CN117834552A - 通信队列调度优化方法、装置、设备及介质 - Google Patents
通信队列调度优化方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117834552A CN117834552A CN202410044356.9A CN202410044356A CN117834552A CN 117834552 A CN117834552 A CN 117834552A CN 202410044356 A CN202410044356 A CN 202410044356A CN 117834552 A CN117834552 A CN 117834552A
- Authority
- CN
- China
- Prior art keywords
- demand response
- queue
- flow model
- weight
- calculating
- 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 64
- 230000006854 communication Effects 0.000 title claims abstract description 53
- 238000004891 communication Methods 0.000 title claims abstract description 52
- 238000005457 optimization Methods 0.000 title claims abstract description 26
- 230000004044 response Effects 0.000 claims abstract description 122
- 230000005540 biological transmission Effects 0.000 claims abstract description 40
- 230000000737 periodic effect Effects 0.000 claims abstract description 15
- 206010033307 Overweight Diseases 0.000 claims abstract description 12
- 239000000872 buffer Substances 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 description 23
- 238000004088 simulation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010295 mobile communication Methods 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
- 230000035515 penetration Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种通信队列调度优化方法，涉及电力系统通信技术领域，用于解决现有信息的实时传输时延较大的问题，该方法包括以下步骤：构建需求响应业务流模型，所述业务流模型包括周期性需求响应数据流模型及随机性需求响应数据流模型；根据所述需求响应业务流模型，计算其中的需求响应时延；根据所述需求响应业务流模型，通过模糊控制计算队列权重，提高高权重队列的发送速率，降低需求响应时延。本发明还公开了一种通信队列调度优化装置、电子设备和计算机存储介质。本发明通过对报文队列进行权重计算，进而为发文速率调节提供参考依据，降低时延。
Description
技术领域
本发明涉及电力系统通信技术领域，尤其涉及一种面向需求响应业务的通信队列调度优化方法、装置、设备及介质。
背景技术
随着电网中用户侧大量负荷、用电设备的渗透接入，现阶段电力通信网中通信协议、信息传输调度方式不足以支撑大规模用户与电网高强度友好互动，导致需求响应信息传输在实时性、可靠性等方面难以满足需求响应业务的服务质量需求，阻碍了需求响应业务的大规模推广。
具体而言，当前通常采用OpenADR作为需求响应互操作标准化协议，底层协议主要采用HTTP/XML完成需求响应信息通信过程，然而在用户侧DR资源硬件、网络等资源有限情况下，采用以上方式难以满足需求响应业务服务质量需求，缺乏对报文发送速率的控制，导致不同业务队列的时延差距较大，无法满足不同参与主体以及不同层级系统之间信息的实时传输。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种通信队列调度优化方法，其通过对响应业务进行建模，进而控制权重进行发送速率调节，降低响应延迟。
