An Improvement over Random Early Detection Algorithm: A Self-Tuning Approach

يكي از پركاربردترين الگوريتم هاي مديريت فعال صف كه توسط كميته IETF نيز جهت استفاده در شبكه پيشنهاد شده است، الگوريتم RED مي‌باشد. در الگوريتم RED، متوسط تاخير صف پايين و كارايي بالاست، ولي تنظيم پارامترهايRED كارايي آن را به شدت تحت تاثير قرار مي‌دهد. در واقع، تعيين يك مقدار ثابت و ايستا براي پارامترهاي RED راه‌حل كارآمدي نيست، زيرا وضعيت شبكه‌ به طور پويا در حال تغيير است. روش پيشنهادي ما به طور پويا پارامترهاي REDرا بر اساس سرعت مصرف بافر مسيرياب مقداردهي مي‌نمايد. با محاسبه سرعت مذكور، سطح ازدحام و زمان سرريز شدن بافرپيش‌بيني مي‌شود، و پارامترها به طور پويا مقداردهي مي‌گردند. نتايج شبيه‌سازي، كارايي الگوريتم پيشنهادي را نشان مي‌دهد. افزايش قابل ملاحظه‌ بهره‌وري لينك گلوگاه و كاهش تعداد بسته‌هاي از دست رفته در مقايسه با الگوريتم اصلي RED در شرايط پوياي شبكه از دستاورد‌هاي الگوريتم پيشنهادي در اين تحقيق است.

Random Early Detection (RED) is one of the most commonly used Active Queue Management (AQM) algorithms that is recommended by IETF for deployment in the network. Although RED provides low average queuing delay and high throughput at the same time, but effectiveness of RED is highly sensitive to the RED parameters setting. As network condition varies largely, setting REDʹs parameters with fixed values is not an efficient solution. We propose a new method to dynamically tuning REDʹs parameters. For this purpose, we compute the rate of which the queue is occupied and consider it as a congestion metric that will be forecasted when the queue is overloaded. This meter is used to dynamically setting RED parameters. The simulation results show the effectiveness of the proposed method. According to the results, we achieve a significantly higher utilization and less packet loss comparing to original RED algorithm in dynamic conditions of the network.