CN115865543A - 一种基于最优控制的周期性节能方法 - Google Patents
一种基于最优控制的周期性节能方法 Download PDFInfo
- Publication number
- CN115865543A CN115865543A CN202211511600.5A CN202211511600A CN115865543A CN 115865543 A CN115865543 A CN 115865543A CN 202211511600 A CN202211511600 A CN 202211511600A CN 115865543 A CN115865543 A CN 115865543A
- Authority
- CN
- China
- Prior art keywords
- state
- eee
- period
- energy
- saving
- 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 30
- 230000000737 periodic effect Effects 0.000 title claims abstract description 14
- 230000007958 sleep Effects 0.000 claims abstract description 42
- 230000007704 transition Effects 0.000 claims abstract description 37
- 238000005265 energy consumption Methods 0.000 claims abstract description 26
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000009795 derivation Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 11
- 230000014509 gene expression Effects 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000005059 dormancy Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 19
- 238000004088 simulation Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Small-Scale Networks (AREA)
Abstract
本发明公开了一种基于最优控制的周期性节能方法，用作IEEE802.3bj标准定义的40‑100Gbps节能以太网EEE的节能策略。EEE定义了快速唤醒和深度睡眠两种节能状态，不同节能状态对应的节能量和状态转换延迟不同。本发明通过构造平均延迟和能耗的成本函数，动态调整周期长度，在保证数据帧尾延迟不超过预定期望延迟的前提下，周期性地根据历史信息预测下一个周期内数据帧的到达速率，并基于此预测结果选择下一周期内使用的节能状态以及控制EEE离开节能状态的时机，从而使每个周期内期望的成本函数最小化，在提升节能量和减少尾延时两方面取得较好的折中。实验结果表明，本发明在不同的流量模式下最终的成本函数皆优于现有节能策略，具有良好的节能效果和较低的延时开销。
Description
技术领域
本发明涉及40-100Gbps节能以太网领域，特别涉及一种基于最优控制的周期性节能方法。
背景技术
近年来，随着40-100Gbps以太网出现在商业用途中，IEEE802.3bj工作组在2014年9月颁布了相应的节能以太网(Energy Efficient Ethernet，EEE)标准。在该项标准中，处于深度睡眠状态中的链路功耗仅为峰值的10％，且深度睡眠状态转换到工作状态所需时间为5.5μs，而处于快速唤醒状态下的链路功耗通常为峰值功耗的70％，但从快速唤醒状态转换到正常工作状态所需时间更短，为0.34μs。EEE使用这两种状态来节约能耗。当链路中没有数据帧需要传输时，链路会选择进入其中一种低功耗状态，在此过程中，链路功耗为100％。一方面，随着链路容量的增加，以太网的功耗大大增加，另一方面，由于链路带宽增大，数据帧的期望延迟越来越小，而频繁的状态转换所需时间会使得帧的延迟相对地增大。因此，减少不必要的状态转换对于节能是至关重要的。EEE的节能量取决于链路所选择的节能状态和在这个节能状态下停留的时间，停留时间越长，节省的能量就越多。为了延长EEE在节能状态中的停留时间，类似于1-10Gbps节能以太网中的做法是将状态转换过程中以及节能状态下到达的数据帧存储起来，使得链路不会马上从节能状态中退出。虽然这种做法可以大大降低链路能耗，但会额外增加数据帧的延迟。
