小说UDT-Based转移加速协议雾计算

文摘

雾计算是分布式计算模型的中间层之间的云数据中心和物联网设备/传感器。它提供了计算、网络和存储设备,以便基于云服务可以接近的物联网设备和传感器。云计算需要大量的带宽,和无线网络的带宽是有限的。相比之下,“雾计算”所需的带宽数量要少得多。在这篇文章中,我们提高了一个新的协议对等助理UDT-Based数据传输协议(PaUDT),应用于Iot-Cloud计算。此外,我们比较了UDT的拥塞控制算法的效率与Adobe的安全实时流媒体协议(RTMFP),完全基于UDP传输层。最后,我们建立了一个评价模型的UDT RTT和误码率性能的描述。理论分析和实验结果表明,UDT IoT-Cloud计算具有很好的检测性能。

1。介绍

物联网(物联网)和云计算是两个非常不同的技术,都是我们生活的一部分。物联网已经收到关注多年,被认为是互联网的未来,也被认为是最重要的一个地区未来的技术和获得巨大的关注从范围广泛的行业1- - - - - -3]。尽管云计算使用的增加,仍有问题没有解决由于云计算的固有问题如不可靠的延迟,缺乏流动性支持,和融入4]。然而,云计算被认为是一个有前途的计算模式由于有限的计算/存储在智能设备上,提供弹性资源这些设备上的应用程序。

雾计算提出了使计算直接在网络的边缘,满足的强烈要求实时处理大数据流入和功能可用的带宽。雾云计算的计算是一个扩展新兴的物联网。雾计算不是由强大的服务器而是由各种功能的电脑性能和分散性能较弱。它连接到各种设备,包括手机、可穿戴设备、智能电视、智能家居、智能汽车,甚至智能城市。这是一个小说范式实现分布式计算、网络服务和存储从云计算数据中心直到设备。目前,大量的设备收集数据和处理的数据量正呈几何级数增长。公共云计算提供了计算空间通过远程服务器处理数据。然而,将这些数据上传至远程服务器进行分析后,需要时间结果转移到原始位置,这将减缓实时快速反应的过程。雾的计算是一个新引进的概念,旨在把云接近最终用户(事情)为更好的服务质量5,6]。

传输控制协议(TCP),实际上互联网的传输协议,远未充分使用网络带宽在高速连接与长延迟(7]。虽然传输控制协议(TCP)中起着重要作用的Iot-cloud今天,TCP不适合高网络带宽延迟产品(BDP)因为它的拥塞控制算法。UDT udp的方法,到我们所知,这是唯一的udp协议,它采用一个针对共享网络拥塞控制算法。传输控制协议(TCP)相比,UDP没有收益率重新传输延迟,这使得它吸引延迟敏感的应用程序。在Iot-Cloud,最重要的是,高性能的TCP拥塞控制是由四个核心算法:起步缓慢,堵塞排泄,快速重新传输,快速恢复。为了防止网络拥塞的拥塞窗口大小(CWnd)增长太快,我们需要设置一个阈值(ssthresh)缓慢的启动状态。CWnd的改变,不同的算法被用在不同的场景。顾和格罗斯曼(8)提出了UDT的协议,这是一个改善UDP。考虑雾的特点集中数据的计算,数据处理,和应用程序在网络的边缘,我们提高了UDT协议,可以更好的应用于雾计算的数据传输。

与云计算的规模和复杂性不断扩大,体系结构模式变得越来越重要在云计算的性能。不同功能的云计算体系结构模式有不同的要求。传统的UDT协议是基于客户机和服务器(C / S)模式,这是最常见的分布式计算模型(9]。C / S模型非常适合资源相对集中的情况。也很容易实现,但它可能会导致反应迟缓时所有客户访问的数量变得更大。在现代数据中心,采用高速以太网上行一直是主流。主机(服务器)连接已经从1 g网络转移到10 g网络和继续发展向25 g网络。交换机之间的连接将从10 g演进到40 g和100 g。就像Facebook的数据中心是建立(10),每10 g带宽最高开关连接到光纤开关40 g上行,然后访问底层服务器。内部的交通数据中心是一个巨大的数字。流出的规模通常是1000倍的数据中心,和越来越多的数据中心正在经历的变化数据传输速度。

