一种适合融合网络的令牌桶流量整形方法

摘要

本发明涉及一种适合融合网络的令牌桶流量整形方法，属于融合网络中的数据管理技术领域。该方法在令牌桶算法的基础上结合更符合实际的自相似网络流量，通过不同域之间的QoS映射规则，根据业务的相对优先级，来决定令牌桶参数的选择，进而，根据基于优先级的共享缓存策略，使得令牌桶参数得到动态的调整以提高整个网络业务的QoS。本发明所提出的设计方法能够在保证各业务优先级的同时，降低融合网络设备的压力，达到了提高整个融合网络业务QoS的目的。

说明书

技术领域

本发明属于融合网络中的数据管理技术领域，涉及一种适合融合网络的令牌桶流 量整形方法。

背景技术

随着Internet数据业务爆炸式的增长，Internet已逐步由单一的数据传输网发展 到集语音、图像、数据等多业务一体的综合传输网络，所以新一代的综合传输网络必须能够 同时提供高速率、高带宽以及实时业务在内的多种业务的快速传输。传统的单一网络已经 不再满足当前网络的需求，所以结合不同网络优点的融合网络就成了满足需求的新一代网 络。光无线融合网络(Wireless-OpticalBroadbandAccessNetwork,WOBAN)就是目前最 流行的融合网络，WOBAN结合了光纤技术低成本、高带宽、低损耗、长距离、高可靠性以及无 线技术覆盖范围广、部署灵活、易组网的特点，使其成为满足需求的下一代传输网络。由于 融合网络中不同网络各自传输的数据包帧格式不同，传输速率不同，流量整形通过限制速 率使得两侧业务的速率匹配各自的网络设备，同时减轻突发的网络流量对光无线融合网络 的压力。因此量整形作为保证QoS性能的方法之一在融合网络中具有重要意义。

流量整形技术最早出现在处于网络交换与网络转发节点位置的网络设备中。该技 术的出现主要是为了解决突发的网络流量给网络所带来的拥塞的问题。通过对业务速率的 输出限制，保证输出的速率匹配设备速率，并且对突发网络流量进行平滑，减少整个网络流 量的输入，减轻网络的压力来保证整个网络的性能。在由突发流量所导致的网络拥塞的环 境中，突发流量很可能不是关键的业务流量，所以流量整形技术就是要在网络产生拥塞的 情况下，限制非业务流量对整个网络带宽的占用率，使得突发流量对于带宽的占用率控制 在一个预先设定的范围之内。

目前，国内外大多数主流网络设备制造商如华为、中兴、Cisco、Juniper、3COM等都 在积极致力于流量整形技术的研究。现有的流量整形策略都是基于传统的单一网络的，在 融合网络中，据目前查找到的资料看来，没有太多的文献涉及流量整形策略。由于融合网络 的传输的数据包帧格式不同，传输速率不同，QoS控制机制不同，传统的流量整形策略已不 再适用。因此设计一种能保证整个融合网络QoS的流量整形策略，对于融合网络的发展具有 重要意义。

发明内容

有鉴于此，本发明的目的在于提供一种适合融合网络的令牌桶流量整形方法，该 方法针对于融合网络不同网络各自传输的数据包帧格式不同、传输速率不同、QoS控制机制 不同，通过融合网络不同域之间的映射规则，将各自域中的绝对优先级业务转化成整个融 合网络的相对优先级业务，来决定令牌桶参数的选择，并结合更符合实际的自相似网络流 量计算出最佳令牌桶参数，在此基础上，提出基于优先级的共享缓存策略，进而，使得令牌 桶参数得到动态的调整以提高整个网络业务的QoS。

为达到上述目的，本发明提供如下技术方案：在网络流量采用更符合理的自相似 模型和令牌桶算法作为流量整形策略的基础上，通过某业务的丢失率来得到当前丢失率下 此业务的令牌桶参数(r,b)。根据不同网络域之间的映射规则，将各自域中的绝对优先级业 务转化成整个融合网络的相对优先级业务，依靠相对优先级来动态的调整共享缓存的大 小，从而改变业务的丢失率，进而动态的调整令牌桶的参数(r,b)使得业务在整个网络中的 QoS得到保证。

