所述第一关联关系中各场景参数对应的ECN配置,是基于贪婪算法计算得到的;所述第二关联关系中各场景参数对应的ECN配置,为各常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的网络性能值最优时的ECN配置。
可选地,基于贪婪算法计算所述目标场景参数对应的ECN配置时,所述计算单元具体用于:
将标记概率和ENC下水线设置为固定值,通过贪婪算法,得到所述目标出端口网络性能最佳时的目标ECN上水线;
将标记概率和ECN上水线设置为固定值,通过贪婪算法,得到所述目标出端口网络性能最佳时的目标ECN下水线;
将所述目标ECN上水线,所述目标ECN下水线和所述标记概率作为所述目标场景参数对应的ECN配置。
可选地,若所述判断单元判定预设的场景参数与ECN配置的第一关联关系中存在与所述目标场景参数相匹配的目标ECN配置;或者,若所述判断单元判定预设的场景参数与ECN配置的第二关联关系中存在与所述目标场景参数相匹配的目标ECN配置;则所述配置单元还用于:
基于所述目标ECN配置对所述目标出端口的ECN门限进行配置。
可选地,基于所述目标ECN配置对所述目标出端口的ECN门限进行配置后,
所述获取单元还用于,获取所述目标出端口的网络性能值,若所述目标出端口的网络性能值不满足预设要求,则所述计算单元用于,基于贪婪算法计算所述目标场景参数对应的ECN配置,所述配置单元用于,基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中。
可选地,所述装置还包括:
测试单元,用于针对各常见的流量转发场景,将该常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的所述目标出端口的网络性能值最优时的ECN配置的对应关系添加到所述第二关联关系中。
第三方面,本申请实施例提供一种ECN门限配置装置,该ECN门限配置装置包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行如上述第一方面中任一项所述的方法的步骤。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使所述计算机执行如上述第一方面中任一项所述方法的步骤。
综上可知,本申请实施例提供的ECN门限配置方法,所述方法包括:获取目标出端口在当前流量转发场景下的目标场景参数,其中,一个出端口的场景参数为与通过该出端口转发的流量相关的参数;判断预设的场景参数与ECN配置的第一关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;若不存在,则判断预设的场景参数与ECN配置的第二关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;若不存在,则基于贪婪算法计算所述目标场景参数对应的ECN配置,并基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中;其中,所述第一关联关系中各场景参数对应的ECN配置,是基于贪婪算法计算得到的;所述第二关联关系中各场景参数对应的ECN配置,为各常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的网络性能值最优时的ECN配置。
采用本申请实施例提供的ECN门限配置方法,可以实时感知网络流量模型变化,自动调节出最佳ECN水线,实现网络拥塞控制,提升网络吞吐等性能指标,这样,可以快速、高效的对常见场景的网络设备出端口进行ECN配置下发,实现基于ECN配置的网络拥塞控制。通过探索的方式计算非常用场景的推荐ECN配置,在关联关系中预设的ECN配置进行ECN门限配置之后,目标出端口的性能并不佳时,仍可以采用探索的方式计算得到目标出端口当前的ECN门限。
附图说明
为了更加清楚地说明本申请实施例或者现有技术中的技术方案,下面将对本申请实施例或者现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据本申请实施例的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ECN门限配置方法的详细流程图;
图2为本申请实施例提供的一种ECN门限配置装置的结构示意图;
图3为本申请实施例提供的另一种ECN门限配置装置的结构示意图。
具体实施方式
在本申请实施例使用的术语仅仅是出于描述特定实施例的目的,而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其它含义。还应当理解,本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,此外,所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
示例性的,参阅图1所示,为本申请实施例提供的一种ECN门限配置方法的详细流程图,该方法包括以下步骤:
步骤100:获取目标出端口在当前流量转发场景下的目标场景参数,其中,一个出端口的场景参数为与通过该出端口转发的流量相关的参数。
本申请实施例中,该方法可应用于基于ECN门限执行拥塞控制的网络设备,比如,交换机、路由器等,亦可应用于独立于网络设备之外的控制设备,比如,服务器等。
所谓网络设备,包括至少一个出端口。管理员可以指定需要基于ECN门限执行拥塞控制的出端口,或者,默认对所有出端口均基于ECN门限执行拥塞控制。这里,将需要基于ECN门限执行拥塞控制的出端口均称为目标出端口。
