《Computer Communications》：Comparative analysis of TSN simulation and real-world setups: End-to-end latency and forwarding performance
编辑推荐：
时间敏感网络（TSN）在不同部署环境中的性能及IEEE 802.1Qav信用基shaper（CBS）机制分析，比较模拟、裸机和虚拟化场景的端到端延迟与转发效率，发现优化后的虚拟化环境在延迟上优于裸机，但吞吐量下降，同时验证了NeSTiNg模拟工具的有效性。
丹尼尔·贝泽拉（Daniel Bezerra）|阿西斯·T·德奥利维拉·菲尔霍（Assis T. de Oliveira Filho）|佩德罗·R.X.多卡莫（Pedro R.X. do Carmo）|朱迪思·凯尔纳（Judith Kelner）|贾梅尔·萨多克（Djamel Sadok）
GPRT-UFPE，伯南布哥联邦大学（Universidade Federal de Pernambuco），莫拉埃斯·雷戈教授大道（Avenida Prof. Moraes Rego），雷西菲（Recife），伯南布哥州，巴西
摘要
时间敏感网络（Time-Sensitive Networking，TSN）是一种有前景的技术，适用于需要超低延迟的局域网应用，如工业自动化、音视频桥接以及5G前传传输。TSN能够保证数据包传输的确定性，同时具备低延迟、低延迟抖动和低数据包丢失率。正确配置端到端的延迟对于实现最佳网络性能和满足流量延迟要求至关重要。随着TSN越来越多地支持云计算和雾计算，管理虚拟化开销变得尤为重要，以确保延迟性能。本研究分析并比较了基于模拟、裸机（bare metal）和虚拟化环境的TSN部署情况。重点关注了一种重要的TSN机制——IEEE 802.1Qav基于信用的整形器（Credit-Based Shaper，CBS）。实验表明，TSN模拟结果与实际部署的延迟值非常接近，验证了模拟作为TSN原型设计工具的可靠性。然而，在基于虚拟化的环境中部署TSN时存在特定的权衡。当正确调整TSN的空闲斜率参数（idle slope parameter）以优先处理CBS调控的流量时，所有配置下的平均延迟均低于1毫秒。值得注意的是，尽管虚拟化引入了处理开销，但使用内核旁路（kernel bypassing）等优化配置在延迟方面优于裸机部署。不过，这种性能提升是以吞吐量减少为代价的，因为与其他场景相比，转发的数据包数量减少了。这些发现强调了CBS参数调整的重要性，并突出了虚拟化TSN环境中性能与稳定性之间的平衡。
引言
时间敏感网络（TSN）是一系列支持实时、对延迟要求严格的网络技术，适用于工业自动化、音视频流传输以及5G前传传输等场景。TSN通过提供低延迟、确定性延迟和更高的可靠性来提升网络性能，有助于将传统和非实时以太网网络整合到具有确定延迟要求的领域中[1]。
网络管理员可以通过构建TSN测试平台或使用基于商用交换机的现有TSN模拟器来获得实际操作经验。模拟通常更受欢迎，因为它更容易扩展且支持更广泛的网络配置。虽然基于TSN的硬件对于理解设备实际行为至关重要，但成本可能较高，可能无法实现所有标准化功能，并且对于大规模实验来说有时不太实用。相比之下，TSN模拟器提供了一个经济高效且灵活的环境，用于在受控条件下评估TSN。它们允许研究人员、开发人员和网络管理员测试不同的拓扑结构和配置，调查性能问题的根本原因，测试标准化的TSN功能，并评估其对网络行为和性能的影响[2][3][4]。
由于TSN标准和产品的快速发展，商用交换机可能无法完全支持所有功能，或者只能展示部分功能，且内部调度行为的可观察性有限。而裸机TSN部署则提供了直接的硬件访问和较低的软件开销；而虚拟化TSN网络则在灵活性、可扩展性和动态环境中的资源利用方面进行了妥协，这些动态环境需要工作负载管理和资源共享优化。
TSN模拟器在分析裸机和虚拟化环境方面仍起着重要作用。对于裸机网络，模拟有助于在实时约束下预测性能，并在部署到昂贵的物理基础设施之前识别潜在问题。对于虚拟化TSN系统，模拟器允许在没有大量硬件设置的情况下测试不同的拓扑结构和工作负载场景，这在配置或工作负载变化可能影响性能和调度时尤为重要[5]。
然而，为了真正发挥作用，模拟工具必须经过实际部署行为的验证。需要确认模拟的TSN性能是否符合实际环境的预期设计和运营目标。这一验证具有挑战性，因为TSN包含复杂的调度机制和多样的流量模型，不同的模拟器采用不同的建模假设，这些差异可能会影响准确性，因此选择和校准能够准确反映目标部署场景的模拟工具至关重要[6]。