在40-100Gbps以太网中已经出现了Dual-Mode、FC、FC-SSHI和FC-DT这几种节能策略。其中，Dual-Mode、FC和FC-SSHI这三种策略都无法在达到良好节能效果的同时控制延迟。而FC-DT策略虽然能够将平均延迟控制在预定的期望延迟下，但它所选择的节能状态在系统给出期望延迟时就被确定下来。当负载很高时，如果确定的状态为深度睡眠状态，数据帧的延迟会因为较长的状态转换时间而大大增加。
现今，电子商务、网络搜索和交易系统等交互式应用对数据传输的完成时间提出了更高的要求，与此同时流量负载也不再仅仅保持为一种固定的流量模式。因此，基于40-100Gbps以太网设计的策略应该在可变流量负载下实现一致的高性能的节能效果。然而现有策略在一定的流量类型下可能有效，但其固定的参数配置都难以在可变流量负载下保持良好性能。
发明内容
为了解决目前40-100Gbps以太网节能策略难以在可变流量负载下保持良好性能的技术问题，本发明提供一种能够在不同的流量模式下表现出优于现有节能以太网策略的延时和节能效果的基于最优控制的周期性节能方法
为实现上述技术目的，本发明的技术方案是，
一种基于最优控制的周期性节能方法，包括以下步骤：
步骤一，统计当前的真实周期长度和在一个周期内传输的数据帧总数据量；其中一个周期是以节能以太网EEE从进入低功耗状态休眠开始，到转入活跃状态并将待传输队列中缓存的数据帧全部传输完毕为止；
步骤二，在下一周期开始前，预测下一周期内数据帧到达速率，进而根据链路带宽计算出下一周期中传输数据帧所需时间τi以及下一周期内到达的数据帧数；
步骤三，根据下一周期内到达的数据帧数，计算下一周期到达的数据帧的平均延时；
步骤四，根据下一周期内到达的数据帧的传输时间τi，计算下一周期内EEE选择低功耗状态中的快速唤醒状态或深度睡眠状态进行休眠时整个周期的能耗；
步骤五：计算周期长度ETCFW和ETCDS，以使EEE在下一周期选择快速唤醒和深度睡眠状态时相应的成本函数最小化；
步骤六：比较计算快速唤醒状态和深度睡眠状态的成本值：如果选择快速唤醒状态的成本值较小，则将下一周期长度设置为ETCFW，且下一周期内EEE首先进入快速唤醒状态，并在ETCFW-τi-TFtoA时刻，EEE从快速唤醒状态恢复到正常工作状态，最后在待传输队列中的数据帧全部传输完毕之后进入下一周期并返回步骤一；
否则将下一周期长度设置为ETCDS，且下一周期内EEE首先进入深度睡眠状态，并在ETCDS-τi-TDtoA时刻，EEE从深度睡眠状态恢复到正常工作状态，最后在待传输队列中的数据帧全部传输完毕之后进入下一周期并返回步骤一；
其中TFtoA表示EEE从快速唤醒状态转换到正常工作状态所需的时间，TDtoA表示EEE从深度睡眠状态转换到正常工作状态所需的时间。
所述的方法，所述的步骤二中，预测下一周期内数据帧到达速率，是基于当前周期预测的数据帧到达速率，以及当前周期实际的数据帧到达速率进行指数加权平滑获得，即：
其中α为权重值，i为周期的序号，且i≥3；Si-1表示当前周期内到达的数据帧总数据量，TCi-1表示当前周期的真实周期长度；
当i＝1时，以该周期为初始化周期，不预测该周期内数据帧到达速率；当i＝2时，则以
作为该周期的预测数据帧到达速率，其中S1表示初始化周期内到达的数据帧总数据量，TC1表示初始化周期的真实周期长度。
所述的方法，所述的步骤二中，下一周期中传输数据帧所需时间τi以及下一周期内到达的数据帧数Ni为：
τi＝R(i)*ETC/C
Ni＝τi/Tt
其中Ri为第i个周期数据帧到达速率，ETC为第i个周期的长度，C为链路容量，Tt为该带宽下每一帧的传输时间。
所述的方法，所述的步骤三中，平均延时D计算如下：
其中，DA为EEE进入活动状态之前，到达待传输队列的所有数据帧的总排队延时，
为EEE在活动状态时，到达待传输队列的所有帧的总排队延时，表达式分别如下：
其中，m为EEE进入活跃状态之丽到达待传输队列的所确数据帧总数，Ti为帧的到达时间间隔，Tt为每一帧的传输时间，j和k是累积求和的下标，j取[1，m]中的连续整数值，k取[1，Ni-m]中的连续整数值；m和Ti的计算如下：
m＝Ni(ETC-τi)/ETC
Ti＝ETC/Ni。
所述的方法，所述的步骤四中，
节能以太网EEE选择快速唤醒状态进行休眠时整个周期的能耗EFW计算如下：
EFW＝0.7(ETC-τi-Tf)+Tf+τi
