Smooth Delivery:如何减少网络拥塞?

简介: Akamai的Smooth Delivery计划旨在通过两个部分:Pacing+Rate Limiting 增强网络性能,在提高整体网络性能的同时,每个部分都侧重于减少拥塞。

文 / Darren Ng


译 / 元宝


原文 https://blogs.akamai.com/2018/11/enhancing-network-performance-with-packet-pacing.html


介绍


Akamai的Smooth Delivery是由协议优化团队牵头的网络性能增强计划。它由两个部分组成——在提高网络性能的同时,每个部分都侧重于减少拥塞。


TCP Pacing——这篇文章的主题


Rate Limiting——即将发布的帖子

 image.png


背景


TCP数据包通常以突发的形式提供,来响应客户端请求。这种突发分组的行为可能会增加峰值网络带宽的需求,并可能导致拥塞和更高的重传率。


高重传率通常会导致:


  • 良好输出的减少,同时也可能导致视频流量发生不期待的重新缓冲


  • 最终用户的体验质量低得多


  • 由于网络性能不佳,用户参与度降低


  • 占用了用于其他任务的服务器资源


例如,同一网络上的三个并发TCP流可能会如下交互:

image.png

没有启用Pacing的带宽需求


请注意,峰值带宽是每个流量的累积需求。还要注意的是,在大多数情况下,网络处于空闲状态。


Smooth Delivery Pacing(SDP)利用Linux公平队列和步调来管理TCP数据包的流量。它不是在往返时间(RTT)开始时突发数据包,而是在RTT的一小部分上逐个地调出数据包。使用SDP,可以实现相同的吞吐量,同时通常也会导致拥塞,从而减少了突发性。最终用户仍然可以收到他们期望的所有数据,而不会降低质量。这有助于减少拥塞,从而降低重传率。


低重传率通常会导致:


  • 增加的吞吐量可能会减少视频流量的重新缓冲


  • 为最终用户提供更高质量的体验


  • 由于网络性能高,用户参与度更高


  • 降低服务器资源的利用率


下图说明了启用Pacing时的带宽需求。

image.png

启用Pacing的带宽需求


结果


2017年底,Akamai网络实现了平稳交付,并且对转播率和良好输出产生了良好的整体影响。平均而言,TCP重传减少了10%,吞吐量增加了40%

image.png

放大到客户级别时,我们也看到了很好的结果。例如,我们采用Multi-CDN的方法根据每个网络的性能来调整每个CDN流量的客户,这已经通过改进我们的指标为Akamai分配了更多的流量。通过启用步调,我们观察到重新缓冲减少了6%,客户流量增加了36%!步调算法使得客户、最终用户以及Akamai的业务受益良多。


下一步


平滑传送速率限制(SDRL)是Smooth Delivery故事的第二部分,它将进一步提高网络效率。它允许我们基于每个连接来决定使用多少的带宽,以及是否根据应用程序的需要增加或减少最大带宽。反过来,SDRL将通过减少突发和限制带宽竞争来减少拥塞。


据估计,SDRL取决于它的应用方式,并且可以将拥塞和峰值带宽需求降低多达4%。我们目前正在制定实验,来帮助我们更好地了解速率限制的全部潜在影响。


————————————————

版权声明:本文为CSDN博主「LiveVideoStack_」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/vn9PLgZvnPs1522s82g/article/details/88414954


「视频云技术」你最值得关注的音视频技术公众号,每周推送来自阿里云一线的实践技术文章,在这里与音视频领域一流工程师交流切磋。

阿里云视频云@凡科快图.png

相关文章
|
1月前
|
机器学习/深度学习 编解码 算法
图像超分:RFB-ESRGAN(Perceptual Extreme Super Resolution Network with Receptive Field Block)
图像超分:RFB-ESRGAN(Perceptual Extreme Super Resolution Network with Receptive Field Block)
42 0
|
机器学习/深度学习 开发框架 .NET
YOLOv5的Tricks | 【Trick6】学习率调整策略(One Cycle Policy、余弦退火等)
YOLOv5的Tricks | 【Trick6】学习率调整策略(One Cycle Policy、余弦退火等)
1766 0
YOLOv5的Tricks | 【Trick6】学习率调整策略(One Cycle Policy、余弦退火等)
|
1月前
|
机器学习/深度学习 自然语言处理
大模型Scaling Law同样适用于下游任务性能?
【2月更文挑战第16天】大模型Scaling Law同样适用于下游任务性能?
54 2
大模型Scaling Law同样适用于下游任务性能?
连续令牌Continuous Tokens和联合曲线bonding curves
连续令牌Continuous Tokens和联合曲线bonding curves
|
6月前
paraformer支持设置 speech_noise_threshold 这个参数吗 ?
请问:speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-pytorch 这个模型支持设置 speech_noise_threshold 这个参数吗 ? vad 本身是支持的,但对这个集成的模型好像不起作用? 如果支持,应该如何正确地设置呢 ? 如果不支持,那该模型有没有什么方法可以过滤掉背景噪声? 经常会有背景噪声被识别出文字
32 0
|
8月前
|
机器学习/深度学习 算法
少样本学习系列(三)【Optimization-Based Methods】
少样本学习系列(三)【Optimization-Based Methods】
|
8月前
|
机器学习/深度学习 数据采集 计算机视觉
少样本学习系列(一)【Metrics-Based Methods】
少样本学习系列(一)【Metrics-Based Methods】
|
存储 机器学习/深度学习 编解码
目标检测的Tricks | 【Trick2】自动混合精度(Automatic mixed precision)
目标检测的Tricks | 【Trick2】自动混合精度(Automatic mixed precision)
240 0
|
编解码
猪笼草表面连续定向输水Continuous directional water transport on the peristome surface of Nepenthes alata-2016-阅读笔记
打破了传统水往下流的思路,仿生猪笼草表面结构,提出定向水传输结构。
SAP QM维护检验计划指派取样策略时候报错:Sampling procedure is not permitted for insp.point-related inspection
SAP QM维护检验计划指派取样策略时候报错:Sampling procedure is not permitted for insp.point-related inspection
SAP QM维护检验计划指派取样策略时候报错:Sampling procedure is not permitted for insp.point-related inspection