4.3 Kiến trúc các dịch vụ phân loại DiffServ 8 4-
4.3.2 Quản trị hàng đợi động trong kiến trúc DiffServ 8 9-
Mục tiêu của AQM trong các mạng DiffServ có sự khác biệt về bản chất so với trong các mạng Best-effort. Trong khi mục tiêu của AQM trong các mạng Best- effort là để tránh tắc nghẽn thì trong các mạng DiffServ là loại bỏ có ƣu tiên.
RIO là một kỹ thuật AQM cơ bản phù hợp cho việc thiết lập xử lý từng chặng theo chuẩn AF. Xin đƣợc nhắc lại một chút về RIO: RIO là sự mở rộng của RED bằng cách sử dụng hai tập tham số để phân biệt các gói tin In (in-profile) và Out
(out-of-profile). Để quyết định loại bỏ các gói tin Out, RIO sử dụng kích thƣớc trung bình của hàng đợi tổng, cấu thành từ cả các gói In và Out. Đối với các gói In, nó sử dụng kích thƣớc trung bình của hàng đợi ảo, đƣợc tạo bởi chỉ các gói In. Nhƣ đã trình bày bằng mô phỏng trong phần 4.2.3, với RIO ngƣời dùng có thể nhận đƣợc phần băng thông đảm bảo ngay cả khi tắc nghẽn, thậm chí còn có thể nhận đƣợc nhiều hơn khi mạng không tắc nghẽn. Mô phỏng mà chúng tôi đã làm với RIO hoàn toàn có thể thực hiện trên kiến trúc DiffServ. Khi đó, mạng sẽ có hai bộ phận: một bộ đánh dấu đƣợc đặt tại mạng biên (gateway G1), đƣợc cài đặt bởi một thuật toán đánh dấu nào đó miễn là phân đƣợc hai loại gói tin In và Out; bộ phận còn lại đƣợc đặt tại gateway G1, và dùng thuật toán RIO để thực hiện chuyển tiếp (hay loại bỏ). RIO đã đƣợc mở rộng để xử lý với n > 2 mức ƣu tiên theo một nguyên lý tƣơng tự. Khi đó xác suất loại bỏ các gói tin có mức ƣu tiên j (1 j < n) phụ thuộc vào kích thƣớc trung bình của hàng đợi ảo mức j (là hàng đợi tạo bởi chỉ các gói tin có mức ƣu tiên từ 1 đến j). Đối với các gói tin có mức ƣu tiên n thì xác suất loại bỏ là
một hàm của kích thƣớc hàng đợi “vật lý” (hàng đợi tổng cộng-total queue). Phƣơng pháp gốc này có tên là RIO-C (RIO-Coupled) dùng để phân biệt với các phƣơng pháp khác đƣợc đề xuất sau đó. Chẳng hạn, Weighted RED (WRED) sử dụng kích thƣớc hàng đợi trung bình tổng cộng cho mọi mức ƣu tiên, trong khi RIO-D (RIO-Decoupled) tính xác suất loại bỏ cho các gói tin mức j nhƣ một hàm theo số các gói tin trung bình có cùng mức ƣu tiên. Hình 4.8 trình bày lƣợc đồ RIO- C với ba mức ƣu tiên đƣợc thể hiện bằng ba màu: đỏ, vàng và xanh, theo đó xanh biểu diễn mức ƣu tiên cao nhất, sau đó đến vàng và đỏ.
RIO-C phân biệt các gói tin theo các mức ƣu tiên bằng ba cách. Cách thứ nhất là dùng các ngƣỡng khác nhau cho các mức ƣu tiên khác nhau, sao cho việc loại bỏ bắt đầu sớm đối với các gói tin có mức ƣu tiên cao hơn. Cách thứ hai là dùng xác suất loại bỏ tăng lên một cách tuyến tính theo các mức ƣu tiên. Cách thứ ba dựa trên tính toán kết hợp xác suất loại bỏ; trên thực tế, việc tính xác suất loại bỏ đối với gói tin có mức ƣu tiên j sử dụng số gói tin trung bình của tất cả các gói tin có mức ƣu tiên nhỏ hơn j mang lại một cách phân biệt tốt. Hai cách đầu phụ thuộc đơn thuần vào việc chọn các tham số và chúng không loại trừ lẫn nhau.
Nhƣ đã đề cập trƣớc, không có một quy tắc chính xác nào cho việc thiết lập các tham số RED (hai ngƣỡng minth, maxth, xác suất loại bỏ tối đa maxp và trọng số hàng đợi wq); thêm vào đó, các kết quả nghiên cứu cũng chỉ ra những khó khăn để tìm đƣợc một cấu hình RED thật sự hiệu quả. Vấn đề càng trở nên nghiêm trọng hơn đối với RIO: chẳng hạn, xét RIO với n mức ƣu tiên, về nguyên tắc thì cần phải thiết lập 3n + 1 tham số (2n ngƣỡng và n xác suất loại bỏ, cộng thêm một trọng số
wq – giả sử wq đƣợc dùng cho mọi hàng đợi ảo). Rõ ràng là vấn đề thiết lập các tham số trở nên phức tạp hơn và trở thành một chủ đề nghiên cứu. Nhiều nghiên cứu chỉ ra sự khó khăn trong việc hiệu chỉnh RIO để đạt đƣợc một hiệu năng có thể dự đoán trƣớc.