JP7118209B2 - 輻輳制御方法、装置及びシステム並びにコンピュータ記憶媒体 - Google Patents

輻輳制御方法、装置及びシステム並びにコンピュータ記憶媒体 Download PDF

Info

Publication number
JP7118209B2
JP7118209B2 JP2021075741A JP2021075741A JP7118209B2 JP 7118209 B2 JP7118209 B2 JP 7118209B2 JP 2021075741 A JP2021075741 A JP 2021075741A JP 2021075741 A JP2021075741 A JP 2021075741A JP 7118209 B2 JP7118209 B2 JP 7118209B2
Authority
JP
Japan
Prior art keywords
ecn
network device
network
model
inference model
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
JP2021075741A
Other languages
English (en)
Other versions
JP2021175194A (ja
Inventor
イエ，ハオナン
ジャーン，リヤーン
チュヨン，ジエン
ウー，ジュイン
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of JP2021175194A publication Critical patent/JP2021175194A/ja
Application granted granted Critical
Publication of JP7118209B2 publication Critical patent/JP7118209B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04L47/33—Flow control; Congestion control using forward notification
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • 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
    • H04L47/11—Identifying congestion

Description

［関連出願への相互参照］
この出願は、2020年4月29日に出願された中国特許出願第202010358527.7号に対する優先権を主張し、その全内容を参照により援用する。
［技術分野］
この出願は、ネットワーク技術の分野に関し、特に、輻輳制御方法、装置及びシステム並びにコンピュータ記憶媒体に関する。
輻輳制御は、ネットワークリソース利用率を改善し、ネットワーク伝送品質を最適化するための重要な方法である。現在のネットワークでは、輻輳制御は、通常では、明示的輻輳通知(explicit congestion notification, ECN)メカニズムに基づいて実行される。
現在、送信端と受信端との間の通信は、ネットワークデバイスによるデータパケットの転送を通じて実現されている。ECN構成パラメータは、通常ではネットワークデバイスにおいて構成される。ECN構成パラメータはECN閾値を含み、ECN閾値はまた、ECN閾値(ECN threshold)とも呼ばれることがある。輻輳制御がECNメカニズムに基づいてネットワークにおいて実行されるプロセスは以下を含む。送信端により、ECNメカニズムをサポートするデータパケットを送信する。ネットワークデバイスは、出口キューのキュー深さ及びECN閾値に基づいて、出口キューに追加されるべきデータパケットにECNマーキングするか否かを決定する。ECN閾値は、一般的にECN最大閾値及びECN最小閾値を含む。出口キューのキュー深さがECN最大閾値よりも大きいとき、出口キューに追加されるべきデータパケットがECNマーキングされる確率は1である。出口キューのキュー深さがECN最小閾値とECN最大閾値との間にあるとき、出口キューに追加されるべきデータパケットがECNマーキングされる確率は0よりも大きく且つ1未満であり、データパケットがECNマーキングされる確率は出口キューのキュー深さと正の相関にある。出口キューのキュー深さがECN最小閾値未満であるとき、出口キューに追加されるべきデータパケットがECNマーキングされる確率は0である。ECNマーキングされたデータパケットを受信した後に、受信端は輻輳通知パケットを送信端に送信する。送信端は、ネットワーク輻輳を回避するために、受信した輻輳通知パケットの数に基づいて、以降のデータパケットの送信レートを調整する。ネットワークデバイス内の出口キューはまた、転送キューとも呼ばれることがあり、出口キューは、送信端により受信端に伝送されるデータパケットをバッファするために使用される。
しかし、ネットワークデバイス内のECN構成パラメータは通常では静的に構成されるので、ECN閾値が過度に高い値に設定されたとき、ネットワークデバイス内の出口キューのキュー深さは比較的大きい。その結果、データパケットの伝送遅延は比較的大きい。ECN閾値が過度に低い値に設定されたとき、送信端がデータパケットを送信するレートは比較的低く、比較的低いネットワークリソース利用率を引き起こす。したがって、現在のネットワーク輻輳制御の柔軟性は比較的低い。
この出願は、ネットワーク輻輳制御の柔軟性が比較的低いという現在の問題を解決するための輻輳制御方法、装置及びシステム並びにコンピュータ記憶媒体を提供する。
第1の態様によれば、輻輳制御方法が提供される。当該方法は以下を含む。ネットワークデバイスは、第1の期間内のネットワークデバイスの第1のネットワーク状態情報を明示的輻輳通知ECN推論モデルに入力し、第1のネットワーク状態情報に基づいてECN推論モデルにより出力された推論結果を取得する。推論結果は、オリジナルのECN構成パラメータと、オリジナルのECN構成パラメータの信頼性とを含む。ネットワークデバイスは、ECNパラメータサンプルを、ネットワークデバイスを管理する解析デバイスに送信する。ECNパラメータサンプルは、第1のネットワーク状態情報と、第1のネットワーク状態情報に対応するターゲットECN構成パラメータとを含む。ターゲットECN構成パラメータは、ECN推論モデルにより出力された推論結果に基づいて取得される。ネットワークデバイスは、解析デバイスにより送信された更新ECN推論モデルを受信する。更新ECN推論モデルは、ECNパラメータサンプルに基づいて実行された訓練を通じて取得される。
任意選択で、ターゲットECN構成パラメータは、ネットワークデバイスにより、第2の期間内に輻輳制御を実行するために使用され、第2の期間は、時系列において第1の期間よりも遅い。ECN構成パラメータはECN閾値を含む。ECN閾値は、ECN最大閾値及びECN最小閾値を含んでもよい。ECN閾値がECN最大閾値及びECN最小閾値を含んでもよいとき、ECN構成パラメータは、ECNマーキング確率を更に含んでもよい。ECNマーキング確率は、出口キューのキュー深さがECN最大閾値に達したとき、出口キューに追加されるべきデータパケットに対してECNマーキングを実行する確率である。
この出願では、ネットワークデバイスは、ECNパラメータサンプルを解析デバイスに送信し、それにより、解析デバイスは、ECNパラメータサンプルを使用することにより訓練を実行し、ECN推論モデルを取得する。解析デバイスは、更新ECN推論モデルをネットワークデバイスに送信し、次いで、ネットワークデバイスは、更新ECN推論モデルを使用することにより新たなECN構成パラメータを決定してもよい。言い換えると、解析デバイスは、ネットワークデバイス内のECN推論モデルを動的に構成してもよい。これは、ネットワークデバイス内のECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。
任意選択で、ネットワークデバイスは、ターゲットECN構成パラメータを使用することにより第2の期間内に輻輳制御を実行し、第2の期間は、時系列において第1の期間よりも遅い。
この出願では、ターゲットECN構成パラメータは、信頼性が信頼性閾値以上であるオリジナルのECN構成パラメータでもよい。代替として、ターゲットECN構成パラメータは、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータに対して伝送性能最適化調整が実行された後に取得されたECN構成パラメータでもよい。したがって、ネットワークデバイスは、ターゲットECN構成パラメータを使用することにより第2の期間内に輻輳制御を実行し、ネットワークデバイスの伝送性能及び輻輳制御の信頼性を確保し、ネットワーク動作の信頼性を確保する。
任意選択で、ネットワークデバイスが第1のネットワーク状態情報に基づいてECN推論モデルにより出力された推論結果を取得した後に、オリジナルのECN構成パラメータの信頼性が信頼性閾値未満であるとき、ネットワークデバイスは、ネットワークデバイスの伝送性能の変化に基づいて、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータを調整し、調整されたECN構成パラメータをターゲットECN構成パラメータとして使用する。
この出願では、ネットワークデバイスのECN推論モデルにより出力されたオリジナルのECN構成パラメータの信頼性が信頼性閾値未満であるとき、ネットワークデバイスは、オリジナルのECN構成パラメータを使用せず、ネットワーク伝送性能の劣化を防止する。ネットワークデバイスは、ネットワークデバイスの伝送性能の変化に基づいて、第1の期間内に使用されたECN構成パラメータを調整し、それにより、ネットワークデバイスが調整されたECN構成パラメータを使用することにより輻輳制御を実行したときに存在する伝送性能は、ネットワークデバイスが調整前に取得されたECN構成パラメータを使用することにより輻輳制御を実行したときに存在する伝送性能よりも良い。ネットワークデバイスは、調整されたECN構成パラメータをターゲットECN構成パラメータとして使用する。これは、解析デバイスがECNパラメータサンプルを使用することにより訓練を実行した後で以降に取得されるECN推論モデルの信頼性を確保する。
任意選択で、ネットワークデバイスが、ネットワークデバイスの伝送性能の変化に基づいて、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータを調整する実現プロセスは以下を含む。
第1の期間内のネットワークデバイスの伝送性能が第3の期間内のネットワークデバイスの伝送性能と比較して改善されたとき、ネットワークデバイスは、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータにおけるECN閾値を増加させ、及び/又は、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータにおけるECNマーキング確率を低下させる。代替として、第1の期間内のネットワークデバイスの伝送性能が第3の期間内のネットワークデバイスの伝送性能と比較して劣化したとき、ネットワークデバイスは、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータにおけるECN閾値を低下させ、及び/又は、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータにおけるECNマーキング確率を増加させる。第3の期間は、時系列において第1の期間よりも早い。
任意選択で、ネットワークデバイスの伝送性能は、ネットワーク状態情報により決定される。同じ或いは同様のネットワーク環境において、ネットワークデバイスのより高い帯域幅利用率、ネットワークデバイスの出口キューのより小さいキュー深さ、及び/又はネットワークデバイスのより小さいECNパケット比は、ネットワークデバイスのより良い伝送性能を示す。第1の期間内のネットワークデバイスの帯域幅利用率が第3の期間内のネットワークデバイスの帯域幅利用率よりも高いとき、第1の期間内のネットワークデバイスのキュー深さが第3の期間内のネットワークデバイスのキュー深さ未満であるとき、及び/又は、第1の期間内のネットワークデバイスのECNパケット比が第3の期間内のネットワークデバイスのECNパケット比未満であるとき、ネットワークデバイスは、第1の期間内のネットワークデバイスの伝送性能が第3の期間内のネットワークデバイスの伝送性能と比較して改善されていると決定する。
任意選択で、ネットワークデバイスが第1のネットワーク状態情報に基づいてECN推論モデルにより出力された推論結果を取得した後に、オリジナルのECN構成パラメータの信頼性が信頼性閾値以上であるとき、ネットワークデバイスは、オリジナルのECN構成パラメータをターゲットECN構成パラメータとして使用する。
この出願では、ネットワークデバイス内のECN推論モデルにより出力されたオリジナルのECN構成パラメータの信頼性が信頼性閾値以上であるとき、ネットワークデバイスは、オリジナルのECN構成パラメータをターゲットECN構成パラメータとして直接使用する。これは、ネットワーク伝送性能の信頼性を確保する。
任意選択で、ネットワークデバイスが第1のネットワーク状態情報に基づいてECN推論モデルにより出力された推論結果を取得した後に、オリジナルのECN構成パラメータの信頼性が信頼性閾値未満であるとき、ネットワークデバイスは、ターゲット指示情報を解析デバイスに更に送信してもよい。ターゲット指示情報は、ネットワークデバイスの識別子を含み、ターゲット指示情報は、ネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないことを示すために使用される。任意選択で、ターゲット指示情報は、オリジナルのECN構成パラメータの信頼性を含む。
この出願では、ネットワークデバイスは、ターゲット指示情報を解析デバイスに送信し、ネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないことを解析デバイスに通知し、それにより、解析デバイスは、ネットワークデバイス内のECN推論モデルを適時に効果的に更新でき、それにより、ネットワークデバイス内のECN推論モデルの更新柔軟性を改善する。
任意選択で、ネットワークデバイスが解析デバイスにより送信された更新ECN推論モデルを受信した後に、ネットワークデバイスは、更新ECN推論モデルを使用することにより、ネットワークデバイス内のECN推論モデルを更新する。
この出願では、ネットワーク動作プロセスにおいて、ネットワークデバイスは、ECNパラメータサンプルを解析デバイスに送信し、解析デバイスは、ECNパラメータサンプルに基づいて実行された訓練を通じて取得されたECN推論モデルをネットワークデバイスに送信する。次いで、ネットワークデバイスは、更新ECN推論モデルに基づいて新たなECNパラメータサンプルを解析デバイスに送信し、解析デバイスは、新たなECNパラメータサンプルに基づいて実行された訓練を通じて取得されたECN推論モデルをネットワークデバイスに送信する。これは、ネットワークデバイス内のECN推論モデルの動的な構成を実現し、ECN構成パラメータの動的な調整を実現する。
任意選択で、第1のネットワーク状態情報は、第1の期間内のネットワークデバイスのキュー情報、スループット情報及び輻輳情報のうち1つ以上を含む。
第2の態様によれば、輻輳制御方法が提供される。当該方法は以下を含む。解析デバイスは、解析デバイスにより管理されるネットワークデバイスにより送信されたECNパラメータサンプルを受信する。ECNパラメータサンプルは、ネットワークデバイスのネットワーク状態情報と、ネットワーク状態情報に対応するターゲットECN構成パラメータとを含む。解析デバイスは、ECNパラメータサンプルを使用することにより訓練を実行し、第1のECN推論モデルを取得する。解析デバイスは、第1のECN推論モデルをネットワークデバイスに送信する。
任意選択で、解析デバイスが、ECNパラメータサンプルを使用することにより訓練を実行し、第1のECN推論モデルを取得する実現プロセスは以下を含む。
ECN推論モデル更新条件が満たされたとき、解析デバイスは、ECNパラメータサンプルを使用することにより訓練を実行し、第1のECN推論モデルを取得する。ECN推論モデル更新条件は、以下のもの、すなわち、ターゲット指示情報を解析デバイスに送信したネットワークデバイスの数がデバイス数閾値に達したこと、解析デバイスが第1の持続時間内にターゲット指示情報を受信した累積回数が第1の数閾値に達したこと、及び/又は、解析デバイスが第2の持続時間内に解析デバイスにより管理されるいずれかのネットワークデバイスにより送信されたターゲット指示情報を受信した回数が第2の数閾値に達したことを含む。ターゲット指示情報は、ターゲット指示情報を送信するネットワークデバイスの識別子を含み、ターゲット指示情報は、ターゲット指示情報を送信するネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないことを示すために使用される。
ターゲット指示情報を解析デバイスに送信したネットワークデバイスの数がデバイス数閾値に達したとき、これは、解析デバイスにより管理されるネットワークにおいて、複数のネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないことを示す。解析デバイスが第1の持続時間内にターゲット指示情報を受信した累積回数が第1の数閾値に達したとき、及び/又は、解析デバイスが第2の持続時間内に解析デバイスにより管理されるいずれかのネットワークデバイスにより送信されたターゲット指示情報を受信した回数が第2の数閾値に達したとき、これは、解析デバイスにより管理されるネットワークにおいて、1つ以上のネットワークデバイス内のECN構成パラメータが、通常では低い信頼性を有することを示す。この出願では、解析デバイスにより管理されるネットワークにおける複数のネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないとき、及び/又は、ネットワークデバイスが伝送性能に基づいてECN構成パラメータを調整するとき、ネットワークデバイスは、ネットワークデバイスの伝送性能を改善できるECN構成パラメータを取得するのに失敗する可能性があり、解析デバイスは、ネットワークデバイスにより送信されたECNパラメータサンプルを使用することにより訓練を実行し、ターゲットECN推論モデルを取得する。そうでない場合、解析デバイスはECN推論モデルを取得するために訓練を実行する必要はない。このように、解析デバイスにより管理されるネットワークデバイス内のECN推論モデルの信頼性が確保され、解析デバイスがECN推論モデルを更新する回数が低減され、それにより、解析デバイスの計算リソースを節約する。
