[论文解读] Towards Skewness and Balancing of RPL Trees for the Internet of Things

Lam Duc Nguyen, Chong-kwon Kim|arXiv (Cornell University)|Mar 5, 2019

Software-Defined Networks and 5G参考文献 37被引用 5

一句话总结

本文提出SB-RPL，一种新颖的RPL扩展机制，通过将子树大小和链路质量度量整合到父节点选择中，显著改善了物联网网络中的负载均衡。仿真与测试床结果表明，与标准RPL相比，SB-RPL将DODAG的偏斜度降低了最多3倍，显著提升了大规模、高密度低速线性网络（LLNs）的可扩展性和分组交付性能。

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.

研究动机与目标

• 解决RPL中严重的负载均衡缺失问题，该问题在大规模物联网网络中导致性能下降和资源浪费。
• 探究RPL中DODAG偏斜度的根本原因，特别是在不同网络规模和密度下的表现。
• 提出一种轻量级、高效的解决方案，以改善节点间的工作负载分布，同时保持较低的协议开销。
• 在大规模真实测试床环境中，验证所提方案的实用性和鲁棒性。

提出的方法

• 提出一种新的父节点选择度量 $ST_p(t)$，用于估计以潜在父节点为根的子树大小，以实现负载分布的均衡。
• 将 $ST_p(t)$ 与链路质量度量（如ETX）结合，构建一个多指标目标函数，同时考虑负载均衡与传输可靠性。
• 修改RPL的目标函数，优先选择子树大小均衡且链路质量良好的节点，从而减少对高负载父节点的拥塞。
• 在ContikiOS中实现SB-RPL，以支持在大规模真实测试床上进行评估，并在真实条件下验证性能。
• 定义四种偏斜度指数 ($\mathcal{M}1$, $\mathcal{M}2$, $\mathcal{M_3}$, $\mathcal{M_4}$)，以在不同网络层级和拓扑结构下定量衡量DODAG的不平衡性。
• 在不同网络规模（100–800个节点）和密度（每单位面积4、8、16个节点）下，开展广泛的仿真与真实实验，以评估性能。

实验结果

研究问题

• RQ1 无论底层路由度量如何，RPL在大规模和高密度物联网网络中在多大程度上遭受DODAG偏斜的影响？
• RQ2 在标准目标函数（如OF0和MRHOF）下，网络规模和密度如何影响RPL树的偏斜度？
• RQ3 结合子树大小和链路质量的综合度量是否能显著降低DODAG偏斜度，同时保持低开销？
• RQ4 在负载均衡、端到端分组交付和可扩展性方面，SB-RPL与现有RPL变体（如RPL-OF0、RPL-MH-ETX）相比表现如何？

主要发现

• 所有测试的路由度量（OF0、MRHOF、ETX、ETXSQ）下，RPL树均表现出严重的偏斜，且偏斜度指数随网络规模和密度呈指数级增长。
• 在400节点和800节点的网络中，SB-RPL保持了稳定的DODAG平衡，而OF0和MRHOF的偏斜度指数急剧上升，表明其可扩展性差。
• 在所有网络密度（低、中、高密度）下，SB-RPL的偏斜度指数始终低于现有方案的3倍，表现出更优的负载均衡能力。
• 在DODAG的第1层，即使在每单位面积16个节点的高密度网络中，SB-RPL相比OF0和MRHOF也将偏斜度降低了最多3倍。
• SB-RPL在极低开销下实现了高效的端到端分组交付性能，在仿真和真实测试床中均优于标准RPL变体。
• 集成 $ST_p(t)$（用于跟踪子树大小）可实现稳定的工作负载分布，有效防止高连接度父节点发生拥塞。