本发明的目的之一采用以下技术方案实现：
一种通信队列调度优化方法，包括以下步骤：
构建需求响应业务流模型，所述业务流模型包括周期性需求响应数据流模型及随机性需求响应数据流模型；
根据所述需求响应业务流模型，计算其中的需求响应时延；
根据所述需求响应业务流模型，通过模糊控制计算队列权重，提高高权重队列的发送速率，降低需求响应时延。
进一步地，所述周期性需求响应数据流模型满足：Mi＝(Li,Pi,Ti,Qi)，其中，Li为轮询业务的报文长度，Pi为轮询周期，Ti表示需求响应时延，Qi表示数据流允许的最大时延，Ti≤Qi。
进一步地，[s,s+t]间隔内到达的报文总数为K的泊松过程的随机性需求响应数据流模型满足：其中，N(t)为到达的数据包总数，λ为需求响应业务流平均到达率。
进一步地计算其中的需求响应时延，包括：
计算第N个节点的通信总时延，满足： 其中，Di表示需求响应通信网中第i条传输链路的距离，V表示在传输链路中的传播速度，L表示指令数据包大小，Rk表示第k个传输交换设备的端口传输速率，/>表示指令数据包在第j个节点中排队引起的等待时延，/>表示指令在第j个节点相应的处理时延；
计算由排队引起的总时延，满足：
其中，表示在第k个节点缓存队列中第i个排队等待的数据报文大小，Lk表示第k个节点当前正在发送数据报文大小。
进一步地，通过模糊控制计算队列权重前，还包括：计算报文队列中数据分组的虚拟开始时间及虚拟完成时间，优先发送报文至虚拟完成时间最小的分组，所述虚拟开始时间及虚拟完成时间的计算满足：
其中，为虚拟开始时间，/>为虚拟完成时间，/>为会话长度，V为系统虚拟时间，/>为会话i在第k个分组的到达时刻，ri表示会话服务速率。
进一步地，通过模糊控制计算队列权重，提高高权重队列的发送速率，降低需求响应时延，包括：
获取不同业务所在队列的初始权重w0[i]、队列缓存的数据包实时长度、及模糊控制规则；
计算数据流业务突发度Burst，满足：Burst＝(qsize-qavg)/qmax，其中，qsize为当前队列中数据报文总长度，qmax为队列最大的长度，qavg表示队列中缓存数据报文的平均长度；
根据所述队列缓存的数据包实时长度、数据流业务突发度及所述模糊控制规则，进行模糊控制计算，得到权重动态增量值wfuzzy[i]；
计算队列调整后的权重wk[i]，满足：wk[i]＝wk-1[i]+wfuzzy[i]，其中，wk-1[i]为调整前权重或初始权重。
进一步地，通过指数加权移动平均法计算所述队列中缓存数据报文的平均长度，满足：qavg＝(1-k)qavg'+kqsize，其中，k表示滤波系数，qavg'为加权前的缓存数据报文的平均长度；
计算队列调整后的权重后，还包括：获取报文发送速率调整结果，所述调整结果为根据所述调整后权重计算得到，并根据所述速率调整结果进行报文发送速率调整。
本发明的目的之二在于提供一种通信队列调度优化装置。
本发明的目的之二采用以下技术方案实现：
一种通信队列调度优化装置，其包括：
构建模块，用于构建需求响应业务流模型，所述业务流模型包括周期性需求响应数据流模型及随机性需求响应数据流模型；
计算模块，用于根据所述需求响应业务流模型，计算其中的需求响应时延；并根据所述需求响应业务流模型，通过模糊控制计算队列权重，提高高权重队列的发送速率，降低需求响应时延。
本发明的目的之三在于提供执行发明目的之一的电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，所述计算机程序被处理器执行时实现上述的通信队列调度优化方法。
本发明的目的之四在于提供存储发明目的之一的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的通信队列调度优化方法。
相比现有技术，本发明的有益效果在于：
本发明通过提出一种基于模糊逻辑改进的加权公平队列调度算法，对现有的底层通信传输调度进行优化，提升了需求响应信息交互能力、可有效降低通信时延，通过计算队列权重为报文传输速率的增减提供参考基础，在构建需求响应业务流模型的基础上进行了时延分析和基于模糊控制的权重计算，在保障紧急类需求响应业务服务质量的同时，也避免了非紧急类需求响应业务分组长时间等待，为多样化电力需求响应服务提供有效支撑。
附图说明
图1是实施例一的通信队列调度优化方法的流程图；
