Từ những thí nghiệm trước đó, rõ ràng là thêm AED là cần thiết khi một số lượng lớn các luồng hoạt động để tránh mất gói và thông báo tắc nghẽn xác định. Tương tự như vậy, bớt AED là cần thiết khi một số lượng nhỏ của luồng hoạt động để ngăn chặn độ không khả dụng. Bởi vì các thông số RED thích nghi có thể có ích
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
cho hiệu suất mạng, phần này đề xuất một cơ chế thường trực để thích nghi sự thay đổi các tham số theo lưu lượng quan sát. Thuật toán này, được gọi là RED thích nghi (Adaptive RED), được thể hiện trong hình 2.7.
Hình 2.7 Thuật toán ARED
Ý tưởng sau thuật toán này là để suy luận có RED hay không trở thành thêm hay bớt tích cực bằng cách kiểm tra các hành vi chiều dài hàng đợi trung bình. Nếu chiều dài hàng đợi trung bình liên tục vượt quá minth, dẫn đến cơ chế phát hiện sớm đang là quá tích cực. Nếu chiều dài hàng đợi trung bình liên tục vượt quá maxth, dẫn đến cơ chế phát hiện sớm là không đủ tích cực. Dựa vào hành vi của chiều dài hàng đợi trung bình, thuật toán điều chỉnh giá trị của maxp phù hợp. Đối với thuật toán này, maxp chỉ là tỷ lệ đơn với các hằng số α và β phụ thuộc vào ngưỡng nó vượt qua.
Average Queue Length
Hình 2.8 Các hành vi mất gói/đánh dấu của ARED
Every Q(ave) Update:
if (minth <Q(ave) < maxth ) status = Between;
if (Q(ave) < minth && status != Below) status = Below;
maxp=maxp/α;
if (Q(ave) > maxth && status != Above) status = Above;
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Hình 2.8 cho thấy cách ARED thay đổi hành vi mất gói/đánh dấu của RED. Trái ngược với thuật toán RED gốc như trong hình 2.4. Chức năng đánh dấu của ARED thay đổi tùy thuộc vào thiết lập maxp. Trong các lần tắc nghẽn nhẹ, xác suất mất gói/đánh dấu vẫn còn khá thấp cho đến khi đạt đến chiều dài hàng đợi trung bình maxth. Trong các lần tắc nghẽn nặng, xác suất mất gói/đánh dấu gia tăng nhanh chóng với chiều dài hàng đợi trung bình vượt quá minth.
(a) Phát hiện tích cực (maxp = 0.250) (b) phát hiện tiêu cực(maxp = 0.016)
Hình 2.9 Phát hiện ngẫu nhiên sớm tĩnh (SRED)
Để thấy tính khả thi của ARED, một thí nghiệm khác sử dụng cùng một mạng thể hiện trong hình 2.2 được chạy, nhưng với kích thước hàng đợi RED 100KB. Trong thí nghiệm này, số lượng kết nối hoạt động thay đổi giữa 8 và 32 sau 40 giây. Hình 2.9 cho thấy biểu đồ chiều dài hàng đợi sử dụng hàng đợi RED tĩnh cấu hình là tích cực hay tiêu cực. Khi AED được sử dụng, như trong hình 2.9(a), hàng đợi RED thực hiện tốt kể cả khi 32 kết nối hoạt động. Khi chỉ có 8 kết nối hoạt động, tuy nhiên, hàng đợi RED là quá tích cực trong thông báo tắc nghẽn của nó, do đó gây ra khoảng thời gian không khả dụng khi hàng đợi trống. Khi CED được sử dụng, như trong hình 2.9(b), hàng đợi RED chỉ hoạt động tốt khi 8 kết nối hoạt động. Khi tất cả 32 kết nối hoạt động, hàng đợi RED liên tục biến động giữa các thời điểm duy trì mất gói và đánh dấu ECN và thời điểm tiếp theo là không khả dụng.
Hình 2.10(a) cho thấy biểu đồ chiều dài hàng đợi của cùng một thí nghiệm bằng cách sử dụng ARED với α và β được thiết lập tương ứng là 3 và 2. maxp thiết lập ban đầu 0.020 và sau đó được phép thay đổi tùy theo các thuật toán. Như đồ thị cho thấy, sau một thời gian học tập ngắn khi thí nghiệm bắt đầu và khi lưu lượng đầu vào thay đổi, hàng đợi RED có khả năng thích ứng với bản thân tốt. Hình
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
2.10(b) là biểu đồ tham số maxp như hàng đợi RED thích nghi chính nó với lưu lượng đầu vào. Như đã dự kiến, giá trị thích nghi phản ánh số lượng luồng hoạt động. Khi tất cả 32 kết nối hoạt động, maxp tăng đáng kể, dẫn đến thuật toán RED trở nên tích cực hơn. Khi chỉ có 8 kết nối hoạt động, maxp giảm, gây ra thuật toán RED trở nên kém tích cực.
(a) Độ dài hàng đợi (b) tham số maxp
Hình 2.10 RED thích nghi