CN118101583A - 一种用于光猫的多链路自适应队列优化方法及系统 - Google Patents
一种用于光猫的多链路自适应队列优化方法及系统 Download PDFInfo
- Publication number
- CN118101583A CN118101583A CN202410475027.XA CN202410475027A CN118101583A CN 118101583 A CN118101583 A CN 118101583A CN 202410475027 A CN202410475027 A CN 202410475027A CN 118101583 A CN118101583 A CN 118101583A
- Authority
- CN
- China
- Prior art keywords
- transmission
- transmitted
- data packet
- data
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 53
- 241000282326 Felis catus Species 0.000 title claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 296
- 230000035945 sensitivity Effects 0.000 claims abstract description 141
- 230000002159 abnormal effect Effects 0.000 claims abstract description 81
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 230000003287 optical effect Effects 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 9
- 230000000630 rising effect Effects 0.000 claims description 36
- 230000003044 adaptive effect Effects 0.000 claims description 19
- 230000001174 ascending effect Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 5
- 230000006978 adaptation Effects 0.000 abstract description 2
- 230000004044 response Effects 0.000 abstract description 2
- 230000005856 abnormality Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种用于光猫的多链路自适应队列优化方法及系统,涉及无线通信领域。所述方法包括:获取可调用的传输链;进行时延敏感度聚簇分析,进行历史容错度识别,获得传输容错度;获得初始多链路传输队列;进行数据传输的过程进行监测;基于自适应优化模块遍历异常数据传输效率,进行自适应队列优化,获得目标自适应队列优化方案;对所述初始多链路传输队列进行调整优化。采用本方法解决了现有技术中面对数据拥堵和网络波动时,无法快速进行响应,资源调用不均衡,数据传输存在较高时延,无法对复杂多变的网络环境进行适应的技术问题,达到了提升光猫数据传输效率,降低传输时延,提高对多链路进行自适应队列调整优化的技术效果。
Description
技术领域
本申请涉及无线通信技术领域,尤其涉及多链路自适应优化领域,具体为一种用于光猫的多链路自适应队列优化方法及系统。
背景技术
随着光纤传输网络的普及和数据需求的增长,光猫作为终端设备扮演着至关重要的角色。然而,在高负载和复杂网络环境下,传统的队列管理方法往往无法有效应对数据拥堵和网络波动,因此需要一种更加智能和灵活的多链路自适应队列优化方法及系统。
综上所述,采用本方法解决了现有技术中面对数据拥堵和网络波动时,无法快速进行响应,资源调用不均衡,数据传输存在较高时延,无法对复杂多变的网络环境进行适应的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提升光猫数据传输效率,降低传输时延,提高对多链路进行自适应队列调整优化的一种用于光猫的多链路自适应队列优化方法及系统。
第一方面,提供了一种用于光猫的多链路自适应队列优化方法,所述方法包括:基于多链路配置模块提取待传输数据包集合,并获取可调用的N条传输链,所述N条传输链的一端与目标光猫的接口通信连接,N为大于等于1的正整数;对所述待传输数据包集合进行时延敏感度聚簇分析,获得K个待传输数据包簇,其中,每个待传输数据包簇具有时延敏感度标识;遍历所述N条传输链进行历史容错度识别,获得N个传输容错度;基于所述K个待传输数据包簇和N个传输容错度进行多链路队列配置,获得初始多链路传输队列;利用传输监测模块对根据所述初始多链路传输队列进行数据传输的过程进行监测,获得L个正常数据传输效率和K个异常数据传输效率,其中,L+K=N;基于自适应优化模块遍历所述K个异常数据传输效率,结合所述L个正常数据传输效率进行自适应队列优化,获得目标自适应队列优化方案;利用所述目标自适应队列优化方案对所述初始多链路传输队列进行调整优化。
