声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：郭雅宁, 徐明伟
单位：1. 清华大学 网络科学与网络空间研究院, 北京 100084;<br>2. 中关村国家实验室, 北京 100097
关键词：拥塞控制算法,主动队列管理,低延迟服务,跨层联合优化,机器学习,性能优化
近年来,各种低延迟服务吸引了越来越多的用户关注,部署规模不断扩大。为提升低延迟服务性能,工业界和学术界提出多种优化方案并部署在网络传输路径的不同位置,其中部署在端侧的各种低延迟拥塞控制算法和部署在网络侧的主动队列管理算法应用较广泛,这2种算法的设计目标都是尽量避免数据包排队,减少端到端延迟,但是由于这2种算法是独立的,存在潜在的不适配问题,影响应用的性能表现。因此,有关这2种算法的协同优化也成为一个研究方向,基于机器学习的通用算法和端网联合优化是最具代表性的方案。该文总结了低延迟拥塞控制算法和主动队列管理算法的设计思路、组合使用时的性能测试结果以及协同优化的问题,认为跨层联合优化是解决现有不适配问题并进一步提高应用性能的可行思路,建议低延迟服务性能优化的研究应重视通用性和实际部署性。
来源：2024年第8期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。