其中，Tf＝TAtoF+TFtoA，TAtoF表示EEE从活跃状态转换到快速唤醒状态所需的时间，TFtoA表示EEE从快速唤醒状态转换到正常工作状态所需的时间，Tf为节能以太网EEE选择快速唤醒时整个周期内花费在状态转换上的总时间；
节能以太网EEE选择深度睡眠状态进行休眠时整个周期的能耗EDS计算如下：
EDS＝0.1(ETC-τi-Td)+Td+τi
其中Td＝TAtoF+TFtoD+TDtoA，TAtoF表示EEE从活跃状态转换到快速唤醒状态所需的时间，TFtoD表示EEE从快速唤醒状态转换到深度睡眠状态所需的时间，TDtoA表示EEE从深度睡眠状态转换到正常工作状态所需的时间，Td为节能以太网EEE选择深度睡眠时整个周期内花费在状态转换上的总时间。
所述的方法，所述的步骤五中，ETCFW计算过程为：
选择快速唤醒的成本函数CostFW(ETC)计算如下：
在0.52＜ETC＜9.34C/[C-R(i)]范围内对CostFW(ETC)求导从而计算得到CostFW(ETC)的最小值为：
对应的周期长度ETCFW表达式如下：
如果
超出快速唤醒状态下ETC的取值范围，CostFW(ETC)最小值和对应的周期长度ETCFW计算如下：
ETCFW＝0.52or9.34C/[C-R(i)]
其中min[]表示取两个值中的最小值。
所述的方法，所述的步骤五中，ETCDS计算过程为：
在节能以太网EEE选择深度睡眠的情况下，成本函数CostDS(ETC)计算如下：
在ETC＞9.34C/[C-R(i)]范围内对CostDS(ETC)求导从而计算得到CostDS(ETC)的最小值为：
其对应的周期长度ETCDS，表达式如下：
如果
超出ETC的取值范围，CostDS(ETC)最小值和对应的周期长度ETCDS计算如下：
ETCDS＝9.34C/[C-R(i)]。
所述的方法，对CostFW(ETC)求导以及对CostDS(ETC)求导的范围，是基于以下步骤确定：
令EFW＝EDS，则有τi＝ETC-9.34，其中常数单位为微秒；此时，选择快速唤醒或深度睡眠状态整个周期内的能耗相等，因此，当τi＜ETC-9.34时，选择快速唤醒的能耗较高，且选择快速唤醒还应满足：ETC＞TAtoF+TFtoA，即周期长度ETC应大于进入和退出快速唤醒的状态转换时间，从而得到对CostFW(ETC)求导的范围为0.52＜ETC＜9.34C/[C-R(i)]，对CostDS(ETC)求导的范围为ETC＞9.34C/[C-R(i)]。
本发明的技术效果在于，通过构造平均延迟和能耗的成本函数，动态调整周期长度，在保证数据帧尾延迟不超过预定期望延迟的前提下，周期性地根据历史信息预测下一个周期内数据帧的到达速率，并基于此预测结果选择下一周期内使用的节能状态以及控制EEE离开节能状态的时机，从而使每个周期内期望的成本函数最小化，在提升节能量和减少尾延时两方面取得较好的折中。实验结果表明，本发明在不同的流量模式下最终的成本函数皆优于现有节能策略，具有良好的节能效果和较低的延时开销。
附图说明
图1是本发明中的节能以太网EEE周期性状态转换示意图。
图2是本发明在一个周期内排队延迟示意图。
图3是本发明在不同权重和不同负载场景下的自身评估对比图，其中(a)为负载为50％的泊松流量下自身评估图，(b)为ETC的值最优情况下的示意图。
图4是泊松流量下不同EEE策略的能耗、平均延时和尾延时对比图，其中(a)为能耗示意图，(b)为平均延时示意图，(c)为尾延时示意图。
图5是自相似流量下不同EEE策略的能耗、平均延时和尾延时对比图，其中(a)为能耗示意图，(b)为平均延时示意图，(c)为尾延时示意图。
图6是泊松流量、自相似流量下不同EEE策略的成本函数值对比图，其中(a)为泊松流量下成本函数值示意图，(b)为自相似流量下成本函数值示意图。
图7是可变流量场景下的仿真对比图，其中(a)为能耗、平均延时和尾延时示意图，(b)为成本函数值示意图。
图8是真实流量场景下的仿真对比图，其中(a)为能耗、平均延时和尾延时示意图，(b)为成本函数值示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步详细描述。
本实施例提供的一种基于最优控制的周期性节能方法，后文简称为PPS，是通过构造平均延迟和能耗的成本函数，动态调整周期长度，在保证数据帧尾延迟不超过预定期望延迟的前提下，周期性地根据历史信息预测下一个周期内数据帧的到达速率，并基于此预测结果选择下一周期内使用的节能状态以及控制EEE离开节能状态的时机，从而使每个周期内期望的成本函数最小化，在提升节能量和减少尾延时两方面取得较好的折中。图1是基于最优控制的周期性节能以太网策略状态转换示意图。如图1所示，基于预测的以太网节能策略是周期性地工作，一个周期即以节能以太网EEE从进入低功耗状态休眠开始，到转入活跃状态并将待传输队列中缓存的数据帧全部传输完毕为止，在传输完成后，EEE又会从活跃状态转入到低功耗状态，即开始新的一个周期。最优周期长度ETC设定过程如下：