点对点(P2P)是一个成熟的网络,共享计算机资源和服务通过直接网络节点之间的信息交换(11]。P2P架构消除了服务器的中心位置,这样服务器可以共享计算机资源和服务直接在每个系统通过交换。雾的概念计算本身并不明确的位置和分布计算,这并不是要解决的主要问题在雾中计算。为了利用增加计算能力的个人设备,提出了P2P云的概念(12]。我们改善UDT协议结合雾计算和P2P网络的特点,提出一种UDT-based转移加速协议雾计算。

剩下的纸是组织如下。部分2概述UDT的协议。部分3概述了UDT并描述了其设计和实现。部分4给出了一个比较RTMFP UDT和实验评价了UDT的性能。部分5总结了纸。

2。相关工作

新网络设备层出不穷,开始连接。数据生成和发送到云将成倍增加。如果存储和计算能力遵循摩尔定律,这意味着他们将每隔18个月翻一倍。带宽的相对速度似乎要慢得多。一些研究机构估计,全球带宽率每年增长不到40%。这意味着将会有更多的数据被发送到云,但受制于带宽速度。

因此,实时和那些对延迟敏感的计算服务请求的回应是遥远的云数据中心经常忍受大往返延迟,网络拥塞,服务质量下降等13]。一个新的传输协议作为一个及时的解决方案需要解决这一挑战。随着物联网成为雾计算的重要组成部分,它是越来越重要的改善服务质量(QoS)雾计算网络。UDT的udp协议提出的顾和格罗斯曼(8),这是一个激进的改变通过引入一个新的传输层协议涉及路由器的变化。新协议将很容易地部署和集成应用程序,除了公正有效地利用带宽。

大量的研究已经由该协议执行。目前大多数的物联网设备和支持后端服务器之间的交互是通过大规模云数据中心,位置识别(14物联网),和广泛的地理分布。刘等人提出了基于UDT强调交通特性分析结果特定的专用连接和建立了单调性,凹度和稳定性的不同配置下的吞吐量配置文件。公园等。15)提出了一种基于拥塞程度的地铁估计算法,它试图将更多取决于拥堵程度估计实际可用带宽。他们的方法表明,流动明显竞争之间的公平问题相比,UDT的解决。在[16),公园等人还提出了一种基于拥塞程度的地铁估计方法,可以预先估计比往返延迟信息发送者的一面。仿真结果表明,提出的竞争流动方法可以非常占用网络带宽。日本村田公司等。17)提出了一个新颖的传输协议,名叫高性能和灵活的协议(HpFP)显示高吞吐量的HbVRS lfn包丢失。他们检查的基本性能的多个流HpFP和UDT的实验室实验模拟国际LFN。

作为云计算的主要概念,雾提供服务,包括计算、存储和网络服务的最终用户,但最终的网络。尽管无数的好处,雾,为这一领域的研究还不成熟,许多研究人员仍然正在定义的愿景,雾计算的基本概念,和挑战(4,14,18,19]。贝尔纳多和黄平君20.)概述了UDT实现安全需求,提出实用的加密,保护UDT在网络层的方法。

一个开放的研究挑战是探索雾计算和物联网的潜在好处。换句话说,一个人必须研究透明的服务质量将会提高通过一层雾物联网和云计算之间的节点。最近的工作解决TCP或UDP传输的设计从手机用户到边缘云,实现power-delay权衡。尽管他们坚实的贡献,该方法仅限于细胞网络基础设施。它假定一个物联网设备只能一个用户设备(UE),边缘服务器必须连接到基站。此外,由于没有考虑云的方法,场景IoT-cloud未处理或fog-cloud通信发生。

3所示。改善UDT协议雾计算

物联网网络的快速重传和快速恢复,当我们称为一个物联网客户端发送方收到三个本地确认(否定),发送方会马上重新发送丢失的数据包,使ssthresh减少一半。同时,该算法集拥塞窗口CWnd等于ssthresh和拥堵排泄的开始。整个过程如图1。

在图1最初的窗口大小是16日,当CWnd = 16,缓慢的启动停止,拥堵排泄的开始。阶段的拥堵排泄,增加CWnd添加剂。如图1当CWnd = 24日,网络开始阻止,这个时候,ssthresh设置为12(24)的一半。

