本申请提供一种网络拥塞控制方法及装置。该方法包括：获取网络设备中待控制出端口在当前场景下的场景参数，该场景参数为与通过待控制出端口转发的流量相关的参数；针对每一个预设的ECN配置，将当前场景下的场景参数以及该ECN配置输入已训练好的流量模型，得到当前场景下该ECN配置对应的网络性能值，其中，该网络性能值用于标识基于该ECN配置执行拥塞控制所能达到的网络性能；选取最大网络性能值对应的ECN配置作为当前场景下的最优ECN配置；基于该最优ECN配置对待控制出端口进行网络拥塞控制。可以看出，本申请可实现动态ECN配置，从而适应动态变化的流量场景，提升各流量场景下的网络性能。网络性能。网络性能。
【技术实现步骤摘要】
网络拥塞控制方法及装置
[0001]本申请涉及通信
，尤其涉及一种网络拥塞控制方法及装置。
技术介绍
[0002]随着高并发、低时延业务的增多，网络设备(比如，交换机、路由器)的出端口容易发生网络拥塞。网络拥塞是指网络设备通过入端口接收的流量远远大于通过出端口发送的流量时，大量报文滞留(缓存)于出队列(出端口对应队列)的现象，这会影响报文的传输时延以及吞吐量等网络性能。
[0003]目前，普遍采用静态显示拥塞通知(英文：Explicit Congestion Notification，缩写：ECN)配置来控制网络拥塞。具体为，网络设备根据静态配置的ECN门限，判断出队列是否发生拥塞，如果发生拥塞，则为出队列中报文添加ECN标识，发送至目的设备，目的设备接收到带有ECN标识的报文后，向源设备发送拥塞通知报文(英文：Congestion Notification Packet，缩写：CNP)，通知源设备降低流量发送速率，以达到控制网络拥塞的目的。
[0004]但是，静态ECN配置无法适应动态变化的流量场景，导致各流量场景下的网络性能不佳。
技术实现思路
[0005]有鉴于此，本申请提出一种网络拥塞控制方法及装置，用以在实现网络拥塞控制的同时，有效提升各流量场景下的网络性能。
[0006]为实现上述申请目的，本申请提供了如下技术方案：
[0007]第一方面，本申请提供一种网络拥塞控制方法，所述方法包括：
[0008]获取网络设备中待控制出端口在当前场景下的场景参数，所述场景参数为与通过所述待控制出端口转发的流量相关的参数；
[0009]针对每一个预设的ECN配置，将所述当前场景下的场景参数以及该ECN配置输入已训练好的流量模型，得到当前场景下该ECN配置对应的网络性能值，所述网络性能值用于标识基于ECN配置执行拥塞控制所能达到的网络性能；
[0010]选取最大网络性能值对应的ECN配置作为当前场景下的最优ECN配置；
[0011]基于所述最优ECN配置对所述待控制出端口进行网络拥塞控制。
[0012]可选的，所述将所述当前场景下的场景参数以及该ECN配置输入已训练好的流量模型，包括：
[0013]利用所述当前场景下的场景参数匹配预设的配置文件，所述配置文件用于记录场景参数与ECN配置的对应关系；
[0014]如果所述当前场景下的场景参数未命中所述配置文件中的任一场景参数，将所述当前场景下的场景参数以及当前选择的ECN配置输入已训练好的流量模型。
[0015]可选的，所述方法还包括：
[0016]如果所述当前场景下的场景参数命中所述配置文件中的目标场景参数，将与所述
目标场景参数对应的ECN配置作为所述当前场景下的最优ECN配置。
[0017]可选的，所述利用所述当前场景下的场景参数匹配预设的配置文件之前，所述方法还包括：
[0018]针对每一个常见场景，将该常见场景下的场景参数与通过测试得到的该常见场景下的最优ECN配置之间的对应关系添加到所述配置文件中。
[0019]可选的，所述将所述当前场景下的场景参数以及该ECN配置输入已训练好的流量模型之前，所述方法还包括：
[0020]构建强化学习模型，所述强化学习模型的价值函数用于表示不同场景、不同ECN配置下期望达到的网络性能；
[0021]构建用于表达所述价值函数的神经网络模型，所述神经网络模型的输入为场景参数和ECN配置，输出为网络性能值；
[0022]利用各常见场景下的场景参数以及各预设的ECN配置训练所述神经网络模型，得到足够逼近所述价值函数所期望网络性能的流量模型。
[0023]第二方面，本申请提供一种网络拥塞控制装置，所述装置包括：
[0024]获取单元，用于获取网络设备中待控制出端口在当前场景下的场景参数，所述场景参数为与通过所述待控制出端口转发的流量相关的参数；
[0025]输入单元，用于针对每一个预设的ECN配置，将所述当前场景下的场景参数以及该ECN配置输入已训练好的流量模型，得到当前场景下该ECN配置对应的网络性能值，所述网络性能值用于标识基于ECN配置执行拥塞控制所能达到的网络性能；
