a joint approach to routing metrics and rate adaptation in wireless mesh networks
Post on 23-Feb-2016
40 Views
Preview:
DESCRIPTION
TRANSCRIPT
A Joint Approach to Routing Metrics and RateAdaptation in Wireless Mesh Networks
Gabriel Marçal de Brito - gbrito@ic.uff.brComputação Móvel – 2012.1
Passos, D. e Albuquerque, C. V. N.IEEE/ACM Transactions on Networking -
2011
RoteiroIntroduçãoXXXxxxx
IntroduçãoWireless Mesh Networks (WMNs)
Usualmente soluções baseadas no padrão IEEE 802.11 Múltiplas taxas de transmissão: 1 – 54 Mbit/s
Seleção da melhor taxa de transmissão não é trivialBalanço entre capacidade do enlace e taxa
PER aumenta com a taxa para mesmo SNR
Roteamento dinâmico baseado em métricasDificuldade em obter métricas consistentes
Características do meio aéreo, avaliadas pelas métricas, dependem da taxa de transmissão utilizada
IntroduçãoTais questões são, historicamente, tratadas
de forma independente
Um método cooperativo cross-layer é propostoMetric-Aware Rate Adaptation (MARA)
Adaptação de taxa de transmissão baseado em métricas Ajuste do custo dos enlaces baseado na taxa utilizada
Trabalhos relacionadosMétricas de Roteamento
Algoritmos para adaptação de taxa
Abordagens conjuntas
Trabalhos relacionadosMétricas de Roteamento
Hop Count Não considera enlaces heterogêneos
Expected Transmission Count (ETX) Estima a quantidade de transmissões por PER
Expected Transmission Time (ETT) Considera como custo o delay no enlace x ETX
(PER) Minimum Loss (ML)
Considera como custo a própria taxa de erros (PER)
Outros...
Trabalhos relacionadosMétricas de Roteamento
Hop Count Não considera enlaces heterogêneos
Expected Transmission Count (ETX) Estima a quantidade de transmissões por PER
Expected Transmission Time (ETT) Considera como custo o delay no enlace x ETX
(PER) Minimum Loss (ML)
Considera como custo a própria taxa de erros (PER)
Outros...
Probes periódicas difundidas em taxa básica (1
Mbit/s)
= estatísticas imprecisas e desempenho sub-
ótimo.
Trabalhos relacionadosAlgoritmos para adaptação de taxa
Auto Rate Fallback (ARF) Baseado em falhas e sucessos na transmissão de quadros
SampleRate Baseado no registro do menor atraso (retransmissão e overhead)
SNR Baseado na SNR no receptor (ideal, requer informação futura)
Receiver-Based Auto Rate (RBAR) Notifica taxa via CTS (RTS/CTS)
Snoopy Rate Adaptation (SRA), Robust Rate Adaptation Algorithm (RRAA) e Collision-Aware Rate Adaptation (CARA) Diferenciam perdas por colisão e por degradação do canal
Trabalhos relacionadosAlgoritmos para adaptação de taxa
Auto Rate Fallback (ARF) Baseado em falhas e sucessos na transmissão de quadros
SampleRate Baseado no registro do menor atraso (retransmissão e overhead)
SNR Baseado na SNR no receptor (ideal, requer informação futura)
Receiver-Based Auto Rate (RBAR) Notifica taxa via CTS (RTS/CTS)
Snoopy Rate Adaptation (SRA), Robust Rate Adaptation Algorithm (RRAA) e Collision-Aware Rate Adaptation (CARA) Diferenciam perdas por colisão e por degradação do canal
Dependem da existência de tráfego para seleção
(tempo de convergência de taxa) e não consideram
o tamanho do pacote (variação na probabilidade de
perda).
Trabalhos relacionadosAbordagens conjuntas
Multirate Anypath Routing Problem Modificação do ETT PER é considerada a probabilidade de nenhum dos
vizinhos decodificar o pacote de forma correta (anycast routing)
Alto overhead já que é necessário o envio de probes para cada taxa possível
Trabalhos relacionadosAbordagens conjuntas
Multirate Anypath Routing Problem Modificação do ETT PER é considerada a probabilidade de nenhum dos
vizinhos decodificar o pacote de forma correta (anycast routing)
Alto overhead já que é necessário o envio de probes para cada taxa possível
Gera ainda mais tráfego de controle do que a
abordagem ETT tradicional com o crescimento da
rede.