基于窗口的AIMD(添加剂增加乘法减少)控制算法随机TCP遭受损失的BDP增加更高的(21,22]。为了解决高BDP的TCP的低效问题链接,我们使用一个新的协议,称为UDT。UDT是一个应用程序级项目,在传输层,它使用UDP传输数据。UDT是可靠性和安全流媒体数据传输协议的端到端连接的,单播和双工。

如图1,无数分界线之间存在和 。横坐标表示时间,纵坐标表示窗口大小。对于二维空间,我们想找到最好的分隔线。为维空间,我们的最终目标是找到最好的super-plane的分类,也就是说,找到最终的决策边界。

3.1。UDT结构

UDT层有五个功能组件:API模块,发送方、接收方、监听器和UDP通道。有四个数据组件:发送方的协议缓冲区,接收机的协议缓冲区,发送方的损失清单,和接收方的损失清单(6]。

API模块负责与应用程序交互。当应用程序发送数据时,数据包从发送方的缓冲区传递UDP通道。另一方面,接收者读取数据从UDP通道和接收器的数据包将被重新排序缓冲区。接收机将检查接收机的损失清单;如果有数据包的接收方的损失清单,接收机将发送NAK发送方和发送方收到NAK时,发送方的损失列表将被更新,并再次发送方发送这个数据包,直到接收方收到这个数据包。主要的传输过程如图2。

3.2。UDT的数据包类型

UDT有两种包:数据包和控制数据包。数据包的类型区分的第一位(标记位)包的头,当国旗是0,它代表一个数据包,否则它代表一个控制分组。如表所示1,UDT数据包包含一个分组序号、消息数,目的地插座id和一个相对时间戳。””表示这个数据包流的位置如下:“10”是第一个包,“01”是最后一个,“11”代表只有一个包,和“00”是任何包在中间。第二位的值为0表示消息发送的订单,如果值是1在这个位置显示消息发送。32位的时间戳是相对价值从建立连接的时候。

控制信息表所示2。控制包与数据包的比较见表类型和受人尊敬的字段1。有8个类型控制包,如握手、维生,ACK和否定。尊敬的字段定义了一种新的控制分组或添加新变量在一个现有的控制方案的一种新的拥塞控制算法。

3.3。PaUDT协议模式

在结构化P2P网络模型中,所有的信息都分散在网络的不同节点的哈希列表,和一个巨大的分布式哈希表(DHT)是由整个网络(图4)[23]。整个网络的分布式信息存储和检索应用程序层。Kademlia是一个典型的结构化模型,它使用“异或”来衡量网络节点之间的距离。这样的措施不会影响网络的效率和可扩展性,并提供更好的容错和灵活性。一致性哈希函数广泛应用于分布式数据存储,保证动态分布式环境的变化。哈希函数的映射空间会慢慢改变,仍然保持负载平衡,从而确保系统的可用性和效率。P2P网络也是一个动态变化的分布式系统,节点继续加入或离开散列空间在不断变化。它依赖于一致性哈希函数,以确保效率和负载平衡的位置,查询,数据存储和复制。

DHT之间添加一个单独的DHT层技术是P2P网络应用层和网络层定位和定位P2P网络的资源。参见图3。DHT使用哈希函数来加快查找,提高安全性,并使管理方便,不占用过多的网络带宽。Kademlia是一个典型的结构化P2P模型,它分配一个唯一的ID和随机节点每个节点。每一个对象分配一个相似的对象ID(也称为关键)并生成ID使用160位SHA.1函数(24]。对象索引负责最近的节点ID节点对象ID(距离测量在外国或距离)。在Kademlia模型中,所有节点都视为两个分叉的树的叶子,和每个节点的位置是唯一由最短的前缀的ID值。对于任何节点,这二叉树可以分解成一系列连续的子树没有自己的子树。Kademlia模型确保每个节点知道至少一个节点的子树,只要这些子树不是空的。因此任何节点可以放置在其他节点的节点的ID值。

Kademlia模型使用XOR运算来衡量两个节点之间的距离,假设有两个Kademlia模型中的节点,节点ID和 ,分别。然后它们之间的距离 ,如 , , 。虽然差异或距离非欧洲(非欧几里得的几何测量),它是合理的。很明显, ; ,如果 ,对于任何 , ,有 ,叫做对称。此外,XOR距离也有一个三角形的属性 从以下两个引理和三角形的属性:

