QOS 之 WRED

简介:

Tail Drop

Weighted Random Early Detection (WRED)

WRED—Explicit Congestion Notification

Frame Relay Discard Dligible (DE)

在网络发生拥塞的时候,默认的是尾丢弃,我们不希望这样,我们总是希望先丢弃优先级低的数据包,而保证优先级高的数据包的发送,WRED是基于weight的随机早侦测,工作思想和WFQ有相同之处,因为WFQ在工作时,是依靠流量的优先级来分配相应带宽的,而WRED却是依靠流量的优先级来分配相应的丢弃几率的。当网络中有多种数据时,在发生拥塞之后,人们总是希望先将优先级较低的相对不重要的数据丢弃,而优先保证重要数据的传递。WRED正是迎合了人们的这种期望,在网络发生拥塞之后,总是先保证高优先级的重要数据的传递,而先丢弃普通的数据。 WRED在网络发生拥塞之后,可根据数据包的DSCP或IP优先级来丢弃数据包,低优先级的数据总是比高优先级的数据先丢,从而保证重要数据的传递。在默认情况下,是根据数据包的IP优先级来决定如何丢弃的。

WRED在应用时,只能应用于接口下,或者和WFQ与CBWFQ一起使用,之所以不能和PQ一样的队列同时使用,是因为PQ或LLQ都有自己的保护和丢弃机制,WRED对数据的操作没有太多意义。

R1(config)#int s1/0
R1(config-if)#ra
R1(config-if)#ra
R1(config-if)#radm
R1(config-if)#rand
R1(config-if)#random-detect 
R1(config-if)#random-detect ?
  dscp                            parameters for each dscp value
  dscp-based                      Enable dscp based WRED on an inteface
  exponential-weighting-constant  weight for mean queue depth calculation
  flow                            enable flow based WRED
  prec-based                      Enable prec based WRED on an interface
  precedence                      parameters for each precedence value

R1#show queueing random-detect 
Current random-detect configuration:
  Serial1/0
    Queueing strategy: random early detection (WRED)
    Random-detect not active on the dialer
    Exp-weight-constant: 9 (1/512)
    Mean queue depth: 0

   dscp          Random drop      Tail drop    Minimum Maximum  Mark
                  pkts/bytes       pkts/bytes    thresh  thresh  prob
   af11      0/0              0/0           33      40  1/10
   af12      0/0              0/0           28      40  1/10
   af13      0/0              0/0           24      40  1/10
   af21      0/0              0/0           33      40  1/10
   af22      0/0              0/0           28      40  1/10
   af23      0/0              0/0           24      40  1/10
   af31      0/0              0/0           33      40  1/10
   af32      0/0              0/0           28      40  1/10
   af33      0/0              0/0           24      40  1/10
   af41      0/0              0/0           33      40  1/10
   af42      0/0              0/0           28      40  1/10
   af43      0/0              0/0           24      40  1/10
    cs1      0/0              0/0           22      40  1/10
    cs2      0/0              0/0           24      40  1/10
    cs3      0/0              0/0           26      40  1/10
    cs4      0/0              0/0           28      40  1/10
    cs5      0/0              0/0           31      40  1/10
    cs6      0/0              0/0           33      40  1/10
    cs7      0/0              0/0           35      40  1/10
     ef      0/0              0/0           37      40  1/10
   rsvp      0/0              0/0           37      40  1/10
default       0/0              0/0           20      40  1/10

在CBWFQ下的运用

Router(config)#policy-map WWW

Router(config-pmap)#class class-default

Router(config-pmap-c)#bandwidth 1000000

 Router(config-pmap-c)#random-detect

WRED—Explicit Congestion Notification

引起网络拥塞的原因就是数据源发送了过量的数据包,而ECN(明确拥塞通告)就是通过发送警告,让数据源知道网络已经发生拥塞,从而可以降低自己发送数据包的速度。但是如果数据源不支持ECN,那么所发送的流量照丢不误。 配置ECN时,必须开启WRED,并且需要配合WFQ或CBWFQ使用。

