CN114513472A - 网络拥塞控制方法及装置 - Google Patents
网络拥塞控制方法及装置 Download PDFInfo
- Publication number
- CN114513472A CN114513472A CN202011184710.6A CN202011184710A CN114513472A CN 114513472 A CN114513472 A CN 114513472A CN 202011184710 A CN202011184710 A CN 202011184710A CN 114513472 A CN114513472 A CN 114513472A
- Authority
- CN
- China
- Prior art keywords
- congestion control
- algorithm
- flows
- network card
- intelligent network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 326
- HRULVFRXEOZUMJ-UHFFFAOYSA-K potassium;disodium;2-(4-chloro-2-methylphenoxy)propanoate;methyl-dioxido-oxo-$l^{5}-arsane Chemical compound [Na+].[Na+].[K+].C[As]([O-])([O-])=O.[O-]C(=O)C(C)OC1=CC=C(Cl)C=C1C HRULVFRXEOZUMJ-UHFFFAOYSA-K 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 19
- 230000015654 memory Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000011664 signaling Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2425—Traffic characterised by specific attributes, e.g. priority or QoS for supporting services specification, e.g. SLA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2408—Traffic characterised by specific attributes, e.g. priority or QoS for supporting different services, e.g. a differentiated services [DiffServ] type of service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2441—Traffic characterised by specific attributes, e.g. priority or QoS relying on flow classification, e.g. using integrated services [IntServ]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2483—Traffic characterised by specific attributes, e.g. priority or QoS involving identification of individual flows
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了一种网络拥塞控制方法及装置。该网络拥塞控制方案是基于硬件匹配的拥塞控制方案,智能网卡在获取到待传输的流量时,可以识别该流量的算法匹配特征,并根据流量的算法匹配特征进行拥塞控制算法匹配,不同的算法匹配特征可以匹配不同的拥塞控制算法,从而可以灵活地实现基于硬件的网络拥塞控制算法的使用。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种网络拥塞控制方法及装置。
背景技术
计算机网络中的资源是有限的。某段时间内网络中对资源的需求超过了网络中的可用部分,而导致网络性能下降的情况就是网络拥塞。需要对网络拥塞进行控制,以防止过多的数据注入到网络中。
拥塞尤其容易发生在大规模的数据交换场景中,例如数据中心中。在当前的数据中心中,很多应用使用传输控制协议(transmission control protocol,TCP)作为传输协议在网络中进行数据的传输和交换。而在TCP中,核心的就是拥塞控制,它对TCP的性能有着决定性的影响。TCP的拥塞控制算法一直在迭代更新,但TCP采用的均是基于内核实现的拥塞控制(congestion control,CC)算法。
然而,随着网络的发展,对网络带宽、延迟以及稳定性的要求比过去的互联网提升了一到两个数量级。在数据中心中,传统的基于内核实现的拥塞控制算法很难满足这么高的要求。
随着远程直接内存访问(remote direct memory access,RDMA)无损网络的出现,如图1所示,RDMA将传输协议卸载于智能网卡上,同时使用内核旁路(kernel bypass)的零拷贝技术来达到最小化***开销的目的,极大地降低了网络延迟时间,并且释放了大量中央处理单元(central processing unit,CPU)资源,使CPU的负载几乎为零。与基于软件的传输控制协议/网络协议(transmission control protocol/internet protocol,TCP/IP)网络协议栈相比,RDMA能够提供超低延迟和接近零的CPU开销,因此在数据中心网络中被广泛部署。为了与数据中心大规模使用的以太网兼容,需要基于传统的IP以太网络来承载RDMA。因此,如图2所示,在数据中心中,把RDMA传输层数据包封装在用户数据报协议(userdatagram protocol,UDP)/网络协议(internet protocol,IP)数据包中,通过以太网传输,这就是RoCEv2。而不论是RDMA还是RoCEv2,一个很重要的核心就是拥塞控制算法。但是,传统的在内核中实现的基于滑动窗口的拥塞控制方案已经很难适用于RDMA网络,基于智能网卡的拥塞控制方案应运而生。