XOR距离是单向Kademlia模型。单向指任何时候和距离 ,只有唯一的点网络中满足 。单向保证所有相同的数据对象的定位最终将聚在一起在同一路径,和更有可能越向后收敛。

下面是通信实现的原理图PaUDT P2P模型的协议。

我们假设有两个平等的沟通方面:服务器和服务器B,流程图和黑线部分是作为服务器运行的进程;红线部分的流程图和客户正在运行的进程。

4所示。rtmfp拥塞控制算法

在本节中,我们目前的实验结果,评价和描述RTMFP PaUDT,拥塞控制算法。

RTMFP UDT的端到端,面向连接、高可靠性、和全双工协议,有一些相同的地方。例如,他们通过四通握手建立连接,这两者都是建立在应用层协议UDP传输层。首先,数据由RTMFP运输的类型和UDT是不同的。RTMFP用于实时和批量数据,但UDT只在当前情况下传输大量数据。其次,不像UDT RTMFP既支持CS模型和P2P模型。最后,主要区别是拥塞控制算法。通过CCC RTMFP和UDT之间,我们知道哪些协议具有更高的效率。部分2介绍了udt CCC简单;本节提供了一些关于rtmfp CCC的信息。

发送方RTMFP增加和减少其CWnd根据ACK和损失(NAK或超时),根据拥塞控制和避免算法(25像UDT的CCC。RTMFP,算法也从缓慢的开始;但不喜欢UDT,缓慢开始的指数增加率调整双每大约3往返和乘法减少削减CWnd八分之一损失和添加剂增加是正常的一半速度在每往返384字节(递增)。由于实时数据,RTMFP信号(时间关键的反通知)用于通知其他发件人刚刚发送原始数据减少CWnd的价值,如果发送方接收时间关键的反向通知在慢启动阶段时,发送者必须停止指数增加800毫秒内,除非寄件人本身就是目前时间关键数据发送到远端。

从部分2和3之间的区别,我们知道RTMFP和UDT拥塞控制算法,和为了比较算法更有优势,我们设计一个实验如下。

5。RTMFP和UDT的实验

为了对比,协议具有更高的效率,我们设计一个实验在一个局域网。这个实验需要六个电脑;在三个电脑UDT的Linux系统是安装和在其他RTMFP安装这个系统。

安装一个开放的平台Adobe Flash媒体服务器(FMS)。然后电脑作为服务器使用FMS视频转移到客户,和客户收到的视频;与此同时,一个客户端使用捕获工具(Wireshark)来捕获数据包。

在得到这些包后,我们使用一个过滤器工具在Wireshark选择相关的数据包(这些数据包传输服务器),并计算RTT根据包的时间戳的头,通过开放的UDT源代码RTMFP传输相同的视频。就像上面提到的,我们使用Wireshark来捕获相关的数据包和内河货运计算之上。对比RTMFP和UDT的RTT值。

如图5,实线代表RTMFP RTT和改变UDT的RTT由虚线。线有很大区别。很多山峰以来造成的曲线RTMFP RTT的UDT的RTT仍相对平滑的线条和较小的值。虽然实验是在相同的环境中,接收视频的过程是不同的。当处理视频,比UDT RTMFP的方法是更多的麻烦。RTMFP播放视频时,视频下载,但UDT后采用的方法完全收到这个视频,这个视频。因为不同的过程,它并不特别注意不同RTT UDT和RTMFP之间的价值,我们需要考虑UDT的稳定性和RTMFP实验。

5.1。PaUDTs RTT的影响分析

基于系统模型,绩效评估主要解决以下问题:

(1)实现网络流量需要满足什么条件最优的系统性能。

(2)不同的参数如何影响最优性能和我们设置的两个场景来分析这个问题。

5.1.1。段计算最合适的最大大小(MSS)