第二方面,提供了一种用于光猫的多链路自适应队列优化系统,所述系统包括:待传输数据包提取模块,所述待传输数据包提取模块用于基于多链路配置模块提取待传输数据包集合,并获取可调用的N条传输链,所述N条传输链的一端与目标光猫的接口通信连接,N为大于等于1的正整数;待传输数据包簇获得模块,所述待传输数据包簇获得模块用于对所述待传输数据包集合进行时延敏感度聚簇分析,获得K个待传输数据包簇,其中,每个待传输数据包簇具有时延敏感度标识;传输容错度获得模块,所述传输容错度获得模块用于遍历所述N条传输链进行历史容错度识别,获得N个传输容错度;多链路传输队列获得模块,所述多链路传输队列获得模块用于基于所述K个待传输数据包簇和N个传输容错度进行多链路队列配置,获得初始多链路传输队列;数据传输过程监测模块,所述数据传输过程监测模块用于利用传输监测模块对根据所述初始多链路传输队列进行数据传输的过程进行监测,获得L个正常数据传输效率和K个异常数据传输效率,其中,L+K=N;目标自适应队列优化方案获得模块,所述目标自适应队列优化方案获得模块用于基于自适应优化模块遍历所述K个异常数据传输效率,结合所述L个正常数据传输效率进行自适应队列优化,获得目标自适应队列优化方案;调整优化模块,所述调整优化模块用于利用所述目标自适应队列优化方案对所述初始多链路传输队列进行调整优化。
第三方面,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面所述步骤。
第四方面,提供了一种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第一方面所述步骤。
上述一种用于光猫的多链路自适应队列优化方法及系统,采用本方法解决了现有技术中面对数据拥堵和网络波动时,无法快速进行响应,资源调用不均衡,数据传输存在较高时延,无法对复杂多变的网络环境进行适应的技术问题,达到了提升光猫数据传输效率,降低传输时延,提高对多链路进行自适应队列调整优化的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种用于光猫的多链路自适应队列优化方法的流程示意图;
图2为一个实施例中一种用于光猫的多链路自适应队列优化方法的待传输数据包簇获得的流程示意图;
图3为一个实施例中一种用于光猫的多链路自适应队列优化系统的结构框图;
图4为一个实施例中计算机设备的内部结构图。
附图标记说明:待传输数据包提取模块11,待传输数据包簇获得模块12,传输容错度获得模块13,多链路传输队列获得模块14,数据传输过程监测模块15,目标自适应队列优化方案获得模块16,调整优化模块17。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种用于光猫的多链路自适应队列优化方法,所述方法包括:
基于多链路配置模块提取待传输数据包集合,并获取可调用的N条传输链,所述N条传输链的一端与目标光猫的接口通信连接,N为大于等于1的正整数;
光猫也称为光纤调制解调器,是光网络单元,是宽带网络中用于接收光信号、发射光信号以及进行光电转换的设备,能够将光信号解码为电信号供局域网使用,同时也能将局域网中的电信号编码成光信号发送出去;多链路自适应队列优化是根据实时网络状况和业务需求,动态调整数据在多个链路上的传输顺序和速率,以达到最优的整体传输性能。一种用于光猫的多链路自适应队列优化方法旨在提升光猫在拥有多条网络连接路径时的数据传输效率和稳定性,通过实时监测各链路的性能状态,并根据这些状态信息动态调整数据包的队列和传输策略,以实现最佳的网络性能。
基于多链路配置模块提取待传输数据包集合,所述多链路配置模块是用来管理和配置所有可用的传输链路的模块,根据系统配置或网络状况,动态识别并加载可调用的传输链路;所述多链路配置模块收待传输数据包,所述待传输数据包即用于进行传输的数据,例如源IP地址、目标IP地址、浏览器、加密信息、数据包长度等,进行整合后获得待传输数据包集合,多链路配置模块查询当前可用的传输链路资源,获取可调用的N条传输链,将所述N条传输链的一端与目标光猫的接口通信连接,确保数据包能够正确传输到目标光猫,N为大于等于1的正整数。多链路配置模块能够有效地提取待传输数据包集合,并获取可调用的N条传输链,为后续的多链路自适应队列优化方法提供必要的数据和链路资源。
对所述待传输数据包集合进行时延敏感度聚簇分析,获得K个待传输数据包簇,其中,每个待传输数据包簇具有时延敏感度标识;
时延敏感度是指数据包对传输延迟的敏感程度,不同的应用或服务对时延的要求不同,例如实时音视频传输对时延要求极高,而文件传输则相对容忍较大的时延,对传输时间的敏感程度,时延敏感度越大,表明数据越重要,需要传输的速率和质量越高;确定聚簇分析的参数和阈值,例如最大簇大小、最小时延敏感度差异等;根据数据包的时延敏感度和其他相关属性,使用合适的聚类算法,对待传输数据包集合进行聚簇分析,在聚簇过程中,将具有相似时延敏感度的数据包划分到同一个簇中,经过聚簇分析后,获得K个具有不同时延敏感度的待传输数据包簇,每个待传输数据包簇内部的数据包具有相似的时延要求,而不同簇之间的时延敏感度则存在明显差异,将重要的数据聚集为一簇,从而便于匹配高传输效率的链路。通过对待传输数据包集合进行时延敏感度聚簇分析,可以将具有相似时延要求的数据包组织成簇,并为每个簇分配相应的时延敏感度标识。这为后续的多链路自适应队列优化提供了重要的输入和依据,有助于更好地满足不同业务对时延的需求,提升整体网络性能。
如图2所示,分别按照预设数据包性能指标对所述待传输数据包集合进行基础指标采集,获得多个待传输数据包指标集合,每个待传输数据包指标集合对应一个待传输数据包;
对所述多个待传输数据包指标集合进行时延敏感度识别,获得多个数据包时延敏感度;
根据所述多个数据包时延敏感度进行聚簇分析,获得K个待传输数据包簇。
