流量管理中隊(duì)列調(diào)度算法研究

喬俊超，王愛國(guó)

(1.武漢郵電科學(xué)研究院，湖北 武漢430074;2.烽火通信股份有限公司，湖北 武漢430074)

隨著IPTV對(duì)網(wǎng)絡(luò)帶寬需求的快速增長(zhǎng)，針對(duì)流量的管理需求也日益強(qiáng)烈。流量管理主要涉及網(wǎng)絡(luò)帶寬控制和分配、通信延遲的降低和擁塞控制的最小化。流量管理提出的目標(biāo)是用于高效管理網(wǎng)絡(luò)資源，并且為用戶提供需要的帶寬和服務(wù)等級(jí)［1］。在通信設(shè)備的內(nèi)部，流量管理能夠在流量發(fā)生擁塞時(shí)，對(duì)數(shù)據(jù)進(jìn)行合理的處理，使得用戶端能夠得到一個(gè)很好的QoS體驗(yàn)。由于流量在設(shè)備內(nèi)部發(fā)生擁塞時(shí)會(huì)導(dǎo)致端口數(shù)據(jù)吞吐量下降，增加端到端延遲，引起傳輸抖動(dòng)和數(shù)據(jù)丟包等問題，因此如何合理地進(jìn)行流量管理來減少擁塞至關(guān)重要。在設(shè)備內(nèi)部的包交換芯片中流量管理部分可以分為以下幾個(gè)主要方面:流量分類(Traffic Classification)、流量監(jiān)控(Traffic Policing)、緩存管理(Buffer Management)、流量調(diào)度與整形(Traffic Scheduling & Shaping)、流量標(biāo)記(Traffic Marking)［2］。本文將主要研究流量調(diào)度部分的隊(duì)列調(diào)度算法。隊(duì)列調(diào)度的功能是確定輸出端口在下一個(gè)時(shí)刻，從哪個(gè)隊(duì)列中輸出數(shù)據(jù)包。高效和公平性是隊(duì)列調(diào)度算法兩個(gè)很重要的指標(biāo)，如何高效和公平地調(diào)度是一個(gè)很復(fù)雜的問題，在進(jìn)行隊(duì)列調(diào)度時(shí)，由于需要平衡調(diào)度算法的復(fù)雜度、控制的簡(jiǎn)易程度和對(duì)不同服務(wù)等級(jí)流量的公平性，所以隊(duì)列調(diào)度算法目前是研究的熱點(diǎn)。

目前隊(duì)列調(diào)度有多種算法，例如FIFO、PQ、FQ、WFQ、WRR(CBQ)、DRR、DWRR等。每種隊(duì)列調(diào)度算法都有其優(yōu)缺點(diǎn)和適用場(chǎng)景，如何在不同的場(chǎng)景下合理高效地運(yùn)用調(diào)度算法值得研究。本文將針對(duì)目前運(yùn)用較多的DWRR調(diào)度算法做研究，分析其優(yōu)缺點(diǎn)，并在其不足的基礎(chǔ)上提出改進(jìn)方法。

1 DWRR調(diào)度算法

赤字加權(quán)輪詢(Deficit Weighted Round Robin，DWRR)是基于Round Robin的算法，由M.Shreedhar和G.Varghese在1995年提出。DWRR是隊(duì)列調(diào)度算法中的一個(gè)基本算法［3］。根據(jù)數(shù)據(jù)包業(yè)務(wù)類型的不同，匯聚到不同的服務(wù)隊(duì)列，每個(gè)隊(duì)列稱為CLS(Class of Services)，DWRR算法按照一定的輪詢機(jī)制來輸出每個(gè)服務(wù)隊(duì)列的數(shù)據(jù)包，同時(shí)每個(gè)服務(wù)隊(duì)列基于分配的權(quán)重值，享受不同級(jí)別的服務(wù)。

WRR是基于每個(gè)隊(duì)列的幀數(shù)來計(jì)算的，而DWRR是基于每個(gè)隊(duì)列的字節(jié)數(shù)來計(jì)算的，對(duì)數(shù)據(jù)流的控制更精準(zhǔn)。DWRR算法主要有以下幾個(gè)參數(shù):

1)DC［i］(Deficit Counter)變量。用以記錄第i個(gè)隊(duì)列可用的信用度，即每次輪詢?cè)撽?duì)列時(shí)允許調(diào)度器訪問的字節(jié)總數(shù)。

2)Quantum［i］參數(shù)。根據(jù)每個(gè)隊(duì)列的權(quán)重值來配置。用于在每次輪詢到第i個(gè)隊(duì)列時(shí)，向DC里面補(bǔ)充一定的信用度，即DC［i］=DC［i］+Quantum［i］。

DWRR算法具體的執(zhí)行步驟如下:

