# FrameReplication

**Repository Path**: synduality/frame-replication

## Basic Information

- **Project Name**: FrameReplication
- **Description**: 复现论文代码，参看readme，研究方向主要是IEEE 802.1 CB的核心机制——帧复制与删除（FRER）机制
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-29
- **Last Updated**: 2026-06-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于网络编码的容错动态调度系统

## 项目概述

本项目实现了基于XOR网络编码(XNC)和帧复制消除协议(FRER)的容错动态调度算法，用于车载TSN网络的动态流量调度。项目集成了真实的TSN网络拓扑模型，提供了完整的实验和可视化框架。

主要功能：

- 基于向量装箱问题的调度建模
- 三种启发式算法（修正点积、改进最大负载、瓶颈）
- 支持XNC和FRER两种协议
- 固定和可变两种调度模式
- 浪费阈值机制控制搜索空间
- 完整的实验和可视化框架

## 项目结构

```
bishe/
├── model/                      # TSN网络模型（老师提供）
│   ├── __init__.py
│   ├── network.py              # TSN网络主类
│   ├── node.py                # 网络节点
│   ├── link.py                # 网络链路
│   ├── message.py             # 消息流
│   └── route.py              # 路由路径
├── service/                    # 网络服务层（老师提供）
│   ├── __init__.py
│   ├── network_loader.py       # 网络配置加载
│   ├── network_generator.py    # 网络生成器
│   └── routing_service.py     # 路由计算服务
├── visualization/               # 可视化工具（老师提供）
│   ├── __init__.py
│   ├── print_summary.py       # 网络信息打印
│   └── topology_visualizer.py # 网络拓扑可视化
├── scheduling/                 # 调度系统核心模块（自定义）
│   ├── __init__.py
│   ├── config.py             # 配置和数据结构
│   ├── heuristics.py        # 启发式算法实现
│   ├── scheduler.py         # 调度器核心
│   ├── tsn_adapter.py       # TSN网络适配器
│   ├── experiment_runner.py   # 实验运行器
│   ├── visualization.py      # 结果可视化
│   └── run_scheduling.py     # 调度系统主程序
├── network_configs/            # 网络配置文件
│   └── er/
│       ├── er_sw5_es8_p0.5_msg10_seed42.json
│       └── er_sw9_es24_p0.5_msg10_seed42.json
├── README.md                 # 项目说明
├── start.py                   # 交互式启动脚本
├── generate_plots.py         # 图表生成脚本
├── experiment_results.csv     # 实验结果文件
└── 各种可视化图表文件
```

## 核心功能

### 1. 调度算法

- **三种启发式算法**:
  - 修正点积算法 (Modified Dot Product) - 综合考虑负载和路径长度
  - 改进的最大负载算法 (Improved Most Loaded) - 优先选择负载较小的路径
  - 瓶颈式算法 (Bottleneck) - 关注路径中的瓶颈资源
- **两种协议支持**:
  - XOR网络编码 (XNC) - 利用编码提高容错性
  - 帧复制消除协议 (FRER) - 传统的复制冗余方法
- **调度模式**:
  - 固定模式 (Fixed) - 固定时间槽分配
  - 可变模式 (Variable) - 动态时间槽分配

### 2. 浪费阈值机制

根据参考论文实现，浪费阈值控制候选方案搜索空间：

- 低阈值 → 更好可调度性，更长响应时间
- 高阈值 → 更快响应时间，可能较低可调度性

### 3. 网络模型

- 基于真实TSN网络标准
- 支持交换机和端系统混合拓扑
- 使用NetworkX进行路由计算
- 支持JSON配置文件加载

## 代码说明

- `scheduling/config.py` - 配置类和数据结构定义
- `scheduling/heuristics.py` - 三种启发式算法实现
- `scheduling/scheduler.py` - 容错动态调度器核心
- `scheduling/tsn_adapter.py` - TSN网络拓扑适配器
- `scheduling/experiment_runner.py` - 实验运行器
- `scheduling/visualization.py` - 实验结果可视化
- `scheduling/run_scheduling.py` - 调度系统主程序
- `generate_plots.py` - 图表生成脚本
- `start.py` - 交互式启动脚本
- `main.py` - 项目统一入口脚本
- `model/` - TSN网络模型
- `service/` - 网络服务层
- `visualization/` - 网络可视化工具

