بهبود کارایی سازوکارهای کنترل نرخ مبتنی برکاوش به کمک دسته-بندی: ارزیابی بر روی بستر آزمایشی شبکه¬های بی¬سیم محلی پرسرعت
محورهای موضوعی : عمومى
علی قالیباف
1
(مهندسی فناوری اطلاعات، گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان)
محمد نصیری
2
(عضو هیات علمی دانشگاه)
محمدحسن داعی
3
(مهندسی فناوری اطلاعات، گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان)
مهدی سخائی نیا
4
(گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان)
کلید واژه: نرخ کنترل ارسال, شبکه‌های بیسیم محلی پرسرعت, بستر آزمایشی, دسته‌بندی نرخ, روش Minstrel HT, روش CRA ,
چکیده مقاله :
فناوری MIMO در شبکه های محلی بی سیم، امکان استفاده از طیف متنوعی از نرخ های ارسال را فراهم می آورد. به‌منظور بهبود کارایی پیمانه کنترل نرخ، اطلاعات آماری در مورد تاریخچه وضعیت و میزان استفاده از هر نرخ ارسال در لایه MAC نگهداری می شود تا به تعیین نرخ ارسال بسته های آتی کمک نماید. بااین‌وجود، تنوع زیاد نرخ های ارسال در استانداردهای 802.11n و 802.11ac هزینه سربار زیادی را برای به روزرسانی این اطلاعات تحمیل می کند. در این مقاله، برای کاهش فضای حالت نرخ های ارسال و به روز نگه داری توأمان آمار همه آن‌ها، روشی برای دسته بندی نرخ ها ارائه شده است به‌نحوی‌که هنگام ارسال یک بسته با نرخ ارسال مشخص، اطلاعات آماری مربوط به همه نرخ های ارسالی که در همان دسته قرار می گیرند، به روز شود. درنتیجه، آمار وضعیت تعداد بیشتری از نرخ های ارسال حتی باوجود ارسال تعداد کمی بسته های داده می تواند به روز شود. سازوکار پیشنهادی در محیط هسته لینوکس پیاده-سازی و عملکرد آن را تحت شرایط مختلف در یک بستر آزمایشی که در آزمایشگاه پژوهشی خود راه اندازی نموده ایم، ارزیابی گردید. نتایج نشان می دهد که روش پیشنهادی ازنقطه‌نظر گذرداد و تعداد ارسال های موفق از سازوکار Minstrel-HT به‌عنوان روش پیش فرض لینوکس عملکرد بهتری دارد.
MIMO technology offers a wide range of transmission rates for modern wireless LANs. In order to improve the performance of the rate control module, statistical information on the history of state and usage of each transmission rate is maintained at the MAC layer to help determine the rate at which future packets are sent. However, the great diversity of transmission rates in the 802.11n and 802.11ac standards imposes an overhead for updating this information. In this article, to reduce the state space of transmission rates while keeping statistics approximately up to date for each rate, a method for clustering rates is presented so that when sending a packet over a transmission rate, statistical information relating to all the rates belonging to the same cluster is updated. As a result, statistics for a greater number of rates can be updated even when sending a fewer number of packets. We implemented our proposed mechanism in the Linux kernel environment and evaluated its performance under different conditions on an experimental testbed deployed in our research laboratory. The results show that the proposed method outperforms the de-facto Minstrel-HT rate control mechanism in terms of throughput and number of successful transmissions.
[1] L. Deek, E. Garcia-Villegas, E. Belding, S.-J. Lee, and K. Almeroth, "A practical framework for 802.11 MIMO rate adaptation," Computer Networks, vol. 83, pp. 332-348, 2015.
[2] L. Kriara and M. K. Marina, "SampleLite: A hybrid approach to 802.11 n link adaptation," ACM SIGCOMM Computer Communication Review, vol. 45, no. 2, pp. 4-13, 2015.
[3] I. Pefkianakis, Y. Hu, S. H. Wong, H. Yang, and S. Lu, "MIMO rate adaptation in 802.11 n wireless networks," in Proceedings of the sixteenth annual international conference on Mobile computing and networking, 2010: ACM, pp. 257-268.
[4] R. Karmakar, S. Chattopadhyay, and S. Chakraborty, "Dynamic link adaptation for high throughput wireless access networks," in 2015 IEEE International Conference on Advanced Networks and Telecommuncations Systems (ANTS), 2015: IEEE, pp. 1-6.
[5] H. Munanzar and T. Y. Arif, "AARF-HT: Adaptive auto rate fallback for high-throughput IEEE 802.11 n WLANs," International Journal of Communication Networks and Information Security, vol. 10, no. 1, pp. 170-179, 2018.
[6] F. A. Setia, T. Y. Arif, and R. Munadi, "Collision-aware rate adaptation algorithm for high-throughput IEEE 802.11 n WLANs," in 2018 6th International Conference on Information and Communication Technology (ICoICT), 2018: IEEE, pp. 12-17.