具体来说：

一种适合融合网络的令牌桶流量整形方法，包括以下步骤：

1)初始化5种网络业务的丢失率ε_UGS、ε_rtPS、ε_ertPS、ε_nrtPS、ε_BE和缓存B_UGS、B_rtPS、B_ertPS、 B_nrtPS、B_BE，其中下标UGS、rtPS、ertPS、nrtPS、BE分别表示：主动授权服务(Unsolicited GrantService,)、实时轮询服务(Real-timepollingservice,)、扩展实时轮询服务 (extendedReal-timeservice,)、非实时轮询业务(non-real-timePollingService,)、 尽力而为服务(BestEffortservice,)；初始化令牌桶参数(r,b)和数据缓存总量B，其中： r为令牌产生速率，b为令牌桶容量；

2)建立具有自相似特性的分形布朗运动作为网络流量模型；

3)将上游的低速率的网络业务进行流量聚合，以便提升整个网络的效率；

4)将数据包按照网络的标准进行分类；

5)针对不同的业务分类设置单独的令牌桶算法，考虑令牌桶输出模型与FBM自相 似模型的特点，通过丢失率ε将令牌桶输出流量模型L(t)＝rt+b与自相似模型 联系起来，计算出突发曲线b＝b(r)，其中L(t)为令牌桶输出流量，t为 数据突发时间间隔，A(t)为令牌桶输入流量，m为到达数据流量的平均速率，a为到达数据流 量的方差，Z_H(t)是均值为“0”，方差为Var[Z_H(t)]＝|t|^2H的高斯随机过程，H为Hurst参数；

6)利用欧拉拉格朗日乘数法构造目标函数和代价函数来计算最佳令牌桶参数，将 点(m,0)到突发曲线的最短距离作为代价函数，将突发曲线b＝b(r)作为目标函数，通过计 算求得最佳令牌桶参数(r^*,b^*)；

7)根据融合网络中两域之间的QoS映射规则，将两域中的绝对优先级业务转化成 整个融合网络的相对优先级业务；

8)建立业务的相对优先级中丢失率ε与缓存B的关系，根据当前业务丢失率，对不 同业务所占缓存进行动态的调整，进而动态的调整当前时刻的最佳令牌桶参数(r^*,b^*)，从 而使得流量整形方法保证了业务在整个网络中的QoS。

进一步，在所述步骤中采用分形布朗运动模型来模拟 融合网络的网络流量；

定义网络流量A_i(t),i＝1,...,K的分布其为：而A (t)是A_i(t)累加的过程$A\left(t\right)=\underset{i=1}{\overset{K}{\Sigma }}{A}_i\left(t\right),$则可以写为：$A\left(t\right)=mt+\sqrt{ma}{Z}_H\left(t\right),t\in R,$其中A(t)表 示t时刻的到达的网络流量，m为到达数据流量的平均速率，a为到达数据流量的方差；Z_H(t) 是均值为“0”，方差Var[Z_H(t)]＝|t|^2H的高斯随机过程；H为Hurst参数并且满足