## 快速开始

### 1. 交互式启动（推荐）

```bash
python start.py
```

选择运行模式：

1. 运行完整系统 (网络拓扑 + 调度实验)
2. 仅运行调度实验
3. 测试系统集成
4. 从现有实验结果生成图表
5. 退出

### 2. 运行完整系统

```bash
python scheduling/run_scheduling.py
```

这将：

1. 加载和可视化TSN网络拓扑
2. 为所有消息计算路由路径
3. 运行动态调度实验
4. 生成性能指标可视化图表
5. 保存实验结果到CSV文件
6. 打印实验结果摘要统计

### 3. 从现有结果生成图表

```bash
python generate_plots.py
```

## 实验配置

在 `scheduling/config.py` 中可以配置：

```python
@dataclass
class ExperimentalConfig:
    num_decoding_synchronizers: List[int] = [6, 8, 16, 24, 32]  # 解码同步器数量
    waste_thresholds: List[float] = [0.0, 0.125, 0.25]  # 浪费阈值
    protocols: List[ProtocolType] = [ProtocolType.XNC, ProtocolType.FRER]  # 协议类型
    heuristics: List[HeuristicType] = [  # 启发式算法
        HeuristicType.MODIFIED_DOT_PRODUCT,
        HeuristicType.IMPROVED_MOST_LOADED,
        HeuristicType.BOTTLENECK
    ]
    scheduling_modes: List[SchedulingMode] = [SchedulingMode.FIXED, SchedulingMode.VARIABLE]  # 调度模式
```

## 输出结果

### 实验结果文件

- `experiment_results.csv`: 详细的实验结果数据，包含：
  - 协议类型
  - 启发式算法
  - 调度模式
  - 解码同步器数量
  - 浪费阈值
  - 调度率
  - 响应时间
  - 成功率
  - 网络利用率

### 可视化图表

- `plot_fixed_time_comparison.png`: 固定时间调度对比
- `plot_variable_time_comparison.png`: 可变时间调度对比
- `plot_threshold_0.png`: 0% 浪费阈值性能
- `plot_threshold_125.png`: 12.5% 浪费阈值性能
- `plot_threshold_25.png`: 25% 浪费阈值性能
- `plot_xnc_fixed_time_scheduling_rate.png`: XNC固定时间调度率
- `plot_xnc_variable_time_scheduling_rate.png`: XNC可变时间调度率

## 代码结构详细说明

### 核心模块结构

#### 1. 调度系统核心 (scheduling/)

| 模块    | 主要职责       | 文件位置                              | 说明               |
| ----- | ---------- | --------------------------------- | ---------------- |
| 配置管理  | 定义配置类和数据结构 | `scheduling/config.py`            | 包含实验配置、枚举类型定义    |
| 启发式算法 | 实现三种调度算法   | `scheduling/heuristics.py`        | 修正点积、改进最大负载、瓶颈算法 |
| 调度器   | 核心调度逻辑     | `scheduling/scheduler.py`         | 容错动态调度器实现        |
| 网络适配器 | 适配TSN网络模型  | `scheduling/tsn_adapter.py`       | 桥接调度系统和TSN网络     |
| 实验运行器 | 执行和管理实验    | `scheduling/experiment_runner.py` | 运行所有实验组合         |
| 结果可视化 | 生成实验图表     | `scheduling/visualization.py`     | 性能指标可视化          |
| 主程序   | 系统入口点      | `scheduling/run_scheduling.py`    | 完整调度流程执行         |

#### 2. 网络模型 (model/ - 老师提供)

| 模块  | 主要职责    | 文件位置               | 说明        |
| --- | ------- | ------------------ | --------- |
| 网络类 | TSN网络主类 | `model/network.py` | 网络拓扑管理    |
| 节点类 | 网络节点    | `model/node.py`    | 交换机和端系统节点 |
| 链路类 | 网络链路    | `model/link.py`    | 节点间通信链路   |
| 消息类 | 网络消息    | `model/message.py` | 网络流量消息    |
| 路由类 | 路由路径    | `model/route.py`   | 消息传输路径    |

#### 3. 服务层 (service/ - 老师提供)

| 模块   | 主要职责   | 文件位置                           | 说明          |
| ---- | ------ | ------------------------------ | ----------- |
| 网络加载 | 加载网络配置 | `service/network_loader.py`    | 从JSON文件加载网络 |
| 网络生成 | 生成网络拓扑 | `service/network_generator.py` | 生成随机网络拓扑    |
| 路由服务 | 计算路由路径 | `service/routing_service.py`   | 为消息计算路由     |

