CN115865827B - 一种基于事件驱动的跨层端网协同拥塞控制方法 - Google Patents

一种基于事件驱动的跨层端网协同拥塞控制方法 Download PDF

Info

Publication number
CN115865827B
CN115865827B CN202310086739.8A CN202310086739A CN115865827B CN 115865827 B CN115865827 B CN 115865827B CN 202310086739 A CN202310086739 A CN 202310086739A CN 115865827 B CN115865827 B CN 115865827B
Authority
CN
China
Prior art keywords
network
congestion
event
congestion control
queue
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
CN202310086739.8A
Other languages
English (en)
Other versions
CN115865827A (zh
Inventor
郑烇
李嘉巍
张淼
陈双武
杨坚
杨锋
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.)
Institute of Artificial Intelligence of Hefei Comprehensive National Science Center
Original Assignee
Institute of Artificial Intelligence of Hefei Comprehensive National Science Center
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 Institute of Artificial Intelligence of Hefei Comprehensive National Science Center filed Critical Institute of Artificial Intelligence of Hefei Comprehensive National Science Center
Priority to CN202310086739.8A priority Critical patent/CN115865827B/zh
Publication of CN115865827A publication Critical patent/CN115865827A/zh
Application granted granted Critical
Publication of CN115865827B publication Critical patent/CN115865827B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及计算机网络技术领域，公开了一种基于事件驱动的跨层端网协同拥塞控制方法，本发明采用了端侧和网络设备联合调控的方式，由传统的端侧估算‑端侧控制的模式转变为网络侧测量‑端侧控制的控制模式，具有更低时延的传输性能。相较于已有的端网协同拥塞控制，本发明采用了事件触发的拥塞主动感知反馈机制，在实现快速精准反馈网络状态信息的同时，大幅度降低了反馈信息对网络资源的占用，同时分阶段控制策略和基于缓存预测的控制策略强化了拥塞控制整体的精准度和对网络动态变化快速适配的能力，且整体算法简单高效。