图2是实施例一的输入输出变量隶属度函数示意图；
图3是实施例三的网络仿真拓扑图；
图4是实施例三的各级业务传输平均时延对比图；
图5是实施例三的需求响应业务时延平均标准差对比图
图6是实施例四的通信队列调度优化装置的结构框图；
图7是实施例五的电子设备的结构框图。
具体实施方式
以下将结合附图，对本发明进行更为详细的描述，需要说明的是，以下参照附图对本发明进行的描述仅是示意性的，而非限制性的。各个不同实施例之间可以进行相互组合，以构成未在以下描述中示出的其他实施例。
实施例一
实施例一提供了一种通信队列调度优化方法，旨在通过对需求响应业务建立模型，以了解出现排队的原因，再分析传输时延特性，最后通过计算权重进行通信队列调度，从而实现调度效率有效提升。
请参照图1所示，一种通信队列调度优化方法，包括以下步骤：
S1、构建需求响应业务流模型，所述业务流模型包括周期性需求响应数据流模型及随机性需求响应数据流模型；
S1具体地，依据需求响应业务数据流产生的时域特性，主要分为有周期性、随机性两种数据类型。因此本实施例中的业务流模型包括周期性需求响应数据流模型及随机性需求响应数据流模型。
由于轮询业务是辅助支撑类业务里的主要类型，该类报告业务的数据流具有周期特性，其流量显著特性为时间驱动模式，以设定固定的周期时间发送报文进行轮询。具体地，周期性需求响应数据流模型满足：Mi＝(Li,Pi,T,Qi)，其中，Li为轮询业务的报文长度，Pi为轮询周期，Ti表示需求响应时延，即需求响应数据流的端到端时延，Qi表示数据流允许的最大时延。此外，为确保业务的实时性，避免过大的传输时延影响发现需求响应事件变更等情况，对执行效果产生影响，周期性需求响应数据流的传输时延还需满足：Ti≤Qi。
随机性需求响应数据流具有由外部事件驱动的典型特征，是系统中某些随机响应事件产生的数据流，在时域上表现为需求响应数据报文以概率p出现，一般事件类业务、选择业务、PUSH模式下的报告业务等均具有随机性数据流的特征。因此本实施例构建了随机性需求响应数据流模型。具体地，设在时间段[s,s+t]间隔内到达的报文总数为K且服从参数为λ的泊松过程/随机过程(Poisson)过程，其中λ为需求响应业务流平均到达率，N(t)为到达的数据包总数，则对任意的s,t≥0，满足：
S1中建立需求响应业务流模型可帮助了解出现时延、报文排队的原因，有助于针对相关问题进行解决。
S2、根据所述需求响应业务流模型，计算其中的需求响应时延；
本实施例提出了需求响应时延的分析方法，以便分析传输时延特性。在通信网中需求响应业务的通信总时延Ttrans主要包含指令发送节点的发送时延、链路传输时延、中间节点转发处理时延、排队时延以及目的节点的信号处理时延。则VTN(虚拟顶端节点)第一个节点从发送指令到VEN(虚拟末端节点)第N个节点的通信总时延表示为： 其中，Di表示需求响应通信网中第i条传输链路的距离，V表示在传输链路中的传播速度，L表示指令数据包大小，Rk表示第k个传输交换设备的端口传输速率，/>表示指令数据包在第j个节点中排队引起的等待时延，/>表示指令在第j个节点相应的处理时延。
由于排队等待时延的不确定性是通信时延波动范围较大的主要原因之一。以典型的先进先出队列(FIFO)为例，需求响应消息数据流在通信传输过程中由排队引起的总时延为：
其中，表示在第k个节点缓存队列中第i个排队等待的数据报文大小，Lk表示第k个节点当前正在发送数据报文大小。
S3、根据所述需求响应业务流模型，通过模糊控制计算队列权重，提高高权重队列的发送速率，降低需求响应时延。
S3具体地，通过模糊控制计算队列权重前，还包括：计算报文队列中数据分组的虚拟开始时间及虚拟完成时间，优先发送报文至虚拟完成时间最小的分组，所述虚拟开始时间及虚拟完成时间的计算满足：
其中，为虚拟开始时间，/>为虚拟完成时间，/>为会话长度，V为系统虚拟时间，/>为会话i在第k个分组的到达时刻，ri表示会话服务速率。
上述虚拟时间的计算满足：
起始时间从0开始，tj表示第j个事件发生的时间，Bj表示在时间间隔(tj-1,tj)积压会话集合，ri表示会话服务速率或队列权重。
虚拟时间(包括开始时间、完成时间)计算公式是一种加权公平队列调度算法。其核心思想是当业务数据分组到达各队列时，将不同优先级的业务流分配到不同队列中，基于定义的系统虚拟时间，分别计算各个队列中数据分组的虚拟开始时间及虚拟完成时间，调度器在调度各队列分组时优先选择发送虚拟完成时间最小的分组。
在虚拟时间的基础上，本实施例通过动态调整权重进行了优化。具体地，包括：
获取不同业务所在队列的初始权重w0[i]、队列缓存的数据包实时长度、及模糊控制规则；
