Experiences using Gateway-Enforced Rate-Limiting Techniques in Wireless Mesh Networks
Notice bibliographique
Résumé
Gateway nodes in a wireless mesh network (WMN) bridge traffic between the mesh nodes and the public Internet. This makes them a suitable aggregation point for policy enforcement or other traffic-shaping responsibilities that may be required to support a scalable, functional mesh network. In this paper we evaluate two gateway-enforced rate-limiting mechanisms so as to avoid congestion and support network-level fairness: automated queue management (AQM) techniques that have previously been widely studied in the context of wired networks, and our gateway rate control (GRC) mechanism. We evaluate the performance of these two techniques through simulations of an 802.11-based multihop mesh network. Our experiments show that the conventional use of AQM techniques fails to provide effective congestion control as these mesh networks exhibit different congestion characteristics than wired networks. Specifically, in a wired network, packet losses under congestion occur at the router queue feeding the bottleneck link. By contrast, in a WMN, many such geographically dispersed points of contention may exist due to asymmetric views of the channel state between different mesh routers. As such, gateway rate-limiting techniques like AQM are ineffective as the gateway queue is not the only bottleneck. Our GRC protocol takes a different approach by rate limiting each active flow to its fair share, thus preserving enough capacity to allow the disadvantaged flows to obtain their fair share of the network throughput. The GRC technique can be further extended to provide quality of service (QoS) guarantees or enforce different notions of fairness.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».