任意選択で、解析デバイスが第1のECN推論モデルをネットワークデバイスに送信する実現プロセスは以下を含む。解析デバイスがネットワークデバイスにより送信されたターゲット指示情報を受信したとき、解析デバイスは、第1のECN推論モデルをネットワークデバイスに送信する。
この出願では、解析デバイスは、ターゲットECN推論モデルを、ターゲット指示情報を送信したネットワークデバイス(すなわち、信頼性が信頼性閾値未満であるECN構成パラメータを出力するECN推論モデルを含むネットワークデバイス)のみに送信してもよい。これは伝送リソースを節約し、信頼性が信頼性閾値以上であるECN構成パラメータを出力するECN推論モデルを含むネットワークデバイスの処理リソースを節約する。
任意選択で、解析デバイスが、ECNパラメータサンプルを使用することにより訓練を実行し、第1のECN推論モデルを取得した後に、解析デバイスは、ECNメッセージをクラウドデバイスに送信する。ECNメッセージは、第1のECN推論モデルと、第1のECN推論モデルに対応するサービスタイプの識別子とを含む。
任意選択で、ECNメッセージは、ネットワークデバイスにより管理されるネットワークのネットワーキング情報を更に含む。
任意選択で、解析デバイスは、ECN推論モデル取得要求をクラウドデバイスに更に送信してもよい。ECN推論モデル取得要求は、解析デバイスにより管理されるネットワークで搬送されるターゲットサービスタイプを含む。解析デバイスは、ターゲットサービスタイプに対応し且つクラウドデバイスにより送信された第2のECN推論モデルを受信する。解析デバイスは、第2のECN推論モデルを、解析デバイスにより管理されるネットワークデバイスに送信する。
この出願では、解析デバイスは、ネットワーク配備の初期段階においてECN推論モデル取得要求をクラウドデバイスに送信し、解析デバイスにより管理されるネットワークにおいて構成される必要がある初期ECN推論モデルを取得するよう要求してもよい。代替として、ネットワークデバイスのECN構成パラメータの信頼性が解析デバイスにより管理されるネットワークにおいて通常では低いとき、解析デバイスは、ECN推論モデル取得要求をクラウドデバイスに送信してもよい。これは、新たなネットワーク配備又はネットワーキング変更のためのネットワークデバイスについての堅実な初期ECN推論モデルを提供する。
第3の態様によれば、輻輳制御方法が提供される。当該方法は以下を含む。クラウドデバイスは、クラウドデバイスにより管理される解析デバイスにより送信されたECN推論モデル取得要求を受信する。ECN推論モデル取得要求は、解析デバイスにより管理されるネットワークで搬送されるターゲットサービスタイプを含む。クラウドデバイスは、サービスタイプとECN推論モデルとの間の対応関係に基づいて、ターゲットサービスタイプに対応する第2のECN推論モデルを決定する。対応関係は、1対1の対応関係にある複数のサービスタイプ及び複数のECN推論モデルを含む。クラウドデバイスは、第2のECN推論モデルを解析デバイスに送信する。
この出願では、各サービスタイプに対応するECN推論モデルはクラウドデバイスに記憶される。これは、新たなネットワーク配備又は将来のネットワーキング変更のための堅実な初期ECN推論モデルを提供する。
任意選択で、クラウドデバイスは、クラウドデバイスにより管理される複数の解析デバイスにより送信されたECNメッセージを受信する。ECNメッセージは、解析デバイスにおける第1のECN推論モデルと、第1のECN推論モデルに対応するサービスタイプの識別子とをそれぞれ含む。クラウドデバイスは、複数の解析デバイスにより送信されたECNメッセージに基づいて対応関係を生成する。
この出願では、解析デバイスは、ECN推論モデルを含むECN情報をクラウドデバイスに送信し、それにより、クラウドデバイスは、サービスタイプに対応するECN推論モデルを生成又は更新し、クラウドデバイスに記憶されたECN推論モデルの信頼性を改善する。
任意選択で、クラウドデバイスが複数の解析デバイスにより送信されたECNメッセージに基づいて対応関係を生成する実現プロセスは以下を含む。クラウドデバイスは、サービスタイプに基づいて複数のECNメッセージにおける第1のECN推論モデルを分類し、1つ以上のモデルクラスを取得する。同じモデルクラスの第1のECN推論モデルは同じサービスタイプに対応する。複数の第1のECN推論モデルを含む各モデルクラスについて、クラウドデバイスは、モデルクラスにおける複数の第1のECN推論モデルに対してモデル反復処理を実行し、モデルクラスに対応する1つの第2のECN推論モデルを取得する。
第4の態様によれば、輻輳制御装置が提供される。輻輳制御装置はネットワークデバイスにおいて使用される。当該装置は、複数の機能モジュールを含む。複数の機能モジュールは、第1の態様及び第1の態様の実現方式における方法を実現するように互いに相互作用する。複数の機能モジュールは、ソフトウェア、ハードウェア又はソフトウェアとハードウェアとの組み合わせに基づいて実現されてもよく、複数の機能モジュールは、具体的な実現方式に基づいてランダムに組み合わせられてもよく或いは分割されてもよい。
第5の態様によれば、輻輳制御装置が提供される。輻輳制御装置は分析デバイスにおいて使用される。当該装置は、複数の機能モジュールを含む。複数の機能モジュールは、第2の態様及び第2の態様の実現方式における方法を実現するように互いに相互作用する。複数の機能モジュールは、ソフトウェア、ハードウェア又はソフトウェアとハードウェアとの組み合わせに基づいて実現されてもよく、複数の機能モジュールは、具体的な実現方式に基づいてランダムに組み合わせられてもよく或いは分割されてもよい。
第6の態様によれば、輻輳制御装置が提供される。輻輳制御装置はクラウドデバイスにおいて使用される。当該装置は、複数の機能モジュールを含む。複数の機能モジュールは、第3の態様及び第3の態様の実現方式における方法を実現するように互いに相互作用する。複数の機能モジュールは、ソフトウェア、ハードウェア又はソフトウェアとハードウェアとの組み合わせに基づいて実現されてもよく、複数の機能モジュールは、具体的な実現方式に基づいてランダムに組み合わせられてもよく或いは分割されてもよい。
第7の態様によれば、プロセッサ及びメモリを含むネットワークデバイスが提供される。
メモリは、コンピュータプログラムを記憶するように構成され、コンピュータプログラムは、プログラム命令を含む。
プロセッサは、コンピュータプログラムを呼び出し、第1の態様の実現方式のうちいずれか1つによる輻輳制御方法を実現するように構成される。
第8の態様によれば、プロセッサ及びメモリを含む分析デバイスが提供される。
メモリは、コンピュータプログラムを記憶するように構成され、コンピュータプログラムは、プログラム命令を含む。
プロセッサは、コンピュータプログラムを呼び出し、第2の態様の実現方式のうちいずれか1つによる輻輳制御方法を実現するように構成される。
第9の態様によれば、プロセッサ及びメモリを含むクラウドデバイスが提供される。
メモリは、コンピュータプログラムを記憶するように構成され、コンピュータプログラムは、プログラム命令を含む。
プロセッサは、コンピュータプログラムを呼び出し、第3の態様の実現方式のうちいずれか1つによる輻輳制御方法を実現するように構成される。
第10の態様によれば、ネットワークデバイス及び解析デバイスを含む輻輳制御システムが提供される。ネットワークデバイスは、第4の態様による輻輳制御装置又は第7の態様によるネットワークデバイスを含む。解析デバイスは、第5の態様による輻輳制御装置又は第8の態様による解析デバイスを含む。
任意選択で、当該システムは、クラウドデバイスを更に含む。クラウドデバイスは、第6の態様による輻輳制御装置又は第9の態様によるクラウドデバイスを含む。
第11の態様によれば、コンピュータ記憶媒体が提供される。コンピュータ記憶媒体は命令を記憶する。命令がコンピュータデバイスのプロセッサにより実行されたとき、第1の態様及び第1の態様の実現方式、第2の態様及び第2の態様の実現方式、又は第3の態様及び第3の態様の実現方式のうちいずれか1つによる輻輳制御方法が実現される。
第12の態様によれば、チップが提供される。チップは、プログラム可能論理回路及び/又はプログラム命令を含む。チップが動作するとき、第1の態様及び第1の態様の実現方式、第2の態様及び第2の態様の実現方式、又は第3の態様及び第3の態様の実現方式のうちいずれか1つによる輻輳制御方法が実現される。
この出願において提供される技術的解決策によりもたらされる有益な効果は、少なくとも以下を含む。
この出願では、ネットワークデバイスは、ECNパラメータサンプルを解析デバイスに送信し、それにより、解析デバイスは、ECNパラメータサンプルを使用することにより訓練を実行し、ECN推論モデルを取得する。解析デバイスは、更新ECN推論モデルをネットワークデバイスに送信し、次いで、ネットワークデバイスは、更新ECN推論モデルを使用することにより新たなECN構成パラメータを決定してもよい。言い換えると、解析デバイスは、ネットワークデバイス内のECN推論モデルを動的に構成してもよい。これは、ネットワークデバイス内のECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。
クラウドデバイスは、クラウドデバイスにより管理される解析デバイスにより送信されたECN情報に基づいて、1つ以上のサービスタイプに対応するECN推論モデルを決定してもよい。解析デバイスは、クラウドデバイスから、解析デバイスにより管理されるネットワークで搬送されるサービスタイプに対応するECN推論モデルを取得し、次いで、ECN推論モデルを、解析デバイスにより管理されるネットワークデバイスに送信してもよい。これは、ネットワークデバイス内のECN推論モデルの動的な構成を実現し、ECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。さらに、各サービスタイプに対応するECN推論モデルがクラウドデバイスに記憶される。これは、新たなネットワーク配備又は将来のネットワーキング変更のための堅実な初期ECN推論モデルを提供する。
この出願の実施形態による輻輳制御システムの概略構造図である。 この出願の実施形態による他の輻輳制御システムの概略構造図である。 この出願の実施形態による通信ネットワークの概略構造図である。 この出願の実施形態による他の通信ネットワークの概略構造図である。 この出願の実施形態による更に他の通信ネットワークの概略構造図である。 この出願の実施形態による、データパケットがECNマーキングされる確率と、出口キューのキュー深さとの間の関係の概略図である。 この出願の実施形態による輻輳制御方法の概略フローチャートである。 この出願の実施形態による解析デバイスとネットワークデバイスとの間のデータ相互作用の概略図である。 この出願の実施形態による他の輻輳制御方法の概略フローチャートである。 この出願の実施形態によるクラウドデバイスと解析デバイスとネットワークデバイスとの間のデータ相互作用の概略図である。 この出願の実施形態による輻輳制御装置の概略構造図である。 この出願の実施形態による他の輻輳制御装置の概略構造図である。 この出願の実施形態による更に他の輻輳制御装置の概略構造図である。 この出願の実施形態によるもう1つの他の輻輳制御装置の概略構造図である。 この出願の実施形態による輻輳制御装置のブロック図である。
この出願の目的、技術的解決策及び利点をより明確にするために、以下に、添付の図面を参照して、この出願の実現方式について詳細に更に説明する。
図１は、この出願の実施形態による輻輳制御システムの概略構造図である。図１に示すように、当該システムは、通信ネットワークにおいて、解析デバイス101a及び101b(併せて解析デバイス101と呼ばれる)と、ネットワークデバイス102a～102d(併せてネットワークデバイス102と呼ばれる)とを含む。解析デバイス101はまた、デバイスアナライザ(device analyzer, DA)とも呼ばれてもよく、1つ以上のネットワークデバイス102を管理するように構成される。例えば、図１を参照すると、解析デバイス101aは、ネットワークデバイス102a及びネットワークデバイス102bを管理するように構成され、解析デバイス101bは、ネットワークデバイス102c及びネットワークデバイス102dを管理するように構成される。図１における解析デバイス及びネットワークデバイスの数は、単に例として使用されており、この出願のこの実施形態において提供される輻輳制御システムを限定することを意図するものではない。
解析デバイス101は、1つのサーバ、複数のサーバを含むサーバクラスタ、又はクラウドコンピューティングサービスセンタでもよい。ネットワークデバイス102は、ルータ、スイッチ等でもよい。解析デバイス101は、有線又は無線ネットワークを通じて、解析デバイス101により管理されるネットワークデバイス102に接続される。この出願のこの実施形態において提供される通信ネットワークは、データセンタネットワーク(data center network, DCN)、メトロポリタンエリアネットワーク、広域ネットワーク、キャンパスネットワーク等でもよい。通信ネットワークのタイプは、この出願のこの実施形態では限定されない。各解析デバイス101により管理されるネットワークは、通常では1つのサービスタイプを搬送する。言い換えると、1つの解析デバイス101により管理される1つ以上のネットワークデバイス102は、同じタイプのサービスを動作させる。例えば、1つの解析デバイス101は、性能最適化データセンタ(performance optimization datacenter, POD)ネットワーク又は機能サブネットを管理し、特定のサービス、例えば、分散ストレージサービス、高性能コンピューティングサービス又は人工知能(artificial intelligence, AI)推論サービスを搬送してもよい。
任意選択で、図２は、この出願の実施形態による他の輻輳制御システムの概略構造図である。図２に示すように、図１に示す輻輳制御システムに基づいて、当該システムは、クラウドデバイス103を更に含む。クラウドデバイス103はまた、クラウドアナライザ(cloud analyzer, CA)とも呼ばれてもよく、1つ以上の解析デバイス101を管理するように構成される。例えば、図２を参照すると、クラウドデバイス103は、解析デバイス101a及び解析デバイス101bを管理するように構成される。クラウドデバイス103は、1つのサーバ、複数のサーバを含むサーバクラスタ、又はクラウドコンピューティングサービスセンタでもよい。クラウドデバイス103は、有線又は無線ネットワークを通じて、クラウドデバイスにより管理される解析デバイス101に接続される。任意選択で、クラウドデバイス103及び解析デバイス101は、代替として1つのデバイスに統合されてもよい。これは、この出願のこの実施形態では限定されない。
任意選択で、この出願のこの実施形態において提供される通信ネットワークは、1層ネットワーク、2層ネットワーク又は3層ネットワークでもよい。通信ネットワークのネットワークアーキテクチャは、この出願のこの実施形態では限定されない。
例えば、図３は、この出願の実施形態による通信ネットワークの概略構造図である。図３に示すように、通信ネットワークは、1層ネットワークであり、通信ネットワークは、複数のネットワークデバイス102A1～102A4を含む。ネットワークデバイス102A1～102A4は、ステーションを通信ネットワークに接続するように構成される。ネットワークデバイス102A1～102A4は、トップオブランク(top of rank, TOR)スイッチでもよい。ステーションは、具体的には、ホスト、端末、サーバ及び仮想マシンのような様々なタイプのデバイスでもよい。
例えば、図４は、この出願の実施形態による他の通信ネットワークの概略構造図である。図４に示すように、通信ネットワークは、2層ネットワークであり、通信ネットワークは、集約層とアクセス層とを含む。集約そうは、通信ネットワークの高速スイッチングバックボーンである。アクセス層は、ステーションを通信ネットワークに接続するために使用される。任意選択で、図４を参照すると、集約層は、2つの集約層ネットワークデバイス102B1及び102B2を含み、アクセス層は、4つのアクセス層ネットワークデバイス102C1～102C4を含む。図４に示す通信ネットワークは、ファットツリー又はリーフスパイン(fat tree or leaf-spine)トポロジネットワークでもよい。この場合、集約層ネットワークデバイス102B1及び102B2は、スパインスイッチであり、アクセス層ネットワークデバイス102C1～102C4は、リーフスイッチである。任意選択で、各リーフスイッチ上のアップリンクの数は、スパインスイッチの数に等しく、各スパインスイッチ上のダウンリンクの数は、リーフスイッチの数に等しい。言い換えると、各スパインスイッチは全てのリーフスイッチに接続され、各リーフスイッチは全てのスパインスイッチに接続され、すなわち、スパインスイッチはリーフスイッチに完全に接続される。
例えば、図５は、この出願の実施形態による更に他の通信ネットワークの概略構造図である。図５に示すように、通信ネットワークは、3層ネットワークであり、通信ネットワークは、コア層と集約層とアクセス層とを含む。コア層は通信ネットワークの高速スイッチングバックボーンである。集約層は、集約接続を提供する(アクセス層とコア層とを接続する)ために使用される。アクセス層は、ステーションを通信ネットワークに接続するために使用される。図５を参照すると、コア層は、2つのコアネットワークデバイス102D1及び102D2を含む。集約層は、4つの集約層ネットワークデバイス102E1～102E4を含み、集約層ネットワークデバイス102E1及び102E2は、第1のグループに分類され、集約層ネットワークデバイス102E3及び102E4は、第2のグループに分類される。アクセス層は、8つのアクセス層ネットワークデバイス102F1～102F8を含み、4つのアクセス層ネットワークデバイス102F1～102F4は、第1のグループの集約層ネットワークデバイス102E1及び102E2に接続され、他の4つのアクセス層ネットワークデバイス102F5～102F8は、第2のグループの集約層ネットワークデバイス102E3及び102E4に接続される。任意選択で、通信ネットワークの集約層及びアクセス層は、リーフスパイントポロジネットワークを形成してもよい。この場合、集約層ネットワークデバイス102E1～102E4は、スパインスイッチであり、アクセス層ネットワークデバイス102F1～102F8は、リーフスイッチである。