计算数据流业务突发度Burst以衡量通信网络中数据流的业务突发度，满足：Burst＝(qsize-qavg)/qmax，其中，qsize为当前队列中数据报文总长度，qmax为队列最大的长度，qavg表示队列中缓存数据报文的平均长度；将队列缓存的数据报文总长度较小的状态定义为低负载状态，即qsize≤qmax/4；
根据所述队列缓存的数据包实时长度、数据流业务突发度及所述模糊控制规则，进行模糊控制计算，得到权重动态增量值wfuzzy[i]；
计算队列调整后的权重wk[i]，满足：wk[i]＝wk-1[i]+wfuzzy[i]，其中，wk-1[i]为调整前权重或初始权重。
上述初始权重可以基于需求响应业务的优先级、不同类型业务载荷小大及时延敏感度三类影响因子，并可通过层次分析法为各不同业务所在的队列进行设置，本实施例不对具体设定方法进行限制，通常业务的优先级越高、业务净载荷越大、对时延要求越高则其所属队列分配的初始权重越大。
值得注意的是，为避免频繁地实时调整队列的权重而消耗交换机等设备的硬件资源，将网络传输节点处于低负载状态情况下各队列的权重依然保持初始状态下的赋值，而当传输节点的队列i中实时缓存的数据报文长度超过负载状态时，采用动态权重优化策略，即上述的权重wk[i]。对于出现较大负载及较高突发度的队列，为避免长时间得不到服务需要适当增加该队列的服务速率，可通过增加队列的权重实现，即优先增加高权重队列的发送速率。因此将队列动态权重的实时增量值作为模糊逻辑的输出。
上述的qavg表示队列中缓存数据报文的平均长度，可以在一定程度表征此时刻网络的拥塞情况，本是合理中利用指数加权移动平均法计算，满足：满足：qavg＝(1-k)qavg'+kqsize，其中，k表示滤波系数，用于降低队列缓存数据报文长度的抖动情况，本实施例中设置为0.01，qavg'为加权前的缓存数据报文的平均长度。
此外，计算队列调整后的权重后，还包括：获取报文发送速率调整结果，所述调整结果为根据所述调整后权重计算得到，并根据所述速率调整结果进行报文发送速率调整。根据权重具体的发送速率调整方式本实施例不作限定，可以根据权重高低、具体报文发送速率、系统性能等进行设定。
实施例二
实施例二是在实施例一的基础上进行的，主要对模糊控制的计算进行解释和说明。
模糊逻辑计算具体包括模糊化、模糊推理、去模糊化三个步骤。该步骤属于模糊计算的常规技术手段，本实施例不对其原理进行展开赘述。
本实施例中，队列实时缓存数据报文长度qsize的模糊集定义为{L(小)、M(中等)、H(大)}；业务流的突发度Burst的模糊集定义为{VL(很低)、L(较低)、M(中等)、H(较高)、VH(很高)}；输出队列的权重动态增量值wfuzzy[i]的模糊集定义为{VS(很小)、S(较小)、M(中等)、B(较大)、VB(很大)}。将上述模糊逻辑系统的各个输入、输出的都归一化为[0,1]，并建立隶属度函数。隶属度函数请参照图2所示。模糊控制规则请参照表1所示。
表1模糊规则控制表
| qsize/Burst | VL | L | M | H | VH |
| L | VS | VS | S | M | B |
| M | VS | S | M | B | VB |
| H | S | M | B | VB | VB |
以下通过具体数值进行说明，假设模糊逻辑系统的两个输入队列缓存数据报文长度及业务流突发度分别为[0.3,0.28]。基于隶属度函数与模糊规则，运行步骤如下：
(1)模糊化处理
归一化后队列中缓存数据报文长度为0.3，经过模糊化处理之后，属于L(小)的可能性为0.8，属于M(中等)的可能性为0.3。
业务流的突发度为0.28，经过模糊化处理之后，属于VL(很低)的可能性为0.4，属于L(较低)的可能性为0.6。
(2)模糊推理
如果队列缓存数据报文长度为L(0.8)且业务流的突发度为VL(0.4)，那么队列的动态权重增量为VS(0.4)。
如果队列缓存数据报文长度为L(0.8)且业务流的突发度为L(0.6)，那么队列的动态权重增量为VS(0.6)。
如果队列缓存数据报文长度为M(0.2)且业务流的突发度为VL(0.4)，那么队列的动态权重增量为VS(0.2)。
如果队列缓存数据报文长度为M(0.2)且业务流的突发度为L(0.6)，那么队列的动态权重增量为S(0.2)。
(3)去模糊化
根据以上推理结论，利用Mamdani法可以推导出队列的动态权重增量是VS的程度为0.6，是S的程度为0.2。最终利用重心法去模糊化处理后得到队列权重的动态增量值为0.1724，从而增加了该队列所获得的服务速率。
实施例三
