【技术实现步骤摘要】
本专利技术涉及通信领域，尤其涉及一种基于深度学习的网络动态负载均衡的网络传输路径选择方法及系统。
技术介绍
1、机器学习、物联网、云计算等现代数据通信网络对低延迟和高吞吐量有严格的要求。为了满足蓬勃发展的数据通信网络日益多样化的需求，现有的网络拓扑在节点间部署多条可用的等效传输路径，以提供高效的流量传输。然而随着网络规模的快速增长和异构流量的快速增长，网络通信数据量急剧增加，当网络中出现突发流量时，现有的负载均衡机制无法实时根据网络状况调整网络路径，难以适应当今天规模分布式流量传输场景，难以满足网络对高带宽、低延迟的诉求。现有的网络模型无法进行自主学习，需要事先对模型进行训练，在选择传输路径时通常只考虑链路状况，并未考虑节点带宽，影响了网络的传输性能。
技术实现思路
1、本专利技术的目的在于提供一种基于深度学习的网络动态负载均衡的网络传输路径选择方法和系统，通过实时获取链路状态信息，通过深度学习模型获的实时路径状态值，根据实时路径状态值获取最优传输路径。
2、第一方面，一种基于...
【技术保护点】
1.一种基于深度学习的网络动态负载均衡的网络传输路径选择方法，所述方法应用于管理节点，其特征在于：实时获取整个网络的链路状态数据，并将状态网络数据发送给实时负载均衡代理，以使所述实时负载均衡代理将网络链接状态数据输入深度学习模型，计算实时路径状态值，接收实时负载均衡代理发送的所述实时路径状态值以及路径连接的节点信息，并将所述实时路径状态值和节点信息发送给网络中的各个节点，以使节点根据实时路径状态值确定到达目标节点的最优路径，并将报文通过确定的所述最优路径发送至目标节点。
2.根据权利要求1所述的方法，其特征在于：链路状态数据包括链路利用率、链路连接的两个节...
【技术特征摘要】
1.一种基于深度学习的网络动态负载均衡的网络传输路径选择方法，所述方法应用于管理节点，其特征在于：实时获取整个网络的链路状态数据，并将状态网络数据发送给实时负载均衡代理，以使所述实时负载均衡代理将网络链接状态数据输入深度学习模型，计算实时路径状态值，接收实时负载均衡代理发送的所述实时路径状态值以及路径连接的节点信息，并将所述实时路径状态值和节点信息发送给网络中的各个节点，以使节点根据实时路径状态值确定到达目标节点的最优路径，并将报文通过确定的所述最优路径发送至目标节点。
2.根据权利要求1所述的方法，其特征在于：链路状态数据包括链路利用率、链路连接的两个节点标识、丢包率、实际吞吐量，将链路利用率、链路连接的两个节点标识、丢包率、实际吞吐量发送给实时负载均衡代理。
3.根据权利要求2所述的方法，其特征在于：深度学习模型主要分为两个部分：行为神经网络以及评价神经网络，其中行为神经网络用来拟合算法的策略函数，评价神经网络用来拟合算法的状态动作值函数。
4.根据权利要求3所述的方法，其特征在于：行为神经网络的具体结构为：
5.根据...
【专利技术属性】
技术研发人员：朱建平，
申请(专利权)人：派欧云计算上海有限公司，
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。