[0026]选取单元，用于选取最大网络性能值对应的ECN配置作为当前场景下的最优ECN配置；
[0027]控制单元，用于基于所述最优ECN配置对所述待控制出端口进行网络拥塞控制。
[0028]可选的，所述输入单元将所述当前场景下的场景参数以及该ECN配置输入已训练好的流量模型，包括：
[0029]利用所述当前场景下的场景参数匹配预设的配置文件，所述配置文件用于记录场景参数与ECN配置的对应关系；
[0030]如果所述当前场景下的场景参数未命中所述配置文件中的任一场景参数，将所述当前场景下的场景参数以及当前选择的ECN配置输入已训练好的流量模型。
[0031]可选的，所述选取单元，还用于如果所述当前场景下的场景参数命中所述配置文件中的目标场景参数，将与所述目标场景参数对应的ECN配置作为所述当前场景下的最优ECN配置。
[0032]可选的，所述装置还包括：
[0033]添加单元，用于针对每一个常见场景，将该常见场景下的场景参数与通过测试得到的该常见场景下的最优ECN配置之间的对应关系添加到所述配置文件中。
[0034]可选的，所述装置还包括：
[0035]构建单元，用于构建强化学习模型，所述强化学习模型的价值函数用于表示不同场景、不同ECN配置下期望达到的网络性能；
[0036]所述构建单元，还用于构建用于表达所述价值函数的神经网络模型，所述神经网络模型的输入为场景参数和ECN配置，输出为网络性能值；
[0037]训练单元，用于利用各常见场景下的场景参数以及各预设的ECN配置训练所述神经网络模型，得到足够逼近所述价值函数所期望网络性能的流量模型。
[0038]由以上描述可以看出，本申请实施例中，利用已训练模型(流量模型)的泛化能力，针对不同场景、不同ECN配置准确预估相应ECN配置下可达到的网络性能，选择可使当前场景下网络性能达到最优的ECN配置进行拥塞控制。因此，可适应动态变化的流量场景，且各流量场景下均可获得较优的网络性能。
附图说明
[0039]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1是本申请实施例示出的一种网络拥塞控制方法流程图；
[0041]图2是本申请实施例示出的一种步骤102的实现流程；
[0042]图3是本申请实施例示出的一种流量模型训练流程；
[0043]图4是本申请实施例示出的一种强化学习模型框架；
[0044]图5本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种网络拥塞控制方法，其特征在于，所述方法包括：获取网络设备中待控制出端口在当前场景下的场景参数，所述场景参数为与通过所述待控制出端口转发的流量相关的参数；针对每一个预设的显示拥塞通知ECN配置，将所述当前场景下的场景参数以及该ECN配置输入已训练好的流量模型，得到当前场景下该ECN配置对应的网络性能值，所述网络性能值用于标识基于ECN配置执行拥塞控制所能达到的网络性能；选取最大网络性能值对应的ECN配置作为当前场景下的最优ECN配置；基于所述最优ECN配置对所述待控制出端口进行网络拥塞控制。2.如权利要求1所述的方法，其特征在于，所述将所述当前场景下的场景参数以及该ECN配置输入已训练好的流量模型，包括：利用所述当前场景下的场景参数匹配预设的配置文件，所述配置文件用于记录场景参数与ECN配置的对应关系；如果所述当前场景下的场景参数未命中所述配置文件中的任一场景参数，将所述当前场景下的场景参数以及当前选择的ECN配置输入已训练好的流量模型。3.如权利要求2所述的方法，其特征在于，所述方法还包括：如果所述当前场景下的场景参数命中所述配置文件中的目标场景参数，将与所述目标场景参数对应的ECN配置作为所述当前场景下的最优ECN配置。4.如权利要求2或3所述的方法，其特征在于，所述利用所述当前场景下的场景参数匹配预设的配置文件之前，所述方法还包括：针对每一个常见场景，将该常见场景下的场景参数与通过测试得到的该常见场景下的最优ECN配置之间的对应关系添加到所述配置文件中。5.如权利要求4所述的方法，其特征在于，所述将所述当前场景下的场景参数以及该ECN配置输入已训练好的流量模型之前，所述方法还包括：构建强化学习模型，所述强化学习模型的价值函数用于表示不同场景、不同ECN配置下期望达到的网络性能；构建用于表达所述价值函数的神经网络模型，所述神经网络模型的输入为场景参数和ECN配置，输出为网络性能值；利用各常见场景下的场景参数以及各预设的ECN配置训练所述神经网络模型，得到足够逼近所述价值函数所期望网络性能的流量模型。6.一种网络拥...
【专利技术属性】
技术研发人员：王明辉，敖襄桥，
申请(专利权)人：新华三大数据技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。