网络数据通过令牌桶的数学模型定义为：L(t)＝rt+b，其中L(t)为令牌桶输出流 量，t为数据突发时间间隔，r为令牌产生速率，b为令牌桶容量，为了不让数据包被丢弃，则 令牌桶输入流量A(t)小于等于令牌桶的输出流量L(t)即是：A(t)≤rt+b＝L(t)，将满足此 限制条件的参数(r,b)所组成的曲线称为突发曲线b＝b(r),根据FBM网络流量模型的特点 得到令牌桶输入的流量为将超过令牌桶输出流量L(t)＝rt+b的概率 定义为ε：其中m为到达数据流量的平均速 率，a为到达数据流量的方差；Z_H(t)是均值为“0”，方差为Var[Z_H(t)]＝|t|^2H的高斯随机过 程，H为Hurst参数并且满足r为令牌产生速率，b为令牌桶容量，t为突发时间间 隔，根据分形布朗存储服务模型将令牌产生速率r等效为服务速率，将令牌桶容量b等效为 数据缓存可以得到：$\mathrm{Pr}\{Z_H\left(t\right)>\frac{(r-m)t+b}{\sqrt{ma}}\}\ge \bar{\phi }\left(\frac{{(r-m)}^H{b}^{1-H}}{k\left(H\right)\sqrt{ma}}\right),$其中k(H)＝H^H(1-H)^1-H和 $\bar{\phi }\left(y\right)=P(Z_1>y),$是一个标准的高斯分布函数，根据标准高斯过程的特性及未来近似 不等式，得出ε的近似值：$ϵ:\exp (-\frac{{(r-m)}^{2H}}{2k{\left(H\right)}^{2}am}{b}^{2-2H}),$其中k(H)＝H^H(1-H)^1-H，通过数学运算 可以得到r的表达式：$r=m+{\left(k\right(H\left)\sqrt{-2lnϵ}\right)}^{1/H}{a}^{1/\left(2H\right)}{b}^{-(1-H)/H}{m}^{1/\left(2H\right)}.$

进一步，在所述步骤中，利用欧拉-拉格朗日乘数法求取当前丢失率下的最佳令牌 桶参数(r,b)，通过令牌桶参数(r,b)与丢失率ε的关系，给出具体的到达数据流量的平均速 率m，到大流数据量的方差a，Hurst参数H，丢失概率ε，求出突发曲线b＝b(r),将点(m,0)到 突发曲线的最短距离作为代价函数；

根据b＝b(r)是一个单调的递减函数，当r的设置为统计意义上的数据流量到达的 平均速率，能使得数据流量的突发在一个很小的范围内，突发曲线上到点(m,0)距离最短的 点(r,b)，就为当前的丢失概率ε下的最佳令牌桶参数(r,b)，定义点(m,0)到突发曲线上一 点的最小距离函数为：

最佳令牌桶参数的求解转换为求突发曲线上的点到点(m,0) 的最小值，根据朗格朗日乘数法的思想，将公式$\Lambda (r,b)=m-r+{\left(k\right(H\left)\sqrt{-2lnϵ}\right)}^{1/H}{a}^{1/\left(2H\right)}{b}^{-(1-H)/H}{m}^{1/\left(2H\right)}$作为目标条件，构造欧拉-朗格朗日乘数法方程组：F(r,b,λ)＝Γ(r,b)+λΛ(r,b)，通过计 算解出最佳令牌桶参数(r^*,b^*)：$\left(\begin{array}{c}{r}^{*}=m+S^{1+H}\left(\frac{H}{1-H}\right)\\ b^{*}={\left(\frac{H}{1-H}\frac{1}{S^2}\right)}^{-H/2}\end{array}\right),$其中$S=a^{1/2H}{m}^{1/2H}k{\left(H\right)}^{1/H}{\left(\sqrt{-2\ln ϵ}\right)}^{1/H},$k(H)＝H^H(1-H)^1-H。

进一步，在所述步骤中，根据融合网络不同域之间的QoS映射规则，将业务的绝对 优先级转换为相对优先级，然后依照相对优先级的QoS指标，控制共享缓存中的不同优先级 业务的缓存进行动态变化，在数据包被流量分类后进入流量整形阶段时，所有业务流量都 会缓存在公用的缓存中，根据令牌桶算法的工作原理，当令牌桶中数量不足时数据将会被 缓存，建立令牌桶容量b与数据缓存B的关系：当b不为0时，B为0；当B不为0时，b一定为0，所 以在有数据包丢失时，令牌桶容量b就为0，此外数据缓存B也影响着业务的丢失率ε，当到达 的数据超过数据缓存B的大小时，数据将会被丢弃，定义其中A(t)为业务的 到达流量，r为业务的令牌桶产生速率，B为业务所占的缓存大小，t为时间间隔，增大缓存B 能降低丢失率ε；