この出願のこの実施形態において提供される通信ネットワークは、ECNメカニズムに基づいて輻輳制御を実行する。ネットワークデバイスは、1つ以上の出口キューを含み、出口キューは、送信端から受信端に送信されるデータパケットをバッファするために使用される。送信端と受信端との間の通信は、ネットワークデバイスによるデータパケットの転送を通じて実現される。任意選択で、通信ネットワークにおける送信端と受信端との間の通信プロセスは、以下のステップを含む。
S11において、送信端は、データパケットをネットワークデバイスに送信する。
送信端により送信されるデータパケットのインターネットプロトコル(internet protocol, IP)ヘッダ内のECNフィールドは10又は01に設定される。言い換えると、送信端により送信されるデータパケットはECNメカニズムをサポートする。
S12において、ネットワークデバイスは、受信データパケットを第1の出口キューにバッファする。
任意選択で、第1の出口キューは、ネットワークデバイスのいずれかの出口キューである。
S13において、ネットワークデバイスは、第1の出口キューのキュー深さ及びECN閾値に基づいて、第1の出口キュー内のデータパケットをECNマーキングするか否かを決定する。
出口キューのキュー深さは、出口キューにバッファされたデータパケットの総数を表すために使用される。出口キューのより大きいキュー深さは、出口キューにより占有されるより大きいメモリ空間を示す。データパケットの伝送遅延は、出口キューのキュー深さと正の相関にある。言い換えると、出口キューのより大きいキュー深さは、データパケットのより大きい伝送遅延を示す。
任意選択で、ECN閾値は、ネットワークデバイス内の各出口キューについて構成される。ECN閾値は、一般的にECN最大閾値及びECN最小閾値を含む。出口キューのキュー深さがECN最大閾値よりも大きいとき、出口キューに追加されるべきデータパケットがECNマーキングされる確率は1である。出口キューのキュー深さがECN最小閾値とECN最大閾値との間にあるとき、出口キューに追加されるべきデータパケットがECNマーキングされる確率は0よりも大きく且つ1未満であり、データパケットがECNマーキングされる確率は出口キューのキュー深さと正の相関にある。出口キューのキュー深さがECN最小閾値未満であるとき、出口キューに追加されるべきデータパケットがECNマーキングされる確率は0である。
例えば、図６は、この出願の実施形態による、データパケットがECNマーキングされる確率と、出口キューのキュー深さとの間の関係の概略図である。KminはECN最小閾値を表し、KmaxはECN最大閾値を表し、PmaxはECNマーキング確率を表す。ECNマーキング確率は、出口キューのキュー深さがECN最大閾値に達したとき、出口キューに追加されるべきデータパケットに対してECNマーキングを実行する確率であり、0<Pmax≦1である。図６に示すように、出口キューのキュー深さがECN最小閾値とECN最大閾値との間にあるとき、データパケットがECNマーキングされる確率(図６では略してマーキング確率と呼ばれる)は、出口キューのキュー深さと線形の正の相関にある。明らかに、出口キューのキュー深さがECN最小閾値とECN最大閾値との間にあるとき、データパケットがECNマーキングされる確率は、代替として、出口キューのキュー深さと非線形の正の相関にあってもよい。これは、この出願のこの実施形態では限定されない。
この出願のこの実施形態では、ECN構成パラメータは、ECN閾値を含む。任意選択で、ECN閾値は、ECN最大閾値及びECN最小閾値を含む。ECN閾値がECN最大閾値及びECN最小閾値を含むとき、ECN構成パラメータは、ECNマーキング確率を更に含んでもよい。代替として、ECN構成パラメータは、1つのECN閾値のみを含んでもよく、ECN閾値は、ECNマークを設定するための閾値である。出口キューのキューの深さがECN閾値を超えないとき、出口キューに追加されるべきデータパケットがECNマーキングされる確率は0であり、すなわち、データパケットはECNマーキングされる必要はない。出口キューのキュー深さがECN閾値を超えるとき、出口キューに追加されるべきデータパケットがECNマーキングされる確率は1であり、すなわち、各データパケットはECNマーキングされる必要がある。
S14において、ネットワークデバイスは、第1の出口キュー内のデータパケットを受信端に送信する。
任意選択で、ECNマーキングされたデータパケットを受信したとき、受信端は、輻輳通知パケットを生成し、輻輳通知パケットを送信端に送信する。さらに、輻輳通知パケットを受信した後に、送信端は、受信した輻輳通知パケットの数に基づいて、以降のデータパケットの送信レートを決定する。以降のデータパケットの送信レートは、送信端により受信された輻輳通知パケットの数と負に相関し、ネットワーク輻輳を回避する。通信ネットワークが伝送制御プロトコル(transmission control protocol, TCP)を使用するとき、肯定応答(acknowledgement, ACK)パケットのTCPヘッダ内のECNフィールドは1に設定されてもよく、ACKパケットは輻輳通知パケットとして使用される。通信ネットワークが、コンバージドイーサネット上のリモートダイレクトメモリアクセス(remote direct memory access over converged Ethernet, RoCE)プロトコルを使用するとき、受信端は、輻輳通知パケット(congestion notification packet, CNP)を輻輳通知パケットとして送信端に送信してもよい。
通信ネットワークにおける送信端と受信端との間の上記の通信プロセスから、通信ネットワークにおけるECNメカニズムに基づいて実行される効果的な輻輳制御への鍵は、ECN構成パラメータ、特に、ECN閾値を決定することであることが習得できる。現在のECN構成パラメータは通常では静的に構成されるので、ECN閾値が過度に高い値に設定されたとき、ネットワークデバイス内の出口キューの深さは比較的大きくなる。その結果、データパケットの伝送遅延は比較的大きい。ECN閾値が過度に低い値に設定されたとき、送信端がデータパケットを送信するレートは比較的低く、比較的低いネットワークリソース利用率を引き起こす。さらに、静的に構成されたECN閾値は、様々な通信ネットワーク又はリアルタイムに変化する通信ネットワークに適用できない。したがって、現在のネットワーク輻輳制御の柔軟性は比較的低い。この出願の実施形態において提供される輻輳制御方法では、ネットワークデバイスは、ネットワークデバイスが電源オンされるとき或いはデータパケット転送プロセスにおいて、ECNパラメータサンプルを解析デバイスに送信してもよく、それにより、解析デバイスは、ECNパラメータサンプルを使用することにより訓練を実行し、ECN推論モデルを取得する。次いで、解析デバイスは、ECN推論モデルをネットワークデバイスに送信し、ネットワークデバイスは、ECN推論モデルを使用することによりECN構成パラメータを決定する。言い換えると、ネットワークデバイス内のECN推論モデルは、解析デバイスにより動的に構成されてもよい。これは、ECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。
任意選択で、図１に示す輻輳制御システムでは、ネットワークデバイス内のECN推論モデルの動的な構成は、解析デバイスとネットワークデバイスとの間のデータ相互作用を通じて実現されてもよい。図２に示す輻輳制御システムでは、ネットワークデバイス内のECN推論モデルの動的な構成は、クラウドデバイスと解析デバイスとネットワークデバイスとの間のデータ相互作用を通じて実現されてもよい。この出願の以下の実施形態では、図７に示す輻輳制御方法及び図９に示す輻輳制御方法が提供され、上記の2つの輻輳制御システムに適用される方法の実現プロセスについて別々に説明する。
図７は、この出願の実施形態による輻輳制御方法の概略フローチャートである。当該方法は、図１に示す輻輳制御システムに適用されてもよい。図７に示すように、当該方法は以下のステップを含む。
ステップ701:ネットワークデバイスは、第1の期間内のネットワークデバイスの第1のネットワーク状態情報を取得する。
任意選択で、第1のネットワーク状態情報は、第1の期間内のネットワークデバイスのキュー情報(例えば、出口キューのキュー深さを含む)、スループット情報(例えば、帯域幅利用率を含む)及び輻輳情報(例えば、ECNパケット比を含む)のうち1つ以上を含む。第1の期間内のネットワークデバイスのECNパケット比は、ネットワークデバイスにより送信された全てのデータパケットに対する、第1の期間内にネットワークデバイスにより送信され且つECNマーキングされたデータパケットの比である。ネットワークデバイスは、ネットワークデバイスのネットワーク状態情報を周期的に取得してもよい。例えば、ネットワークデバイスは、数マイクロ秒に一回、ネットワークデバイスのネットワーク状態情報を取得してもよい。第1の期間は過去の期間でもよい。
例えば、第1の期間内のネットワークデバイスの出口キューのキュー深さは1KB(kilobyte)であり、帯域幅利用率は90%であり、ECNパケット比は0.5%である。
ステップ702:ネットワークデバイスは、第1のネットワーク状態情報をECN推論モデルに入力し、第1のネットワーク状態情報に基づいてECN推論モデルにより出力された推論結果を取得する。
推論結果は、オリジナルのECN構成パラメータと、オリジナルのECN構成パラメータの信頼性とを含む。この出願のこの実施形態では、入力されたネットワーク状態情報に基づいてECN推論モデルにより出力されるECN構成パラメータは、オリジナルのECN構成パラメータと呼ばれる。
任意選択で、ECN推論モデルは、出荷前のネットワークデバイスについて予め構成された初期ECN推論モデルである。代替として、ECN推論モデルは、解析デバイスによりネットワークデバイスに送信されたECN推論モデルである。この出願のこの実施形態では、解析デバイスがECN推論モデルをネットワークデバイスに送信することは以下を含む。解析デバイスは、完全なECN推論モデルデータをネットワークデバイスに送信し、完全なECN推論モデルデータは、モデル構造データ、モデルパラメータデータ等を含む。代替として、解析デバイスは、ECN推論モデルのモデルパラメータデータ及び/又はモデルパラメータ変数等をネットワークデバイスに送信する。ECN推論モデルは機械学習モデルでもよい。
ECN推論モデルは、本質的には分類モデルである。ECN推論モデルは、複数のカテゴリ及び各カテゴリに対応する確率を出力してもよい。カテゴリに対応する確率は、カテゴリの信頼性を反映するために使用される。各カテゴリは、ECN構成パラメータのグループを含む。言い換えると、ECN推論モデルは、複数のグループのECN構成パラメータと、各グループのECN構成パラメータの確率とを出力してもよい。この出願のこの実施形態では、ECN構成パラメータに対応する確率は、ECN構成パラメータの信頼性と正に相関すると仮定する。この場合、ネットワークデバイスは、ECN推論モデルにより出力された最大の確率を有する1つのグループのECN構成パラメータを、オリジナルのECN構成パラメータとして選択し、オリジナルのECN構成パラメータに対応する確率を、オリジナルのECN構成パラメータの信頼性として使用してもよい。
任意選択で、オリジナルのECN構成パラメータの信頼性は、数字により表されてもよい。信頼性閾値は、ネットワークデバイスにおいて予め設定されてもよい。ネットワークデバイスは、ECN推論モデルにより出力されたオリジナルのECN構成パラメータに対応する確率を、オリジナルのECN構成パラメータの信頼性として使用し、次いで、オリジナルのECN構成パラメータの信頼性を信頼性閾値と比較する。
代替として、オリジナルのECN構成パラメータの信頼性は、粗い粒度の方式で「高」及び「低」として記述されてもよい。この場合、オリジナルのECN構成パラメータの高い信頼性は、オリジナルのECN構成パラメータの信頼性が信頼性閾値以上であることを示す。オリジナルのECN構成パラメータの低い信頼性は、オリジナルのECN構成パラメータの信頼性が信頼性閾値よりも低いことを示す。例えば、ECN推論モデルにより出力されたオリジナルのECN構成パラメータに対応する確率が確率閾値以上であるとき、オリジナルのECN構成パラメータの信頼性が高いと決定される。ECN推論モデルにより出力されたオリジナルのECN構成パラメータに対応する確率が確率閾値未満であるとき、オリジナルのECN構成パラメータの信頼性は低いと決定される。確率閾値の値は0.5でもよい。
ECN構成パラメータはECN閾値を含む。任意選択で、ECN閾値はECN最大閾値及びECN最小閾値を含む。ECN構成パラメータは、ECNマーキング確率を更に含んでもよい。この出願のこの実施形態では、ECN構成パラメータがECN最大閾値、ECN最小閾値、及びECNマーキング確率を含む例が説明のために使用される。
ステップ703:ネットワークデバイスは、第1のネットワーク状態情報に基づいてECN推論モデルにより出力された推論結果に基づいて、ターゲットECN構成パラメータを取得する。
任意選択で、オリジナルのECN構成パラメータの信頼性が信頼性閾値未満であるとき、ネットワークデバイスは、ネットワークデバイスの伝送性能の変化に基づいて、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータを調整し、調整されたECN構成パラメータをターゲットECN構成パラメータとして使用する。代替として、オリジナルのECN構成パラメータの信頼性が信頼性閾値以上であるとき、ネットワークデバイスは、オリジナルのECN構成パラメータをターゲットECN構成パラメータとして使用する。
任意選択で、ネットワークデバイスが、ネットワークデバイスの伝送性能の変化に基づいて、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータを調整する実現プロセスは以下を含む。
第1の期間内のネットワークデバイスの伝送性能が第3の期間内のネットワークデバイスの伝送性能と比較して改善されたとき、ネットワークデバイスは、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータにおけるECN閾値を増加させ、及び/又は、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータにおけるECNマーキング確率を低下させる。代替として、第1の期間内のネットワークデバイスの伝送性能が第3の期間内のネットワークデバイスの伝送性能と比較して劣化したとき、ネットワークデバイスは、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータにおけるECN閾値を低下させ、及び/又は、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータにおけるECNマーキング確率を増加させる。第3の期間は、時系列において第1の期間よりも早い。ECNマーキング確率は、出口キューのキュー深さがECN最大閾値に達したとき、出口キューに追加されるべきデータパケットに対してECNマーキングを実行する確率である。
任意選択で、第3の期間及び第1の期間は隣接する期間でもよい。言い換えると、第3の期間の終了時点は、第1の期間の開始時点である。代替として、第3の期間は第1の期間に隣接しなくてもよい。言い換えると、第3の期間の終了時点は、時系列において第1の期間の開始時点よりも早い。第3の期間の持続時間は、第1の期間の持続時間と同じでもよく或いは異なってもよい。例えば、ネットワークデバイスがネットワークデバイスのネットワーク状態情報を周期的に取得するとき、第3の期間及び第1の期間は、2つの隣接する期間でもよい。
任意選択で、ネットワークデバイスの伝送性能は、ネットワーク状態情報により決定される。同じ或いは同様のネットワーク環境において、ネットワークデバイスのより高い帯域幅利用率、ネットワークデバイスの出口キューのより小さいキュー深さ、及び/又はネットワークデバイスのより小さいECNパケット比は、ネットワークデバイスのより良い伝送性能を示す。この出願のこの実施形態では、第1の期間内のネットワークデバイスの帯域幅利用率が第3の期間内のネットワークデバイスの帯域幅利用率よりも高いとき、第1の期間内のネットワークデバイスのキュー深さが第3の期間内のネットワークデバイスのキュー深さ未満であるとき、及び/又は、第1の期間内のネットワークデバイスのECNパケット比が第3の期間内のネットワークデバイスのECNパケット比未満であるとき、ネットワークデバイスは、第1の期間内のネットワークデバイスの伝送性能が第3の期間内のネットワークデバイスの伝送性能と比較して改善されていると決定してもよい。
例えば、第1の期間内のネットワークデバイスの帯域幅利用率が第3の期間内のネットワークデバイスの帯域幅利用率よりも大きいとき、ネットワークデバイスは、第1の期間内に使用されるECN閾値を5%だけ増加させ、及び/又は、第1の期間内に使用されるECNマーキング確率を1%だけ低下させ、ターゲットECN構成パラメータを取得してもよい。第1の期間内のネットワークデバイスの帯域幅利用率が第3の期間内のネットワークデバイスの帯域幅利用率未満であるとき、ネットワークデバイスは、第1の期間内に使用されるECN閾値を5%だけ低下させ、及び/又は、第1の期間内に使用されるECNマーキング確率を1%だけ増加させ、ターゲットECN構成パラメータを取得してもよい。
ステップ704:ネットワークデバイスは、ターゲットECN構成パラメータを使用することにより、第2の期間内に輻輳制御を実行する。
