基于云平台的跨平台数据传输控制方法

技术领域

[0001] 本申请涉及数据传输技术领域，具体涉及基于云平台的跨平台数据传输控制方法。

背景技术

[0002] 在跨云平台数据传输场景中，为满足严格的数据安全合规要求，发送端网关普遍采用信封加密机制对业务数据进行保护，该机制需要网关频繁调用云端密钥管理服务的应用程序编程接口（Application Programming Interface，API）接口以获取数据密钥。然而，云服务提供商通常对这类关键服务的API调用设有严格的速率配额限制，避免因海量请求导致服务过载。

[0003] 然而，实际业务场景中，业务流量往往存在微突发特性，同时云端服务的响应性能也可能受自身负载波动影响而产生波动。在此情况下，传统的密钥申请方式容易触及密钥管理服务（Key Management Service，KMS）的API限流边界，导致请求被拒绝或响应延迟大幅增加。由于发送端网关的缓冲区容量有限，若持续以固定频率发起密钥申请，积压的待加密数据会迅速耗尽缓冲区资源，最终引发业务中断。现有技术中，为解决该问题通常采用静态批量处理策略，即预先设定固定的消息聚合数量或等待时间，通过批量申请密钥减少API调用次数。但这种静态策略无法感知云端服务的实时负载状态与业务流量的动态变化：在业务低谷期，固定的聚合逻辑会导致不必要的传输延迟，降低数据传输效率；在业务高峰期或云端拥塞期，固定的聚合数量往往仍超出限流配额，无法有效缓解拥塞问题，难以在有限的API配额与动态变化的业务流量之间实现平衡。

发明内容

[0004] 为了解决现有技术中静态策略无法感知云端服务的实时负载状态与业务流量的动态变化的技术问题，本申请的目的在于提供一种基于云平台的跨平台数据传输控制方法，所采用的技术方案具体如下：获取云端密钥管理服务端的排队延迟增量。其中，排队延迟增量用于表征服务端在处理密钥申请请求时因资源争抢导致的额外延迟。

[0005] 根据当前周期的业务数据流入率和历史周期的状态数据，计算拥塞响应系数。其中，拥塞响应系数用于表征服务端处理延迟对负载增加的敏感程度。

[0006] 根据排队延迟增量、业务数据流入率和拥塞响应系数，确定积压风险指数。其中，积压风险指数用于量化服务端的拥塞风险。

[0007] 根据积压风险指数，调整消息聚合计数。消息聚合计数用于控制向服务端发起密钥申请请求的频率。

[0008] 在一种可能的实现方式中，获取服务端的排队延迟增量，包括：获取应用层调用时刻、传输层确认时刻和响应接收时刻；其中，应用层调用时刻用于表征应用程序发起密钥申请的时间点；传输层确认时刻用于表征请求报文被服务端确认接收的时间点；响应接收时刻用于表征应用程序接收到响应的时间点；基于传输层确认时刻与应用层调用时刻，计算服务端处理时长；确定全局最小服务基准时长，全局最小服务基准时长为历史观测窗口内服务端处理时长的最小值；基于服务端处理时长与全局最小服务基准时长，计算排队延迟增量。

[0009] 在一种可能的实现方式中，获取传输层确认时刻，包括：响应于具有读取传输层控制块的权限，从操作系统的传输层协议栈中获取服务端针对密钥申请请求返回的确认报文的被接收时刻，将被接收时刻作为传输层确认时刻；响应于不具有读取传输层控制块的权限，基于应用层调用时刻与当前网络连接的平滑往返时间，计算传输层确认时刻。

[0010] 在一种可能的实现方式中，根据当前周期的业务数据流入率和历史周期的状态数据，计算拥塞响应系数，包括：获取当前周期的业务数据流入率和当前周期的排队延迟增量；从历史状态记录中读取上一周期的历史业务数据流入率和历史排队延迟增量；基于当前周期的业务数据流入率、历史业务数据流入率、当前周期的排队延迟增量以及历史排队延迟增量，计算得到拥塞响应系数。

[0011] 在一种可能的实现方式中，基于当前周期的业务数据流入率、历史业务数据流入率、当前周期的排队延迟增量以及历史排队延迟增量，计算得到拥塞响应系数，包括：计算当前周期的业务数据流入率相对于历史业务数据流入率的负载变化率；当负载变化率大于零时，计算当前周期的排队延迟增量相对于历史排队延迟增量的延迟恶化率；基于延迟恶化率与负载变化率的比值，确定拥塞响应系数，其中，比值与拥塞响应系数正相关。

[0012] 在一种可能的实现方式中，根据排队延迟增量、业务数据流入率和拥塞响应系数，确定积压风险指数，包括：计算排队延迟增量与业务数据流入率的乘积，得到基础积压量；将拥塞响应系数作为修正因子对基础积压量进行修正，得到积压风险指数，其中，拥塞响应系数与积压风险指数正相关。

[0013] 在一种可能的实现方式中，根据积压风险指数，调整消息聚合计数，包括：基于积压风险指数确定理论聚合计数值；理论聚合计数值用于表征单次密钥申请所覆盖的消息数量；将理论聚合计数值与预设最大聚合计数值中的最小值作为下一周期执行的消息聚合计数。

[0014] 在一种可能的实现方式中，基于积压风险指数确定理论聚合计数值，包括：将积压风险指数与预设缓存阈值相除，并对商进行向下取整；将取整结果加一，得到理论聚合计数值。

[0015] 在一种可能的实现方式中，在根据积压风险指数，调整消息聚合计数之后，该方法还包括：在当前周期计算完成后，将当前周期的业务数据流入率和排队延迟增量更新至历史状态记录中，以计算下一周期的拥塞响应系数。

[0016] 在一种可能的实现方式中，在根据积压风险指数，调整消息聚合计数之后，该方法还包括：根据调整后的消息聚合计数，对待传输的业务数据进行分组处理；针对每个分组，向云端密钥管理服务端发起一次密钥申请请求；使用获取的密钥对相应分组内的业务数据进行加密传输。

[0017] 本申请具有如下有益效果：本申请通过精准提取排队延迟增量，获得了服务端真实的拥塞状态数据，解决了传统方法中网络干扰导致的状态感知不准确问题；通过计算拥塞响应系数，捕捉了服务端的非线性性能特征，实现了对拥塞趋势的前瞻性识别；再通过构建积压风险指数，综合量化了当前与未来的拥塞风险，为决策提供了可靠依据；最后，基于风险指数动态调整消息聚合计数，在避免服务端限流的同时，最大化保障了数据安全隔离性。基于此，本申请能够有效适配业务流量的动态变化与服务端的负载波动，解决了现有静态策略无法感知云端服务的实时负载状态与业务流量的动态变化的技术问题，在有限的API配额与动态变化的业务流量之间实现平衡。