Gabriel Marçal de Brito - Computação Móvel –

Apresentação em tema: "Gabriel Marçal de Brito - Computação Móvel –"— Transcrição da apresentação:

1 Gabriel Marçal de Brito - gbrito@ic.uff.br Computação Móvel – 2012.1
A Joint Approach to Routing Metrics and Rate Adaptation in Wireless Mesh Networks Passos, D. e Albuquerque, C. V. N. IEEE/ACM Transactions on Networking Gabriel Marçal de Brito - Computação Móvel –

2 Roteiro Introdução XXXxxxx

3 Introdução Wireless Mesh Networks (WMNs)
Usualmente soluções baseadas no padrão IEEE Múltiplas taxas de transmissão: 1 – 54 Mbit/s Seleção da melhor taxa de transmissão não é trivial Balanço entre capacidade do enlace e taxa PER aumenta com a taxa para mesmo SNR Roteamento dinâmico baseado em métricas Dificuldade em obter métricas consistentes Características do meio aéreo, avaliadas pelas métricas, dependem da taxa de transmissão utilizada

4 Introdução Tais questões são, historicamente, tratadas de forma independente Um método cooperativo cross-layer é proposto Metric-Aware Rate Adaptation (MARA) Adaptação de taxa de transmissão baseado em métricas Ajuste do custo dos enlaces baseado na taxa utilizada

5 Trabalhos relacionados
Métricas de Roteamento Algoritmos para adaptação de taxa Abordagens conjuntas

6 Trabalhos relacionados
Métricas de Roteamento Hop Count Não considera enlaces heterogêneos Expected Transmission Count (ETX) Estima a quantidade de transmissões por PER Expected Transmission Time (ETT) Considera como custo o delay no enlace x ETX (PER) Minimum Loss (ML) Considera como custo a própria taxa de erros (PER) Outros...

7 Trabalhos relacionados
Métricas de Roteamento Hop Count Não considera enlaces heterogêneos Expected Transmission Count (ETX) Estima a quantidade de transmissões por PER Expected Transmission Time (ETT) Considera como custo o delay no enlace x ETX (PER) Minimum Loss (ML) Considera como custo a própria taxa de erros (PER) Outros... Probes periódicas difundidas em taxa básica (1 Mbit/s) = estatísticas imprecisas e desempenho sub-ótimo.

8 Trabalhos relacionados
Algoritmos para adaptação de taxa Auto Rate Fallback (ARF) Baseado em falhas e sucessos na transmissão de quadros SampleRate Baseado no registro do menor atraso (retransmissão e overhead) SNR Baseado na SNR no receptor (ideal, requer informação futura) Receiver-Based Auto Rate (RBAR) Notifica taxa via CTS (RTS/CTS) Snoopy Rate Adaptation (SRA), Robust Rate Adaptation Algorithm (RRAA) e Collision-Aware Rate Adaptation (CARA) Diferenciam perdas por colisão e por degradação do canal

9 Trabalhos relacionados
Algoritmos para adaptação de taxa Auto Rate Fallback (ARF) Baseado em falhas e sucessos na transmissão de quadros SampleRate Baseado no registro do menor atraso (retransmissão e overhead) SNR Baseado na SNR no receptor (ideal, requer informação futura) Receiver-Based Auto Rate (RBAR) Notifica taxa via CTS (RTS/CTS) Snoopy Rate Adaptation (SRA), Robust Rate Adaptation Algorithm (RRAA) e Collision-Aware Rate Adaptation (CARA) Diferenciam perdas por colisão e por degradação do canal Dependem da existência de tráfego para seleção (tempo de convergência de taxa) e não consideram o tamanho do pacote (variação na probabilidade de perda).

10 Trabalhos relacionados
Abordagens conjuntas Multirate Anypath Routing Problem Modificação do ETT PER é considerada a probabilidade de nenhum dos vizinhos decodificar o pacote de forma correta (anycast routing) Alto overhead já que é necessário o envio de probes para cada taxa possível

11 Trabalhos relacionados
Abordagens conjuntas Multirate Anypath Routing Problem Modificação do ETT PER é considerada a probabilidade de nenhum dos vizinhos decodificar o pacote de forma correta (anycast routing) Alto overhead já que é necessário o envio de probes para cada taxa possível Gera ainda mais tráfego de controle do que a abordagem ETT tradicional com o crescimento da rede.

