[發明專利]一種DDS中基于機器學習的QoS配置方法

有效

• 申請號: 202110795013.2
• 申請日: 2021-07-14
• 公開（公告）號: CN113472590B
• 公開（公告）日: 2022-10-25
• 發明（設計）人: 季一木;黃乃嬌;劉尚東;王楨發;袁猛;陳澄
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04L41/08
• 分類號: H04L41/08;H04L41/16;H04L41/50;G06K9/62;G06F16/178;G06F16/176
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 王素琴

本發明是一種DDS中基于機器學習的QoS配置方法，利用已知的DDS QoS配置文件數據集結合機器學習方法決策樹，訓練得到決策樹模型；在決策樹構造過程中對決策樹進行預剪枝，在生成決策樹后再次剪枝，剪去分類準確性差別不大的分支及葉節點；訓練結束之后，發布者發布帶有消息類型標簽的數據；讀取發布者發布數據中的標簽數據；結合訓練得到的決策樹，選取相應配置生成初始QoS配置文件；校驗初始QoS配置文件中各配置項之間是否兼容，去除不兼容項生成配置項間相互兼容的QoS配置文件；最后發布端應用生成的QoS配置文件。本發明將QoS配置與傳統機器學習方法相結合，實現了通信中間件DDS中QoS的自動配置。

技術領域

本發明屬于通信領域，具體的說是涉及一種DDS中基于機器學習的QoS配置方法。

背景技術

數據分發服務DDS(Data Distribution Service)是對象管理組織(ObjectManagement Group，OMG)在HLA及CORBA等標準的基礎上制定的新一代分布式實時通信中間件技術規范，該規范支持廣泛的服務質量(Quality of Service，QoS)參數，可以對交付期限，資源限制，故障進行精細控制容忍或網絡通信，使其適合開發分布式實時和嵌入式系統。此外，豐富的QoS服務質量策略，以數據為中心，保障了數據進行實時、高效、靈活地分發，以滿足各種分布式實時通信應用需求。

DDS在通過QoS策略為開發人員提供高度可配置中間件服務及控制應用程序通訊質量的同時，還存在著動態和不可預知環境給通信系統帶來的挑戰，因為在動態和不可預知的環境中，通信系統的工作負載和資源可能隨著執行上下文的不同而在時間上發生顯著的變化，開發人員通常很難在一開始就選擇和應用正確的QoS屬性以應對不斷變化的通訊環境。

因此需要QoS屬性在通信系統運行期間不是固定，而是根據執行上下文自動更改，滿足與性能或資源消耗相關的非功能性需求，此外還需要保證在系統運行時修改QoS屬性不會導致不同通信參與者之間的不兼容，因為不同參與者使用的配置需要相互一致。

CN110769461A公開了一種QoS參數的配置方法，包括：建立一個或多個無線承載；設置所述RB的相關信息；所述RB的相關信息至少包括：所述RB的QoS參數信息和所述RB承載的服務質量流(QoSflow)的標識信息；發送所述RB的相關信息到終端，但其依然無法解決傳送數據對網絡環境的要求。

發明內容

為了解決DDS中QoS配置面臨的自適應配置及兼容問題，本發明提供了一種DDS中基于機器學習的QoS配置方法，該方法主要用于使用DDS中間件通信的設備間QoS的自動配置，根據所傳數據對網絡環境的要求，動態生成適配的QoS配置文件，為通信設備提供最優的QoS配置，提高通訊質量。

為了達到上述目的，本發明是通過以下技術方案實現的：

本發明是一種DDS中基于機器學習的QoS配置方法，包括如下步驟：

步驟1：判斷是否需要構建QoS配置決策樹，是則進入訓練階段，否則進入發布階段；

步驟2：若步驟1中結果為是，則讀取已有QoS配置數據集；

步驟3：根據步驟2中已有QoS配置數據集構造初始決策樹，在構造過程中以網絡環境要求作為決策樹的根節點；得到的決策樹中每個非根非葉節點代表網絡狀態屬性，每個葉節點表示對應屬性的一種配置方案，所述網絡環境包括但不限于網絡延遲、可靠性、穩定性。

步驟4：對步驟3中生成的初始決策樹進行剪枝生成QoS配置決策樹模型，在剪枝過程中首先去除內容相同僅順序不同的重復分支，然后去除配置項不兼容的分支，生成最終的決策樹；

步驟5：若步驟1中結果為否，則進入發布階段，發布者發布頭部增加TAG標簽的數據；

步驟6：讀取步驟5中待發布數據頭部的TAG標簽；