FaiRTT：一种用于增强 RTT 公平性与瓶颈吞吐量的经验方法
网络与互联网体系结构
2024-04-01 v1
摘要
在下一代网络中，实现 Round-trip Time（RTT）公平性对于确保不同流类型间的公平带宽分配至关重要，从而提升整体网络利用率。TCP 拥塞控制算法 BBR 由 Google 提出，用于动态调整应答网络条件下的发送速率。虽然实施了 BBRv2 以克服 BBRv1 的不公平性限制，但在平衡高带宽、长RTT 大象流与更频繁的短RTT 鼠流之间的需求时，仍面临协议内公平性挑战。这些问题导致吞吐量不平衡和队列堆积，引发大象流主导和鼠流饥饿。本文首先探讨了 Google BBR 算法的局限性，特别是在超5G（B5G）网络中的协议内 RTT 公平性问题。虽然现有工作通过调整 pacing 速率来解决此限制，但最终导致低吞吐。我们因此开发了 FaiRTT 算法，通过基于 RTT 测量动态估计 Bandwidth Delay Product（BDP）发送速率，专注于公平的带宽分配。通过对 Inf light 依赖于 BDP、瓶颈带宽和每个 ACK 后数据包离开时间的建模，我们可以在不损害瓶颈链路吞吐的前提下解决协议内公平性问题。通过在 NS-3 上的大量仿真和全面性能评估，FaiRTT 显示在不同流类型下显著提高公平性指数和网络吞吐量，显著优于 BBRv2。FaiRTT 在大象流和鼠流之间的平均吞吐量比为 1.08，平均公平性指数为 0.98，瓶颈链路的平均利用率为 98.78%。
引用
@article{arxiv.2403.19973,
title = {FaiRTT: An Empirical Approach for Enhanced RTT Fairness and Bottleneck Throughput in BBR},
author = {Akshita Abrol and Purnima Murali Mohan and Tram Truong-Huu},
journal= {arXiv preprint arXiv:2403.19973},
year = {2024}
}
备注
Accepted for IEEE ICC 2024 Workshop - DDINS