当UDT发送数据包,UDT总是试图包应用程序数据转换成固定大小的数据包(固定大小的数据包是由发送方和接收方协商)的海量存储系统(MSS)中,除非没有足够的数据发送8]。众所周知,海量存储系统(MSS)中,越大越小的数据包数量,但随着缓冲路由器(MTU)和错误率的网络是有限的,在海量存储系统(MSS)中是有限的。如果海量存储系统(MSS)中,我们事先设定大于MTU的价值,这个数据包将被分为几个破碎在网络层,和接收机必须花更多的时间来重新组装这些无序破碎的序列号,因为在网络层,没有承认机制,如果一个碎片丢失,发送者必须重新传送整个包。我们知道更大的数据包会导致更高的错误率和有分割崩溃的危险26),但规模较小的数据包造成更多的开销,因为他们的数据包报头。为了使总传输时间最短和信道利用率最高,我们必须计算最优网络中海量存储系统(MSS)中。

在计算最优海量存储系统(MSS)中,我们给出一些定义。误比特率,代表错误的帧率,是数据部分的总长度+控制信息部分,它代表帧的长度和我们设置它的长度吗位。发送速率, 代表一帧的时间交付(8,27]。众所周知,误码率的关系错误的帧速率,为了推断误帧率的比特误码率,CCITT(国际电话电报咨询委员会)提出了一个简单的泊松分布模型或二项分布模型,用于描述随机误差。二项分布模型,我们可以得到的那位错在一帧和结果显示在公式(1)[8,27]:

如果一个比特帧是错误的,这个框架是错误的,所以我们可以得到错误的帧率根据公式(2)如下:

如果 根据泊松分布, 所以 当 ,我们可以得到一个近似的价值如公式(3):

我们需要计算一帧传输的平均时间()。以得到一个平均延迟(延迟),我们发送数据长度等于 ,所以 。 代表的时间发送确认帧(证实或否定)是确认帧的长度。是重新传输计时器设置的最低次。为了得到的价值 ,我们必须知道这个过程的时间节点和传播延迟 。最低重新传输计时器必须满足一个框架所收到的接收方和发送方收到一个确认帧从一个接收器, 。的最小间隔时间是两帧成功发送。 根据最小间隔时间和错误的帧率,我们可以计算平均时间:

现在,如果我们想运输文件的长度是和,平均传输延迟=一帧的平均传输时间乘以数量的帧传输:

为了获得最佳的海量存储系统(MSS)中,我们需要延迟的推导: 也就是说,

如果我们将= ,所以我们可以得到一个简单的新公式(11从公式()10):

和公式(11)必须满足的条件 。图6介绍了RTT和MSS之间的关系。图7描述了误码率之间的关系和海量存储系统(MSS)中。从这两个数字,我们知道MSS先进RTT的增长,但减少了误比特率的增长。在物理实验中,我们可以从wireshark头的长度,所以= 52字节,RTT = 0.01秒,根据实验中,通道的平均速度是2 MB / s, MB / s。 一些。所以为了得到数据6和7,我们设置速度为2 MB / S,当分析RTT的影响在海量存储系统(MSS)中,误比特率 位,相反,在分析误码率的影响在海量存储系统(MSS)中,RTT设置为0.01秒。

如图6的海量存储系统(MSS)中,有些值大于1500字节,但现在在数据链路,海量存储系统(MSS)中最大的值是1500个字节,所以我们设置值等于1500字节或大于1500字节到1500字节。

根据公式(11)和标题的长度,在频道错误比特率,和RTT的值,我们可以得到最优MSS = 1500字节。

虽然我们可以得到一个最小传输时间使用网络理论中的最优的海量存储系统(MSS)中,可能存在实际问题的MTU小于最优海量存储系统(MSS)中。如果超过MTU最佳的海量存储系统(MSS)中,数据包(大小等于最优MSS)必须分散在网络层。所以为了避免片段在网络,我们必须在上层设置最合适的海量存储系统(MSS)中。这个要求我们比较最优MSS MTU和选择最合适的海量存储系统(MSS)中最小值。

为了完成这一比较,UDT图所示8。UDT的发送方和接收方协商在海量存储系统(MSS)中连接设置。如图8握手,起初,发送方发送一个连接控制分组包括海量存储系统(MSS)中信息;如果发送方发送的数据包通过一个复杂的网络,MSS将在网络中间设备的MTU相比,如果MTU <海量存储系统(MSS)中,最适合海量存储系统(MSS)中必须等于最低MTU,但如果MTU >海量存储系统(MSS)中,最适合海量存储系统(MSS)中也等于海量存储系统(MSS)中。接收机接收到的握手后控制分组,最适合海量存储系统(MSS)中,接收者发送ack数据包最合适的海量存储系统(MSS)中。发送方得到最合适的海量存储系统(MSS)中,选择固定数量的数据包。这样有两个好处:第一,选择最小的海量存储系统(MSS)中作为最后的海量存储系统(MSS)中可以避免帧被分散在网络层,第二,选择最佳的海量存储系统(MSS)中或最低海量存储系统(MSS)中最后的海量存储系统(MSS)中可以增加带宽的利用率。