在TCP协议下,CC算法由软件实现,这允许研究人员和开发者快速设计和验证新的CC算法,所以TCP协议下可用的CC算法比较多。然而,现在绝大多数的商用RoCEv2网卡仍然仅内置了数据中心量化拥塞通知(data center quantized congestion notification,DCQCN)(或其变体)作为唯一的聚合以太网远程直接内存访问(RDMA over convergedEthernet,RoCE)拥塞控制机制,不能在有需要的时候切换到其他算法来避免DCQCN的性能缺陷。
与RoCE网卡通常仅内置一种CC算法相比,TCP协议下的多种CC算法之间,既可以互相切换,也可以互相搭配使用。例如,在Linux操作***中,既可以全局性地切换默认的CC算法;也可以通过setsockopt函数,根据自定义条件,为不同的TCP连接配置不同的CC算法。由于不同的应用程序有着不同的性能需求,所以,合理搭配使用不同CC算法,获得的性能很有可能超过单一使用任何一种CC算法的情况。
然而,由于TCP协议的CC算法通常由软件实现,效率受限,整体性能不高,因此,尽管TCP协议的CC算法具有足够的灵活性,却无法直接用于RoCE等依赖硬件CC算法的网络。
有鉴于此,需要提高基于硬件的网络拥塞控制算法的使用的灵活性。
发明内容
本申请提供一种网络拥塞控制方法及装置,以提高基于硬件的网络拥塞控制算法的使用的灵活性。
第一方面,提供了一种网络拥塞控制方法,应用于网络拥塞控制装置,所述网络拥塞控制装置包括智能网卡,所述方法包括:所述智能网卡获取待传输的至少两种流量;所述智能网卡识别所述至少两种流量的算法匹配特征;当所述智能网卡确定对所述至少两种流量中的任一种流量进行拥塞控制时,所述智能网卡确定与所述任一种流量的算法匹配特征匹配的拥塞控制算法;以及所述智能网卡采用与所述任一种流量的算法匹配特征匹配的拥塞控制算法对所述任一种流量进行拥塞控制。在该方法中,该网络拥塞控制方案是基于硬件匹配的拥塞控制方案,智能网卡在获取到待传输的流量时,可以识别该流量的算法匹配特征,并根据流量的算法匹配特征进行拥塞控制算法匹配,不同的算法匹配特征可以匹配不同的拥塞控制算法,从而可以灵活地实现基于硬件的网络拥塞控制算法的使用。
在一种可能的实现中,所述智能网卡识别所述至少两种流量的算法匹配特征,包括以下至少一种操作:所述智能网卡根据用于标识流量的特征的字段,识别所述流量的算法匹配特征,所述字段包括以下至少一种:流量类型,服务质量,服务类型,差分服务代码点DSCP;或所述智能网卡根据流量自身的特征,识别所述流量的算法匹配特征,所述流量自身的特征包括以下至少一种:所述流量中的数据量,所述流量的开始时间,所述流量的截止时间,所述流量对端的地址信息,自定义的流量特征。在该实现中,应用程序调用智能网卡进行数据收发时,可以修改特定字段从而标识流量的特征,从而智能网卡可以根据用于标识流量的特征的字段,识别流量的算法匹配特征;或者智能网卡可以根据流量自身的特征,识别流量的算法匹配特征。
在又一种可能的实现中,所述网络拥塞控制装置还包括配置工具,所述方法还包括:所述配置工具向所述智能网卡发送配置信息,所述配置信息包括至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系;以及所述智能网卡存储所述至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系。在该实现中,智能网卡可以预先配置至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系,存储到配置寄存器,这样,智能网卡识别出流量的算法匹配特征后,可以根据识别出的算法匹配特征,匹配相应的拥塞控制算法。
在又一种可能的实现中,所述当所述智能网卡确定对所述至少两种流量中的任一种流量进行拥塞控制时,所述智能网卡确定与所述任一种流量的算法匹配特征匹配的拥塞控制算法,包括:所述智能网卡确定对所述至少两种流量进行拥塞控制;以及所述智能网卡确定与所述至少两种流量中的每种流量的算法匹配特征匹配的拥塞控制算法。
在又一种可能的实现中,所述智能网卡确定与所述至少两种流量中的每种流量的算法匹配特征匹配的拥塞控制算法,包括:所述至少两种流量中流量的算法匹配特征满足第一匹配条件时,所述智能网卡确定第一拥塞控制算法;以及所述至少两种流量中流量的算法匹配特征满足第二匹配条件时,所述智能网卡确定第二拥塞控制算法。在该实现中,算法匹配特征满足不同匹配条件时,匹配不同的拥塞控制算法,以在充分利用网络带宽的同时,提升业务综合性能。
在又一种可能的实现中,所述智能网卡确定与所述至少两种流量中的每种流量的算法匹配特征匹配的拥塞控制算法,包括:所述至少两种流量中流量的算法匹配特征满足第三匹配条件时,所述智能网卡确定第一拥塞控制算法参数;以及所述至少两种流量中流量的算法匹配特征满足第四匹配条件时,所述智能网卡确定第二拥塞控制算法参数。在该实现中,算法匹配特征满足不同匹配条件时,匹配不同的拥塞控制算法参数,从而匹配不同的拥塞控制算法,以在充分利用网络带宽的同时,提升业务综合性能。
在又一种可能的实现中,所述当所述智能网卡确定对所述至少两种流量中的任一种流量进行拥塞控制时,所述智能网卡确定与所述任一种流量的算法匹配特征匹配的拥塞控制算法,包括:所述智能网卡确定对所述至少两种流量中的其中一种流量进行拥塞控制,对所述至少两种流量中的另一种流量不启用拥塞控制算法;以及所述智能网卡确定与所述其中一种流量的算法匹配特征匹配的拥塞控制算法。
第二方面,提供了一种网络拥塞控制装置,所述网络拥塞控制装置包括智能网卡,所述智能网卡用于获取待传输的至少两种流量;所述智能网卡用于识别所述至少两种流量的算法匹配特征;所述智能网卡还用于当确定对所述至少两种流量中的任一种流量进行拥塞控制时,确定与所述任一种流量的算法匹配特征匹配的拥塞控制算法;以及所述智能网卡还用于采用与所述任一种流量的算法匹配特征匹配的拥塞控制算法对所述任一种流量进行拥塞控制。
在一种可能的实现中,所述智能网卡用于执行以下至少一种操作:根据用于标识流量的特征的字段,识别所述流量的算法匹配特征,所述字段包括以下至少一种:流量类型,服务质量,服务类型,差分服务代码点DSCP;或根据流量自身的特征,识别所述流量的算法匹配特征,所述流量自身的特征包括以下至少一种:所述流量中的数据量,所述流量的开始时间,所述流量的截止时间,所述流量对端的地址信息,自定义的流量特征。
在又一种可能的实现中,所述网络拥塞控制装置还包括配置工具;所述配置工具用于向所述智能网卡发送配置信息,所述配置信息包括至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系;以及所述智能网卡还用于存储所述至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系。
在又一种可能的实现中,所述智能网卡还用于确定对所述至少两种流量进行拥塞控制;以及所述智能网卡还用于确定与所述至少两种流量中的每种流量的算法匹配特征匹配的拥塞控制算法。