这里,出端口对应的场景参数指出端口在某一场景下的流量相关参数,本申请实施例中特指通过目标出端口需转发的流量的参数。以下描述中,若无特殊说明,流量均指通过目标出端口转发的流量。
本申请实施例中,网络设备(如,交换机)可以对各出端口的Roce数据流进行统计和管理,具体的,周期性获取各出端口的Roce队列的聚合统计信息,并以gRpc方式发送给分析器(Analyzer)设备。实际应用中,Roce数据流一般被网络上的各个设备统一映射到指定的优先级队列上,并在该优先级队列上使能PFC,ECN等配置,以实现无损转发。比如,常见的RDMA配置,将cos 5队列或cos 4队列设置为Roce队列。其它cos队列为非Roce队列,无需使能PFC,ECN等配置。
也就是说,出端口对应的场景参数指出端口在某一场景下的流量相关参数指的是,该出端口的Roce队列在某一场景下的流量相关参数(场景参数)。
具体地,该场景参数还可包括:网络设备类型,出端口类型,流量来源端口(入端口)数量,流量来源端口的平均带宽、流的数目、不同类型报文的比例等等。这里,需要说明的是,通过同一出端口转发流量可能来自于一个或多个入端口。
例如,为了协助分析器进行Roce队列的ECN水线调整,交换机以每个使能ECN特性的端口和Roce队列为单位,选择以该Roce队列为出队列的Roce数据流,并进行聚合统计。这些聚合统计信息包括:Roce出队列平均带宽、Incast(入端口数量)、各入端口的数据流个数(#Flow)\大带宽数据流个数(#BigFlow)\平均带宽\write/read/send报文类型比例,RTT,NAK等。交换机周期性将这些聚合统计数据以gRpc形式发送给Analyzer设备。分析器对这些数据做参数化处理可以得到场景向量。
又例如,场景参数还可以包括:交换机的设备类型,出端口速率(25G/100G),Incast(入端口数量),Roce队列range值等信息,组成场景模型参数向量:(DeviceType,PortSpeed,Incast,Range),它作为划分场景模型的依据,即不同的参数向量对应不同的场景模型。其中,Roce队列range值,指的是Roce队列的平均带宽与Roce队列的当前可用带宽之比值,Roce队列当前可用带宽为出端口总带宽与其他非Roce队列已用带宽之差值。
步骤110:判断预设的场景参数与ECN配置的第一关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置。
本申请实施例中,所述第一关联关系中各场景参数对应的ECN配置,是基于贪婪算法计算得到的。
即在第一次获取到目标场景参数后,若第二关联关系中不存在目标场景参数对应的ECN配置,或者,第二关联关系中存在目标场景参数对应的ECN配置,但是基于该ECN配置进行ECN门限配置之后,目标出端口的网络性能不能满足预设要求,则会基于贪婪算法计算所述目标场景参数对应的ECN配置,并基于该ECN配置对所述目标出端口的ECN门限进行配置,以及将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中。这样,在后续实际应用中获取到该目标场景参数之后,即可直接从第一关联关系中获取与该目标场景参数对应的ECN配置,并进行ECN门限配置。
步骤120:若不存在,则判断预设的场景参数与ECN配置的第二关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置。
本申请实施例中,所述第二关联关系中各场景参数对应的ECN配置,为各常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的网络性能值最优时的ECN配置。
那么,本申请实施例中,若判定第一关联关系中存在该目标场景参数对应的ECN配置,则直接使用该ECN配置对目标出端口进行ECN门限配置。若判定第一关联关系中不存在该目标场景参数对应的ECN配置,则需要再次判断第二关联关系中是否存在该目标场景参数对应的ECN配置。
本申请实施例中,针对各常见的流量转发场景,将该常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的所述目标出端口的网络性能值最优时的ECN配置的对应关系添加到所述第二关联关系中。
具体的,首先在实验室搭建测试环境,对若干常见场景的进行广泛测试,根据各常见场景的测试数据(场景参数)得到对应的推荐ECN配置,这些场景参数连同推荐ECN配置保存在流量模型文件中。具体的,在实验室搭建测试环境,对若干常见场景的进行广泛测试。这里的常见场景主要指的是incast(入端口数量),各入端口的平均带宽、Roce流数目以及Write/Read/Send比例等。每一个场景对应一个不同的场景参数,通过调整交换机ECN门限设置,可以计算系统的Throughput以及latency性能指标,找到使得网络性能指标最优的ECN门限配置,它即是所求的场景推荐ECN配置。将该场景及其对应的ECN配置维护至第二关联关系中。
步骤130:若不存在,则基于贪婪算法计算所述目标场景参数对应的ECN配置,并基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中。
也就是说,若判定第二关联关系中也不存在该目标场景参数对应的ECN配置,则说明该目标场景参数为未知场景,此时,需采用贪婪算法计算目标场景参数对应的ECN配置。