Router(config)#policy-map CBWFQ

Router(config-pmap)#class class-default

Router(config-pmap-c)#bandwidth percent 75

Router(config-pmap-c)#random-detect

Router(config-pmap-c)#random-detect ecn

Frame Relay Discard Dligible (DE)

在Frame Relay网络中,数据包中标有Discard Dligible (DE)字段,该字段告诉设备数据包的重要性,如果为1,表示该数据包并不重要,在网络发生拥塞时可以优先被丢弃,如果为0,则表示在将为1的数据包全部丢光的情况下,才可被丢弃,所有数据包的DE字段默认为0。 可以将特定数据包的DE字段设置为1。

r1(config)#access-list 100 permit ip any 10.1.1.0 0.0.0.255

r1(config)#frame-relay de-list 1 protocol ip list 100

r1(config)#int s0/0 r1(config-if)#frame-relay de-group 1 102



本文转自q狼的诱惑 51CTO博客,原文链接:http://blog.51cto.com/liangrui/552246,如需转载请自行联系原作者

相关文章
|
4月前
|
数据采集 数据挖掘 索引
HiChIP 数据分析: 用HiC-Pro预处理原始数据
HiChIP 数据分析: 用HiC-Pro预处理原始数据
|
负载均衡 网络协议 算法
|
12月前
|
机器学习/深度学习 存储 人工智能
【AI系统】感知量化训练 QAT
本文介绍感知量化训练(QAT)流程,旨在减少神经网络从FP32量化至INT8时的精度损失。通过在模型中插入伪量化节点(FakeQuant)模拟量化误差,并在训练中最小化这些误差,使模型适应量化环境。文章还探讨了伪量化节点的作用、正向与反向传播处理、TensorRT中的QAT模型高效推理,以及QAT与PTQ的对比,提供了实践技巧,如从良好校准的PTQ模型开始、采用余弦退火学习率计划等。
748 3
【AI系统】感知量化训练 QAT
|
安全 5G 网络性能优化
IEEE802.1, IEEE802.3和IEEE802.11的分类(仅为分类)
IEEE802.1, IEEE802.3和IEEE802.11的分类(仅为分类)
995 4
|
存储 网络协议 大数据
一文读懂RDMA: Remote Direct Memory Access(远程直接内存访问)
该文档详细介绍了RDMA(远程直接内存访问)技术的基本原理、主要特点及其编程接口。RDMA通过硬件直接在应用程序间搬移数据,绕过操作系统协议栈,显著提升网络通信效率,尤其适用于高性能计算和大数据处理等场景。文档还提供了RDMA编程接口的概述及示例代码,帮助开发者更好地理解和应用这一技术。
|
网络协议 网络虚拟化
10.1.1.0/31这个地址到底能不能用?31位长度的掩码是怎么回事?
10.1.1.0/31这个地址到底能不能用?31位长度的掩码是怎么回事?
|
Prometheus 监控 Kubernetes
将service类型由"ClusterIP"改为"NodePort"无法使用nodeip+端口访问服务解决方法.
将service类型由"ClusterIP"改为"NodePort"无法使用nodeip+端口访问服务解决方法.
|
机器学习/深度学习 计算机视觉
【YOLOv8改进】MSFN(Multi-Scale Feed-Forward Network):多尺度前馈网络
**HCANet: 高光谱图像去噪新方法**\n混合卷积与注意力网络(Hybrid Convolutional and Attention Network)是针对HSI去噪的创新模型,结合CNN和Transformer,强化全局与局部特征。它使用卷积注意力融合模块捕获长距离依赖和局部光谱相关性,多尺度前馈网络提升多尺度信息聚合。代码可在[GitHub](https://github.com/summitgao/HCANet)获取。
|
存储 安全 Android开发
Android系统 自定义系统和应用权限
Android系统 自定义系统和应用权限
857 0
|
SQL 数据库连接 数据库
java.sql.SQLTimeoutException: ORA-01013: 用户请求取消当前的操作
java.sql.SQLTimeoutException: ORA-01013: 用户请求取消当前的操作
698 0
java.sql.SQLTimeoutException: ORA-01013: 用户请求取消当前的操作