在又一种可能的实现中,所述智能网卡用于:所述至少两种流量中流量的算法匹配特征满足第一匹配条件时,确定第一拥塞控制算法;以及所述至少两种流量中流量的算法匹配特征满足第二匹配条件时,确定第二拥塞控制算法。
在又一种可能的实现中,所述智能网卡用于:所述至少两种流量中流量的算法匹配特征满足第三匹配条件时,确定第一拥塞控制算法参数;以及所述至少两种流量中流量的算法匹配特征满足第四匹配条件时,确定第二拥塞控制算法参数。
在又一种可能的实现中,所述智能网卡还用于:确定对所述至少两种流量中的其中一种流量进行拥塞控制,对所述至少两种流量中的另一种流量不启用拥塞控制算法;以及确定与所述其中一种流量的算法匹配特征匹配的拥塞控制算法。
第三方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述第一方面或第一方面的任一种实现所述的方法。
第四方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面或第一方面的任一种实现所述的方法。
第五方面,提供了一种芯片,所述芯片与存储器耦合,执行本申请实施例第一方面或第一方面中任一实现所述的方法。
需要说明的是,本申请实施例中“耦合”是指两个部件彼此直接或间接地结合。
附图说明
图1为TCP与RDMA/RoCE的协议对比示意图;
图2为RDMA协议的不同形态示意图;
图3为DCQCN算法的基本原理示意图;
图4为数据中心网络的架构示意图;
图5为本申请实施例提供的一种网络拥塞控制装置的结构示意图;
图6为图5中所示的智能网卡101的详细结构示意图;
图7为本申请实施例提供的又一种网络拥塞控制装置的结构示意图;
图8为本申请实施例提供的一种网络拥塞控制方法的流程示意图;
图9为实施本申请实施例提到的网络拥塞控制方法的效果示意图;
图10为本申请实施例提供的又一种网络拥塞控制方法的流程示意图;
图11为本申请实施例提供的又一种网络拥塞控制方法的流程示意图。
具体实施方式
下面结合本申请实施例中的附图对本申请实施例进行描述。
首先介绍下DCQCN算法。本申请中的CC算法可以是DCQCN算法,还可以是其他的算法。
如图3所示,为DCQCN算法的基本原理示意图,涉及的网元设备包括发送端网卡(sender network interface controller)(在这里又称为响应点(reaction point,RP))、交换机(在这里是拥塞点(congestion point,CP))、接收端网卡(在这里又称为通知点(notification point,NP)),其基本工作流程为:
1.RP向NP以默认速率发送数据报文;
2.若报文在CP发生拥塞,导致队列积压,CP根据队列积压情况在报文头中打显示拥塞通知(explicit congestion notification,ECN)标记,表示报文“经历拥塞”;
3.NP接收到数据报文,检查ECN标记,若标记了“经历拥塞”,则按照一定规则,生成拥塞通知报文(congestion notification packet,CNP),发给RP;
4.RP收到CNP,则按照预定规则降低发送速率;
5.发生降速后,RP根据后续CNP的情况调节发送速率,若在一定时间内收到后续CNP,则按照算法约定继续降速,否则,按照算法约定提升发送速率。
DCQCN算法总体达到了公平性、稳定性、健壮性等方面的一般要求。不过,由于DCQCN是基于网络反馈的机制,响应速率不快;另外,DCQCN通过加法升高/乘法降低(additive-increase/multiplicative-decrease,AIMD)机制进行试探性的速率调节,导致速率收敛较慢。因此,不难发现,DCQCN会在某些应用场景下出现降速不及时、速率收敛慢、网络队列严重积压、过度降速导致欠吞吐等等问题。
尽管DCQCN在某些场景下可能存在问题,但由于RoCE拥塞控制需要由网卡硬件实现,而DCQCN是目前已由硬件实现的、整体性能稳定的算法,所以现在绝大多数的商用RoCEv2网卡仍然仅内置了DCQCN(或其变体)作为唯一的RoCE拥塞控制机制,不能在有需要的时候切换到其他算法来避免DCQCN的性能缺陷。
本申请提供一种网络拥塞控制方案,是基于硬件匹配的拥塞控制方案,智能网卡在获取到待传输的流量时,可以识别该流量的算法匹配特征,并根据流量的算法匹配特征进行拥塞控制算法匹配,不同的算法匹配特征可以匹配不同的拥塞控制算法,从而可以灵活地实现基于硬件的网络拥塞控制算法的使用。
本申请的方案可应用于网络拥塞控制装置。具体地,可应用于局域网、广域网等任何交换网络(如数据中心网络)中的终端设备和交换设备。此处,终端设备可以是数据中心的服务器。如图4所示,为数据中心网络的架构示意图,图中的终端设备可以使用本申请的方案,为不同数据流量采用不同CC算法,从而优化网络整体性能,进一步满足用户或应用的实际需求。
如图5所示,为本申请实施例提供的一种网络拥塞控制装置的结构示意图,该网络拥塞控制装置100包括智能网卡101,还可以包括配置工具102,以及安装在该网络拥塞控制装置100上的应用程序103。
其中,智能网卡101用于获取待传输的至少两种流量;智能网卡101还用于识别所述至少两种流量的算法匹配特征;智能网卡101还用于当确定对所述至少两种流量中的任一种流量进行拥塞控制时,确定与所述任一种流量的算法匹配特征匹配的拥塞控制算法;以及智能网卡101还用于采用与所述任一种流量的算法匹配特征匹配的拥塞控制算法对所述任一种流量进行拥塞控制。
在一种可能的实现中,智能网卡101用于执行以下至少一种操作:根据用于标识流量的特征的字段,识别所述流量的算法匹配特征,所述字段包括以下至少一种:流量类型,服务质量,服务类型,差分服务代码点DSCP;或根据流量自身的特征,识别所述流量的算法匹配特征,所述流量自身的特征包括以下至少一种:所述流量中的数据量,所述流量的开始时间,所述流量的截止时间,所述流量对端的地址信息,自定义的流量特征。
在又一种可能的实现中,配置工具102用于向智能网卡101发送配置信息,所述配置信息包括至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系;以及智能网卡101还用于存储所述至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系。
在又一种可能的实现中,智能网卡101还用于确定对所述至少两种流量进行拥塞控制;以及智能网卡101还用于确定与所述至少两种流量中的每种流量的算法匹配特征匹配的拥塞控制算法。
在又一种可能的实现中,智能网卡101用于:所述至少两种流量中流量的算法匹配特征满足第一匹配条件时,确定第一拥塞控制算法;以及所述至少两种流量中流量的算法匹配特征满足第二匹配条件时,确定第二拥塞控制算法。
