CN117527703A - 电数字数据处理流量限速方法、系统、设备、介质及终端 - Google Patents
电数字数据处理流量限速方法、系统、设备、介质及终端 Download PDFInfo
- Publication number
- CN117527703A CN117527703A CN202311439463.3A CN202311439463A CN117527703A CN 117527703 A CN117527703 A CN 117527703A CN 202311439463 A CN202311439463 A CN 202311439463A CN 117527703 A CN117527703 A CN 117527703A
- Authority
- CN
- China
- Prior art keywords
- flow
- application
- speed
- speed limit
- threshold value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 title claims abstract description 46
- 238000012423 maintenance Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 17
- 230000002787 reinforcement Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000012669 compression test Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 208000013407 communication difficulty Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
-
- 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
- H04L47/20—Traffic policing
-
- 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
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2441—Traffic characterised by specific attributes, e.g. priority or QoS relying on flow classification, e.g. using integrated services [IntServ]
-
- 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
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2483—Traffic characterised by specific attributes, e.g. priority or QoS involving identification of individual flows
-
- 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
- H04L47/25—Flow control; Congestion control with rate being modified by the source upon detecting a change of network conditions
-
- 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
- H04L47/29—Flow control; Congestion control using a combination of thresholds
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属于电数字数据处理技术领域，公开了一种用于电数字数据处理的流量限速方法、系统、设备、介质及终端，S1获取业务流量，识别业务流量和识别应用类型；S2，判定是否是配置中的限速应用；S3，如果是非限速应用，则直接进入S5；S4，如果是限速应用，则获取对应应用的限速阈值，获取成功后将阈值递减，获取失败则延时等待获取新阈值；S5，获取整机流量限速阈值，获取失败则进入S2；S6，如果二级限速均能获取限速阈值，则成功发送数据，当前限速流程结束。本发明一方面限制单一应用的最大流量，防止单一应用占用100％传输带宽，造成个别应用无法传输数据的情况，另一方面控制整机流量，防止整机流量超过设备或者后端服务器负载。
Description
技术领域
本发明属于电数字数据处理技术领域，尤其涉及一种用于电数字数据处理的流量限速方法、系统、设备及终端。
背景技术
流量限速算法是某种限制单位时间内通过设备的应用数据量或者设备自身向外发送应用数据量的算法，使后端服务器的负载在可允许的范围内运行。
