有线混合网络数据传输拥塞优化控制方法.pdf

May2023JournalofJilin:lnformatScienceEdition2023年5月No.3Vol.41第41卷第3期吉林大学学学报（信息科学版）文章编号：16 7 1-58 9 6(2 0 2 3)0 3-0 444-0 6有线混合网络数据传输拥塞优化控制方法徐胜超，叶朝武（广州华商学院数据科学学院，广州51130 0）摘要：为解决传统有线混合网络数据传输丢包率高、链路延迟长、利用率低的问题，提出一种有线混合网络数据传输拥塞优化控制方法。以单向延迟和可用带宽的检测结果为基础，采用马尔可夫模型预测有线混合网络传输的拥塞状态，将资源消耗和链路利用率作为优化控制的目标，在有线混合网络数据传输拥塞优化控制目标选择的路径符合要求下，根据其状态建立目标函数，完成优化控制。实验结果表明，该方法数据传输的丢包率小于4%，链路延时控制在0.0 5s内，且其有线混合网络数据传输丢包率低，链路延迟短、利用率高。关键词：有线混合网络；数据传输；网络状态预测；拥塞优化控制中图分类号：TP247文献标志码：AOptimization Control Method of Hybrid Network forData Transmission CongestionXU Shengchao,YE Chaowu(School of Date Science,Guangzhou HuaShang College,Guangzhou 511300,China)Abstract:In order to solve the problems of high packet loss rate,long link delay and low utilization in traditionalwired hybrid network,a method of congestion optimization is proposed.Based on the detection results of one-waydelay and available bandwidth,Markov model is used to predict the congestion status of wired hybrid networktransmission,which takes resource consumption and link utilization as the target of optimization control.Whenthe path of optimal control of the target meets the requirements,the congestion optimization control of datatransmission of wired hybrid network is completed.The experimental results show that the packet loss rate of theproposed method is within 4%,the link delay is controlled within 0.05 s,and the packet loss rate is low,thelink delay is short and the link utilization is high.Key words:wired hybrid network;data transmission;network state prediction;congestion optimization control0引言由于因特网上的用户数目呈直线上升，网络拥塞问题日益严重1，因此导致网络运行过程中延时、吞吐量等一些性能指标降低，从而影响网络服务质量2 。为提高有线混合网络的服务质量，有效地对其存在的资源进行分配，需要对其数据传输拥塞控制方法进行分析研究。谭静等3 提出基于动态存储状态模型的数据传输拥塞控制方法，该方法对网络状态进行感知，对拥塞状态对应的门限进行调整，将队列管理方法和ACK（A CK n o w l e d g e Ch a r a c t e r）索引技术引人混合网络中，对网络中的九余数据进行更新和消除处理。但该方法没有对网络拥塞状态进行预测，导致优化控制收稿日期：2 0 2 1-0 9-19基金项目：广州华商学院校内导师制科研基金资助项目（2 0 2 1HSDS15）；广东省高等学校科学研究特色创新基金资助项目(2021KTSCX167)作者简介：徐胜超（19 8 0 一），男，武汉人，广州华商学院讲师，主要从事并行分布式处理软件研究，（Tel)86-13768173658（E-m a i l）。徐胜超，数据传输拥塞优化控制方法第3期445后网络的丢包率较高。唐伦等4 对网络的信道调度、拥塞状况和功率分配情况进行考虑，建立拥塞控制优化模型，但该方法没有检测网络单向延迟，存在链路延迟高的问题。石优等5 提出基于布谷鸟搜索的模糊PID（Pa c k e t Id e n t i f i e r）拥塞控制方法，但该方法在优化数据传输拥塞控制前，没有考虑网络链路利用率的问题，导致网络链路利用率低。