统计当前的真实周期长度和在一个周期内传输的数据帧总数据量。
然后预测下一周期内数据帧到达速率，这是基于当前周期预测的数据帧到达速率，以及当前周期实际的数据帧到达速率进行指数加权平滑获得，即：
其中α为权重值，i为周期的序号，且i≥3；Si-1表示当前周期内到达的数据帧总数据量，TCi-1表示当前周期的真实周期长度。
当i＝1时，即开始执行本实施例的第一个周期，那么以该周期为初始化周期，不预测该周期内数据帧到达速率。当i＝2时，则以
作为该周期的预测数据帧到达速率。
再计算第i个周期传输数据帧时间τi和到达帧数Ni，公式如下：
τi＝R(i)*ETC/C
Ni＝τi/Tt
其中Ri为第i个周期数据帧到达速率，ETC为第i个周期的长度，C为链路容量，Tt为该带宽下每一帧的传输时间。
平均延时的计算如下：
其中，DA为EEE进入活动状态之前，到达的所有数据帧的总排队延时，
为EEE在活动状态时，到达的所有帧的总排队延时，表达式分别如下：
其中，m为EEE进入活跃状态之前到达待传输队列的所有数据帧总数，Ti为帧的到达时间间隔，Tt为每一帧的传输时间，j和k是累积求和的下标，j取[1，m]中的连续整数值，k取[1，Ni-m]中的连续整数值；m和Ti的计算如下：
m＝Ni(ETC-τi)/ETC
Ti＝ETC/Ni
能耗E计算如下：
节能以太网EEE选择快速唤醒的能耗EFW计算如下：
EFW＝0.7(ETC-τi-Tf)+Tf+τi
其中，Tf＝TAtoF+TFtoA，TAtoF表示EEE从活跃状态转换到快速唤醒状态所需的时间，TFtoA表示EEE从快速唤醒状态转换到正常工作状态所需的时间，Tf为节能以太网EEE选择快速唤醒时整个周期内花费在状态转换上的总时间。
节能以太网EEE选择深度睡眠的能耗EDS计算如下：
EDS＝0.1(ETC-τi-Td)+Td+τi
其中Td＝TAtoF+TFtoD+TDtoA，TAtoF表示EEE从活跃状态转换到快速唤醒状态所需的时间，TFtoD表示EEE从快速唤醒状态转换到深度睡眠状态所需的时间，TDtoA表示EEE从深度睡眠状态转换到正常工作状态所需的时间，Td为节能以太网EEE选择深度睡眠时整个周期内花费在状态转换上的总时间。
令FFW＝EDS，可以计算得到τi＝ETC-9.34，其中常数单位为微秒。此时，选择快速唤醒或深度睡眠状态整个周期内的能耗相等，因此，当τi＜ETC-9.34时，选择快速唤醒的能耗较高，且选择快速唤醒还应满足：ETC＞TAtoF+TFtoA，即周期长度ETC应大于进入和退出快速唤醒的状态转换时间，从而得到EEE选择快速唤醒时ETC的取值范围为0.52＜ETC＜9.34C/[C-R(i)]，选择深度睡眠时ETC的取值范围为ETC＞9.34C/[C-R(i)]。
定义成本函数如下：
Cost＝w*D+ER
其中，w为权重，反映了用户偏好。D为权利要求4所计算的平均延时，ER为周期内的能耗占比。
选择快速唤醒的成本函数CostFW(ETC)计算如下：
在0.52＜ETC＜9.34C/[C-R(i)]范围内对CostFW(ETC)求导从而计算得到CostFW(ETC)的最小值为：
对应的周期长度ETCFW表达式如下：
如果
超出快速唤醒状态下ETC的取值范围，CostFW(ETC)最小值和对应的周期长度ETCFW计算如下：
ETCFW＝0.52or9.34C/[C-R(i)]
其中min[]表示取两个值中的最小值。
选择快速唤醒的成本函数CostFW(ETC)计算如下：
在0.52＜ETC＜9.34C/[C-R(i)]范围内对CostFW(ETC)求导从而计算得到CostFW(ETC)的最小值为：
对应的周期长度ETCFW表达式如下：
如果
超出快速唤醒状态下ETC的取值范围，CostFW(ETC)最小值和对应的周期长度ETCFW计算如下：
ETCFW＝0.52or9.34C/[C-R(i)]
其中min[]表示取两个值中的最小值。
在节能以太网EEE选择深度睡眠的情况下，成本函数CostDS(ETC)计算如下：
在ETC＞9.34C/[C-R(i)]范围内对CostDS(ETC)求导从而计算得到CostDS(ETC)的最小值为：
其对应的周期长度ETCDS，表达式如下：
如果
超出ETC的取值范围，CostDS(ETC)最小值和对应的周期长度ETCDS计算如下：