动态的缓存调整即是：当高优先业务出现过大的丢失率时，通过占用其他低优先 级业务的缓存来增加自己的缓存，从而减少丢失率，高优先级业务首先会占用优先级最低 的业务的缓存，直到最低优先级业务的缓存到达临界值，然后依次占用倒数第二优先级业 务，直至第二优先级业务的缓存达到临界值，或者高优先级业务丢失率下降到满足业务QoS 标准的丢失率时，停止此高优先级业务的缓存调整。

进一步，在所述步骤中，针对光无线融合网络中无线侧为WiMAX的网络中的动态缓 存调整，定义B为数据缓存总量，B_UGS、B_rtPS、B_ertPS、B_nrtPS、B_BE分别为各个业务所占缓存大小， 那么可以得到：B＝B_UGS+B_rtPS+B_ertPS+B_nrtPS+B_BE，以UGS业务为例，UGS业务的丢失率ε_UGS的计算 公式如下：其中A_UGS(t)为UGS业务的到达流量，r_UGS为UGS业务的 令牌桶产生速率，B_UGS为UGS业务所占的缓存大小，t为时间间隔，利用丢失率式ε_UGS的计算公 式，将ε_UGS带入式子中计算出对应的TB_opt(r^*,b^*)的值，进而能得到r_UGS的值，然后经过数学变 换以及等价替换求出B_UGS的数学表达式为：

$B_{UGS}=(1-{ϵ}_{UGS})*A_{UGS}\left(t\right)-(m_{UGS}+{S_{UGS}}^{1+H}(\frac{H}{1-H}\left)\right)t,$其中m_UGS为UGS业务流量到达 的平均速率，a_UGS为UGS业务流量到达的方差，$S={a_{UGS}}^{1/2H}{m_{UGS}}^{1/2H}k{\left(H\right)}^{1/H}{\left(\sqrt{-2{\mathrm{lnϵ}}_{UGS}}\right)}^{1/H},$k (H)＝H^H(1-H)^1-H，定义业务的缓存临界值为业务QoS规定的丢失率达到最大值时的缓存值， 如B_{min_nrtPS}为当nrtPS业务的丢失率达到ε_{max_nrtPS}时的临界缓存值；以UGS业务为例，当UGS业 务出现丢失率时，减少BE业务的缓存来增加UGS业务的缓存，若当BE业务的缓存减少至0后， 然后开始减少nrtPS业务的缓存，当nrtPS业务的缓存减少到临界值，停止减少nrtPS的缓 存，若此时UGS业务还存在丢失率，则按照上述规则依次减少ertPS业务和rtPS业务直至都 达到临界值，停止UGS业务的缓存调整过程。

本发明的有益效果在于：本发明所提出的方法能够在保证各业务优先级的同时， 降低融合网络设备的压力，达到了提高整个融合网络业务QoS的目的。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行 说明：

