命名数据网络中基于缓存策略的拥塞控制算法研究

来源 :辽宁大学 | 被引量 : 0次 | 上传用户:funkfood
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
自1960年代以来,基于TCP/IP协议的互联网在现代社会中发挥着越来越重要的作用,TCP/IP网络架构是一个以主机为中心的模型,该模型是根据早期互联网应用模式而开发的,例如提供连接性和共享资源。但是,随着计算机技术和网络应用的飞速发展,网络传输模式也从资源共享转变为内容分发与获取,人们关注的重点从“从何处获取内容”转变为“获取什么内容”。而最初为端到端通信设计的TCP/IP网络难以适应这种变化,TCP/IP网络的局限性限制了互联网为用户提供更高性能的服务。因此为了提高网络性能,提供更好的服务质量,命名数据网络(Named Data Networking,NDN)提出以内容为中心构建新型网络架构,通过对信息进行命名实现内容检索和数据传输,而命名数据网络的无连接和网络缓存的特性极大提高了网络性能。提出针对NDN的拥塞控制算法是NDN重要研究方向之一,并且在考虑AR/VR等大数据量延迟敏感型的应用时,NDN的单兴趣包单数据包(One-Interest-One-Data)传输模式无法达到最佳传输效率,因此本文在单兴趣包多数据包(One-Interest-Multiple-Data)传输模式的基础上,设计了内容提供者控制的拥塞控制机制。此外节点缓存(CS)是NDN的重要特性,节点缓存可以提高资源获取速度,但也会对拥塞控制机制运行的准确性产生不利的影响。因此在设计拥塞控制算法之前,本文先提出了基于节点重要性,内容流行度,片段缓存价值的概率缓存策略以及基于内容片段保留价值和内容片段冗余度的缓存更新策略,降低了内容片段的冗余度,并将属于同一内容的片段聚合在少数节点中,为拥塞控制算法的设计提供便利。本文主要的工作如下:1.提出了一个概率缓存策略和相应的缓存更新策略。节点收到内容片段时,基于该内容片段的缓存价值、对应内容的流行度,以及节点重要度计算出缓存概率。缓存的每个内容片段建立片段保留价值和冗余度两个属性以度量其在缓存内的生存周期。当节点的缓存空间利用率超过设定阈值时,基于片段保留价值和片段冗余度执行缓存更新策略,从而降低缓存内容冗余度,提高缓存效率。2.提出了一种带宽时延感知的拥塞控制算法。该算法使用兴趣包收集从内容请求者到内容提供者的路径上的瓶颈链路带宽和时延信息,内容提供者据此信息计算出拥塞窗口和发送速率。针对NDN的节点缓存特性,提出了缓存标记方法,在中间节点存在请求内容的部分缓存时,通过标记节点的缓存内容,从而使得各节点缓存内容可以有序传输,充分地利用了节点缓存,减少传输所需时间,同时不会影响拥塞控制算法的准确性。3.本文在ndn SIM仿真平台下对缓存策略和拥塞控制算法的性能进行了验证,并相应选取了数种经典和主流的算法策略作为对比。实验结果表明,提出的缓存策略在缓存命中率和平均命中跳数方面有较好的性能表现,同时可以实现更低的缓存内容片段冗余度和更高的网络缓存数量。提出的拥塞控制算法可以实现更好的传输性能,更稳定的传输速率,能降低传输所需时间,同时不会被节点缓存影响拥塞控制算法准确性,并能利用节点缓存提高传输速率。在提出的缓存策略基础上运行的拥塞控制算法可以实现更高的传输效率,并降低传输开销。
其他文献