Description

一种基于事件驱动的跨层端网协同拥塞控制方法
技术领域
本发明涉及计算机网络技术领域，具体涉及一种基于事件驱动的跨层端网协同拥塞控制方法。
背景技术
拥塞控制是计算机网络中数据传输过程高效稳定的关键之一。拥塞控制不仅是网络稳定、高效运行的关键，同时又是实现各种服务质量的基础和前提。实际的网络是一个不断发展的系统，网络拥塞控制研究也是一个非常困难、有挑战性的研究领域。
拥塞控制已有较长的发展历史，现有的拥塞控制算法大致可分为以下几类。
基于丢包的拥塞控制算法，如Tahoe、Reno、New Reno、CUBIC等，这一类拥塞控制算法基本都围绕丢包的检测来进行拥塞窗口的调节，作为衡量传输质量的关键指标之一，丢包率在一定程度上可以很好地体现网络链路的状况。
基于延迟的拥塞控制算法，如Vegas，这一类拥塞控制算法的设计是基于对往返传播时延（RTT）的评估以及巧妙的带宽估计策略，但由于网络中丢包信息往往来得比延迟信息更慢，即延迟到一定程度才会发生丢包，所以Vegas在实际应用中体现的竞争性远弱于基于丢包的拥塞控制算法。
基于模型的拥塞控制算法，这一类拥塞控制算法的代表便是BBR，BBR算法旨在维持高发送速率的同时保持低延迟，同时不依赖丢包，而是通过周期性估计瓶颈带宽和往返传播时间来调整发送速率。由于其优秀的性能表现，目前正在逐渐取代传统的拥塞控制算法，在全球范围内广泛应用。
随着计算机网络的不断发展，传统的拥塞控制算法已经或多或少存在性能上的缺陷，近年来，随着数据中心网络的快速发展，涌现了一大批的拥塞控制算法。数据中心拥塞控制算法的独特之处体现在其网络状况信息相比于公网更容易采集，这也为拥塞窗口的调节提供了关键性的指标。例如DCQCN、HPCC、APCC、UECC、MPICC、BCTCP等算法，都是端系统借助链路状态信息进行更为精准的拥塞控制。从HPCC算法开始，带内网络遥测（INT）技术和拥塞控制算法的结合使得拥塞控制的整体性能有了更大的突破。带内网络遥测作为一种混合测量技术，从根本上来说就是一种借助数据面业务进行网络状况的收集、携带、整理、上报的技术，不使用单独的控制面管理流量进行网络状况的收集，而是通过路径中间交换节点对数据包依次插入元数据的方式完成网络状态采集。借助采集网络状态的这一特性，可以让交换机在数据包经过时采集当时的网络状况，包括带宽占用、缓存占用等，再插入数据包中，最终跟着ACK（Acknowledge character）包返回发送方进行拥塞控制决策，HPCC算法便是建立在该思路之上的。相较于HPCC中网络信息插入数据包带回的方式，APCC中交换机直接独立发送网络信息到端系统，这种方式加快了网络信息反馈回端系统的速度，但同时也增大了网络资源的开销，每个信息都独立封装成包的形式会加大反馈回路的传输压力。
不管是传统的拥塞控制算法还是新近出现的数据中心拥塞控制算法，其核心都是需要探测网络状态（包括时延、丢包等），并根据网络实际情况按照既定的策略进行窗口调整，从而实现最优的传输效果。带内网络遥测等技术的加入使得网络状态的探测过程变得更加科学和精准，但随之而来的是一系列的优化问题，包括带内信息带回的方式，端系统的控制策略等。
基于以上内容，本发明提出了一种基于事件驱动的跨层端网协同拥塞控制方法，针对传统端侧驱动的拥塞控制机制难以快速感知并精准适配网络状态的问题，通过事件驱动的拥塞主动感知机制，实现半程、细粒度的网内信息上报，通过基于网内感知信息的拥塞控制方法，实现端侧发送速率与网络状态的精准适配，从而达到低时延传输的要求。
发明内容
为解决上述技术问题，本发明提供一种基于事件驱动的跨层端网协同拥塞控制方法。
为解决上述技术问题，本发明采用如下技术方案：
一种基于事件驱动的跨层端网协同拥塞控制方法，用于在发送方向接收方发送数据包时进行网络拥塞控制，包括以下步骤：
步骤一：通过预先定义的拥塞事件，在网络中支持带内网络遥测的网络设备上建立网络拥塞事件评估模型，通过网络拥塞事件评估模型判断网络是否处于拥塞状态；
