[发明专利]一种高并发平台数据队列优化方法

说明书

本发明公开了一种高并发平台数据队列优化方法，包括以下步骤：S1、基于主动队列管理AQM中的RED算法，引入强制学习控制器，建立RLIQM控制器；S2、RLIQM控制器根据不同的网络场景，自适应地选择合适的参数进行优化设置；S3、通过优化设置后的RLIQM控制器，获得最优的网络策略，并对高并发平台数据队列进行优化；该发明在主动队列管理AQM基础上，引入强制学习控制器，建立RLIQM控制器，可根据网络环境变化情况来调节最大丢弃概率maxp，从而缓解RED算法参数敏感问题，可以适应不同负载的网络环境，避免网络拥塞。

技术领域

本发明涉及信息技术领域，具体的说是一种高并发平台数据队列优化方法。

背景技术

高并发是互联网分布式系统架构设计中必须考虑的因素之一，它通常是指，通过设计保证系统能够同时并行处理很多请求。高并发是概念上的逻辑，表达的含义就是同一时间点出现大量的请求。高并发相关常用的一些指标有响应时间、吞吐量、每秒查询率QPS、并发用户数等。高并发系统应用广泛，如共享产品、电力监控系统、管廊监控系统等，但网络数据量的快速增长导致网络更易产生拥塞，如何提高高并发系统性能和优化平台数据队列是亟待解决的难题。

发明内容

本发明的目的在于提出了一种高并发平台数据队列优化方法，该高并发平台数据队列优化方法在主动队列管理AQM基础上，引入强制学习控制器，建立RLIQM控制器，可根据网络环境变化情况来调节最大丢弃概率maxp，从而缓解RED算法参数敏感问题，可以适应不同负载的网络环境，避免网络拥塞。

为实现上述目的，本发明采用以下技术方案：

一种高并发平台数据队列优化方法，包括以下步骤：

S1、基于主动队列管理AQM中的RED算法，引入强制学习控制器，建立RLIQM控制器；

S2、RLIQM控制器根据不同的网络场景，自适应地选择合适的参数进行优化设置；

S3、通过优化设置后的RLIQM控制器，获得最优的网络策略，并对高并发平台数据队列进行优化。

优选地，步骤S1中所述RLIQM控制器包括发送方、路由器队列、强制学习控制器和接收方；所述RLIQM控制器的数据处理过程为：

S11、所述发送方将数据发送到路由器队列；

S12、作为代理的强制学习控制器收集路由器队列中当前时刻环境状态s_t∈S，根据策略π选择动作a∈A来执行，同时环境状态随之变化成为s'∈S，并产生当前时刻t的反馈信号；

S13、将回报值r反馈回强制学习控制器，控制器将根据回报值r和环境状态s'更新动作策略π；

S14、通过不断迭代，使强制学习控制器获取每个状态s∈S下的最佳策略π^*(s)∈A。

优选地，步骤S14中所述最佳策略π^*(s)∈A的具体获取过程为：

其中，γ∈[0，1)为折扣因子，依据Bellman准则进行求解，式(1)最大值为：

其中，R(s,a)表示r(s_t,a_t)的期望；P_s,s'(a)是状态转移概率，代表环境状态s在动作a的作用下到达下一个状态s'的概率；

将策略π下的Q(s,a)用Q^π(s,a)表示为：

在最优决策条件下有：

根据式(2)与(3)，则得出：