本申请实施例中,在基于贪婪算法计算所述目标场景参数对应的ECN配置时,一种较佳地实现方式为,将标记概率和ENC下水线设置为固定值,通过贪婪算法,得到所述目标出端口网络性能最佳时的目标ECN上水线;将标记概率和ECN上水线设置为固定值,通过贪婪算法,得到所述目标出端口网络性能最佳时的目标ECN下水线;将所述目标ECN上水线,所述目标ECN下水线和所述标记概率作为所述目标场景参数对应的ECN配置。
例如,实际网络环境中,可能会遇到一些未知场景模型,甚至一些已知场景模型的推荐配置性能不佳的情况出现,那么,在线探索新的推荐值,必须在场景条件保持不变的短暂时间内完成(即,如果探索还未结束,但场景条件发生变化了,则此次探索失败)。这就需要利用数据分析规律,极大减小搜索空间,优化的搜索步骤可以在很少的次数内得到尽可能好的性能指标。这里采用启发式探索方法,固定Pmax(标记概率)取值,先固定Kmin(ECN下水线),利用Greedy方法获取Kmax(ECN上水线)取值,再固定Kmax(ECN上水线),利用Greedy方法获取Kmin(ECN下水线)取值。这种探索方法所得结果是次优。
即,固定标记概率,再固定ECN下水线,按照预设规律增大或减小ECN上水线(以ECN上水线从较大的值依次减小为例进行说明),判断出端口的网络性能变化趋势,若ECN上水线减小固定值后,出端口网络性能增加,则再次将ECN上水线减小固定值,若此次减小ECN上水线之后,出端口网络性能降低,则将上一个ECN上水线作为目标ECN上水线。接着,固定标记概率,再固定ECN上水线(较佳的,固定为目标ECN上水线),按照预设规律增大或减小ECN下水线(以ECN下水线从较小的值依次增大为例进行说明),判断出端口的网络性能变化趋势,若ECN下水线增加固定值后,出端口网络性能增加,则再次将ECN下水线增加固定值,若此次增加ECN下水线之后,出端口网络性能降低,则将上一个ECN下水线作为目标ECN下水线。
进一步的,本申请实施例中,若判定预设的场景参数与ECN配置的第一关联关系中存在与所述目标场景参数相匹配的目标ECN配置;或者,若判定预设的场景参数与ECN配置的第二关联关系中存在与所述目标场景参数相匹配的目标ECN配置;则上述ECN配置方法还可以包括以下步骤:
基于所述目标ECN配置对所述目标出端口的ECN门限进行配置。
也就是说,
进一步的,获取所述目标出端口的网络性能值,若所述目标出端口的网络性能值不满足预设要求,则执行所述基于贪婪算法计算所述目标场景参数对应的ECN配置,并基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中的步骤。
也就是说,基于预设规则获取目标出端口的网络性能值,并判断该目标出端口的网络性能值是否达到性能需求。若不能达到,则说明ECN门限设置不合理,此时,需要从新探索该场景下的推荐ECN配置。并采用推荐得到的ECN配置来对目标出端口进行ECN门限配置,以使得目标出端口的网络性能达到性能需求。当然,在从新探索到新的ECN配置之后,可以将该ECN配置维护至第一关联关系中(替换掉第一关联关系中原有的该场景对应的ECN配置)。
参阅图2所示,为本申请实施例提供的一种ECN门限配置装置的结构示意图,该装置包括:
获取单元20,用于获取目标出端口在当前流量转发场景下的目标场景参数,其中,一个出端口的场景参数为与通过该出端口转发的流量相关的参数;
判断单元21,用于判断预设的场景参数与ECN配置的第一关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;
若不存在,则所述判断单元21还用于,判断预设的场景参数与ECN配置的第二关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;
计算单元22,若不存在,则所述计算单元用于,基于贪婪算法计算所述目标场景参数对应的ECN配置;
配置单元23,用于基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中;
其中,所述第一关联关系中各场景参数对应的ECN配置,是基于贪婪算法计算得到的;所述第二关联关系中各场景参数对应的ECN配置,为各常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的网络性能值最优时的ECN配置。
可选地,基于贪婪算法计算所述目标场景参数对应的ECN配置时,所述计算单元22具体用于:
将标记概率和ENC下水线设置为固定值,通过贪婪算法,得到所述目标出端口网络性能最佳时的目标ECN上水线;
将标记概率和ECN上水线设置为固定值,通过贪婪算法,得到所述目标出端口网络性能最佳时的目标ECN下水线;
将所述目标ECN上水线,所述目标ECN下水线和所述标记概率作为所述目标场景参数对应的ECN配置。
可选地,若所述判断单元21判定预设的场景参数与ECN配置的第一关联关系中存在与所述目标场景参数相匹配的目标ECN配置;或者,若所述判断单元21判定预设的场景参数与ECN配置的第二关联关系中存在与所述目标场景参数相匹配的目标ECN配置;则所述配置单元23还用于:
基于所述目标ECN配置对所述目标出端口的ECN门限进行配置。
可选地,基于所述目标ECN配置对所述目标出端口的ECN门限进行配置后,
所述获取单元20还用于,获取所述目标出端口的网络性能值,若所述目标出端口的网络性能值不满足预设要求,则所述计算单元22用于,基于贪婪算法计算所述目标场景参数对应的ECN配置,所述配置单元23用于,基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中。