图1为本发明中WOBAN的结构图；

图2为本发明中ONU-BS混合结构图；

图3为本发明中令牌桶参数计算的流程图；

图4为本发明中数据发送的流程图；

图5为本发明整体结构框图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

网络业务在较大尺度范围内呈现出统计自相似性，突出表现为，突发没有明确的 长度，在不同的时间尺度下表现出相同的突发特性，业务是长相关的，不能被平滑掉。因此 本发明中选择自相似性模型作为网络流量模型。结合令牌桶算法与自相似模型的特点，通 过丢失率ε将令牌桶输出流量模型L(t)＝rt+b与自相似模型联系起 来，其中L(t)为令牌桶输出流量，t为数据突发时间间隔，r为令牌产生速率，b为令牌桶容 量，m为到达数据流量的平均速率，a为到达数据流量的方差，Z_H(t)是均值为“0”，方差为Var [Z_H(t)]＝|t|^2H的高斯随机过程。H为Hurst参数并且满足在得到由令牌桶参数 (r,b)决定的突发曲线b＝b(r)后，利用欧拉朗格朗日乘数法构造目标函数和代价函数。点 (m,0)在突发曲线上的物理意义是数据正好全部通过令牌桶而没有超出的数据。因此将点 (m,0)到突发曲线b＝b(r)的最短距离作为代价函数，而将突发曲线b＝b(r)定义为目标函 数。通过对朗格朗日乘数法的计算求得最佳令牌桶参数(r^*,b^*)。不同于传统网络的流量整 形，在融合网络中的流量整形策略需要考虑到不同网络拥有不同的QoS控制机制，不同的业 务分类，不同的优先级。根据不同网络域之间的映射规则，将各自域中的绝对优先级业务转 化成整个融合网络的相对优先级业务。针对相对优先级的业务，分别建立具有不同参数的 令牌桶算法进行流量整形，不同令牌桶参数按照相对优先级的高低进行设置。此外由于数 据缓存采用共享缓存，利用相对优先级顺序能够保证高优先级业务获得足够的缓存大小来 提高QoS。依靠相对优先级较高的业务可以占用低优先级业务的缓存的策略，来动态的调整 共享缓存的大小，从而改变业务的丢失率，进而动态的调整不同业务的令牌桶的参数(r, b)，这样就能有效的保证各优先级业务的QoS，最终使得整个融合网络业务的QoS得到保证。

图1为本发明中WOBAN的结构图，如图所示，WOBAN由前端的无线接入网和后端的光 接入网构成。在中心端局(CentralOffice,CO)部署多个光线路终端(OpticalLine Terminal,OLT)，每个OLT通过光纤与光分路器(Splitter)连接，驱动多个光网络单元 (OpticalNetworkUnits-BaseStation,ONU-BS)。每个ONU可以连接多个无线路由器。这 些无线路由器构成整个混合网络前端的无线网状网(WirelessMeshNetworks,WMN)。其 中，直接与ONU相连的无线路由器称为网关节点，其余无线路由器则为终端用户提供无线接 入。用户数据先到达无线路由器，再通过多跳传输到ONU-BS节点，然后经PON接入互联网。

目前，光无线融合网络的融合架构典型的有四种：独立结构、混合结构、统一结构、 MOF结构。如图2所示为ONU-BS的混合结构图，将光域的ONU和无线域的BS合成了一个设备 ONU-BS，这样既降低了设备成本也使得光域和无线域能知道各自的带宽分配机制和包调度 的情况。ONU-BS的核心由中心处理器、ONU处理器和BS处理器组成，中心处理器把BS的各个 连接映射到ONU的3个队列中，并根据网络的流量状况进行总体的带宽分配和包调度，使得 合成设备充分发挥光域与无线域各自的优势，从而缩短系统中平均队列长度，提高整个系 统的吞吐量。

如图3所示为本发明中令牌桶参数计算的流程图，即通过当前丢失率ε计算出最佳 的令牌桶参数(r,b)，并且根据共享缓存动态的改变缓存大小来改变丢失率ε，进而动态的 改变最佳令牌桶参数。

如图4所示为本发明中数据发送的流程图，即各个子基站SS将数据发送到ONU-BS 处理后发送至OLT，首先ONU-BS将SS发送来的数据进行流量聚合提高传输效率，其次依据标 准将业务分类，然后不同业务分别通过整形器整形，再将无线域业务按照规则映射为光域 业务，最后按照权值轮询法(WeightedRoundRobin，WRR)输出数据队列至OLT。

如图5所示为本发明整体结构框图，即一次完整的流量整形所经历的过程，首先初 始化令牌桶参数，建立分形布朗运动的自相似模型，然后经过流量聚合和流量分类，利用令 牌桶输出模型计算突发曲线并考虑动态缓存的影响，进而调整令牌桶参数的设定，最后保 证输出到OLT的业务的QoS。

具体包括以下步骤：

1.网络初始化：在网络运行初始时刻，初始化5种业务的丢失率ε_UGS、ε_rtPS、ε_ertPS、 ε_nrtPS、ε_BE和缓存B_UGS、B_rtPS、B_ertPS、B_nrtPS、B_BE，以及令牌桶参数(r,b)和数据缓存总量B。至此网 络的初始化阶段完成。