通过工作人员进行设置,获取预设数据包性能指标,所述预设数据包性能指标包括数据包大小、优先级等,按照预设数据包性能指标对所述待传输数据包集合进行基础指标采集,遍历所述待传输数据包集合,对每个数据包按照预设的性能指标进行采集,将采集到的性能指标值整理成多个待传输数据包指标集合。每个指标集合对应一个待传输数据包,包含了该数据包的各项性能指标值。基于专家经验进行时延敏感度的判断标准和阈值,对于每个待传输数据包指标集合,根据定义的时延敏感度标准,计算数据包的时延敏感度值,重复上述计算过程,直到获得所有待传输数据包指标集合对应的时延敏感度值,形成多个数据包时延敏感度。根据时延敏感度的分布和聚簇需求,选择合适的聚簇算法,将多个数据包时延敏感度作为输入,应用选定的聚簇算法进行聚簇分析,算法会根据时延敏感度的相似度将数据包划分为不同的簇。确定簇的数量K,经过聚簇分析后,得到K个具有不同时延敏感度的待传输数据包簇。每个簇内部的数据包具有相似的时延敏感度,而不同簇之间的时延敏感度则存在明显差异,将重要的数据聚集为一簇,从而便于匹配高传输效率的链路。根据数据包的性能指标和时延敏感度,将待传输数据包集合划分为K个具有不同时延敏感度的数据包簇,为后续的多链路自适应队列优化提供了重要的输入和依据。
以所述多个数据包时延敏感度的最小值作为梯度上升起点,按照预设梯度上升步调进行搜索,获得第一梯度上升区域;
计算所述第一梯度上升区域的第一敏感度综合值,判断所述第一敏感度综合值是否满足预设敏感度综合值阈值,若是,则将所述第一梯度上升区域对应的待传输数据包作为第一待传输数据包簇,并将剩余多个数据包时延敏感度的最小值更新为梯度上升起点;
若否,则基于所述第一梯度上升区域的边缘按照所述预设梯度上升步调进行搜索,直至所述待传输数据包集合中的待传输数据包均被划入一个待传输数据包簇中。
以所述多个数据包时延敏感度的最小值作为梯度上升起点,按照预设梯度上升步调进行搜索,从已获得的多个数据包时延敏感度中,找出最小的时延敏感度值,将这个最小的时延敏感度值作为梯度上升搜索的起点,所述预设梯度上升步调是指本领域技术人员预先设定的进行梯度上升时单次移动的时延敏感度,从起点开始,按照预设的步调进行梯度上升搜索,找到第一个满足某种条件的区域,例如时延敏感度变化率开始减小的点,这个区域就是第一梯度上升区域。对于所述第一梯度上升区域内的所有数据包时延敏感度,进行计算,例如求平均值、加权平均值等,得到第一敏感度综合值。将计算出的第一敏感度综合值与预设敏感度综合值阈值进行比较,所述预设敏感度综合阈值是指工作人员自行设定的阈值,用于划分待传输数据包簇的,如果第一敏感度综合值满足所述预设敏感度综合值阈值,则将第一梯度上升区域内的所有待传输数据包作为第一待传输数据包簇,并将剩余多个数据包时延敏感度的最小值更新为梯度上升起点,为下一轮搜索提供准备,如果第一敏感度综合值不满足预设阈值,则基于第一梯度上升区域的边缘继续按照预设梯度上升步调进行搜索,寻找下一个梯度上升区域;重复上述搜索、计算、判断、形成数据包簇的过程,直到待传输数据包集合中的所有数据包都被划入待传输数据包簇中。根据数据包时延敏感度的分布情况,通过梯度上升搜索的方式形成多个待传输数据包簇,每个数据包簇内的数据包具有相似的时延敏感度特性,为后续的多链路自适应队列优化提供了重要的分组依据。
对所述多个数据包时延敏感度进行均值处理,获得基准数据包时延敏感度;
分别将所述第一梯度上升区域内的多个数据包时延敏感度与所述基准数据包时延敏感度进行作差,并将差值与所述基准数据包时延敏感度进行作比,将计算结果作为多个敏感度系数,其中,所述多个敏感度系数与多个数据包时延敏感度一一对应;
分别利用所述多个敏感度系数对所述多个数据包时延敏感度进行加权计算,获得所述第一敏感度综合值。
对之前获得的所有数据包时延敏感度进行求均值操作,即将所有时延敏感度的数值相加,然后除以时延敏感度的数量,计算得到的均值即为基准数据包时延敏感度。所述基准值代表了所有数据包时延敏感度的平均水平。明确第一梯度上升区域所包含的多个数据包时延敏感度,将所述第一梯度上升区域内的每一个数据包时延敏感度与基准数据包时延敏感度进行相减,得到一系列的差值,将每个差值除以基准数据包时延敏感度,得到一系列的比值。这些比值反映了第一梯度上升区域内每个数据包时延敏感度相对于基准值的偏离程度,将上述计算得到的比值作为多个敏感度系数。这些敏感度系数与第一梯度上升区域内的多个数据包时延敏感度一一对应,将每个数据包时延敏感度与其对应的敏感度系数相乘,然后将所有乘积相加,得到第一敏感度综合值,即对所述第一梯度上升区域内的数据包时延敏感度进行加权求和,权重由敏感度系数决定。利用基准数据包时延敏感度计算了第一梯度上升区域内每个数据包时延敏感度的敏感度系数,并通过加权计算得到了第一敏感度综合值。这个综合值能够反映第一梯度上升区域内数据包时延敏感度的整体情况,为后续的数据包簇划分和队列优化提供了参考。
遍历所述N条传输链进行历史容错度识别,获得N个传输容错度;
依次查询所述N条传输链的传输能力并进行分析,获得N个传输容错度,其中,传输容错度越大,对应传输链的传输能力越高。通过上述方法,了解每条链路的性能特点,并为后续的多链路自适应队列优化提供有力支持。
基于所述多链路配置模块提取所述N条传输链的基础配置信息,获得N个基础配置信息集,每个基础配置信息集包括运行带宽、缓存数据库容量;
基于所述N个基础配置信息集进行可调配资源识别,获得N个可调配资源识别结果;
分别将所述N个可调配资源识别结果与N个可调配资源识别结果之和的比值,作为N个第一容错系数;
分别对N条传输链在历史窗口内的运行异常数据进行采集,获得N个运行异常数据集,每个运行异常数据集包括传输延迟率和丢包率;
利用异常识别网络层对所述N个运行异常数据集进行异常识别,获得N个第一异常度;
分别将所述N个第一异常度与所述N个第一异常度之和的比值的倒数,作为N个第二容错系数;
对所述N个第一容错系数和所述N个第二容错系数进行均值处理,获得N个传输容错度。