在又一种可能的实现中,智能网卡101用于:所述至少两种流量中流量的算法匹配特征满足第三匹配条件时,确定第一拥塞控制算法参数;以及所述至少两种流量中流量的算法匹配特征满足第四匹配条件时,确定第二拥塞控制算法参数。
在又一种可能的实现中,智能网卡101还用于:确定对所述至少两种流量中的其中一种流量进行拥塞控制,对所述至少两种流量中的另一种流量不启用拥塞控制算法;以及确定与所述其中一种流量的算法匹配特征匹配的拥塞控制算法。
其中,上述智能网卡101可以是由独立的器件构成,也可以是集成的芯片。
如图6所示,为智能网卡101的详细结构示意图,该智能网卡101包括:处理单元1011、存储单元1012、输入输出端口1013。其中,处理单元1011可以是CPU、图形处理器(graphics processing unit,GPU)、数字信号处理器(digital signal processor,DSP)、现场可编程逻辑门阵列(field programmablegate array,FPGA)、复杂可编程逻辑器件(complex programminglogic device,CPLD)、特殊应用集成电路(application specificintegrated circuit,ASIC)等形态,用于执行拥塞控制算法;存储单元1012可以包括易失性存储器(volatile memory),例如随机存取存储器(random-access memory,RAM);存储器也可以包括非易失性存储器(non-volatile memory),例如快闪存储器(flash memory),硬盘(hard disk drive,HDD)或固态硬盘(solid-state drive,SSD);存储器还可以包括上述种类的存储器的组合,用于存储不同CC算法,并且存储算法执行过程中需要记录的参数、变量等信息;输入输出端口1013用于接收和发送数据流量,其中,输入输出端口可以是输入端口和输出端口集成在一起,也可以是输入端口和输出端口独立设置。
如图7所示,为本申请实施例提供的又一种网络拥塞控制装置的结构示意图,该结构示意图展示了智能网卡内部的主要模块、相关的周边模块,智能网卡内部的各模块以及智能网卡与周边模块之间的连接或交互关系。该网络拥塞控制装置200包括:智能网卡(其中,智能网卡包括:智能网卡芯片201和输入输出端口202)、配置工具203,该网络拥塞控制装置200上还安装有一个或多个应用程序204。其中,智能网卡芯片201用于接收和发送网络数据,其又包括与输入输出端口202连接的数据通路2011,应用程序调用智能网卡芯片201进行数据发送和接收,具体地,应用程序通过特定接口函数,调用数据通路2011进行数据发送和接收;还包括与配置工具203连接的配置寄存器2012,该配置工具203是用于读写配置寄存器2012的工具,其形式可以是配置文件、配置命令等,配置寄存器2012(也可以是其他类型的存储器件)用于接收配置工具203的配置文件或配置命令,保存用户对网卡芯片的配置选项,例如,至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系;与配置寄存器2012、数据通路2011以及缓存单元2013连接的处理单元2014,该处理单元2014用于控制数据通路的处理过程,例如执行拥塞控制算法等,该处理单元2014在执行CC算法前,从缓存单元2013读取所需的运行时变量值,在执行CC算法后,将需要保存的执行结果暂存到缓存单元2013;以及还包括缓存单元2013,该缓存单元2013用于保存处理单元2014所需的运行时变量,例如保存拥塞算法执行结果和输入数据中携带的反馈信息等;数据通路2011与输入输出端口202相连,进行数据发送和接收,可以通过缓存单元2013直接读取拥塞控制算法执行结果,也可以从接收到的数据中提取拥塞控制算法所需的数据,并暂存到缓存单元2013。输入输出端口202是用于通过信道连接网络的硬件模块,该网络不限于有线或无线网络。
下面结合图4~图7所示的结构,对本申请提供的网络拥塞控制方法进行描述:
如图8所示,为本申请实施例提供的一种网络拥塞控制方法的流程示意图,应用于上述网络拥塞控制装置。示例性地,该方法可以包括以下步骤:
S101、智能网卡获取待传输的至少两种流量。
应用程序调用输入输出端口进行流量收发,输入输出端口与智能网卡交互待传输的至少两种流量。具体地,输入输出端口将接收到的流量发送给智能网卡,智能网卡解封装接收到的流量;或者智能网卡将应用程序产生的将发送的流量封装后发送给输入输出端口进行发送。
输入输出端口与智能网卡同时交互的可以不止一种流量,可以同时交互两种以上的流量。该装置传输的至少两种流量对资源的需求超过了该装置的可用部分,则可能会导致网络拥塞。
S102、智能网卡识别上述至少两种流量的算法匹配特征。
每种流量有对应的算法匹配特征。算法匹配特征是指用于进行拥塞控制算法匹配的特征。该算法匹配特征可以是外加于流量的特征,例如用于标识该流量的特征的专用字段;或者该算法匹配特征可以是流量自身的特征。
智能网卡可以识别上述至少两种流量的算法匹配特征。
S103、当智能网卡确定对上述至少两种流量中的任一种流量进行拥塞控制时,智能网卡确定与任一种流量的算法匹配特征匹配的拥塞控制算法。
本实施例中,不同的流量可能具有不同的算法匹配特征,对于不同的算法匹配特征,匹配不同的拥塞控制算法,以在充分利用网络带宽的同时,提升业务综合性能,而不是对每一种流量采用某一种固定的CC算法,为不同的流量公平分配链路带宽。
在一个实现中,智能网卡可以确定对至少两种流量进行拥塞控制,并且智能网卡确定与至少两种流量中的每种流量的算法匹配特征匹配的拥塞控制算法。即对每种流量都进行拥塞控制。具体地,至少两种流量中的任一种流量的算法匹配特征满足第一匹配条件时,智能网卡确定采用第一CC算法;至少两种流量中的任一种流量的算法匹配特征满足第二匹配条件时,智能网卡确定采用第二CC算法。
以算法匹配特征为流量类型(traffic class)为例,其第一匹配条件为:trafficclass≤3,对应的第一CC算法为CC_A;第二匹配条件为traffic class﹥3,对应的第二CC算法为CC_B。其中,CC_A偏向于迅速响应网络反馈,减少积压;CC_B偏向于尽快发送,抢占链路带宽。应用程序可以主动区分不同流量的传输性能需求,给流量中包括标识traffic class为多少的字段。例如,给需要迅速响应网络反馈,减少积压的流量1标识其traffic class为2,给需要尽快发送,抢占链路带宽的流量2标识其traffic class为4。智能网卡获取到该流量时,可以识别其traffic class的值,从而给流量1匹配CC_A的算法;给流量2匹配CC_B的算法。可见,应用程序通过显示调用不同CC算法进行有区别的传输控制,解决了单一CC算法统一对待所有流量所带来的限制,有利于进一步满足应用的实际需求。
