[发明专利]一种控制流量带宽的方法和装置

说明书

本发明公开了一种控制流量带宽的方法，对于一个数据流集合来说，以该数据流集合在历史时间段内采用历史调整策略和预先定义策略分配标签的情况下流量状况满足期望的程度对机器学习模型进行训练，训练得到的机器学习模型可以根据当前时间段内该数据流集合的流量统计结果确定出使该数据流后续的流量状况最大程度满足期望的当前调整策略。因此，网络设备可以根据变化的流量状况，对用户预先定义策略进行调整，以使得关键业务分配到的标签增加和/或非关键业务分配到的标签。这样，非关键业务流量的发送速度得以减小，链路带宽也就不再被非关键业务的流量过度挤占，关键业务的数据流流量能够在网络设备的入口处及出口处都占用到足够的带宽。

技术领域

本发明涉及通信技术领域，特别是涉及一种控制流量带宽的方法和装置。

背景技术

目前，服务质量(英文：Quality of Service，简称：QoS)技术被广泛应用于解决网络延迟和阻塞等问题。当网络过载或者拥塞时，QoS技术通过对不同数据流的流量带宽设置不同的优先级，可以确保关键业务的数据流具有足够的流量带宽，从而使得关键业务和关键应用不受延迟或丢包的影响。

对于采用QoS技术的网络设备来说，该网络设备可以为指定数据流分配用于标识优先级的标签，在接收到所述指定数据流的报文时该网络设备可以将所述指定数据流分配得到的标签添加到所述指定数据流的报文中，网络设备按照报文中携带的标签所标识的优先级对报文进行转发控制。因此，通过为关键业务的数据流分配较高优先级的标签而为非关键业务的数据流分配较低优先级的标签，不同数据流在网路设备出口处占用的带宽得以被控制，从而保证了关键业务在网络设备出口处占用足够的带宽。

发明人经过研究发现，在传统的QoS技术中，网络设备按照用户预先定义的策略为指定数据流分类用于标识优先级的标签，其中，用户预先定义的策略通常是按照正常情况下数据流的流量占用网络链路带宽的情况定义的。但在实际网络环境中，不同数据流的流量在网络设备入口处占用带宽的情况经常变化。有时，在非关键业务的数据流流量过度挤占网络链路带宽的情况下，关键业务的数据流流量在网络设备入口处就已经没能占用到足够的带宽，因此，网络设备仅仅按照用户预先定义的策略为数据流分类用于标识优先级的标签，关键业务的数据流流量在出口处也难以保证占用足够的带宽，关键业务也就难以保证不受延迟、丢包的影响。

发明内容

本发明所要解决的技术问题是，提供一种控制流量带宽的方法和装置，以避免在非关键业务的数据流流量过度挤占链路带宽的情况下关键业务的数据流流量在网络设备入口处和出口处占用带宽不足的情况，从而保证关键业务不受延迟、丢包的影响。

为解决上述技术问题，本发明提供了一种控制流量带宽的方法，，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量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；

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。

可选的，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：