搜索
您的当前位置:首页正文

时延可容忍数据传输效率实时优化方法仿真

来源:小奈知识网
第36卷第11期计算机仿真2019年11月文章编号:1006-9348(2019) 11 -0163-04时延可容忍数据传输效率实时优化方法仿真刘彦,刘云玉(黔南民族师范学院计算机与信息学院,贵州都匀558000)摘要:针对容延网络延迟较大、数据传输杂乱无序、网络传输吞吐量较低和拥塞程度较大的问题,提出一种时延可容忍数据

传输效率实时优化的方法。方法主要是由两部分构成,一部分是基于卡尔曼滤波对容延网络进行时延估计并修正估计存在

的误差,另一部分是针对容延网络吞吐性能的分析和对网络拥塞的控制。所提方法可以通过上述两个过程实现对容延网络 数据传输效率的优化,仿真证明,所提方法可以有效地控制网络拥塞程度,提高容延网络的吞吐性能,并且对数据包中数据

杂乱无序的问题加以修正,实现了对时延可容忍数据传输效率的实时优化。关键词:容延网络;数据传输;网络吞吐性能;网络拥塞控制

中图分类号:TP393.06 文献标识码:BTime Delay Can Tolerate Data Transmission Efficiency

Real-Time Optimization Method SimulationLIU Yan,LIU Yun-yu(College of Computer and Information, Qiannan Normal University for Nationalities, Duyun Guizhou 558000, China)ABSTRACT: This paper puts forward a method to optimize delay-tolerant data transmission efficiency in real time.

The method is mainly composed of two parts. One part is the time-delay estimation for delay-tolerant network based on Kalman filter and the correction of estimation error. The other part is the analysis for the throughput performance of delay-tolerant network and the control of network congestion. Based on these two processes, the proposed method can optimize the transmission efficiency of data in delay-tolerant network. Simulation proves that the proposed method can

effectively control the network congestion and improve the throughput performance of the delay- tolerance network. Meanwhile, the problem of data disorder in data packet is corrected and the real-time optimization of delay-tolerable

data transmission efficiency is achieved.KEYWORDS: Delay - tolerant network ; Data transmission ; Network throughput performance ; Network congestion

control1引言迟较大、连接不稳定、传输速率较低等问题,且对于当前的网

互联网科技和相关技术日趋成熟,出现了类似4G、无线

络投入仍处在萌芽试验阶段,技术尚不完善。在容延网络结

网络,Bluetooch等网络连接方式的多途径传输⑴。采用这些 构体系中将TCP/IP的条件进行减弱处理,令该网络能够容 方式进行连接时,不可避免地受到环境等因素的影响,造成

忍延迟和连接中断,也使得异形结构网络能够与之互相关

移动节点之间出现间歇性连接,这时就需要容延网络的帮

联。在容延网络的传输层上添加“束”(数据)层形成覆盖网 助。容延网络(Delay Tolerant Network, DTN)又称容迟网络、

的结构⑶。延迟容忍网络,是一类特殊的网络⑵。在这个网络中,节点 之间的路径很难建立,网络中传输的信息存在很大的延迟,

2相关研究使得传统网络协议不适用于该网络。容延网络具有网络延网络拥塞控制是提高容延网络数据传输效率的最佳方

式,对于该网络来说意义重大,研究的网络拥塞控制方法主

基金项目:贵州省教育厅青年科技人才成长项目(黔教合KY字

要分为两类:[2017J345);贵州省科技厅联合基金项目(黔教合LH字 一是转发路由算法。将拥塞控制方法与具体的路由算

[2015]7725)法结合在一起,在选取最适合的下一跳中继节点时,将节点

收稿日期:2019-01-16的拥塞程度与之相连,这样就可以防止选取拥塞节点当作下—163 —一跳中继节点,令数据传输避开拥塞节点⑷。针对上述算 离散系统的状态进行最佳估计,假设离散系统可以利用线性