步骤二：当判断网络处于拥塞状态时，网络设备采集当前的网络状态信息；网络状态信息包括：队列缓存占比
Figure SMS_2
、队列缓存占比变化/>
Figure SMS_5
、负载因子/>
Figure SMS_7
；负载因子/>
Figure SMS_3
；其中/>
Figure SMS_9
是在/>
Figure SMS_10
时间内进入队列的数据量，/>
Figure SMS_11
为比例因子，/>
Figure SMS_1
为/>
Figure SMS_4
时间内队列的平均长度，/>
Figure SMS_6
为队列对应的端口的实际带宽，/>
Figure SMS_8
为预定义好的采集时间间隔；
步骤三：网络设备将采集到的网络状态信息插入经过自身的ACK包中，由ACK包带回发送方；
步骤四：通过设置链路期望利用率
Figure SMS_12
和降速点/>
Figure SMS_13
对网络拥塞程度进行阶段划分：当
Figure SMS_14
时为应用受限阶段，当/>
Figure SMS_15
时为变化缓冲阶段，当/>
Figure SMS_16
时为带宽受限阶段，当/>
Figure SMS_17
时为缓存受限阶段；其中/>
Figure SMS_18
；
当网络拥塞程度处于应用受限阶段，对发送方的发送速率进行调节：
Figure SMS_19
；其中，/>
Figure SMS_20
为时间变量，/>
Figure SMS_21
为调节前的发送速率，/>
Figure SMS_22
为调节后的发送速率；
当网络拥塞程度处于变化缓冲阶段，对发送方的发送速率进行调节：
Figure SMS_23
；其中/>
Figure SMS_24
为增速因子；
当网络拥塞程度处于带宽受限阶段或者缓存受限阶段，对发送方的发送速率进行调节：
Figure SMS_25
；/>
步骤五：根据计算得到的调节后的发送方发送速率
Figure SMS_26
，计算拥塞窗口值
Figure SMS_27
。
具体地，步骤一中预先定义的拥塞事件包括队列缓存占比高于设定值的拥塞事件、队列缓存占比低于设定值的拥塞事件、队列缓存占比变化高于设定值的拥塞事件，以及流的加入与退出拥塞事件。
具体地，步骤三中，网络设备在每个ACK包经过时，对自身采集的负载因子
Figure SMS_28
和ACK包上已经携带的由之前网络设备插入的负载因子/>
Figure SMS_29
进行比较，如果/>
Figure SMS_30
，则用/>
Figure SMS_31
替换/>
Figure SMS_32
，如果/>
Figure SMS_33
，则不对ACK包中插入的网络状态信息进行修改。
具体地，所述链路期望利用率
Figure SMS_34
，所述降速点/>
Figure SMS_35
。
具体地，步骤五中计算拥塞窗口值
Figure SMS_36
时，
Figure SMS_37
，其中/>
Figure SMS_38
为网络的往返传播时延。
具体地，所述网络设备包括交换机。
与现有技术相比，本发明的有益技术效果是：
相较于传统的基于端侧的拥塞控制方法，本发明采用了端侧和网络设备联合调控的方式，由传统的端侧估算-端侧控制的模式转变为网络侧测量-端侧控制的控制模式，具有更低时延的传输性能。相较于已有的端网协同拥塞控制，本发明采用了事件触发的拥塞主动感知反馈机制，在实现快速精准反馈网络状态信息的同时，大幅度降低了反馈信息对网络资源的占用，同时分阶段控制策略和基于缓存预测的控制策略强化了拥塞控制整体的精准度和对网络动态变化快速适配的能力，且整体算法简单高效。
附图说明
图1为本发明的整体架构示意图；
图2为本发明中分阶段的拥塞控制策略的流程示意图；
图3为本发明实施例中的网络拓扑结构示意图。
具体实施方式
下面结合附图对本发明的一种优选实施方式作详细的说明。
