面向特定应用的拥塞控制策略研究

发布时间：2020-11-12 03:30

　　 强大的计算能力和海量的训练数据推动了基于机器学习的图像分类、语音识别、无人驾驶等高新技术的迅猛发展。随着机器学习模型的不断增大,日益复杂的计算任务对存储和计算能力的需求需要通过分布式机器学习系统来解决。大规模分布式机器学习普遍采用的数据并行的分布式策略会产生典型的多对一流量模式,快速增长的参数同步数据量规模和频率对网络提出了更高的带宽需求。网络通信成为了分布式系统机器学习应用完成速度的重要瓶颈。传统的拥塞控制策略没有考虑分布式机器学习应用的通信模式和流量分布特征,粗粒度的控制机制使网络不能灵活响应网络波动,导致网络出现拥塞,影响分布式机器学习的训练速度。本文根据当前拥塞控制策略的研究思路,从单路径传输和多路径传输两个方面详细分析了相关策略,并从这两种思路出发,针对基于单路径传输的流完成时间优化问题和基于多路径传输的Transmission Control Protocol(TCP)incast问题分别提出了相应的解决方案。为了解决当前方案控制粒度粗、对后续流量预测性差以及收敛速度慢的问题,论文设计了基于单路径传输的时延量化拥塞控制策略。通过量化数据包排队时延并添加流量变化趋势,该方案能够获取细粒度的链路状态信息。状态信息采用快速反馈机制生成自定义数据包发送回源端,减少了滞留时间。发送端根据反馈信息采用发送速率调整算法准确控制发送窗口。仿真结果表明,该方案在一定条件下可以有效提高20%的网络吞吐,降低50%的平均流完成时间,改善小流完成时间长尾问题。为了在保留多路径传输网络利用率优势的同时,解决多路径传输本身机制对TCP incast问题的影响,本文设计了基于多路径传输的子流自适应拥塞控制策略。通过细粒度的拥塞信息感知以及根据拥塞信息的子流数目自适应机制,该方案能够动态调整可用子流数目并根据子流路径拥塞程度选择轻拥塞路径进行传输。在不降低网络利用率的同时,该方案能够增强网络对TCP incast问题的容忍度。仿真结果表明,该方案可以有效解决多路径传输下的TCP incast问题,性能表现与基于单路径传输的拥塞控制策略相当。在一定条件下,该方案具有更高的网络利用率以及更低的队尾时延。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP393.06
【部分图文】：

Delay Product , BDP）随之出现比例变化。因此，拥塞控制协议必须能够在 BDP 的范围内有效运行。时延带宽积如图 1.6 所示。图1.6 时延带宽积拥塞控制协议的目标是最大程度利用链路带宽，并确保源地址和目的地址之间的数据量等于 BDP。当满足这两个要求时，排队时延将保持最小。在过去的几十年里，TCP 由于简单、高效和扩展性强的特点被用作拥塞控制机制。然而，由于网络环境及流量需求的变化，当网络链路受损、往返传播时延变短或者BDP变大时，TCP 性能出现劣化。TCP 需要大量的缓存，而商用交换机的缓存池极为有限，一部分大流占据了大部分带宽且在交换机上形成了长长的队列，不可避免地影响了时延敏感的小流的流完成时间；同时 TCP 是公平共享协议

入交换机队列，交换机会计算平均队列长度并根据设定阈值判生拥塞，分组 IP 头部拥塞标志位被标记。接收端收到分组后gement，ACK)分组反馈拥塞信息到发送端。然后发送端做出更精确的速率控制以实现稳定的队列控制，R. Pan 提出量化 Congestion Notification，QCN)。交换机根据瞬时队列长度量化至发送端以调整发送速率。点计算拥塞指示信息并将其量化为 6bit 值，然后选择进入该向该帧的源地址概率发送拥塞通知公告（Congestion NM）。（ReactionPoint，RP）使用速率限制器进行精确的速率控制，含了准确的需要调整的数值，RP 在接收到 CNM 后立即降速，。执行共分为三个阶段，其工作过程如图 2.1 所示：

图2.4 SAB 设计原理示意图了缓解将带宽公平分配给所有流引起的较大排队时延问题，SAB 通配缓冲池大小，即部分缓存被公平地分配给所有流。则交换机按照公流 i 应获得的拥塞窗口值为：B, 0 1iWN N 是通过交换机的流的数目，B 是交换机缓存的大小， B表示可被，参数 决定了交换机分配给经过的所有流的拥塞窗口值之和。B 根据路径上的交换机缓存容量，在交换机处计算流在该链路上可以输速率，通过带宽的分配保证即使是瓶颈链路也可以有分组发送，解题。 PAC
【相似文献】

相关期刊论文 前10条

1 刘益洪;戴冬梅;;TCP/IP协议的拥塞控制策略[J];通信技术;2008年07期

2 丁振国;张莎莎;;基于主动网络的拥塞控制策略[J];微计算机信息;2007年27期

3 赵键,吴介一;一类基于主动网络的网络拥塞控制策略[J];通信学报;2000年07期

4 张成晨;王雷;吕威;夏磊;;面向多业务的内容中心网络拥塞控制策略[J];计算机工程;2016年04期

5 朱凌峰;;基于主动网络的拥塞控制策略的研究[J];计算机光盘软件与应用;2013年08期

6 吕娜;;对传统拥塞控制策略改进的构思[J];网络安全技术与应用;2007年05期

7 徐昌彪,隆克平;无线网络中差错控制与拥塞控制策略的分析[J];重庆邮电学院学报(自然科学版);2001年01期

8 徐昌彪,隆克平;无线网络中差错控制与拥塞控制策略的分析与探讨[J];计算机工程;2001年08期

9 王斌;张振宇;杨文忠;吴晓红;;一种机会网络拥塞控制策略[J];激光杂志;2015年09期

10 孙鹏,韩正之;一种新的主动队列管理拥塞控制策略[J];上海交通大学学报;2003年06期

相关博士学位论文 前4条

1 王彬;TCP/IP网络拥塞控制策略研究[D];浙江大学;2004年

2 赵甫哲;高速TCP/IP网络拥塞控制算法研究[D];华中科技大学;2009年

3 刘拥民;下一代Internet拥塞控制策略研究[D];中南大学;2010年

4 何蓉;无线Mesh网络高效公平接入控制技术研究[D];西南交通大学;2011年

相关硕士学位论文 前10条

1 黄狄涛;面向特定应用的拥塞控制策略研究[D];西安电子科技大学;2019年

2 汪丽;延迟容忍网络中拥塞控制策略研究[D];武汉理工大学;2018年

3 邢思思;基于RIFVCP与IDWRR的命名数据网络拥塞控制策略研究[D];中国科学技术大学;2019年

4 范为仁;移动机会网络中的路由算法与拥塞控制策略研究[D];华中师范大学;2018年

5 朱晓东;基于IEEE 802.11s Mesh WLAN的拥塞控制策略研究[D];西南交通大学;2007年

6 张成晨;内容中心网络中的拥塞控制策略研究[D];中国科学技术大学;2015年

7 王栋;无线多媒体传感器网络中拥塞控制策略的研究[D];陕西师范大学;2011年

8 景勇祥;无线传感器网络的拥塞控制策略研究[D];杭州电子科技大学;2013年

9 周效宁;基于主动网络的拥塞控制策略[D];湖南大学;2005年

10 张莎莎;基于主动网络的拥塞控制策略研究[D];西安电子科技大学;2007年

本文编号：2880177