法,提出Hadoop作业调度方法,深入分析了 Hadoop源代码,

随机微分方程进行表示,表达式为:在Hadoop数据管理库YARN中对Hadoop任务的顺序进行

('_ E(k)SRTT重新排列,构建新的排列顺序标准,以此为基础对YARN中

的FairScheduler算法进行优化,完成数据传输效率优化的过

其中,离散系统的检测值可以采用下式进行表达程⑸。该方法较大程度上减轻了节点的拥塞,但该方法过程

E(k) = HX(k) + (3)冗余过多,可能会导致优化结果存在误差。式中:y(fc)和y(i- 1)分别表示k、k_i时刻离散系统所处

二是复制路由算法。算法主要是利用限制报文的复制 的状态- 1)是1时刻系统的控制传输量。人和B均

副本数量进行拥塞控制⑹。针对该算法提出基于自私性容

表示离散系统的系数,如果目标系统是多模型结合的系统, 延网络消息复制方法。该方法主要以传输数据副本为基础,

那么4和B的形式为矩阵。£■( “)是%时刻离散系统状态的

通过对研究节点的运动状态创建节点状态概率模型;利用数

检测值是检测系统的参数,如果系统为多检测系统。则H

据副本对相邻节点釆用喷射式递交,实现对容延网络数据传 是矩阵形式。W(k - 1)是离散系统的噪声干扰,V(k)表示 输效率的优化切。运行该优化方法存在参与计算的数据量

检测过程中产生的噪声干扰。对于任何可以满足上述条件

过大,并且优化效果较差,对于容延网络的拥塞只是起到了

的系统,Kalman filtering都适用,并且是最佳的处理方式,可

短暂性控制。以对系统的传输进行精确估计。就描述的容延网络存在的问题,提出基于时延可容忍数

利用Kalman filtering算法对传输时延进行估计,从很长

据传输效率实时优化的方法。一段时间来看,多通道同时传输系统中每个链路上折返传输

时延是相对稳定的量,可以假设时延是一个常量数据加上一

3数据传输的时延估计个高频分量,这里高频分量是指高斯白噪声,那么传输时延

3.1时延估计的必要性的表达式为就以与容延网络互联的异构网络环境为例,多通道同时 X\") = X仏-1) + “a - 1) + Z(A:) (4)传输系统中运用的初选传输链路通常是不相同的传输网络,

Z(k) = Y(k)(X(k) + V(A))链路之间不存在对称性,不同的链路之间存在时延差异、带

式中:X(k)和Z(A)分别表示时延的实际值和检测SACK报 宽差异、丢包率差异等参数差异,因此限制了多通道共同传

文的值。WW表示时延的高频噪声分量,同时满足方差为

输系统的性能。除此之外,时延网络带宽低、时延频率大和

Q的高斯分布,即W仏)~ N(0,Q)。V{k)表示时延检测值

数据丢失率较高等问题,还会对多通道同时传输系统的传输

中的噪声干扰,同时满足方差为/?的高斯分布,即VW ~

效率造成影响。因此,解决异构网络环境中存在的数据传输

N(0,R)。问题,能够有效提升传输效率。在优化过程中除需要对不同

基于Kalman filtering的时延估计算法可以分成两个连 链路上的参数进行精确估计外,还需要按照估计结果调整传

续循环的过程:更新时延估计值和修正误差状态,两个过程

输方式及策略。之间可以相互转移,转移过程如图1所示SCTP网络协议中包含TCP协议所运用的折返时延估计

算法(SRTT),算法公式如下SRTT = (1 - a'SRTTz + aRTT^ (1)式中:SR77通常取经验值的1/8。当某一端收到SACK报文

时,就会更新SR7T值。在SC7PS/1CK协议中,对于多通道同

时进行传输中运用到的每个通道均可保护SR7T值⑻。在不同的途径之间时延差较大的异形结构网络中,SR77

估计算法的精确性较低,尤其是时延较小的途径,SRTT估计 值可能比实际折返时延的六倍还多。SRTT估计值是根据很

长一段时间内折返时延的均值得来的,对SRTT值的更新速

度很难超越异形结构网络传输时延的变化频率。这时错误

的时延估计会对拥塞控制、数据重新传输和分流等过程造成

影响,还会降低多通道同时传输效率。对容延网络中链路上 上述基于Kalman filtering的时延估计算法中两个阶段

传输时延进行精确估计,是控制多通道同时传输系统拥塞的 可以分别采用以下公式进行表示,必要方式。更新时延估计值采用卡尔曼滤波(Kalman filtering)对容延网络中链路

X(*l A: - 1) = X(jt - 1 I i - 1) + K (5)上传输的时延进行估计⑼。Kalman filtering算法可以针对

P{k\\ k - 1) =

- 1 I 4 - 1) +—164 —修正估计误差Kg什)P(k \\ k - l)X(A) (P(R k - 1) + R)(6)P(kl k- 1) = (1 -Kg(k))P(k - 1 I A: - 1)

(7)X(k\\ k) = X(k \\ k - 1) + Kgg

(Z(4) (O),o.