将模拟工具与裸机和虚拟化TSN网络结合使用，可以更全面地设计和优化TSN。通过结合物理和虚拟化测试平台的测量数据，开发人员和网络工程师可以更全面地了解TSN性能，并更好地评估特定配置是否满足实时应用的需求。尽管模拟工具存在局限性，但它们对于研究和开发仍然不可或缺，因为它们提供了经济高效、可重复且可扩展的评估方法。与物理测试平台相比，模拟可以提前洞察延迟行为、转发性能和配置敏感性。然而，随着TSN标准和硬件的不断发展，模拟结果的解释需要更加谨慎，因为系统复杂性和扩展性挑战不断增加。在本研究中，我们分析了NeSTiNg TSN工具在裸机和虚拟化环境中的表现，比较了不同场景下的平均延迟（avgLat）和转发性能。
我们的主要目标是评估端到端延迟和转发性能，以评估模拟结果与实际TSN部署（包括裸机和虚拟化环境）中的行为的一致性。我们还研究了虚拟化对CBS调控流量的影响，通过比较其在虚拟化环境中的延迟和传输特性与裸机环境中的结果。此外，本研究还分析了TCP和UDP生成的背景流量对两种环境中延迟和转发行为的影响，提供了关于传输协议与TSN机制相互作用的新见解。
本研究的第二个目标是通过将NeSTiNg TSN模拟器的结果与实际部署的测量数据相比较，来评估其准确性。我们特别关注IEEE 802.1Qav基于信用的整形器（CBS）机制在所有评估环境中的表现。选择CBS是因为它在商用TSN支持硬件中广泛采用，且在NeSTiNg模拟框架中可用，并且不依赖于全局时间同步。通过idleSlope参数化，还可以控制不同配置下的延迟敏感性。
除了分析模拟器的准确性外，我们还研究了每种部署方式的优点和局限性。通过考察延迟、转发行为、资源利用和适应性，我们指出了模拟、裸机和虚拟化TSN环境固有的权衡。我们的结果表明，NeSTiNg能够准确捕捉CBS机制的几个核心特性；然而，模拟器的准确性取决于所分析的配置，可能无法完全适用于所有TSN部署场景。
在我们的研究期间，INET/OMNeT++框架尚未提供对IEEE 802.1Qav基于信用的整形器（CBS）的原生或精确支持，也无法进行细粒度的延迟测量。正如[8]所证实的，INET需要对其gPTP模型和交换延迟模块进行重大修改才能与实际硬件行为保持一致。相比之下，NeSTiNg提供了对CBS的内置支持，并允许直接观察端到端延迟。因此，即使NeSTiNg不再得到积极维护，它仍然是实现我们目标的最合适工具。
本研究补充了我们之前关于TSN延迟优化的研究，当时我们使用基于模拟的方法研究了多种TSN机制（包括CBS、帧抢占和门控列表）在不同空闲斜率配置和帧大小下的综合影响，并训练了机器学习回归模型来构建支持端到端延迟和帧丢失多目标优化的替代模型[9]。与仅通过模拟探索广泛配置空间的那项研究不同，本研究重点验证了CBS机制在模拟器和两个实际环境中的表现，并量化了基于模拟的延迟估计与物理TSN测试平台测量结果之间的接近程度。
本研究的其余部分结构如下：第2节提供了本研究中使用的基于信用的整形器（CBS）机制的背景信息。第3节介绍了比较TSN场景的相关工作，重点关注延迟分析。第4节详细介绍了实验设置，第5节展示了结果和讨论。最后，第6节总结了全文。
基于信用的整形器机制
时间敏感网络（TSN）包括几种提供服务质量保证的机制，例如I. 帧抢占（Frame Preemption）[10]、II. 基于信用的整形器（Credit-Based Shaper，CBS）[11]和III. 时间感知整形器（Time-Aware Shaper，TAS），这些机制在IEEE 802.1Qbv中得到了标准化[12]，后者通过门控列表（Gate Control Lists，GCLs）实现调度传输窗口。
相关工作
相关工作可以分为两大类：（i）TSN机制和模拟研究；（ii）虚拟化和裸机部署的分析。
评估
本节涵盖了用于评估模拟和实际部署的指标（如第4.1节所述），以及本研究中使用的三种场景中的具体组件及其配置（如第4.2节所述）。
模拟环境中的TSN行为
我们首先在没有背景流量的情况下进行了初步实验，以单独评估模拟行为。以网络延迟为主要指标，我们首先分析了没有最佳努力（Best Effort，BE）流量的模拟输出，以隔离模拟TSN交换机的影响。图3展示了在不同空闲斜率设置下的模拟TSN网络行为。
结论
本研究评估了一种先进的模拟插件的有效性，并将其与两种物理实验部署进行了比较，主要关注端到端延迟。TSN的超低延迟特性对其在时间敏感应用中的适用性至关重要，因此延迟分析对于验证其性能至关重要。我们研究了广泛应用于硬件的基于信用的整形器（CBS）机制。
CRediT作者贡献声明
丹尼尔·贝泽拉（Daniel Bezerra）：撰写 – 审稿与编辑、原始稿撰写、可视化、验证、软件实现、方法论设计、概念构建。阿西斯·T·德奥利维拉·菲尔霍（Assis T. de Oliveira Filho）：撰写 – 审稿与编辑、软件实现、方法论设计、概念构建。佩德罗·R.X.多卡莫（Pedro R.X. do Carmo）：撰写 – 审稿与编辑、可视化、软件实现、概念构建。朱迪思·凯尔纳（Judith Kelner）：监督指导。贾梅尔·萨多克（Djamel Sadok）：撰写 – 审稿与编辑、监督指导、概念构建。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