为解决上述方法中存在的问题，笔者提出一种新的有线混合网络数据传输拥塞优化控制方法，并通过实验验证了该方法的正确性与高效性。1有线混合网络拥塞状态预测1.1单向延迟检测检测有线混合网络单向延迟过程如下：1）通过协商，使接收端和发送端的时钟同步；2）在发送端中利用（TransmissionControlProtocol）协议获取测试数据包，将接收端在网络中的IP（In t e r n e t Pr o t o c o l）地址输人到数据包中，针对测试包中的空缺部分，采用随机比特位填充，向目的端主机传送设置时间戳的测试数据包6-7 ；3）接收到测试数据包后，目的接收端对传输的单向延迟进行计算。1.2可用带宽检测可用带宽检测沿黑数RR设置参数 RDa=（RD a-RD mn）/(RD m-RD m)）,，RD m RD mm RD n g分别描述n个测试数据包在有线混合网络中对应的最大、最小和平均数据包传送延迟。当可用带宽低于测试包在有线混合网络中的发送速率时，平均传送时延受测试数据流延迟的影响不断增加，参数RRDa的值也不断变大8 ；当可用带宽高于测试包在有线混合网络中的发送速率时，测试数据流在有线混合网络中对应的延迟不发生变化，RD和RD的值接近，由RD,定义可知，其值趋近于零。设置参数RD，=RD a/RD mi n-RD/RD mi n，对比获取的测试数据包在有线混合网络中发送时延的变化，并调整测试数据包在有线混合网络中的发送速率。如果可用带宽高于测试数据包在有效混合网络中的传输速率，则 RrDmRpm/RpD的值接近，此时参数Rm,接近于零19检测有线混合网络的可用带宽的过程如下：步骤1)将探测包最大发送速率Smx初始化为瓶颈链路的物理带宽，将探测包最小发送速率Smin和探测包实时发送速率Snow设置为零；步骤2)设定Snow=（Sma x+Smi n）/2，开始在有线混合网络中发送检测数据包；步骤3)当10 0 个检测数据包传送到目的端时，对参数RRD,和RRD,进行计算；步骤4)当参数RD，0.45时，输出链路带宽此时对应的检测值为Smow，完成本次可用带宽的检测；步骤5)当参数RRD，0.45时，Smm和Snow的值相等；否则，重新计算SnowSnow=Smax(1-RRD3)+SminRRDa,(1)now步骤6)返回步骤2）。1.3网络拥塞预测根据上述有线混合网络的单向延迟和可用带宽的检测结果，采用马尔可夫模型对有线混合网络数据传输的拥塞状态进行预测，用s=（空闲，正常，拥塞描述有线混合网络拥塞状态空间，设u，描述连续两个时间段内有线混合网络数据传输拥塞状态分别为ii的状态，建立转移概率矩阵u。设X(t）=X（t）,X,（t），,X（t)描述网络拥塞状态在第t个时段的分布向量，利用X,(t+1)X,(t)X(t)U1213X,(t+1)X,(t)X,(t)xu21u22u23(2)L31u3233LX,(t+1)J第41卷吉林大学学报（信息科学版）446对网络在第t+1时段所处的拥塞状态进行计算，根据计算结果预测网络拥塞状态10 2有线混合网络数据传输拥塞优化控制将资源消耗和链路利用率作为优化控制的目标，根据有线混合网络传输拥塞状态，构建数据传输拥塞优化控制模型。设定有向图G=（V,E)表示有线混合网络，E=ei,e2，,e r 表示通信链路构成的集合；V=（u i,U 2，,U 表示有线混合网络中节点构成的集合。用e(i,j）E表示链路，bi,表示节点i和节点j之间存在的链路对应的可用带宽；d,表示节点i和节点j之间存在的链路对应的时延；ci,表示节点i和节点j之间存在的传输费用。d、s 表示链路中存在的目的节点和源节点，两者之间存在的路径为p=(s,i,j,k,d)，定义变量：如果节点i到i的链路存在于路径p中，门，如果节点i到i的链路存在于路径p中，PijLo，如果节点i到i的链路不存在于路径p中。设B(p)表示路径p对应的瓶颈带宽；D(p）表示路径p对应的延迟；C(p）表示路径p对应的费用，如下：且符合如下：B(p)=min(bij,Pi,j),D(p)=d;,jPi.j,(4)i=ij=1nC(p)=CijPi.jo=1j=1D(p)D,(5)LC(p)C。式（4），式（5）表明，路径p的费用大小C和延迟D低于有线混合网络业务量的接纳范围定义函数FD，如下：FD=1，D(p)-D 0,(6)lo,D(p)-D 0,其中D表示业务量请求在有线混合网络中对应的延迟。当业务量请求延迟小于路径p的延迟时，路径p的延迟不符合要求，此时函数F，的值为1；当业务量请求延迟大于路径p的延迟时，路径p的延迟符合要求，此时函数F，的值为零1-12 通过优化资源消耗和链路利用率实现有线混合网络数据传输的拥塞优化控制。1）资源消耗函数。设R(p）表示路径p在有线混合网络中消耗的资源，如下：nR(p)Z Z Bp:jD(p)=h(p)BD(p)+C(p)。(7)分析式(7)可知，业务量消耗的网络资源R(p)在业务所接纳的带宽前提下受传输业务所选路径p的延时D(p)和跳数h(p)的影响，即已知带宽B时，路径资源消耗随着延时D(p）和跳数h（p）的减少而变少，通过上述分析可知，资源消耗函数R（p）的最小化可对选择优化最小时延和跳数的标准进行反映13-142）链路利用率。设U表示节点i与节点j之间链路在有限混合网络中对应的利用率，如下：Bb.。