ETCDS＝9.34C/[C-R(i)]。
最后，为了使成本最小化，PPS设置ETC如下：如果
时，将选择快速唤醒状态，并将ETC设置为对应的ETCFW。否则，将选择深度睡眠状态，并将ETC设置为对应的ETCDS。
为了进一步验证所述策略的性能，本实施例在NS3平台上实现并测试了本发明提供的基于最优控制的周期性节能以太网策略。为了便于比较，本实施例也同时在NS3平台上实现了Dual-Mode、FC、FC-SSHI和FC-DT策略。实验表明，基于最优控制的以太网节能策略相比于其他策略，成本函数值总是最小且能够在节能和延迟方面取得较好的折中，同时估计误差对PPS的影响有限，即PPS能够在不同的流量模式下保持良好的性能。
图3中(a)的流量场景为负载为50％的泊松流量，图中线条表示手动配置的不同ETC下PPS的Cost，大的三角形、圆形和正方形表示在最优控制下ETC的最终收敛值。如图所示，给定不同权值w时，PPS也可以根据最优控制理论动态调整ETC使得成本最小化。换句话说，PPS可以在能耗和所产生的平均值之间实现所期望的良好折中。进一步的，本实施例还展示了在w＝0.01时，ETC调整到最优值的情况。如图3中(b)所示，在初始化后，根据最优控制理论的计算，将ETC的值直接调整到最优值，然后收敛保持不变。此外，不同的流量负载下最终收敛到的最优值ETC也不同。总的来说，PPS根据偏好构建成本函数，并自动调整ETC，使成本函数最小化以实现策略的良好性能。
图4的流量模式为泊松流量，w＝0.01。可以看到，所有EEE策略的功耗增加，延迟减少(双模式、FC和FC-SSHI策略没有考虑延迟约束)。当负载较轻时，FC存在极大的平均延迟和尾部延迟，虽然Dual-Mode和FC-SSHI策略具有较低的第99百分位延迟，但它们有很大的功耗。相比其他策略，PPS具有更好的性能。此外，如图6中(a)所示，PPS具有最小的成本，这是因为PPS可以根据给定的成本函数自动找到最优的ETC配置，在不同的流量负载下总能取得良好的性能。而其他四种策略在节能和延迟的折中方面做得相对较差。图5表示的是几种策略在自相似流量下节能和延迟的仿真对比图。在自相似流量下，所有其他策略的延迟都略小，但是功耗明显高于图4。即它们的节能效率在面对突发的流量模式时变得更差。然而估计误差对PPS的影响很小。因此，图5的曲线与图4的趋势相似；同时，如图6中(b)所示，PPS(w＝0.01)的成本函数值最小且与泊松流量相比，所有EEE策略的成本都增加了，这是由于突发流量使得节能的机会更少。为了展示PPS在可变流量负载下的性能，本实施例中构建了一个场景，在30μs时流量负载从50％变化为5％，最后在70μs时变化为50％的泊松流量。如图7所示，无论流量负载如何变化，与其他策略相比，PPS仍然具有最小成本。
图8的仿真流量由CAIDA提供，从10Gbps链路获得，这里将帧间隔缩小10倍，使负载适合于100Gbps的链路(36％)。与可变流量相似，在w＝0.01时，PPS有最小功耗。且，无论流量负载如何变化，PPS同样具有最小的成本函数值。总的来说，在不同的流量模式下，PPS在成本或功耗比方面优于所有其他考虑的策略。换句话说，PPS的良好性能使得它对流量模式不敏感。因此，基于最优控制的周期性节能以太网策略优于其他节能策略。
本发明所述基于最优控制的周期性节能方法通过构造平均延迟和能耗的成本函数，动态调整周期长度，在保证数据帧尾延迟不超过预定期望延迟的前提下，周期性地根据历史信息预测下一个周期内数据帧的到达速率，并基于此预测结果选择下一周期内使用的节能状态以及控制EEE离开节能状态的时机，从而使每个周期内期望的成本函数最小化，在提升节能量和减少尾延时两方面取得较好的折中。仿真实验也表明，周期性行为使PPS对流量模式不敏感。
Claims (8)
1.一种基于最优控制的周期性节能方法，其特征在于，包括以下步骤：
步骤一，统计当前的真实周期长度和在一个周期内传输的数据帧总数据量；其中一个周期是以节能以太网EEE从进入低功耗状态休眠开始，到转入活跃状态并将待传输队列中缓存的数据帧全部传输完毕为止；
步骤二，在下一周期开始前，预测下一周期内数据帧到达速率，进而根据链路带宽计算出下一周期中传输数据帧所需时间τi以及下一周期内到达的数据帧数；
步骤三，根据下一周期内到达的数据帧数，计算下一周期到达的数据帧的平均延时；
步骤四，根据下一周期内到达的数据帧的传输时间τi，计算下一周期内EEE选择低功耗状态中的快速唤醒状态或深度睡眠状态进行休眠时整个周期的能耗；
步骤五：计算周期长度ETCFW和ETCDS，以使EEE在下一周期选择快速唤醒和深度睡眠状态时相应的成本函数最小化；
