Paper Note | Efficient DRL-Based Congestion Control With Ultra-Low Overhead

Introduction

深度强化学习能够用于网络拥塞控制决策中，但是之前的DRL方案耗时且占用了很多CPU资源。这篇文章提出了一种低开销的DRL方案，实现细粒度的包级别控制。

SPINE采用了层次控制架构，包含一个轻量级的CC执行器，对每个ACK和丢包进行反应，和一个DRL策略生成器，周期性地生成CC执行器的控制sub-policy（基于AIMD的轻量级参数化的控制逻辑）。除此之外，SPINE还引入watcher，判断当前的sub-policy的效果好坏，根据需要进行更新，以减少策略生成频率。

Design

SPINE架构图如下：

policy generator和watcher共同组成了RL agent，追踪流量模式并更新sub-policy。SPINE利用了层次控制逻辑，间隔monitor interval（MI）， watcher观察包特征，如有需要就触发policy generator。

RL Agent

每隔MI，RL agent通过收集包信息，察觉网络环境，其作为状态，被放入深度神经网络模型中，决定是否更新sub-policy，如果trigger是True，模型将会生成sub-policy的新参数，并更新CC执行器。

State：收集包统计信息，作为state，如下：

其中吞吐量和延迟均已正则化（对最大吞吐量和最小延迟）。由于SPINE更新sub-policy间隔很长，所以采用了RNN作为网络模型来抓取long-term历史特征。

Reward：CC执行器调整流发送速率，每个MI收集reward。奖励函数如下：

公式(1)的第一项是正则化吞吐量和正则化延迟的比值，加上丢包的惩罚，lat’是指小的排队延迟可以被允许来实现最大带宽。第二项定义触发policy generator更新sub-policy的惩罚（pit stop penalty），因为其会导致policy generator的推理开销和cross-space的通信。

CC Executor

参数化的sub-policy结构需要有如下特征：简单（低计算开销）、细粒度控制（快速相应）和灵活（估计各种各样的映射）。

基于这些特征，设计了基于AIMD的sub-policy，每个RTT将发送速率乘以1.1，cwnd的大小变化如下：

这里$0\le {\alpha }_{thr},{\alpha }_{lat}\le 0.5,0\le {\alpha }_{tol}\le 20$。如果$\frac{RTT}{RT{T}_{min}}$低于${\alpha }_{tol}+1$，它判断链路不是拥塞的，增加cwnd，否则减小cwnd。

当丢包发生时，CC执行器对cwnd执行乘性减：

在cwnd更新后，CC executor计算新的发送速率：

综上，参数（${\alpha }_{thr},{\alpha }_{lat},{\alpha }_{tol},{\alpha }_{loss}$）定义了sub-policy的行为，这些参数就是policy generator的action，每当其被触发，就生成这些参数，更新sub-policy。

Hierarchical Recurrent Architecture

设计了一个分层循环架构神经网络模型，第一层表示watcher，输入state，适应性地触发policy generator，第二层表示policy generator，输出ation。

每个时间节点，watcher收到来自policy generator和watcher的hidden state，然后输出是否触发上层的flag和新的hidden state。

触发的flag定义为：

policy generator基于trigger进行工作：