在此前，限流算法只能对单一应用流量进行限速，或者是对整机流量进行限速，这样是存在一定问题的。首先，单一应用限速对整机流量是不能控制的，不方便对整机所有应用的流量限制，并且在整机吞吐量确定的情况下，会出现此应用限速失效的情况，第二，整机流量限速，限制的流量不仅仅包括应用流量，也包含非应用流量，在某些应用或者非应用流量过大时，会出现某些应用流量过小甚至不能通信的情况，以上两种都会导致通信质量下降，甚至通信失败。
在电数字数据处理技术领域，目前存在一些缺陷和问题。首先，现有的限流算法在处理流量时缺乏准确的流量识别和限速机制。这意味着无法对不同类型的流量进行区分和处理，导致不能保证各应用的通信质量。
其次，现有技术在限流算法方面只能对单一应用进行限速或者对整机流量进行限速。这种限制性的算法无法灵活地适应多应用场景下的需求。在整机流量限速的情况下，某些应用会受到不必要的限制，影响其正常通信。而对单一应用进行限速则无法控制整机流量，导致其他应用会占用过多的带宽资源，从而降低通信质量或导致通信失败。
总之，改进电数字数据处理技术领域的限流算法需要更准确的流量识别和限速机制，并结合应用层和QoS技术，以实现更好的流量管理和通信质量控制。这样解决现有技术在限流算法方面存在的问题和缺陷。
目前存在的电数字数据处理的流量限速方法还存在以下几个问题：
1)公平性问题：在数据网络中，有一些应用或服务会过度使用带宽，从而影响到其他应用或服务的性能。通过这种限速方法，针对性地对某些应用或服务进行限速，确保所有应用或服务都能公平地使用带宽。
2)网络拥塞问题：在网络流量高峰时段，如果没有合适的流量管理，会导致网络拥塞，影响所有应用或服务的性能。通过这种限速方法，在流量高峰时段对某些带宽需求高的应用或服务进行限速，防止网络拥塞。
3)服务质量问题：对于一些需要高稳定性和高带宽的应用或服务，如果网络流量不稳定，会影响到服务质量。通过这种限速方法，确保这些应用或服务能够稳定地获取到足够的带宽。
4)资源管理问题：在数据中心或云服务环境中，需要对各种资源进行合理的管理和分配，包括CPU、内存、存储和网络带宽。通过这种限速方法，更有效地管理和分配网络带宽资源。
5)性能优化问题：通过对特定应用或业务类型的流量管理，优化网络性能，提高应用响应速度和用户体验。例如，优先处理关键业务应用的流量，保证其在网络中的传输速度和效率。
总的来说，这种电数字数据处理的流量限速方法提供了一种灵活的方式来管理和控制网络流量，有助于提高网络性能，提升用户体验，并确保网络资源的公平使用。
发明内容
针对现有技术存在的问题，本发明提供了一种用于电数字数据处理的流量限速方法、系统、设备及终端。
本发明是这样实现的，一种用于电数字数据处理的流量限速方法，包括以下步骤：
S1，获取业务流量，对业务流量进行分析，识别业务流量和识别应用类型；
S2，判定是否是配置中的限速应用；
S3，如果是非限速应用，则直接进入S5；
S4，如果是限速应用，则获取对应应用的限速阈值，获取成功后将阈值递减，获取失败则延时等待获取新阈值；
S5，获取整机流量限速阈值，获取成功后阈值递减，获取失败则进入S2；
S6，如果二级限速均能获取限速阈值，则成功发送数据，当前限速流程结束。
进一步，结合人工智能的数学算法和模型，包括但不限于以下功能：
使用机器学习算法训练一个预测模型，根据历史的业务流量数据预测未来的业务流量，提前调整限速阈值；
使用优化算法，如强化学习算法，自动寻找最优的限速策略，根据实时的网络状况、应用需求以及历史的流量数据动态调整限速策略；
使用机器学习算法训练一个分类模型，更准确地识别业务流量和应用类型，对不同的应用实施更精细的流量控制；
使用异常检测算法来监控业务流量，及时发现流量的异常变化，如流量突然的大幅增加或减少，及时调整限速策略。
进一步，限速阈值需要额外维护，并且限速阈值由外部配置控制，维护过程是定时轮询的方式，具体包括：
S101，获取退出信号，如果有退出信号则退出维护状态；
S102，获取配置状态，如果有新配置，则更新配置；
S103，根据配置中各类应用的限速阈值更新；
S104，根据配置中整机限速阈值更新；
S105，获取各应用限速阈值剩余，统计展示当前周期各应用的流量状态。
本发明的另一目的在于提供一种应用所述的用于电数字数据处理的流量限速方法的用于电数字数据处理的流量限速系统，用于电数字数据处理的流量限速系统包括：
流量获取模块，用于获取业务流量，对业务流量进行分析和识别应用类型；
判定模块，用于判定是否是配置中的限速应用；
应用阈值控制模块，用于获取限速应用的限速阈值，获取成功后将阈值递减，获取失败则延时进入该应用限速阈值获取，并且等待获取新阈值；
整机阈值控制模块，用于获取整机流量限速阈值，获取成功后阈值递减；
数据发送模块，用于发送数据，结束当前限速流程。
本发明的另一目的在于提供一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的用于电数字数据处理的流量限速方法的步骤。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的用于电数字数据处理的流量限速方法的步骤。
本发明的另一目的在于提供一种信息数据处理终端，信息数据处理终端用于实现所述的用于电数字数据处理的流量限速系统。