为了实现谈判的海量存储系统(MSS)中,我们需要MTU在中间设备的价值。众所周知,有路由器的一些头文件中的结构,例如,返回和结构。结构的 ,——有一个变量用于获取值的MTU路由器和再入包含结构。UDT,我们设置最合适的海量存储系统(MSS)中所示的算法1。

的语句, 代表MTU的价值网络,是UDT的头的长度。

在我们的实验中,MTU路由器的数据链是1500字节,和最佳的海量存储系统(MSS)中也等于1500字节。根据上面的信息,我们可以得到,真正的数据包大小是1500字节

5.1.2中。验证最合适的MSS和测试不同的MSS PaUDTs RTT的影响

为了检查数据包大小是否会影响UDT的RTT和检查1500字节是否最适合海量存储系统(MSS)中在我们的实验环境,我们设计实验如下。在这个实验中,我们需要两个局域网内的计算机,每台计算机是发送者和接收者。为了区分,我们称之为一个电脑和其他计算机b .在实验之前,我们需要修改数据包大小的代码。在实验中,我们将数据包大小设置为1500字节,1300字节,和512个字节。

当应用程序开始发送数据,我们记录RTT的值在计算机和计算机b得到这些值后,我们画两个图数据9和10。数据,虚线代表RTT当MSS 1300字节的值或512字节,实线代表的RTT MSS等于1500字节的结果。

如图9,当MSS =最合适的海量存储系统(MSS)中,RTT的价值几乎线性增加,当达到90的时候,RTT值停止增加和价值保持在50微秒。相反,当MSS等于1300字节,RTT不是线性增加的价值。我们可以清楚地看到,有一些波浪在增长过程中。当价值的RTT停止增加,趋向于稳定,不像一个实线。保持一个相对稳定的值,RTT的价值高于1500字节。图10展示了1500年和512年之间的对比曲线字节。从图中,我们知道明显的曲线1500字节比512字节的曲线更稳定,当MSS = 1500字节,平均RTT小于等于512字节的海量存储系统(MSS)中。

所以我们可以得到一个结论:不同RTT海量存储系统(MSS)中有关系,当MSS =最合适的海量存储系统(MSS)中,平均RTT最小和发送或接收的数据包的效率是最高的。

5.1.3。初始化窗口的大小的影响PaUDTs RTT

有两个变量PaUDT的拥塞控制算法;一个是海量存储系统(MSS)中,另一个是initwinsize。部分5.1介绍了MSS PaUDT的RTT的影响,本节将给出一些实验检查初始化窗口和PaUDT RTT的之间的关系。

前验证PaUDT initwinsize的影响,我们引入TCP的影响。

提高TCP initwinsize将提供一个优势降低延迟,如公式(12):

在公式(12),代表传输大小,是link-rate瓶颈,是1.5或2取决于是否确认延误,然后呢 (28]。见公式(12),如果我们增加initwinsize,延迟将会增加。虽然大initwinsize可以减少延迟,超大initwinsize可能导致缓冲区溢出和丢包,路由器出现拥堵,或拥塞崩溃。

图11显示了谷歌网络搜索的平均TCP延迟从3 - 42段initwinsize是不同的,在一个小规模实验6服务器上同时在同一个数据中心。

Google Web的影响研究表明initWinseize安全和延迟和从图11我们知道如果initwinsize是16,延迟最小。部分1介绍了TCP的拥塞控制算法开始从PaUDT等慢启动算法,因此初始化窗口大小对PaUDT也有影响。所以我们设置的默认值initwinsize PaUDT 16根据海量存储系统(MSS)中。