本发明提出了一种基于事件驱动的跨层端网协同拥塞控制方法，整体架构如图1所示，主要分为两个阶段。第一阶段为基于事件驱动的拥塞主动感知，该阶段主要是描述网络设备的行为，包括网络设备对网络拥塞事件的监测、对网络状态信息的感知、对网络状态信息的反馈。第二阶段为端网协同的拥塞控制，该阶段建立在第一阶段反馈的网络状态信息之上，通过对网络状态信息进行处理，端系统得以判断网络目前的状况，并针对不同的网络状况采取设计好的控制策略，以实现最佳的传输效果。下面将对每个阶段进行详细地说明。
1.基于事件驱动的拥塞主动感知
1.1 网络拥塞事件的监测以及网络状态信息的感知
端网协同的拥塞控制与传统拥塞控制的本质区别就是将网络设备的功能加入拥塞控制之中，传统的拥塞控制仅仅使用端侧设备来估算网络状况，尽管在部分情况下这样的估算是合理且有效的，但是在网络较为复杂的时候这样的估算往往会产生比较大的偏差，例如BBR算法对链路瓶颈带宽和往返传播时延的估计在很多情况下就存在测不准的问题，这样的探测对于端侧设备而言具有挑战性。相比于端侧估计，利用网络设备对网络状态进行评估会更加精准和快速，这一点在很多端网协同拥塞控制算法研究中已经得到证实。就现阶段而言，如何将网络设备更好地应用在拥塞控制中以达到更好的效果，是端网协同拥塞控制性能提升的关键所在，因此本发明利用网络设备来监测链路的状况，从而达到迅速精准感知发生的网络拥塞的目的。后面分别从网络拥塞事件监测、网络状态感知以及网络状态信息反馈三个方面介绍本发明的具体思路。
目前很多端网协同拥塞控制算法对网络状态信息的采集，是采用时钟周期触发或者逐包反馈的方式，即网络设备处每收到一个数据包就返回一次网络状态信息；这样的方式虽然可以最大程度地带回网络状态的详细变化，但是在大多数情况下这样的信息是冗余的且会造成信息过多从而占用太多网络资源的情况。因此，本发明采用了基于事件触发的网络状态感知机制，摆脱了感知反馈过程对时间周期的依赖。
在支持带内网络遥测的交换机设备上，建立网络拥塞事件评估模型，用以监测交换机的各项指标是否处于拥塞状态，判断的凭证便是预先定义好的各类拥塞事件，如表1所示。针对发生拥塞的时候各类指标的变化以及具体应用对传输的需求，高度可定制化的拥塞事件评估模型能让交换机在相应指标异常的第一时间监测到拥塞。这种基于事件驱动的拥塞主动感知模型相比现有的感知方法具有更好的伸缩性，对于不同的应用往往有着不用的时延和丢包需求，使用者可以根据自身的需求去定义拥塞事件，从而达到网络设备精准高效监测拥塞的效果。
表1 本实施例中网络拥塞事件评估模型定义的拥塞事件
Figure SMS_39
网络设备对拥塞的监测变得高效是提升拥塞控制效果的有效手段，但决定拥塞控制更为关键的在于拥塞控制计算窗口所采用的指标。在网络设备监测到拥塞之后，需要对当前的网络状态信息进行采集以供端系统做出窗口调节上的判断，本发明采用的网络状态包括：队列缓存占比
Figure SMS_40
、队列缓存占比变化/>
Figure SMS_41
、负载因子/>
Figure SMS_42
。队列缓存占比/>
Figure SMS_43
为监测到拥塞事件发生的时候的发送队列缓存占比，这一指标能最直接地表现出网络设备发生拥塞与否，在理想情况下，拥塞控制算法大多希望将队列缓存值控制在一个较低的值以保证低时延。队列缓存占比变化/>
Figure SMS_44
为发送队列前一段时间的变化幅度，这一指标能有效表现出缓存区是在逐渐累积还是在逐渐排空，这对端系统进行拥塞控制有着很重要的指导作用。负载因子/>
Figure SMS_45
表现的则是网络设备处带宽的利用情况：
Figure SMS_46
；
其中，
Figure SMS_47
是在/>
Figure SMS_51
时间内进入队列的数据量，/>
Figure SMS_53
为比例因子，/>
Figure SMS_48
为/>
Figure SMS_50
时间内队列的平均长度，/>
Figure SMS_52
为队列对应的端口的实际带宽，/>
Figure SMS_54
为预定义好的采集时间间隔。负载因子/>
Figure SMS_49
