CN119484310A 多通道并行mcc分片的性能预测方法以及装置 （北京小米移动软件有限公司）

多通道并行MCC分片的性能预测方法以及装置本公开是关于一种多通道并行MCC分片的性片组合的多个链路中的每个链路，基于MCC分片得到每个链路的周期平均时延；针对每个MCC分片组合的多个链路中的每个链路，基于MCC分片得到每个链路的带宽。实现了MCC分片组合性能2获取MCC分片组合集，所述MCC分片组合集包括多个MCC针对每个所述MCC分片组合的所述多个链路中的每个链路针对每个所述MCC分片组合的所述多个链路中的每个链路基于平台相关硬件参数和所述MCC分片组合的参数，获取所述每个链路的周期内唤醒基于所述周期内唤醒期间成功的总时延、所述周期内唤基于所述链路的周期内唤醒时间、平台的信道切换开5.根据权利要求4所述的方法，其特征在于基于所述链路在当前信道下的时延和所述周期内唤醒期间预期成功的最大时延检测6.根据权利要求3所述的方法，其特征在于，所述基于所述链路的峰值时延、平台的信道切换开7.根据权利要求6所述的方法，其特征在于，基于所述周期内休眠期间预期成功的最大时延检测颗时延往返检测间隔以及惩罚时延，获取所述每个链路的周期内休眠期间成功往返的总时3基于平台相关硬件参数和所述MCC分片组合的参数，获取所述每个链路的每秒唤醒时基于所述每个链路的每秒唤醒时长最大值和所述实际环境下能达成最高吞吐的预估基于每秒运行最大周期个数、链路的周期内唤醒时间基于干净环境的最高吞吐在最高物理传输速率内的占比和实际环境的最高吞吐在干环境的最高吞吐指的是去掉底层协议开销之后的存在一定所述存储器存储有可被所述至少一个处理器执行的所述计算机程序被处理器执行时实现如权利要求1至14[0001]本公开涉及共存技术领域，尤其涉及一种多通道并行MCC分片的性能预测方法以[0004]为克服相关技术中存在的问题，本公开提供一种MCC分片的性能预测方法以及装[0013]基于平台相关硬件参数和所述MCC分片组合的参数，获取所述每个链路的周期内成功往返的总时延以及周期内休眠期间预期平台相关硬件参数和所述MCC分片组合的参数，获取所述每个链路的周期内唤醒期间预期5[0016]基于所述链路的周期内唤醒时间、平台的信道切换开销以及时[0018]基于所述链路在当前信道下的时延和所述周期内唤醒期间预期成功的最大时延[0022]基于所述周期内休眠期间预期成功的最大时延检测颗数、所述链路的峰值时延、[0024]基于平台相关硬件参数和所述MCC分片组合的参数，获取所述每个链路的每秒唤[0025]基于所述每个链路的每秒唤醒时长最大值和所述实际环境下能达成最高吞吐的[0029]基于干净环境的最高吞吐在最高物理传输速率内的占比和实际环境的最高吞吐6[0038]基于平台相关硬件参数和所述MCC分片组合的参数，获取所述每个链路的周期内成功往返的总时延以及周期内休眠期间预期预估模块基于平台相关硬件参数和所述MCC分片组合的参数，获取所述每个链路的周期内[0041]基于所述链路的周期内唤醒时间、平台的信道切换开销以及时[0042]在一些实现方式中，所述时延预估模块基于平台相关硬件参数和所述MCC分片组[0043]基于所述链路在当前信道下的时延和所述周期内唤醒期间预期成功的最大时延[0044]在一些实现方式中，所述时延预估模块基于平台相关硬件参数和所述MCC分片组[0046]在一些实现方式中，所述时延预估模块基于平台相关硬件参数和所述MCC分片组[0047]基于所述周期内休眠期间预期成功的最大时延检测颗数、所述链路的峰值时延、[0049]基于平台相关硬件参数和所述MCC分片组合的参数，获取所述每个链路的每秒唤[0050]基于所述每个链路的每秒唤醒时长最大值和所述实际环境下能达成最高吞吐的预估模块基于平台相关硬件参数和所述MCC分片组合的参数，获取所述每个链路的每秒唤7[0053]在一些实现方式中，所述带宽预估模块基于平台相关硬件参数和所述MCC分片组[0054]基于干净环境的最高吞吐在最高物理传输速率内的占比和实际环境的最高吞吐个处理器执行，以使所述至少一个处理器能够执行上述第一方面所述的MCC分片的性能预8[0077]图2是根据一示例性实施例示出的一种MCC分片的性能预测方法的流程图，如图2[0090]作为一种实现方式，将平台相关硬件参数和MCC分片组合的参数中第一链路的参9[0095]作为一种实现方式，将平台相关硬件参数和MCC分片组合的参数中第一链路的参[0099]下面针对步骤S202中的基于MCC分片组合的参数，通过时延预估模型进行时延预[0109]ActiveTotalLat(T(P,A))功的时延检测颗数(即周期内休眠期间预期成功的最大时延检测路的周期内休眠期间成功往返的总时延(InactiveTotalLat)：可能的incast(即从等待到执行导致唤醒期间数据量激增引起的瞬间时延抬升时间)，例数、周期内休眠期间成功往返的总时延以及周期内休眠期间预期成功的最大时延检测颗的总时延以及第一链路的周期内休眠期间预期成功的最大时延检测颗数，通过如下公式，[0129]下面针对步骤S203中的基于平台相关硬件参数和MCC分片组合的参数，通过带宽境的最高吞吐在干净环境的最高吞吐内的占比，获取实际环境下能达成最高吞吐的预估[0143]例如，干净环境的最高吞吐在最高物理传输速率内的占比可为75实际环境的[0171]基于平台相关硬件参数和MCC分片组合的参数，获取每个链路的周期内唤醒期间数、周期内休眠期间成功往返的总时延以及周期内休眠期间预期成功的最大时延检测颗[0176]基于链路在当前信道下的时延和周期内唤醒期间预期成功的最[0182]基于平台相关硬件参数和MCC分片组合的参数，获取每个链路的每秒唤醒时长最703基于平台相关硬件参数和MCC分片组合的参数，获取每个链路的每秒唤醒时长最大值[0187]基于干净环境的最高吞吐在最高物理传输速率内的占比和实际环境的最高吞吐[0190]图8是根据一示例性实施例示出的一种用于MCC分片的性能预测的装置1800的框头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和[0197]I/O接口1812为处理组件1802和外围接口模块之间提供接口，上述外围接口模块通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识