利用所述多链路配置模块来获取N条传输链路的基础配置信息,所述多链路配置模块包含了链路的详细配置数据,将所述基础配置信息进行整合,获取基础配置信息集,包括链路的运行带宽、缓存数据库容量,基于所述N个基础配置信息集进行可调配资源识别,获得N个可调配资源识别结果,可调配资源识别是指对所述N条传输链路当前可用带宽、缓存空间的资源进行分析评估,获取具体数据,通过对每条链路的可调配资源进行识别,得到N个可调配资源识别结果,所述N个可调配资源识别结果反映了所述N条链路在当前配置下能够调配的资源量,将所述N个基础配置信息集输入神经网络模型中,根据所述神经网络模型输出所述N条链路的调配资源量;每个可调配资源识别结果除以所有识别结果之和,得到N个比值,所述比值作为N个第一容错系数,所述第一容错系数是指从所述N条链路中随机选取的一条链路,可调配资源识别结果占所有可调配资源识别结果的和的比值,分别对N条传输链在历史窗口内的运行异常数据进行采集,获得N个运行异常数据集,是指对N条传输链在过去时间内进行传输时的运行异常数据进行采集,其中运行异常数据包括丢包率、传输延迟率,将采集到的数据进行整合,获得N个运行异常数据集,所述N个运行异常数据集包括传输延迟率和丢包率,所述运行异常数据集反映了链路在实际运行中的性能表现和异常情况。异常识别网络层是根据神经网络模型构建的,用于识别所述N个运行异常数据集中的N个第一异常度,其中N个第一异常度是指所述N个运行异常数据集中发生异常的情况,即过去时间内所述N条传输链的传输异常情况,用于判断过去时间内所述N条传输链的丢包和延迟的概率和情况,分别将所述N个第一异常度与所述N个第一异常度之和的比值的倒数,作为N个第二容错系数,所述N个第二容错系数代表了所述N条传输链在历史情况下的异常表现情况;对每条链路的第一容错系数和第二容错系数进行均值处理,即将两者相加后除以2,得到N个传输容错度,传输容错度综合了链路的资源配置和异常表现两方面的信息,提供了更全面、更准确的链路容错能力评估结果。这些结果将为后续的数据包传输分配和队列优化提供重要依据。
基于所述K个待传输数据包簇和N个传输容错度进行多链路队列配置,获得初始多链路传输队列;
对K个待传输数据包簇进行分析,了解每个数据包簇的大小、重要性以及传输的优先级;评估N个传输容错度,了解每个容错度对应的链路状况、丢包率、延迟等性能指标,根据容错度的不同,可以设定不同的传输策略,例如对于容错度较低的链路,可以选择更稳健的传输方式,根据数据包簇的特性和传输容错度的评估结果,进行多链路队列的配置,配置过程中,可以考虑将数据包簇分配到不同的链路上进行并行传输,以提高传输效率和容错能力,生成初始多链路传输队列,所述初始多链路传输队列包含了每个数据包簇在不同链路上的传输顺序和策略,以及对应的容错措施;通过进行多链路队列配置,确保数据包簇能够高效、稳定地在多链路上进行传输,并达到预期的容错效果。
利用传输监测模块对根据所述初始多链路传输队列进行数据传输的过程进行监测,获得L个正常数据传输效率和K个异常数据传输效率,其中,L+K=N;
配置传输监测模块,使其能够与网络传输系统无缝对接,实时获取多链路传输队列的状态和数据,设置监测模块的参数,包括监测频率、数据传输效率的计算方式等;当数据传输开始时,传输监测模块开始工作,实时记录每个链路上的数据传输情况,监测模块收集包括传输速度、丢包率、延迟等关键指标,以评估数据传输的效率,根据收集到的数据,计算每个链路的数据传输效率,将计算得到的数据传输效率进行分类。如果传输效率在预设的正常范围内,则将其归为正常数据传输效率;如果低于预设的阈值或出现异常波动,则归为异常数据传输效率;获得L个正常数据传输效率和K个异常数据传输效率;L个正常数据传输效率和K个异常数据传输效率的总和应等于N,即链路的总数,其中L和K都为自然数。通过上述方法,确保数据传输的效率和稳定性。
基于自适应优化模块遍历所述K个异常数据传输效率,结合所述L个正常数据传输效率进行自适应队列优化,获得目标自适应队列优化方案;
自适应优化模块是根据神经网络模型构建,用于对所述K个异常数据传输效率,结合所述L个正常数据传输效率进行传输队列优化的模块,收集所有L个正常数据传输效率和K个异常数据传输效率的数据,针对每个异常数据传输效率,进行原因分析,然后对所述L个正常数据传输效率对应的L个传输链进行优先级排序,基于异常原因的诊断结果,进行自适应队列优化,例如调整数据传输的优先级、重新分配链路资源、优化数据传输协议等;自适应优化模块开始遍历每个异常数据传输效率,并根据制定的优化策略进行相应的调整,生成一个目标自适应队列优化方案,考虑了所有正常和异常数据传输效率的数据,旨在最大化整体传输效率。自适应优化模块能够根据实时的数据传输效率数据,动态地调整和优化多链路传输队列,从而提高整体的数据传输效率和稳定性。
利用所述自适应优化模块分别对所述K个异常数据传输效率进行分析,结合所述L个正常数据传输效率进行调入传输链匹配,获得K个调入传输链集合,其中,K个调入传输链集合与K个异常数据传输效率一一对应;
对所述K个异常数据传输效率进行升序排列,获得异常数据传输效率序列;
根据所述异常数据传输效率序列和所述K个调入传输链集合进行自适应队列优化,获得所述目标自适应队列优化方案。
利用所述自适应优化模块分别对所述K个异常数据传输效率进行分析,所述自适应优化模块开始工作,接收所述K个异常数据传输效率的数据,通过分析异常数据,识别出当前传输队列中的异常数据,结合所述L个正常数据传输效率进行调入传输链匹配,评估当前可用的传输链路资源,包括带宽、稳定性、延迟等关键指标,基于异常数据传输效率的分析结果和链路资源的评估情况,利用匹配算法为每个异常数据传输效率选择合适的调入传输链,根据匹配结果,生成K个与异常数据传输效率一一对应的调入传输链集合;对K个异常数据传输效率进行升序排列,得到异常数据传输效率序列,目的是为了优先处理效率最低的异常,从而更有效地提升整体性能,基于所述异常数据传输效率序列和所述K个调入传输链集合,进行自适应队列优化,例如调整传输优先级、重新分配链路资源、优化传输协议等,根据优化策略,对原始的多链路传输队列进行调整,例如将所述待传输数据包簇从效率较低的链路转移到效率较高的调入传输链上等,将经过优化调整后的多链路传输队列作为目标自适应队列优化方案输出。自适应优化模块能够有效地分析和处理异常数据传输效率,通过调入传输链匹配和自适应队列优化,获得能够提升整体数据传输效率和稳定性的目标自适应队列优化方案。