-X(k \\ k- 1))更新时延估计值过程,按照前一时刻的时延最佳估计值

和修正估计误差实现对当前时延的先验估计。式中:X(b U - 1)是按照k- 1时刻的状态进行预测得

到\"时刻的先验估计,X(A-1I 4-1)是A: - 1时刻的最佳估计值。P(H k-1)是X(*-ll k-1)的估计误差,同样,P(b-II i-1)是X(k-ll k - 1)的估计误差。修正估计误差 过程是按照当前的试验估计值,对先验估计和估计误差进行 改正,得出当前时延的最佳估计值,并以此作为进一步估计

的参考。Kg表不Kalman filtering增益效果;Z(\")是A时刻的 时延检测值,可由SACK报文中数据计算得到。上述就是基于Kalman filtering算法的时延估计算法的基 本原理,在实际使用中,取更新完的时延估计值作为实验估计

初始值X(OI 0),并在算法中输入估计误差的初始值P(0l 0), 启动自动循环算法,直到完成对时延的检测。根据式(5)可以

得到当前时刻的时延估计值,该估计值可用于网络拥塞控制 过程中。当收到SACK报文时,可对时延检测值进行改正,同

时按照正确的时延检测值计算出时延最佳估计值。通过对时延做出的最佳估计,可在一定程度上推测出容

延网络的吞吐量及拥塞程度。2.2 容延网络吞吐量分析和降低拥塞程度DTN中SCTP - CMT协议将不同的网络数据集合在一起,以便进行统一管理,满足集合多种网络的可用宽带的要

求,提升网络传输效率。但是该协议只适用于非异形结构网

络,对于异形结构网络并不适用。由于通道之间的具有不对

称性,给不同通道上数据传输造成时延差异增大的问题,在

多通道同时传输数据时,无法将数据按照一定顺序传输到接

收端,会出现数据包混乱无序的情况。当较小的TSN数据包

完全达到接收端时,才能将其交给上一层应用,这样就会造

成容延网络吞吐性能。尤其是对数据有实时要求的任务,就

算将数据包全部上交,数据包中的数据也极有可能会超过有

效期变成无效数据,这样就会导致多通道同时传输系统的吞

吐性能进一步降低\"°)。设定SCTP - CMT的有效吞吐量为:一定时间内由传输层上交到应用层的数据包数目,表达式为有效吞吐量按顺序上交的数据包数目 接受数据包所用时间(9)针对容延网络中吞吐性能低的问题,提出基于时延的链

路链接加长的方法,该方法可以快速增加R7T较小的数据流 拥塞窗口,给予RTT较大的拥塞窗口限制,而对于RTT过大

的数据流,采用缩小拥塞窗口的方法以减小数据流之间RTT 的差异,进而保证数据包中那个数据按时按顺序到达,达到提高吞吐量的目的。设定三个变量和0,其中a表示数据流加长因子,0

表示数据流补偿因子,&表示起限制作用的因子。设定两个集合,M(t)表示当前时刻有效数据流中拥塞

窗口为最大值时,数据流的集合;B(t)表示当前时刻有效数 据流中R7T最小的集合;s表示容延网络中所有有效数据流

的集合M(t) = | r(t) I r(«) = arg maxima)}i € s(10)B(i) = | r(^) I r(t) = arg min^icsr(«) |1)每接收到一个SACK报文假如氐“ W 0, W 0”” : w,“ = wr + —a, + —ar

(11)则吗•+[=亍(才1 w + Wr)(12)假如 ssthresh; > a,,则 ssthresh; = wio式中:wr表示数据流r当前时间的拥塞窗口,是一个变 量;砂+表示数据流r在下一时间的拥塞窗口,是一个变量;a,

