Max-Min Fairness带宽分配算法

最近再写一个网络仿真器，里面参考了Max-MinFairness算法，这是一种比较理想、公平的带宽分配算法。其思路主要如下：首先是算法的准备，考察某一时刻的网络中所有的flow，由于每条flow都有其各个link，因此可以得到各个link上所有流经的flow，然后开始迭代，各个link都把capacity平均分给所有流经的flow，接着每条flow的速度就等于其最小link分配的带宽，然后每条link的剩余带宽就等于link的capacity减去所有流经的flow的速度的总和，再然后把link的剩余带宽作为capacity重新进行上面的迭代，直至所有flow在迭代中获得的带宽都小于一个阈值时，算法结束，带宽分配完成。

让我们来分析这个算法并考虑如何加速该算法的执行速度。首先，对于一些bottleneck的link，流经其的flow早早就不能分配带宽了，因此如果发现在某个迭代中某条link能够分配的带宽已经小于阈值，那么在下一轮迭代，所有流经其的flow都不再考察，即使某些flow并不是以该link为bottleneck，因此，算法结束的条件可以改为当所有flow都不再考察的时候。这样对不对呢，让我们分析一下。以该link为bottleneck的flow自然不用说了，所谓的bottleneck就是能够获取的带宽最小的link，那么最小的link已经不能分配带宽了，该flow自然不再考察。但不是以该link作为bottleneck的flow呢，它们有更小带宽的link，但是如果该link不是你的bottleneck，已经不能分配带宽了，那就刚不用说更小带宽的link了，所以这些flow也应该不再考察。好，算法的讲解和分析就到这儿了，下面就是算法的实现，笔者采用的Java语言。

public Map<Integer, List<TrafficState>> run() {Map<Integer, List<TrafficState>> resultMap = new HashMap<Integer, List<TrafficState>>();int current = 0;// PrintWriter resultWriter = new PrintWriter(resultFileName);while (current < runtime) {List<Integer> runningFlowList = new ArrayList<Integer>();// the first traverse,add the new flows and remove the shopped flowfor (int i = 0; i < graph.traffics.size(); i++) {Traffic currentTraffic = graph.traffics.get(i);int starttime = currentTraffic.start;if (starttime <= current && !currentTraffic.isStopped) {List<Integer> linksList = currentTraffic.links;if (currentTraffic.totlesize == 0) {// start a new flowcurrentTraffic.totlesize = currentTraffic.flowsize;currentTraffic.leftsize = currentTraffic.totlesize;for (Integer linkno : linksList) {graph.links.get(linkno).trafficList.add(currentTraffic);}}// calculate the transfer bytes in a epochcurrentTraffic.epochsize = currentTraffic.speed* ((float) period / 1000);currentTraffic.leftsize -= currentTraffic.epochsize;if (currentTraffic.leftsize <= 0|| currentTraffic.end == current) {// no more flowsize or time is up,stop itcurrentTraffic.isStopped = true;for (Integer linkno : linksList) {graph.links.get(linkno).trafficList.remove(currentTraffic);}} elserunningFlowList.add(i);}}// print the measurementif (printTimeSet.contains(current)) {List<TrafficState> stateList = new ArrayList<TrafficState>();for (Traffic traffic : graph.traffics) {//not the stop flows and the start ones just nowif (!traffic.isStopped && traffic.totlesize != 0&& traffic.speed != 0) {TrafficState state = new TrafficState();state.setBytes(traffic.epochsize);state.setDestination(traffic.destination);state.setSource(traffic.source);state.setThruput(traffic.speed);String pathString = traffic.source;int lastNode = Integer.parseInt(traffic.source);for (Integer linkno : traffic.links) {if (lastNode == graph.links.get(linkno).source) {pathString += ","+ graph.links.get(linkno).target;lastNode = graph.links.get(linkno).target;} else {pathString += ","+ graph.links.get(linkno).source;lastNode = graph.links.get(linkno).source;}// pathString += "," +// graph.links.get(linkno).target;}state.setPathString(pathString);state.setStarttime(traffic.start);state.setFlowsize(traffic.flowsize);state.setEndtime(traffic.end);stateList.add(state);}}resultMap.put(current, stateList);}// initialize all the links and trafficsfor (Link link : graph.links) {link.leftCapacity = link.capacity;}for (Traffic traffic : graph.traffics) {traffic.speed = 0;}Set<Integer> finishedTrafficSet = new HashSet<Integer>();// the second traverse,set the throughput of each flow in next// iterationwhile (finishedTrafficSet.size() < runningFlowList.size()) {for (int i = 0; i < runningFlowList.size(); i++) {if (!finishedTrafficSet.contains(runningFlowList.get(i))) {Traffic currentTraffic = graph.traffics.get(runningFlowList.get(i));currentTraffic.increSpeed = Float.MAX_VALUE;Link minLink = null;for (Integer linkno : currentTraffic.links) {Link currentLink = graph.links.get(linkno);int existFlowNum = 0;// the number of exist flowsfor (Traffic traffic : currentLink.trafficList) {if (traffic.increSpeed != 0|| traffic.speed == 0) {existFlowNum++;}}float currentLinkSpeed = (float) currentLink.leftCapacity/ (float) existFlowNum;if (currentLinkSpeed < currentTraffic.increSpeed) {currentTraffic.increSpeed = currentLinkSpeed;minLink = currentLink;}}if (currentTraffic.increSpeed > 5)currentTraffic.speed += currentTraffic.increSpeed;else {currentTraffic.increSpeed = 0;if (minLink != null) {for (Traffic traffic : minLink.trafficList) {traffic.increSpeed = 0;finishedTrafficSet.add(graph.traffics.indexOf(traffic));}} elsefinishedTrafficSet.add(runningFlowList.get(i));}}}// link left capacity decrease the traffic increase throughputfor (Link link : graph.links) {for (Traffic traffic : link.trafficList) {link.leftCapacity -= traffic.increSpeed;}}}current += period;}// resultWriter.close();return resultMap;}