第2の期間は、時系列において第1の期間よりも遅い。第1の期間及び第2の期間は隣接する期間でもよい。言い換えると、第1の期間の終了時点は、第2の期間の開始時点である。代替として、第1の期間は第2の期間に隣接しなくてもよい。言い換えると、第1の期間の終了時点は、時系列において第2の期間の開始時点よりも早い。第1の期間の持続時間は、第2の期間の持続時間と同じでもよく或いは異なってもよい。例えば、ネットワークデバイスがネットワークデバイスのネットワーク状態情報を周期的に取得するとき、第1の期間及び第2の期間は、2つの隣接する期間でもよい。ネットワークデバイスがターゲットECN構成パラメータを使用することにより第2の期間内に輻輳制御を実行することは、ネットワークデバイスが第2の期間内にECN構成パラメータをターゲットECN構成パラメータに設定し、データパケットを転送することを意味する。
この出願のこの実施形態では、ターゲットECN構成パラメータは、信頼性が信頼性閾値以上であるオリジナルのECN構成パラメータである。代替として、ターゲットECN構成パラメータは、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータに対して伝送性能最適化調整が実行された後に取得されたECN構成パラメータである。したがって、ネットワークデバイスは、ターゲットECN構成パラメータを使用することにより第2の期間内に輻輳制御を実行し、ネットワークデバイスの伝送性能及び輻輳制御の信頼性を確保し、ネットワーク動作の信頼性を確保する。
ステップ705:ネットワークデバイスは、ECNパラメータサンプルを解析デバイスに送信する。
ECNパラメータサンプルは、第1のネットワーク状態情報と、第1のネットワーク状態情報に対応するターゲットECN構成パラメータとを含む。ターゲットECN構成パラメータは、ECN推論モデルにより出力された推論結果に基づいて取得される。言い換えると、ターゲットECN構成パラメータは、信頼性が信頼性閾値以上であるオリジナルのECN構成パラメータである。代替として、ターゲットECN構成パラメータは、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータに対して伝送性能最適化調整が実行された後に取得されたECN構成パラメータである。
任意選択で、第1のネットワーク状態情報は、第1の期間内のネットワークデバイスの出口キューのキュー深さ、帯域幅利用率及びECNパケット比を含む。例えば、第1の期間内のネットワークデバイスの出口キューのキュー深さが1KBであり、帯域幅利用率が90%であり、ECNパケット比が0.5%であり、ターゲットECN構成パラメータにおけるECN最大閾値が100KBであり、ECN最小閾値が1KBであり、ECNマーキング確率が5%であると仮定すると、ECNパラメータサンプルの内容は表１に示すものでもよい。
Figure 0007118209000001
この出願のこの実施形態では、ネットワークデバイスが、第1のネットワーク状態情報に対応するネットワーク状態において、ターゲットECN構成パラメータを使用することにより輻輳制御を実行するとき、伝送性能が確保できる。したがって、第1のネットワーク状態情報及び第1のネットワーク状態情報に対応するターゲットECN構成パラメータが、ECNパラメータサンプルとして使用される。これは、解析デバイスがECNパラメータサンプルを使用することにより訓練を実行した後に取得された以降のECN推論モデルの信頼性を確保できる。
任意選択で、オリジナルのECN構成パラメータの信頼性が信頼性閾値未満であるとき、ネットワークデバイスは、ターゲット指示情報を解析デバイスに更に送信してもよい。ターゲット指示情報は、ネットワークデバイスの識別子を含む。ターゲット指示情報は、ネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないことを示すために使用される。ネットワークデバイスの識別子は、ネットワークデバイスの媒体アクセス制御(Media Access Control, MAC)アドレス又はハードウェアアドレスのようなネットワークデバイスを一意に識別できる情報でもよい。任意選択で、ターゲット指示情報は、オリジナルのECN構成パラメータの信頼性を含む。
ステップ706:解析デバイスは、ECNパラメータサンプルを使用することにより訓練を実行し、ターゲットECN推論モデルを取得する。
任意選択で、解析デバイスにより管理されるネットワークデバイスにより送信された複数のECNパラメータサンプルを受信した後に、解析デバイスは、複数のECNパラメータサンプルを使用することにより訓練を実行し、ターゲットECN推論モデルを取得する。複数のECNパラメータサンプルは、解析デバイスにより管理される1つのネットワークデバイスにより送信されてもよく、或いは、解析デバイスにより管理される複数のネットワークデバイスにより送信されてもよい。解析デバイスは、複数のECNパラメータサンプルをモデル訓練器に入力してもよく、モデル訓練器は、ターゲットECN推論モデルを出力する。代替として、解析デバイスは、初期ECN推論モデルを予め記憶し、解析デバイスは、新たに受信したECNパラメータサンプルを使用することにより、初期ECN推論モデルに対して増分訓練(又は再訓練)を実行し、ターゲットECN推論モデルを取得する。ターゲットECN推論モデルの入力はネットワーク状態情報であり、ターゲットECN推論モデルの出力はECN構成パラメータ及びECN構成パラメータの信頼性である。
任意選択で、ECN推論モデル更新条件が満たされたとき、解析デバイスは、ECNパラメータサンプルを使用することにより訓練を実行し、ターゲットECN推論モデルを取得する。ECN推論モデル更新条件は、以下のもの、すなわち、ターゲット指示情報を解析デバイスに送信したネットワークデバイスの数がデバイス数閾値に達したこと、解析デバイスが第1の持続時間内にターゲット指示情報を受信した累積回数が第1の数閾値に達したこと、及び/又は、解析デバイスが第2の持続時間内に解析デバイスにより管理されるいずれかのネットワークデバイスにより送信されたターゲット指示情報を受信した回数が第2の数閾値に達したことを含む。ターゲット指示情報は、ターゲット指示情報を送信するネットワークデバイスの識別子を含み、ターゲット指示情報は、ターゲット指示情報を送信するネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないことを示すために使用される。
任意選択で、デバイス数閾値は1よりも大きい整数である。例えば、デバイス数閾値の値は、2、6、7等でもよい。デバイス数閾値の具体的な値は、この出願のこの実施形態では限定されない。ターゲット指示情報を解析デバイスに送信したネットワークデバイスの数がデバイス数閾値に達したとき、これは、解析デバイスにより管理されるネットワークにおいて、複数のネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないことを示す。解析デバイスが第1の持続時間内にターゲット指示情報を受信した累積回数が第1の数閾値に達したとき、及び/又は、解析デバイスが第2の持続時間内に解析デバイスにより管理されるいずれかのネットワークデバイスにより送信されたターゲット指示情報を受信した回数が第2の数閾値に達したとき、これは、解析デバイスにより管理されるネットワークにおいて、1つ以上のネットワークデバイス内のECN構成パラメータが、通常では低い信頼性を有することを示す。これは、ネットワークデバイスが伝送性能に基づいてECN構成パラメータを調整するとき、ネットワークデバイスが、ネットワークデバイスの伝送性能を改善できるECN構成パラメータを取得するのに失敗する可能性があることを更に反映する。
この出願のこの実施形態では、解析デバイスにより管理されるネットワークにおける複数のネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないとき、及び/又は、ネットワークデバイスが伝送性能に基づいてECN構成パラメータを調整するとき、ネットワークデバイスは、ネットワークデバイスの伝送性能を改善できるECN構成パラメータを取得するのに失敗する可能性があり、解析デバイスは、ネットワークデバイスにより送信されたECNパラメータサンプルを使用することにより訓練を実行し、ターゲットECN推論モデルを取得する。そうでない場合、解析デバイスはECN推論モデルを取得するために訓練を実行する必要はない。このように、解析デバイスにより管理されるネットワークデバイス内のECN推論モデルの信頼性が確保され、解析デバイスがECN推論モデルを更新する回数が低減され、それにより、解析デバイスの計算リソースを節約する。
ステップ707:解析デバイスは、ターゲットECN推論モデルをネットワークデバイスに送信する。
任意選択で、解析デバイスがネットワークデバイスにより送信されたターゲット指示情報を受信したとき、解析デバイスは、ターゲットECN推論モデルをネットワークデバイスに送信する。言い換えると、解析デバイスは、ターゲットECN推論モデルを、ターゲット指示情報を送信したネットワークデバイスに送信する。この出願のこの実施形態では、ネットワークデバイスがターゲット指示情報を解析デバイスに送信しない場合、これは、ネットワークデバイス内のECN推論モデルの性能が比較的良いことを示す。この場合、解析デバイスは、ターゲットECN推論モデルをネットワークデバイスに送信せず、ネットワークデバイスの処理リソース及び伝送リソースを節約してもよい。代替として、訓練を通じてターゲットECN推論モデルを取得した後に、解析デバイスは、ターゲットECN推論モデルを、解析デバイスにより管理される各ネットワークデバイスに送信し、各ネットワークデバイスの管理を容易にしてもよい。解析デバイスによりネットワークデバイスに送信されるターゲットECN推論モデルは、ターゲットECN推論モデルの完全なモデルデータ、ターゲットECN推論モデルのモデルパラメータデータ、又はネットワークデバイス内のECN推論モデルに対するターゲットECN推論モデルのモデルパラメータ変数でもよい。解析デバイスによりネットワークデバイスに送信されるターゲットECN推論モデルの具体的な内容は、この出願のこの実施形態では限定されない。
ステップ708:ネットワークデバイスは、ターゲットECN推論モデルを使用することにより、ネットワークデバイス内のECN推論モデルを更新する。
ネットワークデバイスにより受信されたターゲットECN推論モデルは、ネットワークデバイス内のオリジナルのECN推論モデルに対する更新ECN推論モデルである。任意選択で、ネットワークデバイスが、解析デバイスにより送信された更新ECN推論モデルの完全なモデルデータを受信したとき、ネットワークデバイスは、ネットワークデバイス内のオリジナルのECN推論モデルを置き換えるために、更新ECN推論モデルを直接使用してもよい。ネットワークデバイスが解析デバイスにより送信されたモデルパラメータデータを受信したとき、ネットワークデバイスは、ネットワークデバイス内のECN推論モデルのモデルパラメータデータを、解析デバイスにより送信されたモデルパラメータデータに置き換え、更新ECN推論モデルを取得する。ネットワークデバイスが解析デバイスにより送信されたモデルパラメータ変数を受信したとき、ネットワークデバイスは、モデルパラメータ変数を使用することにより、ネットワークデバイス内のECN推論モデルのモデルパラメータデータを修正し、更新ECN推論モデルを取得する。例えば、ネットワークデバイス内のモデルパラメータの値がaであり、モデルパラメータに対応する受信した変化量が+bであるとき、ネットワークデバイスは、モデルパラメータの値を修正し、モデルパラメータの更新値a+bを取得する。次いで、ネットワークデバイスは、更新ECN推論モデルに基づいて新たなECN構成パラメータを取得する。
この出願のこの実施形態では、ネットワークデバイスは、解析デバイスにより送信されたECN推論モデルを使用することにより、ネットワークデバイス内のECN推論モデルを更新する。言い換えると、ネットワークデバイスは、更新ECN推論モデルをネットワークデバイス内のECN推論モデルとして使用し、次いで、上記のステップ701～ステップ708を再び実行してもよい。ネットワーク動作プロセスにおいて、ネットワークデバイスは、ECNパラメータサンプルを解析デバイスに送信し、解析デバイスは、ECNパラメータサンプルに基づいて実行された訓練を通じて取得されたECN推論モデルをネットワークデバイスに送信する。次いで、ネットワークデバイスは、更新ECN推論モデルに基づいて新たなECNパラメータサンプルを解析デバイスに送信し、解析デバイスは、新たなECNパラメータサンプルに基づいて実行された訓練を通じて取得されたECN推論モデルをネットワークデバイスに送信する。これは、ネットワークデバイス内のECN推論モデルの動的な構成を実現し、ECN構成パラメータの動的な調整を実現する。
例えば、図８は、この出願の実施形態による解析デバイスとネットワークデバイスとの間のデータ相互作用の概略図である。図８に示すように、解析デバイスは、構成モデル最適化モジュールと、最適化監視モジュールと、サンプル集約モジュールとを含む。サンプル集約モジュールは、ECNパラメータサンプル、ターゲット指示情報等を含む、ネットワークデバイスにより送信されたデータを集約及びソートするように構成される。最適化監視モジュールは、ECN推論モデル更新条件が満たされるか否かを評価するように構成される。構成モデル最適化モジュールは、ECN推論モデル更新条件が満たされたと最適化監視モジュールが決定した後に、サンプル集約モジュール内のデータに基づいて既存のECN推論モデルを更新し、最適化ECN推論モデルをネットワークデバイスに送信するように構成される。ネットワークデバイスは、ECN構成推論モジュールと、推論信頼性評価モジュールと、構成修正モジュールとを含む。ECN構成推論モジュールは、ネットワーク状態情報を収集し、ネットワーク状態情報をECN推論モデルに入力し、ECN推論モデルにより出力されたECN構成パラメータ及び信頼性を取得するように構成される。推論信頼性評価モジュールは、ECN推論モデルにより出力されたECN構成パラメータの信頼性を評価するように構成される。構成修正モジュールは、ECN推論モデルにより出力されたECN構成パラメータの信頼性が信頼性閾値未満であるとき、ネットワークデバイスの伝送性能の変化に基づいてECN構成パラメータを調整し、ECNパラメータサンプルを解析デバイスに送信するように構成される。
結論として、この出願の実施形態において提供される輻輳制御方法では、ネットワークデバイスは、ECNパラメータサンプルを解析デバイスに送信し、それにより、解析デバイスは、ECNパラメータサンプルを使用することにより訓練を実行し、ターゲットECN推論モデルを取得する。次いで、解析デバイスは、ターゲットECN推論モデルをネットワークデバイスに送信し、ネットワークデバイスは、ターゲットECN推論モデルを使用することにより新たなECN構成パラメータを決定する。言い換えると、解析デバイスは、ネットワークデバイス内のECN推論モデルを動的に構成してもよい。これは、ネットワークデバイス内のECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。
任意選択で、解析デバイスにより管理されるネットワークにおける複数のネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないとき、及び/又は、ネットワークデバイスが伝送性能に基づいてECN構成パラメータを調整するとき、ネットワークデバイスは、ネットワークデバイスの伝送性能を改善できるECN構成パラメータを取得するのに失敗する可能性があり、解析デバイスは、ネットワークデバイスにより送信されたECNパラメータサンプルを使用することにより訓練を実行し、ターゲットECN推論モデルを取得する。そうでない場合、解析デバイスはECN推論モデルを取得するために訓練を実行する必要はない。このように、解析デバイスにより管理されるネットワークデバイス内のECN推論モデルの信頼性が確保され、解析デバイスがECN推論モデルを更新する回数が低減され、それにより、解析デバイスの計算リソースを節約する。さらに、解析デバイスは、ターゲットECN推論モデルを、信頼性が信頼性閾値未満であるECN構成パラメータを出力するECN推論モデルを含むネットワークデバイスのみに更に送信してもよい。これは伝送リソースを節約し、信頼性が信頼性閾値以上であるECN構成パラメータを出力するECN推論モデルを含むネットワークデバイスの処理リソースを節約する。
図９は、この出願の実施形態による他の輻輳制御方法の概略フローチャートである。当該方法は、図２に示す輻輳制御システムに適用されてもよい。図９に示すように、当該方法は以下のステップを含む。
ステップ901:解析デバイスは、ECN推論モデル取得要求をクラウドデバイスに送信する。
ECN推論モデル取得要求は、解析デバイスにより管理されるネットワークで搬送されるターゲットサービスタイプを含む。任意選択で、解析デバイスは、クラウドデバイスにより管理されるいずれかの解析デバイスでもよい。ECN推論モデル取得要求は、解析デバイスの識別子を更に含んでもよい。解析デバイスの識別子は、解析デバイスのMACアドレス又はハードウェアアドレスのような解析デバイスを一意に識別できる情報でもよい。
任意選択で、解析デバイスは、ネットワーク配備の初期段階においてECN推論モデル取得要求をクラウドデバイスに送信し、解析デバイスにより管理されるネットワークにおいて構成される必要がある初期ECN推論モデルを取得するよう要求してもよい。代替として、ネットワークデバイスのECN構成パラメータの信頼性が解析デバイスにより管理されるネットワークにおいて通常では低いとき、解析デバイスは、ECN推論モデル取得要求をクラウドデバイスに送信してもよい。解析デバイスがECN推論モデル取得要求をクラウドデバイスに送信するトリガ条件は、この出願のこの実施形態では限定されない。
ステップ902:クラウドデバイスは、サービスタイプとECN推論モデルとの間の対応関係に基づいて、ターゲットサービスタイプに対応する第2のECN推論モデルを決定する。
対応関係は、1対1の対応関係にある複数のサービスタイプ及び複数のECN推論モデルを含む。例えば、クラウドデバイスに記憶される対応関係は、分散ストレージサービス及び分散ストレージサービスに対応するECN推論モデルと、高性能コンピューティングサービス及び高性能コンピューティングサービスに対応するECN推論モデルと、AI推論サービス及びAI推論サービスに対応するECN推論モデルとを含む。