2.建立网络流量模型：大多数的网络流量都被指出具有自相似性，所以选用自相 似模型作为网络流量模型能更准确更真实的模拟WOBAN网络业务的真实情况。一个随机过 程X＝(X(t))_t≥0是自相似过程的定义为：其中代表分布相 同，那么X就是一个H自相似过程，H是Hurst参数用来衡量自相似的程度。自相似过程的方差 性质：Var{X(ct)}＝c^2HVar{X(t)}，其中常数c＞1，Hurst参数在众多自相似模 型之中最常用的就是分型布朗模型(FractionalBrownianMotion,FBM)，FBM过程 的定义是：(1)Z(t)是平稳增量；(2)Z(0)＝0,EZ(t)＝0forall t；(3)EZ(t)²＝|t|^2Hforallt；(4)Z(t)是连续的；(5)Z(t)是高斯过程，例如它的有限维 分布是多元高斯分布。用分形布朗运动模型来模拟网络流量A_i(t),i＝1,...,K的分布其定 义为：而A(t)是A_i(t)累加的过程则可以写 为：其中A(t)表示t时刻的到达的网络流量，m为到达数据流量 的平均速率，a为到达数据流量的方差。Z_H(t)是均值为“0”，方差Var[Z_H(t)]＝|t|^2H的高斯 随机过程。H为Hurst参数并且满足

3.流量聚合：WiMAX的传输速率远小于EPON中的传输速率，ONU-BS将收集所有SS子 基站发来的消息，并且将各个子基站发送的低速率业务合并，提高业务的传输效率。

4.数据包分类：在IEEE802.16标准中将WiMAX的QoS服务分成5类：主动授权服务 (UnsolicitedGrantService,UGS)、实时轮询服务(Real-timepollingservice,rtPS)、 扩展实时轮询服务(extendedReal-timeservice,ertPS)、非实时轮询业务(non-real- timePollingService,nrtPS)、尽力而为服务(BestEffortservice,BE)。它们的优先级 从高到低依次为：UGS用于提供语音业务voip；第二个为rtPS用于多媒体应用程序以及在线 实时的应用程序中提供零星的流量和带宽；第三个为ertPS是在周期性基础上生成可变大 小的数据分组，很适合应用于零星的实时应用；第四个为nrtPS用于密集文件的下载不要求 实时。最后则是BE服务这类服务不保证带宽也没有时延的要求，是最低优先级的业务。根据 WiMAX的标准将所接收到的业务分成上述5个类别。

5.流量整形：流量整形为了使数据速率与设备相匹配，对输出数据的速率进行控 制，对超出流量约定的数据进行缓存，并在合适的时候将缓存的数据发送，以避免不必要的 数据丢弃和拥塞。流量整形的主要思想是：将输入的分组数据包缓存并组成虚拟队列，采用 流量整形算法来调整虚拟队列的顺序和控制输出分主流的速率，从而改变输入分组流的速 率。流量整形策略可以平滑分组数据流，调整进入网络的流量的速率和容量。

令牌桶算法是流量整形中一种最常用整形算法,令牌桶算法的控制机制是通过令 牌桶中的令牌数量来控制数据分组的发送。用两个参数来描述令牌桶：r代表产生令牌的速 率，b表示桶中的令牌数量。令牌桶的工作原理为：以恒定的速率r往令牌桶中添加令牌，当 令牌桶中的令牌达到最大值时，多余的令牌将被丢弃。网络数据包到达令牌桶时，需要获取 相应的令牌后，才能被转发。转发后删除令牌桶中被获取的令牌数量。如果数据包到达时没 有获得足够的令牌数量，则缓存数据包，等待令牌增加，直至获得足够的令牌后转发，若缓 存的数据超过存储设备的大小则会丢弃新到达的数据包。

