Слайд 2Особенности AIMD
Средняя скорость ограничена
В среднем используется ¾ доступной полосы пропускания
Наличие сильных осцилляций
![Особенности AIMD Средняя скорость ограничена В среднем используется ¾ доступной полосы пропускания](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-1.jpg)
скорости передачи данных
Слайд 3Ограниченность скорости
Возрастание скорости передачи данных от
до происходит по правилу арифметической
прогрессии
![Ограниченность скорости Возрастание скорости передачи данных от до происходит по правилу арифметической прогрессии](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-2.jpg)
Слайд 4Колебания скорости передачи данных
Неполное использование ресурсов
Глобальные осцилляции
Сильные осцилляции скорости передачи
![Колебания скорости передачи данных Неполное использование ресурсов Глобальные осцилляции Сильные осцилляции скорости передачи данных](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-3.jpg)
данных
Слайд 5Математическая модель алгоритма
Индекс справедливости
![Математическая модель алгоритма Индекс справедливости](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-4.jpg)
Слайд 6Математические свойства модели
Верно соотношение:
Если aI >0, тогда F монотонно возрастает
Если aI
![Математические свойства модели Верно соотношение: Если aI >0, тогда F монотонно возрастает](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-5.jpg)
>0, тогда
Если , то система стремится к справедливым состояниям
Слайд 7Пример динамики модели
С течением времени система сходится к
справедливым состояниям
![Пример динамики модели С течением времени система сходится к справедливым состояниям](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-6.jpg)
Слайд 8MAIMD и AIMD
Для MAIMD неверно утверждение о сходимости к справедливым состояниям
MAIMD быстрее
![MAIMD и AIMD Для MAIMD неверно утверждение о сходимости к справедливым состояниям](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-7.jpg)
восстанавливается после потерь
Если рассмотреть асинхронную модель – утверждение о справедливости не выполняется
Слайд 9Простейший метод повышения производительности – масштабирование
Увеличение размера MTU в n раз
Использование n
![Простейший метод повышения производительности – масштабирование Увеличение размера MTU в n раз](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-8.jpg)
параллельных потоков ТСР
Использование алгоритма AIMD с aI=n
Слайд 10Методы с переменными параметрами
Метод виртуального MTU
Метод заданной средней скоростью
![Методы с переменными параметрами Метод виртуального MTU Метод заданной средней скоростью](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-9.jpg)
Слайд 11Метод виртуального MTU
Вводим виртуальный MTU v=[bm/l]
Получаем в результате
Особенность метода: экспоненциальный
рост скорости
![Метод виртуального MTU Вводим виртуальный MTU v=[bm/l] Получаем в результате Особенность метода:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-10.jpg)
передачи данных
Слайд 12Метод с заданием средней скорости
Рассмотрим две пары (P,W) и (P1,W1) - какие
![Метод с заданием средней скорости Рассмотрим две пары (P,W) и (P1,W1) -](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-11.jpg)
мы хотим получить размеры окна при различных частотах потери
Из этого соотношения можно подобрать нужные параметры AIMD алгоритма:
Слайд 13Метод, основанный на характеристическом уравнении
Требуется, чтобы алгоритм модификации окна удовлетворял
Оценка среднего
![Метод, основанный на характеристическом уравнении Требуется, чтобы алгоритм модификации окна удовлетворял Оценка](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-12.jpg)
интервала между событиями потери:
По построенной оценке выбирается размер «окна» так, чтобы выполнялось характеристическое соотношение
Слайд 14Эвристика групп Пуассона
События потери располагаются во времени неравномерно
Начальные точки групп представляют собой
![Эвристика групп Пуассона События потери располагаются во времени неравномерно Начальные точки групп](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-13.jpg)
пуассоновский процесс
Группы удалены друг от друга
Слайд 15В результате возникают задачи
Выделить из событий потери группы
По последовательности начальных точек групп
![В результате возникают задачи Выделить из событий потери группы По последовательности начальных](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-14.jpg)
проверить гипотезу об увеличении частоты потери данных против альтернативы о неувеличении частоты событий потери
В качестве выходного параметра рассмотрим уровень значимости критерия, при котором отвергается гипотеза
Слайд 16Модель с параметрами – случайными величинами
р – уровень правдоподобие гипотезы о ухудшении
![Модель с параметрами – случайными величинами р – уровень правдоподобие гипотезы о ухудшении состояния сети](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/396698/slide-15.jpg)
состояния сети