流量通过traffic class字段(也可以是其他字段)区分为两类,当两类流量在网络中发生拥塞时,CC_A算法快速响应网络反馈的拥塞信号,降低大数据量、低优先级流量(例如数据备份等背景流量)的发送速率,主动减轻拥塞,CC_B算法尽量保持稳定的发送速率,使小数据量、高优先级流量(例如控制信令、交互操作等时延敏感的流量)尽快发送。这样,可以在保证充分利用网络带宽的同时,提升业务综合性能。
图9展示了实施本实施例的方法的效果示意图,例如,数据库业务网络中存在两类流量,分别为大数据量的背景流(background),例如,数据库备份操作,以及小数据量但时延敏感的时延流,例如,数据库查询(query)操作。
如图9所示的左上角的第1个效果示意图,两类流量同时竞争网络资源时,背景流长时间占用链路带宽,时延流所分得的带宽决定了时延流的完成时间,体现为时延性能;
如图9所示的右上角的第2个效果示意图,由于时延流的数据量小,其占用网络的时间与其占用带宽成反比,所以,如果CC算法收敛迅速,使时延流获得更大带宽,就可以缩短时延流的完成时间,而在整体发送数据量不变的情况下,背景流的完成时间也保持不变,即,时延流的时延缩短,不影响背景流的性能;
如图9所示的左下角的第3个效果示意图,单一的CC算法,通常使各类流量最终达到公平分配带宽,所以,时延流实际获得的带宽上限,可以预期是在公平带宽附近,这影响了时延流进一步提升速率并降低时延;
如图9所示的右下角的第4个效果示意图,不同CC算法的处理机制不同,可以在同一网络中区别处理不同类型的流量,利用本发明中的方法,就可以使时延流尽快发送,获得整体更优化的综合性能。
在又一个实现中,智能网卡可以确定对至少两种流量中的其中一种流量进行拥塞控制,对至少两种流量中的另一种流量不启用拥塞控制算法,并且智能网卡确定与其中一种流量的算法匹配特征匹配的拥塞控制算法。其中,与其中一种流量的算法匹配特征匹配的拥塞控制算法可以是上述DCQCN算法,当然不限于DCQCN算法;对另一种流量不启用CC算法,即尽力发送,不响应网络拥塞等反馈信号。例如,对于优先级高,并且数据量极少的流量,例如重要但少量的控制信令,可以采用本实施例的方法根据识别出的算法匹配特征匹配合适的CC算法,避免其他数据影响该重要数据的延迟发送。
S104、智能网卡采用与任一种流量的算法匹配特征匹配的拥塞控制算法对该任一种流量进行拥塞控制。
智能网卡可以支持多种CC算法同时启用,并且可以为不同CC算法缓存记录运行时变量。
根据本申请实施例提供的一种网络拥塞控制方法,智能网卡在获取到待传输的流量时,可以识别该流量的算法匹配特征,并根据流量的算法匹配特征进行拥塞控制算法匹配,不同的算法匹配特征可以匹配不同的拥塞控制算法,从而可以灵活地实现基于硬件的网络拥塞控制算法的使用。
如图10所示,为本申请实施例提供的又一种网络拥塞控制方法的流程示意图,示例性地,该方法可以包括以下步骤:
S201、配置工具向智能网卡发送配置信息,配置信息包括至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系。
本实施例允许用户通过配置工具在智能网卡的配置寄存器中设置不同CC算法的启用条件,即与不同算法匹配特征匹配的CC算法。该配置信息可以通过配置命令或配置文件的形式发送给配置寄存器。
S202、智能网卡存储至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系。
智能网卡的配置寄存器接收到配置工具发送的配置信息后,存储该配置信息,即在配置寄存器中存储至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系(或者称对应关系,或关联关系)。
S203、应用程序调用输入输出端口进行数据收发时,修改特定字段以标识至少两种流量的特征。
应用程序可以主动区分不同流量的传输性能需求,修改特定字段,例如对流量中的特定字段重新赋值(特定字段初始为空或默认值)。该特定字段是用于标识流量的特征的字段,该字段包括流量类型(traffic class)、服务质量(quality of service)、服务类型(type of service/class of service)、差分服务代码点(differentiated servicescode point,DSCP)、VLAN优先级、OpCode等。
以算法匹配特征为traffic class为例,traffic class字段初始为空。若应用程序调用输入输出端口接收流量1,流量1为需要迅速响应网络反馈,减少积压的流量,则给该字段赋值为2;若应用程序调用输入输出端口发送流量2,流量2为需要尽快发送,抢占链路带宽的流量,则给该字段赋值为4。
S204、输入输出端口与智能网卡交互待传输的至少两种流量。
该步骤的具体实现可参考图8所示实施例的步骤S101。
S205、智能网卡根据用于标识至少两种流量的特征的字段,识别至少两种流量的算法匹配特征。
智能网卡获取到该流量时,可以识别其traffic class的值。例如,识别上述流量1的traffic class的值为2,以及识别上述流量2的traffic class的值为4。
S206、智能网卡判断至少两种中的每种流量的算法匹配特征是否满足第一匹配条件,若是,则执行步骤S207;否则,流量的算法匹配特征满足第二匹配条件,执行步骤S208。
以算法匹配特征为traffic class为例,其第一匹配条件为:traffic class≤3,对应的第一CC算法为CC_A;第二匹配条件为traffic class﹥3,对应的第二CC算法为CC_B。其中,CC_A偏向于迅速响应网络反馈,减少积压;CC_B偏向于尽快发送,抢占链路带宽。
S207、流量的算法匹配特征满足第一匹配条件,智能网卡确定第一拥塞控制算法并采用第一拥塞控制算法对流量进行拥塞控制。
S208、流量的算法匹配特征满足第二匹配条件,智能网卡确定第二拥塞控制算法并采用第二拥塞控制算法对流量进行拥塞控制。
智能网卡识别出其traffic class的值,给流量1匹配CC_A的算法;给流量2匹配CC_B的算法。可见,应用程序通过显示调用不同CC算法进行有区别的传输控制,解决了单一CC算法统一对待所有流量所带来的限制,有利于进一步满足应用的实际需求。
另外,匹配条件也可以是不明确的、自适应的规则描述。随着机器学习等技术的发展,CC算法的匹配条件可以是某种形式的优化目标,例如,控制整体的网络时延在T时间以内,网络中的最大队列长度在L以内,等等。
流量通过traffic class字段(也可以是其他字段)区分为两类,当两类流量在网络中发生拥塞时,CC_A算法快速响应网络反馈的拥塞信号,降低大数据量、低优先级流量(例如数据备份等背景流量)的发送速率,主动减轻拥塞,CC_B算法尽量保持稳定的发送速率,使小数据量、高优先级流量(例如控制信令、交互操作等时延敏感的流量)尽快发送。这样,可以在保证充分利用网络带宽的同时,提升业务综合性能。
