Details

Целью работы является разработка модели адаптивной компрессии трафика, обеспечивающей повышение эффективности передачи данных за счёт динамического выбора алгоритма сжатия с учётом характеристик трафика и состояния сети. Для достижения поставленной цели решены следующие задачи: выполнен анализ алгоритмов компрессии трафика; определены критерии эффективности и разработана система метрик; сформирована агрегированная функция эффективности; предложен механизм адаптивного выбора алгоритма компрессии; разработана модель использования глобального словаря с централизованным управлением; исследовано влияние параметров системы на эффективность; проведён численный эксперимент для различных сценариев работы системы. В работе предложена модель адаптивной системы выбора алгоритма компрессии, основанная на максимизации агрегированной функции эффективности, учитывающей степень сжатия, экономию полосы пропускания, дополнительную задержку и нагрузку на процессор. Реализован механизм динамической адаптации к типу трафика и состоянию сети, а также учтены ограничения, связанные с MTU и вычислительными ресурсами. Полученные результаты показали, что использование адаптивного подхода позволяет повысить эффективность системы по сравнению с применением одного алгоритма компрессии.

The aim of the work is to develop a model of adaptive traffic compression that improves data transmission efficiency by dynamically selecting a compression algorithm based on traffic characteristics and network conditions. To achieve this goal, the following tasks were solved: analysis of traffic compression algorithms; definition of efficiency criteria and development of a metric system; formulation of an aggregated efficiency function; development of an adaptive algorithm selection mechanism; implementation of a global dictionary model with centralized control; investigation of system parameter influence; and numerical evaluation under different operating scenarios. The paper proposes a model of an adaptive compression system based on maximizing an aggregated efficiency function that considers compression ratio, bandwidth savings, additional delay, and CPU load. The model includes mechanisms for dynamic adaptation to traffic types and network conditions, as well as constraints related to MTU and computational resources. The results show that the adaptive approach significantly improves system efficiency compared to using a single compression algorithm. It is demonstrated that the effectiveness of a global dictionary depends on data redundancy: low redundancy leads to decreased performance, while high redundancy provides significant gains. The introduction of a hysteresis mechanism improves system stability and reduces switching overhead.