1)初始化時(shí)，根據(jù)每個(gè)隊(duì)列的權(quán)重分配相應(yīng)的Quantum值，并把每個(gè)隊(duì)列的DC值設(shè)為初始值0。

2)開始輪詢，查看當(dāng)前隊(duì)列是否為空，若為空隊(duì)列，則跳過本隊(duì)列，訪問下一隊(duì)列，并把DC［i］設(shè)為0;若為非空隊(duì)列，則DC［i］=DC［i］+Quantum［i］，若此時(shí)DC［i］大于等于隊(duì)列頭部數(shù)據(jù)包幀長(zhǎng)，則DC［i］=DC［i］-Queue［i］_head_packetsize，發(fā)送該數(shù)據(jù)包之后，再對(duì)此隊(duì)列進(jìn)行判斷，直到隊(duì)列為空或者DC［i］小于隊(duì)列頭部數(shù)據(jù)包幀長(zhǎng)，則訪問下一隊(duì)列，剩余的DC［i］累加到下次輪詢。DC［i］不能小于0。

3)結(jié)束一輪輪詢之后，重新從步驟2)開始，如此循環(huán)。

DWRR算法優(yōu)點(diǎn):解決了WFQ計(jì)算復(fù)雜度高和WRR無法應(yīng)對(duì)數(shù)據(jù)包長(zhǎng)度變化的問題，提供了一種更精確的帶寬分配算法;但是也存在一些不足，例如若一個(gè)隊(duì)列一直傳送數(shù)據(jù)包直到DC［i］小于隊(duì)列頭部數(shù)據(jù)包幀長(zhǎng)時(shí)，可能引入抖動(dòng)，使得DWRR難以支持實(shí)時(shí)業(yè)務(wù)，同時(shí)DWRR算法里面不支持DC［i］為負(fù)數(shù)，使得當(dāng)DC［i］小于當(dāng)前隊(duì)列數(shù)據(jù)包幀長(zhǎng)時(shí)，可能需要經(jīng)過若干次輪詢積累足夠信用度之后，才能傳送隊(duì)列里的數(shù)據(jù)包，可能會(huì)使隊(duì)列出現(xiàn)“帶寬饑餓”現(xiàn)象［4］。因此有必要針對(duì)算法中的不足進(jìn)行改進(jìn)，使得算法既能夠保證低加權(quán)值的延遲性能，同時(shí)又能保證對(duì)各個(gè)隊(duì)列帶寬分配的相對(duì)公平性，盡量避免出現(xiàn)“帶寬饑餓”。

2 改進(jìn)的DWRR算法

通過認(rèn)真分析DWRR算法存在的不足，本文提出了一種改進(jìn)型DWRR算法——IDWRR(Improved DWRR)，能夠在一定程度上解決DWRR算法的缺點(diǎn)。

為全面提升養(yǎng)殖場(chǎng)的經(jīng)濟(jì)效益，部分養(yǎng)殖戶會(huì)獨(dú)自飼養(yǎng)生豬，自己屠宰并銷售，通常為家庭分工協(xié)作飼養(yǎng)、共同負(fù)責(zé)產(chǎn)銷，這種自產(chǎn)自銷模式在一定程度上有利于穩(wěn)定生豬市場(chǎng)，但受到經(jīng)濟(jì)利益的限制，部分養(yǎng)殖戶在生豬養(yǎng)殖中，存在供不應(yīng)求的現(xiàn)象。為解決這一問題，養(yǎng)殖戶從外地引入肉質(zhì)，屠宰并兼顧銷售，使疫情因素轉(zhuǎn)變，一旦消毒不徹底，將會(huì)導(dǎo)致外來疫病的傳入，不利于生豬自產(chǎn)自銷事業(yè)的發(fā)展。另外，不能定期消毒、接種疫苗，也增加了各類疾病發(fā)生的幾率，且呈大面積擴(kuò)散趨勢(shì)，不利于生豬養(yǎng)殖事業(yè)的發(fā)展。

IDWRR算法有以下3個(gè)狀態(tài)變量:

1)Weight［i］，為 每個(gè)隊(duì)列的權(quán)重值，正整數(shù)，可以取0，取0時(shí)該隊(duì)列變?yōu)镾P(Strict Priority)模式，這里不討論。指定該隊(duì)列相對(duì)于其他隊(duì)列所占的帶寬比例，需要配置。

2)彈性因子K，為正整數(shù)，用于計(jì)算隊(duì)列的信用額度補(bǔ)給。當(dāng)每輪輪詢結(jié)束后，所有的DC［i］計(jì)數(shù)器值為負(fù)數(shù)時(shí)，K的值會(huì)被重新計(jì)算。每個(gè)隊(duì)列的Quantum［i］=Weight［i］×2K，K的值是下一輪輪詢時(shí)，能使所有DC［i］經(jīng)過補(bǔ)給后大于0的最小值。