不同于传统网络的流量整形，在融合网络中，由于不同网络之间的数据帧结构不 同，考虑到WiMAX中区分了5种优先级不同的业务，所以建立5个令牌桶算法对5个业务分别 进行流量整形。按照WiMAX中5种业务的优先级顺序设置不同的令牌桶参数。结合自相似流 量的特性以及令牌桶输出流量的特性，利用欧拉拉格朗日乘数法建立最佳令牌桶参数(r, b)的计算公式，然后根据共享缓存的动态调整策略，通过业务所占的缓存大小来减少业务 的丢失率，通过丢失率的改变反馈给令牌桶，进而令牌桶的参数(r,b)也会随之得到调整， 以便提高整个融合网络对突发业务的处理能力以及保证整个网络业务的QoS。

首先将网络数据通过令牌桶的数学模型定义为：L(t)＝rt+b，其中L(t)为令牌桶 输出流量，t为数据突发时间间隔，r为令牌产生速率，b为令牌桶容量。为了不让数据包被丢 弃，则令牌桶输入流量A(t)小于等于令牌桶的输出流量L(t)即是：A(t)≤rt+b＝L(t)，将满 足公式限制条件的参数(r,b)所组成的曲线称为突发曲线b＝b(r)。

(1)突发曲线的计算：QoS中丢失率是一个重要的指标，根据FBM的特点得到令牌桶 输入的流量为将超过令牌桶的输出流量L(t)＝rt+b的概率定义为ε： 其中m为到达数据流量的平均速率，a为到达 数据流量的方差。Z_H(t)是均值为“0”，方差为Var[Z_H(t)]＝|t|^2H的高斯随机过程。H为Hurst 参数并且满足r为令牌产生速率，b为令牌桶容量，t为突发时间间隔。

根据FBM存储服务模型将令牌产生速率r等效为服务速率，将令牌桶容量b等效为 数据缓存，可以得到：其中k(H)＝H^H(1-H)^1-H和 是一个标准的高斯分布函数。根据标准高斯过程的特性及未来近似 不等式，能得出ε的近似值：其中k(H)＝H^H(1-H)^1-H，通过ε的表 达式，得到FBM自相似模型与令牌桶参数的数学关系，将ε作为已知变量，通过数学变换进一 步得到令牌产生速率r的表达式：$r=m+{\left(k\right(H\left)\sqrt{-2lnϵ}\right)}^{1/H}{a}^{1/\left(2H\right)}{b}^{-(1-H)/H}{m}^{1/\left(2H\right)}.$

(2)代价函数：r的表达式描述了令牌桶参数(r,b)与丢失率ε的关系，给出具体的 到达数据流量的平均速率m，到大流数据量的方差a，Hurst参数H，丢失概率ε，求出突发曲线 b＝b(r)。突发曲线上的每一个点都代表一对满足条件的令牌桶参数(r,b)，为了找出最佳 的令牌桶参数(r,b)，需要找出一个代价函数。点(m,0)在突发曲线上的物理意义是数据正 好通过令牌桶没有突发数据的情况。因此可以将点(m,0)到突发曲线的最短距离作为代价 函数。根据b＝b(r)是一个单调的递减函数，当r的设置为统计意义上的数据流量到达的平 均速率时，能使得数据流量的突发在一个很小的范围内。突发曲线上到点(m,0)距离最短的 点(r,b)，就为当前的丢失概率ε下的最佳令牌桶参数(r^*,b^*)。定义点(m,0)到突发曲线最小 距离函数为代价函数：$\Gamma (r,b)=\sqrt{{(r-m)}^2+b^2}.$

(3)最佳令牌桶参数：最佳令牌桶参数的求解转换为求突发曲线上的点到点(m,0) 的最小值，根据欧拉-朗格朗日乘数法的思想，将r的表达式经过数学变换后作为目标条件： $\Lambda (r,b)=m-r+{\left(k\right(H\left)\sqrt{-2lnϵ}\right)}^{1/H}{a}^{1/\left(2H\right)}{b}^{-(1-H)/H}{m}^{1/\left(2H\right)},$结合代价函数和目标条件构造欧拉-朗 格朗日乘数法方程组：F(r,b,λ)＝Γ(r,b)+λΛ(r,b)，通过计算解出最佳令牌桶参数(r^*, b^*)：$\left(\begin{array}{c}{r}^{*}=m+S^{1+H}\left(\frac{H}{1-H}\right)\\ b^{*}={\left(\frac{H}{1-H}\frac{1}{S^2}\right)}^{-H/2}\end{array}\right),$其中$S=a^{1/2H}{m}^{1/2H}k{\left(H\right)}^{1/H}{\left(\sqrt{-2lnϵ}\right)}^{1/H},$k(H)＝H^H(1-H)^1-H。

