【网络仿真】ns3-ai 安装 & 介绍

1 Introduction

Yin, H., Liu, P., Liu, K., Cao, L., Zhang, L., Gao, Y., & Hei, X. (2020). ns3-ai : Fostering Artificial Intelligence Algorithms for Networking Research. Workshop on Ns-3 – WNS3 2020, 57–64. 知乎解读

ns3-ai是对ns3-gym的改进，实现了内存共享，进程间通信（IPC）速度比ns3-gym快100倍。
NS3-AI App Store

2 installation

0. 确保ns3版本为3.30
1. 下载NS3 App Store（download按钮）或github上的压缩包，解压后再添加到ns-3.30中的src目录下，并重新命名为ns3-ai.

# 重命名的方法，例如
mv /home/jnbai/桌面/tarballs/ns-allinone-3.30/ns-3.30/contrib/ns3-ai-1.0.0 /home/jnbai/桌面/tarballs/ns-allinone-3.30/ns-3.30/contrib/ns3-ai

2. 重新编译ns-3.30

# 在ns-3.30目录下执行
./waf configure
./waf

3. 添加python interface

# 在ns-3.30目录下执行
cd contrib/ns3-ai/py_interface
# python setup.py install --user
# pip3 install . --user
python3 setup.py install --user

4. 测试安装是否成功

• tips1: 以运行RL-TCP为例，这个项目要在两个终端窗口上同时运行
• tips2: 以下代码是默认root用户执行

#  terminal 1:运行ns-3 (c++ code)
cp -r contrib/ns3-ai/example/rl-tcp scratch/
./waf --run "rl-tcp"

# terminal 2:运行ai (python code)
cd contrib/ns3-ai/example/rl-tcp/
python3 testtcp.py

两个terminal运行如下图，说明安装成功！

3 Examples

安装好后，通过简单的例子（所有例子在这里）学习一下如何使用ns3-gym。

3.1 基本接口 Basic Interface

1. python脚本例子。其中，gym.make('ns3-v0')用来在当前工作目录中启动ns-3模拟脚本。

import gym
import ns3gym
import MyAgent

env = gym.make('ns3-v0')
obs = env.reset()
agent = MyAgent.Agent()

while True:
	action = agent.get_action(obs)
	obs, reward, done, info, = env.step(action)

	if done:
		break
env.close()

2. 所有的ns-3模拟脚本都可以作为Gym的环境。只需要实例化OpenGymInterface和运行ns3-gym C++接口（ns3-gym C++接口由以下函数组成：）

Ptr<OpenGymSpace> GetObservationSpace();
Ptr<OpenGymSpace> GetActionSpace();
Ptr<OpenGymDataContainer> GetObservation();
float GetReward();
bool GetGameOver();
std::string GetExtraInfo();
bool ExecuteActions(Ptr<OpenGymDataContainer> action);

其中，ns3-gym的通用接口可以在ns3仿真环境中获得变量和参数。详见paper

3.2 Cognitive Radio

认知无线电：通过感知环境空间，识别并利用该空间可用的频谱，从而限制和减低冲突的发生。
无线电：可以在空间中（包括空气和真空）传播的电磁波，有一定的频带（e.g. 3KHz~3THz）。

本例中，考虑在无线多信道环境中，无线电的信道选择问题，例如有外部接口的802.11网络。
agent的action：选择无干扰的信道。本例的设定为，外部干扰遵循周期模式，即t=1时，干扰信道channel=1…如下图，黑色表示对信道的外部干扰。

3.3 RL-TCP

此例中，通过观测TCP实例的参数，实现控制TCP的congestion window (cwdn)和 slow start threshold。实现了两个版本，time and event-based，都是继承于TcpCongestionOps，因此可以用作ns3::TcpL4Protocol::SocketType，code : tcp_base.py。

并且，关于使用event-based的界面，我们有一个例子：运行TCP NewReno并且使用ns3gym仿真的Python Gym agent，code : tcp_newreno.py。这个例子可以用作学习实现基于RL的TCP拥塞控制的起点。
运行这个例子，执行：

cd ./scratch/rl-tcp
./test_tcp.py 

或者，在两个终端里：

# Terminal 1:
./waf --run "rl-tcp --transport_prot=TcpRlTimeBased"

# Terminal 2:
cd ./scratch/rl-tcp/
#./test_tcp.py --start=0
python3 run_rl_tcp.py --use_rl --result

Tips：在这个例子的运行中，i.e. Python TCP NewReno，与在ns3中运行时，数据包的传输数量是相同的（请参见ns-3仿真的输出，即两种情况下的RxPkts：5367）。可以执行以下命令进行交叉检查：

./waf --run "rl-tcp --transport_prot=TcpNewReno"