可选地,所述装置还包括:
测试单元,用于针对各常见的流量转发场景,将该常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的所述目标出端口的网络性能值最优时的ECN配置的对应关系添加到所述第二关联关系中。
以上这些单元可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个单元通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些单元可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
进一步地,本申请实施例提供的ECN门限配置装置,从硬件层面而言,所述ECN门限配置装置的硬件架构示意图可以参见图3所示,所述ECN门限配置装置可以包括:存储器30和处理器31,
存储器30用于存储程序指令;处理器31调用存储器30中存储的程序指令,按照获得的程序指令执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本申请还提供一种ECN配置设备,包括用于执行上述方法实施例的至少一个处理元件(或芯片)。
可选地,本申请还提供一种程序产品,例如计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令用于使该计算机执行上述方法实施例。
这里,机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:RAM(RadomAccess Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请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。应理解可以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、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其它可编程数据处理设备的处理器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。
而且,这些计算机程序指令也可以存储在能引导计算机或其它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者多个流程和/或方框图一个方框或者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它可编程数据处理设备上,使得在计算机或者其它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,从而在计算机或其它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。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (10)
1.一种ECN门限配置方法,其特征在于,所述方法包括:
获取目标出端口在当前流量转发场景下的目标场景参数,其中,一个出端口的场景参数为与通过该出端口转发的流量相关的参数;
判断预设的场景参数与ECN配置的第一关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;
若不存在,则判断预设的场景参数与ECN配置的第二关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;
若不存在,则基于贪婪算法计算所述目标场景参数对应的ECN配置,并基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中;
其中,所述第一关联关系中各场景参数对应的ECN配置,是基于贪婪算法计算得到的;所述第二关联关系中各场景参数对应的ECN配置,为各常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的网络性能值最优时的ECN配置。
2.如权利要求1所述的方法,其特征在于,基于贪婪算法计算所述目标场景参数对应的ECN配置的步骤包括:
将标记概率和ENC下水线设置为固定值,通过贪婪算法,得到所述目标出端口网络性能最佳时的目标ECN上水线;
将标记概率和ECN上水线设置为固定值,通过贪婪算法,得到所述目标出端口网络性能最佳时的目标ECN下水线;
将所述目标ECN上水线,所述目标ECN下水线和所述标记概率作为所述目标场景参数对应的ECN配置。
3.如权利要求1或2所述的方法,其特征在于,若判定预设的场景参数与ECN配置的第一关联关系中存在与所述目标场景参数相匹配的目标ECN配置;或者,若判定预设的场景参数与ECN配置的第二关联关系中存在与所述目标场景参数相匹配的目标ECN配置;则所述方法还包括:
基于所述目标ECN配置对所述目标出端口的ECN门限进行配置。
4.如权利要求3所述的方法,其特征在于,基于所述目标ECN配置对所述目标出端口的ECN门限进行配置后,所述方法还包括:
获取所述目标出端口的网络性能值,若所述目标出端口的网络性能值不满足预设要求,则执行所述基于贪婪算法计算所述目标场景参数对应的ECN配置,并基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中的步骤。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
