面向高性能计算的互连网络拥塞控制分析与评估

随着高性能计算技术的发展,高性能计算系统的网络节点数量不断增长,高性能计算应用对网络性能的要求越来越高,高性能互连网络的拥塞控制面临很大的压力与挑战。针对高性能计算互连网络的特点,研究高效、低开销的拥塞控制方法,是确保高性能互连网络性能和稳定性的关键。针对高性能计算系统中互连通信的核心问题,对主流的拥塞控制方法进行分析和实验比较;基于高性能计算系统的结构特点和通信特性,设计用于大规模模拟仿真的数据流模型和流文件生成工具,并提出一种拥塞控制综合评价指标;使用所提出的数据流模型,在较大规模网络中对不同拥塞控制方法进行模拟,并基于所提出的评价指标对几种拥塞控制方法的性能进行分析和评估。提出的分析和评估技术可以对高性能互连网络的拥塞控制方法进行更客观和准确的分析与评估。

无线传感网络拥塞控制中节点选择强制博弈方法

无线传感网络中节点数据流量较大,分布范围较广,节点选择寻优计算复杂,导致浪费大量算力在节点选择上,拥塞控制效果不佳。提出一种无线传感网络拥塞控制中节点选择强制博弈方法,计算单条网络链路传输成本,依据传输数据耗费能量,计算传输节点可用能量比值,在传输变量权重值基础上,求得传输节点实际拥堵指数,完成节点选择。计算网络连接层的数据包丢弃概率,确定网络拥塞程度,汇聚节点数据流建立节点选择强制博弈模型,明确传感网络稳态传输条件,利用流量正态分布算法,在节点选择博弈中做出强制选择。经仿真分析证明:所提方法分组递交率保持在83%以上,丢包数量保持在100 pkt/s之内,网络传输节点端到端的延迟在0.3 s以内。

网络拥塞控制方法综述

网络拥塞控制方法是决定网络传输性能的关键因素.近几年,网络不断普及、网络带宽不断增长、用户对网络性能的需求不断提升,为拥塞控制算法的设计带来挑战.为适应不同的网络环境,近期不少新颖的拥塞控制算法被研究者们提出来,极大地提升网络的传输性能,改善用户体验.综述最新拥塞控制算法设计思想,将其分为预约调度式、直接测量式、基于机器学习式以及迭代探测式4大类,分别介绍相应的代表性拥塞控制算法,并进一步对各种拥塞控制思想方法的优缺点进行对比和分析,最后展望拥塞控制的未来发展方向,以启发该领域的研究.

DTN中适用于节点环境状态的拥塞控制管理策略

针对容迟网络中节点存储空间有限从而出现大量丢包情况的问题,本文提出了一种适用于节点环境状态的拥塞控制管理策略(congestion control management strategy suitable for the state of the node environment,NEMS):该策略由节点间位置差异相关的控制保留策略和节点自差异相关的丢包策略构成.首先根据节点剩余缓存空间的大小判断节点是处于忙碌状态(BS)还是崩溃状态(CS),当节点处于BS状态时,节点间位置差异相关的控制保留策略结合门限度和连接活跃值的概念分析是否留存新消息.节点自差异相关的丢包策略利用熵权法动态计算各个节点中不同消息属性权重,得到消息丢弃优先级.当拥塞发生,优先删除丢弃优先级大的消息.同时,引入ACK反馈机制,消除网络中已成功投递的冗余消息.仿真结果表明,与无缓存管理的路由策略相比,加入NEMS后使得消息成功投递率增加了约100.93%~200.67%,网络负载降低了约76.05%~81.42%.

Gyration:基于RTT测量的报文偏转拥塞控制算法

高效的拥塞控制一直是数据中心网络领域的一个重要挑战。往返时延RTT的精确测量是基于RTT的反应型拥塞控制算法的关键。基于Swift拥塞控制算法,提出一种基于RTT测量的报文偏转拥塞控制算法——Gyration,将偏转报文延迟添加到RTT计算过程,在偏转拥塞控制算法中增加偏转延迟的测量,使RTT计算更准确,更加精确地评估网络拥塞情况。实验结果表明,相比Swift算法,在重负载的Cache Follower、Data Mining、Web Search和Web Server流量模式下,Gyration将流完成时间FCT缩短了20%,80%,13%和60%,吞吐量提高了38%,6%,15%和2%,实现了对数据中心网络更加及时、精确的拥塞控制,有效缓解了数据中心网络拥塞问题。

