互联网作为新一代信息技术(如:物联网、工业互联网、大数据等)的通信基础，其时延特征从时间维度表征了互联网的信息传播特性，是评价衡量互联网的最重要的性能指标。近年来，随着高性能集群计算、云计算、边缘计算/雾计算等新一代计算技术的飞速发展，面向互联网业务计算与部署的时效性问题已经逐渐转变为业务数据在互联网上传输的实时性问题，即通信时延问题。互联网发展至今，已经从原有的“抢空间”模式逐渐转移到“省时间”模式。面向实时数据传输的互联网的网络基础架构与通信原理研究对于提高网络资源利用率与业务调度效率、保障网络业务部署的实时性具有重要意义。本文以互联网“时延问题”为主线，研究面向实时数据传输的保障机制。在此研究目标下，本文研究工作主要从“时延发现”——“时延管理”——“时延控制”三个方面展开:
　　本文首先对互联网的时延发现问题进行深入研究，即研究分析互联网现阶段的时延特征。本文以权威机构CAIDA的海量IPv4级数据样本为基础，择取有效探测路径达900万之多，分析互联网在宏观拓扑结构下的网络端到端时延特征和在时域上的演化趋势。经分析，互联网端到端时延与探测数据包经过的路由器个数呈现极弱相关性，且在互联网的有效探测路径上，存在1条或几条链路的链路时延对互联网的端到端时延起绝对支配作用，且超过70％的有效路径存在本文定义的“瓶颈时延”现象。经分析，本文认为正是因为瓶颈时延的普遍存在影响网络端到端时延。在此基础上，本文提出基于IP地理映射和IP中心化映射的“IP联合映射”分析架构以分析瓶颈时延的特征，并发现瓶颈时延以超过80％的概率出现在同一国家的某一链路并或通常具有“大入口、小出口”或拥有平均最短的“测地距离”的链路。最后，本文分析了瓶颈时延的产生原因。本文认为发生在同一国家的瓶颈时延主要由排队时延组成，而在长程远距离链路中，传播时延成为影响瓶颈时延的关键。
　　其次，针对互联网缺少以保障互联网实时数据传输为目的，集合网络资源管理、设备整合、流量规划等功能的时延管理平台，本文提出一种面向互联网时延敏感数据传输任务的新型数据传输管理规划引擎(DTE-SDN)。DTE-SDN利用软件定义网络技术为网络提供集中式的全局管理视图，并利用OpenFlow协议(如:Port_Status_Request、Port_Status_Reply、Packet_In!Packet_Out)实现网络链路时延和吞吐量的主动探测。为实现对时延敏感数据的有效规划，本文提出基于多径路由技术和时间扩展网络技术的最大网络动态流理论和以保障实时数据传输为目的的伪多项式时间可解算法，并基于动态调度思想将其部署在DTE-SDN的流量规划模块，致使DTE-SDN可以实时感知网络状态，为数据传输动态地提供最优流量工程方案。此外，为了实现UDP数据多径分发和流量工程，本文改进OpenFlow协议，提出一种基于概率匹配技术的grouptable组件，并将其部署在网络转发设备中。实验结果证明:DTE-SDN可以在一定误差范围内，有效探测网络链路时延和吞吐量，并可以按照动态计算的流量工程策略将网络流量分发到各路径中。且同比基于单路径路由和网络最大静态流的流量工程，DTE-SDN的流量规划模块可以充分利用网络资源，可以在最短时间内完成数据传输规划。
　　最后，本文对互联网存在的多业务同步实时数据传输时延控制问题进行深入研究，即要求所有业务数据传输规划都在一定时间阈值范围内完成(本文将其定义为多业务时延约束传输调度问题，MDTS)。本文证明了MDTS问题的复杂性，并基于多径路由技术和网络动态流理论，分别提出两种静态(MDTS-R和MDTS-P)和一种动态调度(MDTS-H)算法。其中，MDTS-R算法采用最大网络动态理论，逐个解决单业务传输调度问题，直到所有业务传输完成调度。在MDTS-P算法中，本文提出网络最大限制动态流理论，致使该算法可以从整体上优化网络多业务数据流，以解决MDTS问题。MDTS-H算法以保证整体网络最大吞吐量为目标，通过最大多目标网络动态流理论贪婪地优化网络整体流量，直到一个业务完成数据传输，至重新调度规划。此外，MDTS-H利用辅助矩阵计算技术解决多业务数据流在动态规划过程中的剩余流问题，以此精确地计算多业务数据流的最小切换时间间隔，继而实现动态调度。通过大规模仿真实验证明:本文提出的MDTS-R、MDTS-P、MDTS-H算法都可以有效地解决互联网中存在的MDTS问题。其中，MDTS-R算法执行效率最高，运行时间最短;当网络中的业务数较小时，MDTS-P算法解决MDTS问题的成功率更高;当网络中的业务数较大时，MDTS-H算法更能充分利用网络资源，具有较高的问题解决成功率。