[7] T. Y. Arif and R. Munadi, "Evaluation of the Minstrel-HT Rate Adaptation Algorithm in IEEE 802.11 n WLANs," International Journal of Simulation--Systems, Science & Technology, vol. 18, no. 1, 2017.
[8] R. Albar, T. Y. Arif, and R. Munadi, "Modified Rate Control for Collision-Aware in Minstrel-HT Rate Adaptation Algorithm," in 2018 International Conference on Electrical Engineering and Informatics (ICELTICs), 2018: IEEE, pp. 7-12.
[9] D. Nguyen and J. Garcia-Luna-Aceves, "A practical approach to rate adaptation for multi-antenna systems," in Network Protocols (ICNP), 2011 19th IEEE International Conference on, 2011: IEEE, pp. 331-340.
[10] B. Radunovic, A. Proutiere, D. Gunawardena, and P. Key, "Dynamic channel, rate selection and scheduling for white spaces," in Proceedings of the Seventh COnference on emerging Networking EXperiments and Technologies, 2011, pp. 1-12.
[11] F. Fietkau and D. Smithies, "minstrel ht: New rate control module for 802.11 n," ed, 2010.
[12] S. Seytnazarov and Y.-T. Kim, "Cognitive rate adaptation for high throughput IEEE 802.11 n WLANs," in Network Operations and Management Symposium (APNOMS), 2013 15th Asia-Pacific, 2013: IEEE, pp. 1-6.
[13] C.-Y. Li, C. Peng, S. Lu, and X. Wang, "Energy-based rate adaptation for 802.11 n," in Proceedings of the 18th annual international conference on Mobile computing and networking, 2012, pp. 341-352.
[14] C.-Y. Li, C. Peng, S. Lu, X. Wang, and R. Chandra, "Latency-aware rate adaptation in 802.11 n home networks," in 2015 IEEE Conference on Computer Communications (INFOCOM), 2015: IEEE, pp. 1293-1301.
[15] Z. Zhao, F. Zhang, S. Guo, X.-Y. Li, and J. Han, "RainbowRate: MIMO rate adaptation in 802.11 n WiLD links," in 2014 IEEE 33rd International Performance Computing and Communications Conference (IPCCC), 2014: IEEE, pp. 1-8.
[16] I. Pefkianakis, Y. Hu, S.-B. Lee, C. Peng, S. Sakellaridi, and S. Lu, "Window-based rate adaptation in 802.11 n wireless networks," Mobile Networks and Applications, vol. 18, no. 1, pp. 156-169, 2013.
[17] D. Smithies and F. Fietkau, "Minstrel rate control algorithm," Online. Disponıvel em http://linuxwireless. org/en/developers/Documentation/mac80211/RateControl/minstrel. Ultimo acesso em, vol. 16, no. 11, p. 2009, 2005.
[18] R. K. Sheshadri and D. Koutsonikolas, "On packet loss rates in modern 802.11 networks," in IEEE INFOCOM 2017-IEEE Conference on Computer Communications, 2017: IEEE, pp. 1-9.
[19] A. B. Makhlouf and M. Hamdi, "Practical rate adaptation for very high throughput wlans," IEEE Transactions on Wireless Communications, vol. 12, no. 2, pp. 908-916, 2013.
[20] H. Qi, Z. Hu, X. Wen, and Z. Lu, "Rate adaptation with Thompson sampling in 802.11 ac WLAN," IEEE Communications Letters, vol. 23, no. 10, pp. 1888-1892, 2019.
[21] C.-Y. Li, S.-C. Chen, C.-T. Kuo, and C.-H. Chiu, "Practical Machine Learning-based Rate Adaptation Solution for Wi-Fi NICs: IEEE 802.11 ac as a Case Study," IEEE Transactions on Vehicular Technology, 2020.
[22] R. Karmakar, S. Chattopadhyay, and S. Chakraborty, "An online learning approach for auto link-Configuration in IEEE 802.11 ac wireless networks," Computer Networks, vol. 181, p. 107426, 2020.
[23] T. Y. A. Munandar, R. Adriman, and R. Munadi, "CARA-OHT: Collision-Aware Rate Adaptation for Optimal High-Throughput in IEEE 802.11 s Wireless Mesh Networks," International Journal of Interactive Mobile Technologies, vol. 14, no. 13, 2020.
[24] م.ح. داعی، م. نصیری و س.و. ازهری، "ارائه و پیاده‌سازی یک ساختار منعطف در بستر واقعی جهت ارزیابی روش‌های بهبود QoS در شبکه‌های بیسیم". هشتمین کنفرانس بین‌المللی فناوری اطلاعات و دانش، همدان، دانشگاه بوعلی سینا، )1395(.
[25] ع. قالیباف، م.ح. داعی و م. نصیری، "پیاده‌سازی و ارزیابی کارایی روش‌های کنترل نرخ ارسال در شبکه‌های بیسیم پرسرعت در یک بستر واقعی". دومین کنفرانس ملی محاسبات نرم، گیلان، دانشگاه گیلان، )1396(.