可替换地,在另外的实施例中,上述步骤S206可替换为步骤A:智能网卡判断至少两种中的每种流量的算法匹配特征是否满足第三匹配条件,若是,则执行步骤B;否则,流量的算法匹配特征满足第四匹配条件,执行步骤C;以及上述步骤S207可替换为步骤B:至少两种流量中流量的算法匹配特征满足第三匹配条件时,确定第一拥塞控制算法参数;以及上述步骤S208可替换为步骤C:至少两种流量中流量的算法匹配特征满足第四匹配条件时,确定第二拥塞控制算法参数。其中,CC算法参数可以包括以下一项或多项:调节发送速率的调节幅度、时间间隔,算法计算过程中的初值、系数,发送信令报文的频率等。
智能网卡识别出其traffic class的值,给流量1匹配算法参数1;给流量2匹配算法参数2,算法参数1和算法参数2可以是同一个CC算法的不同参数,也可以是不同CC算法的不同参数。可见,应用程序通过显示调用不同CC算法参数进行有区别的传输控制,解决了单一CC算法参数统一对待所有流量所带来的限制,有利于进一步满足应用的实际需求。
如图11所示,为本申请实施例提供的又一种网络拥塞控制方法的流程示意图,示例性地,该方法可以包括以下步骤:
S301、配置工具向智能网卡发送配置信息,配置信息包括至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系。
该步骤的具体实现可参考图10所示实施例的步骤S201。
S302、智能网卡存储至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系。
该步骤的具体实现可参考图10所示实施例的步骤S202。
S303、智能网卡获取待传输的至少两种流量。
该步骤的具体实现可参考图8所示实施例的步骤S101或图10所示实施例的步骤S203。
S304、智能网卡根据至少两种流量自身的特征,识别流量的算法匹配特征。
流量自身具有一些可衡量的特征,包括:流量中的数据量(message size),流量的时间戳(time stamp)(包括流量的开始时间和流量的截止时间(deadline time)),流量对端的地址信息(例如,IPv4、IPv6地址)、自定义的流量特征等。这些特征可以作为流量的算法匹配特征。
例如,某些场景下,数据量较小的流量可以优先发送,截止时间较早的流量可以优先发送,不同地址反映出不同的路径长度(跳数),也可以使用不同的CC算法,所以可以采用本实施例中的匹配条件进行CC算法的区分。
智能网卡获取到上述至少两种流量后,可通过已有的识别技术识别流量的上述至少一种算法匹配特征。
S305、智能网卡确定对至少两种流量进行拥塞控制。
上述至少两种流量均是优先级高的流量,智能网卡确定需要对上述至少两种流量进行拥塞控制。
S306、智能网卡根据上述匹配关系,确定与至少两种流量中的每种流量的算法匹配特征匹配的拥塞控制算法,并根据匹配的拥塞控制算法对每种流量进行拥塞控制。
智能网卡根据识别出的每种流量的算法匹配特征,从配置寄存器查找与识别出的每种流量的算法匹配特征,根据匹配的拥塞控制算法对每种流量进行拥塞控制。
可见,在本实施例中,智能网卡根据流量自身的特征,可识别流量的算法匹配特征,并根据配置工具预先配置的匹配关系,确定与流量的算法匹配特征匹配的拥塞控制算法,并根据匹配的拥塞控制算法对每种流量进行拥塞控制,从而可以灵活地实现基于硬件的网络拥塞控制算法的使用。
应理解,在本申请的描述中,除非另有说明,“/”表示前后关联的对象是一种“或”的关系,例如,A/B可以表示A或B;其中A,B可以是单数或者复数。并且,在本申请的描述中,除非另有说明,“多个”是指两个或多于两个。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。另外,为了便于清楚描述本申请实施例的技术方案,在本申请的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。同时,在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念,便于理解。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,该单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read-onlymemory,ROM),或随机接入存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatile disc,DVD)、或者半导体介质,例如,固态硬盘(solid state disk,SSD)等。
Claims (14)
1.一种网络拥塞控制方法,应用于网络拥塞控制装置,所述网络拥塞控制装置包括智能网卡,其特征在于,所述方法包括:
所述智能网卡获取待传输的至少两种流量;
所述智能网卡识别所述至少两种流量的算法匹配特征;
当所述智能网卡确定对所述至少两种流量中的任一种流量进行拥塞控制时,所述智能网卡确定与所述任一种流量的算法匹配特征匹配的拥塞控制算法;
所述智能网卡采用与所述任一种流量的算法匹配特征匹配的拥塞控制算法对所述任一种流量进行拥塞控制。
2.根据权利要求1所述的方法,其特征在于,所述智能网卡识别所述至少两种流量的算法匹配特征,包括以下至少一种操作:
所述智能网卡根据用于标识流量的特征的字段,识别所述流量的算法匹配特征,所述字段包括以下至少一种:流量类型,服务质量,服务类型,差分服务代码点DSCP;或
所述智能网卡根据流量自身的特征,识别所述流量的算法匹配特征,所述流量自身的特征包括以下至少一种:所述流量中的数据量,所述流量的开始时间,所述流量的截止时间,所述流量对端的地址信息,自定义的流量特征。
3.根据权利要求1或2所述的方法,其特征在于,所述网络拥塞控制装置还包括配置工具,所述方法还包括:
所述配置工具向所述智能网卡发送配置信息,所述配置信息包括至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系;
所述智能网卡存储所述至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系。
4.根据权利要求1~3中任一项所述的方法,其特征在于,所述当所述智能网卡确定对所述至少两种流量中的任一种流量进行拥塞控制时,所述智能网卡确定与所述任一种流量的算法匹配特征匹配的拥塞控制算法,包括:
所述智能网卡确定对所述至少两种流量进行拥塞控制;
所述智能网卡确定与所述至少两种流量中的每种流量的算法匹配特征匹配的拥塞控制算法。
