發(fā)布時間：2020-11-12 03:30

　　 強大的計算能力和海量的訓練數(shù)據(jù)推動了基于機器學習的圖像分類、語音識別、無人駕駛等高新技術(shù)的迅猛發(fā)展。隨著機器學習模型的不斷增大,日益復雜的計算任務(wù)對存儲和計算能力的需求需要通過分布式機器學習系統(tǒng)來解決。大規(guī)模分布式機器學習普遍采用的數(shù)據(jù)并行的分布式策略會產(chǎn)生典型的多對一流量模式,快速增長的參數(shù)同步數(shù)據(jù)量規(guī)模和頻率對網(wǎng)絡(luò)提出了更高的帶寬需求。網(wǎng)絡(luò)通信成為了分布式系統(tǒng)機器學習應(yīng)用完成速度的重要瓶頸。傳統(tǒng)的擁塞控制策略沒有考慮分布式機器學習應(yīng)用的通信模式和流量分布特征,粗粒度的控制機制使網(wǎng)絡(luò)不能靈活響應(yīng)網(wǎng)絡(luò)波動,導致網(wǎng)絡(luò)出現(xiàn)擁塞,影響分布式機器學習的訓練速度。本文根據(jù)當前擁塞控制策略的研究思路,從單路徑傳輸和多路徑傳輸兩個方面詳細分析了相關(guān)策略,并從這兩種思路出發(fā),針對基于單路徑傳輸?shù)牧魍瓿蓵r間優(yōu)化問題和基于多路徑傳輸?shù)腡ransmission Control Protocol(TCP)incast問題分別提出了相應(yīng)的解決方案。為了解決當前方案控制粒度粗、對后續(xù)流量預測性差以及收斂速度慢的問題,論文設(shè)計了基于單路徑傳輸?shù)臅r延量化擁塞控制策略。通過量化數(shù)據(jù)包排隊時延并添加流量變化趨勢,該方案能夠獲取細粒度的鏈路狀態(tài)信息。狀態(tài)信息采用快速反饋機制生成自定義數(shù)據(jù)包發(fā)送回源端,減少了滯留時間。發(fā)送端根據(jù)反饋信息采用發(fā)送速率調(diào)整算法準確控制發(fā)送窗口。仿真結(jié)果表明,該方案在一定條件下可以有效提高20%的網(wǎng)絡(luò)吞吐,降低50%的平均流完成時間,改善小流完成時間長尾問題。為了在保留多路徑傳輸網(wǎng)絡(luò)利用率優(yōu)勢的同時,解決多路徑傳輸本身機制對TCP incast問題的影響,本文設(shè)計了基于多路徑傳輸?shù)淖恿髯赃m應(yīng)擁塞控制策略。通過細粒度的擁塞信息感知以及根據(jù)擁塞信息的子流數(shù)目自適應(yīng)機制,該方案能夠動態(tài)調(diào)整可用子流數(shù)目并根據(jù)子流路徑擁塞程度選擇輕擁塞路徑進行傳輸。在不降低網(wǎng)絡(luò)利用率的同時,該方案能夠增強網(wǎng)絡(luò)對TCP incast問題的容忍度。仿真結(jié)果表明,該方案可以有效解決多路徑傳輸下的TCP incast問題,性能表現(xiàn)與基于單路徑傳輸?shù)膿砣�控制策略相當。在一定條件下,該方案具有更高的網(wǎng)絡(luò)利用率以及更低的隊尾時延。
【學位單位】：西安電子科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP393.06
【部分圖文】：

Delay Product , BDP）隨之出現(xiàn)比例變化。因此，擁塞控制協(xié)議必須能夠在 BDP 的范圍內(nèi)有效運行。時延帶寬積如圖 1.6 所示。圖1.6 時延帶寬積擁塞控制協(xié)議的目標是最大程度利用鏈路帶寬，并確保源地址和目的地址之間的數(shù)據(jù)量等于 BDP。當滿足這兩個要求時，排隊時延將保持最小。在過去的幾十年里，TCP 由于簡單、高效和擴展性強的特點被用作擁塞控制機制。然而，由于網(wǎng)絡(luò)環(huán)境及流量需求的變化，當網(wǎng)絡(luò)鏈路受損、往返傳播時延變短或者BDP變大時，TCP 性能出現(xiàn)劣化。TCP 需要大量的緩存，而商用交換機的緩存池極為有限，一部分大流占據(jù)了大部分帶寬且在交換機上形成了長長的隊列，不可避免地影響了時延敏感的小流的流完成時間；同時 TCP 是公平共享協(xié)議