任意選択で、クラウドデバイスは、クラウドデバイスにより管理される複数の解析デバイスにより送信されたECNメッセージを受信する。ECNメッセージは、解析デバイスにおける第1のECN推論モデルと、第1のECN推論モデルに対応するサービスタイプの識別子とをそれぞれ含む。クラウドデバイスは、複数の解析デバイスにより送信されたECNメッセージに基づいて対応関係を生成する。解析デバイスにより送信されたECNメッセージにおける第1のECN推論モデルを取得する方式については、ステップ706においてターゲットECN推論モデルを取得する方式を参照する。この出願のこの実施形態では、詳細はここでは再び説明しない。
この出願のこの実施形態では、訓練を通じて解析デバイスにより取得されたECN推論モデルは、第1のECN推論モデルと呼ばれる。言い換えると、解析デバイスによりクラウドデバイスに送信されるECNメッセージに含まれるECN推論モデルは、第1のECN推論モデルである。訓練を通じてクラウドデバイスにより取得されたECN推論モデルは、第2のECN推論モデルと呼ばれる。言い換えると、クラウドデバイスにより解析デバイスに送信されるECN推論モデルは、第2のECN推論モデルである。
任意選択で、クラウドデバイスが複数の解析デバイスにより送信されたECNメッセージに基づいて対応関係を生成する実現プロセスは以下を含む。クラウドデバイスは、サービスタイプに基づいて複数のECNメッセージにおける第1のECN推論モデルを分類し、1つ以上のモデルクラスを取得する。同じモデルクラスの第1のECN推論モデルは同じサービスタイプに対応する。複数の第1のECN推論モデルを含む各モデルクラスについて、クラウドデバイスは、モデルクラスにおける複数の第1のECN推論モデルに対してモデル反復処理を実行し、モデルクラスに対応する1つの第2のECN推論モデルを取得する。クラウドデバイスが複数の第1のECN推論モデルに対してモデル反復処理を実行することは、複数の第1のECN推論モデルに対してモデル構造最適化を実行すること、及び/又は複数の第1のECN推論モデルのモデルパラメータデータに基づいてモデルパラメータを調整すること等を行い、最終的に1つの第2のECN推論モデルを取得することを含んでもよい。例えば、複数の第1のECN推論モデルにおける同じモデルパラメータの平均値又は中央値が取得されてもよい。
例えば、クラウドデバイスが5つの解析デバイスにより送信されたECNメッセージを受信し、5つの解析デバイスが解析デバイス1～5であると仮定する。解析デバイス1により管理されるネットワークで搬送されるサービスタイプはサービスタイプ1であり、解析デバイス2により管理されるネットワークで搬送されるサービスタイプはサービスタイプ2であり、解析デバイス3により管理されるネットワークで搬送されるサービスタイプはサービスタイプ1であり、解析デバイス4により管理されるネットワークで搬送されるサービスタイプはサービスタイプ1であり、解析デバイス5により管理されるネットワークで搬送されるサービスタイプはサービスタイプ2である。この場合、クラウドデバイスは、解析デバイス1、解析デバイス3及び解析デバイス4により送信されるECN推論モデルを或るモデルクラスとして分類し、解析デバイス2及び解析デバイス5により送信されるECN推論モデルを他のモデルクラスとして分類する。モデル反復処理は、2つのモデルクラスのECN推論モデルに対して別々に実行され、最終的にサービスタイプ1に対応するECN推論モデル(ECN推論モデル1と呼ばれる)及びサービスタイプ2に対応するECN推論モデル(ECN推論モデル2と呼ばれる)を取得する。
ステップ903:クラウドデバイスは、ターゲットサービスタイプに対応する第2のECN推論モデルを解析デバイスに送信する。
例えば、ステップ902における例を参照して、ターゲットサービスタイプがサービスタイプ1であると仮定すると、クラウドデバイスは、ECN推論モデル1を解析デバイスに送信する。任意選択で、クラウドデバイスにより送信されたECN推論モデルを受信した後に、解析デバイスは、オリジナルのECN推論モデルをECN推論モデルに置き換え、すなわち、解析デバイス内のECN推論モデルを更新する。
ステップ904:解析デバイスは、ターゲットサービスタイプに対応する第2のECN推論モデルをネットワークデバイスに送信する。
任意選択で、解析デバイスは、第2のECN推論モデルを、解析デバイスにより管理される一部又は全部のネットワークデバイスに送信してもよい。例えば、第2のECN推論モデルが解析デバイスにより管理されるネットワークにおいて構成される必要がある初期ECN推論モデルとして使用されるとき、解析デバイスは、第2のECN推論モデルを解析デバイスにより管理される全てのネットワークデバイスに送信してもよい。
この出願のこの実施形態では、クラウドデバイスは、クラウドデバイスにより管理される解析デバイスにより送信されたECN情報に基づいて、1つ以上のサービスタイプに対応するECN推論モデルを決定してもよい。解析デバイスは、クラウドデバイスから、解析デバイスにより管理されるネットワークで搬送されるサービスタイプに対応するECN推論モデルを取得し、次いで、ECN推論モデルを、解析デバイスにより管理されるネットワークデバイスに送信してもよい。これは、ネットワークデバイス内のECN推論モデルの動的な構成を実現し、ECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。さらに、各サービスタイプに対応するECN推論モデルがクラウドデバイスに記憶される。これは、新たなネットワーク配備又は将来のネットワーキング変更のための堅実な初期ECN推論モデルを提供する。
任意選択で、解析デバイスにより送信された第2のECN推論モデルを受信した後に、ネットワークデバイスは、第2のECN推論モデルを使用することによりネットワークデバイス内のオリジナルのECN推論モデルを更新する。
ステップ905:ネットワークデバイスは、第1の期間内のネットワークデバイスの第1のネットワーク状態情報を取得する。
ステップ906:ネットワークデバイスは、第1のネットワーク状態情報をネットワークデバイスのECN推論モデルに入力し、第1のネットワーク状態情報に基づいてECN推論モデルにより出力された推論結果を取得する。
ステップ907:ネットワークデバイスは、第1のネットワーク状態情報に基づいてECN推論モデルにより出力された推論結果に基づいて、ターゲットECN構成パラメータを取得する。
ステップ908:ネットワークデバイスは、ターゲットECN構成パラメータを使用することにより、第2の期間内に輻輳制御を実行する。
ステップ909:ネットワークデバイスは、ECNパラメータサンプルを解析デバイスに送信する。
ステップ910:解析デバイスは、ECNパラメータサンプルを使用することにより訓練を実行し、第1のECN推論モデルを取得する。
ステップ911:解析デバイスは、第1のECN推論モデルをネットワークデバイスに送信する。
ステップ912:ネットワークデバイスは、第1のECN推論モデルを使用することにより、ネットワークデバイス内のECN推論モデルを更新する。
ステップ905～ステップ912の実現プロセス及び関連する説明については、ステップ701～708の実現プロセス及び関連する説明を参照する。この出願のこの実施形態では、詳細はここでは再び説明しない。
ステップ913:解析デバイスは、ECNメッセージをクラウドデバイスに送信する。
ECNメッセージは、第1のECN推論モデルと、第1のECN推論モデルに対応するサービスタイプの識別子とを含む。任意選択で、ECNメッセージは、ネットワークデバイスにより管理されるネットワークのネットワーキング情報を更に含む。
解析デバイスにより送信されたECNメッセージを受信した後に、クラウドデバイスは、ECNメッセージにおけるサービスタイプの識別子に基づいて第1のECN推論モデルを分類し、更新モデルクラスに対してモデル反復処理を再実行し、モデルクラスに対応する新たな第2のECN推論モデルを取得する。
例えば、上記の解析デバイスが解析デバイス6であり、解析デバイス6により管理されるネットワークで搬送されるサービスタイプはサービスタイプ1であると仮定する。ステップ902における例を参照して、クラウドデバイスは、解析デバイス6により送信されたECNメッセージにおけるECN推論モデルを、解析デバイス1、解析デバイス3及び解析デバイス4により送信されるECN推論モデルが位置するモデルクラスに追加する。次いで、クラウドデバイスは、モデルクラスに対してモデル反復処理を再実行し、サービスタイプ1に対応する更新された第2のECN推論モデルを取得する。
この出願のこの実施形態では、解析デバイスとクラウドデバイスとの間で伝送されるデータは、ECN推論モデル及びサービスタイプのような匿名化されたデータを含み、ネットワーク状態情報のような機密性の高い顧客データは通常では伝送されない。したがって、ネットワークセキュリティ及びプライバシーが確保される。明らかに、ネットワークデバイスは、ECNパラメータサンプルをクラウドデバイスに直接送信してもよい。クラウドデバイスは、全体のネットワークにおける多数のネットワークデバイスにより送信されたECNパラメータサンプルに基づいて訓練を実行し、各サービスタイプに対応するECN推論モデルを取得し、次いで、ECN推論モデルをネットワークデバイスに直接送信する。
例えば、図１０は、この出願の実施形態によるクラウドデバイスと解析デバイスとネットワークデバイスとの間のデータ相互作用の概略図である。図１０に示すように、クラウドデバイスは、構成モデル集約モジュールと、シナリオソートモジュールと、構造最適化モジュールと、モデル共同学習モジュールとを含む。構成モデル集約モジュールは、ECN推論モデルとサービスタイプを含む、各解析デバイスにより送信されたECN情報を収集するように構成される。シナリオソートモジュールは、サービスタイプに基づいてECN推論モデルを分類し、1つ以上のモデルクラスを取得するように構成される。構造最適化モジュールは、モデルクラスにおけるECN推論モデルに対してモデル構造最適化を実行するように構成される。モデル共同学習モジュールは、モデルクラスにおける複数のECN推論モデルにおけるモデルパラメータに対して共同最適化を実行し、解析デバイスにより管理されるネットワークで搬送されるサービスタイプに対応する一般化ECN推論モデルを解析デバイスに送信するように構成される。解析デバイスは、構成モデル最適化モジュールと、最適化監視モジュールと、サンプル集約モジュールとを含む。サンプル集約モジュールは、ECNパラメータサンプル、ターゲット指示情報等を含む、ネットワークデバイスにより送信されたデータを集約及びソートするように構成される。最適化監視モジュールは、ECN推論モデル更新条件が満たされるか否かを評価するように構成される。構成モデル最適化モジュールは、ECN推論モデル更新条件が満たされたと最適化監視モジュールが決定した後に、サンプル集約モジュール内のデータに基づいて既存のECN推論モデルを更新し、最適化ECN推論モデルをネットワークデバイスに送信し、最適化推論モデルを含むECN情報をクラウドデバイスに送信するように構成される。代替として、構成モデル最適化モジュールは、クラウドデバイスにより送信された一般化ECN推論モデルをネットワークデバイスに直接転送する。言い換えると、構成モデル最適化モジュールは、最適化ECN推論モデル又は一般化ECN推論モデル(略して最適化/一般化ECN推論モデル)をネットワークデバイスに送信してもよい。ネットワークデバイスは、ECN構成推論モジュールと、推論信頼性評価モジュールと、構成修正モジュールとを含む。ECN構成推論モジュールは、ネットワーク状態情報を収集し、ネットワーク状態情報をECN推論モデルに入力し、ECN推論モデルにより出力されたECN構成パラメータ及び信頼性を取得するように構成される。推論信頼性評価モジュールは、ECN推論モデルにより出力されたECN構成パラメータの信頼性を評価するように構成される。構成修正モジュールは、ECN推論モデルにより出力されたECN構成パラメータの信頼性が信頼性閾値未満であるとき、ネットワークデバイスの伝送性能の変化に基づいてECN構成パラメータを調整し、ECNパラメータサンプルを解析デバイスに送信するように構成される。
結論として、この出願の実施形態において提供される輻輳制御方法では、クラウドデバイスは、クラウドデバイスにより管理される解析デバイスにより送信されたECN情報に基づいて、1つ以上のサービスタイプに対応するECN推論モデルを決定してもよい。解析デバイスは、クラウドデバイスから、解析デバイスにより管理されるネットワークで搬送されるサービスタイプに対応するECN推論モデルを取得し、次いで、ECN推論モデルを、解析デバイスにより管理されるネットワークデバイスに送信してもよい。これは、ネットワークデバイス内のECN推論モデルの動的な構成を実現し、ECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。
さらに、ネットワークデバイスは、ECNパラメータサンプルを解析デバイスに送信し、それにより、解析デバイスは、ECNパラメータサンプルを使用することにより訓練を実行し、ECN推論モデルを取得する。解析デバイスは、ECN推論モデルをネットワークデバイスに送信し、次いで、ネットワークデバイスは、ECN推論モデルを使用することにより新たなECN構成パラメータを決定する。言い換えると、解析デバイスは、ネットワークデバイス内のECN推論モデルを動的に構成してもよい。これは、ネットワークデバイス内のECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。
任意選択で、解析デバイスは、ECN推論モデルを含むECN情報をクラウドデバイスに送信し、それにより、クラウドデバイスは、サービスタイプに対応するECN推論モデルを更新し、クラウドデバイスに記憶されたECN推論モデルの信頼性を改善する。各サービスタイプに対応するECN推論モデルはクラウドデバイスに記憶される。これは、新たなネットワーク配備又は将来のネットワーキング変更のための堅実な初期ECN推論モデルを提供する。
この出願の実施形態において提供される輻輳制御方法におけるステップの順序は、適切に調整されてもよく、或いは、状況に基づいてステップが対応して追加又は削除されてもよい。この出願に開示の技術的範囲内で当業者により容易に理解される如何なる変形も、この出願の保護範囲に入るものとし、詳細はここでは説明しない。
図１１は、この出願の実施形態による輻輳制御装置の概略構造図である。当該装置は、図１又は図２に示す輻輳制御システム内のネットワークデバイスにおいて使用されてもよい。図１１に示すように、当該装置110は、
第1の期間内のネットワークデバイスの第1のネットワーク状態情報をECN推論モデルに入力し、第1のネットワーク状態情報に基づいてECN推論モデルにより出力された推論結果を取得するように構成された処理モジュール1101であり、推論結果は、オリジナルのECN構成パラメータと、オリジナルのECN構成パラメータの信頼性とを含む、処理モジュール1101と、
ECNパラメータサンプルを、ネットワークデバイスを管理する解析デバイスに送信するように構成された送信モジュール1102であり、ECNパラメータサンプルは、第1のネットワーク状態情報と、第1のネットワーク状態情報に対応するターゲットECN構成パラメータとを含み、ターゲットECN構成パラメータは、推論結果に基づいて取得される、送信モジュール1102と、
解析デバイスにより送信された更新ECN推論モデルを受信するように構成された受信モジュール1103であり、更新ECN推論モデルは、ECNパラメータサンプルに基づいて実行された訓練を通じて取得される、受信モジュール1103と
を含む。
結論として、この出願の実施形態において提供される輻輳制御装置では、ネットワークデバイスは、送信モジュールを通じてECNパラメータサンプルを解析デバイスに送信し、それにより、解析デバイスは、ECNパラメータサンプルを使用することにより訓練を実行し、ターゲットECN推論モデルを取得する。次いで、解析デバイスは、更新ECN推論モデルをネットワークデバイスに送信し、ネットワークデバイスは、更新ECN推論モデルを使用することにより新たなECN構成パラメータを決定する。言い換えると、解析デバイスは、ネットワークデバイス内のECN推論モデルを動的に構成してもよい。これは、ネットワークデバイス内のECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。
任意選択で、処理モジュール1101は、ターゲットECN構成パラメータを使用することにより第2の期間内に輻輳制御を実行するように更に構成され、第2の期間は、時系列において第1の期間よりも遅い。
任意選択で、処理モジュール1101は、オリジナルのECN構成パラメータの信頼性が信頼性閾値未満であるとき、ネットワークデバイスの伝送性能の変化に基づいて、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータを調整し、調整されたECN構成パラメータをターゲットECN構成パラメータとして使用するように更に構成される。
任意選択で、処理モジュール1101は、第1の期間内のネットワークデバイスの伝送性能が第3の期間内のネットワークデバイスの伝送性能と比較して改善されたとき、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータにおけるECN閾値を増加させ、及び/又は、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータにおけるECNマーキング確率を低下させ、或いは、第1の期間内のネットワークデバイスの伝送性能が第3の期間内のネットワークデバイスの伝送性能と比較して劣化したとき、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータにおけるECN閾値を低下させ、及び/又は、第1の期間内にネットワークデバイスにより使用されるECN構成パラメータにおけるECNマーキング確率を増加させるように更に構成される。第3の期間は、時系列において第1の期間よりも早い。ECNマーキング確率は、出口キューのキュー深さがECN最大閾値に達したとき、出口キューに追加されるべきデータパケットに対してECNマーキングを実行する確率である。