#### 4. 可视化工具 (visualization/ - 老师提供)

| 模块    | 主要职责   | 文件位置                                   | 说明       |
| ----- | ------ | -------------------------------------- | -------- |
| 网络摘要  | 打印网络信息 | `visualization/print_summary.py`       | 显示网络统计信息 |
| 拓扑可视化 | 绘制网络拓扑 | `visualization/topology_visualizer.py` | 可视化网络结构  |

### 辅助脚本

| 脚本   | 功能      | 文件位置                | 说明       |
| ---- | ------- | ------------------- | -------- |
| 启动脚本 | 交互式启动菜单 | `start.py`          | 提供多种运行模式 |
| 图表生成 | 从结果生成图表 | `generate_plots.py` | 独立图表生成工具 |

### 数据流说明

1. **配置加载** → `config.py` 定义实验参数
2. **网络准备** → `network_loader.py` 加载网络拓扑
3. **路由计算** → `routing_service.py` 计算消息路由
4. **调度执行** → `scheduler.py` 执行容错调度
5. **实验运行** → `experiment_runner.py` 运行所有配置
6. **结果分析** → `visualization.py` 生成性能图表
7. **数据保存** → 保存实验结果到CSV文件

### 核心流程

系统的主要执行流程如下：

1. **初始化阶段**
   - 加载实验配置参数
   - 准备TSN网络拓扑
   - 初始化调度器和算法
2. **网络准备阶段**
   - 加载网络配置文件
   - 构建网络拓扑结构
   - 计算消息路由路径
3. **调度实验阶段**
   - 对每个网络流应用调度算法
   - 评估候选路径和时间槽分配
   - 记录调度结果和性能指标
4. **结果处理阶段**
   - 分析实验数据
   - 生成性能可视化图表
   - 保存结果到CSV文件

### 调度算法执行流程

调度算法的具体执行步骤：

1. **输入阶段**
   - 网络流需求参数
   - 可用传输路径
   - 当前网络资源状态
2. **处理阶段**
   - 生成候选路径和时间槽分配方案
   - 使用启发式算法计算方案得分
   - 应用浪费阈值过滤候选方案
   - 选择最优调度方案
3. **输出阶段**
   - 调度决策结果
   - 资源分配详情
   - 性能指标数据

### 实验运行流程

批量实验的执行流程：

1. **配置准备**
   - 生成所有参数组合
   - 准备实验环境
   - 初始化结果存储
2. **实验执行**
   - 按顺序运行每个配置
   - 监控实验进度
   - 记录中间结果
3. **结果处理**
   - 汇总所有实验数据
   - 计算性能指标
   - 生成对比图表
4. **结果导出**
   - 保存到CSV文件
   - 生成实验报告
   - 清理临时数据

### 关键接口

1. **NetworkTopology** - 网络拓扑接口，提供节点、链路管理
2. **FaultTolerantScheduler** - 调度器接口，提供流调度方法
3. **HeuristicAlgorithm** - 启发式算法接口，计算方案得分
4. **ExperimentRunner** - 实验运行器接口，管理实验流程
5. **ExperimentVisualizer** - 可视化器接口，生成性能图表

### 扩展点

1. **新启发式算法** - 在 `heuristics.py` 中添加新算法类
2. **新协议支持** - 在 `config.py` 中添加新协议枚举
3. **新网络模型** - 通过适配器模式支持新网络模型
4. **新性能指标** - 在 `visualization.py` 中添加新图表类型

## 依赖库

- Python 3.11+
- numpy - 数值计算
- pandas - 数据处理
- matplotlib - 数据可视化
- networkx - 网络分析
- pygraphviz (可选) - 网络拓扑可视化

## 安装依赖

```bash
pip install numpy pandas matplotlib networkx pygraphviz
```

## 技术特点

### 1. 模块化设计

- 清晰的层次结构
- 高内聚低耦合
- 便于扩展和维护

### 2. 适配器模式

- 调度系统与网络模型解耦
- 支持多种网络模型
- 保持向后兼容

### 3. 实验框架

- 可配置的实验参数
- 自动化实验流程
- 完整的结果分析

### 4. 可视化支持

- 网络拓扑可视化
- 实验结果对比
- 多维度性能分析

## 论文相关

核心理论和实验设计基于：

> Syed 等 - 2023 - Network Coding Based Fault-Tolerant Dynamic Scheduling and Routing for In-Vehicle Networks

主要贡献：

1. 基于向量装箱问题的调度建模
2. 三种启发式算法设计和实现
3. 浪费阈值机制的正确实现
4. TSN网络环境下的性能评估