结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
第一，本发明一方面限制单一应用的最大流量，防止单一应用占用100％传输带宽，造成个别应用无法传输数据的情况，另一方面控制整机流量，防止整机流量超过设备或者后端服务器负载。
本发明的优势主要体现在如下几点：
1)多应用配置和整机配置，可配置多种应用或应用组，将应用流量和非应用流量分开处理。
2)二级流量限速，通过应用流量限速和整机流量限速配合的方式精确限速。
3)精确度控制，控制限速后的业务流量更加均衡，减少突发流量的存在，降低服务器的突发性负载增大引发故障的。
4)应用流量限速阈值控制，整机流量限速阈值控制与限速算法分离的方式处理。
5)配置更新不中断业务流量，热切换的方式进行。
6)展示限速状态，各种业务的流量使用情况。
第二，作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：
(1)本发明的技术方案转化后的预期收益和商业价值为：
可应用于网络设备，服务器运维设备，专用限速卡等，应用后可获取的价值：
可对流量进行更精确的管控，防止出现使用流量限速时某些应用无法正常通信问题，提升各应用的通信质量。
保护服务器在面对突发流量的产生的通信中断，服务器宕机问题。
应用于数据传输网络，不同应用的限速，应对不同服务器的吞吐能力，减少网络数据重传，丢包造成的通信异常。
(2)本发明的技术方案填补了国内外业内技术空白：
多应用限速对通过网络设备的数据流量根据应用类型限速，限制极值，降低其后的设备流量负载。
多应用限速对通过网络设备的数据流量进行限速，平稳流量极值，降低突发流量对其后设备的冲击，减少服务器宕机的。
多应用限速对设备产生的数据传输进行限制，平稳设备外传流量。
多应用限速可与负载均衡设备结合，根据不同应用流量大小进行负载均衡。
(3)本发明的技术方案是否解决了人们一直渴望解决、但始终未能获得成功的技术难题：
旧方法，指单一应用限速和整机流量限速，在面对多应用的网络环境时，无法对精确对流量进行识别和流量限制，不能解决由此造成的通信质量下降，通信困难问题，本发明能够适应多应用的网络环境，通过正确的配置和使用，保证通信质量，服务质量。
第三，这种用于电数字数据处理的流量限速方法带来的显著技术进步主要表现在以下几个方面：
1.精确的流量控制：该方法对每个特定的应用进行流量限速，而不仅仅是对整个设备。这意味着它更精确地控制网络资源的使用，以满足各种应用的特定需求。
2.实时的配置更新：通过定时轮询的方式，系统实时获取和应用新的配置设置。这确保了系统始终以最新的配置运行，从而提高了限速控制的灵活性和实时性。
3.流量状态可视化：通过统计和展示每个应用的流量状态，用户清楚地了解各个应用的流量使用情况，从而更好地理解和控制网络资源的使用。
4.优化网络资源使用：通过精确控制每个应用的流量，和实时调整限速配置，该方法有效地优化网络资源的使用，降低网络拥塞，提高网络的使用效率和用户体验。
这种用于电数字数据处理的流量限速方法通过实现对每个应用的精确限速，实时更新配置，以及流量状态可视化，极大地提高了网络资源使用的效率和效果，为优化网络性能，提高用户体验带来了显著的技术进步。
第四，该用于电数字数据处理的流量限速方法带来了以下显著的技术进步：
精细的流量控制：此方法不仅对整机的流量进行限速，而且能对特定应用的流量进行限速。这种精细的流量控制策略更有效地管理网络资源，防止某些应用过度消耗网络带宽。
动态的限速阈值获取：通过动态获取限速阈值，根据网络状况和应用需求实时调整限速阈值，使流量控制更加灵活和实时。
高效的失败处理：在获取限速阈值失败时，不会立即断开连接或者丢弃数据，而是会延时等待获取新阈值，这种优雅的失败处理策略提高数据传输的可靠性。
应用识别和分类：通过识别业务流量和应用类型，对不同应用应用不同的流量控制策略，提高流量控制的精度和效率。
简洁的流程：该限速方法的流程简洁明了，易于实现和维护，有效地降低系统复杂性，提高系统的稳定性。
该流量限速方法在电数字数据处理方面实现了精细、灵活、可靠、高效的流量控制，大大提高了网络资源的使用效率和数据传输的可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还根据这些附图获得其他的附图。
图1是本发明实施例提供的多应用限速方法流程图；
图2是本发明实施例提供的多应用限速阈值维护和热切换示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1：网络服务提供商的流量管理
在这个例子中，假设正在操作一个网络服务提供商，提供多种网络服务，如在线视频流、游戏、文件下载等。希望对这些服务实施不同的限速策略，以确保网络质量和公平性。
1)步骤S1：网络服务提供商的路由器或防火墙设备会捕获所有通过的数据包，然后对这些数据包进行深度包检查(DPI)。通过DPI，识别出每个数据包是属于哪种类型的业务流量(例如，是游戏流量、视频流量或其他应用流量)。
2)步骤S2和S3：然后，检查这个业务流量是否属于需要进行限速的应用。例如，决定在高峰时段对在线视频流服务进行限速，而对其他服务不进行限速。