任意選択で、処理モジュール1101は、第1の期間内のネットワークデバイスの帯域幅利用率が第3の期間内のネットワークデバイスの帯域幅利用率よりも高いとき、第1の期間内のネットワークデバイスのキュー深さが第3の期間内のネットワークデバイスのキュー深さ未満であると決定し、及び/又は、第1の期間内のネットワークデバイスのECNパケット比が第3の期間内のネットワークデバイスのECNパケット比未満であるとき、第1の期間内のネットワークデバイスの伝送性能が第3の期間内のネットワークデバイスの伝送性能と比較して改善されていると決定するように更に構成される。
任意選択で、処理モジュール1101は、オリジナルのECN構成パラメータの信頼性が信頼性閾値以上であるとき、オリジナルのECN構成パラメータをターゲットECN構成パラメータとして使用するように更に構成される。
任意選択で、送信モジュール1102は、オリジナルのECN構成パラメータの信頼性が信頼性閾値未満であるとき、ターゲット指示情報を解析デバイスに送信するように更に構成される。ターゲット指示情報は、ネットワークデバイスの識別子を含み、ターゲット指示情報は、ネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないことを示すために使用される。
任意選択で、ターゲット指示情報は、オリジナルのECN構成パラメータの信頼性を含む。
任意選択で、処理モジュール1101は、更新ECN推論モデルを使用することにより、ネットワークデバイス内のECN推論モデルを更新するように更に構成される。
任意選択で、第1のネットワーク状態情報は、第1の期間内のネットワークデバイスのキュー情報、スループット情報及び輻輳情報のうち1つ以上を含む。
結論として、この出願の実施形態において提供される輻輳制御装置では、ネットワークデバイスは、送信モジュールを通じてECNパラメータサンプルを解析デバイスに送信し、それにより、解析デバイスは、ECNパラメータサンプルを使用することにより訓練を実行し、ECN推論モデルを取得する。次いで、解析デバイスは、更新ECN推論モデルをネットワークデバイスに送信し、ネットワークデバイスは、更新ECN推論モデルを使用することにより新たなECN構成パラメータを決定する。言い換えると、解析デバイスは、ネットワークデバイス内のECN推論モデルを動的に構成してもよい。これは、ネットワークデバイス内のECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。さらに、ネットワークデバイスは、送信モジュールを通じてターゲット指示情報を解析デバイスに送信し、ネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないことを解析デバイスに通知してもよく、それにより、解析デバイスは、ネットワークデバイス内のECN推論モデルを適時に効果的に更新でき、それにより、ネットワークデバイス内のECN推論モデルの更新柔軟性を改善する。
図１２は、この出願の実施形態による他の輻輳制御装置の概略構造図である。当該装置は、図１又は図２に示す輻輳制御システム内の解析デバイスにおいて使用されてもよい。図１２に示すように、当該装置120は、
解析デバイスにより管理されるネットワークデバイスにより送信されたECNパラメータサンプルを受信するように構成された第1の受信モジュール1201であり、ECNパラメータサンプルは、ネットワークデバイスのネットワーク状態情報と、ネットワーク状態情報に対応するターゲットECN構成パラメータとを含む、第1の受信モジュール1201と、
ECNパラメータサンプルを使用することにより訓練を実行し、第1のECN推論モデルを取得するように構成された処理モジュール1202と、
第1のECN推論モデルをネットワークデバイスに送信するように構成された第1の送信モジュール1203と
を含む。
結論として、この出願の実施形態において提供される輻輳制御装置では、解析デバイスは、第1の受信モジュールを通じて、ネットワークデバイスにより送信されたECNパラメータサンプルを受信し、処理モジュールを通じてECNパラメータサンプルを使用することにより訓練を実行し、ECN推論モデルを取得し、次いで、第1の送信モジュールを通じて更新ECN推論モデルをネットワークデバイスに送信する。次いで、ネットワークデバイスは、更新ECN推論モデルを使用することにより新たなECN構成パラメータを決定してもよい。言い換えると、解析デバイスは、ネットワークデバイス内のECN推論モデルを動的に構成してもよい。これは、ネットワークデバイス内のECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。
任意選択で、処理モジュール1202は、ECN推論モデル更新条件が満たされたとき、ECNパラメータサンプルを使用することにより訓練を実行し、第1のECN推論モデルを取得するように構成される。ECN推論モデル更新条件は、以下のもの、すなわち、ターゲット指示情報を解析デバイスに送信したネットワークデバイスの数がデバイス数閾値に達したこと、解析デバイスが第1の持続時間内にターゲット指示情報を受信した累積回数が第1の数閾値に達したこと、及び/又は、解析デバイスが第2の持続時間内に解析デバイスにより管理されるいずれかのネットワークデバイスにより送信されたターゲット指示情報を受信した回数が第2の数閾値に達したことを含む。ターゲット指示情報は、ターゲット指示情報を送信するネットワークデバイスの識別子を含み、ターゲット指示情報は、ターゲット指示情報を送信するネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないことを示すために使用される。
任意選択で、第1の送信モジュール1203は、解析デバイスがネットワークデバイスにより送信されたターゲット指示情報を受信したとき、第1のECN推論モデルをネットワークデバイスに送信するように構成される。
任意選択で、図１３に示すように、当該装置120は、第2の送信モジュール1204を更に含む。
第2の送信モジュール1204は、ECNメッセージをクラウドデバイスに送信するように構成されてもよく、ECNメッセージは、第1のECN推論モデルと、第1のECN推論モデルに対応するサービスタイプの識別子とを含む。
任意選択で、ECNメッセージは、ネットワークデバイスにより管理されるネットワークのネットワーキング情報を更に含む。
任意選択で、更に図１３に示すように、当該装置は、第2の受信モジュール1025を更に含む。
第2の送信モジュール1204は、ECN推論モデル取得要求をクラウドデバイスに送信するように構成され、ECN推論モデル取得要求は、解析デバイスにより管理されるネットワークで搬送されるターゲットサービスタイプを含む。第2の受信モジュール1205は、ターゲットサービスタイプに対応し且つクラウドデバイスにより送信された第2のECN推論モデルを受信するように構成される。第1の送信モジュール1203は、第2のECN推論モデルを、解析デバイスにより管理されるネットワークデバイスに送信するように更に構成される。
結論として、この出願の実施形態において提供される輻輳制御装置では、解析デバイスは、第1の受信モジュールを通じて、ネットワークデバイスにより送信されたECNパラメータサンプルを受信し、処理モジュールを通じてECNパラメータサンプルを使用することにより訓練を実行し、ECN推論モデルを取得し、次いで、第1の送信モジュールを通じて更新ECN推論モデルをネットワークデバイスに送信する。次いで、ネットワークデバイスは、更新ECN推論モデルを使用することにより新たなECN構成パラメータを決定してもよい。言い換えると、解析デバイスは、ネットワークデバイス内のECN推論モデルを動的に構成してもよい。これは、ネットワークデバイス内のECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。さらに、ネットワークデバイスは、ターゲット指示情報を解析デバイスに送信し、ネットワークデバイス内のECN推論モデルがネットワークデバイスに適合しないことを解析デバイスに通知してもよく、それにより、解析デバイスは、ネットワークデバイス内のECN推論モデルを適時に効果的に更新でき、それにより、ネットワークデバイス内のECN推論モデルの更新柔軟性を改善する。解析デバイスは、ターゲットECN推論モデルを、ターゲット指示情報を送信したネットワークデバイスのみに送信し、伝送リソースを節約し、信頼性が信頼性閾値以上であるECN構成パラメータを出力するECN推論モデルを含むネットワークデバイスの処理リソースを節約してもよい。
図１４は、この出願の実施形態による更に他の輻輳制御装置の概略構造図である。当該装置は、図１又は図２に示す輻輳制御システム内のクラウドデバイスにおいて使用されてもよい。図１４に示すように、当該装置140は、
クラウドデバイスにより管理される解析デバイスにより送信されたECN推論モデル取得要求を受信するように構成された受信モジュール1401であり、ECN推論モデル取得要求は、解析デバイスにより管理されるネットワークで搬送されるターゲットサービスタイプを含む、受信モジュール1401と、
サービスタイプとECN推論モデルとの間の対応関係に基づいて、ターゲットサービスタイプに対応する第2のECN推論モデルを決定するように構成された処理モジュール1402であり、対応関係は、1対1の対応関係にある複数のサービスタイプ及び複数のECN推論モデルを含む、処理モジュール1402と、
第2のECN推論モデルを解析デバイスに送信するように構成された送信モジュール1403と
を含む。
結論として、この出願の実施形態において提供される輻輳制御装置では、クラウドデバイスは、受信モジュールを通じて、クラウドデバイスにより管理される解析デバイスにより送信されたECN情報を受信し、処理モジュールを通じて1つ以上のサービスタイプに対応するECN推論モデルを決定してもよい。解析デバイスは、クラウドデバイスから、解析デバイスにより管理されるネットワークで搬送されるサービスタイプに対応するECN推論モデルを取得し、次いで、ECN推論モデルを、解析デバイスにより管理されるネットワークデバイスに送信してもよい。これは、ネットワークデバイス内のECN推論モデルの動的な構成を実現し、ECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。さらに、各サービスタイプに対応するECN推論モデルはクラウドデバイスに記憶される。これは、新たなネットワーク配備又は将来のネットワーキング変更のための堅実な初期ECN推論モデルを提供する。
任意選択で、受信モジュール1401は、クラウドデバイスにより管理される複数の解析デバイスにより送信されたECNメッセージを受信するように更に構成される。ECNメッセージは、解析デバイスにおける第1のECN推論モデルと、第1のECN推論モデルに対応するサービスタイプの識別子とをそれぞれ含む。処理モジュール1402は、複数の解析デバイスにより送信されたECNメッセージに基づいて対応関係を生成するように更に構成される。
任意選択で、処理モジュール1402は、サービスタイプに基づいて複数のECNメッセージにおける第1のECN推論モデルを分類し、1つ以上のモデルクラスを取得し、同じモデルクラスの第1のECN推論モデルは同じサービスタイプに対応し、複数の第1のECN推論モデルを含む各モデルクラスについて、モデルクラスにおける複数の第1のECN推論モデルに対してモデル反復処理を実行し、モデルクラスに対応する1つの第2のECN推論モデルを取得する、ように更に構成される。
結論として、この出願の実施形態において提供される輻輳制御装置では、クラウドデバイスは、受信モジュールを通じて、クラウドデバイスにより管理される解析デバイスにより送信されたECN情報を受信し、処理モジュールを通じて1つ以上のサービスタイプに対応するECN推論モデルを決定してもよい。解析デバイスは、クラウドデバイスから、解析デバイスにより管理されるネットワークで搬送されるサービスタイプに対応するECN推論モデルを取得し、次いで、ECN推論モデルを、解析デバイスにより管理されるネットワークデバイスに送信してもよい。これは、ネットワークデバイス内のECN推論モデルの動的な構成を実現し、ECN構成パラメータの動的な調整を実現し、ネットワーク輻輳制御の柔軟性を改善する。さらに、各サービスタイプに対応するECN推論モデルはクラウドデバイスに記憶される。これは、新たなネットワーク配備又は将来のネットワーキング変更のための堅実な初期ECN推論モデルを提供する。
上記の実施形態における装置について、各モジュールによる動作の具体的な方式は、方法に関連する実施形態において詳細に記載されており、詳細はここでは再び説明しない。
この出願の実施形態は、プロセッサ及びメモリを含むネットワークデバイスを提供する。
メモリは、コンピュータプログラムを記憶するように構成され、コンピュータプログラムは、プログラム命令を含む。
プロセッサは、コンピュータプログラムを呼び出し、図７又は図９に示す輻輳制御方法においてネットワークデバイスにより実行されるステップを実現するように構成される。
この出願の実施形態は、プロセッサ及びメモリを含む解析デバイスを提供する。
メモリは、コンピュータプログラムを記憶するように構成され、コンピュータプログラムは、プログラム命令を含む。
プロセッサは、コンピュータプログラムを呼び出し、図７又は図９に示す輻輳制御方法において解析デバイスにより実行されるステップを実現するように構成される。
この出願の実施形態は、プロセッサ及びメモリを含むクラウドデバイスを提供する。
メモリは、コンピュータプログラムを記憶するように構成され、コンピュータプログラムは、プログラム命令を含む。
プロセッサは、コンピュータプログラムを呼び出し、図９に示す輻輳制御方法においてクラウドデバイスにより実行されるステップを実現するように構成される。
例えば、図１５は、この出願の実施形態による輻輳制御装置のブロック図である。輻輳制御装置は、ネットワークデバイス、解析デバイス又はクラウドデバイスでもよい。図１５に示すように、輻輳制御装置150は、プロセッサ1501及びメモリ1502を含む。
メモリは、コンピュータプログラムを記憶するように構成され、コンピュータプログラムは、プログラム命令を含む。
プロセッサは、コンピュータプログラムを呼び出し、図７又は図９に示す輻輳制御方法においてネットワークデバイスにより実行されるステップを実現するように、或いは、図７又は図９に示す輻輳制御方法において解析デバイスにより実行されるステップを実現するように、或いは、図９に示す輻輳制御方法においてクラウドデバイスにより実行されるステップを実現するように構成される。
任意選択で、輻輳制御装置150は、通信バス1503及び通信インタフェース1504を更に含む。
プロセッサ1501は、1つ以上の処理コアを含み、プロセッサ1501は、コンピュータプログラムを動作させることにより、様々な機能アプリケーション及びデータ処理を実行する。
メモリ1502は、コンピュータプログラムを記憶するように構成されてもよい。任意選択で、メモリは、少なくとも1つの機能により必要とされるオペレーティングシステム及びアプリケーションプログラムユニットを記憶してもよい。オペレーティングシステムは、リアルタイムエグゼクティブ(Real Time executive, RTX)、LINUX、UNIX、WINDOWS又はOS Xのようなオペレーティングシステムでもよい。
複数の通信インタフェース1504が存在してもよく、通信インタフェース1504は、他のデバイスと通信するように構成される。例えば、この出願のこの実施形態では、輻輳制御装置150がネットワークデバイスであるとき、通信インタフェース1504は、ECNパラメータサンプルを解析デバイスに送信するように構成されてもよい。輻輳制御装置150が解析デバイスであるとき、通信インタフェース1504は、ECN推論モデルをネットワークデバイス及び/又はクラウドデバイスに送信するように構成されてもよい。輻輳制御装置150がクラウドデバイスであるとき、通信インタフェース1504は、ECN推論モデルを解析デバイスに送信するように構成されてもよい。
メモリ1502及び通信インタフェース1504は、通信バス1503を通じてプロセッサ1501に別々に接続される。
この出願の実施形態は、ネットワークデバイス及び解析デバイスを含む輻輳制御システムを更に提供する。ネットワークデバイスは、図１１又は図１５に示す輻輳制御装置を含む。解析デバイスは、図１２、図１３又は図１５に示す輻輳制御装置を含む。例えば、輻輳制御システムは、図１に示すものでもよい。
任意選択で、当該システムは、クラウドデバイスを更に含み、クラウドデバイスは、図１４又は図１５に示す輻輳制御装置を含む。例えば、輻輳制御システムは、図２に示すものでもよい。
この出願の実施形態は、コンピュータ記憶媒体を更に提供する。コンピュータ記憶媒体は命令を記憶する。命令がコンピュータデバイスのプロセッサにより実行されたとき、上記の方法の実施形態における輻輳制御方法においてネットワークデバイス、解析デバイス又はクラウドデバイスにより実行されるステップが実現される。
当業者は、実施形態のステップの全部又は一部がハードウェア又は関連するハードウェアに命令するプログラムにより実現されてもよいことを理解し得る。プログラムは、コンピュータ読み取り可能記憶媒体に記憶されてもよい。記憶媒体は、読み取り専用メモリ、磁気ディスク、コンパクトディスク等でもよい。
この出願の実施形態では、「第1」、「第2」及び「第3」という用語は、単に説明の目的のために使用されており、相対的重要性の指示又は暗示として理解されないものとする。
この出願における「及び/又は」という用語は、関連する対象物を記述するための関連付け関係のみを記述し、3つの関係が存在し得ることを示す。例えば、A及び/又はBは、以下の3つの場合、すなわち、Aのみ存在すること、AとBとの双方が存在すること、及びBのみ存在することを示してもよい。さらに、この明細書における「/」という文字は、一般的に関連する対象物の間の「又は」の関係を示す。
上記の説明は、この出願の単なる任意選択の実施形態であり、この出願を限定することを意図するものではない。この出願の概念及び原理から逸脱することなく行われる如何なる変更、等価置換、改良等も、この出願の保護範囲内に入るものとする。