根据所述异常数据传输效率序列和所述K个调入传输链集合随机生成多个队列优化方案;
分别将所述多个队列优化方案中适应度最大值作为趋向目标,将其他多个队列优化方案向趋向目标的方向进行调整,获得多个第一调整队列优化方案;
再次将所述多个第一调整队列优化方案中适应度最大值更新为趋向目标,将其他多个第一调整队列优化方案向趋向目标的方向进行调整,经过多次调整,将调整过程中适应度最大值对应的调整队列优化方案作为目标自适应队列优化方案。
根据所述异常数据传输效率序列和所述K个调入传输链集合,随机生成多个队列优化方案,所述多个队列优化方案包括不同的链路分配和数据传输策略,为每个队列优化方案计算适应度值,所述适应度值可以根据实际需求定义,通常考虑整体数据传输效率、稳定性、链路利用率等因素,将适应度最大的队列优化方案作为当前的趋向目标,将其他队列优化方案向趋向目标的方向进行调整,所述调整的具体内容为,调整不同异常数据传输效率对应的待传输数据包簇,发送至传输链,产生新的优化方案,记作多个第一调整队列优化方案,重复上述适应度评估和方案调整的过程,每次迭代都将当前适应度最大的多个队列优化方案作为新的趋向目标,在迭代过程中,可以设定收敛条件,如适应度值的提升达到某个阈值或迭代次数达到预设的最大值。当满足收敛条件时,停止迭代;在迭代调整结束后,选择适应度最大的调整队列优化方案作为目标自适应队列优化方案。根据异常数据传输效率序列和调入传输链集合生成并调整多个队列优化方案,最终确定一个适应度较高的目标自适应队列优化方案。
利用所述目标自适应队列优化方案对所述初始多链路传输队列进行调整优化。
根据目标自适应队列优化方案,制定具体的调整策略,即所述目标自适应队列优化方案,根据所述目标自适应队列优化方案对所述初始多链路传输队列进行调整优化,其中调整优化是指改变所述数据的传输链等,可以有效地利用目标自适应队列优化方案对初始多链路传输队列进行调整优化,提升整体的数据传输效率和稳定性。
综上所述,本方法提供了如下有益效果:
1.根据构建可调配资源识别达到了提升光猫数据传输效率,降低传输时延的技术效果;
2.通过自适应优化模块的输出结果进行排序优化,获取目标自适应队列优化方案,提高对多链路进行自适应队列调整优化的技术效果。
如图3所示,本申请实施例包括一种用于光猫的多链路自适应队列优化系统,所述系统包括:
待传输数据包提取模块11,所述待传输数据包提取模块11用于基于多链路配置模块提取待传输数据包集合,并获取可调用的N条传输链,所述N条传输链的一端与目标光猫的接口通信连接,N为大于等于1的正整数;
待传输数据包簇获得模块12,所述待传输数据包簇获得模块12用于对所述待传输数据包集合进行时延敏感度聚簇分析,获得K个待传输数据包簇,其中,每个待传输数据包簇具有时延敏感度标识;
传输容错度获得模块13,所述传输容错度获得模块13用于遍历所述N条传输链进行历史容错度识别,获得N个传输容错度;
多链路传输队列获得模块14,所述多链路传输队列获得模块14用于基于所述K个待传输数据包簇和N个传输容错度进行多链路队列配置,获得初始多链路传输队列;
数据传输过程监测模块15,所述数据传输过程监测模块15用于利用传输监测模块对根据所述初始多链路传输队列进行数据传输的过程进行监测,获得L个正常数据传输效率和K个异常数据传输效率,其中,L+K=N;
目标自适应队列优化方案获得模块16,所述目标自适应队列优化方案获得模块16用于基于自适应优化模块遍历所述K个异常数据传输效率,结合所述L个正常数据传输效率进行自适应队列优化,获得目标自适应队列优化方案;
调整优化模块17,所述调整优化模块17用于利用所述目标自适应队列优化方案对所述初始多链路传输队列进行调整优化。
进一步地,本申请实施例还包括:
待传输数据包指标集合获得模块,所述待传输数据包指标集合获得模块用于分别按照预设数据包性能指标对所述待传输数据包集合进行基础指标采集,获得多个待传输数据包指标集合,每个待传输数据包指标集合对应一个待传输数据包;
数据包时延敏感度获得模块,所述数据包时延敏感度获得模块用于对所述多个待传输数据包指标集合进行时延敏感度识别,获得多个数据包时延敏感度;
聚簇分析模块,所述聚簇分析模块用于根据所述多个数据包时延敏感度进行聚簇分析,获得K个待传输数据包簇。
进一步地,本申请实施例还包括:
预设梯度上升步调搜索模块,所述预设梯度上升步调搜索模块用于以所述多个数据包时延敏感度的最小值作为梯度上升起点,按照预设梯度上升步调进行搜索,获得第一梯度上升区域;
敏感度综合阈值判断模块,所述敏感度综合阈值判断模块用于计算所述第一梯度上升区域的第一敏感度综合值,判断所述第一敏感度综合值是否满足预设敏感度综合值阈值,若是,则将所述第一梯度上升区域对应的待传输数据包作为第一待传输数据包簇,并将剩余多个数据包时延敏感度的最小值更新为梯度上升起点;
待传输数据包划分模块,所述待传输数据包划分模块用于若否,则基于所述第一梯度上升区域的边缘按照所述预设梯度上升步调进行搜索,直至所述待传输数据包集合中的待传输数据包均被划入一个待传输数据包簇中。
进一步地,本申请实施例还包括:
均值处理模块,所述均值处理模块用于对所述多个数据包时延敏感度进行均值处理,获得基准数据包时延敏感度;
敏感度系数获得模块,所述敏感度系数获得模块用于分别将所述第一梯度上升区域内的多个数据包时延敏感度与所述基准数据包时延敏感度进行作差,并将差值与所述基准数据包时延敏感度进行做比,将计算结果作为多个敏感度系数,其中,所述多个敏感度系数与多个数据包时延敏感度一一对应;
加权计算模块,所述加权计算模块用于分别利用所述多个敏感度系数对所述多个数据包时延敏感度进行加权计算,获得所述第一敏感度综合值。
进一步地,本申请实施例还包括:
基础配置信息集获得模块,所述基础配置信息集获得模块用于基于所述多链路配置模块提取所述N条传输链的基础配置信息,获得N个基础配置信息集,每个基础配置信息集包括运行带宽、缓存数据库容量;
