[論文レビュー] Quick and Plenty: Achieving Low Delay and High Rate in 802.11ac Edge Networks

Hamid Reza Hassani, Franceso Gringoli+1 more|arXiv (Cornell University)|Jun 20, 2018

Wireless Networks and Protocols参考文献 17被引用数 7

ひとこと要約

この論文は、アクセスポイントでのターゲットフレーム集約レベルを維持するためにダウンリンク送信レートを制御することにより、802.11acエッジネットワークにおける低遅延および高データレートを達成する新しいトランスポート層メカニズムを提案する。集約レベルをリアルタイムのフィードバック信号として使用することで、キューの蓄積を回避し、ルート権限のないモバイルデバイスでも安定した高スループット通信を実現可能である。実世界のテストとNS3シミュレーションによる検証で、さまざまなネットワークボトルネックにおいて一貫した性能を示した。

ABSTRACT

We consider transport layer approaches for achieving high rate, low delay communication over edge paths where the bottleneck is an 802.11ac WLAN. We first show that by regulating send rate so as to maintain a target aggregation level it is possible to realise high rate, low delay communication over 802.11ac WLANs. We then address two important practical issues arising in production networks, namely that (i) many client devices are non-rooted mobile handsets/tablets and (ii) the bottleneck may lie in the backhaul rather than the WLAN, or indeed vary between the two over time. We show that both these issues can be resolved by use of simple and robust machine learning techniques. We present a prototype transport layer implementation of our low delay rate allocation approach and use this to evaluate performance under real radio conditions.

研究の動機と目的

• 無線リンクが性能ボトルネックとなるエッジネットワークにおける802.11ac WLAN で高スループットかつ低遅延通信を実現すること。
• 片方向遅延測定に依存しない送信レート制御の課題に対処すること。片方向遅延測定はクロックスキーの影響を受けるため、キューイング状態の正確な推定が困難である。
• MACレイヤー統計情報への直接アクセスが不可能な非ルート化されたモバイルデバイス（例：Androidタブレット）で動作する実用的なトランスポートプロトコルを設計すること。
• WLANとバックホールリンクの間でボトルネックが動的に移行する状況に対応するため、適応型機械学習技術を用いたレート制御を実装すること。
• 実際のハードウェアテストベッドとNS3シミュレーションを用いて、実際のチャネル条件下でのアプローチの妥当性を検証すること。

提案手法

• 受信側でのフレーム集約レベルを、APにおけるキューイング状態の代理指標として使用する。集約レベルが高いほど、APに持続的なバックログがあることを示す。
• クライアントは非ルート化デバイスではカーネルタイムスタンプ、LinuxテストベッドではMACレイヤーのタイムスタンプを用いて集約レベルを推定し、送信元にフィードバックを送信する。
• プロキシアーキテクチャが集約フィードバックを収集し、ターゲット集約レベルを維持するレート制御アルゴリズムを用いてダウンリンク送信レートを調整する。
• レート制御アルゴリズムは、iperf 2.0.5の改変版に実装されており、リアルタイムフィードバックと動的レート適応を可能としている。
• 不確実性やボトルネック位置（WLAN 対 バックホール）の変動に対応するため、機械学習技術を適用し、さまざまな展開環境でも安定性を確保する。
• 実際のハードウェアテストベッド（オフィス環境）とNS3シミュレータ（80 MHz、MCS 9、2空間スティリームの実際の802.11acパrametersを想定）を用いて検証した。

実験結果

リサーチクエスチョン

• RQ1 802.11acネットワークにおいて、集約レベルはキューイング状態の信頼性の高い、低コストの指標として機能するか？
• RQ2 正確な片方向遅延測定ができない状況下で、どのように効果的に送信レートを制御できるか？
• RQ3 集約フィードバックに基づくトランスポートプロトコルは、非ルート化されたモバイルデバイスでも高スループットと低遅延を達成できるか？
• RQ4 ボトルネックがWLANとバックホールの間で動的に移行する場合、システムの性能はどのようになるか？
• RQ5 機械学習技術は、多様で現実的なネットワーク環境下でもレート制御を安定化させることができるか？

主な発見

• 実際の802.11acテストベッド（3空間スティリーム、MCS 9）を用いた実験で、片方向遅延は約2ms、ダウンリンクレートは約500Mbpsを達成した。
• ターゲット集約レベルの維持がAPにおける持続的キューイングを効果的に防止し、送信レートが容量を超えた場合に見られる遅延の増加を回避した。
• カーネルタイムスタンプのみを用いて非ルート化されたAndroidデバイスでも正常に動作したため、生産用モバイルネットワークへの実用的妥当性が示された。
• ボトルネックがWLANとバックホールの間で動的に移行する状況でも、機械学習による安定したレート適応が可能であり、システムの堅牢性が確認された。
• NS3シミュレーションの結果は実世界の測定結果とよく一致しており、モデルの正確性と大規模ネットワークへのスケーラビリティが検証された。
• プロトタイプおよびNS3コードのオープンソース公開により、再現性が確保され、エッジトランスポートプロトコル分野におけるさらなる研究が可能になった。