Claims (25)

  1. 輻輳制御方法であって、
    ネットワークデバイスにより、第1の期間内の前記ネットワークデバイスの第1のネットワーク状態情報を明示的輻輳通知(ECN)推論モデルに入力し、前記第1のネットワーク状態情報に基づいて前記ECN推論モデルにより出力された推論結果を取得するステップであり、前記推論結果は、オリジナルのECN構成パラメータと、前記オリジナルのECN構成パラメータの信頼性とを含む、ステップと、
    前記ネットワークデバイスにより、ECNパラメータサンプルを、前記ネットワークデバイスを管理する解析デバイスに送信するステップであり、前記ECNパラメータサンプルは、前記第1のネットワーク状態情報と、前記第1のネットワーク状態情報に対応するターゲットECN構成パラメータとを含み、前記ターゲットECN構成パラメータは、前記推論結果に基づいて取得される、ステップと、
    前記ネットワークデバイスにより、前記解析デバイスにより送信された更新ECN推論モデルを受信するステップであり、前記更新ECN推論モデルは、前記ECNパラメータサンプルに基づいて実行された訓練を通じて取得される、ステップと
    を含む方法。
  2. 前記ネットワークデバイスにより、前記ターゲットECN構成パラメータを使用することにより第2の期間内に輻輳制御を実行するステップであり、前記第2の期間は、時系列において前記第1の期間よりも遅い、ステップを更に含む、請求項１に記載の方法。
  3. 前記ネットワークデバイスにより、前記第1のネットワーク状態情報に基づいて前記ECN推論モデルにより出力された推論結果を取得した後に、
    前記オリジナルのECN構成パラメータの前記信頼性が信頼性閾値未満であるとき、前記ネットワークデバイスにより、前記ネットワークデバイスの伝送性能の変化に基づいて、前記第1の期間内に前記ネットワークデバイスにより使用されるECN構成パラメータを調整するステップと、
    調整されたECN構成パラメータを前記ターゲットECN構成パラメータとして使用するステップと
    を更に含む、請求項１又は２に記載の方法。
  4. 前記ネットワークデバイスにより、前記ネットワークデバイスの伝送性能の変化に基づいて、前記第1の期間内に前記ネットワークデバイスにより使用されるECN構成パラメータを調整するステップは、
    前記第1の期間内の前記ネットワークデバイスの伝送性能が第3の期間内の前記ネットワークデバイスの伝送性能と比較して改善されたとき、前記ネットワークデバイスにより、前記第1の期間内に前記ネットワークデバイスにより使用される前記ECN構成パラメータにおけるECN閾値を増加させるステップ、及び/又は、前記第1の期間内に前記ネットワークデバイスにより使用される前記ECN構成パラメータにおけるECNマーキング確率を低下させるステップ、又は
    前記第1の期間内の前記ネットワークデバイスの伝送性能が第3の期間内の前記ネットワークデバイスの伝送性能と比較して劣化したとき、前記ネットワークデバイスにより、前記第1の期間内に前記ネットワークデバイスにより使用される前記ECN構成パラメータにおけるECN閾値を低下させるステップ、及び/又は、前記第1の期間内に前記ネットワークデバイスにより使用される前記ECN構成パラメータにおけるECNマーキング確率を増加させるステップ
    を含み、
    前記第3の期間は、時系列において前記第1の期間よりも早い、請求項３に記載の方法。
  5. 前記第1の期間内の前記ネットワークデバイスの帯域幅利用率が前記第3の期間内の前記ネットワークデバイスの帯域幅利用率よりも高いとき、前記第1の期間内の前記ネットワークデバイスのキュー深さが前記第3の期間内の前記ネットワークデバイスのキュー深さ未満であるとき、及び/又は、前記第1の期間内の前記ネットワークデバイスのECNパケット比が前記第3の期間内の前記ネットワークデバイスのECNパケット比未満であるとき、前記ネットワークデバイスにより、前記第1の期間内の前記ネットワークデバイスの伝送性能が前記第3の期間内の前記ネットワークデバイスの伝送性能と比較して改善されていると決定するステップを更に含む、請求項４に記載の方法。
  6. 前記ネットワークデバイスにより、前記第1のネットワーク状態情報に基づいて前記ECN推論モデルにより出力された推論結果を取得した後に、
    前記オリジナルのECN構成パラメータの前記信頼性が信頼性閾値以上であるとき、前記ネットワークデバイスにより、前記オリジナルのECN構成パラメータを前記ターゲットECN構成パラメータとして使用するステップを更に含む、請求項１乃至５のうちいずれか１項に記載の方法。
  7. 前記ネットワークデバイスにより、前記第1のネットワーク状態情報に基づいて前記ECN推論モデルにより出力された推論結果を取得した後に、
    前記オリジナルのECN構成パラメータの前記信頼性が信頼性閾値未満であるとき、前記ネットワークデバイスにより、ターゲット指示情報を前記解析デバイスに送信するステップであり、前記ターゲット指示情報は、前記ネットワークデバイスの識別子を含み、前記ターゲット指示情報は、前記ネットワークデバイス内の前記ECN推論モデルが前記ネットワークデバイスに適合しないことを示すために使用される、ステップを更に含む、請求項１乃至６のうちいずれか１項に記載の方法。
  8. 前記ターゲット指示情報は、前記オリジナルのECN構成パラメータの前記信頼性を含む、請求項７に記載の方法。
  9. 前記ネットワークデバイスにより、前記解析デバイスにより送信された更新ECN推論モデルを受信した後に、
    前記ネットワークデバイスにより、前記更新ECN推論モデルを使用することにより、前記ネットワークデバイス内の前記ECN推論モデルを更新するステップを更に含む、請求項１乃至８のうちいずれか１項に記載の方法。
  10. 前記第1のネットワーク状態情報は、前記第1の期間内の前記ネットワークデバイスのキュー情報、スループット情報及び輻輳情報のうち1つ以上を含む、請求項１乃至９のうちいずれか１項に記載の方法。
  11. 輻輳制御方法であって、
    解析デバイスにより、前記解析デバイスにより管理されるネットワークデバイスにより送信された明示的輻輳通知(ECN)パラメータサンプルを受信するステップであり、前記ECNパラメータサンプルは、前記ネットワークデバイスのネットワーク状態情報と、前記ネットワーク状態情報に対応するターゲットECN構成パラメータとを含む、ステップと、
    前記解析デバイスにより、前記ECNパラメータサンプルを使用することにより訓練を実行し、第1のECN推論モデルを取得するステップと、
    前記解析デバイスにより、前記第1のECN推論モデルを前記ネットワークデバイスに送信するステップと
    を含む方法。
  12. 前記解析デバイスにより、前記ECNパラメータサンプルを使用することにより訓練を実行し、第1のECN推論モデルを取得するステップは、
    ECN推論モデル更新条件が満たされたとき、前記解析デバイスにより、前記ECNパラメータサンプルを使用することにより訓練を実行し、前記第1のECN推論モデルを取得するステップを含み、
    前記ECN推論モデル更新条件は、以下のもの、すなわち、ターゲット指示情報を前記解析デバイスに送信したネットワークデバイスの数がデバイス数閾値に達したこと、前記解析デバイスが第1の持続時間内に前記ターゲット指示情報を受信した累積回数が第1の数閾値に達したこと、及び/又は、前記解析デバイスが第2の持続時間内に前記解析デバイスにより管理されるいずれかのネットワークデバイスにより送信された前記ターゲット指示情報を受信した回数が第2の数閾値に達したことを含み、前記ターゲット指示情報は、前記ターゲット指示情報を送信する前記ネットワークデバイスの識別子を含み、前記ターゲット指示情報は、前記ターゲット指示情報を送信する前記ネットワークデバイス内のECN推論モデルが前記ネットワークデバイスに適合しないことを示すために使用される、請求項１１に記載の方法。
  13. 前記解析デバイスにより、前記第1のECN推論モデルを前記ネットワークデバイスに送信するステップは、
    前記解析デバイスが前記ネットワークデバイスにより送信された前記ターゲット指示情報を受信したとき、前記解析デバイスにより、前記第1のECN推論モデルを前記ネットワークデバイスに送信するステップを含む、請求項１２に記載の方法。
  14. 前記解析デバイスにより、前記ECNパラメータサンプルを使用することにより訓練を実行し、第1のECN推論モデルを取得した後に、
    前記解析デバイスにより、ECNメッセージをクラウドデバイスに送信するステップであり、前記ECNメッセージは、前記第1のECN推論モデルと、前記第1のECN推論モデルに対応するサービスタイプの識別子とを含む、ステップを更に含む、請求項１１乃至１３のうちいずれか１項に記載の方法。
  15. 前記ECNメッセージは、前記ネットワークデバイスにより管理されるネットワークのネットワーキング情報を更に含む、請求項１４に記載の方法。
  16. 前記解析デバイスにより、ECN推論モデル取得要求をクラウドデバイスに送信するステップであり、前記ECN推論モデル取得要求は、前記解析デバイスにより管理されるネットワークで搬送されるターゲットサービスタイプを含む、ステップと、
    前記解析デバイスにより、前記ターゲットサービスタイプに対応し且つ前記クラウドデバイスにより送信された第2のECN推論モデルを受信するステップと、
    前記解析デバイスにより、前記第2のECN推論モデルを、前記解析デバイスにより管理される前記ネットワークデバイスに送信するステップと
    を更に含む、請求項１１乃至１５のうちいずれか１項に記載の方法。
  17. 輻輳制御方法であって、
    クラウドデバイスにより、前記クラウドデバイスにより管理される解析デバイスにより送信された明示的輻輳通知(ECN)推論モデル取得要求を受信するステップであり、前記ECN推論モデル取得要求は、前記解析デバイスにより管理されるネットワークで搬送されるターゲットサービスタイプを含む、ステップと、
    前記クラウドデバイスにより、サービスタイプとECN推論モデルとの間の対応関係に基づいて、前記ターゲットサービスタイプに対応する第2のECN推論モデルを決定するステップであり、前記対応関係は、1対1の対応関係にある複数のサービスタイプ及び複数のECN推論モデルを含む、ステップと、
    前記クラウドデバイスにより、前記第2のECN推論モデルを前記解析デバイスに送信するステップと
    を含む方法。
  18. 前記クラウドデバイスにより、前記クラウドデバイスにより管理される複数の解析デバイスにより送信されたECNメッセージを受信するステップであり、前記ECNメッセージは、前記解析デバイスにおける第1のECN推論モデルと、前記第1のECN推論モデルに対応するサービスタイプの識別子とをそれぞれ含む、ステップと、
    前記クラウドデバイスにより、前記複数の解析デバイスにより送信された前記ECNメッセージに基づいて前記対応関係を生成するステップと
    を更に含む、請求項１７に記載の方法。
  19. 前記クラウドデバイスにより、前記複数の解析デバイスにより送信された前記ECNメッセージに基づいて前記対応関係を生成するステップは、
    前記クラウドデバイスにより、サービスタイプに基づいて前記複数のECNメッセージにおける第1のECN推論モデルを分類し、1つ以上のモデルクラスを取得するステップであり、同じモデルクラスの第1のECN推論モデルは同じサービスタイプに対応する、ステップと、
    複数の第1のECN推論モデルを含む各モデルクラスについて、前記クラウドデバイスにより、前記モデルクラスにおける前記複数の第1のECN推論モデルに対してモデル反復処理を実行し、前記モデルクラスに対応する1つの第2のECN推論モデルを取得するステップと
    を含む、請求項１８に記載の方法。
  20. プロセッサ及びメモリを含むネットワークデバイスであって、
    前記メモリは、コンピュータプログラムを記憶するように構成され、前記コンピュータプログラムは、プログラム命令を含み、
    前記プロセッサは、前記コンピュータプログラムを呼び出し、請求項１乃至１０のうちいずれか１項に記載の輻輳制御方法を実現するように構成される、ネットワークデバイス。
  21. プロセッサ及びメモリを含む解析デバイスであって、
    前記メモリは、コンピュータプログラムを記憶するように構成され、前記コンピュータプログラムは、プログラム命令を含み、
    前記プロセッサは、前記コンピュータプログラムを呼び出し、請求項１１乃至１６のうちいずれか１項に記載の輻輳制御方法を実現するように構成される、解析デバイス。
  22. プロセッサ及びメモリを含むクラウドデバイスであって、
    前記メモリは、コンピュータプログラムを記憶するように構成され、前記コンピュータプログラムは、プログラム命令を含み、
    前記プロセッサは、前記コンピュータプログラムを呼び出し、請求項１７乃至１９のうちいずれか１項に記載の輻輳制御方法を実現するように構成される、クラウドデバイス。
  23. ネットワークデバイス及び解析デバイスを含む輻輳制御システムであって、
    前記ネットワークデバイスは、請求項２０に記載のネットワークデバイスを含み、前記解析デバイスは、請求項２１に記載の解析デバイスを含む、システム。
  24. 当該システムは、クラウドデバイスを更に含み、
    前記クラウドデバイスは、請求項２２に記載のクラウドデバイスを含む、請求項２３に記載のシステム。
  25. コンピュータ記憶媒体であって、
    当該コンピュータ記憶媒体は命令を記憶し、前記命令がコンピュータデバイスのプロセッサにより実行されたとき、請求項１乃至１９のうちいずれか１項に記載の輻輳制御方法が実現される、コンピュータ記憶媒体。
JP2021075741A 2020-04-29 2021-04-28 輻輳制御方法、装置及びシステム並びにコンピュータ記憶媒体 Active JP7118209B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010358527.7A CN113572694B (zh) 2020-04-29 2020-04-29 拥塞控制方法、装置及系统、计算机存储介质
CN202010358527.7 2020-04-29