针对车地传输TCP协议优化的TTI-RTT拥塞控制算法

为适应铁路5G专用移动通信系统动态易变的网络环境,解决现有算法中存在的吞吐量减少、传输时延增加、检测数据车地传输可靠性难以保证的问题,在分析传输控制协议(TCP)传输拥塞控制过程,以及对比TCP-Reno,TCP-Vegas和TCP-Westwood 3种基础拥塞控制算法存在问题的基础上,提出一种联合传输时间间隔(TTI)和往返时延(RTT)的拥塞控制算法——TTI-RTT算法,即将RTT的成对比较测试统计量和网络当前拥塞因子联合起来作为网络拥塞判断标准,根据反映网络拥塞程度的拥塞因子动态调节加性和乘性因子,并在传输控制协议拥塞控制的不同条件下灵活调整传输时间间隔。采用NS-3仿真软件,构建考虑高速铁路5G-R无线信道误码影响的点对点通信网络拓扑结构,对TTI-RTT拥塞控制算法进行仿真验证,并与3种基础算法进行性能比较。结果表明:不同丢包率下所提算法的平均吞吐量均保持在9 Mb·s^(-1)以上,较基础算法中吞吐量最高且最稳定的TCP-Reno算法增加了约5.9%,且实时吞吐量稳定性具有显著改善。

基于强化学习的网络拥塞控制算法

该文结合强化学习方法提出一种QLCC算法,此算法是将网络拥塞过程进行简化之后描述为马尔科夫决策过程,在Q-learning算法应用的基础上创新设计的新型网络拥塞控制算法。研究过程中首先介绍强化学习方法,并对网络拥塞过程中马尔科夫决策过程的构建条件及假设进行探讨,之后从框架结构、参数结构及定义、参数离散划分和更新步骤几个方面介绍QLCC算法,并采取仿真实验方法对该种新算法的网络吞吐量、公平性、随机丢包环境下的吞吐量分别进行检测,通过与其他3种传统网络拥塞控制算法进行对比分析,证实QLCC算法具有吞吐量较佳、公平性最高、抗丢包性能最优的性能,说明其是一种具有较高应用优势的智能化网络拥塞控制算法。

嵌入式技术下无线传感通信网络拥塞控制系统

无线传感通信网络在数据传输过程中容易出现网络拥塞,存在全局吞吐量小、端到端延时大、节点丢包率高的问题,导致网络拥塞控制效果不佳。为了解决这个问题,设计一种嵌入式技术下无线传感通信网络拥塞控制系统。设计嵌入式以太网拥塞数据交换接口电路,采用嵌入缓冲器开环控制模块结构,根据排队长度变化控制数据包丢弃率。计算接收方通告窗口大小,检测高、低优先级传输网络拥塞情况。通过计算拥塞节点发送速率来控制高、低优先级传输网络局部拥塞。将全局拥塞竞争窗口变为当前窗口,使用检测缓存队列占空率方式控制全局拥塞。测试结果表明,所设计系统最大吞吐量为2600 b/s,最大端到端延时为18 s,最大节点丢包率为2.0%,使用该系统能够提升网络拥塞控制效果。

基于鲸鱼优化算法的无人机通信网络链路拥塞控制研究

为了提高无人机通信网络的安全性,解决由于链路拥塞而导致的通信数据误码与丢失问题,提出基于鲸鱼优化算法的无人机通信网络链路拥塞控制方法;采用NetFlow技术获取无人机通信链路实时运行数据,度量链路利用率等指标,识别当前网络链路的拥塞状态;模拟无人机通信与链路拥塞过程,综合考虑无人机通信直视径、反射径和散射径3个分量,构建网络链路模型;在无人机通信网络链路拥塞控制协议的约束下,均衡调度无人机通信数据,利用鲸鱼优化算法选择通信链路的最优解,完成通信链路切换工作,实现无人机通信网络链路的拥塞控制任务;实验结果表明:在设计方法控制下,无人机通信网络链路的时延减小了61 s,吞吐率提升135 kbit/s,证明优化方法能够有效缓解链路的拥塞程度,通过对通信网络误码率和溢出丢包率的分析,证明优化控制方法不会对网络的通信任务产生明显影响。

数据中心网络拥塞控制机制的设计与实现

拥塞控制技术是数据中心网络中实现超低延迟、高带宽和网络稳定的关键。现有的拥塞控制技术难以同时兼顾低延迟、高带宽和网络稳定。因此,提出一种基于网络感知的拥塞控制机制,利用网络带内遥测技术获取精确的链路负载信息,精确控制流量。通过解决拥塞期间的延迟信息和对信息的过度反应等问题,实现快速收敛以利用空闲带宽,避免拥塞。测试结果表明在小型数据中心网络中,采用本文设计的拥塞控制机制与dcqcn算法进行比较,当流量较小时,在前99%流量的情况下流放缓比的值前者仅为后者的10%左右。