实施例三是本发明通信队列调度优化方法的具体测试说明。
请参照图3所示网络拓扑结构，本实施例利用OMNeT++仿真软件搭建通信仿真网络，各条链路的带宽均设置为100Mbps。其中源节点S1到S6分别代表紧急需求响应事件业务、一般事件业务、选择业务、注册业务、报告业务、轮询业务六类不同业务发生器，路由R1代表转发节点，节点D1表示目的节点，对于路由器R1内设置4个队列，分别用于服务不同等级的需求响应业务流。
对不同等级需求响应业务流的载荷大小进行配置，同其中轮询业务采用周期性业务流模型，其他业务采用随机性业务流模型，具体参数设置如表2所示。对于各队列的初始权重，通过利用层次分析法计算可得I级至IV级得业务流所对应得初始权重分别设置为0.3732、0.2510、0.2510、0.1500。
表12模糊规则控制表
将本实施例的方法(以下称为FL_WFQ算法)，与传统的PQ算法、WFQ算法进行对比，设置仿真时间为1.5s，统计不同等级需求响应业务在不同调度算法下的传输平均时延，仿真结果如图4所示。
相较于PQ算法与WFQ算法，FL_WFQ算法级在I级业务中采用了单队列PQ算法，因此平均时延较低，保证了紧急业务的实时性；FL_WFQ算法与PQ算法在II级业务也保持了较低的平均时延，但是PQ算法牺牲了III级、IV级业务的平均时延性能；而当队列长度达到设置的阈值时，通过模糊逻辑系统以动态的方式调度队列中业务流，为突发度较高、缓存负载较重的队列分配更多的服务速率，因此III级业务传输平均时延分别降低了8.78％、2.01％，IV级业务传输平均时延分别降低了22.44％、8.02％。因此，FL_WFQ算法在保障各级需求响应业务的服务质量方面综合性能更优。
同时，为了评价FL_WFQ算法在缓解需求响应业务传输时延抖动方面的效果，本实施例定义业务时延平均标准差ASD作为评价指标：
式中，Nd表示总的业务等级数，k表示业务的等级，tij表示i级业务第j个数据包的传输时延，表示第i级业务传输的平均时延。
为了获取更准确的需求响应业务延时性能，将仿真时间分别设置为1-10s并重复多次实验，统计不同仿真时间下需求响应业务的时延平均标准差ASD。请参照图5所示，在不同仿真时间节点下，FL_WFQ算法的业务时延平均标准差基本保持最低，WFQ算法次之，PQ算法最大。当仿真时间设置为6s时，与PQ算法相比，WFQ和FL_WFQ算法分别下降了55.79％、74.15％。随着仿真时间进一步增加，需求响应业务流也增大，三种算法的ASD都呈现增长趋势，但FL_WFQ算法增长最缓慢。因此，相比其他算法，FL_WFQ算法在减缓传输时延抖动方面有较好的效果。
实施例四
实施例四公开了一种对应上述实施例的继电器衔铁运动状态检测方法对应的装置，为上述实施例的虚拟装置结构，请参照图6所示，包括：
构建模块310，用于构建需求响应业务流模型，所述业务流模型包括周期性需求响应数据流模型及随机性需求响应数据流模型；
计算模块320，用于根据所述需求响应业务流模型，计算其中的需求响应时延；并根据所述需求响应业务流模型，通过模糊控制计算队列权重，提高高权重队列的发送速率，降低需求响应时延。
优选地，所述周期性需求响应数据流模型满足：Mi＝(Li,Pi,Ti,Qi)，其中，Li为轮询业务的报文长度，Pi为轮询周期，Ti表示需求响应时延，Qi表示数据流允许的最大时延，Ti≤Qi。
优选地，[s,s+t]间隔内到达的报文总数为K的泊松过程的随机性需求响应数据流模型满足：其中，N(t)为到达的数据包总数，λ为需求响应业务流平均到达率，p为报文出现概率。
优选地，计算其中的需求响应时延，包括：
计算第N个节点的通信总时延，满足： 其中，Di表示需求响应通信网中第i条传输链路的距离，V表示在传输链路中的传播速度，L表示指令数据包大小，Rk表示第k个传输交换设备的端口传输速率，/>表示指令数据包在第j个节点中排队引起的等待时延，/>表示指令在第j个节点相应的处理时延；
计算由排队引起的总时延，满足：
其中，表示在第k个节点缓存队列中第i个排队等待的数据报文大小，Lk表示第k个节点当前正在发送数据报文大小。
优选地，通过模糊控制计算队列权重前，还包括：计算报文队列中数据分组的虚拟开始时间及虚拟完成时间，优先发送报文至虚拟完成时间最小的分组，所述虚拟开始时间及虚拟完成时间的计算满足：
其中，为虚拟开始时间，/>为虚拟完成时间，/>为会话长度，V为系统虚拟时间，/>为会话i在第k个分组的到达时刻，ri表示会话服务速率。
优选地，通过模糊控制计算队列权重，提高高权重队列的发送速率，降低需求响应时延，包括：
