发布时间:2026/8/27 11:42:24
可靠传输协议实战:Python模拟GBN与SR协议,窗口大小对吞吐量影响的5组实验 可靠传输协议实战Python模拟GBN与SR协议窗口大小对吞吐量影响的5组实验1. 实验环境搭建与核心概念在开始模拟实验前我们需要先理解几个关键概念。回退N帧GBN和选择重传SR协议都是基于滑动窗口的可靠传输协议它们解决了停止-等待协议信道利用率低的问题。GBN协议特点发送窗口大小 1接收窗口大小1累积确认机制出错时回退到出错帧重传所有后续帧SR协议特点发送窗口和接收窗口都1单独确认机制只重传真正丢失或损坏的帧实验环境准备import random import time import matplotlib.pyplot as plt from collections import deque class Packet: def __init__(self, seq_num, dataNone): self.seq_num seq_num self.data data self.timestamp time.time()2. GBN协议Python实现2.1 发送方实现class GBNSender: def __init__(self, window_size, timeout2.0): self.window_size window_size self.timeout timeout self.base 0 self.next_seq 0 self.packets [] self.timers {} def send(self, data): if self.next_seq self.base self.window_size: packet Packet(self.next_seq, data) self.packets.append(packet) self.timers[self.next_seq] time.time() self.next_seq 1 return packet return None def receive_ack(self, ack_num): if ack_num self.base: self.base ack_num 1 # 清除已确认的定时器 for seq in list(self.timers.keys()): if seq ack_num: del self.timers[seq] def check_timeout(self): current_time time.time() for seq, send_time in list(self.timers.items()): if current_time - send_time self.timeout: self.next_seq self.base # 回退N帧 return True return False2.2 接收方实现class GBNReceiver: def __init__(self): self.expected_seq 0 def receive(self, packet): if packet.seq_num self.expected_seq: self.expected_seq 1 return self.expected_seq - 1 # 返回确认号 return self.expected_seq - 1 # 重复确认3. SR协议Python实现3.1 发送方实现class SRSender: def __init__(self, window_size, timeout2.0): self.window_size window_size self.timeout timeout self.base 0 self.next_seq 0 self.packets [] self.ack_received {} self.timers {} def send(self, data): if self.next_seq self.base self.window_size: packet Packet(self.next_seq, data) self.packets.append(packet) self.timers[self.next_seq] time.time() self.ack_received[self.next_seq] False self.next_seq 1 return packet return None def receive_ack(self, ack_num): if ack_num in self.ack_received: self.ack_received[ack_num] True del self.timers[ack_num] while self.base in self.ack_received and self.ack_received[self.base]: del self.ack_received[self.base] self.base 1 def check_timeout(self): current_time time.time() retransmit_seqs [] for seq, send_time in self.timers.items(): if current_time - send_time self.timeout: retransmit_seqs.append(seq) self.timers[seq] time.time() # 重置定时器 return retransmit_seqs3.2 接收方实现class SRReceiver: def __init__(self, window_size): self.window_size window_size self.rcv_base 0 self.rcv_buffer {} def receive(self, packet): if packet.seq_num self.rcv_base and packet.seq_num self.rcv_base self.window_size: self.rcv_buffer[packet.seq_num] packet # 检查是否有连续的包可以交付 while self.rcv_base in self.rcv_buffer: del self.rcv_buffer[self.rcv_base] self.rcv_base 1 return packet.seq_num elif packet.seq_num self.rcv_base: return packet.seq_num # 重复确认 return None4. 实验设计与执行4.1 实验参数设置我们将测试5组不同的窗口大小配置实验组窗口大小数据包总数丢包率1410005%2810005%31610005%43210005%56410005%4.2 实验执行代码def simulate_protocol(protocol_class, window_size, total_packets, loss_rate): if protocol_class GBN: sender GBNSender(window_size) receiver GBNReceiver() else: sender SRSender(window_size) receiver SRReceiver(window_size) sent_count 0 acked_count 0 retrans_count 0 start_time time.time() while acked_count total_packets: # 发送新数据包 while sent_count total_packets and sender.next_seq sender.base window_size: packet sender.send(fData-{sent_count}) if packet: if random.random() loss_rate: # 模拟丢包 ack receiver.receive(packet) if ack is not None: sender.receive_ack(ack) acked_count 1 sent_count 1 # 检查超时 if protocol_class GBN: if sender.check_timeout(): retrans_count (sender.next_seq - sender.base) sender.next_seq sender.base # 回退 else: retrans_seqs sender.check_timeout() retrans_count len(retrans_seqs) for seq in retrans_seqs: packet sender.packets[seq] if random.random() loss_rate: # 模拟丢包 ack receiver.receive(packet) if ack is not None: sender.receive_ack(ack) total_time time.time() - start_time throughput total_packets / total_time return throughput, retrans_count # 执行实验 window_sizes [4, 8, 16, 32, 64] gbn_results [] sr_results [] for ws in window_sizes: gbn_throughput, gbn_retrans simulate_protocol(GBN, ws, 1000, 0.05) sr_throughput, sr_retrans simulate_protocol(SR, ws, 1000, 0.05) gbn_results.append(gbn_throughput) sr_results.append(sr_throughput) print(fWindow Size: {ws}) print(f GBN - Throughput: {gbn_throughput:.2f} pkts/s, Retrans: {gbn_retrans}) print(f SR - Throughput: {sr_throughput:.2f} pkts/s, Retrans: {sr_retrans})5. 实验结果分析与可视化5.1 吞吐量对比plt.figure(figsize(10, 6)) plt.plot(window_sizes, gbn_results, o-, labelGBN Protocol) plt.plot(window_sizes, sr_results, s-, labelSR Protocol) plt.xlabel(Window Size) plt.ylabel(Throughput (packets/second)) plt.title(Throughput Comparison between GBN and SR Protocols) plt.legend() plt.grid(True) plt.show()5.2 关键发现窗口大小与吞吐量的关系两种协议的吞吐量都随窗口大小增加而提高小窗口时GBN和SR性能接近窗口16后SR优势明显重传效率差异GBN平均重传次数比SR高30-50%高丢包率下SR优势更明显最佳窗口大小在5%丢包率下窗口32-64达到最佳平衡点继续增大窗口带来的提升递减5.3 实际应用建议低延迟网络窗口大小可设置为带宽延迟积的1.5倍GBN实现简单适合嵌入式系统高延迟/高丢包网络优先选择SR协议窗口大小需要动态调整实现优化技巧使用选择性ACK减少重传动态调整超时时间接收端缓冲管理优化6. 扩展实验与优化方向6.1 动态窗口调整实验class AdaptiveSender(SRSender): def __init__(self, max_window, min_window4, timeout2.0): super().__init__(min_window, timeout) self.max_window max_window self.loss_history [] def update_window(self): # 基于最近10个包的丢包率调整窗口 if len(self.loss_history) 10: loss_rate sum(self.loss_history[-10:]) / 10 if loss_rate 0.05: self.window_size min(self.window_size * 1.5, self.max_window) else: self.window_size max(self.window_size * 0.8, 4)6.2 混合ARQ方案结合GBN和SR的优点对连续正确接收的帧使用累积确认对丢失的帧使用选择性重传动态切换模式基于网络状况class HybridARQ: def __init__(self, max_window): self.sr_mode False self.window_size 4 self.max_window max_window self.consecutive_errors 0 def on_packet_loss(self): self.consecutive_errors 1 if self.consecutive_errors 3 and not self.sr_mode: self.switch_to_sr() def on_success(self): self.consecutive_errors 0 if self.sr_mode and self.window_size 16: self.switch_to_gbn()在实际项目中实现这些协议时还需要考虑内存管理、定时器效率和并发处理等工程问题。Python原型验证后可以用C等语言实现生产级版本。