5.根据权利要求4所述的方法,其特征在于,所述智能网卡确定与所述至少两种流量中的每种流量的算法匹配特征匹配的拥塞控制算法,包括:
所述至少两种流量中流量的算法匹配特征满足第一匹配条件时,所述智能网卡确定第一拥塞控制算法;
所述至少两种流量中流量的算法匹配特征满足第二匹配条件时,所述智能网卡确定第二拥塞控制算法。
6.根据权利要求4或5所述的方法,其特征在于,所述智能网卡确定与所述至少两种流量中的每种流量的算法匹配特征匹配的拥塞控制算法,包括:
所述至少两种流量中流量的算法匹配特征满足第三匹配条件时,所述智能网卡确定第一拥塞控制算法参数;
所述至少两种流量中流量的算法匹配特征满足第四匹配条件时,所述智能网卡确定第二拥塞控制算法参数。
7.根据权利要求1~3中任一项所述的方法,其特征在于,所述当所述智能网卡确定对所述至少两种流量中的任一种流量进行拥塞控制时,所述智能网卡确定与所述任一种流量的算法匹配特征匹配的拥塞控制算法,包括:
所述智能网卡确定对所述至少两种流量中的其中一种流量进行拥塞控制,对所述至少两种流量中的另一种流量不启用拥塞控制算法;
所述智能网卡确定与所述其中一种流量的算法匹配特征匹配的拥塞控制算法。
8.一种网络拥塞控制装置,所述网络拥塞控制装置包括智能网卡,其特征在于:
所述智能网卡用于获取待传输的至少两种流量;
所述智能网卡用于识别所述至少两种流量的算法匹配特征;
所述智能网卡还用于当确定对所述至少两种流量中的任一种流量进行拥塞控制时,确定与所述任一种流量的算法匹配特征匹配的拥塞控制算法;
所述智能网卡还用于采用与所述任一种流量的算法匹配特征匹配的拥塞控制算法对所述任一种流量进行拥塞控制。
9.根据权利要求8所述的装置,其特征在于,所述智能网卡用于执行以下至少一种操作:
根据用于标识流量的特征的字段,识别所述流量的算法匹配特征,所述字段包括以下至少一种:流量类型,服务质量,服务类型,差分服务代码点DSCP;或
根据流量自身的特征,识别所述流量的算法匹配特征,所述流量自身的特征包括以下至少一种:所述流量中的数据量,所述流量的开始时间,所述流量的截止时间,所述流量对端的地址信息,自定义的流量特征。
10.根据权利要求8或9所述的装置,其特征在于,所述网络拥塞控制装置还包括配置工具;
所述配置工具用于向所述智能网卡发送配置信息,所述配置信息包括至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系;
所述智能网卡还用于存储所述至少两种流量的算法匹配特征与至少两个拥塞控制算法的匹配关系。
11.根据权利要求8~10中任一项所述的装置,其特征在于:
所述智能网卡还用于确定对所述至少两种流量进行拥塞控制;
所述智能网卡还用于确定与所述至少两种流量中的每种流量的算法匹配特征匹配的拥塞控制算法。
12.根据权利要求11所述的装置,其特征在于,所述智能网卡用于:
所述至少两种流量中流量的算法匹配特征满足第一匹配条件时,确定第一拥塞控制算法;
所述至少两种流量中流量的算法匹配特征满足第二匹配条件时,确定第二拥塞控制算法。
13.根据权利要求11或12所述的装置,其特征在于,所述智能网卡用于:
所述至少两种流量中流量的算法匹配特征满足第三匹配条件时,确定第一拥塞控制算法参数;
所述至少两种流量中流量的算法匹配特征满足第四匹配条件时,确定第二拥塞控制算法参数。
14.根据权利要求8~10中任一项所述的装置,其特征在于,所述智能网卡还用于:
确定对所述至少两种流量中的其中一种流量进行拥塞控制,对所述至少两种流量中的另一种流量不启用拥塞控制算法;
确定与所述其中一种流量的算法匹配特征匹配的拥塞控制算法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011184710.6A CN114513472A (zh) | 2020-10-29 | 2020-10-29 | 网络拥塞控制方法及装置 |
PCT/CN2021/122816 WO2022089175A1 (zh) | 2020-10-29 | 2021-10-09 | 网络拥塞控制方法及装置 |
EP21884904.0A EP4221141A4 (en) | 2020-10-29 | 2021-10-09 | METHOD AND APPARATUS FOR NETWORK CONVENTION CONTROL |
US18/308,015 US20240080271A1 (en) | 2020-10-29 | 2023-04-27 | Network congestion control method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011184710.6A CN114513472A (zh) | 2020-10-29 | 2020-10-29 | 网络拥塞控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114513472A true CN114513472A (zh) | 2022-05-17 |
Family
ID=81381883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011184710.6A Pending CN114513472A (zh) | 2020-10-29 | 2020-10-29 | 网络拥塞控制方法及装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240080271A1 (zh) |
EP (1) | EP4221141A4 (zh) |
CN (1) | CN114513472A (zh) |
WO (1) | WO2022089175A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115314439A (zh) * | 2022-08-11 | 2022-11-08 | 迈普通信技术股份有限公司 | 数据存储io请求的流控方法和相关装置 |
CN117544567A (zh) * | 2024-01-09 | 2024-02-09 | 南京邮电大学 | 存传一体的rdma数据中心拥塞控制方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116527593B (zh) * | 2023-07-03 | 2023-09-19 | 珠海星云智联科技有限公司 | 网络流量拥塞控制方法及相关装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102769575A (zh) * | 2012-08-08 | 2012-11-07 | 南京中兴特种软件有限责任公司 | 一种用于智能网卡的流量负载均衡方法 |
