服视频会议网络优化及保障解决方案

　　为保障视频会议建立起一套高稳定，高可靠性和关键业务可视化的整体解决方案对于组织当前信息化建设尤为重要。

　　经过多年的实践，以及在数十家客户中的实际验证，我们推荐使用服科技的视频会议网络优化及稳定保障解决方案。通过技术手段，减少以上网络不稳定因素的影响。通过服广域网优化WOC，有效提高网络的传输速度，减少丢包和延时的影响。

　　部署介绍：总部部署两台广域网优化设备，双机热备，网桥部署，保障稳定性和可靠性。各分支单位通过网桥模式部署一台广域网优化设备做网关。

　　解决方案：通过依托中石油管道局现有办公专网，通过视频会议来实现与中心局的互联互通问题，同时，针对视频会议做带宽保障，针对业务数据做流量削减，提高整网的稳定性。通过应用性能管理真实，全面的网络的健康状况，并针对可能发生的问题进行及时的预警，避免重要视频会议的中断。

　　针对视频会议数据丢包现象，服技术团队开发了UDP代理算法对视频丢包现象都有非常好的优化效果，具体实现技术如下：

　　在WOC设备上，对视频端发送过来的UDP数据进行代理将视频数据缓存在设备中，并将视频转成可靠连接的TCP并与对端的WOC建立连接，通过TCP本身的TCP序列号校验保障视频包不会乱序。若是出现视频丢包，基于TCP可靠连接的要求，WOC设备将立即知道是哪个包丢失，以最高优先级从缓存中提取对应数据包，并以最高优先级发送到对端WOC;对端WOC在收到丢失包后，将按顺序重组视频流并转换成UDP的方式发送到视频端。

　　服广域网优化设备内置了HTP(HighSpeed Transmission Protocol)高速传输协议，这样两端的设备之间就可以采用HTP高速传输协议来进行数据传输了，HTP协议针对传统的TCP协议主要进行了如下的改进：

　　A提供选择性应答(只重传指定的包)和快速重传能力，通过由接收端指定哪些包需要重传，就可以避免过多的重传引起的交互过多的问题，减少了网络延迟对传输的影响。

　　B窗口处理机制优化，WOC加速引擎中的窗口处理机制优化能够将TCP协议所使用的窗口进行扩充，通过两端设备之间进行协商的结果，将原本最大只有64K的窗口扩充到200K，大大增加了线的吞吐能力。

　　C拥塞控制优化，服WOC中的拥塞控制优化技术能通过两端设备之间进行协商，将原本遇到传输异常时迅速减少的拥赛控制方式变成快速增长缓慢下降的方式，能够在网络异常的时候最快速的找到当前合适的窗口大小，减少传输所消耗的时间，提升传输速度。

　　广域网优化设备可识别1000种以上常见的广域网及互联网应用协议，且可手动添加，支持DPI(深度内容检测)和DFI(动态流状态检测)技术识别应用，无需额外配置即可识别出应用，自动选择加速策略进行加速，支持Token Bucket和基于队列的广域网流量处理技术，支持基于应用和内容的广域网流量整形功能，提高广域网利用率。

　　相比传统的QOS技术而言，服智能带宽保障技术可以更好的保障视频会议带宽，从而有效的解决业务数据冲击导致视频数据丢包。

　　面对普通应用的流量保障，QOS的功不可没，通过应用分层模型实现不同优先等级数据的有序发送。但QOS却有一个致命的缺陷，在面对瞬时突发流量，QOS由于本身调度机制存在一定的延时，对突发流量的控制过慢，将导致视频会议在瞬间被冲击马赛克出现。

　　服智能带宽保障，改进了传统QOS的缺陷，针对视频会议设置带宽保障通道， 如设置视频会议最小保障带宽为1M并定为最高优先级，视频会议时自动分配1M带宽。结合流量可视化结果针对核心应用设置最小保障通道，并允许借用空余带宽提高保障，视频会议下使用的顺畅。

　　虚拟线的作用是根据数据流的IP/端口/物理网口等条件将一条物理线划分成若干虚拟线,对每个线分别控制.根据网络内部的业务应用划分为不同的优先级，实现基于业务应用的优先级管理。

　　此外，可将不同应用流量划分到不同的通道。如果启用虚拟线功能，流控策略作用在虚拟通道上而不是物理通道，管理策略更加细致。支持对核心业务系统、视频会议等做服务质量保障，实现高级QoS。

　　WOC特有的“基于码流特征的数据优化”技术，能够大大降低广域网传输过程中的数据流量，根据实际的测试最多时甚至能够将流量减少95%以上。

　　服广域网优化采用了基于硬件的GZIP和LZO高速流压缩算法，可以对所有的数据先压缩后传送，大大提高了终端用户在使用Web资源和C/S应用时的访问速度，减少下载时间和网络流量。

　　通过引入广域网优化的全局IP压缩技术，对在两个加速硬件网关间传输的IP数据包提供创新性的SANGFOR High speed 改进型压缩算法，实现IP数据包压缩功能，将不过加速的(应用系统)数据进行压缩,实现全局流量压缩 ，包括TCP流量和UDP流量，进一步减少带宽占用。用户无需升级带宽，即可实现现有带宽利用效率的最大化，缓解了数据大增长。