的取值为非负，在取值为[0,1)时，链路处于可用带宽冗余的状态，即应用受限阶段，此时发送方应该增大发送窗口，减少带宽资源的浪费；在取值为1时，表示链路刚好跑满，是发送的理想状态，但在实际的情况下不可能稳定在该状态下；在取值大于1时，表示发送队列的缓存区存在占用，数据在此有积压，应当适当降速排空队列。以上三者便是本发明采用的三个网络状态，这三者能从不同的角度准确表现出网络的实际拥塞情况。
1.2 网络状态信息半程反馈
在对网络状态信息进行采集之后便是将其传回发送方，现有的研究采用的传回方式大多为以下几种：
插入数据包，接收方收到后将信息加入ACK包中带回；这种方式相对而言比较节省链路资源，但是反馈延迟过大，需要从数据包发送到ACK包传回的整个过程完成，才能收到网络状态信息；
交换机直接将信息封装成包，以SACK（Switch-ACK）的方式直接发回发送方，这种方式相比前者有更短的反馈时延，最多只需0.5RTT就能让发送方收到信息，但是对链路的资源消耗过大，交换机产生过多的包会阻塞链路甚至发生拥塞。
本发明采用基于ACK的网络状态信息半程反馈，交换机在采集完网络状态信息之后将其插入经过交换机的ACK包之中，由ACK包带回发送方，这样就保证了网络状态信息的快速半程反馈；同时加入瓶颈链路筛选机制，每个ACK包经过交换机时，交换机都会比对该交换机采集的负载因子
Figure SMS_55
和ACK包上已经携带的之前交换机插入的负载因子/>
Figure SMS_56
，如果
Figure SMS_57
则用/>
Figure SMS_58
替换/>
Figure SMS_59
，如果/>
Figure SMS_60
则不对ACK包中插入的网络状态信息进行修改，此举的意义在于发送方接收到ACK包时，其中仅仅携带有负载因子最大的交换机的网络状态信息，即只带回瓶颈链路交换机的信息用以计算拥塞窗口，瓶颈链路筛选机制极大地节约了链路资源，在快速半程反馈的同时做到了链路有资源的近零消耗。
2.端网协同的拥塞控制
该阶段主要说明本发明中包含的拥塞控制部分，该阶段建立在前面所提到的网络状态信息反馈的基础之上。基于网络设备反馈回的网络状态信息，本发明中设计了一套分阶段的拥塞控制策略用以调控窗口，同时还设计了基于缓存预测的窗口调节策略来提升拥塞控制的性能，以确保高质量的低时延传输，控制流程框图如图2所示。
2.1 网络拥塞程度进行阶段划分
根据反馈回的网络状态信息，首先根据负载因子的大小对网络状况进行阶段划分。前文提到负载因子
Figure SMS_61
体现了端口链路的利用情况，本实施例中，设置链路期望利用率
Figure SMS_62
，降速点/>
Figure SMS_63
，则当/>
Figure SMS_64
时为应用受限阶段，此时链路仍有富余；当/>
Figure SMS_65
时为变化缓冲阶段，此时链路利用率处在最佳情况，也是拥塞控制期望的收敛范围；当/>
Figure SMS_66
时为带宽受限阶段，此时链路已经跑满，且瓶颈链路缓存区已经产生排队时延；当队列缓存占比/>
Figure SMS_67
时为缓存受限阶段，此时瓶颈链路缓存区已经占满，发生严重拥塞并且开始大量丢包。针对这四个阶段，本发明设计了不同的控制策略以达到最佳的控制效果。
2.2 分阶段拥塞控制策略
（1）在应用受限阶段，此时发送方要做的是尽快提升发送速率，将富余的带宽资源利用上，因此采用乘性增加的速率调控策略，从而更快的提高带宽利用率；应用受限阶段的发送速率的调节公式为：
Figure SMS_68
；
其中，
Figure SMS_69
为时间变量，/>
Figure SMS_70
为调节前的发送速率，/>
Figure SMS_71
为调节后的发送速率，以链路期望利用率/>
Figure SMS_72
为目标进行乘性窗口放大。
（2）在变化缓冲阶段时发送速率处于比较符合期望的状态，因此在此阶段内采用较为缓和的调节策略可以最大化链路利用率，因此采用加性增的调节策略。同时对于AIMD（加性增乘性减）拥塞控制算法，其公平性重点体现在加性增部分，现有的研究已经证明加性增策略可以帮助窗口收敛到期望值。因此本发明中变化缓冲阶段的加性增调节策略能增强算法的公平性和收敛性，使算法整体的性能更优；变化缓冲阶段的发送速率调节公式为：
