Самонастраивающася адаптивная структура в TCP/AQM сетях

1. Обзор

Последние достижения в области моделирования и анализа TCP/IP сетей привели к лучшему пониманию динамики AQM. Гидродинамическое моделирование и контрольно-теоретический анализ гомогенных систем [4] позволили установить связь таких параметров сети, как пропускная способность С, количество TCP источников N, создающих нагрузку, и RTT R, с надежностью и отзывчивостью метода AQM. Хотя анализ происходит на примере гомогенных систем и долгоживущих потоков, руководящие принципы применимы к реалистичным параметрам сети с гетерогенным RTT и недолговечными потоками. Авторам работы [4] удалось явно настраивать такие AQM методы, как RED, в связи с данными параметрами, а также представить альтернативные структуры, например PI, в другой статье [5], как средство повышения производительности. Способность параметров методов AQM варьироваться в зависимости от параметров сети предоставляет возможность настраивать конструкции в реальном времени с использованием оценки состояния сети. Данная статья посвящена именно таким адаптивным AQM схемам.

Необходимость адаптивной подстройки AQM кажется очевидной: плохо настроенные параметры AQM значительно снижают производительность, а параметры сети являются достаточно непостоянными. Например, трафик, не отвечающий на запросы, такой как короткие TCP потоки или UDP трафик, изменяет фактическую пропускную способность, используемую длительными TCP сессиями. Также традиционный анализ предполагает фиксированную пропускную способность линии при рассмотрении AQM метода. На практике же, одна физическая линия зачастую содержит в себе несколько виртуальных каналов, использующих различные механизмы планирования, пропускные способности которых варьируются в зависимости от времени. Таким образом, предположение о фиксированной пропускной способности канала часто нарушается в реальности. Кроме того, TCP/AQM динамика также чувствительна к динамически меняющейся нагрузке, создаваемой длительными TCP сессиями. Консервативная настройка AQM, ориентированная на «самый худший случай», в такой ситуации приводит к ухудшению эффективности работы сети при нормальном сценарии работы.

Данная работа демонстрирует самонастраивающуюся структуру (рис. 1), которая предоставляет AQM алгоритмам взаимодействовать с изменениями в пропускной способности и создаваемой TCP нагрузке. Для коротких сессий идентифицируем класс адаптивных AQM схем, как STAQM, в случае использования PI и RED – STPI и STRED соответственно. Схема имеет две особенности: оценку параметров и AQM настройку. Концепция оценки параметров предполагает аппроксимацию С, N и R для измерений, проведенных локально на перегруженном маршрутизаторе. В данной работе мы сконцентрируемся на оценке пропускной способности линии и нагрузке TCP. Для RTT мы просто допустим, что над задержкой ожидания в очереди преобладает задержка распространения, вполне разумное допущение для настоящих и будущих высокоскоростных каналов, и ограничена двухсторонней задержкой, исходя из физических особенностей сети. Также STAQM будет базироваться на «эффективном» RTT, т.к. в реальных сетях TCP потоки гетерогенны. Одной из потенциальных схем оценки может быть выборка пакетов SYN и SYN ACK текущих потоков, но в нашем исследовании она сосредоточена на оценке С и N.

Рисунок 1 – Модель самонастраивающегося AQM контроллера

Пропускную способность канала С можно оценить, отслеживая отправленные пакеты, тогда как оценка нагрузки TCP N/R может быть выведена из измерений вероятности сброса р. Действительно, имея параметры С и р, из выражения полосы пропускания TCP можно получить значение соотношения N/R. Это важно, поскольку величина N/R представляет собой совокупность входящей нагрузки, другими словами загруженности маршрутизатора. Проводя оценку этого отношения, мы эффективно продвинулись от анализатора в [4], который требует знания "мифического" числа однородных длительных потоков (то есть N), до более физически значимой эффективной нагрузки N/R. Таким образом, самонастраивающаяся структура может автоматически настроить AQM на основе этих оценок. Это требует явной параметризации AQM с точки зрения C, N и R. Такие параметризации доступны для RED и PI.

Похожие работы по адаптивному AQM включают Adaptive Virtual Queue (AVQ) [6], Predictive AQM (PAQM) [3], Adaptive RED (ARED) [1] и [2], и самоконфигурирущийся PI [7]. Наша самонастраивающаяся структура наиболее тесно связана с [7]. Она отличается тем, что мы включаем оценки пропускной способности канала, обеспечивающие стабильность анализа, и даем рекомендации, как выбрать фильтр постоянных времени, который имеет решающее значение для стабильности и надежности STAQM структуры. Из-за ограниченного объёма, эти детали изложены в полной версии этой работы в [8]. Наконец, мы подчеркиваем, что самонастраивающиеся структуры, представленные здесь, применимы к любой AQM схеме, которая может быть параметризована с точки зрения сетевых параметров C, N и R. В оставшейся части этой статьи описывается ns моделирование сравнения ARED, PI, STPI и STRED.