为了证实initwinsize和延迟之间的关系,我们组实验如下。首先,我们修改initwinsize 8、16、32,和64年,分别。

从数据12- - - - - -14,我们可以看到不同RTT initwinsize的变化。如数据所示12,13,14RTT的区别在不同的初始化窗口大小是不显眼的。从10 ms RTT值增加到50 ms和保持稳定。这三个数据显示,当initwinsize设置为16,RTT值最低的平均值。从这四个数字,最明显的变化是图15。initwinsize等于64时,曲线的值用于描述RTT引起很大的波动。

通过分析原因的巨大变化RTT值,我们发现intwize影响CWnd的价值的变化。当发送方收到ACK数据包,CWnd的价值计算公式(1)。总之,initwinsize较大,CWnd更大的价值,过度CMND可能导致新的网络拥塞。

从数据12,13,14,15,我们也确认initwinsize影响PaUDT像TCP。

6。结论

雾计算集中数据、数据处理和应用设备在网络的边缘几乎完全,而不是将它们存储在云端,云计算一样。随着网络规模的扩大,传统 模型将增加中央服务器的负担,从而降低了数据传输效率。在本文中,我们提出一种改进的PaUDT协议结合PaUDT和P2P网络。我们讨论了一些因素影响PaUDT RTT的拥塞控制算法,应用于IoT-Cloud。在未来,我们继续PaUDT拥塞控制算法的研究和分析,参数扮演最重要的角色,影响RTT PaUDT。 模型增加了服务器上的负载和增加RTT。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是由中国国家自然科学基金(6167220961701170)、中国博士后科学基金资助项目(2014 m560439),江苏省博士后研究基金计划项目(1302084 b),江苏省科学&技术支持项目(BE2016185)和江苏高技术研究重点实验室(没有无线传感器网络的基础。WSNLBKF201701)

