一种基于连续统计估计的源端拥塞控制方法

摘要

随着互联网和物联网的广泛应用,网络传输规模呈现爆发式增长,指数级增长的网络负载与有限的网络承载能力之间的冲突变得愈发严峻,网络拥塞情况亟需解决.Google的最新研究表明,当前网络拥塞控制算法对链路传输带宽及其波动性的估计仍有较大优化空间.针对这一现状,提出一种针对链路传输状况的在线连续统计估计方法,针对不同网络状况能够对链路带宽及其波动性进行较为实时和准确的估计.基于该估计方法进一步提出一种基于源端的实时拥塞控制方法,初步实现了网络传输中对于丢包、延迟和传输速率这三个关键指标一定程度上的解耦;能在不同网络状况下对不同指标进行针对性调整而不影响其他指标,实时有效地进行网络拥塞控制,同时保证公平性.实验结果表明,该方法能针对不同网络状况进行实时拥塞控制,吞吐速率、丢包容忍和延迟相比已有的拥塞控制算法如Reno、Cubic及BBR有显著提升.