PCC Vivace (NSDI 2018) ☀

Posted on | In | Visitors: | Readers 人

here for paper

  • Author:Mo Dong and Tong Meng(UIUC)

  • congestion control, Reinforcement Learning .

摘要

作者利用在线机器学习的凸优化文献中的想法来设计Vivace，是一种新颖的速率控制协议，在PCC框架内设计。 PCC Vivace在性能（吞吐量，延迟，丢失），收敛速度，缓冲区缓解，对不断变化的网络条件的反应以及对传统TCP的友好性方面，都优于PCC框架和BBR的先前实现。而且Vivace只需要发送方更改，因此可以轻松部署。

引入

拥塞控制机构应该能够：

  • 高效利用网络资源，在变动的网络情况下。
  • 保证快速收敛到稳定和公平的速率状态。

  • 部署简单，安全。

  • Remy 使用offline机制来搜索状态空间最优的拥塞控制状态.

  • BBR 使用网络白盒建模的方式来转换表现测量.
  • PCC 使用一个黑盒机制，PCC通过在特定速率发送时观察到表现矩阵，以及效用函数，来调整发送策略
  • 然而BBR,PCC Allegro都不能做到收敛速度和稳定性的权衡。
  • 他们对TCP都是十分激进的，不是TCP有好多

因此提出了PCC Vivace 在线凸优化，有一个效用函数框架和学习率控制算法。

  • 1.Vivace使用全新的效用函数，其中更包括了延迟的最小化，以及TCP的友好型。
  • 2.Vivace 最优化网络基于梯度上升来达到最高的网络使用率，对网络的变化能够快速调整，并且达到稳定状态。

我们的贡献有：

  • 1.一个最主要的框架来提升传输的有效性，以及多种新结果。（改善优化效用函数，可以提升带宽，损失以及延迟，稳定的速率状态，证明必定存在纳什均衡点）
  • 2.一个速率控制机制使用在线学习策略的梯度上升算法，获得稳定性和反应之间的权衡。
  • 3.在受控环境，真实住宅互联网场景以及视频流应用中，对PCC Vivace，PCC-Allegro，BBR和各种TCP变体进行了大量实验。亮点包括：在网络快速变化的条件下提高性能;收敛比Allegro快2倍，稳定性比BBR好2倍左右;并显着改善了TCP的友好性。

我们强调模拟的LTE环境，其中针对此背景设计的“白盒”模型方法，即Sprout优于Vivace，这是一个未来工作方向。