获取不同业务所在队列的初始权重w0[i]、队列缓存的数据包实时长度、及模糊控制规则；
计算数据流业务突发度Burst，满足：Burst＝(qsize-qavg)/qmax，其中，qsize为当前队列中数据报文总长度，qmax为队列最大的长度，qavg表示队列中缓存数据报文的平均长度；
根据所述队列缓存的数据包实时长度、数据流业务突发度及所述模糊控制规则，进行模糊控制计算，得到权重动态增量值wfuzzy[i]；
计算队列调整后的权重wk[i]，满足：wk[i]＝wk-1[i]+wfuzzy[i]，其中，wk-1[i]为调整前权重或初始权重。
优选地，通过指数加权移动平均法计算所述队列中缓存数据报文的平均长度，满足：qavg＝(1-k)qavg'+kqsize，其中，k表示滤波系数，qavg'为加权前的缓存数据报文的平均长度；
计算队列调整后的权重后，还包括：获取报文发送速率调整结果，所述调整结果为根据所述调整后权重计算得到，并根据所述速率调整结果进行报文发送速率调整。
实施例五
图7为本发明实施例五提供的一种电子设备的结构示意图，如图7所示，该电子设备包括处理器410、存储器420、输入装置430和输出装置440；计算机设备中处理器410的数量可以是一个或多个，图7中以一个处理器410为例；电子设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图7中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的通信队列调度优化方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述实施例一至实施例三的通信队列调度优化方法。
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的用户身份信息、报文数据等。输出装置440可包括显示屏等显示设备。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质，该存储介质可用于计算机执行通信队列调度优化方法，该方法包括：
构建需求响应业务流模型，所述业务流模型包括周期性需求响应数据流模型及随机性需求响应数据流模型；
根据所述需求响应业务流模型，计算其中的需求响应时延；
根据所述需求响应业务流模型，通过模糊控制计算队列权重，提高高权重队列的发送速率，降低需求响应时延。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的基于通信队列调度优化方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(可以是手机，个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述基于通信队列调度优化方法装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (10)
1.一种通信队列调度优化方法，其特征在于，包括以下步骤：
构建需求响应业务流模型，所述业务流模型包括周期性需求响应数据流模型及随机性需求响应数据流模型；
根据所述需求响应业务流模型，计算其中的需求响应时延；
根据所述需求响应业务流模型，通过模糊控制计算队列权重，提高高权重队列的发送速率，降低需求响应时延。
2.如权利要求1所述的通信队列调度优化方法，其特征在于，所述周期性需求响应数据流模型满足：Mi＝(Li,Pi,Ti,Qi)，其中，Li为轮询业务的报文长度，Pi为轮询周期，Ti表示需求响应时延，Qi表示数据流允许的最大时延，Ti≤Qi。
3.如权利要求1所述的通信队列调度优化方法，其特征在于，[s,s+t]间隔内到达的报文总数为K的泊松过程的随机性需求响应数据流模型满足：其中，N(t)为到达的数据包总数，λ为需求响应业务流平均到达率，p为报文出现概率。
4.如权利要求1所述的通信队列调度优化方法，其特征在于，计算其中的需求响应时延，包括：
计算第N个节点的通信总时延，满足： 其中，Di表示需求响应通信网中第i条传输链路的距离，V表示在传输链路中的传播速度，L表示指令数据包大小，Rk表示第k个传输交换设备的端口传输速率，/>表示指令数据包在第j个节点中排队引起的等待时延，/>表示指令在第j个节点相应的处理时延；
计算由排队引起的总时延，满足：
其中，表示在第k个节点缓存队列中第i个排队等待的数据报文大小，Lk表示第k个节点当前正在发送数据报文大小。