3)DC［i］變量，用以追蹤第i個(gè)隊(duì)列相對(duì)于其指定的權(quán)重值所占帶寬的情況。DC［i］允許小于0。

相比于之前的DWRR算法，IDWRR算法改進(jìn)之處主要在于:1)彈性因子K來決定每個(gè)隊(duì)列每次獲得補(bǔ)充的信用度;2)DC［i］小于0。K值重新計(jì)算的條件:當(dāng)每輪輪詢結(jié)束后每個(gè)隊(duì)列的DC［i］都小于0。

改進(jìn)后DWRR的算法執(zhí)行步驟如下:

2)輪詢開始，若當(dāng)前隊(duì)列為空，則保持當(dāng)前的DC［i］值不變，輪詢下一隊(duì)列。若當(dāng)前隊(duì)列非空，則對(duì)DC［i］進(jìn)行信用度補(bǔ)給，即DC［i］=DC［i］+Quantum［i］，補(bǔ)給之后，若DC［i］大于當(dāng)前隊(duì)列頭部數(shù)據(jù)包幀長(zhǎng)時(shí)，則發(fā)送該數(shù)據(jù)包，DC［i］=DC［i］-Queue［i］_head_packetsize;發(fā)送之后再次進(jìn)行判斷，若DC［i］≥0且DC［i］的值小于 當(dāng) 前 隊(duì) 列 頭 部 數(shù) 據(jù) 包 幀 長(zhǎng) 時(shí)，則DC［i］=DC［i］-Queue［i］_head_packetsize，之后DC［i］變?yōu)樨?fù)數(shù)，結(jié)束當(dāng)前隊(duì)列，輪詢下一隊(duì)列。

3)結(jié)束一輪輪詢后，若所有隊(duì)列DC［i］都為負(fù)數(shù)，則重新計(jì)算K值，Quantum［i］也隨之改變，接著從第二步開始;否則直接從第二步開始，如此循環(huán)。

當(dāng)所有DC［i］為負(fù)時(shí)，表明網(wǎng)絡(luò)突入大量數(shù)據(jù)包，可能出現(xiàn)擁塞情況，原有的K值可能不能有效緩解網(wǎng)絡(luò)擁塞，所以K值需要重新計(jì)算;當(dāng)只有部分DC［i］為負(fù)值時(shí)，這時(shí)K值不進(jìn)行更新，因?yàn)橹灰鄳?yīng)數(shù)據(jù)流的隊(duì)列不為空，DC［i］在每輪輪詢時(shí)都會(huì)獲得補(bǔ)充，這時(shí)和DWRR的功能相同。利用彈性因子K的好處在于可以實(shí)時(shí)統(tǒng)計(jì)網(wǎng)絡(luò)中的實(shí)際數(shù)據(jù)包幀長(zhǎng)，相比于之前的DWRR算法能夠減少延時(shí)、減少傳輸抖動(dòng);允許DC［i］為負(fù)數(shù)則使得相應(yīng)數(shù)據(jù)流在信用額度不足時(shí)，能夠先發(fā)送一個(gè)數(shù)據(jù)包，然后再在下一輪補(bǔ)充，這樣在一定程度上增加了公平性。

IDWRR算法的流程圖如圖1所示。

3 仿真結(jié)果

3.1 仿真網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和主要參數(shù)

本文中采用網(wǎng)絡(luò)仿真器NS-2來仿真IDWRR算法的性能［5］，并且與未改進(jìn)的DWRR算法進(jìn)行比較。仿真網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖2所示。

圖2中S1，S2和S3分別用戶發(fā)送端，D1，D2和D3分別為對(duì)應(yīng)的用戶接收端，CE1和CE2分別為網(wǎng)絡(luò)用戶邊緣路由器，C為網(wǎng)絡(luò)的核心路由器，CE1與C是瓶頸鏈路，帶寬為2 Mbit/s，核心鏈路帶寬為10 Mbit/s。主要驗(yàn)證在發(fā)送相同數(shù)據(jù)包的情況下，DWRR和IDWRR在延遲和公平性方面的性能比較。S1，S2和S3分別發(fā)送BE，AF和EF數(shù)據(jù)流，使其進(jìn)入不同的隊(duì)列［6］。S1，S2和S3到CE1的鏈路延時(shí)固定為10 ms，BE，AF和EF數(shù)據(jù)流在NS-2中的配置如表1所示。

表1 NS-2中數(shù)據(jù)流配置

3.2 仿真結(jié)果分析

由于篇幅的限制，在CE1的輸出端口側(cè)只針對(duì)BE和EF兩個(gè)數(shù)據(jù)流在延時(shí)和公平性方面做對(duì)比。圖3和圖4的仿真結(jié)果分別為BE、EF數(shù)據(jù)流在兩種算法下延時(shí)的比較;圖5的仿真結(jié)果是在兩種算法下，BE和EF數(shù)據(jù)流分別配置相同權(quán)重值、公平性的比較。