12 Abordagem MARA MARA aborda a métrica de roteamento e a seleção de taxa de forma coordenada A métrica avalia rotas de acordo com o atraso fim-a-fim esperado: MARAab = mini (ETXiab x ps / Ri) Ri representa a i-ésima taxa disponível; ETXiab representa a métrica ETX na rota a-b na taxa Ri; ps é o tamanho do pacote de probe. O mecanismo de adaptação de taxa seleciona Ri que minimiza o atraso

13 Abordagem MARA ETX em cada uma das taxas Ri é necessário
Probes em todas as taxas aumentariam overhead MARA utiliza uma conversão de probabilidades de sucesso de transmissão: Relaciona SNR, taxa de transmissão, tamanho da probe e PER a partir de dados experimentais; !Pab = 1 – Pab (idem para ba) SNRab = findSNR(!Pab;sourceRate;probeSize) (idem para ba) !newPab = findPER(SNRab;targetRate;probeSize) (idem para ba) newPab = 1 - !newPab (idem para ba) newETX = 1 / (newPab * newPba)

14 Abordagem MARA Comportamento assintótico da função SNR x PER
PER tende a 1 quando SNR diminui PER tende a 0 quando SNR aumenta Muitos valores de SNR podem ser mapeados para valores de PER extremos

15 Abordagem MARA

16 Abordagem MARA MARA utiliza probes em 1, 18, 36 e 54 Mbit/s
Curvas PER x SNR cruzam-se em intervalos úteis O algoritmo escolhe a taxa de probe mais alta cujo PER é menor do que 1 (interseção) MARA envia 1 probe/período , partindo de 1 Mbit/s até 54 Mbit/s Ainda menos overhead pois bloqueia o meio aéreo por menos tempo

17 Abordagem MARA Limitação na granularidade de dados (tabelas) requer o uso de funções de interpolação dos dados:

18 Variações: MARA-P e MARA-RP
MARA-P considera o tamanho do pacote a ser transmitido no processo de adaptação de taxa Classes de pacotes são definidas de acordo com intervalos de tamanho (ex.: bytes) Usa métrica MARA para o maior valor do intervalo MARA-RP considera o tamanho do pacote a ser transmitido no processo de atribuição de custo Mesmo processo de MARA-P Cria k grafos para k classes de pacotes Shortest-path resulta em k tabelas de roteamento

19 Simulações Cenários utilizados no ns-2:
300 segundos de fluxo TCP entre nós específicos (runs) Benchmarks: todas as combinações de métricas Hop Count, ETX, ML, ETT, com os mecanismos de adaptação ARF, SampleRate e SNR Topologias: indoor (ReMoTE), grid e random Modelo de propagação de sombreamento (probabilístico) Compara-se MARA aos demais mecanismos em relação: Throughput Atraso fim-a-fim Perda de pacotes fim-a-fim

20 Simulações Implementação como extensões do OLSR em ns-2
Versão modificada do OLSR MPRs reduzem o overhead, porém só funcionam para a métrica Hop Count MPRs foram removidos do protocolo OLSR para propiciar utilização de outras métricas

21 Simulações - Indoor Topologia utilizada e identificação dos nós:

22 Simulações - Indoor Tput TCP (nós 0-1 x nós 0-9):
Atraso e perda de pacotes médios

23 Simulações – Grid e Random
Topologias (grid x random, nós 0-48) Tput TCP (grid x random)

24 Simulações – Roteamento
Rotas (grid – ETT, ML, ETX, Hop Count, MARA)

25 Simulações – MARA-P e MARA-RP
Comparação de atraso e perda de pacotes médios Atraso fim-a-fim de cada pacote de áudio (120B, 48kb/s)

26 Experimento – Indoor Tput e RTT dos fluxos TCP e ICMP (nós 0-9)

27 Experimento – Indoor Comparação entre MARA, MARA-P e MARA-RP no experimento:

28 Conclusões A abordagem coordenada de seleção de taxa e cálculo de métricas de roteamento conferem melhor desempenho às WMNs O modelo de estimação de PER baseado na taxa de transmissão permite obter estatísticas válidas com baixo overhead MARA provê ganhos expressivos em relação aos mecanismos tradicionais utilizados As variações de MARA não oferecem melhorias significativas em relação à abordagem original