针对各常见的流量转发场景,将该常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的所述目标出端口的网络性能值最优时的ECN配置的对应关系添加到所述第二关联关系中。
6.一种ECN门限配置装置,其特征在于,所述装置包括:
获取单元,用于获取目标出端口在当前流量转发场景下的目标场景参数,其中,一个出端口的场景参数为与通过该出端口转发的流量相关的参数;
判断单元,用于判断预设的场景参数与ECN配置的第一关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;
若不存在,则所述判断单元还用于,判断预设的场景参数与ECN配置的第二关联关系中是否存在与所述目标场景参数相匹配的目标ECN配置;
计算单元,若不存在,则所述计算单元用于,基于贪婪算法计算所述目标场景参数对应的ECN配置;
配置单元,用于基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中;
其中,所述第一关联关系中各场景参数对应的ECN配置,是基于贪婪算法计算得到的;所述第二关联关系中各场景参数对应的ECN配置,为各常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的网络性能值最优时的ECN配置。
7.如权利要求6所述的装置,其特征在于,基于贪婪算法计算所述目标场景参数对应的ECN配置时,所述计算单元具体用于:
将标记概率和ENC下水线设置为固定值,通过贪婪算法,得到所述目标出端口网络性能最佳时的目标ECN上水线;
将标记概率和ECN上水线设置为固定值,通过贪婪算法,得到所述目标出端口网络性能最佳时的目标ECN下水线;
将所述目标ECN上水线,所述目标ECN下水线和所述标记概率作为所述目标场景参数对应的ECN配置。
8.如权利要求6或7所述的装置,其特征在于,若所述判断单元判定预设的场景参数与ECN配置的第一关联关系中存在与所述目标场景参数相匹配的目标ECN配置;或者,若所述判断单元判定预设的场景参数与ECN配置的第二关联关系中存在与所述目标场景参数相匹配的目标ECN配置;则所述配置单元还用于:
基于所述目标ECN配置对所述目标出端口的ECN门限进行配置。
9.如权利要求8所述的装置,其特征在于,基于所述目标ECN配置对所述目标出端口的ECN门限进行配置后,
所述获取单元还用于,获取所述目标出端口的网络性能值,若所述目标出端口的网络性能值不满足预设要求,则所述计算单元用于,基于贪婪算法计算所述目标场景参数对应的ECN配置,所述配置单元用于,基于该ECN配置对所述目标出端口的ECN门限进行配置,并将所述目标场景参数和其对应的ECN配置维护至所述第一关联关系中。
10.如权利要求6所述的装置,其特征在于,所述装置还包括:
测试单元,用于针对各常见的流量转发场景,将该常见场景下的场景参数与通过在搭建的测试环境中测试得到的该常见场景下的所述目标出端口的网络性能值最优时的ECN配置的对应关系添加到所述第二关联关系中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210007198.0A CN114513408B (zh) | 2022-01-05 | 2022-01-05 | 一种ecn门限配置方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210007198.0A CN114513408B (zh) | 2022-01-05 | 2022-01-05 | 一种ecn门限配置方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114513408A CN114513408A (zh) | 2022-05-17 |
CN114513408B true CN114513408B (zh) | 2023-10-27 |
Family
ID=81550063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210007198.0A Active CN114513408B (zh) | 2022-01-05 | 2022-01-05 | 一种ecn门限配置方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114513408B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115102905A (zh) * | 2022-06-28 | 2022-09-23 | 新华三人工智能科技有限公司 | 一种ecn水线调整方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102227121A (zh) * | 2011-06-21 | 2011-10-26 | 中国科学院软件研究所 | 基于机器学习的分布式缓存策略自适应切换方法及系统 |
