释放随机网络演算中“仅付费复用一次”原则的威力
性能
2022-06-22 v3
摘要
随机网络演算（SNC）有望成为一个通用且统一的框架，用于计算排队网络中的概率性性能界。由于网络内部资源共享导致的流间随机依赖，给精确界与高效计算带来了巨大挑战。然而，通过在网络分析中审慎利用SNC基本概念，可将考虑这些依赖的必要性降至最低。为此，我们在SNC分析中释放了“仅付费复用一次”原则（PMOO，源自确定性网络演算）的威力。我们采用解析组合学的形式呈现结果，以简化复杂计算。在树可约网络（一般前馈网络的一个子类）中，我们获得了一种有效分析，避免了考虑内部流依赖的需要。在一项全面的数值评估中，我们展示了这种释放的PMOO分析如何显著缩小仿真与SNC计算之间的已知差距，并且在精度与计算量上优于最先进的SNC计算。受这些 promising 结果的鼓舞，我们也考虑了一般前馈网络，其中某些流依赖必须被纳入考虑。为此，释放的PMOO分析被推广至部分依赖情形，并给出了一个典型示例拓扑（称为钻石网络）的案例分析，再次显示出优于最先进方法的结果。
引用
@article{arxiv.2104.14215,
title = {Unleashing the Power of Paying Multiplexing Only Once in Stochastic Network Calculus},
author = {Anne Bouillard and Paul Nikolaus and Jens Schmitt},
journal= {arXiv preprint arXiv:2104.14215},
year = {2022}
}
备注
Accepted at ACM SIGMETRICS 2022