Figure SMS_73
；
其中
Figure SMS_74
为增速因子，即每个往返传播时延（RTT）的增速为/>
Figure SMS_75
。
（3）在带宽受限阶段和缓存受限阶段，发送队列已有分组积压，需要尽快排空分组进入变化缓冲阶段，因此采用乘性减策略使得负载因子尽快收敛到期望值。此外，考虑到网络条件的动态变化特性，本发明设计了基于缓存预测的窗口调节策略来进行窗口控制，其具体思路为结合队列缓存占比
Figure SMS_76
和队列缓存占比变化/>
Figure SMS_77
，预测/>
Figure SMS_78
时间后可能的缓存大小。例如当前队列缓存占比为50%，队列缓存占比变化为-25%，那么这意味着前/>
Figure SMS_79
时间内队列缓存从75%降到了50%，那么如果保持该发送窗口不变，/>
Figure SMS_80
时间后队列缓存占比将变为25%，2
Figure SMS_81
后队列缓存会清空，因此在这种情况下按照50%的占比直接进行过激的窗口降低可能会导致负载因子低于1，出现带宽资源的浪费，反之，如果采取较为缓和的降低策略，则可在不浪费带宽资源的情况下将负载因子逐渐收敛到期望值。具体推导过程如下。
在不考虑缓存预测时的窗口乘性减策略的发送速率调节公式为：
Figure SMS_82
；
即以
Figure SMS_83
为收敛目标降低窗口。考虑缓存变化因素后，根据负载因子/>
Figure SMS_84
大小，可估算出网络中的数据量（inflight）为/>
Figure SMS_85
，BDP为带宽时延积（瓶颈链路带宽与往返传播时延之积），从而可以估算出队列的限长为/>
Figure SMS_86
,队列的变化量为/>
Figure SMS_87
，若保持该发送窗口，则下一时间间隔/>
Figure SMS_88
后队列的长度估算为
Figure SMS_89
，因此考虑缓存预测后的负载因子
Figure SMS_90
；
用
Figure SMS_91
替换掉/>
Figure SMS_92
之后，得到基于缓存预测的窗口乘性减策略的发送速率调节公式：
Figure SMS_93
；
以上便是分阶段拥塞控制策略和以及基于缓存预测的窗口调节策略，在计算得到调节后的发送速率后，拥塞窗口的值
Figure SMS_94
设置为：
Figure SMS_95
；
其中，拥塞窗口数乘以1.25是考虑到TCP（TransmissionControl Protocol，传输控制协议）发送的pacing on模式下的数据包不是一个接着一个发送而是有间隔发送，因此按比例适当放大窗口以达到发送速率的要求。其中，TCP的pacing on模式指的是相邻两个数据包中间存在发送间隔的方式，也可称为TCP的间隔发送机制。
实施例
本发明提出的基于事件驱动的跨层端网协同拥塞控制方法，结合网络设备探测和端系统控制，充分利用网络资源来增强拥塞控制的精准性和快速性，以满足日益增长的低时延传输要求。整个方案的实施需要网络中的全部交换机或者部分交换机支持带内网络遥测技术（INT），且具有一定计算能力，需要在交换机上进行负载因子的计算和对比。采用类似图3的拓扑，在支持INT的交换机上配置拥塞事件评估模型以及带内网络遥测所需要采集的网络状态信息，在端系统上部署端网协同的拥塞控制算法。配置完成后，端系统互相通信时参与通信的交换机开始监测自身拥塞指标，并在拥塞事件发生后进行网络状态信息的传回，进而发送方根据传回的网络状态信息进行拥塞窗口的调整，以适配快速变化的网络状态，达到近零排队的低时延传输要求，端系统和交换机设备的行为参考图1。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立技术方案，说明书的这种叙述方式仅仅是为了清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (6)