可调配资源识别模块,所述可调配资源识别模块用于基于所述N个基础配置信息集进行可调配资源识别,获得N个可调配资源识别结果;
容错系数获得模块,所述容错系数获得模块用于分别将所述N个可调配资源识别结果与N个可调配资源识别结果之和的比值,作为N个第一容错系数;
运行异常数据集获得模块,所述运行异常数据集获得模块用于分别对N条传输链在历史窗口内的运行异常数据进行采集,获得N个运行异常数据集,每个运行异常数据集包括传输延迟率和丢包率;
异常识别模块,所述异常识别模块用于利用异常识别网络层对所述N个运行异常数据集进行异常识别,获得N个第一异常度;
比值倒数获得模块,所述比值倒数获得模块用于分别将所述N个第一异常度与所述N个第一异常度之和的比值的倒数,作为N个第二容错系数;
传输容错度获得模块,所述传输容错度获得模块用于对所述N个第一容错系数和所述N个第二容错系数进行均值处理,获得N个传输容错度。
进一步地,本申请实施例还包括:
传输效率分析模块,所述传输效率分析模块用于利用所述自适应优化模块分别对所述K个异常数据传输效率进行分析,结合所述L个正常数据传输效率进行调入传输链匹配,获得K个调入传输链集合,其中,K个调入传输链集合与K个异常数据传输效率一一对应;
异常数据传输效率序列获得模块,所述异常数据传输效率序列获得模块用于对所述K个异常数据传输效率进行升序排列,获得异常数据传输效率序列;
目标自适应队列优化方案获得模块,所述目标自适应队列优化方案获得模块用于根据所述异常数据传输效率序列和所述K个调入传输链集合进行自适应队列优化,获得所述目标自适应队列优化方案。
进一步地,本申请实施例还包括:
队列优化方案生成模块,所述队列优化方案生成模块用于根据所述异常数据传输效率序列和所述K个调入传输链集合随机生成多个队列优化方案;
趋向目标调整模块,所述趋向目标调整模块用于分别将所述多个队列优化方案中适应度最大值作为趋向目标,将其他多个队列优化方案向趋向目标的方向进行调整,获得多个第一调整队列优化方案;
目标自适应队列优化方案获得模块,所述目标自适应队列优化方案获得模块用于再次将所述多个第一调整队列优化方案中适应度最大值更新为趋向目标,将其他多个第一调整队列优化方案向趋向目标的方向进行调整,经过多次调整,将调整过程中适应度最大值对应的调整队列优化方案作为目标自适应队列优化方案。
关于一种用于光猫的多链路自适应队列优化系统的具体实施例可以参见上文中对于一种用于光猫的多链路自适应队列优化方法的实施例,在此不再赘述。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行可以实现一种用于光猫的多链路自适应队列优化方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现一种用于光猫的多链路自适应队列优化的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种用于光猫的多链路自适应队列优化的步骤。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种用于光猫的多链路自适应队列优化方法,其特征在于,所述方法包括:
基于多链路配置模块提取待传输数据包集合,并获取可调用的N条传输链,所述N条传输链的一端与目标光猫的接口通信连接,N为大于等于1的正整数;
对所述待传输数据包集合进行时延敏感度聚簇分析,获得K个待传输数据包簇,其中,每个待传输数据包簇具有时延敏感度标识;
遍历所述N条传输链进行历史容错度识别,获得N个传输容错度;
基于所述K个待传输数据包簇和N个传输容错度进行多链路队列配置,获得初始多链路传输队列;
利用传输监测模块对根据所述初始多链路传输队列进行数据传输的过程进行监测,获得L个正常数据传输效率和K个异常数据传输效率,其中,L+K=N;
基于自适应优化模块遍历所述K个异常数据传输效率,结合所述L个正常数据传输效率进行自适应队列优化,获得目标自适应队列优化方案;
利用所述目标自适应队列优化方案对所述初始多链路传输队列进行调整优化。
2.如权利要求1所述的方法,其特征在于,对所述待传输数据包集合进行时延敏感度聚簇分析,获得K个待传输数据包簇,所述方法包括:
分别按照预设数据包性能指标对所述待传输数据包集合进行基础指标采集,获得多个待传输数据包指标集合,每个待传输数据包指标集合对应一个待传输数据包;
对所述多个待传输数据包指标集合进行时延敏感度识别,获得多个数据包时延敏感度;
根据所述多个数据包时延敏感度进行聚簇分析,获得K个待传输数据包簇。
3.如权利要求2所述的方法,其特征在于,根据所述多个数据包时延敏感度进行聚簇分析,获得K个待传输数据包簇,所述方法包括:
以所述多个数据包时延敏感度的最小值作为梯度上升起点,按照预设梯度上升步调进行搜索,获得第一梯度上升区域;
计算所述第一梯度上升区域的第一敏感度综合值,判断所述第一敏感度综合值是否满足预设敏感度综合值阈值,若是,则将所述第一梯度上升区域对应的待传输数据包作为第一待传输数据包簇,并将剩余多个数据包时延敏感度的最小值更新为梯度上升起点;
若否,则基于所述第一梯度上升区域的边缘按照所述预设梯度上升步调进行搜索,直至所述待传输数据包集合中的待传输数据包均被划入一个待传输数据包簇中。
4.如权利要求3所述的方法,其特征在于,计算所述第一梯度上升区域的敏感度综合值,判断是否满足预设敏感度综合值阈值,所述方法包括:
对所述多个数据包时延敏感度进行均值处理,获得基准数据包时延敏感度;
分别将所述第一梯度上升区域内的多个数据包时延敏感度与所述基准数据包时延敏感度相减,并将差值与所述基准数据包时延敏感度进行作比,将计算结果作为多个敏感度系数,其中,所述多个敏感度系数与多个数据包时延敏感度一一对应;
分别利用所述多个敏感度系数对所述多个数据包时延敏感度进行加权计算,获得所述第一敏感度综合值。
