A Joint Approach to Routing Metrics and Rate Adaptation in Wireless Mesh Networks

1. A Joint Approach to Routing Metrics and RateAdaptation in Wireless Mesh Networks Gabriel Marçal de Brito - gbrito@ic.uff.br Computação Móvel – 2012.1 Passos, D. e Albuquerque, C. V. N. IEEE/ACM Transactions on Networking - 2011

2. Roteiro • Introdução • XXXxxxx

3. Introdução • Wireless Mesh Networks (WMNs) • Usualmente soluções baseadas no padrão IEEE 802.11 • Múltiplas taxas de transmissão: 1 – 54 Mbit/s • Seleção da melhor taxa de transmissão não é trivial • Balanço entre capacidade do enlace e taxa • PER aumenta com a taxa para mesmo SNR • Roteamento dinâmico baseado em métricas • Dificuldade em obter métricas consistentes • Características do meio aéreo, avaliadas pelas métricas, dependem da taxa de transmissão utilizada

4. Introdução • Tais questões são, historicamente, tratadas de forma independente • Um método cooperativo cross-layeré proposto • Metric-Aware Rate Adaptation(MARA) • Adaptação de taxa de transmissão baseado em métricas • Ajuste do custo dos enlaces baseado na taxa utilizada

5. Trabalhos relacionados • Métricas de Roteamento • Algoritmos para adaptação de taxa • Abordagens conjuntas

6. Trabalhos relacionados • Métricas de Roteamento • HopCount • Não considera enlaces heterogêneos • ExpectedTransmissionCount(ETX) • Estima a quantidade de transmissões por PER • ExpectedTransmission Time (ETT) • Considera como custo o delayno enlace x ETX (PER) • MinimumLoss(ML) • Considera como custo a própria taxa de erros (PER) • Outros...

7. Trabalhos relacionados • Métricas de Roteamento • HopCount • Não considera enlaces heterogêneos • ExpectedTransmissionCount(ETX) • Estima a quantidade de transmissões por PER • ExpectedTransmission Time (ETT) • Considera como custo o delayno enlace x ETX (PER) • MinimumLoss(ML) • Considera como custo a própria taxa de erros (PER) • Outros... Probes periódicas difundidas em taxa básica (1 Mbit/s) = estatísticas imprecisas e desempenho sub-ótimo.

8. Trabalhos relacionados • Algoritmos para adaptação de taxa • Auto Rate Fallback(ARF) • Baseado em falhas e sucessos na transmissão de quadros • SampleRate • Baseado no registro do menor atraso (retransmissão e overhead) • SNR • Baseado na SNR no receptor (ideal, requer informação futura) • Receiver-Based Auto Rate (RBAR) • Notifica taxa via CTS (RTS/CTS) • Snoopy Rate Adaptation(SRA), Robust Rate AdaptationAlgorithm(RRAA) e Collision-Aware Rate Adaptation(CARA) • Diferenciam perdas por colisão e por degradação do canal

9. Trabalhos relacionados • Algoritmos para adaptação de taxa • Auto Rate Fallback(ARF) • Baseado em falhas e sucessos na transmissão de quadros • SampleRate • Baseado no registro do menor atraso (retransmissão e overhead) • SNR • Baseado na SNR no receptor (ideal, requer informação futura) • Receiver-Based Auto Rate (RBAR) • Notifica taxa via CTS (RTS/CTS) • Snoopy Rate Adaptation(SRA), Robust Rate AdaptationAlgorithm(RRAA) e Collision-Aware Rate Adaptation(CARA) • Diferenciam perdas por colisão e por degradação do canal Dependem da existência de tráfego para seleção (tempo de convergência de taxa) e não consideram o tamanho do pacote (variação na probabilidade de perda).

10. Trabalhos relacionados • Abordagens conjuntas • MultirateAnypathRoutingProblem • Modificação do ETT • PER é considerada a probabilidade de nenhum dos vizinhos decodificar o pacote de forma correta (anycastrouting) • Alto overhead já que é necessário o envio de probespara cada taxa possível

11. Trabalhos relacionados • Abordagens conjuntas • MultirateAnypathRoutingProblem • Modificação do ETT • PER é considerada a probabilidade de nenhum dos vizinhos decodificar o pacote de forma correta (anycastrouting) • Alto overhead já que é necessário o envio de probespara cada taxa possível Gera ainda mais tráfego de controle do que a abordagem ETT tradicional com o crescimento da rede.

12. Abordagem MARA • MARA aborda a métrica de roteamento e a seleção de taxa de forma coordenada • A métrica avalia rotas de acordo com o atraso fim-a-fim esperado: • MARAab = mini (ETXiab x ps / Ri) • Ri representa a i-ésima taxa disponível; • ETXiab representa a métrica ETX na rota a-b na taxa Ri; • ps é o tamanho do pacote de probe. • O mecanismo de adaptação de taxa seleciona Ri que minimiza o atraso

13. Abordagem MARA • ETX em cada uma das taxas Rié necessário • Probesem todas as taxas aumentariam overhead • MARA utiliza uma conversão de probabilidades de sucesso de transmissão: • Relaciona SNR, taxa de transmissão, tamanho da probe e PER a partir de dados experimentais; • !Pab= 1 – Pab (idem para ba) • SNRab = findSNR(!Pab;sourceRate;probeSize) (idem para ba) • !newPab= findPER(SNRab;targetRate;probeSize) (idem para ba) • newPab = 1 - !newPab (idem para ba) • newETX = 1 / (newPab * newPba)

14. Abordagem MARA • Comportamento assintótico da função SNR x PER • PER tende a 1 quando SNR diminui • PER tende a 0 quando SNR aumenta • Muitos valores de SNR podem ser mapeados para valores de PER extremos

15. Abordagem MARA

16. Abordagem MARA • MARA utiliza probesem 1, 18, 36 e 54 Mbit/s • Curvas PER x SNR cruzam-se em intervalos úteis • O algoritmo escolhe a taxa de probemais alta cujo PER é menor do que 1 (interseção) • MARA envia 1 probe/período , partindo de 1 Mbit/s até 54 Mbit/s • Ainda menos overhead pois bloqueia o meio aéreo por menos tempo

17. Abordagem MARA • Limitação na granularidade de dados (tabelas) requer o uso de funções de interpolação dos dados:

18. Variações: MARA-P e MARA-RP • MARA-P considera o tamanho do pacote a ser transmitido no processo de adaptação de taxa • Classes de pacotes são definidas de acordo com intervalos de tamanho (ex.: 1-300 bytes) • Usa métrica MARA para o maior valor do intervalo • MARA-RP considera o tamanho do pacote a ser transmitido no processo de atribuição de custo • Mesmo processo de MARA-P • Cria k grafos para k classes de pacotes • Shortest-pathresulta em k tabelas de roteamento

19. Simulações • Cenários utilizados no ns-2: • 300 segundos de fluxo TCP entre nós específicos (runs) • Benchmarks: todas as combinações de métricas HopCount, ETX, ML, ETT, com os mecanismos de adaptação ARF, SampleRate e SNR • Topologias: indoor (ReMoTE), gride random • Modelo de propagação de sombreamento (probabilístico) • Compara-se MARA aos demais mecanismos em relação: • Throughput • Atraso fim-a-fim • Perda de pacotes fim-a-fim

20. Simulações • Implementação como extensões do OLSR em ns-2 • Versão modificada do OLSR • MPRs reduzem o overhead, porém só funcionam para a métrica HopCount • MPRs foram removidos do protocolo OLSR para propiciar utilização de outras métricas

21. Simulações - Indoor • Topologia utilizada e identificação dos nós:

22. Simulações - Indoor • Tput TCP(nós 0-1 x nós 0-9): • Atraso e perda de pacotes médios

23. Simulações – Gride Random • Topologias (grid x random, nós 0-48) • Tput TCP (grid x random)

24. Simulações – Roteamento • Rotas (grid– ETT, ML, ETX, HopCount, MARA)

25. Simulações – MARA-P e MARA-RP • Comparação de atraso e perda de pacotes médios • Atraso fim-a-fim de cada pacote de áudio (120B, 48kb/s)

26. Experimento – Indoor • Tput e RTT dos fluxos TCP e ICMP (nós 0-9)

27. Experimento – Indoor • Comparação entre MARA, MARA-P e MARA-RP no experimento:

28. Conclusões • A abordagem coordenada de seleção de taxa e cálculo de métricas de roteamento conferem melhor desempenho às WMNs • O modelo de estimação de PER baseado na taxa de transmissão permite obter estatísticas válidas com baixo overhead • MARA provê ganhos expressivos em relação aos mecanismos tradicionais utilizados • As variações de MARA não oferecem melhorias significativas em relação à abordagem original