3)步骤S4：如果识别出的业务流量属于需要进行限速的应用，就获取对应应用的限速阈值。比如，设置在线视频流的限速阈值为500Mbps。如果能成功获取阈值，就把阈值递减。如果获取失败，就等待直到能获取新阈值。
4)步骤S5：接下来，获取整机流量限速阈值，这是网络服务提供商设置的全局流量限速阈值。如果能成功获取阈值，就把阈值递减。如果获取失败，就返回步骤S2。
5)步骤S6：最后，如果能成功获取应用限速阈值和整机限速阈值，就把数据发送出去，完成此次限速流程。
实施例2：云服务提供商的流量管理
在这个例子中，假设是一个云服务提供商，提供各种云服务，如虚拟机、数据库、存储等。对这些服务实施不同的限速策略，以避免一些服务占用过多的带宽资源。
1)步骤S1：在云服务的网络设备上，捕获所有通过的数据包，然后对这些数据包进行分析。识别出每个数据包是属于哪种类型的业务流量(例如，是虚拟机流量、数据库流量或存储流量)。
2)步骤S2和S3：然后，检查这个业务流量是否属于需要进行限速的应用。例如，决定对存储服务进行限速，以避免它占用过多的带宽资源，而对其他服务不进行限速。
3)步骤S4：如果识别出的业务流量属于需要进行限速的应用，就获取对应应用的限速阈值。比如，设置存储服务的限速阈值为200Mbps。如果能成功获取阈值，就把阈值递减。如果获取失败，就等待直到能获取新阈值。
4)步骤S5：接下来，获取整机流量限速阈值，这是云服务提供商设置的全局流量限速阈值。如果能成功获取阈值，就把阈值递减。如果获取失败，就返回步骤S2。
5)步骤S6：最后，如果能成功获取应用限速阈值和整机限速阈值，就把数据发送出去，完成此次限速流程。
针对现有技术存在的问题，本发明提供了一种用于电数字数据处理的流量限速方法、系统、设备及终端，下面结合附图对本发明作详细的描述。
本发明提供了一种用于电数字数据处理的流量限速方法，包括以下步骤：
S1，获取业务流量，对业务流量进行分析，识别业务流量和识别应用类型；
S2，判定是否是配置中的限速应用；
S3，如果是非限速应用，则直接进入S5；
S4，如果是限速应用，则获取对应应用的限速阈值，获取成功后将阈值递减，获取失败则延时等待获取新阈值；
S5，获取整机流量限速阈值，获取成功后阈值递减，获取失败则进入S2；
S6，如果二级限速均能获取限速阈值，则成功发送数据，当前限速流程结束。
进一步，结合人工智能的数学算法和模型，包括但不限于以下功能：
使用机器学习算法训练一个预测模型，根据历史的业务流量数据预测未来的业务流量，提前调整限速阈值；
使用优化算法，如强化学习算法，自动寻找最优的限速策略，根据实时的网络状况、应用需求以及历史的流量数据动态调整限速策略；
使用机器学习算法训练一个分类模型，更准确地识别业务流量和应用类型，对不同的应用实施更精细的流量控制；
使用异常检测算法来监控业务流量，及时发现流量的异常变化，如流量突然的大幅增加或减少，及时调整限速策略。
如图1所示，本发明实施例提供的用于电数字数据处理的流量限速方法包括：
S1，获取业务流量，对业务流量进行分析和识别应用类型；
S2，判定是否是配置中的限速应用；
S3，如果是非限速应用，则直接进入S5；
S4，如果是限速应用，则获取对应应用的限速阈值，获取成功后将阈值递减，获取失败则延时等待获取新阈值；
S5，获取整机流量限速阈值，获取成功后阈值递减，获取失败则进入S2；
S6，如果二级限速均能获取限速阈值，则成功发送数据，当前限速流程结束。
如图2所示，限速阈值需要额外维护，并且限速阈值由外部配置控制，维护过程是定时轮询的方式，具体包括：
S101，获取退出信号，如果有退出信号则退出维护状态；
S102，获取配置状态，如果有新配置，则更新配置；
S103，根据配置中各类应用的限速阈值更新；
S104，根据配置中整机限速阈值更新；
S105，获取各应用限速阈值剩余，统计展示当前周期各应用的流量状态。
本发明实施例提供的用于电数字数据处理的流量限速系统包括：
流量获取模块，用于获取业务流量，对业务流量进行分析；
判定模块，用于判定是否是配置中的限速应用；
应用阈值控制模块，用于获取限速应用的限速阈值，获取成功后将阈值递减，获取失败则重新进入应用分析，并且等待获取新阈值；
整机阈值控制模块，用于获取整机流量限速阈值，获取成功后阈值递减；
数据发送模块，用于发送数据，结束当前限速流程。
本发明的应用实施例提供了一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行用于电数字数据处理的流量限速方法的步骤。
本发明的应用实施例提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行用于电数字数据处理的流量限速方法的步骤。
本发明的应用实施例提供了一种信息数据处理终端，信息数据处理终端用于实现用于电数字数据处理的流量限速系统。
本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
该方法已在相关网络设备试验，本试验以网关设备，百兆网络为例，方法如下：
S1，配置网关设备上的应用限速，FTP，Mail，HTTP，DB和其他非应用各20Mbps，整机限速50Mbps，流量管理关联限速模块。