步骤六：比较计算快速唤醒状态和深度睡眠状态的成本值：如果选择快速唤醒状态的成本值较小，则将下一周期长度设置为ETCFW，且下一周期内EEE首先进入快速唤醒状态，并在ETCFW-τi-TFtoA时刻，EEE从快速唤醒状态恢复到正常工作状态，最后在待传输队列中的数据帧全部传输完毕之后进入下一周期并返回步骤一；
否则将下一周期长度设置为ETCDS，且下一周期内EEE首先进入深度睡眠状态，并在ETCDS-τi-TDtoA时刻，EEE从深度睡眠状态恢复到正常工作状态，最后在待传输队列中的数据帧全部传输完毕之后进入下一周期并返回步骤一；
其中TFtoA表示EEE从快速唤醒状态转换到正常工作状态所需的时间，TDtoA表示EEE从深度睡眠状态转换到正常工作状态所需的时间。
2.根据权利要求1所述的方法，其特征在于，所述的步骤二中，预测下一周期内数据帧到达速率，是基于当前周期预测的数据帧到达速率，以及当前周期实际的数据帧到达速率进行指数加权平滑获得，即：
其中α为权重值，i为周期的序号，且i≥3；Si-1表示当前周期内到达的数据帧总数据量，TCi-1表示当前周期的真实周期长度；
当i＝1时，以该周期为初始化周期，不预测该周期内数据帧到达速率；当i＝2时，则以
作为该周期的预测数据帧到达速率，其中S1表示初始化周期内到达的数据帧总数据量，TC1表示初始化周期的真实周期长度。
3.根据权利要求1所述的方法，其特征在于，所述的步骤二中，下一周期中传输数据帧所需时间τi以及下一周期内到达的数据帧数Ni为：
τi＝R(i)*ETC/C
Ni＝τi/Tt
其中Ri为第i个周期数据帧到达速率，ETC为第i个周期的长度，C为链路容量，Tt为该带宽下每一帧的传输时间。
4.根据权利要求1所述的方法，其特征在于，所述的步骤三中，平均延时D计算如下：
其中，DA为EEE进入活动状态之前，到达待传输队列的所有数据帧的总排队延时，
为EEE在活动状态时，到达待传输队列的所有帧的总排队延时，表达式分别如下：
其中，m为EEE进入活跃状态之前到达待传输队列的所有数据帧总数，Ti为帧的到达时间间隔，Tt为每一帧的传输时间，j和k是累积求和的下标，j取[1,m]中的连续整数值，k取[1,Ni-m]中的连续整数值；m和Ti的计算如下：
m＝Ni(ETC-τi)/ETC
Ti＝ETC/Ni。
5.根据权利要求1所述的方法，其特征在于，所述的步骤四中，
节能以太网EEE选择快速唤醒状态进行休眠时整个周期的能耗EFW计算如下：
EFW＝0.7(ETC-τi-Tf)+Tf+τi
其中，Tf＝TAtoF+TFtoA，TAtoF表示EEE从活跃状态转换到快速唤醒状态所需的时间，TFtoA表示EEE从快速唤醒状态转换到正常工作状态所需的时间，Tf为节能以太网EEE选择快速唤醒时整个周期内花费在状态转换上的总时间；
节能以太网EEE选择深度睡眠状态进行休眠时整个周期的能耗EDS计算如下：
EDS＝0.1(ETC-τi-Td)+Td+τi
其中Td＝TAtoF+TFtoD+TDtoA，TAtoF表示EEE从活跃状态转换到快速唤醒状态所需的时间，TFtoD表示EEE从快速唤醒状态转换到深度睡眠状态所需的时间，TDtoA表示EEE从深度睡眠状态转换到正常工作状态所需的时间，Td为节能以太网EEE选择深度睡眠时整个周期内花费在状态转换上的总时间。
6.根据权利要求1所述的方法，其特征在于，所述的步骤五中，ETCFW计算过程为：
选择快速唤醒的成本函数CostFW(ETC)计算如下：
在0.52＜ETC＜9.34C/[C-R(i)]范围内对CostFW(ETC)求导从而计算得到CostFW(ETC)的最小值为：
对应的周期长度ETCFW表达式如下：
如果
超出快速唤醒状态下ETC的取值范围，CostFW(ETC)最小值和对应的周期长度ETCFW计算如下：
ETCFW＝0.52 or 9.34C/[C-R(i)]
其中min[]表示取两个值中的最小值。
7.根据权利要求1所述的方法，其特征在于，所述的步骤五中，ETCDS计算过程为：
在节能以太网EEE选择深度睡眠的情况下，成本函数CostDS(ETC)计算如下：
在ETC＞9.34C/[C-R(i)]范围内对CostDS(ETC)求导从而计算得到CostDS(ETC)的最小值为：
其对应的周期长度ETCDS，表达式如下：
如果
超出ETC的取值范围，CostDS(ETC)最小值和对应的周期长度ETCDS计算如下：
ETCDS＝9.34C/[C-R(i)]。
8.根据权利要求6或7所述的方法，其特征在于，对CostFW(ETC)求导以及对CostDS(ETC)求导的范围，是基于以下步骤确定：