基于流量延时调度的无线传感网数据传输拥塞控制方法

无线传感网络在数据传输时出现流量控制困难和节点拥塞的情况,为此提出一种新的基于流量延时调度的传输拥塞控制方法。引入流量延时调度,确定数据流量,滤波处理数据流量,设置延时阈值,通过流量与延时阈值的对比,判断是否需要重新传输数据,完成数据传输控制机制设计。利用数据生成树获取网络有效数据包,以此计算信道可以传输数据包的概率临界值,构建数据传输拥堵控制模型,实现无线传感网数据传输拥塞控制。通过仿真分析得知,所提方法拥堵控制的能量消耗仅为149 J,数据传输速率提升到80 Mbit/s以上,数据完整度在99.0%以上,所提方法有效提高了数据传输速率和完整度,降低了能耗消耗,可以有效控制数据传输拥塞,具备了可行性。

基于转发路径数目的NDN混合拥塞控制机制研究

在命名数据网络(named data networking,NDN)中,拥塞控制是保障用户服务质量(quality of service,QoS)的关键环节.但独特的多源、多路径特性使得TCP/IP架构的端到端拥塞控制方案难以直接应用于NDN.因此,设计一种有效的NDN拥塞控制机制是较为活跃的研究领域.目前,混合拥塞控制逐渐发展成为一种主流的拥塞控制机制;然而,如何及时有效地既能缓解由单路径流引发的拥塞又能缓解由多路径流引发的网络拥塞是混合拥塞控制机制亟待解决的问题.针对该问题,提出了一种基于转发路径数目的混合拥塞控制方案——NFPCC.路由器依据数据包排队时延计算本地节点的拥塞程度,并使用数据包传递当前节点的拥塞信息;下游邻节点提取数据包中的拥塞信息并依据兴趣包的转发路径数量选择多路径转发策略或兴趣包速率整形策略以及时、有效地缓解上游相邻节点的拥塞;最后,消费者依据数据包所传递的拥塞信息持续地地调整拥塞窗口cwnd的尺寸以协作路由器的控制.仿真结果表明,在BRITE场景中,基于所提方案的消费者总吞吐量比基于PCON方案的消费者总吞吐量高91.9%.在路由器启用网络内缓存功能后,基于所提方案的消费者总吞吐量比基于PCON方案的消费者总吞吐量高38.5%.

面向机器人多任务指令的数据传输拥塞控制

由于机器人处理能力有限,面对多任务指令时,经常发生数据传输拥塞问题。为此,提出了面向机器人多任务指令的数据传输拥塞控制方法。以数据传输资源消耗量和数据传输时延最小、数据传输路径链路利用程度最大为描述性指标,构建多目标函数并设置约束条件。利用免疫粒子群算法,求取拥塞控制目标的数据传输路径,得到面向机器人多任务指令的数据传输拥塞控制方案。实验结果表明,所研究方法的数据传输时延小,带宽利用率大,具有较好的数据传输拥塞控制效果,能够有效提高数据传输拥塞控制效率。

基于模糊逻辑的铁路机车无线通信接入拥塞控制系统设计

铁路机车无线通信主要用于列车与控制中心之间的数据传输,如果通信网络出现拥塞,会导致信息传输延迟或失败,进而影响到列车的运行安全;为了提高铁路机车无线通信接入的流畅性,设计了基于模糊逻辑的铁路机车无线通信接入拥塞控制系统;通过数据解析分类模块对数据包进行解析,经过WRED模块完成丢包处理,传输给队列模块,通过队列的整理将数据传输给模糊逻辑控制器模块,在模糊逻辑控制器模块中,利用模糊逻辑理论,设计了模糊控制规则,依据逐跳拥塞控制,完成系统的硬件设计;在系统的软件设计中,根据无线通信接入数据在队列模块的缓存情况,感知无线通信接入节点的状态,通过获取无线通信接入节点的剩余队列,预测无线通信接入路径的拥塞情况,在无线通信接入的最佳路径下,设计了拥塞控制算法,实现对铁路机车无线通信接入的拥塞控制;测试结果表明,设计系统的吞吐量可达到4 000 kpbs,丢包率和节点死亡率均低于1%,能够有效控制无线通信接入的拥塞情况。