(8)通常情况下路径的安全性随可用带宽bi，的增大而增强，有线混合网络中剩余的带宽可接受新的连接请求。设。？表示链路利用率对应的方差，则有：Z(U.-U)pij2(9)i=ij=1徐胜超，等：有线混合网络数据传输拥塞优化控制方法第3期447其中U表示链路利用率对应的均值，通过式(9)可以对链路中的负载分布进行反映15)3）拥塞优化控制函数。有线混合网络数据传输拥塞优化控制目标选择的路径符合下述要求：B(p)B,D(p)D,C(p)C,(10)L(p)P,min(R,),min为使上述目标达到均衡值，建立目标函数F，即有线混合网络数据传输拥塞优化控制模型：F=AR(p)+Bo,(11)其中A、B表示正实系数，通过模型（11）完成有线混合网络数据传输拥塞优化的控制。3实验与分析为验证笔者有线混合网络数据传输拥塞优化控制方法的整体有效性，需要对其进行测试。测试仿真实验平台为NS2，分别采用笔者方法（方法1）、基于动态存储状态模型的数据传输拥塞控制方法（方法2）和基于能效的网络数据传输拥塞控制方法（方法3）进行测试，对比不同方法的丢包率，测试结果如表1所示。表1丢包率的测试结果Tab.1Test results of packet loss rate%实验次数/次方法1方法2方法3实验次数/次方法1方法2方法3102.26.26.5503.47.98.2202.66.46.9603.88.08.7302.97.07.5704.08.29.5403.07.87.8分析表1中的数据可知，采用方法1对有线混合网络数据传输进行优化控制后，有线混合网络进行数据传输的丢包率均小于4.0%，采用方法2 和方法3对有线混合网络数据传输进行优化控制后，有线混合网络的丢包率均高于6%。对比不同方法的测试结果可知，采用方法1对网络数据传输进行拥塞优化控制后，有线混合网络的丢包率有所降低，因为方法1对网络数据传输拥塞优化控制前预测了有线混合网络的可用带宽，降低了有线混合网络的丢包率。将链路延时作为测试指标，对方法1、方法2 和方法3进行测试，结果如表2 所示。表2链路延时测试结果Tab.2Test results of packet loss rateS实验次数/次方法1方法2方法3实验次数/次方法1方法2方法3100.040.150.12500.030.140.12200.020.130.14600.040.130.13300.030.120.20700.050.120.15400.020.110.10通过表2 可知，采用方法1进行测试时，在多次实验中获得的链路延时均控制在0.0 5s以内，采用方法2 和方法3进行测试时，链路延时均控制在0.15s和0.2 0 s以内。通过对比可知，方法1在多次迭代中的链路延时最低，因为方法1对有线混合网络的单向延迟进行了检测，根据检测结果完成有线混合网络数据传输拥塞的优化控制，降低了有线混合网络的链路延时。分别采用方法1、方法2 和方法3对有线混合网络数据传输进行拥塞优化控制，对比不同方法的链路利用率，结果如表3所示。448第41卷吉林大学学报（信息科学版）表3链路利用率测试结果Tab.3Link utilization test results%实验次数/次方法1方法2方法3实验次数/次方法1方法2方法310947082509871822093688160987383309874807099758440977282由表3可知，方法1在多次实验中的链路利用率均在90%以上，远高于方法2 和方法3在多次实验中的链路利用率，因为方法1根据预测的网络状况，将链路利用率作为优化目标，构建有线混合网络数据传输拥塞优化控制模型，提高了其链路利用率。4结语数据传输质量受丢包、时延和带宽的影响较大，数据传输拥塞是数据传输过程中呕需解决的问题，因此需要对网络数据传输拥塞控制方法进行研究。针对网络数据传输拥塞控制方法存在丢包率高、链路延迟高和利用率低的问题，笔者提出一种有线混合网络数据传输拥塞优化控制方法，根据预测结果构建数据传输拥塞控制模型，实现有线混合网络数据传输的拥塞优化控制，保障了有线混合网络的数据传输质量。参考文献：1 JLEI K,LIANG Y,LI W.Congestion Control in SDN-Based Networks via Multi-Task Deep Reinforcement Learning JJ.IEEENetwork,2020,34(4):28-34.2 JWU X,WANG L,BAI B,et al.Hopf Bifurcation in DCTCP Congestion Control J.IEEE Communications Letters,2020,20(4):1424-1427.3 谭静，董程凤，王慧强，等.ERC2：具有拥塞控制策略的DTN传染路由方法J计算机应用，2 0 19，39(1):26-32.TAN J,DONG C F,WANG H Q,et al.ERC2:DTN Epidemic Routing Method with Congestion Control Strategy J.Computer Applications,2019,39(1):26-32.【4】唐伦，肖娇，赵国繁，等.