[논문 리뷰] Towards Skewness and Balancing of RPL Trees for the Internet of Things

Lam Duc Nguyen, Chong-kwon Kim|arXiv (Cornell University)|2019. 03. 05.

Software-Defined Networks and 5G참고 문헌 37인용 수 5

한 줄 요약

이 논문은 IoT 네트워크에서 하향 트리의 부하 균형을 향상시키기 위해 하향 트리 크기와 링크 품질 지표를 부모 선택에 통합한 새로운 RPL 확장인 SB-RPL을 제안한다. 시뮬레이션 및 테스트베드 결과, 표준 RPL 대비 DODAG의 비대칭성(스케일링)을 최대 3배까지 감소시켜 대규모 밀도 높은 LLN에서의 확장성과 패킷 전달 성능을 크게 향상시킨다.

ABSTRACT

In many application areas such as large-scale disaster detection, IoT networks connote the characteristics of LLN (Low power and Lossy Network). With few exceptions, prior work on RPL(Routing Protocol for LLN), a standard routing protocol standardized in the IETF, has focused on the evaluation of various aspects of routing performances and control overheads. In this paper, we address the problem of DODAG (Destination Oriented Directed Acyclic Graph) created by the direct application of RPL. We first evaluate the skewness of DODAG both via numerical simulations and via actual large-scale testbed. RPL secures its flexibility and wide applicability by allowing the adoption of implementer-specific rank definitions and parent selection criteria. In addition to the metrics used in ContikiRPL and TinyRPL, the two most widely used open source implementations, we evaluated the skewness of RPL trees generated by applying various routing metrics. Performance analysis results show that RPL trees suffer from severe skewness regardless of routing metrics in both randomly generated networks and in real-world networks. We propose a novel routing protocol that may improve the balance of RPL trees. Rigorous performance analysis based on computer simulations shows that our algorithm improves the tree balance significantly.

연구 동기 및 목표

• 대규모 IoT 네트워크에서 성능 저하와 자원 낭비를 초래하는 RPL의 심각한 부하 균형 문제를 해결한다.
• 다양한 네트워크 크기와 밀도 조건에서 RPL에서 발생하는 DODAG 비대칭성의 근본 원인을 규명한다.
• 낮은 프rotocol 오버헤드를 유지하면서도 노드 간 워크로드 분포를 향상시키는 경량이고 효과적인 솔루션을 제안한다.
• 시뮬레이션 및 실제 대규모 테스트베드 환경에서 제안된 기법의 실용성과 강건성을 입증한다.

제안 방법

• 잠재적 부모가 기반을 이루는 하향 트리의 크기를 추정하는 새로운 부모 선택 지표 $ST_p(t)$ 를 도입하여 부하 분포 균형을 도모한다.
• ETX 등 링크 품질 지표와 $ST_p(t)$ 를 결합하여 부하 균형과 전송 신뢰성 양측을 고려하는 다중 지표 목적 함수를 구성한다.
• 부하가 과도하게 분포된 부모 노드를 피하고 하향 트리 크기가 균형 잡힌 노드를 우선순위로 삼는 RPL 목적 함수를 수정하여 혼잡도를 감소시킨다.
• 실제 환경 평가를 위해 ContikiOS에 SB-RPL을 구현하여 대규모 테스트베드에서 성능을 검증하고 현실 조건 하에서의 타당성을 입증한다.
• 다양한 네트워크 수준과 토폴로지에서 DODAG 비균형을 정량적으로 측정하기 위해 네 가지 비대칭성 지수 ($\mathcal{M}1$, $\mathcal{M}2$, $\mathcal{M_3}$, $\mathcal{M_4}$) 를 정의한다.
• 다양한 네트워크 크기(100–800노드)와 밀도(단위 면적당 4, 8, 16노드)에서 광범위한 시뮬레이션과 실제 실험을 수행하여 성능을 평가한다.

실험 결과

연구 질문

• RQ1 기본 라우팅 지표에 관계없이 대규모 및 밀도 높은 IoT 네트워크에서 RPL이 DODAG 비대칭성 문제를 얼마나 심각하게 겪는가?
• RQ2 OF0 및 MRHOF와 같은 표준 목적 함수 하에서 네트워크 크기와 밀도가 RPL 트리의 비대칭성에 어떤 영향을 미치는가?
• RQ3 하향 트리 크기와 링크 품질를 통합한 지표가 비대칭성은 크게 감소시키면서도 낮은 오버헤드를 유지할 수 있는가?
• RQ4 SB-RPL은 기존 RPL 변종(RPL-OF0, RPL-MH-ETX 등)과 비교해 부하 균형, 엔드 투 엔드 전달률, 확장성 측면에서 어떻게 성능을 냅니다?

주요 결과

• 모든 테스트 라우팅 지표(OF0, MRHOF, ETX, ETXSQ)에서 RPL 트리가 심각한 비대칭성을 보이며, 네트워크 크기와 밀도가 증가할수록 비대칭성 지수는 기하급수적으로 증가한다.
• 400노드 및 800노드 네트워크에서 SB-RPL은 안정적인 DODAG 균형을 유지하지만, OF0 및 MRHOF의 비대칭성 지수는 급격히 상승하여 낮은 확장성 잠재력을 보인다.
• 낮은, 중간, 밀도 높은 모든 밀도 조건에서 SB-RPL의 비대칭성 지수는 기존 기법 대비 항상 3배 이내로 유지되어 뛰어난 부하 균형 성능을 입증한다.
• DODAG의 1단계에서 SB-RPL은 OF0 및 MRHOF 대비 비대칭성을 최대 3배까지 감소시키며, 단위 면적당 16노드의 밀도가 높은 네트워크에서도 효과를 발휘한다.
• SB-RPL은 낮은 오버헤드로 높은 엔드 투 엔드 패킷 전달 성능을 달성하여 시뮬레이션 및 실제 테스트베드 모두에서 표준 RPL 변종을 능가한다.
• 하향 트리 크기를 추적하는 $ST_p(t)$ 의 통합은 안정적인 부하 분포를 가능하게 하며, 고도수의 부모 노드에서의 트래픽 혼잡을 방지한다.