基于蚁群算法的无线网络拥塞控制与实验研究

为了保证无线网络运行通畅,稳定运行,并减少能耗,提出了一种基于蚁群算法的无线网络拥塞控制方法。根据无线网络节点内各流调度问题,按照每个服务流程的等待时间函数确定优先权。根据各个节点信息重建观测矩阵,获得基本矩阵稀疏系数矢量,舍弃多余数据并合成更高效的数据以进行传输。采用蚁群算法计算链路的剩余能量,判断节点数据传输情况,完成拥堵控制。通过实验验证,证明所提算法能够较好的避免网络拥塞,减少能源消耗和丢包率,保证网络通信稳定。

基于带宽探测优化策略的BBR拥塞控制算法设计

目前广域网的网络流量复杂,网络状态变化频繁,有高带宽、高延时的特点。而广域网中采用的主流传输控制协议Cubic和BBR都无法及时发现网络中的空余带宽,无法提高在广域网中的传输效率。针对这一问题,文章提出了一种基于带宽探测优化策略的BBR拥塞控制算法。算法采用采样延时和历史带宽信息两个因素进行网络状态的判断并且动态地调整发送端的带宽探测策略,实现根据网络情况实时调节发送速率,且保留了BBR维持低队列的特点。测试结果表明该方法能够提高带宽利用率和协议间公平性。

基于自整定PID算法的无线通信网络传输链路拥塞控制方法

由于无线通信网络数据量大、拓扑结构复杂,导致传输链路拥塞控制效果差,为实现对链路拥塞现象的有效控制,提出基于自整定比例-积分-微分(PID)算法的无线通信网络传输链路拥塞控制方法。以无线自组网按需平面距离向量路由(AODV)协议作为链路拥塞控制的约束条件,保证传输链路中数据的调度格式。利用线性PID控制器设计无线通信网络传输链路拥塞控制器,灵活适应不同的拥塞控制需求。针对线性PID控制器参数设置精度较差的问题,引入自整定PID算法,通过计算占空比与阈值比对,得出传输链路拥塞状态的检测与预测结果。考虑链路容量计算拥塞控制量并反馈至自整定PID算法拥塞控制器,通过慢启动、拥塞避免、拥塞解除等操作完成拥塞控制任务。实验结果表明,无线通信网络中传输链路队列长度的平均值为29.2 Mbit,链路占比平均值为1.9%,平均传输速率为8.1 MiByte/s,验证了所设计方法的有效性。

基于负载预测的无线移动网络数据拥塞控制方法

针对移动通信系统中的无线网络,当前的拥塞控制方法在部署数据传输和处理节点时,部署方式多为单目标模式,即每个节点只关注自己的目标任务,导致控制效率较低、数据丢包率偏高。为此,文章基于负载预测结果,设计了新的无线移动网络数据拥塞控制方法。首先,根据当前的拥塞控制需求,采用多阶的方式部署拥塞控制节点。其次,根据网络负载预测结果构建拥塞控制模型。最后,采用深度Q-网络(Deep Q-Leaning Network,DQN)辅助处理的方式控制网络数据拥塞。测试结果表明:相比于传统控制方法,应用文章方法后,数据吞吐量更高,数据丢包率被控制在1.5%以下,说明文章方法具有实际应用价值。

基于时延的趋势感知的无损数据中心网络拥塞控制

在当前的高速数据中心网络中,拥塞控制对于保证持续的高性能十分重要。在过去十年里,研究人员和开发人员已经探索了多种拥塞信号,比如ECN(显式拥塞通知)、RTT(往返时间)和INT(内部网络遥测)。然而,现有的大多数拥塞控制算法要么因为信号含糊而导致拥塞检测不精确,要么因为过于激进的降速而导致过多的带宽损失。本文提出了一种名为DELTA的新型拥塞控制机制,这是一种为无损数据中心网络设计的基于延迟的趋势感知方法。DELTA通过利用RTT的变化识别拥塞趋势,并相应地调整发送速率。通过分析拥塞趋势,发送端将发送速率调整至合理水平应对拥塞,同时仍然保持高带宽利用率消除拥塞。基于此,使用NS-3仿真平台对DELTA进行广泛评估。实验结果表明,DELTA在流量完成时间(FCT)和收敛速度方面均优于拥塞控制算法。

基于机器学习的网络拥塞控制算法研究

随着网络规模的扩大及其复杂化,网络拥塞问题加剧,传统的网络拥塞控制算法应对乏力。基于此,本文对基于机器学习的网络拥塞控制策略进行了探索,利用预测与优化能力精准识别和调整拥塞状态,旨在提升算法性能和用户体验。文章在综述了基于机器学习的网络拥塞控制算法研究现状后,提出了新的算法优化策略,阐述了核心思想、模型构建的思路,最后还对未来研究方向进行了展望,旨在为网络拥塞控制方向的研究者提供参考。