基于能效的NOMA蜂窝车联网动态资源分配算法J电子与信息学报，2 0 2 0，42（2）：526-533.TANGL,XIAO J,ZHAO G F,et al.Energy Efficiency Based Dynamic Resource Allocation Algorithm for CellularVehicular Based on Non-Orthogonal Multiple Access J.Journal of Electronics&Information Technology,2020,42(2):526-533.5 石优，林琳，吴岩基于布谷鸟搜索的模糊PID拥塞控制方法J。计算机工程，2 0 2 0，46（11）：2 38-2 45.SHI Y,LIN L,WU Y.Fuzzy PID Congestion Control Method Based on Cuckoo Search J.Computer Engineering,2020,46(11):238-245.6 JSANGAIAH A K,RAMAMOORTHI J S,RODRIGUES J J P C,et al.LACCVoV:Linear Adaptive Congestion Control withOptimization of Data Dissemination Model in Vehicle-to-Vehicle Communication J.IEEE Transactions on IntelligentTransportation Systems,2021,22(8):5319-5328.7JAIMTONGKHAM P,HENG S,HORKAEW P,et al.Fuzzy Logic Rate Adjustment Controls Using a Circuit Breaker forPersistent Congestion in Wireless Sensor Networks J.Wireless Networks,2020,26(5):3603-3627.8 JSINGH P,GUPTA A K,SINGH R.Improved Priority-Based Data Aggregation Congestion Control Protocol JJ.ModernPhysics Letters B,2019,34(2):2050029.9 JCUI L,YUAN Z,MING Z,et al.Improving the Congestion Control Performance for Mobile Networks in High-Speed Railwayvia Deep Reinforcement Learning J.IEEE Transactions on Vehicular Technology,2020,69(6):5864-5875.10JGUO R Y,YANG H,HUANG H J,et al.Day-to-Day Flow Dynamics and Congestion Control J.Operations Research,2018,58(1/2):81-83.11JLEI K,LIANG Y,LI W.Congestion Control in SDN-Based Networks via Multi-Task Deep Reinforcement Learning J.IEEE责任编辑：刘东亮）第3 期徐胜超，等网络数据传输拥塞优化控制方法449Network,2020,34(4):28-34.12 JFARAG H,STERBERG P,GIDLUND M.Congestion Control and Traffic Differentiation for Heterogeneous 6TiSCH Networksin IIoT J.Sensors,2020,20(12):1-25.13JAHMED A A,ALI W.A Lightweight Reliability Mechanism Proposed for Datagram Congestion Control Protocol overWireless Multimedia Sensor Networks J.Transactions on Emerging Telecommunications Technologies,2018,29(3):1-17.14金明春，白云基于混合群智能算法的交通路径研究J计算机仿真，2 0 2 0，37（9）：10 9-112,144.JIN M C,BAI Y.Based on Hybrid Swarm Intelligent Algorithms Traffic Path Research J.Computer Simulation,2020,37(9):109-112,144.15JAL-KASHOASH H A A,KHARRUFA H,AL-NIDAWI Y,et al.Congestion Control in Wireless Sensor and 6LoWPANNetworks:toward the Internet of Things J.Wireless Networks,2019,25(8):4493-4522.