Abordagem MARAMARA aborda a métrica de roteamento e a
seleção de taxa de forma coordenadaA métrica avalia rotas de acordo com o
atraso fim-a-fim esperado:MARAab = mini (ETXi
ab x ps / Ri) Ri representa a i-ésima taxa disponível; ETXi
ab representa a métrica ETX na rota a-b na taxa Ri;
ps é o tamanho do pacote de probe.O mecanismo de adaptação de taxa seleciona
Ri que minimiza o atraso
Abordagem MARAETX em cada uma das taxas Ri é necessário
Probes em todas as taxas aumentariam overhead
MARA utiliza uma conversão de probabilidades de sucesso de transmissão: Relaciona SNR, taxa de transmissão, tamanho da
probe e PER a partir de dados experimentais; !Pab = 1 – Pab (idem para ba) SNRab = findSNR(!Pab;sourceRate;probeSize) (idem
para ba) !newPab = findPER(SNRab;targetRate;probeSize)
(idem para ba) newPab = 1 - !newPab (idem para ba) newETX = 1 / (newPab * newPba)
Abordagem MARAComportamento assintótico da função SNR
x PERPER tende a 1 quando SNR diminuiPER tende a 0 quando SNR aumenta
Muitos valores de SNR podem ser mapeados para valores de PER extremos
Abordagem MARA
Abordagem MARAMARA utiliza probes em 1, 18, 36 e 54 Mbit/s
Curvas PER x SNR cruzam-se em intervalos úteis
O algoritmo escolhe a taxa de probe mais alta cujo PER é menor do que 1 (interseção)
MARA envia 1 probe/período , partindo de 1 Mbit/s até 54 Mbit/sAinda menos overhead pois bloqueia o meio
aéreo por menos tempo
Abordagem MARALimitação na granularidade de dados
(tabelas) requer o uso de funções de interpolação dos dados:
Variações: MARA-P e MARA-RPMARA-P considera o tamanho do pacote a ser
transmitido no processo de adaptação de taxaClasses de pacotes são definidas de acordo
com intervalos de tamanho (ex.: 1-300 bytes)Usa métrica MARA para o maior valor do
intervaloMARA-RP considera o tamanho do pacote a
ser transmitido no processo de atribuição de custoMesmo processo de MARA-PCria k grafos para k classes de pacotes
Shortest-path resulta em k tabelas de roteamento
SimulaçõesCenários utilizados no ns-2:
300 segundos de fluxo TCP entre nós específicos (runs)Benchmarks: todas as combinações de métricas Hop
Count, ETX, ML, ETT, com os mecanismos de adaptação ARF, SampleRate e SNR
Topologias: indoor (ReMoTE), grid e randomModelo de propagação de sombreamento
(probabilístico)Compara-se MARA aos demais mecanismos em relação:
Throughput Atraso fim-a-fim Perda de pacotes fim-a-fim
SimulaçõesImplementação como extensões do OLSR em
ns-2Versão modificada do OLSR
MPRs reduzem o overhead, porém só funcionam para a métrica Hop Count
MPRs foram removidos do protocolo OLSR para propiciar utilização de outras métricas
Simulações - IndoorTopologia utilizada e identificação dos nós:
Simulações - IndoorTput TCP (nós 0-1 x nós 0-9):
Atraso e perda de pacotes médios
Simulações – Grid e RandomTopologias (grid x random, nós 0-48)
Tput TCP (grid x random)
Simulações – RoteamentoRotas (grid – ETT, ML, ETX, Hop Count,
MARA)
Simulações – MARA-P e MARA-RPComparação de atraso e perda de pacotes
médios
Atraso fim-a-fim de cada pacote de áudio (120B, 48kb/s)
Experimento – IndoorTput e RTT dos fluxos TCP e ICMP (nós 0-9)
Experimento – IndoorComparação entre MARA, MARA-P e MARA-
RP no experimento:
ConclusõesA abordagem coordenada de seleção de taxa e
cálculo de métricas de roteamento conferem melhor desempenho às WMNs
O modelo de estimação de PER baseado na taxa de transmissão permite obter estatísticas válidas com baixo overhead
MARA provê ganhos expressivos em relação aos mecanismos tradicionais utilizados
As variações de MARA não oferecem melhorias significativas em relação à abordagem original
top related