1.一种基于事件驱动的跨层端网协同拥塞控制方法，用于在发送方向接收方发送数据包时进行网络拥塞控制，包括以下步骤：
步骤一：通过预先定义的拥塞事件，在网络中支持带内网络遥测的网络设备上建立网络拥塞事件评估模型，通过网络拥塞事件评估模型判断网络是否处于拥塞状态；
步骤二：当判断网络处于拥塞状态时，网络设备采集当前的网络状态信息；网络状态信息包括：队列缓存占比
Figure QLYQS_3
、队列缓存占比变化/>
Figure QLYQS_4
、负载因子/>
Figure QLYQS_7
；负载因子/>
Figure QLYQS_1
；其中/>
Figure QLYQS_5
是在/>
Figure QLYQS_9
时间内进入队列的数据量，/>
Figure QLYQS_11
为比例因子，/>
Figure QLYQS_2
为/>
Figure QLYQS_6
时间内队列的平均长度，/>
Figure QLYQS_8
为队列对应的端口的实际带宽，/>
Figure QLYQS_10
为预定义好的采集时间间隔；
步骤三：网络设备将采集到的网络状态信息插入经过自身的ACK包中，由ACK包带回发送方；
步骤四：通过设置链路期望利用率
Figure QLYQS_12
和降速点/>
Figure QLYQS_13
对网络拥塞程度进行阶段划分：当
Figure QLYQS_14
时为应用受限阶段，当/>
Figure QLYQS_15
时为变化缓冲阶段，当/>
Figure QLYQS_16
时为带宽受限阶段，当/>
Figure QLYQS_17
时为缓存受限阶段；其中/>
Figure QLYQS_18
；
当网络拥塞程度处于应用受限阶段，对发送方的发送速率进行调节：
Figure QLYQS_19
；其中，/>
Figure QLYQS_20
为时间变量，/>
Figure QLYQS_21
为调节前的发送速率，/>
Figure QLYQS_22
为调节后的发送速率；
当网络拥塞程度处于变化缓冲阶段，对发送方的发送速率进行调节：
Figure QLYQS_23
；其中/>
Figure QLYQS_24
为增速因子；
当网络拥塞程度处于带宽受限阶段或者缓存受限阶段，对发送方的发送速率进行调节：
Figure QLYQS_25
；
步骤五：根据计算得到的调节后的发送方发送速率
Figure QLYQS_26
，计算拥塞窗口值
Figure QLYQS_27
。
2.根据权利要求1所述的基于事件驱动的跨层端网协同拥塞控制方法，其特征在于：步骤一中预先定义的拥塞事件包括队列缓存占比高于设定值的拥塞事件、队列缓存占比低于设定值的拥塞事件、队列缓存占比变化高于设定值的拥塞事件，以及流的加入与退出拥塞事件。
3.根据权利要求1所述的基于事件驱动的跨层端网协同拥塞控制方法，其特征在于：步骤三中，网络设备在每个ACK包经过时，对自身采集的负载因子
Figure QLYQS_28
和ACK包上已经携带的由之前网络设备插入的负载因子/>
Figure QLYQS_29
进行比较，如果/>
Figure QLYQS_30
，则用/>
Figure QLYQS_31
替换/>
Figure QLYQS_32
，如果
Figure QLYQS_33
，则不对ACK包中插入的网络状态信息进行修改。/>
4.根据权利要求1所述的基于事件驱动的跨层端网协同拥塞控制方法，其特征在于：所述链路期望利用率
Figure QLYQS_34
，所述降速点/>
Figure QLYQS_35
。
5.根据权利要求1所述的基于事件驱动的跨层端网协同拥塞控制方法，其特征在于：步骤五中计算拥塞窗口值
Figure QLYQS_36
时，/>
Figure QLYQS_37
，其中
Figure QLYQS_38
为网络的往返传播时延。
6.根据权利要求1所述的基于事件驱动的跨层端网协同拥塞控制方法，其特征在于：所述网络设备包括交换机。
CN202310086739.8A 2023-02-09 2023-02-09 一种基于事件驱动的跨层端网协同拥塞控制方法 Active CN115865827B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310086739.8A CN115865827B (zh) 2023-02-09 2023-02-09 一种基于事件驱动的跨层端网协同拥塞控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310086739.8A CN115865827B (zh) 2023-02-09 2023-02-09 一种基于事件驱动的跨层端网协同拥塞控制方法

