首页 理论教育基于突发流的星上光交换节点信道算法

基于突发流的星上光交换节点信道算法

【摘要】:1)调度算法描述把突发数据包划分为不同优先级,同时根据数据包的优先级数把数据信道划分为不同的组。若D3信道在该突发流传输期间到来新的突发包,则使用D4传输或丢弃该突发。图8-26基于突发流的星载光交换信道调度算法突发数据包的丢包率可以通过Erlang B公式得到。原因在于突发流资源预留方式减少了光交换矩阵平均重置时间,从而降低了光突发交换调度的总时延,这也证明了类波长星载调度算法对降低时延有很明显的改善作用。

1)调度算法描述

把突发数据包划分为不同优先级,同时根据数据包的优先级数把数据信道划分为不同的组。高优先级的突发数据包对应高优先级数据信道,其他优先级依次对应。原则上数据包使用对应优先级的信道进行数据传输,但高优先级的数据包在对应信道忙时可以暂时占用空闲的低优先级信道,而低优先级数据只有在传送突发流时才可以占用高优先级数据信道,这种对应关系存在于每个节点中。此处定义国外上空的业务等级高于国内上空的业务等级。除了业务重要性之外,另外一个原因是国外上空的星际链路也更长,符合网络路由选择的规律。算法具体实现过程如下:

(1)当一个突发数据包到来时,核心节点根据控制包的呼叫参考标识和标识域来检测其是否是突发流中的某个包,若是,则不用选择数据信道,直接使用确定的波长传送即可。

(2)若是单个突发包或突发流的第一个数据包,则会根据突发包的优先级首先依次选择其对应的信道,若对应信道空闲则传送。

(3)若对应信道忙,就使用LAUC-VF算法对其他低优先级信道进行选择,若找不到空闲信道则丢弃,则后面突发流中的突发包需要重新进行资源预留,而不能按照步骤(1)直接通过。

(4)若突发数据包在某一核心节点使用的是低优先级的信道(可以从数据包的优先级与控制包波长字段的对应关系中检测获得),在下一个核心节点资源预留时也会首先选择与其优先级相对应的信道,这样可以保证低优先级的数据包不会由于高优先级数据占用了其信道而被丢弃,这时需要进行波长的转换。

如图8-26所示,假如某核心节点(GEO)有4个数据信道,1个控制信道。数据包有2个优先级,则优先级为P1的数据包对应D1~D2信道,优先级为P2的数据包对应D3~D4信道。t时刻到达优先级为P1的突发流,首先查找D1信道,但此时该信道正忙,而D2信道由于已经有其他突发包预约,在此时刻到预约突发之间的空闲时间较小,不能完成新到突发的传输,所以使用LAUC-VF算法对其他数据信道进行搜索,最后选择D3信道传送该突发流。若D3信道在该突发流传输期间到来新的突发包,则使用D4传输或丢弃该突发。该调度算法既利用了突发流资源预留的优势,减少了光交换矩阵的重置操作,也降低了交换时延和调度时延,同时其计算复杂度得到了降低,最坏时和LAUC-VF相同。弱点是可能会造成低优先级数据包在业务量较大时的丢包率上升;另外,还需要在边缘节点处设置流量预测器作为光突发流的资源预留使用,但其是在LEO节点上设置的,并不影响核心节点(GEO)的负重和复杂度。

图8-26 基于突发流的星载光交换信道调度算法

突发数据包的丢包率可以通过Erlang B公式得到。假设系统共有K个波长信道,其中数据信道为k个,则控制信道数目为(K-k)个。假设数据信道中优先级为i的数据包所对应的数据信道有mi个,对于优先级最高的单个突发数据包或突发流的第一个数据包来说,它的排队模型为M/M/K,则其丢包率为

式中,ρi为信道i的业务强度。对于优先级较低的单个突发包来说,其丢包率为

式中,S为其优先级对应的数据信道的个数(S<k)。

对于优先级为i的突发数据流来说,资源预留成功后其排队模型为M/D/K,即在某一节点的服务时间是固定值,只是通过已配置好的光交换矩阵即可,所以是确定性分布,这样通过这一核心节点时是不存在丢包现象的,所以优先级为i的突发流总的丢包率为式(8-26)。

当为突发流时,资源预留成功时丢包率为0,否则,只能丢弃突发流,导致了丢包率的上升。原因在于低优先级突发流只有在高优先级信道无数据传输时才可以占用高优先级信道,所以在业务量较大时低优先级突发包的丢包率肯定大于高优先级。

当为单个突发或突发流中的第一个数据包时,若本优先级有相应的空闲信道,则其复杂度为O(K),K为其优先级对应的数据信道数目;若在本优先级内找不到合适的信道,就使用LAUC-VF算法搜索,此时复杂度为O(Km),其中K为数据信道总数目,m为每个波长上的平均空隙数,此时复杂度最高。若为突发流中的中间或最后一个数据包,不需要进行信道搜索,复杂度最低,为O(1)。

2)性能仿真及分析

假设突发数据BDP以泊松过程到达,到达率为λ,BDP的长度服从1/μ=100μs的指数分布,边缘节点(LEO)组装算法使用混合门限方式,所有突发包分为2个优先级,分别为0,1,0为高优先级,1为低优先级。假设该卫星光网络有5个边缘节点,3个核心节点,目的地址在边缘节点之间均匀分布,边缘节点和核心节点之间相距30 000 km。边缘节点使用了基于线性预测滤波器流量预测算法。

图8-27为不同调度算法下、不同QoS下的时延性能比较,可以看出:SABB星载调度算法相比于LAUC,LAUC-VF算法,时延在低负载情况下相差不大;而在中高负载下时延降低较多,性能显著提高。如当负载率为0.5时,SABB相比基于延迟算法性能提高了41%,相比LAUC-VF提高了47%,相比LAUC提高了65%。原因在于突发流资源预留方式减少了光交换矩阵平均重置时间,从而降低了光突发交换调度的总时延,这也证明了类波长星载调度算法对降低时延有很明显的改善作用。

图8-28比较了SABB星载调度算法与其他调度算法的丢包率,可以看出由于使用了具有优先级的突发流资源预留方法,使得在负载较高时资源被预留的概率提高,因此丢包率得到了较明显的降低,如当负载率为0.8时,SABB相比基于延迟算法丢包率性能提高了75%,相比LAUC-VF提高了94%,相比LAUC提高了99.3%。但是在输入业务量强度较小时形成宏突发的概率较小,对丢失率的改善程度较为有限。不足之处是需要设置流量预测器和波长变换器来实现对下一个突发长度的预测和波长变换,增加了节点的复杂度。

图8-27 不同QoS、不同调度算法下的时延

图8-28 不同QoS、不同调度算法下的丢包率