5.如权利要求1所述的方法,其特征在于,遍历所述N条传输链进行历史容错度识别,获得N个传输容错度,所述方法包括:
基于所述多链路配置模块提取所述N条传输链的基础配置信息,获得N个基础配置信息集,每个基础配置信息集包括运行带宽、缓存数据库容量;
基于所述N个基础配置信息集进行可调配资源识别,获得N个可调配资源识别结果;
分别将所述N个可调配资源识别结果与N个可调配资源识别结果之和的比值,作为N个第一容错系数;
分别对N条传输链在历史窗口内的运行异常数据进行采集,获得N个运行异常数据集,每个运行异常数据集包括传输延迟率和丢包率;
利用异常识别网络层对所述N个运行异常数据集进行异常识别,获得N个第一异常度;
分别将所述N个第一异常度与所述N个第一异常度之和的比值的倒数,作为N个第二容错系数;
对所述N个第一容错系数和所述N个第二容错系数进行均值处理,获得N个传输容错度。
6.如权利要求1所述的方法,其特征在于,所述方法包括:
利用所述自适应优化模块分别对所述K个异常数据传输效率进行分析,结合所述L个正常数据传输效率进行调入传输链匹配,获得K个调入传输链集合,其中,K个调入传输链集合与K个异常数据传输效率一一对应;
对所述K个异常数据传输效率进行升序排列,获得异常数据传输效率序列;
根据所述异常数据传输效率序列和所述K个调入传输链集合进行自适应队列优化,获得所述目标自适应队列优化方案。
7.如权利要求6所述的方法,其特征在于,所述方法包括:
根据所述异常数据传输效率序列和所述K个调入传输链集合随机生成多个队列优化方案;
分别将所述多个队列优化方案中适应度最大值作为趋向目标,将其他多个队列优化方案向趋向目标的方向进行调整,获得多个第一调整队列优化方案;
再次将所述多个第一调整队列优化方案中适应度最大值更新为趋向目标,将其他多个第一调整队列优化方案向趋向目标的方向进行调整,经过多次调整,将调整过程中适应度最大值对应的调整队列优化方案作为目标自适应队列优化方案。
8.一种用于光猫的多链路自适应队列优化系统,其特征在于,所述系统包括:
待传输数据包提取模块,所述待传输数据包提取模块用于基于多链路配置模块提取待传输数据包集合,并获取可调用的N条传输链,所述N条传输链的一端与目标光猫的接口通信连接,N为大于等于1的正整数;
待传输数据包簇获得模块,所述待传输数据包簇获得模块用于对所述待传输数据包集合进行时延敏感度聚簇分析,获得K个待传输数据包簇,其中,每个待传输数据包簇具有时延敏感度标识;
传输容错度获得模块,所述传输容错度获得模块用于遍历所述N条传输链进行历史容错度识别,获得N个传输容错度;
多链路传输队列获得模块,所述多链路传输队列获得模块用于基于所述K个待传输数据包簇和N个传输容错度进行多链路队列配置,获得初始多链路传输队列;
数据传输过程监测模块,所述数据传输过程监测模块用于利用传输监测模块对根据所述初始多链路传输队列进行数据传输的过程进行监测,获得L个正常数据传输效率和K个异常数据传输效率,其中,L+K=N;
目标自适应队列优化方案获得模块,所述目标自适应队列优化方案获得模块用于基于自适应优化模块遍历所述K个异常数据传输效率,结合所述L个正常数据传输效率进行自适应队列优化,获得目标自适应队列优化方案;
调整优化模块,所述调整优化模块用于利用所述目标自适应队列优化方案对所述初始多链路传输队列进行调整优化。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
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中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410475027.XA CN118101583B (zh) | 2024-04-19 | 2024-04-19 | 一种用于光猫的多链路自适应队列优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410475027.XA CN118101583B (zh) | 2024-04-19 | 2024-04-19 | 一种用于光猫的多链路自适应队列优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118101583A true CN118101583A (zh) | 2024-05-28 |
CN118101583B CN118101583B (zh) | 2024-06-25 |
Family
ID=91150402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410475027.XA Active CN118101583B (zh) | 2024-04-19 | 2024-04-19 | 一种用于光猫的多链路自适应队列优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118101583B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111416770A (zh) * | 2020-02-21 | 2020-07-14 | 北京交通大学 | 一种跨协议融合传输的自适应调度系统和方法 |
CN113141207A (zh) * | 2021-04-22 | 2021-07-20 | 东北大学 | 一种面向时敏业务的空间信息网数据传输方法 |
WO2023065893A1 (zh) * | 2021-10-20 | 2023-04-27 | 华为云计算技术有限公司 | 一种网络调度方法、系统及设备 |
US20240015827A1 (en) * | 2022-07-08 | 2024-01-11 | Cisco Technology, Inc. | Multi-link operation for wireless local area network multi-link device |
