[논문 리뷰] Window Flow Control Systems with Random Service

Alireza Shekaramiz, Jörg Liebeherr외 1명|arXiv (Cornell University)|2015. 07. 16.

Network Traffic and Congestion Control참고 문헌 10인용 수 6

한 줄 요약

이 논문은 모멘트 생성 함수(MGF) 네트워크 계산을 사용하여 난류 서비스와 고정 피드백 지연을 가진 스토케스틱 네트워크로 결정론적 윈도우 흐름 제어 분석을 확장한다. i.i.d. 및 마르코프-모드 서비스 과정에 대해 효과적 용량과 통계적 서비스 곡선에 대한 날카운 상한 및 하한을 유도하며, 피드백 지연과 서비스 상관관계가 성능에 결정적인 영향을 미친다는 것을 드러내며, 특수한 경우에 정확한 결과를 도출할 수 있음을 보여준다.

ABSTRACT

We present an extension of the window flow control analysis by R. Agrawal et.al. (Reference [1]), C.-S. Chang (Reference [6]), and C.-S. Chang et. al. (Reference [8]) to a system with random service time and fixed feedback delay. We consider two network service models. In the first model, the network service process itself has no time correlations. The second model addresses a two-state Markov-modulated service.

연구 동기 및 목표

• 네트워크 계산 이론에서 창 흐름 제어에 대한 난류 피드백 시스템 분석이라는 열린 문제를 다루기 위해.
• 스토케스틱 환경에서 피드백 지연과 창 크기 제약이 초래하는 서비스 품질 저하를 모델링하고 정량화하기 위해.
• 이元의 이원변수 랜덤 과정과 모멘트 생성 함수를 사용하여 결정론적 피드백 분석을 확률적 설정으로 확장하기 위해.
• 독립적 및 상관된 서비스 과정에 대해 효과적 용량과 통계적 서비스 곡선에 대한 날카운 경계를 제공하기 위해.
• 현실적인 비결정론적 네트워크 시나리오에서 창 흐름 제어의 정확한 성능 평가를 가능하게 하기 위해.

제안 방법

• 모멘트 생성 함수(MGF)를 사용한 이원변수 네트워크 계산을 활용하여 난류 도착, 서비스 및 피드백 지연을 모델링한다.
• 피드백 시스템의 종속성 문제를 다루기 위해 MGF 네트워크 계산을 개선하여 날카운 컨볼루션 추정치를 도출한다.
• 이원변수 서비스 모델인 i.i.d. 서비스와 이중 상태 마르코프-모드 온오프 서비스에 이 те올리를 적용한다.
• MGF 기반 프레임워크를 사용하여 피드백 시스템의 효과적 용량에 대한 상한 및 하한을 도출한다.
• 윈도우드 서비스 과정의 모멘트 생성 함수에 대한 경계를 사용하여 통계적 서비스 곡선을 구성한다.
• 시간 간격이 1 ms인 파rameters $ p_{00}=0.2 $, $ p_{11}=0.9 $, 및 $ P=1.125 $ Mbps를 사용하여 결과를 수치적으로 검증한다.

실험 결과

연구 질문

• RQ1 피드백 지연과 창 크기는 스토케스틱 창 흐름 제어 시스템의 효과적 용량에 어떻게 영향을 미치는가?
• RQ2 서비스가 난류이고 피드백이 지연될 경우, 서비스 과정에 대해 도달 가능한 가장 날카운 경계는 무엇인가?
• RQ3 서비스 과정의 시간 상관관계(예: 마르코프-모드)가 i.i.d. 서비스와 비교해 성능 경계에 어떤 영향을 미치는가?
• RQ4 MGF 네트워크 계산은 피드백 시스템에서 비가환 컨볼루션 문제를 다룰 수 있도록 적응시킬 수 있는가?
• RQ5 스토케스틱 피드백 시스템에서 효과적 용량에 대한 정확한 표현을 도출할 수 있는 조건는 무엇인가?

주요 결과

• i.i.d. 서비스의 경우, 효과적 용량 $ \gamma_{\rm win}(-\theta) $ 는 $ \min\{\gamma_S(-\theta), \frac{w}{d}\} $ 로 경계되며, 더 날카운 하한은 MMOO 과정에서 도출된다.
• 상한 및 하한이 $ \theta \to \infty $ 에서 점점 날카워지며, 尾부 성능에 대해 높은 정확도를 나타낸다.
• 마르코프-모드 서비스의 경우, 통계적 서비스 곡선 $ \mathcal{S}_{\rm win}^\varepsilon(0,t) $ 는 오프 상태 지속성으로 인해 초기 지연을 보이며, $ w/d $ 가 증가할수록 경계가 넓어진다.
• 통계적 서비스 곡선의 하한은 $ t > 10 $ ms일 때에만 양수가 되며, 시뮬레이션의 실선 곡선과 일치한다.
• 코로나리 3에서 도출된 효과적 용량 경계는 대부분의 $ \theta $ 에서 코로나리 5의 경계보다 더 날카로워 성능 추정의 높은 정확도를 나타낸다.
• 수치적 결과는 $ w/d $ 를 증가시킬수록 서비스 곡선이 비례적으로 향상됨을 확인하며, VBR 서비스 행동과 일치한다.