WO2020055659A1 (en) * | 2018-09-14 | 2020-03-19 | Siemens Aktiengesellschaft | Generation and utilization of self-improving data-driven models with selective simulation of 3d object design |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017134488A1 (en) * | 2016-02-05 | 2017-08-10 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for control plane to configure monitoring of differentiated service code point (dscp) and explicit congestion notification (ecn) |
-
2022
- 2022-01-05 CN CN202210007198.0A patent/CN114513408B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102227121A (zh) * | 2011-06-21 | 2011-10-26 | 中国科学院软件研究所 | 基于机器学习的分布式缓存策略自适应切换方法及系统 |
WO2020055659A1 (en) * | 2018-09-14 | 2020-03-19 | Siemens Aktiengesellschaft | Generation and utilization of self-improving data-driven models with selective simulation of 3d object design |
Also Published As
Publication number | Publication date |
---|---|
CN114513408A (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11005769B2 (en) | Congestion avoidance in a network device | |
CN109313618B (zh) | 用于分组传递的图形处理单元(gpu) | |
US9013997B2 (en) | System for performing distributed data cut-through | |
US9639403B2 (en) | Receive-side scaling in a computer system using sub-queues assigned to processing cores | |
Wang et al. | Freeway: Adaptively isolating the elephant and mice flows on different transmission paths | |
CN110214436B (zh) | 一种多核无锁速率限制装置和方法 | |
US20060176883A1 (en) | Scheduling items using mini-quantum values | |
EP1941287A2 (en) | Class-based bandwidth partitioning | |
KR20200074431A (ko) | 다매체 다중경로 네트워크의 최적 경로 선택 시스템 및 그 방법 | |
US20210359952A1 (en) | Technologies for protocol-agnostic network packet segmentation | |
CN108632165A (zh) | 一种报文处理方法、装置及设备 | |
US10536385B2 (en) | Output rates for virtual output queses | |
CN114513408B (zh) | 一种ecn门限配置方法及装置 | |
KR101609288B1 (ko) | 무버퍼 noc 및 noc 전자요소의 데이터 처리 방법 | |
CN113328953B (zh) | 网络拥塞调整的方法、装置和存储介质 | |
CN116366554A (zh) | 一种流量限速方法、装置及设备 | |
CN113746743A (zh) | 一种数据报文传输方法及装置 | |
WO2017169948A1 (ja) | 通信システム、可用帯域推定装置、可用帯域推定方法および可用帯域推定プログラムが記憶された記録媒体 | |
Addanki et al. | Credence: Augmenting Datacenter Switch Buffer Sharing with ML Predictions | |
CN114070798B (zh) | 一种报文传输方法、装置及设备 | |
CN114513409B (zh) | 一种ecn门限配置方法及装置 | |
CN113839884B (zh) | 流量控制方法和装置 | |
CN115941634A (zh) | 共享缓存的阈值调节方法、装置和计算机设备 | |
JP2019149043A (ja) | 見積り装置および見積り方法 | |
CN114070795A (zh) | 拥塞门限确定方法、装置、设备及存储介质 |
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 |