BBR拥塞控制算法的RTT公平性优化

Google提出了一种基于瓶颈带宽和往返传播时间的拥塞控制算法(bottleneck bandwidth and round-trip propagation time,BBR),可以在网络链路中保持最大传输速率和最小延时.然而一些评估实验表明,BBR算法会导致不同往返时间(round trip time,RTT)的数据流之间存在严重的公平性问题.为了优化这一问题,研究分析了BBR算法探测机制所导致的发送速率与瓶颈带宽不匹配对RTT公平性的影响,提出了一种基于起搏增益模型的优化算法BBR-adaptive(BBR-A).BBR-A算法不再采用原BBR算法中固定的起搏增益,而是利用RTT与起搏增益的关系,构造一个基于反比例函数的起搏增益调节模型,通过让向上和向下的起搏增益系数相互交错来平衡发送速率,使每个BBR流可以公平地竞争带宽资源.网络模拟器3(network simulator 3,NS3)仿真实验结果表明:BBR-A算法的信道利用率比BBR算法有了小幅提升;在RTT公平性的方面,BBR-A缩小了不同RTT流之间的吞吐量差异,在不同缓冲区和RTT差异下,Jain公平指数至少提高了1.5倍;BBR-A算法明显降低了重传率.因此通过自适应调整起搏增益系数,可以平衡不同数据流之间的发送速率,有效提升BBR算法的RTT公平性.