令EFW＝EDS，则有τi＝ETC-9.34，其中常数单位为微秒；此时，选择快速唤醒或深度睡眠状态整个周期内的能耗相等，因此，当τi<ETC-9.34时，选择快速唤醒的能耗较高，且选择快速唤醒还应满足：ETC＞TAtoF+TFtoA，即周期长度ETC应大于进入和退出快速唤醒的状态转换时间，从而得到对CostFW(ETC)求导的范围为0.52＜ETC＜9.34C/[C-R(i)]，对CostDS(ETC)求导的范围为ETC＞9.34C/[C-R(i)]。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211511600.5A CN115865543B (zh) | 2022-11-30 | 2022-11-30 | 一种基于最优控制的周期性节能方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211511600.5A CN115865543B (zh) | 2022-11-30 | 2022-11-30 | 一种基于最优控制的周期性节能方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115865543A true CN115865543A (zh) | 2023-03-28 |
| CN115865543B CN115865543B (zh) | 2024-04-05 |
Family
ID=85667740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211511600.5A Active CN115865543B (zh) | 2022-11-30 | 2022-11-30 | 一种基于最优控制的周期性节能方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115865543B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116500957A (zh) * | 2023-06-29 | 2023-07-28 | 江苏中濠建设工程有限公司 | 一种设备联动控制方法及物联网智能联动控制系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109617704A (zh) * | 2018-12-24 | 2019-04-12 | 中南大学 | 基于预测的40-100Gbps以太网节能策略实施方法 |
| CN112887221A (zh) * | 2021-01-12 | 2021-06-01 | 中南大学 | 基于广义预测控制的周期性节能方法 |
-
2022
- 2022-11-30 CN CN202211511600.5A patent/CN115865543B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109617704A (zh) * | 2018-12-24 | 2019-04-12 | 中南大学 | 基于预测的40-100Gbps以太网节能策略实施方法 |
| CN112887221A (zh) * | 2021-01-12 | 2021-06-01 | 中南大学 | 基于广义预测控制的周期性节能方法 |
Non-Patent Citations (4)
| Title |
|---|
| JIANG WANCHUN等: "Modeling and Analysis of Latency Distribution in the 40-100Gbps Dual-Mode Energy Efficient Ethernet", 《IEEE TRANSACTIONS ON GREEN COMMUNICATIONS AND NETWORKING》, vol. 5, no. 3, 7 June 2021 (2021-06-07), pages 1426, XP011873913, DOI: 10.1109/TGCN.2021.3086816 * |
| 蒋万春等: "节能以太网的节能策略综述", 《电子学报》, vol. 49, no. 9, 30 September 2021 (2021-09-30), pages 1831 - 1834 * |
| 陆绍飞;王建新;邝月娟;杨贯中;: "一种基于幂函数增长的IEEE 802.16e休眠算法", 湖南大学学报(自然科学版), no. 08, 25 August 2010 (2010-08-25) * |