Publications (2)

Publication Number Publication Date
JP2021175194A JP2021175194A (ja) 2021-11-01
JP7118209B2 true JP7118209B2 (ja) 2022-08-15

Family

ID=75728658

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021075741A Active JP7118209B2 (ja) 2020-04-29 2021-04-28 輻輳制御方法、装置及びシステム並びにコンピュータ記憶媒体

Country Status (4)

Country Link
US (2) US11671368B2 (ja)
EP (1) EP3905616B1 (ja)
JP (1) JP7118209B2 (ja)
CN (2) CN117376270A (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114095364B (zh) * 2021-11-29 2024-02-27 新华三大数据技术有限公司 网络拥塞控制方法及装置
CN114051002B (zh) * 2021-11-30 2024-03-19 新华三大数据技术有限公司 Ecn水线确定方法、装置及电子设备
CN114363227B (zh) * 2021-12-29 2023-08-08 中国信息通信研究院 用于确定ecn性能的方法及装置、电子设备、存储介质
CN114513409B (zh) * 2022-01-05 2023-09-15 新华三技术有限公司 一种ecn门限配置方法及装置
CN116915706B (zh) * 2023-09-13 2023-12-26 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) 数据中心网络拥塞控制方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003249953A (ja) 2002-02-25 2003-09-05 Nippon Telegr & Teleph Corp <Ntt> 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
US20080239953A1 (en) 2007-03-28 2008-10-02 Honeywell International, Inc. Method and apparatus for minimizing congestion in gateways
JP2019047254A (ja) 2017-08-31 2019-03-22 富士通株式会社 情報処理システム、情報処理装置及び情報処理プログラム
CN110061927A (zh) 2019-04-26 2019-07-26 东南大学 一种多队列数据中心环境中面向微突发流的拥塞感知与标记方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI115100B (fi) * 2003-10-14 2005-02-28 Tellabs Oy Menetelmä ja laitteisto ruuhkanhallinnan sekä siirtoyhteyskapasiteetin vuorottamisen ohjaamiseksi pakettikytkentäisessä tietoliikenteessä
ATE556509T1 (de) * 2007-08-22 2012-05-15 Ericsson Telefon Ab L M Verfahren und vorrichtungen zur datenübertragungssteuerung
US9634916B2 (en) * 2012-03-09 2017-04-25 British Telecommunications Public Limited Company Signalling congestion
EP2728828A1 (en) * 2012-10-31 2014-05-07 British Telecommunications public limited company Session admission in a communications network
US9166925B2 (en) * 2013-04-05 2015-10-20 International Business Machines Corporation Virtual quantized congestion notification
WO2015070393A1 (en) * 2013-11-13 2015-05-21 Qualcomm Incorporated Method and apparatus for qcn-like cross-chip function in multi-stage ethernet switching
US9660914B1 (en) * 2014-05-08 2017-05-23 Google Inc. System and method for providing congestion notification in layer 3 networks
CN105227488B (zh) * 2015-08-25 2018-05-08 上海交通大学 一种用于分布式计算机平台的网络流组调度方法
US10333853B1 (en) * 2016-03-30 2019-06-25 Amazon Technologies, Inc. Unified quality of service (QoS) for label switching traffic
US9985891B2 (en) * 2016-04-07 2018-05-29 Oracle International Corporation Congestion management in distributed systems using autonomous self-regulation
US10320677B2 (en) * 2017-01-02 2019-06-11 Microsoft Technology Licensing, Llc Flow control and congestion management for acceleration components configured to accelerate a service
CN107749827B (zh) * 2017-10-30 2023-06-27 哈尔滨理工大学 基于网络状态分类的网络拥塞控制方法、装置及系统
US10917348B1 (en) * 2018-07-06 2021-02-09 Netronome Systems, Inc. Network interface device that sets an ECN-CE bit in response to detecting congestion at an internal bus interface
CN110581808B (zh) * 2019-08-22 2021-06-15 武汉大学 一种基于深度强化学习的拥塞控制方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003249953A (ja) 2002-02-25 2003-09-05 Nippon Telegr & Teleph Corp <Ntt> 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
US20080239953A1 (en) 2007-03-28 2008-10-02 Honeywell International, Inc. Method and apparatus for minimizing congestion in gateways
JP2019047254A (ja) 2017-08-31 2019-03-22 富士通株式会社 情報処理システム、情報処理装置及び情報処理プログラム
CN110061927A (zh) 2019-04-26 2019-07-26 东南大学 一种多队列数据中心环境中面向微突发流的拥塞感知与标记方法

Also Published As

Publication number Publication date
US20230261993A1 (en) 2023-08-17
CN113572694B (zh) 2023-10-13
US20210344601A1 (en) 2021-11-04
US11671368B2 (en) 2023-06-06
JP2021175194A (ja) 2021-11-01
EP3905616A1 (en) 2021-11-03
CN113572694A (zh) 2021-10-29
CN117376270A (zh) 2024-01-09
EP3905616B1 (en) 2024-04-24

Similar Documents

Publication Publication Date Title
JP7118209B2 (ja) 輻輳制御方法、装置及びシステム並びにコンピュータ記憶媒体
CN110505099B (zh) 一种基于迁移a-c学习的服务功能链部署方法
US9225615B2 (en) Method for managing network and for providing service QoS
US6006264A (en) Method and system for directing a flow between a client and a server
US7512705B2 (en) Truncating data units
CN102685179B (zh) 模块化透明代理缓存
US8121148B2 (en) Protocol stack using shared memory
US7315896B2 (en) Server network controller including packet forwarding and method therefor
EP4087202A1 (en) Data stream type identification model updating method and related device
US20060215695A1 (en) Protocol stack
JP2004533184A (ja) ネットワークにおけるデータ・パケット・サイズの適応制御
EP3033687A1 (en) Application-aware network management
CN110995514B (zh) 一种多维度的端到端网络切片生成装置及方法
CN117880092A (zh) 网络参数配置方法、装置、计算机设备以及存储介质
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
US20160269232A1 (en) Network management apparatus and network management method
Li et al. OPTAS: Decentralized flow monitoring and scheduling for tiny tasks
CN113890854B (zh) 一种基于深度增强学习的数据中心网络传输方法
Jin et al. A congestion control method of SDN data center based on reinforcement learning
Bays et al. Flow based load balancing: Optimizing web servers resource utilization
Erfanian et al. On maximizing QoE in AVC-based HTTP adaptive streaming: An SDN approach
Sedaghat et al. R2T-DSDN: reliable real-time distributed controller-based SDN
da Silva Marcondes et al. SDN4Moodle: an SDN-based Toolset to Enhance QoS of Moodle Platform
EP4250668A1 (en) Traffic table sending method and related apparatus
Sharma A Novel Dynamic Controller Mapping Approach in Software-Defined Networking to Neutralise Traffic Burst

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210531

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210531

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220527

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220705

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220802

R150 Certificate of patent or registration of utility model

Ref document number: 7118209

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150