一种自适应网络带宽动态分配调度方法与流程
本发明属于网络通信,尤其涉及一种自适应网络带宽动态分配调度方法。
背景技术:
1、网络设备中,视频、存储、实时控制等多种业务常共享同一被监测硬件队列。多业务并发时,若总输入速率超过队列服务能力,队列深度会上升,导致排队时延增大、抖动加剧,严重时出现丢包。为保障服务质量,需要对进入共享队列的各指定业务流进行最大允许传输速率限制,并根据队列拥塞状态动态分配带宽上限。
2、现有方案多采用静态配置带宽上限、固定优先级调度、基于瞬时队列深度阈值的限速或简单比例积分调节。部分方案读取队列深度,当超过阈值时降低业务带宽,低于阈值时恢复;也有方案按业务优先级配置固定权重,或采用闭环反馈调节配置带宽上限。
3、静态配置难以适应流量突发和业务动态变化;固定优先级无法随拥塞程度连续调整;仅依据瞬时队列深度易受采样噪声和短时波动影响,导致误判、频繁切换或调节滞后。简单比例积分调节在目标带宽附近易震荡,且未充分利用队列深度变化趋势进行前瞻预测,也未将拥塞惩罚与业务优先级权重、目标带宽跟踪和输出限幅统一处理,难以在共享硬件队列中兼顾拥塞缓解、优先级保障和调节平滑性。
技术实现思路
1、本发明实施例的目的在于提供一种自适应网络带宽动态分配调度方法,旨在解决上述至少一个问题。
2、本发明是这样实现的,一种自适应网络带宽动态分配调度方法,对网络设备中的共享被监测硬件队列执行步骤s1至s2,对进入共享被监测硬件队列的各指定业务流分别执行步骤s3至s5:s1:获取共享被监测硬件队列在当前时刻的原始队列深度数据,结合共享被监测硬件队列在上一采样周期的原始队列深度数据,计算出经过死区处理的滤波后队列深度变化率;s2:基于当前时刻的原始队列深度数据、滤波后队列深度变化率以及前瞻时间域常数,推演未来的硬件队列深度预测值,并根据硬件队列深度预测值计算队列拥塞惩罚因子;s3:基于队列拥塞惩罚因子以及指定业务流预先配置的业务优先级权重,结合指定业务流的配置带宽上限的最小允许值和最大允许值,计算指定业务流在当前时刻的目标配置带宽上限值;s4:计算目标配置带宽上限值与指定业务流的当前生效配置带宽上限值之间的带宽跟踪误差,采用增量式比例积分微分算法,计算得出指定业务流的带宽调节增量;s5:对当前生效配置带宽上限值与带宽调节增量之和进行饱和限幅处理,得出最终执行配置带宽上限值,并用于限制进入共享被监测硬件队列的指定业务流的最大允许传输速率。
3、进一步的技术方案,在步骤s1中,计算滤波后队列深度变化率的过程包括:在系统首次启动时,将上一采样周期的原始队列深度数据初始化为当前时刻的原始队列深度数据,并将上一采样周期的滤波后队列深度变化率初始化为零;计算当前时刻的原始队列深度数据与上一采样周期的原始队列深度数据之差,除以系统统一的采样周期与预设的时间维度防除零正数之和,得到原始队列深度变化率;将原始队列深度变化率的绝对值与预设的非负死区阈值进行比对:当绝对值小于或等于非负死区阈值时,确定当前时刻的有效变化率为零;当绝对值大于非负死区阈值时,确定当前时刻的有效变化率为所述绝对值与非负死区阈值之差,并保留原始队列深度变化率的原有正负符号;按照预设的指数平滑系数,对当前时刻的有效变化率与上一采样周期的滤波后队列深度变化率进行加权求和,得到本周期的滤波后队列深度变化率。
4、进一步的技术方案,所述指数平滑系数为大于零且小于等于一的常数。
5、进一步的技术方案,在步骤s2中,推演硬件队列深度预测值并计算队列拥塞惩罚因子的过程包括:将滤波后队列深度变化率与预设的前瞻时间常数的乘积,加上当前时刻的原始队列深度数据,得到初步预测值;以零值为下界、以共享被监测硬件队列的物理配置允许的最大物理队列容量为上界,对初步预测值进行限幅处理,得到处于零与所述最大物理队列容量之间的硬件队列深度预测值;当硬件队列深度预测值未超过预设的安全队列水位阈值时,队列拥塞惩罚因子取表示无拥塞的极大值一;当硬件队列深度预测值超过安全队列水位阈值时,计算该超出部分与队列缓冲余量的比值;将比值平方后,乘以预设的正向敏感度增益参数,取相反数后作为自然指数的指数项进行运算,计算得出大于零且小于等于一的队列拥塞惩罚因子。
