自相似流量预测下的高效网络队列调度算法P-DWRR

本文主要探讨了"基于自相似流量水平分级预测的网络队列调度算法"这一主题，针对网络流量的自相似特性带来的问题，即数据突发状态可能导致的队列排队时延增加和分组丢失率上升，研究者魏德宾、沈婷、杨力和戚耀文提出了一种创新的队列调度策略——P-DWRR算法。该算法的核心在于利用自相似流量的特性进行分级预测，通过动态权值分配和服务量子更新机制，有效地管理不同优先级业务的数据传输。 P-DWRR算法首先对网络流量的自相似性进行分析，通过对流量数据的统计和建模，识别出流量突发的级别和规律。这种分级预测有助于更准确地预测未来的流量趋势，从而为队列管理提供科学依据。在服务过程中，该算法根据业务的优先级以及数据包在队列中的等待时间来调整服务顺序，确保高优先级业务能够得到及时处理，从而减少排队时延。 相比于传统的DWRR（等概率轮询）和VDWRR（可变带宽差异轮询）算法，P-DWRR在保持服务质量的同时，显著降低了数据分组的排队时延和时延抖动，降低了分组丢失率。这在实际网络环境中对于提高整体网络效率，降低丢包率，优化用户体验具有重要意义。 该研究发表于2020年4月的《通信学报》上，被归类在计算机网络领域，其论文编号为TP393，文献标识码为A，DOI为10.11959/j.issn.1000-436X.2020066。这项工作的贡献在于提供了一种有效的解决方案，以应对网络流量自相似性带来的挑战，对于网络管理和优化具有很高的实用价值。