[论文解读] Performance Comparison of the RPL and LOADng Routing Protocols in a Home Automation Scenario

Mališa Vučinić, Bernard Tourancheau+1 more|arXiv (Cornell University)|Jan 6, 2014

Energy Efficient Wireless Sensor Networks参考文献 10被引用 4

一句话总结

本论文在基于Contiki OS和Cooja仿真环境的现实家庭自动化场景中评估了RPL与LOADng协议，发现尽管RPL复杂度更高，其在延迟、控制开销和内存使用方面仍优于LOADng。LOADng的性能对路由保持时间极为敏感，对洪泛机制和路由存储进行优化可提升其可扩展性。

ABSTRACT

RPL, the routing protocol proposed by IETF for IPv6/6LoWPAN Low Power and Lossy Networks has significant complexity. Another protocol called LOADng, a lightweight variant of AODV, emerges as an alternative solution. In this paper, we compare the performance of the two protocols in a Home Automation scenario with heterogenous traffic patterns including a mix of multipoint-to-point and point-to-multipoint routes in realistic dense non-uniform network topologies. We use Contiki OS and Cooja simulator to evaluate the behavior of the ContikiRPL implementation and a basic non-optimized implementation of LOADng. Unlike previous studies, our results show that RPL provides shorter delays, less control overhead, and requires less memory than LOADng. Nevertheless, enhancing LOADng with more efficient flooding and a better route storage algorithm may improve its performance.

研究动机与目标

• 评估并比较RPL与LOADng在混合多点到点及点到多点流量的现实家庭自动化场景中的性能。
• 分析网络密度和流量模式对约束型低速率网络（LLNs）中路由协议效率的影响。
• 从延迟、开销和内存使用角度，评估主动式（RPL）与反应式（LOADng）路由方法之间的权衡。
• 识别LOADng在实现层面的瓶颈，特别是与洪泛和路由存储相关的问题，并提出优化方向。
• 为具有延迟和能量约束的真实家庭自动化部署提供协议适用性的实证洞察。

提出的方法

• 使用Contiki OS和Cooja仿真器/模拟器仿真一个现实的家庭自动化网络拓扑。
• 实现并评估ContikiRPL（RPL）以及一个基础且未经优化的LOADng版本。
• 采用单位圆盘图无线电传播模型以模拟真实的无线环境。
• 仿真包括多点到点和点到多点流在内的异构流量模式。
• 评估关键性能指标：端到端延迟、控制平面开销、跳数和内存使用量。
• 对LOADng中的路由保持时间（RHT）进行参数调优，以研究其对洪泛频率和开销的影响。

实验结果

研究问题

• RQ1 在密集家庭自动化网络中，混合流量模式下RPL与LOADng的端到端延迟表现如何？
• RQ2 RPL与LOADng的控制平面开销如何？其在LOADng中随网络密度和RHT增加如何变化？
• RQ3 在资源受限设备环境中，RPL与LOADng的内存需求和路由存储机制有何差异？
• RQ4 LOADng中路由保持时间的选择在多大程度上影响其在密集部署中的性能与可扩展性？
• RQ5 对LOADng的洪泛机制和路由存储进行优化，能否缩小其与RPL在真实家庭自动化场景中的性能差距？

主要发现

• RPL在密集网络拓扑且存在混合流量时，显著优于LOADng，表现出更低的端到端延迟。
• 与LOADng相比，RPL展现出更低的控制平面开销，尤其在LOADng的路由保持时间较短时更为明显。
• 由于更高效的路由存储和主动路由维护机制，RPL比LOADng需要更少的内存。
• LOADng的控制开销随网络密度急剧上升，仅在路由保持时间较长时才下降，表明其在密集智能家庭环境中可扩展性差。
• RPL的性能高度依赖于实现细节和参数调优，特别是DAO和DIO消息间隔的配置。
• 对LOADng的洪泛机制和路由存储进行优化，可降低其开销，并提升其在密集、低延迟应用中的可行性。