Publications (2)

Publication Number Publication Date
CN115865827A CN115865827A (zh) 2023-03-28
CN115865827B true CN115865827B (zh) 2023-05-23

Family

ID=85657778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310086739.8A Active CN115865827B (zh) 2023-02-09 2023-02-09 一种基于事件驱动的跨层端网协同拥塞控制方法

Country Status (1)

Country Link
CN (1) CN115865827B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108718283A (zh) * 2018-05-03 2018-10-30 电子科技大学 数据中心网络中集中式端网协调的tcp拥塞控制方法
CN114866474A (zh) * 2022-04-29 2022-08-05 鹏城实验室 一种端网协同流量调度方法、装置、系统及存储介质
CN115412497A (zh) * 2022-11-01 2022-11-29 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 一种bbr拥塞控制算法的性能优化方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105827537B (zh) * 2016-06-01 2018-12-07 四川大学 一种基于quic协议的拥塞改进方法
CN113507420B (zh) * 2021-08-05 2022-03-15 清华大学 一种拥塞控制方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108718283A (zh) * 2018-05-03 2018-10-30 电子科技大学 数据中心网络中集中式端网协调的tcp拥塞控制方法
CN114866474A (zh) * 2022-04-29 2022-08-05 鹏城实验室 一种端网协同流量调度方法、装置、系统及存储介质
CN115412497A (zh) * 2022-11-01 2022-11-29 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 一种bbr拥塞控制算法的性能优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张人杰.空间延迟容忍网络中多链路数据拥塞控制算法.吉林大学学报.2020,第50卷(第4期),全文. *

Also Published As

Publication number Publication date
CN115865827A (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
KR102385762B1 (ko) 속도 최적화된 정체 관리
Haile et al. End-to-end congestion control approaches for high throughput and low delay in 4G/5G cellular networks
Wang et al. Issues of transport control protocols for wireless sensor networks
US8352594B2 (en) Network monitoring device, bus system monitoring device, method and program
CN104581422B (zh) 一种用于处理网络数据传输的方法和装置
EP2858325A1 (en) Multi-stream service concurrent transmission method, sub-system, system and multi-interface terminal
CN102790913B (zh) 一种基于3g网络音视频传输方法
CN104618258B (zh) 一种数据传输速率的控制方法
JP6014932B2 (ja) ネットワーク装置、性能制御方法及びネットワークシステム
CN105099940A (zh) 队列管理方法和装置
CN102833159B (zh) 报文拥塞处理方法及装置
WO2018232917A1 (zh) 一种物联网降低网络拥塞的方法及路由器
JP2006340081A (ja) マルチキャスト通信フロー制御方法および装置
CN103108354B (zh) 控制数据传输
US20220248259A1 (en) Data processing method and apparatus
CN115865827B (zh) 一种基于事件驱动的跨层端网协同拥塞控制方法
Chen et al. Fluid-flow Analysis of TCP Westwood with RED
CN106789709B (zh) 一种负载均衡的方法及装置
JP4166602B2 (ja) 携帯端末
CN104579582B (zh) 一种基于通信网络的高质量语音传输方法
JP2001251308A (ja) ゆらぎバッファ制御装置
EP3363174B1 (en) A transmitting entity and method performed thereby for transmitting one or more data packets to a receiving entity
JP4842912B2 (ja) 拠点装置間の双方向通信の帯域制御方式
Peng et al. Fast backward congestion notification mechanism for TCP congestion control
Ling et al. Load balancing algorithm based on predictive packet loss rate

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