入交換機隊列，交換機會計算平均隊列長度并根據(jù)設(shè)定閾值判生擁塞，分組 IP 頭部擁塞標志位被標記。接收端收到分組后gement，ACK)分組反饋擁塞信息到發(fā)送端。然后發(fā)送端做出更精確的速率控制以實現(xiàn)穩(wěn)定的隊列控制，R. Pan 提出量化 Congestion Notification，QCN)。交換機根據(jù)瞬時隊列長度量化至發(fā)送端以調(diào)整發(fā)送速率。點計算擁塞指示信息并將其量化為 6bit 值，然后選擇進入該向該幀的源地址概率發(fā)送擁塞通知公告（Congestion NM）。（ReactionPoint，RP）使用速率限制器進行精確的速率控制，含了準確的需要調(diào)整的數(shù)值，RP 在接收到 CNM 后立即降速，。執(zhí)行共分為三個階段，其工作過程如圖 2.1 所示：

圖2.4 SAB 設(shè)計原理示意圖了緩解將帶寬公平分配給所有流引起的較大排隊時延問題，SAB 通配緩沖池大小，即部分緩存被公平地分配給所有流。則交換機按照公流 i 應(yīng)獲得的擁塞窗口值為：B, 0 1iWN N 是通過交換機的流的數(shù)目，B 是交換機緩存的大小， B表示可被，參數(shù) 決定了交換機分配給經(jīng)過的所有流的擁塞窗口值之和。B 根據(jù)路徑上的交換機緩存容量，在交換機處計算流在該鏈路上可以輸速率，通過帶寬的分配保證即使是瓶頸鏈路也可以有分組發(fā)送，解題。 PAC
【相似文獻】

相關(guān)期刊論文 前10條

1 劉益洪;戴冬梅;;TCP/IP協(xié)議的擁塞控制策略[J];通信技術(shù);2008年07期

2 丁振國;張莎莎;;基于主動網(wǎng)絡(luò)的擁塞控制策略[J];微計算機信息;2007年27期

3 趙鍵,吳介一;一類基于主動網(wǎng)絡(luò)的網(wǎng)絡(luò)擁塞控制策略[J];通信學報;2000年07期

4 張成晨;王雷;呂威;夏磊;;面向多業(yè)務(wù)的內(nèi)容中心網(wǎng)絡(luò)擁塞控制策略[J];計算機工程;2016年04期

5 朱凌峰;;基于主動網(wǎng)絡(luò)的擁塞控制策略的研究[J];計算機光盤軟件與應(yīng)用;2013年08期

6 呂娜;;對傳統(tǒng)擁塞控制策略改進的構(gòu)思[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2007年05期

7 徐昌彪,隆克平;無線網(wǎng)絡(luò)中差錯控制與擁塞控制策略的分析[J];重慶郵電學院學報(自然科學版);2001年01期

8 徐昌彪,隆克平;無線網(wǎng)絡(luò)中差錯控制與擁塞控制策略的分析與探討[J];計算機工程;2001年08期

9 王斌;張振宇;楊文忠;吳曉紅;;一種機會網(wǎng)絡(luò)擁塞控制策略[J];激光雜志;2015年09期

10 孫鵬,韓正之;一種新的主動隊列管理擁塞控制策略[J];上海交通大學學報;2003年06期

相關(guān)博士學位論文 前4條

1 王彬;TCP/IP網(wǎng)絡(luò)擁塞控制策略研究[D];浙江大學;2004年

2 趙甫哲;高速TCP/IP網(wǎng)絡(luò)擁塞控制算法研究[D];華中科技大學;2009年

3 劉擁民;下一代Internet擁塞控制策略研究[D];中南大學;2010年

4 何蓉;無線Mesh網(wǎng)絡(luò)高效公平接入控制技術(shù)研究[D];西南交通大學;2011年

相關(guān)碩士學位論文 前10條

1 黃狄濤;面向特定應(yīng)用的擁塞控制策略研究[D];西安電子科技大學;2019年

2 汪麗;延遲容忍網(wǎng)絡(luò)中擁塞控制策略研究[D];武漢理工大學;2018年

3 邢思思;基于RIFVCP與IDWRR的命名數(shù)據(jù)網(wǎng)絡(luò)擁塞控制策略研究[D];中國科學技術(shù)大學;2019年

4 范為仁;移動機會網(wǎng)絡(luò)中的路由算法與擁塞控制策略研究[D];華中師范大學;2018年

5 朱曉東;基于IEEE 802.11s Mesh WLAN的擁塞控制策略研究[D];西南交通大學;2007年

6 張成晨;內(nèi)容中心網(wǎng)絡(luò)中的擁塞控制策略研究[D];中國科學技術(shù)大學;2015年

7 王棟;無線多媒體傳感器網(wǎng)絡(luò)中擁塞控制策略的研究[D];陜西師范大學;2011年

8 景勇祥;無線傳感器網(wǎng)絡(luò)的擁塞控制策略研究[D];杭州電子科技大學;2013年

9 周效寧;基于主動網(wǎng)絡(luò)的擁塞控制策略[D];湖南大學;2005年

10 張莎莎;基于主動網(wǎng)絡(luò)的擁塞控制策略研究[D];西安電子科技大學;2007年

本文編號：2880177