논문 핵심 결론
본 연구는 TSN 네트워크의 스트림 스케줄링을 위한 다양한 알고리즘을 종합적으로 평가합니다. 단일 '최고'의 알고리즘은 존재하지 않으며, 런타임, 메모리 사용량(GCL), 대역폭 효율성 등 다양한 성능 지표 사이에 명확한 트레이드오프 관계가 있음을 보여줍니다. 시스템 설계자는 애플리케이션의 특정 요구사항과 제약 조건에 따라 가장 적합한 알고리즘 전략을 신중하게 선택해야 합니다.
설계 목표별 추천 알고리즘 가이드
당신의 가장 중요한 설계 목표는 무엇인가요? 아래 목표를 클릭하여 추천 전략을 확인하세요.
런타임 최소화
빠른 스케줄 계산이 최우선일 때 (예: 동적 환경)
메모리(GCL) 절약
하드웨어 제약이 심한 임베디드 시스템일 때
대역폭 효율 극대화
네트워크 자원을 최대한 효율적으로 사용해야 할 때
인터랙티브 성능 대시보드
아래 필터를 사용하여 다양한 시나리오에 따른 알고리즘 성능을 비교 분석할 수 있습니다.
여기에 선택된 지표에 대한 설명이 표시됩니다.
TSN 스케줄링 핵심 개념
논문에서 다루는 주요 알고리즘 전략과 개념들입니다. 이는 성능 트레이드오프를 이해하는 데 중요합니다.
GCL 주기 설정: GCD vs. HYPO
GCL(Gate Control List)의 반복 주기를 어떻게 설정하는지에 대한 두 가지 주요 접근 방식입니다.
GCD (최대공약수) 기반
모든 스트림 주기의 최대공약수를 GCL 주기로 사용합니다. GCL 테이블 크기(메모리)를 크게 줄일 수 있지만, 유연성이 낮아 대역폭 낭비가 발생할 수 있습니다.
HYPO (하이퍼피리어드) 기반
모든 스트림 주기의 최소공배수를 GCL 주기로 사용합니다. 스케줄링 유연성이 높아 대역폭 효율은 좋지만, GCL 테이블이 매우 커질 수 있습니다.
스케줄링 전략: 휴리스틱 vs. 유전 알고리즘 (GA)
최적의 스케줄을 찾는 두 가지 다른 계산 방식입니다.
휴리스틱 (Heuristic, 1S)
'가장 빨리 전송 가능한 슬롯'과 같은 간단한 규칙 기반으로 빠르게 스케줄을 결정합니다. 계산 속도는 매우 빠르지만, 최적의 해를 보장하지는 않습니다.
유전 알고리즘 (Genetic Algorithm, GA)
생물의 진화 과정을 모방하여 다양한 해를 탐색하고 점진적으로 최적의 해를 찾아갑니다. 최적화 성능은 우수하지만, 계산 시간이 오래 걸립니다.
추가 최적화 기법: 교대 및 압축
기본 스케줄링 전략에 더해 성능을 개선하기 위한 기법들입니다.
교대 (Alternated)
트래픽을 여러 GCL 주기 세그먼트에 분산시키는 로드 밸런싱 전략입니다. GCL 항목 수를 줄이고 대역폭 활용도를 높이는 데 도움이 될 수 있습니다.
압축 (Compression)
이미 생성된 스케줄에서 불필요한 유휴 시간을 제거하여 GCL 항목 수나 대역폭 낭비를 소폭 개선하는 후처리 과정입니다.