本论文研究了不同维度下纳米结构(零维、一维、二维)器件对气敏响应性能的影响,在研究工作中分别对薄膜型金属氧化物三氧化钨纳米片器件和单根,交叉金属氧化物二氧化锡纳米线器件进行气敏特性的测量。对薄膜型三氧化钨纳米片器件在不同老化天数下进行5 ppm H2S气敏性能的测试,灵敏度达到8,同一批器件的重复性和稳定性良好。气体敏感响应时间达5.5 s左右,气体敏感恢复时间24 s左右。同一批器件进行累计浓度
近年来,移动机器人的应用范围不断拓宽,被广泛应用于生产车间、餐饮服务、物流管理、日常生活等多种室内场景,因此对机器人自主性的要求也在不断提升。但室内的环境往往要比室外环境复杂得多,这对移动机器人自主导航性能提出了更大的挑战。自主导航包括路径规划和轨迹跟踪两个核心部分,但目前在路径规划的距离代价方面、轨迹跟踪的准确性等方面仍有较大提升空间。故本文中针对机器人自主导航过程中涉及到的路径规划和轨迹跟踪相
无线传感网是由大量传感器节点构成的,部署于有监测需求的区域内,用来监测紧急事件,从而评估事件的急迫性,以协调工作。传感器节点受其能量、通信、计算、存储以及部署环境恶劣等影响,通常会产生错误数据,使管理者无法做出正确决策。因此,在低能耗下对节点进行精准的故障检测是目前急需解决的问题。针对无线传感网中故障率高而导致检测精度低、能耗大问题,提出了基于时间序列与邻居协作的WSN故障检测算法。本文主要的内容
多机器人系统(Multi-Robot System,MRS)具有良好的自主移动性、灵敏性和强鲁棒性,能够很好的克服单机器人作业面临的瓶颈,被广泛的应用于工业生产的各个领域。多机器人系统如何协作完成智能工厂中高实时性的数据巡检任务一直是多机器人系统研究的热点,本文对多机器人系统协作进行数据巡检的任务分配及巡检任务所在车间的路径规划问题进行研究,合理的任务分配与路径规划不仅体现了多机器人系统的存在意义
矿山微震监测系统可以采集频率几赫兹到几千赫兹的多种震动信号,其包含的信息较为复杂,准确识别煤岩破裂的微震事件对于微震的定位及其震源机制的认识是最为关键的科学问题之一。微震事件的准确识别,决定了微震监测及预警技术的及时性和准确性。传统的微震事件识别方法大都需要人工手动提取特征,无法将分类器与特征提取过程相结合,过程繁琐复杂,而且多数都是浅层结构算法,对分类问题的泛化能力不强。深度学习模型被广泛运用于
报纸
元学习方法提出的初衷是为了解决标签样本量不足的问题,通过提前训练模型的初始化参数来加快模型的收敛速度。后续模型无关元学习(MAML)的出现更是显著提升了元学习思想的应用范围。一般以梯度下降法进行算法求解的模型都可以通过它来解决few-shot learning(小样本分析)问题。当前,元学习方法多应用于图片和自然语言处理场景,而化学材料数据分析也具有少样本、多任务的训练特性,属于较典型的小样本分析
事件抽取框架是构建一些特定领域知识图谱的关键必备内容,尤其是金融、医疗等新兴领域,这些领域对知识的需求量大、数据的时效性要求较高。事件抽取框架的目的是将发生的事件信息从文本中提取出来,形成包含事件信息的知识,为之后的知识图谱应用提供支持。传统的事件抽取框架中除了事件抽取方法,还会包含数据收集和数据标注部分,这些附加模块往往通过一些规则性方法来生成事件信息的标注。本文以众包的方式,使用人工标注平台,
理想的群集智能算法(Swarm Intelligence,SI)能够快速找到优化问题的一个可行解,其目的是尽快取得全局最优解,而非陷入局部最优。然而现有的群集智能算法往往存在收敛速度慢和易陷入局部最优的问题。羊群算法(Sheep Optimization,SO)是一种模拟羊群行为的新型群集智能算法,它根据群集智能算法的三种策略:全局探索、局部开发和跳出局部优化,分别通过模拟羊群的三类行为:头羊引领