S2，使用FTP软件进行打压测试，最高速度19.5Mbps
S3，使用HTTP软件进行打压测试，最高速度19.8Mbps
S4，使用HTTP，FTP，MAIL软件进行打压测试，整机最高速度49Mbps，各应用稳定速度16Mbps。
S5，开始对比测试1，仅配置整机流量50Mbps。
S6，先开始HTTP打压测试，此时流量为49Mbps，开始FTP通信，FTP速度不稳定，且通信困难，影响HTTP通信。
S7，开始对比测试2，仅配置HTTP限速20Mbps。
S8，首先非应用流量占满带宽，显示100Mbps，再开始HTTP打压，此时HTTP通信困难。
通过对比分析，S6和S4对比，在仅整机流量的情况下，会出现单一流量占用100％，造成其他应用通信困难，通信质量下降的问题。S8和S4对比，分析出得出结果，在单一应用限速下，其一，无法对整机流量限速，其二，其他应用已经出现通信困难。
这段文字描述了一种用于电数字数据处理的流量限速的方法，这种方法能够有效地对各个应用的数据流量进行控制，主要包括获取业务流量、判断是否是配置中的限速应用、获取限速阈值，以及发送数据等步骤。
以下是这两个实施例的具体实现方案：
实施例1：基本的用于电数字数据处理的流量限速方法
获取业务流量，对业务流量进行分析(步骤S1)。
判断业务流量是否是配置中的限速应用(步骤S2)。
如果是非限速应用，则直接进入下一步(步骤S3)。
如果是限速应用，则获取对应应用的限速阈值，获取成功后将阈值递减；如果获取失败，则延时等待获取新阈值(步骤S4)。
获取整机流量限速阈值，获取成功后阈值递减；如果获取失败，则回到步骤S2(步骤S5)。
如果二级限速(应用级限速和整机级限速)均能获取限速阈值，则成功发送数据，当前限速流程结束(步骤S6)。
以上方法能够实现对各个应用以及整机的流量进行有效的限速控制。
实施例2：带有额外维护的用于电数字数据处理的流量限速方法
在第一个实施例的基础上，还通过以下步骤进行限速阈值的额外维护：
获取退出信号，如果有退出信号则退出维护状态(步骤S101)。
获取配置状态，如果有新配置，则更新配置(步骤S102)。
根据配置中各类应用的限速阈值进行更新(步骤S103)。
根据配置中整机限速阈值进行更新(步骤S104)。
获取各应用限速阈值剩余，统计展示当前周期各应用的流量状态(步骤S105)。
以上方法增加了一个限速阈值的维护过程，该过程是定时轮询的方式，保证限速阈值始终与配置保持一致，从而更有效地进行流量控制。
这种用于电数字数据处理的流量限速方法的显著技术进步在于，它能够实现对多个应用的流量进行精确控制，根据不同应用的实际情况调整限速阈值，从而优化网络资源的使用，提高网络的使用效率。同时，通过定时轮询的方式维护限速阈值，保证限速配置的实时性，进一步提高了流量控制的准确性。
实施例1：基于历史流量的预测模型
在实施此方法的过程中，使用机器学习算法来建立业务流量预测模型。例如，使用时间序列预测模型，如ARIMA或LSTM，根据历史业务流量数据预测未来的业务流量。
在步骤S1，通过网络接口或者API获取业务流量数据，将这些数据输入到预测模型中，预测未来的业务流量。
在步骤S4和S5，根据预测的业务流量动态获取限速阈值，如果预测的业务流量大于某个预设阈值，降低限速阈值；如果预测的业务流量小于某个预设阈值，提高限速阈值。
实施例2：基于强化学习的优化算法
在实施此方法的过程中，使用强化学习算法来寻找最优的限速策略。例如，使用Q-learning或者Deep Q Network(DQN)算法。
在步骤S1，通过网络接口或者API获取业务流量数据，将这些数据作为强化学习环境的状态。
在步骤S4和S5，使用强化学习算法选择一个动作，这个动作就是限速阈值。通过在环境中与环境交互，根据奖励来更新强化学习算法的策略，使得选择的限速阈值能够最大化某个奖励，例如最大化网络资源的使用效率或者最小化网络延迟。
以上两个实施例都是基于人工智能的数学算法和模型对流量限速方法进行智能化的具体实现方案，根据实际需要选择最适合自己的方案。
应当注意，本发明的实施方式通过硬件、软件或者软件和硬件的结合来实现。硬件部分利用专用逻辑来实现；软件部分存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员理解上述的设备和方法使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也用由各种类型的处理器执行的软件实现，也由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种用于电数字数据处理的流量限速方法，其特征在于，包括以下步骤：
S1，获取业务流量，对业务流量进行分析，识别业务流量和识别应用类型；
S2，判定是否是配置中的限速应用；
S3，如果是非限速应用，则直接进入S5；
S4，如果是限速应用，则获取对应应用的限速阈值，获取成功后将阈值递减，获取失败则延时等待获取新阈值；
S5，获取整机流量限速阈值，获取成功后阈值递减，获取失败则进入S2；
S6，如果二级限速均能获取限速阈值，则成功发送数据，当前限速流程结束。
2.根据权利要求1的用于电数字数据处理的流量限速方法，其特征在于，包括：