5.如权利要求1所述的通信队列调度优化方法，其特征在于，通过模糊控制计算队列权重前，还包括：计算报文队列中数据分组的虚拟开始时间及虚拟完成时间，优先发送报文至虚拟完成时间最小的分组，所述虚拟开始时间及虚拟完成时间的计算满足：
其中，为虚拟开始时间，/>为虚拟完成时间，/>为会话长度，V为系统虚拟时间，/>为会话i在第k个分组的到达时刻，ri表示会话服务速率。
6.如权利要求1或5所述的通信队列调度优化方法，其特征在于，通过模糊控制计算队列权重，提高高权重队列的发送速率，降低需求响应时延，包括：
获取不同业务所在队列的初始权重w0[i]、队列缓存的数据包实时长度、及模糊控制规则；
计算数据流业务突发度Burst，满足：Burst＝(qsize-qavg)/qmax，其中，qsize为当前队列中数据报文总长度，qmax为队列最大的长度，qavg表示队列中缓存数据报文的平均长度；
根据所述队列缓存的数据包实时长度、数据流业务突发度及所述模糊控制规则，进行模糊控制计算，得到权重动态增量值wfuzzy[i]；
计算队列调整后的权重wk[i]，满足：wk[i]＝wk-1[i]+wfuzzy[i]，其中，wk-1[i]为调整前权重或初始权重。
7.如权利要求6所述的通信队列调度优化方法，其特征在于，通过指数加权移动平均法计算所述队列中缓存数据报文的平均长度，满足：qavg＝(1-k)qavg'+kqsize，其中，k表示滤波系数，qavg'为加权前的缓存数据报文的平均长度；
计算队列调整后的权重后，还包括：获取报文发送速率调整结果，所述调整结果为根据所述调整后权重计算得到，并根据所述速率调整结果进行报文发送速率调整。
8.一种通信队列调度优化装置，其特征在于，其包括：
构建模块，用于构建需求响应业务流模型，所述业务流模型包括周期性需求响应数据流模型及随机性需求响应数据流模型；
计算模块，用于根据所述需求响应业务流模型，计算其中的需求响应时延；并根据所述需求响应业务流模型，通过模糊控制计算队列权重，提高高权重队列的发送速率，降低需求响应时延。
9.一种电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的通信队列调度优化方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的通信队列调度优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410044356.9A CN117834552A (zh) | 2024-01-11 | 2024-01-11 | 通信队列调度优化方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410044356.9A CN117834552A (zh) | 2024-01-11 | 2024-01-11 | 通信队列调度优化方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117834552A true CN117834552A (zh) | 2024-04-05 |
Family
ID=90520892
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410044356.9A Pending CN117834552A (zh) | 2024-01-11 | 2024-01-11 | 通信队列调度优化方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117834552A (zh) |
-
2024
- 2024-01-11 CN CN202410044356.9A patent/CN117834552A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abualhaj et al. | FLRED: an efficient fuzzy logic based network congestion control method | |
| van de Ven et al. | Instability of maxweight scheduling algorithms | |
| CN114268537B (zh) | 面向确定性网络的网络切片生成及动态配置系统及方法 | |
| CN114500394B (zh) | 一种区分服务的拥塞控制方法 | |
| Mirtchev | Packet-level link capacity evaluation for IP networks | |
