新手学做网站编程,软件园,网站建设没有预付款,做粉丝网站不要将长流和短突发流(或者大象流和老鼠流)混部在一起#xff0c;我建议用切片或虚通道将它们在全链路范围彻底隔离#xff0c;而不仅仅在交换机上配合着大肆宣讲的高端包分类算法配置一些排队调度。
也不必扯泊松到达#xff0c;帕累托分布#xff0c;这些概念在论文建模…不要将长流和短突发流(或者大象流和老鼠流)混部在一起我建议用切片或虚通道将它们在全链路范围彻底隔离而不仅仅在交换机上配合着大肆宣讲的高端包分类算法配置一些排队调度。
也不必扯泊松到达帕累托分布这些概念在论文建模时再见单单理解为什么要按突发长度分流(即 burst 率)以及不分流有哪些坏处初中几何知识就直观了。
设 n 条突发长度分别为 a1a2…an 的流 f1f2…fn 共享链路每条流原子突发不可从中切断且 a1 a2 … an K即这些流的突发长度均值为常数问新流 fx 进入链路需要等待多久才能获得传输服务。
解释一下突发长度的原子性纯为了处理方便而取了极端另一个极端是所有流都以固定 pacing rate 时分复用链路而现实处于两个极端之间。
先图示一下新流和 a1 … an 冲突的概率以及对应的平均等待时间 整个问题如下图描述
所以你看让共享链路的流突发长度趋于相等等待时间就能趋于最小反过来如果它们之间差异很大等待时间就趋于更长。
以上这个图解是我从经典教材习题变化而来的原始问题表述之一是 “假设公共汽车平均 10 分钟到达一个特定公交车站到达之间的时间呈 ‘指数分布’若一个人在一随机时间到达公交车站那么他等车时间的期望值是多少” 本文对这问题不解释。
要深入分析流隔离时才需要建模用指数分布还是帕累托分布只是一个选择结论不会变。但现实数据用帕累托分布拟合得更好因为网络流量存在自相似性特别是数据中心内部的流量往往存在长程依赖。
用排队论建模分析时使不使帕累托分布不重要但不建议用指数分布因为流量之间存在依赖关联并非完全独立所以基于独立事件的指数分布导出的结论往往有悖直觉又得 battle。
在实践中存在一种 sita(size-interval-task-assignment) 任务分配策略背后就是我这里描述的按照突发长度分流实践表明它的平均排队时间(或队列长度)指标在绝大多数情况下优于 round-robin大多数情况下优于 jsq(join-the- shortest-queue)。
p99 时延高往往是抖动而不是绝对时延高所以你会发现 p50 并不高甚至 p90 都不高。如果绝对时延高p50 都能直接起飞非常容易发现。绝对时延高往往是 bufferbloat 引发也容易解决。困扰经理的是去抖动而去抖动的方法就是分流听我的没错。
隔离了长短流肉眼可见的是抖动下降但绝对排队时间的下降往往要用工具度量它都不抖了经理就觉得正常了不会没事找事去关注队列长度只有亲自度量才会发现时延绝对值也变低了都是好事。
再说下隔离长度流后对长流的好处长流可用非常简单(very simple)的拥塞控制算法对共享链路分时复用而交换机简单 round-robin 甚至 random 即可我此前的 inflight 守恒算法正当用武之地。
老问题咋区分流的突发长短别问我业务自己知道写代码时多写个 getlength 就不用天天跟系统 oncall 掰扯了业务总得自己做点什么。网络侧要做的要统计流突发长度分布分布单流 buffer 占用率分布依照这些分布选取截止值。
引申一下不光流突发长度由于长程依赖近似帕累托分布流长度本身也应该近似帕累托分布依这个推论主机侧内存管理也可以分区池化来预防抖动。
大概也就这两个东西可圈可点长短分流和 inflight 守恒算法。
浙江温州皮鞋湿下雨进水不会胖。
