一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法技术

本发明专利技术公开了一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，包括的步骤有：判断SR_B类流的数据帧在b＝1期数发送时其信用量是否达到下限loCreditB；计算SR_C类流的数据帧的最坏排队延迟时间；获取在n个零界限周期结束时SR_B类流的信用量的最大值；通过分析多类流在AVB网络中的调度规则，构建SR_C类流最坏情形传输模型，为扩展AVB网络的实时性能，将机载、车载等实时应用中对实时性应用需求不高的信号映射为SR_C类流，并分析和计算SR_C类流的最坏情形排队延迟。

【技术实现步骤摘要】
一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法
本专利技术涉及一种应用于交换网络的消息排队延迟处理方法，更特别的说，涉及到一种基于信用量整形的AVB网络多类预定流排队延迟处理方法。
技术介绍
音视频桥接(Audio/VideoBridging，AVB)网络是在工业标准以太网基础上经过适用性改造，采用预定流(StreamReservation，SR)和信用量整形(CreditBasedShaping，CBS)等机制保障低延迟的音视频流服务，AVB互连技术已在嵌入式车载网络(如宝马系列车型)中得到实际应用。标准AVB网络中包含有时间敏感的音视频预定流和一类尽力传(BestEffort，BE)流。所述BE流无延迟保证，和传统以太网流量兼容。时间敏感的音视频预定流优先级高于以太网尽力传BE流。为实现不同数据流间的调度，时间敏感的音视频预定流采用基于信用量的整形方式，BE流采用先进先出的方式，之后按照严格优先级排队(StrictPriorityQueuing，SPQ)转发规则实现流量的调度输出。实时性是网络的一个重要指标，网络实时性指的是网络中的任务处理必须在指定的时间内，也即消息端到端延迟必须在规定的时间内。如车载、机载网络中的某些消息必须满足实时性要求，否则可能引发灾难性后果。计算最坏时间延迟的目的是确定数据帧经过网络节点所需要的最大时间，时间延迟反映交换网络执行转发操作的速度以及对待转发队列的处理情况。根据网络演算理论：采用到达曲线约束网络节点流量累积输入量，采用服务曲线描述网络节点多路复用排队服务能力，到达曲线与服务曲线之间的最大水平偏移为端到端最坏延迟。由于流量的突发度和持续速率是确定的，到达曲线容易获得。而确定服务曲线的关键是获得流量的排队延迟，一旦确定了流量的排队延迟就能确定其服务曲线，从而结合到达曲线获得流量端到端延迟。网络中每个元件的输出端口能够支持多达八个流量类的传输，AVB目前在嵌入式车载组网中引发广泛关注。车载应用涉及安全域，辅助驾驶域，娱乐域，软件更新诊断域等，车载网络中存在大量的控制信号、音频信号、视频信号和诊断信号等，仅定义时间敏感的音视频预定流(SR_A类流和SR_B类流)不能满足多种不同定时需求信号的传输，势必会造成浪费，并且不利于构建大规模工业化组网。
技术实现思路
为了便于构建基于以太网的大规模工业化交换网络，承载不同定时需求消息的传输，本专利技术将AVB网络中时间敏感的音视频预定流由两类(SR_A类流、SR_B类流)扩展为多类(SR_A类流、SR_B类流、SR_C类流)，分析多类流在AVB网络中的调度规则，构建SR_C类流最坏情形传输模型并为优化网络实时性能，针对交换网络中的消息排队，提出了一种基于CBS整形的AVB网络多类预定流最坏排队延迟处理方法。本专利技术的目的是为了扩展AVB网络的实时性能，将机载、车载等实时应用中对实时性应用需求不高的信号映射为SR_C类流，并分析和计算SR_C类流的最坏情形排队延迟。本专利技术是一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，特别是针对AVB网络中的SR_C类流进行的最坏排队延迟处理，其特征在于：步骤一，判断SR_B类流的数据帧在b＝1期数发送时其信用量是否达到下限loCreditB；步骤101：计算SR_A类流的信用量在a＝1期数从开始上升至0的时间步骤102：计算SR_B类流的信用量在b＝1期数从开始下降至0的时间步骤103：比较与的大小；若则执行步骤二；若则执行步骤三；步骤二，计算SR_C类流的数据帧的最坏排队延迟时间；继SR_B类流在b＝1期数的信用量达到下限之后，随后SR_B类流在任意b期数的信用量均可达到下限；数据帧的发送次数记为k，k-1表示位于k的前一次，k+1位于k的后一次。步骤201:初始化步骤202:计算SR_B类流达到信用量下限时SR_A类流的信用量上升到最大值时的信用量值SR_B类流的数据帧第k次达到其信用量下限loCreditB时SR_A类流的信用量为当时，SR_C类流可以传输，输出此时刻点TC，结束最坏排队延迟的处理；当时，此时仍可传输SR_A类流的数据帧，执行步骤202；步骤203:计算SR_A类流达到信用量下限时SR_B类流的信用量上升到最大值时的信用量值SR_A类流的数据帧第k+1次达到其信用量下限loCreditA时SR_B类流的信用量为当时，SR_C类流可以传输，输出此时刻点TC，结束最坏排队延迟的处理；当时，此时仍可传输SR_B类流的数据帧，返回步骤201；步骤三，获取在n个零界限周期结束时SR_B类流的信用量的最大值；步骤301：在n个零界限周期内，SR_B类流的信用量从下降到的时间和SR_A类流的信用量从上升至0点的时间是相同的；步骤302：SR_B类流在时间段内的信用量记为步骤303：SR_B类流的信用量从上升到的时间与SR_A类流的信用量从0下降到的时间是相同的；步骤304：SR_B类流在时间段内的信用量记为步骤305：到达第n次零界限周期结束时SR_B类流的信用量的最大值记为CreditB_n；步骤306：若CreditB_n满足零界限周期数结束，则将赋值给CreditB_n，返回步骤202；若CreditB_n不满足步骤306，返回步骤305。本专利技术基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法的优点：①针对实时网络中消息传输具有硬实时、软实时、弱实时等特点，本专利技术将标准AVB网络中时间敏感的音视频预定流从两类扩展为多类，为匹配车载、机载混合关键性任务传输、优化车载AVB、机载AVB网络实时性能提供数据参考。②本专利技术分析了多类CBS整形传输过程，为进行AVB网络传输中流量预定带宽和数据帧长的合理分配提供参考，通过合理配置实现满足某类任务的截止期限。③本专利技术构建了多类预定流最坏情形排队延迟模型，并对最坏情形排队模型进行分析，对于SR_C类流的最坏延迟本专利技术能够得出更紧性的计算结果。附图说明图1是本专利技术的基于信用量整形的AVB网络多类预定流最坏排队延迟在SR_B类流的数据帧b＝1期获得发送时达到其信用量下限时的最坏情形排队延迟示意图。图2是本专利技术的基于信用量整形的AVB网络多类预定流最坏排队延迟在SR_B类流的数据帧b＝1期获得发送时未达到其信用量下限时的最坏情形排队延迟示意图。图3是本专利技术的基于信用量整形的AVB网络多类预定流最坏排队延迟的流程图。图4是实施例1的基于信用量整形的AVB网络多类预定流最坏排队延迟结果图。图5是实施例1的基于信用量整形的AVB网络多类预定流最坏排队延迟结果图。具体实施方式下面将结合附图和实施例对本专利技术做进一步的详细说明。在本专利技术中，根据流量传输优先级的不同将AVB网络中的时间敏感的音视频预定流分为三类，即SR_A类流、SR_B类流、SR_C类流；同时还包括有一类与以太网兼容的BE流。所述SR_A类流具有最高优先级，所述SR_B类流具有次高优先级，所述SR_C类流具有次低优先级，所述BE流具有最低优先级。依据CBS算法，SR_A类流和SR_B类流在传输过程中依赖的带宽保障参数为空闲率idleSlope和发送率sendSlope，发送率与空闲率的关系为sendSlope＝idleSlope-R，R表示网络带宽，则有：所述本文档来自技高网...