表示数据流的窗口加长因子,是一个变量,a,=

2©表示数据流r的R7T限制因子,就是当前

(工叫匕/RTTy /RTTJ时為数据流RTT和最小数据流RTT之间的比值,是一个变量0,= 舄l;a,表示数据流r的RTT补偿因子,a,是一个变

KI 1 min量。其中,的表达式为'1/1 si 'a = < I B\\M\\_1/1 si>

(13).-I M\\ .式中:绝对值表示集合数据的数量,B\\M表示只在M中不在

B中的数据集合。由此可知,所提方法对R7T最小、拥塞窗口

非最大的通道加长的速度较快,如果拥塞窗口为最大,此时 RTT也达到最大,那么拥塞窗口的加长速度就会变慢。2)每接收到一个丢包数据:叽=~ y-

(14)通过对拥塞窗口的数据传输量可分得到容延网络吞吐

量。即,时延可容忍数据传输效率实时优化算法为上述方法在保证公平的情况下,以增加了数据流的吞吐

量为基础,减轻了容延网络中拥塞程度,达到优化数据传输

效率的目的。3实验证明3.1实验平台及实验参数——

165 —选用计算机配置为:操作系统为windows. 1 ,内存接口

1098为3.5GB,运行内存为4GB, Intel Core i7处理器。实验基于

MATLAB数据库管理软件,采用Visual C + + 2008运行库对

实验算法进行编程。▲ Hadoop作业g度方法★所提方法•自私性容延网络消息复制方法7选用异形结构网络中常用的两种网络,分别是容延网络

和WLAN网络,采用两类网络中的链路作为实验对象。具体

参数如表1所示。表1实验参数网络平均时延丢包率带宽3 Mbps10 20 30 40 50 60 70时间/•WLANDTN40ms80ms2.7%0.8%(a)WLAN网络吞吐量1 Mbps接收端和发送端的每个端口有两个接口,分别与WLAN

和DTN相连,使数据同时传输。L1、L2、L3、L4是四个路由 器。3.2仿真结果分析实验采用吞吐量作为实验评价指标,采用Hadoop作业

调度方法和自私性容延网络消息复制方法作为与所提方法

进行对比研究分析的对象,同时采用这三种方法对两种网络

进行拥塞控制,并对处理后的网络吞吐量进行对比分析,对

比结果如图2所示:通过观察图2可知:在两个网络的吞吐量中,Hadoop作

时间/8(b)DTN网络吞吐jt业调度方法所分析的吞吐量变化趋势高低起伏,可见该方法

的分析结果较为不稳定,而自私性容延网络消息复制方法相

图2网路吞吐■比较对来说较稳定些,但该方法分析的吞吐量与其它两种方法相

差较多,而且最大吞吐量为4Mbit • s,最小吞吐量还不到

[3] [4] [5] [6] [7] [8] [9] [10]

刘云璐,蒲菊华,方维维,等.一种无线传感器网络MAC协议 优化算法[J].计算机学报,2016,35(3) :529-539.1Mbit • s,与实际吞吐量相差较大,分析的结果不可信;所提 方法分析的吞吐量发展趋势较为平稳,在某些时候接近实际 吞吐量,可以直观地看出所提方法能够减小通道传输之间的

延迟差异,进而提升了有效吞吐量,优化了容延网络数据传

刘鑫,金光,江先亮,等.基于预期延迟值的扩散转发路由算法

[J].电信科学,2016,32(11):56-63.李媛祯,杨群,赖尚琦,等.一种Hadoop Yam的资源调度方法

研究[J].电子学报,2016,44(5):1017-1024.输的效率。郭稳涛,李兵,何怡刚.基于社会活性和副本限制的DTN路由 算法[J].电子测量与仪器学报,2017,31(7):1047-1052.5结束语对于当前容延网络的数据传输效率低,拥塞程度大的问 题,提出一种数据传输效率优化的方法。该方法通过对容延

网络的时延进行估计,根据估计结果采用拥塞控制的方法,

胡敏,罗兰,寇兰,等.基于节点行为分析的自私性延迟容忍网

络消息转发机制[J].计算机工程,2016,42(11):131-138.程明阳,陈京,张明川,等.无线传感网络中跨层传输优化策略 [J].河南科技大学学报:自然科学版,2017,38(2):35-40.对时延可容忍数据传输效率进行优化。仿真证明,所提方法

不仅可以控制网络拥塞程度,还能够提升网络吞吐数据量,

付璀璨.提升移动通信质量对宽带传输率优化设计[J].计算 机仿真,2017,34(2): 204-207.王志明,曾孝平,刘学,等.一种异构网络TCP拥塞控制算法 [J].电子与信息学报,2016,38(4):780-786.提高数据传输的效率。参考文献:[1] [2]

薛开平,陈珂,倪丹,等.基于MPTCP的多路径传输优化技术

综述[J].计算机研究与发展,2016,53(11):2512-2529.赵晶,虞志刚,冯旭,等.无线传感器网络多路径传输时延优化 调度算法研究[J].中国电子科学研究院学报,2018,13(3): 38-45.©/ A[作者简介]刘 彦( 1977-),男(伦佬族),贵州都匀人,副教 授,研究方向:计算机网络;刘云玉(1986-),女(布依族),贵州平塘人,硕士, 讲师,研究方向:民族文化数字化,移动互联网。—166 —

因篇幅问题不能全部显示,请点此查看更多更全内容

Top