CN117614517A (zh) * | 2024-01-18 | 2024-02-27 | 广东世炬网络科技有限公司 | 基于数据传输量控制的多链路数据传输方法及装置 |
-
2024
- 2024-04-19 CN CN202410475027.XA patent/CN118101583B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111416770A (zh) * | 2020-02-21 | 2020-07-14 | 北京交通大学 | 一种跨协议融合传输的自适应调度系统和方法 |
CN113141207A (zh) * | 2021-04-22 | 2021-07-20 | 东北大学 | 一种面向时敏业务的空间信息网数据传输方法 |
WO2023065893A1 (zh) * | 2021-10-20 | 2023-04-27 | 华为云计算技术有限公司 | 一种网络调度方法、系统及设备 |
US20240015827A1 (en) * | 2022-07-08 | 2024-01-11 | Cisco Technology, Inc. | Multi-link operation for wireless local area network multi-link device |
CN117614517A (zh) * | 2024-01-18 | 2024-02-27 | 广东世炬网络科技有限公司 | 基于数据传输量控制的多链路数据传输方法及装置 |
Non-Patent Citations (2)
Title |
---|
YONG QIN: "Efficient Split Scheduling Scheme for Traffic Balancing on Multi-Link Networks", 《FIRST INTERNATIONAL MULTI-SYMPOSIUMS ON COMPUTER AND COMPUTATIONAL SCIENCES (IMSCCS\'06)》, 17 November 2008 (2008-11-17) * |
陶洋;李加成;欧晗琪;: "基于时延差控制的有效吞吐量提高方法", 计算机工程与设计, no. 02, 16 February 2018 (2018-02-16) * |
Also Published As
Publication number | Publication date |
---|---|
CN118101583B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108259367B (zh) | 一种基于软件定义网络的服务感知的流策略定制方法 | |
WO2019184836A1 (zh) | 数据分析设备、多模型共决策系统及方法 | |
CN115794407A (zh) | 计算资源分配方法、装置、电子设备及非易失性存储介质 | |
CN109831808B (zh) | 一种基于机器学习的混合供电c-ran的资源分配方法 | |
CN111181873B (zh) | 数据发送方法、装置、存储介质和电子设备 | |
CN111752708A (zh) | 一种基于深度学习的存储系统自适应参数调优方法 | |
CN112949739A (zh) | 一种基于智能流量分类的信息传输调度方法及系统 | |
CN114615294B (zh) | 一种电力物联网关边缘计算方法 | |
CN115633380B (zh) | 一种考虑动态拓扑的多边缘服务缓存调度方法和系统 | |
CN116760771A (zh) | 一种在线监测数据多通道传输控制策略处理方法 | |
CN108280018A (zh) | 一种节点工作流通信开销效率分析优化方法及系统 | |
CN113676357B (zh) | 面向电力物联网中边缘数据处理的决策方法及其应用 | |
CN118101583B (zh) | 一种用于光猫的多链路自适应队列优化方法及系统 | |
CN109067678A (zh) | 基于高阶累积量wfrft信号级联调制识别方法、无线通信系统 | |
CN117221295A (zh) | 一种基于边缘计算和网络切片的低延迟视频传输系统 | |
CN116302404A (zh) | 面向资源解耦合数据中心的服务器无感知计算调度方法 | |
CN116647507A (zh) | 基于负载自适应的物联网数据处理方法及系统 | |
CN116866950A (zh) | 一种基于深度学习的无线网络资源优化系统及方法 | |
CN114945024A (zh) | 基于长短期记忆网络的服务器负载均衡优化方法 | |
Hussein et al. | Data aggregation algorithms with multiple sensors in clustered-based WSN/IoT | |
CN114554496A (zh) | 基于机器学习的5g网络切片资源分配方法 | |
CN110381590B (zh) | 一种基于无线能量收集的无线网络子信道功率分配方法 | |
CN114430398B (zh) | 面向标识解析请求聚合压缩的带宽效率优化方法及装置 | |
CN118101101B (zh) | 一种基于wifi网络的云计算系统及方法 | |
US20240048494A1 (en) | Sensor apparatus and method for detecting network flow tunnels |
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 |