فصلنامه فناوری اطلاعات و ارتباطات ایران
,
العدد43,السنة
12
,
بهار-تابستان
1399
فناوری MIMO در شبکه های محلی بی سیم، امکان استفاده از طیف متنوعی از نرخ های ارسال را فراهم می آورد. بهمنظور بهبود کارایی پیمانه کنترل نرخ، اطلاعات آماری در مورد تاریخچه وضعیت و میزان استفاده از هر نرخ ارسال در لایه MAC نگهداری می شود تا به تعیین نرخ ارسال بسته های آتی أکثر
فناوری MIMO در شبکه های محلی بی سیم، امکان استفاده از طیف متنوعی از نرخ های ارسال را فراهم می آورد. بهمنظور بهبود کارایی پیمانه کنترل نرخ، اطلاعات آماری در مورد تاریخچه وضعیت و میزان استفاده از هر نرخ ارسال در لایه MAC نگهداری می شود تا به تعیین نرخ ارسال بسته های آتی کمک نماید. بااینوجود، تنوع زیاد نرخ های ارسال در استانداردهای 802.11n و 802.11ac هزینه سربار زیادی را برای به روزرسانی این اطلاعات تحمیل می کند. در این مقاله، برای کاهش فضای حالت نرخ های ارسال و به روز نگه داری توأمان آمار همه آنها، روشی برای دسته بندی نرخ ها ارائه شده است بهنحویکه هنگام ارسال یک بسته با نرخ ارسال مشخص، اطلاعات آماری مربوط به همه نرخ های ارسالی که در همان دسته قرار می گیرند، به روز شود. درنتیجه، آمار وضعیت تعداد بیشتری از نرخ های ارسال حتی باوجود ارسال تعداد کمی بسته های داده می تواند به روز شود. سازوکار پیشنهادی در محیط هسته لینوکس پیاده-سازی و عملکرد آن را تحت شرایط مختلف در یک بستر آزمایشی که در آزمایشگاه پژوهشی خود راه اندازی نموده ایم، ارزیابی گردید. نتایج نشان می دهد که روش پیشنهادی ازنقطهنظر گذرداد و تعداد ارسال های موفق از سازوکار Minstrel-HT بهعنوان روش پیش فرض لینوکس عملکرد بهتری دارد.
تفاصيل المقالة
دستهبندی بستهها نقش بسزایی در بهبود عملکرد تجهیزات شبکهای از جمله مسیریابها، دیوارههای آتش و سیستمهای تشخیص نفوذ ایفا میکند. الگوریتمهای دستهبندی بسته عموماً مبتنی بر ساختار دادهای ایستا هستند که الگوی رفتاری ترافیک ورودی را در بهینهسازی ساختار جستجو در نظر ن أکثر
دستهبندی بستهها نقش بسزایی در بهبود عملکرد تجهیزات شبکهای از جمله مسیریابها، دیوارههای آتش و سیستمهای تشخیص نفوذ ایفا میکند. الگوریتمهای دستهبندی بسته عموماً مبتنی بر ساختار دادهای ایستا هستند که الگوی رفتاری ترافیک ورودی را در بهینهسازی ساختار جستجو در نظر نمیگیرند. در این پژوهش، ویژگیهای آماری ترافیک ورودی در نظر گرفته شده و از ساختمان دادههای کمکی ترافیکآگاه در کنار ساختارهای اصلی استفاده شده است. از آنجا که حجم غالب ترافیک اینترنت، مربوط به جریانهای بلندمدت است، برای مدتزمانی نه چندان کوتاه، اکثر مطابقتهای قوانین در زیردرختهای مشخصی از درخت جستجو قرار دارند. برای بهرهگیری از این ویژگی، در این پژوهش از ساختار داده درخت AVL برای نگهداری قوانین دستهبند و از حدهای بالا و پایین مجموعه قوانین به عنوان گرههای درخت جستجو استفاده شده است. ارزیابیها نشان میدهد که با افزایش چولگی بستههای آزمون، تعداد دفعات دسترسی به حافظه الگوریتم دستهبندی ترافیکآگاه نسبت به الگوریتم دستهبندی پایه کاهش قابل توجهی دارد. بر اساس ارزیابیها، دستهبندی بسته ترافیکآگاه با استفاده از قوانین پرتکرار میتواند میانگین کل تعداد دفعات دسترسی به حافظه و در نتیجه زمان جستجو را بیش از 40 درصد کاهش دهد.
تفاصيل المقالة
رایمگ
يقوم نظام رایمگ بتنفيذ جميع عمليات الاستلام والتقييم والحكم والتحرير وتخطيط الصفحة والنشر الإلكتروني للمجلات العلمية.