论文部分内容阅读
由于现有网络业务中自相似性的普遍存在,因此在现代高速技术的研究中,采用自相似模型比传统的Markov模型更能准确的描述实际业务特性。并且业务的自相似性对队列系统和网络性能都产生了一些意想不到的影响,而基于传统模型下的网络性能结论和网络设计策略不能完全适用于具有自相似业务的高速网络。随着网络的迅速发展,自相似业务对网络的设计、控制、分析和管理都提出了更为严峻的挑战。因此,在自相似业务流量下,开展拥塞控制策略的研究对满足Internet网络的发展有着十分重要的意义。随机早丢弃算法(Random Early Detection,RED)是Floyd在90年代早期提出的,它是基于传统的泊松分布模型的,其基本思想就是要对到达的分组在拥塞发生之前,按照某个计算出来的概率进行丢弃,避免拥塞的发生。如何检测拥塞是算法的关键,其次就是怎样计算分组的分组丢失率。基于传统的网络模型是这种算法的最大缺点,它往往不能够满足现代网络业务流量普遍呈现自相似特性的要求。本文在总结了已有的研究成果基础上,对相关的问题进行细致地分析,研究如何在自相似业务流量模型下对路由器缓冲区中队列进行管理,改进RED算法,从而更好地避免拥塞发生,提高网络性能,然后提出了一种自相似业务流下的RED改进算法。本文所做工作主要体现在以下几个方面:1.深入学习RED算法及其改进算法。2.深入学习自相似模型的定义、特性、估算、模型、预测及产生原因。利用NS2下基于Pareto分布的ON/OFF模型产生自相似业务流,该模型可以较真实地反映网络实际环境,生成具有自相似性质的网络业务流量。3.分析自相似性对网络性能的影响,结合性能评价标准,对经典RED算法进行改进,提出了在任意时刻,每个输入自相似业务流的最大、最小阈值与当前未使用缓冲区的缓冲区大小成比例,与Hurst系数成反比。动态的调整RED算法,使之适应自相似网络业务流量。4.通过在NS2平台上的仿真,对给出算法的平均队列长度、吞吐量、时延等参数进行对比分析,结果表明,所提出的在自相似业务流下的RED改进算法能够在维持吞吐量的情况下,有效地降低平均队列长度、分组丢失率和端对端时延,从而提高网络利用率。