(4)动态缓存：在数据包被流量分类后进入流量整形阶段时，所有业务流量都会缓 存在公用的缓存中，定义B为数据缓存总量，B_UGS、B_rtPS、B_ertPS、B_nrtPS、B_BE分别为各个业务所占 缓存大小。那么可以得到：B＝B_UGS+B_rtPS+B_ertPS+B_nrtPS+B_BE，根据令牌桶算法的工作原理，当令 牌桶中数量不足时数据将会被缓存，可以得出令牌桶容量b与数据缓存B的关系：当b不为0 时，B为0；当B不为0时，b一定为0。所以在有数据包丢失时，令牌桶容量b就为0，以UGS业务为 例，它的丢失率ε_UGS的计算公式如下：其中A_UGS(t)为UGS业务的到 达流量，r_UGS为UGS业务的令牌桶产生速率，B_UGS为UGS业务所占的缓存大小，t为时间间隔。将ε_UGS带入最佳令 牌桶参数的公式中能求出对应的TB_opt(r^*,b^*)从而得到r_UGS。进而求出B_UGS的表达式为： $B_{UGS}=(1-{ϵ}_{UGS})*A_{UGS}\left(t\right)-(m_{UGS}+{S_{UGS}}^{1+H}(\frac{H}{1-H}\left)\right)t,$其中$S={a_{UGS}}^{1/2H}{m_{UGS}}^{1/2H}k{\left(H\right)}^{1/H}{\left(\sqrt{-2{\mathrm{lnϵ}}_{UGS}}\right)}^{1/H},$k(H)＝H^H(1-H)^1-H，m_UGS为UGS业务流量到达的平均速率，a_UGS为UGS业务流量到达的方差。由 上式可以得出随着丢失率的减小，缓存会增加。缓存的数据越多数据的丢包得越少，从而丢 包率就会下降。但是数据的缓存不可能无限的增加，如果仅仅增加UGS业务的缓存，其他四 种业务的缓存必将减小，这样就会导致其他业务的QoS无法得到保证，因此增加缓存时应遵 守规则，当高优先业务出现丢失率过大时，通过占用其他业务的缓存来增加自己的缓存，从 而减少丢失率。定义业务的缓存临界值为业务QoS规定的丢失率达到最大值时的缓存值，如 B_{min_nrtPS}为当nrtPS业务的丢失率达到ε_{max_nrtPS}时的临界缓存值。以UGS业务为例，当UGS业务 出现丢失率时，减少BE业务的缓存来增加UGS业务的缓存，若当BE业务的缓存减少至0后，然 后开始减少nrtPS业务的缓存，当nrtPS业务的缓存减少到临界值，停止减少nrtPS的缓存， 若此时UGS业务还存在丢失率，则按照上述规则依次减少ertPS业务和rtPS业务直至都达到 临界值，停止UGS业务的动态调整过程。

6.QoS映射：因为EPON与WiMAX对业务的分类不同，业务的绝对优先级不同，为了得 到业务的相对优先级，将UGS和rtPS业务映射成EF业务；ertPS和nrtPS业务映射成AF业务； 最后BE业务依旧映射成BE业务。在映射中采用无优先级服务模式即是FCFS先来先服务的策 略，也就是说rtPS业务在缓存中不会因为UGS业务的到来而中断。

7.发送至OLT：经过整形以及QoS映射后的上行业务，将会依照EPON中的业务优先 级，按照权值轮询法输出数据队列，发送至OLT。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通 过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在 形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。