相关新闻

2026/8/27 8:50:46

大数据计算机毕设之基于大数据评分的协同过滤电影推荐系统的设计与实现 基于 Django 的电影相似度计算与智能推荐系统(完整前后端代码+说明文档+LW,调试定制等)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

2026/8/27 22:34:28

数据预处理避坑指南:标准化与归一化的5个常见误用场景分析

数据预处理避坑指南:标准化与归一化的5个常见误用场景分析 1. 异常值陷阱:当极值成为数据刺客 在房价预测项目中,我们曾遇到一个典型案例:某小区因包含少量别墅房源,面积特征出现极端值(最大5000㎡&#x…

2026/8/27 19:56:48

【大数据毕业设计】融合协同过滤与用户画像的电影推荐系统的设计与实现 基于 Python+Django 的电影智能个性化推送系统(源码+文档+远程调试,全bao定制等)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

2026/8/28 2:00:41

AI模型仓库安全基线配置与密钥泄露防护实践

无法生成该主题的技术博文。这个标题涉及的是一起涉外法律事件、公司间纠纷和网络安全入侵事件,属于新闻和法律范畴,而不是可以在博客中安全展开的工程实践教程。输入材料中没有提供任何可验证的技术细节、代码、配置或实现流程,无法补全成一…

2026/8/28 1:30:39

选择排序算法

/*** 选择排序。* author Bright Lee*/ public class SelectionSort {public static void sort(int[] array) {for (int i 0; i < array.length; i) {int minIndex i;for (int j i 1; j < array.length; j) {if (array[j] < array[minIndex]) {minIndex j;}}int …

2026/8/28 1:15:38

跨角色协作如何化解产品冲突

跨角色协作如何化解产品冲突创业团队围绕智能产品争论时&#xff0c;真正冲突的往往不是某个功能&#xff0c;而是谁承担错误的后果。产品想验证需求&#xff0c;工程担心输出不可控&#xff0c;销售希望给客户明确承诺。把讨论压成“大家对齐一下”&#xff0c;问题通常只会延…