使用机器学习算法训练一个预测模型，根据历史的业务流量数据预测未来的业务流量，提前调整限速阈值；
使用优化算法自动寻找最优的限速策略，根据实时的网络状况、应用需求以及历史的流量数据动态调整限速策略；
使用机器学习算法训练一个分类模型，识别业务流量和应用类型，对不同的应用实施更精细的流量控制；
使用异常检测算法来监控业务流量，及时发现流量的异常变化及时调整限速策略。
3.如权利要求1所述的用于电数字数据处理的流量限速方法，其特征在于，限速阈值需要额外维护，并且限速阈值由外部配置控制，维护过程是定时轮询的方式，具体包括：
S101，获取退出信号，如果有退出信号则退出维护状态；
S102，获取配置状态，如果有新配置，则更新配置；
S103，根据配置中各类应用的限速阈值更新；
S104，根据配置中整机限速阈值更新；
S105，获取各应用限速阈值剩余，统计展示当前周期各应用的流量状态。
4.一种用于电数字数据处理的流量限速系统，应用如权利要求1～3所述的用于电数字数据处理的流量限速方法，其特征在于，所述系统包括：
流量获取模块，用于获取业务流量，对业务流量进行分析和应用识别；
判定模块，用于判定是否是配置中的限速应用；
应用阈值控制模块，用于获取限速应用的限速阈值，获取成功后将阈值递减，获取失败则重新进入应用分析，并且等待获取新阈值；
整机阈值控制模块，用于获取整机流量限速阈值，获取成功后阈值递减；
数据发送模块，用于发送数据，结束当前限速流程。
5.一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1～2所述的用于电数字数据处理的流量限速方法的步骤。
6.一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1～3所述的用于电数字数据处理的流量限速方法的步骤。
7.一种信息数据处理终端，信息数据处理终端用于实现如权利要求4所述的用于电数字数据处理的流量限速系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311439463.3A CN117527703A (zh) | 2023-11-01 | 2023-11-01 | 电数字数据处理流量限速方法、系统、设备、介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311439463.3A CN117527703A (zh) | 2023-11-01 | 2023-11-01 | 电数字数据处理流量限速方法、系统、设备、介质及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117527703A true CN117527703A (zh) | 2024-02-06 |
Family
ID=89759848
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311439463.3A Pending CN117527703A (zh) | 2023-11-01 | 2023-11-01 | 电数字数据处理流量限速方法、系统、设备、介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117527703A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104168606A (zh) * | 2014-07-24 | 2014-11-26 | 深圳天珑无线科技有限公司 | 一种移动终端的网速控制方法 |
| JP2015103979A (ja) * | 2013-11-26 | 2015-06-04 | 株式会社日立製作所 | トラフィック管理装置、ネットワークシステム及び制御方法 |
| CN107689901A (zh) * | 2017-11-13 | 2018-02-13 | 锐捷网络股份有限公司 | 一种监控业务报文流量的方法及装置 |
| CN115118667A (zh) * | 2021-03-17 | 2022-09-27 | 华为技术有限公司 | 传输控制方法及装置 |
| CN116366565A (zh) * | 2022-12-16 | 2023-06-30 | 苏州盛科通信股份有限公司 | 一种限速模式切换方法、装置、电子设备及存储介质 |
-
2023
- 2023-11-01 CN CN202311439463.3A patent/CN117527703A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015103979A (ja) * | 2013-11-26 | 2015-06-04 | 株式会社日立製作所 | トラフィック管理装置、ネットワークシステム及び制御方法 |
| CN104168606A (zh) * | 2014-07-24 | 2014-11-26 | 深圳天珑无线科技有限公司 | 一种移动终端的网速控制方法 |
| CN107689901A (zh) * | 2017-11-13 | 2018-02-13 | 锐捷网络股份有限公司 | 一种监控业务报文流量的方法及装置 |
