自相似业务下拥塞避免机制的实现

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (3): 167-169.

自相似业务下拥塞避免机制的实现

张娅,朱娜,朱国军

江苏大学计算机科学与通信工程学院，江苏镇江 212013

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-21 发布日期:2008-01-21
通讯作者: 张娅

Realization of congestion avoidance algorithm on self-similar traffic network

ZHANG Ya,ZHU Na,ZHU Guo-jun

School of Computer Science and Telecommunications Engineering，Jiangsu University，Zhenjiang，Jiangsu 212013，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-21 Published:2008-01-21
Contact: ZHANG Ya

摘要/Abstract

摘要： 传统拥塞避免机制所采用的随机早期检测（Random Early Detection，RED）算法是建立在网络流量按Poisson分布的基础上，因此不适应具有自相似业务流量特征的Internet网。针对自相似业务流量特点，对RED算法进行了改进，提出了一种基于时间间隔的随机早期检测（Based Interval Random Early Detection，BIRED）算法。BIRED算法能够在自相似业务流量特征下，通过控制平均队列长度，避免网络进入拥塞状态。通过仿真比较了BIRED和RED的动态性能，显示了BIRED具有更好的鲁棒性，证明了BIRED比RED、DropTail更能适应自相似业务流量，减小系统负担，有效稳定平均队列长度，改善系统的暂态特性。

关键词: 自相似, 主动队列管理, RED, 拥塞避免

Abstract: Random Early Detection algorithm in traditional field of congestion avoidance is based on Poisson model，thus it is not adapted to the traffic of self-similar.In this paper，based on self-similar traffic，we propose a RED algorithm，BIRED（Based on Interval Random Early Detection）.According to the self-similarity，by controlling the average queue length，the BIRED can help the network avoiding congestion.Comparing the BIRED and RED about the dynamic performance，the BIRED is superior in robustly.As evident from the simulation，the BIRED performs more better，adapt to the self-similar traffic，controlling the average queue length，illustrating improved transient performance.

Key words: self-similar, active queue management, Random Early Detection（RED）, congestion avoidance

张娅,朱娜,朱国军. 自相似业务下拥塞避免机制的实现[J]. 计算机工程与应用, 2008, 44(3): 167-169.

ZHANG Ya,ZHU Na,ZHU Guo-jun. Realization of congestion avoidance algorithm on self-similar traffic network[J]. Computer Engineering and Applications, 2008, 44(3): 167-169.

[1]	张俊，廖雪花，余旭玲，雷蒙. 关系型数据库内存化存储模型研究[J]. 计算机工程与应用, 2021, 57(19): 123-128.
[2]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[3]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[4]	刘军，李威，吴梦婷，陈起凤. Hadoop平台下新型图像并行处理模型设计[J]. 计算机工程与应用, 2019, 55(6): 186-190.
[5]	季长清1，2，肖鹏3，刘畅4，汪祖民2，西方2，邵寅博1，李泽宇2. 基于空间近邻查询的移动医疗呼叫算法[J]. 计算机工程与应用, 2019, 55(2): 206-212.
[6]	李瑾，顾旻皓，李飞，朱科军. 高能物理分布式数据获取架构的设计与实现[J]. 计算机工程与应用, 2019, 55(19): 228-234.
[7]	王德政1，张益农1，杨帆2. 基于MapReduce的并行PLS过程监控算法实现[J]. 计算机工程与应用, 2018, 54(24): 61-65.
[8]	陈旺虎，俞茂义，马生俊. 基于输入分片扰乱的BP神经网络MapReduce训练方法[J]. 计算机工程与应用, 2018, 54(2): 137-143.
[9]	张慧宁1，李拥军2，王绍东3. Redis压缩列表研究与优化设计[J]. 计算机工程与应用, 2018, 54(18): 90-98.
[10]	夏晓云，张仁斌，谢瑞，王聪. 基于MapReduce的液晶屏缺陷检测方法[J]. 计算机工程与应用, 2017, 53(5): 202-206.
[11]	王永贵1，张燕1，杨东东2. 基于MapReduce的无线城市社团发现算法研究[J]. 计算机工程与应用, 2017, 53(4): 106-112.
[12]	罗俊，李劲华. LSHBMRPK-means算法及其应用[J]. 计算机工程与应用, 2017, 53(21): 62-67.
[13]	陈亚楠，朱习军. 基于Hadoop的中医哮喘用药组合关联分析[J]. 计算机工程与应用, 2017, 53(13): 95-98.
[14]	李三淼，李龙澍. Hadoop中处理小文件的四种方法的性能分析[J]. 计算机工程与应用, 2016, 52(9): 44-49.
[15]	熊政1，2，王金明2，郑海雁1，2，李昆明1，徐立臻2，崇志宏2. 一种基于可排序视图的RDF模式匹配算法[J]. 计算机工程与应用, 2016, 52(8): 62-69.