| CN116302578B (zh) | 一种QoS约束的流应用延迟确保方法及系统 | |
| Farzaneh et al. | Joint active queue management and congestion control protocol for healthcare applications in wireless body sensor networks | |
| Wang et al. | Toward statistical QoS guarantees in a differentiated services network | |
| Mehta | Discrete-time simulation for performance modelling of FIFO single-server queuing system | |
| CN117834552A (zh) | 通信队列调度优化方法、装置、设备及介质 | |
| Liu et al. | Ppo-based reliable concurrent transmission control for telemedicine real-time services | |
| JP3790897B2 (ja) | パケット転送制御システムと方法およびそのプログラムと記録媒体ならびに通信装置 | |
| Lozhkovskyi et al. | Estimating the service waiting probability in a single-channel system with self-similar traffic | |
| CN114679419A (zh) | 一种基于加权公平队列的需求响应业务调度方法及系统 | |
| Wei et al. | Research on Task-Offloading Delay in the IoV Based on a Queuing Network | |
| Li et al. | Scheduling Optimization Strategy for Communication Queues of Adjustable Load Interactive Services | |
| Zheng et al. | Queue scheduling mechanism of integrative intelligent network based on information age | |
| Lekcharoen et al. | QoS sensitive fuzzy backoff schemes in policing mechanisms | |
| Lozhkovskyi et al. | UDC 621. 391 method for approximating the distribution function of the states in the single-channel system with a self-similar traffic | |
| Lygdenov | Priority Service in Data Transmission Networks with Non-Stationary Flows | |
| Abdullah et al. | Real-Time data packet scheduling in WSNs: An Overview | |
| He et al. | Research and implementation of real-time transmission technology for industrial interconnection | |
| Ozeki et al. | Adaptive Pub/Sub Message Delivery for World Weather IoT | |
| Datta et al. | A Traffic Prioritization Framework For Smart Home IoT Networks using Programmable Data Planes | |
| Nakonechnyi et al. | Features of Processing Various Self-Similar Traffic of Telecommunication Networks |
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 |