| 韩丽;金顺福;李然然;李博光;: "IEEE 802.16e节能类型Ⅲ的性能分析", 计算机工程, no. 06, 20 March 2010 (2010-03-20) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116500957A (zh) * | 2023-06-29 | 2023-07-28 | 江苏中濠建设工程有限公司 | 一种设备联动控制方法及物联网智能联动控制系统 |
| CN116500957B (zh) * | 2023-06-29 | 2023-09-12 | 江苏中濠建设工程有限公司 | 一种设备联动控制方法及物联网智能联动控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115865543B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11656671B2 (en) | Negotiating a transmit wake time | |
| JP3721115B2 (ja) | マスタ駆動時分割二重無線ネットワークで電力消費を管理するシステム、方法およびコンピュータ・プログラム製品 | |
| US8347121B2 (en) | System and method for adjusting an energy efficient ethernet control policy using measured power savings | |
| CN113810233B (zh) | 一种在随机网络中基于算网协同的分布式计算卸载方法 | |
| CN111953758A (zh) | 一种边缘网络计算卸载和任务迁移方法及装置 | |
| US20220417156A1 (en) | Network burst load evacuation method for edge servers | |
| CN101925938A (zh) | 用于基于话务量概况的自适应节能的系统和方法 | |
| WO2010036592A2 (en) | Conserving power in a computer system | |
| CN115865543B (zh) | 一种基于最优控制的周期性节能方法 | |
| CN111083733B (zh) | 一种无线传感器网络拥塞控制方法及系统 | |
| CN109617704B (zh) | 基于预测的40-100Gbps以太网节能策略实施方法 | |
| CN109672570A (zh) | 一种流量自适应的水声认知传感器网络多址接入方法 | |
| CN113194040A (zh) | 瞬时高并发服务器线程池拥塞智能控制方法 | |
| CN115066006A (zh) | 一种基于强化学习的基站休眠方法、设备和介质 | |
| CN111315005B (zh) | 一种无线传感器网络自适应休眠方法 | |
| CN103916261B (zh) | 确定进入节能模式的网络装置的数量的方法及控制装置 | |
| Goswami et al. | Mixed equilibrium and social joining strategies in Markovian queues with Bernoulli-schedule-controlled vacation and vacation interruption | |
| CN112887221B (zh) | 基于广义预测控制的周期性节能方法 | |
| CN113342462B (zh) | 融合限制周期性拟休眠的云计算优化方法、系统及介质 | |
| CN115315020A (zh) | 基于区分服务的ieee 802.15.4协议的智能csma/ca退避方法 | |
| CN113891434A (zh) | 一种基站节能处理方法、装置、基站、设备及存储介质 | |
| CN112423343B (zh) | 一种占空比自适应紧随网络流量的拥塞控制方法 | |
| CN118381765B (zh) | 无损网络拥塞控制方法、装置、设备、介质及交换机系统 | |
| Jiang et al. | PS: Periodic strategy for the 40-100Gbps energy efficient Ethernet | |
| WO2024088276A1 (zh) | 功耗管理方法、网络设备、存储介质和程序产品 |
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 |