论文部分内容阅读
随着网络用户的快速增长,网络拥塞问题日趋严重。拥塞控制机制是提供数据流的传输速度与网络所能提供的可利用带宽有效匹配的保证。在网络中间节点实施的主动队列管理算法(AQM)和队列调度算法(QS)较端节点能及时的反映拥塞,成为网络拥塞控制研究的热点。首先,分析了基于端节点的网络拥塞控制机制的不足,指出了拥塞控制的本质,阐述了AQM和QS的分类、性能指标及它们之间的关系。其次,针对AQM算法不能同时兼顾公平性、稳定性、可扩展性的问题,提出了一种基于分组到达时间间隔的自适应AQM算法:AI-AQM(Average Interval-AQM)。AI-AQM对REM拥塞价格公式加以改进,提出了AI-AQM算法拥塞度量的标准及参数自适应的处理方法。以不同数据流的分组平均到达时间间隔(AI)为恶意竞争流的鉴别标准。算法只维护AI超过公平上限的数据流状态信息以降低开销。再次,针对AQM和QS分而治之的问题,提出了配合AI-AQM使用的AI-RR(Average Interval-RR)算法。AI-RR利用AI-AQM维护的流状态信息对数据流进行分组;采用数据包个数与AI的比值作为组权值分配标准,并对权值进行了矫正,以避免分组长度不一带来的流与流之间的不公平性;组间以权值从大到小的顺序轮循调度,组内采用FCFS调度,并对轮循输出进行了有效平滑。最后,在NS2上搭建了实验环境,与RED、FRED、CHOKe、CSFQ算法在不同的实验场景下进行了性能分析比较。仿真结果表明AI-AQM在丢包率、链路利用率、流与流之间的公平性、队列长度稳定性方面较优秀。