[发明专利]一种控制流量带宽的方法和装置有效
申请号: | 201611059914.0 | 申请日: | 2016-11-25 |
公开(公告)号: | CN106713169B | 公开(公告)日: | 2019-08-13 |
发明(设计)人: | 杜强 | 申请(专利权)人: | 东软集团股份有限公司 |
主分类号: | H04L12/851 | 分类号: | H04L12/851;H04L12/24;G06N3/08 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 刘佳;王宝筠 |
地址: | 110179 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 控制 流量 带宽 方法 装置 | ||
1.一种控制流量带宽的方法,其特征在于,应用于网络设备,包括:
获取当前时间段内第一数据流集合的流量统计结果作为当前流量统计结果,其中,所述第一数据流集合包括一个或多个数据流,所述当前流量统计结果包括所述第一数据流集合中各数据流在所述当前时间段内的流量;
通过机器学习模型,对所述当前流量统计结果进行计算,得到当前调整策略,其中,所述机器学习模型是通过对所述第一数据流集合的历史流量状况满意度进行学习而训练得到的,所述历史流量状况满意度表示在历史时间段内所述第一数据流集合的流量统计结果满足期望的程度,在所述历史时间段内所述网络设备采用历史调整策略和第一预先定义策略对所述第一数据流集合进行流量带宽控制,所述期望表示在保障重要业务带宽的前提下保证带宽利用率最大化;
根据所述当前调整策略和所述第一预先定义策略,为所述第一数据流集合中各数据流分配用于标识优先级的标签;
其中,所述第一数据流集合中各数据流分配到的标签,分别用于所述网络设备对所述第一数据流集合中各数据流的报文进行转发控制。
2.根据权利要求1所述的方法,其特征在于,所述通过机器学习模型,对所述第一数据流集合的流量统计结果进行计算,得到当前调整策略,包括:
将所述当前流量统计结果分别与各可选调整策略输入到所述机器学习模型,得到所述机器学习模型对应于各可选调整策略分别输出的当前流量状况满意度;
选取最大的当前流量状况满意度对应的可选调整策略,作为所述当前调整策略。
3.根据权利要求1所述的方法,其特征在于,所述机器学习模型具体为深度神经网络。
4.根据权利要求3所述的方法,其特征在于,还包括:
在可选历史时间段中进行采样,得到目标历史时间段;
根据所述目标历史时间段对应的满意度误差,对所述深度神经网络的权重进行更新;
其中,所述目标历史时间段对应的满意度误差具体为在先流量状况满意度与在后流量状况满意度之间的误差,所述在先流量状况满意度表示在目标历史时间段内所述第一数据流集合的历史流量统计结果满足期望的程度,所述在后流量状况满意度表示在所述目标历史时间段的下一时间段内所述第一数据流集合的流量统计结果满足期望的程度。
5.根据权利要求4所述的方法,其特征在于,
所述在可选历史时间段中进行采样,得到目标历史时间段,具体为:在所述可选历史时间段中进行多次采样,得到多个目标历史时间段;
所述根据所述目标历史时间段对应的满意度误差,对所述深度神经网络的权重进行更新,具体为:根据多个所述目标历史时间段对应的满意度误差,采用梯度下降法对所述深度神经网络的权重进行多次更新。
6.根据权利要求4所述的方法,其特征在于,各所述可选历史时间段被采样为所述目标历史时间段的概率随时间线性衰减,其中,越接近于所述当前时间段的所述可选历史时间段,被采样为所述目标历史时间段的概率越大。
7.根据权利要求4所述的方法,其特征在于,所述可选历史时间段与当前时刻之间时间差不超过时间差阈值。
8.根据权利要求1所述的方法,其特征在于,在所述获取当前时间段内第一数据流集合的流量统计结果作为当前流量统计结果之后,还包括:
以预设常数为概率,在第一结果和第二结果中进行随机选择;
若随机选择结果为所述第一结果,进入执行所述对所述当前流量统计结果进行计算;
若随机选择结果为所述第二结果,随机选取一个可选调整策略作为当前调整策略,进入执行所述为所述第一数据流集合中各数据流分配用于标识优先级的标签。
9.根据权利要求1所述的方法,其特征在于,还包括:
根据第二预先定义策略,为第二数据流集合中各数据流分配用于标识优先级的标签;所述第二数据流集合包括一个或多个数据流;
其中,所述第二数据流集合中各数据流分配到的标签,分别用于所述网络设备对所述第二数据流集合中各数据流的报文进行转发控制。
10.一种控制流量带宽的装置,其特征在于,应用于网络设备,包括:
获取单元,用于获取当前时间段内第一数据流集合的流量统计结果作为当前流量统计结果,其中,所述第一数据流集合包括一个或多个数据流,所述当前流量统计结果包括所述第一数据流集合中各数据流在所述当前时间段内的流量;
计算单元,用于通过机器学习模型,对所述当前流量统计结果进行计算,得到当前调整策略,其中,所述机器学习模型是通过对所述第一数据流集合的历史流量状况满意度进行学习而训练得到的,所述历史流量状况满意度表示在历史时间段内所述第一数据流集合的流量统计结果满足期望的程度,在所述历史时间段内所述网络设备采用历史调整策略和第一预先定义策略对所述第一数据流集合进行流量带宽控制,所述期望表示在保障重要业务带宽的前提下保证带宽利用率最大化;
第一分配单元,用于根据所述当前调整策略和所述第一预先定义策略,为所述第一数据流集合中各数据流分配用于标识优先级的标签;
其中,所述第一数据流集合中各数据流分配到的标签,分别用于所述网络设备对所述第一数据流集合中各数据流的报文进行转发控制。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东软集团股份有限公司,未经东软集团股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201611059914.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种夫西地酸化学修饰物的制备及用途
- 下一篇:稻米油中谷维素提取方法