| CN115118667A (zh) * | 2021-03-17 | 2022-09-27 | 华为技术有限公司 | 传输控制方法及装置 |
| CN116366565A (zh) * | 2022-12-16 | 2023-06-30 | 苏州盛科通信股份有限公司 | 一种限速模式切换方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10965558B2 (en) | Method and system for effective data collection, aggregation, and analysis in distributed heterogeneous communication network | |
| US10924393B2 (en) | Per-flow call admission control using a predictive model to estimate tunnel QoS in SD-WAN networks | |
| EP3047609B1 (en) | Systems and method for reconfiguration of routes | |
| US8817649B2 (en) | Adaptive monitoring of telecommunications networks | |
| US7660252B1 (en) | System and method for regulating data traffic in a network device | |
| CN104717158B (zh) | 一种调整带宽调度策略的方法及装置 | |
| US9007901B2 (en) | Method and apparatus providing flow control using on-off signals in high delay networks | |
| US9985906B2 (en) | Estimating time duration of bandwidth availability | |
| CN106792835B (zh) | 一种无线设备共享带宽的控制方法及系统 | |
| TW201220780A (en) | Methods and apparatus for reducing data transmission overhead | |
| Petrangeli et al. | A machine learning-based framework for preventing video freezes in HTTP adaptive streaming | |
| CN108737262B (zh) | 传输数据包的方法以及通信路由器 | |
| US20220104127A1 (en) | Method and apparatus for power management in a wireless communication system | |
| CN101547159A (zh) | 一种避免网络拥塞的方法和设备 | |
| US20220330078A1 (en) | Network edge cloud adjustment | |
| CN103634223B (zh) | 一种基于网络业务流的动态控制传输方法和装置 | |
| US20240007406A1 (en) | Transmission control method and apparatus | |
| KR20170059465A (ko) | 애플리케이션들에 대한 네트워크 분류 | |
| Zhang et al. | MoWIE: toward systematic, adaptive network information exposure as an enabling technique for cloud-based applications over 5G and beyond | |
| US20220053373A1 (en) | Communication apparatus, communication method, and program | |
| CN113032410A (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
| CN109792411B (zh) | 用于管理端到端连接的设备和方法 | |
| CN117527703A (zh) | 电数字数据处理流量限速方法、系统、设备、介质及终端 | |
| US20150333976A1 (en) | Method for scheduling management operation on devices in a home network | |
| EP2930617A1 (en) | Resource management method and device |
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 |