引用

1. 李和k·李,“物联网(物联网):应用程序、投资、企业和挑战,”业务范围,卷。58岁的没有。4、431 - 440年,2015页。视图:出版商的网站|谷歌学术搜索
2. f·肖,z王:你们,r . Wang和X.-Y。李,“一个标签允许细粒度的RFID定位和跟踪,”IEEE / ACM交易网络,26卷,不。1,第174 - 161页,2018。视图:出版商的网站|谷歌学术搜索
3. h·朱f·肖,l .太阳,r . Wang和p·杨,“R-TTWD:健壮device-free穿过墙壁检测与无线移动的人类,”IEEE在选定地区通讯》杂志上,35卷,不。5,1090 - 1103年,2017页。视图:出版商的网站|谷歌学术搜索
4. 美国,c·李,李问:“雾的调查计算:概念、应用程序和问题,”程序移动大数据(Mobidata研讨会的15)页37-42 ACM,杭州,中国,2015年6月。视图:出版商的网站|谷歌学术搜索
5. f . Bonomi r·米利托,j·朱和s . Addepalli“雾在物联网计算及其作用,”学报第一ACM移动云计算车间(MCC的12)2012年8月,页13 - 16,。视图:出版商的网站|谷歌学术搜索
6. l . m .牧童和l . Rodero-Merino”在雾中找到你的方法:向一个全面的定义计算的雾,“ACM SIGCOMM计算机通信评审档案,44卷,不。5,新,2014页。视图:出版商的网站|谷歌学术搜索
7. m·杜克,r·布莱登w·艾迪e·布兰顿和A·齐默尔曼,“路线图传输控制协议(TCP)规范文档,”RFC编辑器RFC7414, 2015年。视图:出版商的网站|谷歌学术搜索
8. 顾y和r·l·格罗斯曼,“UDT: udp数据传输高速广域网络,”计算机网络,51卷,不。7,1777 - 1799年,2007页。视图:出版商的网站|谷歌学术搜索
9. k . g . Jijimol和美国Renjith负载平衡优化客户端-服务器网络分布式系统作业,“国际应用工程研究杂志》上,10卷,不。69年,第221 - 216页,2015年。视图:谷歌学术搜索
10. j . Bagga, a·罗伊,曾庆红h . g .波特,和a·c·Snoeren”在社交网络的网络(数据中心),“计算机通信评审,45卷,不。5,123 - 137年,2015页。视图:出版商的网站|谷歌学术搜索
11. 刘e . Kurdoglu y, y . Wang”处理用户的异质性在P2P多方视频会议:分层分布与分区同时联播,”IEEE多媒体,18卷,不。1,第101 - 90页,2016。视图:出版商的网站|谷歌学术搜索
12. o . Babaoglu、m . Marzolla和m . Tamburini“P2P云系统的设计和实现,”第27届ACM学报》研讨会上应用计算(SAC的12)2012年3月,页412 - 417。视图:出版商的网站|谷歌学术搜索
13. r·马哈茂德·r·Kotagiri, r . Buyya“雾计算:分类、调查和未来方向,”物联网激飞新加坡,页103 - 130年,2018年。视图:出版商的网站|谷歌学术搜索
14. f·肖,w·刘,z, l . Chen和r·王”Noise-tolerant通过multi-norms正规化矩阵完成无线传感器网络定位,“IEEE车辆技术,卷67,不。3、2409 - 2419年,2018页。视图:出版商的网站|谷歌学术搜索
15. h . j .公园张成泽,g .曹”拥堵程度增强的基于可用带宽估计方法UDT公平,”电子和信息研究所的工程师》杂志上,52卷,不。7,63 - 73年,2015页。视图:出版商的网站|谷歌学术搜索
16. js。公园,D.-S。一个,G.-H。曹”,可用带宽估计方法自适应网络流量负载考虑公平与UDT流,”学报》第五届国际会议上它收敛性和安全性(ICITCS 15),2015年8月。视图:出版商的网站|谷歌学术搜索
17. 山本k t村田,p . Pavarangkoon k . et al .,“多个流的UDT和HpFP协议远程存储系统在网络长脂肪,高带宽”学报》第七届IEEE年度信息技术、电子和移动通讯大会(IEMCON 16)2016年10月,页1 - 6,。视图:出版商的网站|谷歌学术搜索
18. p·g·洛佩兹,a .蒙特莎d Epema et al .,“Edge-centric计算:愿景和挑战,”计算机通信评审,45卷,不。5,37-42,2015页。视图:出版商的网站|谷歌学术搜索
19. f·肖,j . Chen x谢,l . Gui l .太阳和r·王”SEARE:系统的运动活动基于绿色遥感识别和质量评价,“IEEE新兴主题计算,2018年,页1 - 10。视图:出版商的网站|谷歌学术搜索
20. d . v . Bernardo, d . b .黄平君UDT数据传输端到端安全性方法。”国际会议卷,6485年,第393 - 383页,2010年。视图:出版商的网站|谷歌学术搜索
21. w·冯和p . Tinnakornsrisuphap”高性能计算网格,TCP的失败”诉讼的ACM和IEEE 2000 SC会议美国达拉斯,IEEE TX, 2000年11月。视图:出版商的网站|谷歌学术搜索
22. t . v . Lakshman和美国Madhow”性能的TCP / IP网络具有高带宽延迟产品和随机损失,”IEEE / ACM交易网络,5卷,不。3、336 - 350年,1997页。视图:出版商的网站|谷歌学术搜索
23. n .沙A·艾哈迈德·b·纳齐尔和d .钱,“跨层方法分区检测在manet的结构化P2P覆盖层,”对等网络和应用程序,9卷,不。2、356 - 371年,2016页。视图:出版商的网站|谷歌学术搜索
24. p . Maymounkov和d . Mazieres Kademlia:点对点信息系统基于XOR度规,”点对点系统卷,2429在计算机科学的课堂讲稿53 - 65页。,斯普林格出版社,2002年版。视图:出版商的网站|谷歌学术搜索
25. m .索恩伯勒,”Adobe的安全实时媒体流协议。”RFC编辑器RFC7016, 2013年。视图:出版商的网站|谷歌学术搜索
26. p . n . d . Bukh”的艺术计算机系统性能分析,为实验设计技术,测量,”仿真和建模,1992年。视图:谷歌学术搜索
27. 顾y、x香港和r·l·格罗斯曼”经验高性能传输协议的设计和实现,”超级计算2004 ACM和IEEE会议(SC的04),6 - 12页,2004年11月。视图:出版商的网站|谷歌学术搜索
28. n . Dukkipati t . Refice y程et al .,“最初论证提高TCP的拥塞窗口,“计算机通信评审,40卷,不。3,26-33,2010页。视图:出版商的网站|谷歌学术搜索

版权

版权©2018 Zhijie汉等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。