Max-Min Fairness带宽分配算法相关推荐

Max-Min 带宽公平分配算法
Max-Min 带宽公平分配算法算法的核心思想是每条通路平等地享有分配带宽的权利. 通路上的瓶颈线路决定该通路上路径的最大分配带宽.(如果有M条通道经过该通路,则每条通道的带宽为通路带宽/M) 形 ...
python分配红包程序_Python版微信红包分配算法
Python版微信红包分配算法发布于 2015-05-08 10:54:23 | 151 次阅读 | 评论: 0 | 来源: 网友投递 Python编程语言Python 是一种面向对象.解释型计算机 ...
弱网优化，GCC 动态带宽评估算法（内附详细公式）
通过上次的<RTC 系统音视频传输弱网对抗技术概览>,我们知道 RTC 的三大核心指标为实时性.清晰度.流畅度.在整个通话过程中核心表现达标,才能给用户一个基本的良好体验.关注[融云全球互 ...
java红包正态分布_红包分配算法
微信红包的分配算法,在知乎上已经有人讨论过了,详见<微信红包的随机算法是怎样实现的?>.基本的原则是:红包分配的钱数满足截尾正态随机数分布. 大致为在截尾正态分布中取随机数,并用其求和数除 ...
操作系统-动态内存分配算法
内存分配算法 1.首次适应算法(FF) 2.循环首次适应算法(NF) 3.最佳适应算法(BF) 4.最坏适应算法(WF) 本程序使用前端技术实现(html+css+JavaScript) 新建以下文件 ...
WebRTC的带宽分配(1): 流级别分配
今天来聊一聊WebRTC的带宽分配(BWA,Bandwidth Allocation),带宽分配是将带宽估计(BWE,Bandwidth Estimation)的结果分配到不同的流上面. 因此带宽分配 ...
【频谱分配】基于频谱空洞预留算法的频谱分配算法的matlab仿真
1.软件版本 MATLAB2013a 2.本算法理论知识基于概率切换和最小化概率切换的频谱切换算法,由于过多的考虑了资源的合理利用,使得次用户的不切换概率并大于等于的情况,从而导致对应的次用户的服务 ...
基于顺序搜索的动态分区分配算法模拟内存动态分配--最佳适应算法（best fit,BF）
BF算法.男朋友算法,哈哈要实现动态分区分配,需要考虑三个方面的问题.分别是数据结构.分区分配算法.分区的分配与回收操作. 首数据结构这里我们使用的是空闲分区链,采用双向链表表示空闲分区. 具体实 ...

Max-Min Fairness带宽分配算法

Max-Min Fairness带宽分配算法相关推荐

最新文章

热门文章