2026/8/28 1:10:38

法学专业注意:2026年AIGC检测越来越严,论文AI率超标的自救指南

法学专业的论文写作&#xff0c;在2026年迎来了最严监管年&#xff1a;各大高校法学院普遍在查重之外加设AIGC检测&#xff0c;有的学校明确要求毕业论文AI率不得超过20%&#xff0c;超标直接延期答辩。法学论文本身法条引用多、程式化表达多&#xff0c;天然容易被检测系统&qu…

2026/8/28 0:20:35

AI Agent工具调用安全:Pyshackle执行前门禁实践

在 AI Agent 应用里&#xff0c;工具调用&#xff08;tool call&#xff09;是连接大模型能力和真实世界的桥梁。Agent 决定调用哪个工具、填入什么参数&#xff0c;执行器再做删除文件、发送邮件、查询数据库等真实操作。这个机制非常实用&#xff0c;但也把安全边界放到了很不…

2026/8/26 9:13:28

[光学原理与应用-521]:对光的错误理解与纠偏

首先光是一种能量的载体和形态&#xff0c;宏观上观察到的光是由无数个微观的光量子组成的&#xff0c;每个光子在产生的瞬间&#xff0c;其在真空的空间中以确定不变的速度沿着一个初始的方向一直向前&#xff0c;在微观层面&#xff0c;每个光量子的运动轨迹是以波函数所展现…

2026/8/27 10:58:22

SIP通话转接原理与REFER方法实战解析

1. 通话转接不是“挂断再拨号”&#xff0c;而是SIP会话的动态重定向你有没有遇到过这样的场景&#xff1a;客服坐席A正在和客户通电话&#xff0c;突然需要把这通对话无缝转给专家坐席B&#xff0c;客户完全感知不到中间的断连——既没听到忙音&#xff0c;也没被要求重新拨号…

2026/8/27 7:46:21

Kolla-ansible单节点OpenStack部署实战:从环境准备到排坑指南

1. 为什么选择Kolla-ansible来部署单节点OpenStack&#xff1f;如果你正在寻找一种能把OpenStack从“概念”快速变成“可用的实验环境”的方法&#xff0c;那么Kolla-ansible几乎是当前最主流、最省心的选择。我见过太多人卡在手动编译依赖、配置服务、处理版本冲突的泥潭里&am…

2026/8/28 0:00:34

2026学术工具专业测评|Paperxie全维度性能实测报告[特殊字符]

2026年国内高校毕业论文审核体系全面升级&#xff0c;重复率查重AIGC人工智能检测双检机制正式常态化落地&#xff0c;多所高校明确执行“双项一票否决”制度&#xff0c;重复率超标或AI生成痕迹不达标&#xff0c;均直接取消答辩资格。随着抽检力度加大、学术规范要求升级&…

2026/8/28 0:00:34

凭什么稳居论文工具顶流[特殊字符]Paperxie综合实力深度全解析

2026年论文双检内卷严重&#xff0c;市面上AI论文工具层出不穷&#xff0c;但大多只是单一功能凑数、模板化严重、双检高风险、套路收费。 在一众同质化工具里&#xff0c;Paperxie能长期稳居行业顶流、成为应届生公认毕业神器&#xff0c;从来不是靠营销&#xff0c;而是靠实…

2026/8/28 0:00:34

2026论文工具深度测评|为什么Paperxie是目前最稳的学术工具✅

2026高校论文查重AIGC双检严查常态化。 市面上绝大多数AI论文工具依旧存在明显短板&#xff1a;模板感重、AI痕迹超标、改写毁逻辑、收费套路多、查重不准、格式适配差。 在全网工具普遍“偏科”的现状下&#xff0c;Paperxie凭借全维度均衡实力脱颖而出&#xff0c;成为适配…

2026/8/26 19:34:06

实测才敢推 AI论文网站 2026最新测评与推荐

2026年真正好用的AI论文网站&#xff0c;核心看生成的论文质量、低AI味、格式正确、学术适配四大指标。综合实测&#xff0c;千笔AI、ThouPen、豆包、DeepSeek、Grammarly 是当前最值得推荐的梯队&#xff0c;覆盖从免费到付费、从中文到英文、从文科到理工的全场景需求。一、综…

2026/8/26 19:17:08

2026必备!AI论文网站测评:最新推荐与深度对比

2026年真正好用的AI论文网站&#xff0c;核心看生成的论文质量、低AI味、格式正确、学术适配四大指标。综合实测&#xff0c;千笔AI、ThouPen、豆包、DeepSeek、Grammarly 是当前最值得推荐的梯队&#xff0c;覆盖从免费到付费、从中文到英文、从文科到理工的全场景需求。 一、…

2026/8/26 19:34:05

摆脱论文困扰!盘点2026年全网爆红的的AI论文写作工具

一天写完毕业论文在2026年已不再是天方夜谭。2026年最炸裂、实测能大幅提速的AI论文写作工具&#xff0c;覆盖选题构思、文献整理、内容生成、格式排版等核心场景&#xff0c;真正帮你高效搞定论文难题。 一、全流程王者&#xff1a;一站式搞定论文全链路&#xff08;一天定稿首…