在數(shù)據(jù)流的配置中，雖然數(shù)據(jù)流的幀長(zhǎng)是變化的，但是兩種算法采用幀長(zhǎng)隨機(jī)的隨機(jī)種子是一樣的，所以在同一時(shí)刻，兩種算法對(duì)應(yīng)的數(shù)據(jù)流幀長(zhǎng)是相同的，這樣能更方便地對(duì)比兩種算法的性能。

從圖3和圖4的NS-2仿真結(jié)果可以看出，IDWRR相比DWRR減少了數(shù)據(jù)流傳輸?shù)难訒r(shí)，對(duì)于BE數(shù)據(jù)流的延時(shí)，采用DWRR調(diào)度算法平均延時(shí)45 ms，而采用IDWRR調(diào)度算法平均延時(shí)32 ms，改進(jìn)后的算法延時(shí)降低約29%;對(duì)于EF數(shù)據(jù)流的延時(shí)，采用DWRR調(diào)度算法平均延時(shí)33 ms，而采用IDWRR調(diào)度算法平均延時(shí)29 ms，改進(jìn)后的算法延時(shí)降低約12%。通過對(duì)BE和EF數(shù)據(jù)流延時(shí)的比較，可以看出IDWRR在延時(shí)性上有很大提高。

圖5在公平性方面對(duì)兩種算法做出了比較，根據(jù)之前的權(quán)重配置，從總體上BE數(shù)據(jù)流的帶寬為0.33 Mbit/s，EF數(shù)據(jù)流的帶寬為1 Mbit/s。在比較公平性時(shí)，本實(shí)驗(yàn)比較數(shù)據(jù)輸出速率的波動(dòng)性。從圖5中可以看出對(duì)于BE數(shù)據(jù)流，兩種算法的總體平均速率都是0.33 Mbit/s，但是IDWRR數(shù)據(jù)流的輸出速率比DWRR要平緩，速率波動(dòng)比較小;對(duì)于EF數(shù)據(jù)流，兩種算法的總體平均速率雖然都是1 Mbit/s，然而DWRR的數(shù)據(jù)流輸出比IDWRR速率波動(dòng)要大。經(jīng)過仿真分析可以得出改進(jìn)的IDWRR算法在公平性上比DWRR有提高。

通過對(duì)BE和EF數(shù)據(jù)流在延時(shí)和公平性上的仿真分析可以得出，IDWRR算法相比于DWRR算法性能上有很大的提高，符合算法改進(jìn)的預(yù)期效果。

4 結(jié)束語

本文主要研究DWRR算法，分析其不足之處，并在其基礎(chǔ)上提出了一種改進(jìn)算法，改進(jìn)算法能夠根據(jù)彈性因子K來計(jì)算當(dāng)前網(wǎng)絡(luò)中的最大數(shù)據(jù)包幀長(zhǎng)，以此來調(diào)節(jié)每個(gè)隊(duì)列的信用額度補(bǔ)給Quantum，能夠在一定程度上降低傳輸延遲，提高隊(duì)列接入的公平性，從而提高了網(wǎng)絡(luò)的服務(wù)質(zhì)量。雖然對(duì)傳輸延時(shí)有一定的改進(jìn)，但是隊(duì)列調(diào)度只依靠這一種算法還不能保證QoS，所以應(yīng)該和其他算法一起協(xié)同工作，來滿足用戶對(duì)不同業(yè)務(wù)QoS的要求。

［1］杜曉萍.時(shí)隙可變長(zhǎng)分組緩存調(diào)度算法［J］.電視技術(shù)，2012，36(21):37-41.

［2］XIAO Xipeng.Technical，commercial and regulatory challenges of QoS［M］.American:Morgan Kaufmann Publishers，2008.

［3］Juniper Network.Supporting differentiated service classes:queue scheduling disciplines［EB/OL］.［2012-06-06］.http://folk.ntnu.no/einersen/arkiv/4.klasse/01h/TTM4150-Nettverksarkitektur/Readings/Congestion%20control%20-%20Queue%20scheduling%20disciplines.pdf.

［4］閔捷，周紅瓊，王曉東.一種基于優(yōu)先級(jí)的加權(quán)公平隊(duì)列調(diào)度算法［J］.寧波大學(xué)學(xué)報(bào):理工版，2012，4(2):42-46.

［5］肖權(quán)權(quán)，段迅.基于NS2的網(wǎng)絡(luò)仿真與性能測(cè)試［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2012，4(22):25-28.

［6］潘遲龍，張基宏.基于WRR的改進(jìn)型隊(duì)列調(diào)度算法［J］.電信快報(bào)，2012(1):34-37.