6、进一步的技术方案,安全队列水位阈值非负且小于最大物理队列容量;队列缓冲余量为最大物理队列容量减去安全队列水位阈值、并加上预设的队列深度维度防除零正数所得。
7、进一步的技术方案,在步骤s3中,计算目标配置带宽上限值的过程包括:将指定业务流预先配置的业务优先级权重与预设的无量纲防除零正数相加,取倒数后作为幂指数;以队列拥塞惩罚因子为底数,结合幂指数进行非线性指数幂运算,计算得到动态权重系数;计算指定业务流的配置带宽上限的最大允许值与最小允许值之差,乘以动态权重系数后,再加上最小允许值,得出目标配置带宽上限值。
8、进一步的技术方案,业务优先级权重为大于零且小于等于一的正数,且数值越大代表优先级越高,使得在相同拥塞程度下,业务优先级权重越大的指定业务流获取的动态权重系数越大。
9、进一步的技术方案,在步骤s4中,计算带宽调节增量的过程包括:在系统首次启动时,将上一采样周期和上上个采样周期的带宽跟踪误差均初始化为零;定义当前采样周期的带宽跟踪误差为目标配置带宽上限值与当前生效配置带宽上限值之差;计算当前采样周期的带宽跟踪误差与上一采样周期的带宽跟踪误差之差,乘以预设的非负比例增益系数,得到比例调节分量;将当前采样周期的带宽跟踪误差乘以采样周期及预设的非负积分增益系数,得到积分调节分量;计算当前、上一个及上上个采样周期的带宽跟踪误差构成的二阶差分值,除以采样周期与预设的时间维度防除零正数之和,再乘以预设的非负微分增益系数,得到微分调节分量;将比例调节分量、积分调节分量和微分调节分量求和,得出指定业务流的带宽调节增量。
10、进一步的技术方案,当上一控制周期下发的最终执行配置带宽上限值已成功生效时,当前生效配置带宽上限值取上一控制周期的最终执行配置带宽上限值;比例增益系数、积分增益系数和微分增益系数不同时为零。
11、进一步的技术方案,在步骤s5中,饱和限幅处理的过程包括:将当前生效配置带宽上限值与带宽调节增量相加,得到未限幅配置值;比对未限幅配置值与指定业务流的配置带宽上限的最小允许值及最大允许值;当未限幅配置值小于最小允许值时,最终执行配置带宽上限值取最小允许值;当未限幅配置值大于最大允许值时,最终执行配置带宽上限值取最大允许值;当未限幅配置值处于最小允许值与最大允许值之间时,最终执行配置带宽上限值取未限幅配置值。
12、相比于现有技术,本发明的有益效果:
13、1.本发明通过对硬件队列深度变化率进行死区处理和指数平滑,并结合前瞻时间域常数对未来队列深度进行预测,使带宽调节依据不仅包含当前队列状态,还包含队列变化趋势,有利于降低短时波动和采样噪声引起的误判,并提高对潜在拥塞的提前感知能力。现有说明书背景部分亦将瞬时队列判断易受噪声影响、缺少趋势预测作为待解决问题。
14、2.本发明将队列拥塞惩罚因子与不同指定业务流的业务优先级权重相结合,在配置带宽上限的最小允许值与最大允许值之间动态确定目标配置带宽上限,使不同优先级业务流能够在相同队列拥塞状态下获得差异化的配置结果,从而兼顾队列拥塞缓解与业务优先级调度需求。
15、3.本发明利用目标配置带宽上限值与当前生效配置带宽上限值之间的跟踪误差计算带宽调节增量,并通过饱和限幅限制最终执行配置带宽上限值,使输出始终处于预设允许范围内,有利于减少带宽配置的剧烈跳变和越界,提高动态带宽调节过程的平滑性、稳定性和可执行性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com