CN105099929B (zh) * | 2014-04-18 | 2018-11-27 | 海尔集团公司 | 网络控制方法、装置及相应设备 |
US9444754B1 (en) * | 2014-05-13 | 2016-09-13 | Chelsio Communications, Inc. | Method for congestion control in a network interface card |
EP2985963A1 (en) * | 2014-08-12 | 2016-02-17 | Alcatel Lucent | Packet scheduling networking device |
US10237376B2 (en) * | 2015-09-29 | 2019-03-19 | Mellanox Technologies, Ltd. | Hardware-based congestion control for TCP traffic |
CN108449279B (zh) * | 2016-12-13 | 2021-10-26 | ***通信有限公司研究院 | 拥塞控制方法及装置 |
CN108418767B (zh) * | 2018-02-09 | 2021-12-21 | 华为技术有限公司 | 数据传输方法、设备及计算机存储介质 |
-
2020
- 2020-10-29 CN CN202011184710.6A patent/CN114513472A/zh active Pending
-
2021
- 2021-10-09 WO PCT/CN2021/122816 patent/WO2022089175A1/zh unknown
- 2021-10-09 EP EP21884904.0A patent/EP4221141A4/en active Pending
-
2023
- 2023-04-27 US US18/308,015 patent/US20240080271A1/en active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115314439A (zh) * | 2022-08-11 | 2022-11-08 | 迈普通信技术股份有限公司 | 数据存储io请求的流控方法和相关装置 |
CN115314439B (zh) * | 2022-08-11 | 2023-10-24 | 迈普通信技术股份有限公司 | 数据存储io请求的流控方法和相关装置 |
CN117544567A (zh) * | 2024-01-09 | 2024-02-09 | 南京邮电大学 | 存传一体的rdma数据中心拥塞控制方法 |
CN117544567B (zh) * | 2024-01-09 | 2024-03-19 | 南京邮电大学 | 存传一体的rdma数据中心拥塞控制方法 |
Also Published As
Publication number | Publication date |
---|---|
EP4221141A4 (en) | 2024-02-21 |
WO2022089175A1 (zh) | 2022-05-05 |
EP4221141A1 (en) | 2023-08-02 |
US20240080271A1 (en) | 2024-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114513472A (zh) | 网络拥塞控制方法及装置 | |
US10346326B2 (en) | Adaptive interrupt moderation | |
CN112511325B (zh) | 网络拥塞控制方法、节点、***及存储介质 | |
US20220038384A1 (en) | Hybrid packet memory for buffering packets in network devices | |
CN108023829B (zh) | 报文处理方法及装置、存储介质、电子设备 | |
US9774651B2 (en) | Method and apparatus for rapid data distribution | |
US20140112128A1 (en) | Oversubscription buffer management | |
CN107426113B (zh) | 报文接收方法及网络设备 | |
CN113746744A (zh) | 网络拥塞的控制方法、装置、设备、***及存储介质 | |
US11165705B2 (en) | Data transmission method, device, and computer storage medium | |
CN113285931B (zh) | 流媒体的传输方法、流媒体服务器及流媒体*** | |
CN116233018A (zh) | 报文处理方法、装置、电子设备及存储介质 | |
US10305772B2 (en) | Using a single work item to send multiple messages | |
CN107453999B (zh) | 一种网络设备和网络报文转发方法 | |
CN117354253A (zh) | 一种网络拥塞通知方法、装置及存储介质 | |
WO2023125380A1 (zh) | 一种数据管理的方法及相应装置 | |
WO2017016300A1 (zh) | 令牌申请处理方法、装置和计算机存储介质 | |
US11121956B1 (en) | Methods and systems for optimizing bidirectional forwarding detection in hardware | |
CN114157684A (zh) | 一种报文处理的方法、设备以及存储介质 | |
CN106559351B (zh) | 一种处理报文的方法、sdn控制器及网元 | |
US20230418697A1 (en) | Data transmission system and related device | |
WO2024098757A1 (zh) | 网络集群***、报文传输方法及网络设备 | |
WO2022102088A1 (ja) | ネットワークカードおよびバッファ制御方法 | |
WO2021253999A1 (zh) | 一种数据接入方法、装置、芯片和计算机存储介质 | |
CN117221225A (zh) | 一种网络拥塞通知方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |