200 likes | 376 Views
Enhancing TCP Performance Over Mixed Wired/Wireless Networks by Identifying Wireless Losses. 電気通信大学 大学院電気通信学研究科 情報工学専攻 阿部研究室 ジョセフ アマラージュ. 研究の背景. 無線 LAN 環境の高速化・大規模化が進んでいる 高速・高遅延ネットワーク向けの TCP が数多く提案 主に、有線ネットワークにおいて評価 無線 LAN 環境 無線リンクの帯域が狭い 無線リンクエラーによるパケットロスが発生 TCP フローの性能が低下.
E N D
Enhancing TCP Performance Over Mixed Wired/Wireless Networksby Identifying Wireless Losses 電気通信大学 大学院電気通信学研究科 情報工学専攻 阿部研究室 ジョセフ アマラージュ
研究の背景 • 無線LAN環境の高速化・大規模化が進んでいる • 高速・高遅延ネットワーク向けのTCPが数多く提案 • 主に、有線ネットワークにおいて評価 • 無線LAN環境 • 無線リンクの帯域が狭い • 無線リンクエラーによるパケットロスが発生 • TCPフローの性能が低下
無線・有線ネットワーク環境でパケットロスの原因無線・有線ネットワーク環境でパケットロスの原因 従来のTCPの問題点 (1) ネットワーク輻輳によるバッファが溢れ (2) 無線リンクエラー TCPの問題点 無線リンクエラーによるパケットロスの場合にも、輻輳が起きていると判断し、 輻輳ウィンドウサイズを減らしたままにし続けること
研究の目的 無線と有線が混在するネットワークにおけるTCPの性能改善
SPIKE 手法 既存の改善手法[1] • Relative One-way Delay (相対的な片道の遅延) • を使用する • Spike-Start, Spike-Endという2つの閾値を利用 • 閾値の選択によってアルゴリズムの性能が大きく • 変わる • 限られたトポロジー以内にしか性能良く動かない
TCP-HMM と ML-TCP 手法 既存の改善手法[2,3] • TCP-HMM • Hidden Markov モデルを利用してロスの原因を識別 • ML-TCP • 決定木アルゴリズムを利用してロスの原因を識別 • データによる機械学習は良い手法だが、この提案手法では全てのネットワーク条件を考慮していないため、ネットワーク環境が変わるとロスの識別率は低下
TCP-IATの提案 既存の改善手法[4] • 受信側でACKパケットのInter Arrival Time (受信間隔時間)を使用してパケットロスを識別 • 輻輳によるロスをリンクエラーによるロスだと • 判断してしまうため、輻輳が解消できなくなる • この手法はTCP-friendlyではないため、 • 公平性の改善につながらない
TCP-E2E 手法 既存の改善手法[5] • One-way Delay (片道の遅延)を使用し、 • ロスの原因を識別する。 • パケットロスの原因の識別率が低い • End-to-End 遅延が大きい場合このアルゴリズムが • 適用できなくなる
提案手法 単純に考えると、 RTT キューイング遅延がない場合の RTT RTTがこれより増加するとき、とこかでキューイングが始まったと言える
sRTT(t), RTTminによってキューイング遅延を推定 提案手法 QueingDelay = sRTT(t) - RTTmin sRTT(t) − smoothed estimate of the current round-trip time RTTmin − minimum observed packet round-trip time SRTT[i] = a * SRTT[i-1] + (1 - a) * RTT a - 制御変数 0 < a < 1 , 通常は a=1/8 に設定
sRTT(t), RTTminよりキューイング遅延 を測定 if a packet loss detected then threshold = β * RTTVAR if キューイング遅延> thresh_hold then // 輻輳によるパケットロスだと判定 輻輳ウィンドウサイズを半減する else // リンクエラーによるパケットロスだと判定 輻輳ウィンドウサイズを変更しない end if end if 提案アルゴリズム
実験方法 ネットワークシミュレータNS-2を用いて シミュレーション実験を行う • スループットを測定する • 公平性を測定する
提案手法は、 実験結果のまとめ • スループットが非常に良い • (リンクエラーが1%以内の場合 • スループットはほとんど下がらない) • 公平性の指標が非常に良い • (12個のフローまで増やしたとき • 常に0.96より高い値)
機械学習を使うことによって、固定されて • いる β の値を時間とともに変化する 今後の課題 • ロスの原因の識別率を上げる • TCPの性能を改善 • TFRC (TCP Friendly Rate Control - RFC3448) • DCCP (The Datagram Congestion Control Protocol - RFC5595) • と TCP-Amal の性能評価を行う