【技术保护点】
一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，特别是针对AVB网络中的SR_C类流进行的最坏排队延迟处理，其特征在于：步骤一，判断SR_B类流的数据帧在b＝1期数发送时其信用量是否达到下限loCreditB；步骤101：计算SR_A类流的信用量在a＝1期数从

【技术特征摘要】
1.一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，特别是针对AVB网络中的SR_C类流进行的最坏排队延迟处理，其特征在于：步骤一，判断SR_B类流的数据帧在b＝1期数发送时其信用量是否达到下限loCreditB；步骤101：计算SR_A类流的信用量在a＝1期数从开始上升至0的时间步骤102：计算SR_B类流的信用量在b＝1期数从开始下降至0的时间步骤103：比较与的大小；若则执行步骤二；若则执行步骤三；步骤二，计算SR_C类流的数据帧的最坏排队延迟时间；继SR_B类流在b＝1期数的信用量达到下限之后，随后SR_B类流在任意b期数的信用量均可达到下限；数据帧的发送次数记为k，k-1表示位于k的前一次，k+1位于k的后一次。步骤201:初始化步骤202:计算SR_B类流达到信用量下限时SR_A类流的信用量上升到最大值时的信用量值SR_B类流的数据帧第k次达到其信用量下限loCreditB时SR_A类流的信用量为当时，SR_C类流可以传输，输出此时刻点TC，结束最坏排队延迟的处理；当时，此时仍可传输SR_A类流的数据帧，执行步骤202；步骤203:计算SR_A类流达到信用量下限时SR_B类流的信用量上升到最大值时的信用量值SR_A类流的数据帧第k+1次达到其信用量下限loCreditA时SR_B类流的信用量为当时，SR_C类流可以传输，输出此时刻点TC，结束最坏排队延迟的处理；当时，此时仍可传输SR_B类流的数据帧，返回步骤201；步骤三，获取在n个零界限周期结束时SR_B类流的信用量的最大值；步骤301：在n个零界限周期内，SR_B类流的信用量从下降到的时间和SR_A类流的信用量从上升至0点的时间是相同的；步骤302：SR_B类流在时间段内的信用量记为步骤303：SR_B类流的信用量从上升到的时间与SR_A类流的信用量从0下降到的时间是相同的；步骤304：SR_B类流在时间段内的信用量记为步骤305：到达第n次零界限周期结束时SR_B类流的信用量的最大值记为CreditB_n；步骤306：若CreditB_n满足零界限周期数结束，则将赋值给CreditB_n，返回步骤202；若CreditB_n不满足步骤306，返回步骤305。2.根据权利要求1所述的一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，其特征在于：所述AVB网络依据流量传输优先级的不同将AVB网络中的时间敏感的音视频预定流分为三类，即SR_A类流、SR_B类流、SR_C类流；同时还包括有一类与以太网兼容的BE流。3.根据权利要求1所述的一种基于信用量整形的AVB网络多类预定流最坏排队延迟处理方法，其特征在于：所述AVB网络中SR_A类流、R_B类流和R_C类流的总预留带宽为idleSlopeA+idleSlopeB+idle...

【专利技术属性】
技术研发人员：何锋，赵琳，李二帅，熊华钢，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11