2. Моделирование AQM контроллеров в ns

Обширные NS моделирования были проведены в [8] для оценки производительности самонастраивающихся AQMs, STPI и STRED, по сравнению со стационарными PI и ARED. Здесь сравнивается производительность PI, ARED, STPI и STRED, при изменении пропускной способности канала С. Как ранее обсуждалось, такие динамические изменения в рабочей нагрузке TCP являются ожидаемыми. Подразумевается микс трафика на базе длительных TCP сессий и коротких потоков (http). На рис. 2 представлена топология моделирования. Есть 1000 длительных TCP потоков, проходящих как в прямом, так и в обратном напрвалении. RTT задержки для TCP потоков равномерно распределены в промежутке (40, 250) мс. И есть также 4000 HTTP потоков в обоих направлениях.

Рисунок 2 – Топология моделирования

Рассмотрим сценарий при варьирующейся пропускной способности линии в прямом направлении. Первоначально, пропускная способность канала как прямом, так и в обратном направлении, устанавливается 622Mbps. На 100-й секунде уменьшаем пропускную способность канала в прямом направлении в 8 раз, затем возвращаем его в исходные 622Mbps на 300й секунде. ARED был разработан на основе принципов, предсталвенных в [2], целью его является задержка не более 5 мс, и, ради сравнения, параметры STPI, STRED и PI были установлены так, чтобы достигнуть сопоставимой длины очереди. В частности, для ARED min_th = 400 пакетов. Для STPI, рекомендуемая длина очереди составляет 800 пакетов. Для STRED задержка пакета в очереди принимается за 5 мс. В [8] даются подробные рекомендации по конструированию STRED. Для STPI и STRED, постоянные времени для оценки C и N/(RC) соответственно 5 и 10 секунд. Для стационарного PI длина очереди составляет 800 пакетов.

Пропускная способность канала при STPI оценивается довольно точно, а трафик нагрузки недооценивается, как ожидалось. При сравнении накопительных пропускных способностей, мы видим, что STPI имеет наивысшую пропускную способность на 500-й секунде, примерно на 6% выше, чем у ARED, и 64% выше, чем у фиксированного PI. STRED имеет почти такую же пропускную способность, как STPI. На рис. 3 и 4 сравниваются мгновенная длина очереди и суммарная пропускная способность для исследуемых методов AQM. STPI хорошо регулирует длину очереди, тогда как у ARED и фиксированный PI наблюдаются колебания. Эти колебания влияют на задержку в очереди. Независимо от условий сети, STPI регулирует задержку в очереди с незначительным джиттером. Даже если пропускная способность STRED почти такая же, как у STPI, его задержка в очереди не может быть гарантирована.

Рисунок 3 – Мгновенная длина очереди

Рисунок 4 – Суммарная пропускная способность

Самонастраивающаяся структура, предложенная в данной работе, проста в реализации и применима к любой AQM схеме, которая может быть параметризированна с точки зрения пропускной способности и TCP нагрузки. В связке с PI AQM, итоговый STPI адаптивный контроллер, насколько это можно видеть из ns моделирования, удивительно устойчив к изменениям пропускной способности канала связи и TCP нагрузки. Эта адаптивность имеет решающее значение, поскольку на практике параметры сети очень сильно варьируются, что может привести к нестабильной работе или низкоскоростным контроллерам со статическими параметрами. STPI выгодно отличается ARED с точки зрения пропускной способности и задержки очереди, и, может иметь дело с высокой пропускной способностью канала. Будущие направления исследований включают более сложный анализ устойчивости, расширение оценки параметров, применение в больших и более реальных сетях. Мы также изучаем выборки на основе оценки для «эффективных» RTT потоков на перегруженных соединениях, что позволяет получить еще более эффективные показатели адаптации контроллера.

Перечень ссылок

1. W. Feng, D. D. Kandlur, D. Sahar, and K. G. Shin. A self-configuring RED gateway. In Proceedings of IEEE/INFOCOM, 1999.
2. S. Floyd, R. Gummadi, and S. Shenker. Adaptive RED: an algorithm for increasing the robustness of RED. Technical Report, August 2001.
3. Y. Gao, G. He, and J. C.-J. Hou. On leveraging traffic predictability in active queue management. In Proceedings of IEEE/INFOCOM, June 2002.
4. C. Hollot, V. Misra, D. Towsley, and W.-B. Gong. A control theoretic analysis of RED. In Proceedings of IEEE/INFOCOM, April 2001.
5. C. Hollot, V. Misra, D. Towsley, and W.-B. Gong. On designing improved controllers for AQM routers supporting TCP flows. In Proceedings of IEEE/INFOCOM, April 2001.
6. S. Kunniyur and R. Srikant. Analysis and design of an adaptive virtual queue (AVQ) algorithm for active queue management. In Proceedings of ACM SIGCOMM, 2001.
7. W. Wu, Y. Ren, and X. Shan. A self-configuring PI controller for active queue management. In Asia-Pacific Conference on Communications (APCC), Japan, 2001.
8. H. Zhang, C. Hollot, D. Towsley, and V. Misra. A self-tuning structure for adaption in TCP/AQM networks. Technical Report, University of Massachusetts Amherst, 2003.