一种基于协作式机器学习的拥塞控制参数自适应调节方法

本发明属于数据中心网络拥塞技术领域，公开了一种基于协作式机器学习的拥塞控制参数自适应调节方法。本发明通过历史流量数据进行机器学习性能预测模型和强化学习智能体的训练、由集中控制器的机器学习性能预测模型进行端口级别的全局ECN阈值矩阵的预测、交换机端口的强化学习智能体推理得到局部ECN阈值矩阵、交换机端口的参数决策模块将全局ECN阈值矩阵和局部ECN阈值矩阵进行加权求和得到最优的ECN阈值并进行配置，能适应随时间及用户需求变化的流量特征，为数据中心网络业务提供最优的传输性能；能有效应对多租户架构的数据中心集群网络流量的异构性，减少流量突发对网络性能的损害。