tavp-RRM算法可基于端口流量队列的长度自适应调整其请求优先级，使负载量大的端口优先进行数据交换，从而提升TTFC网络的吞吐率。其优点包括：支持非定长信元、非固定时隙、支持单播和广播队列、采用流水线工作和使用VOQ等。

算法原理如下：

1) 为了提升TTFC网络的有序性，广播和组播业务均规划为TT业务，ET业务仅处理单播业务，因此在本文中，不讨论该算法对组播和广播业务的适用性。

2) 支持多优先级调度。TTFC网络的ET业务按优先级分为RC和BE两种业务。如图1所示，业务信元传输至TTFC交换机后，将依据其优先级存入各个VOQ中。VOQ向输出端口发起请求时，VOQ的优先级会根据其队列长度及等待时间进行调整。优先级从高到低依次为P3、P2、P1、P0，RC业务的起始优先级为P2，可提升的优先级为P3，BE业务的起始优先级为P0，可提升的优先级为P1。

3) 输出端口同时收到多个输入端口的请求时，对优先级最高的输入端口先进行授权。

图  1  VOQ架构示意图

tavp-RRM 调度算法在研发阶段即注重硬件的可实现性，经过多次迭代，完成输入、输出端口的最优匹配^[8]。通过在每个输入、输出端口设置多个仲裁器，通过循环优先级仲裁来依次匹配所有有效的输入和输出，以保证每一次迭代的独立性。

tavp-RRM 算法的执行过程与 RRM 类似，分为“请求−授权−接受”，步骤如下：

1) 请求

输入端口接收到信元后，会向信元的输出端口发起包含当前数据优先级的请求，请求的优先级由3种因素决定，分别为ET业务的优先级、当前VOQ的队列长度及当前VOQ的等待时间。图2给出了ET业务VOQ队列优先级的确定流程。

图  2  ET业务VOQ队列优先级的确定流程

基于以下原则来确定阈值：

① 队列长度的阈值点距离队列满不小于2个FC最长帧的空间，防止阈值生效太晚，从而导致对外部输入端产生流控；

② 队列长度的阈值点应大于队列半满的位置，避免阈值被频繁触发；

③ 队列排队时间阈值应小于系统可接收的最大延迟。

本文在仿真及实验验证过程中，以队列深度的3/4作为队列长度阈值，以100 µs作为队列排队时间阈值。

2) 授权

每个输出端口处设有1个调度器，调度器通过轮询调度算法来匹配多个端口的请求，在均匀业务状态下具有良好的公平性。由于输入端的业务数据按照业务类型(RC或BE)分配队列缓存，因此每个输出端口对不同类型的业务通过轮询指针r0和r1分别维护其调度状态。r1对应RC业务，优先级为P2或P3；r0对应BE业务，优先级为P0或P1。调度器进行调度时，先过滤出当前最高优先级的请求，在根据r0或r1的当前位置按顺序开始轮询查找，对找到的第一个请求进行授权，并通过r0或r1更新到当前授权位置的下一个位置处。

3) 接受

输入端口会同时向多个输出端口发起调度请求，当输入端口同时接收到多个端口的授权时，同一时刻只能接受一个授权。因此，输入端口需要对接收到的授权进行仲裁来选择最终接受方。输入端口的接受仲裁对不同类型的业务通过轮询指针c0和c1分别维护其仲裁状态。c1对应RC业务，优先级为P2或P3；c0对应BE业务，优先级为P0或P1。仲裁器进行仲裁时，先过滤出当前最高优先级的请求，在根据c0或c1的当前位置按顺序开始轮询查找，对找到的第一个授权进行接受，并通过c0或c1更新到当前授权位置的下一个位置处。图3为一个4×4端口的调度过程，在请求授权阶段，输出端口 1 在优先级 P2、P3之间选择高优先级P3对应的输入端口3；输出端口2在3路BE业务中选择输入端口，输入端口1由于其队列长度大于门限值，请求将优先级调整为为P1，因此选择高优先级P1对应的输入端口1；输出端口3在两个相同优先级 P0端口间选择，此时输出端口3对应BE业务的r0=3，按照轮询机制，最终选择输入端口4进行授权；输出端口4在优先级 P1、P0间选择高优先级P1对应的输入端口1。

图  3  4×4端口的调度过程

接受阶段，输入端口1同时收到输出端口2和输出端口4的授权，由于两个授权的优先级相同均为P1，按照轮询机制从当前BE的指针c0=3启动轮询。输入端口1优先查询到输出端口4的授权，因此选择输出端口4的授权进行接受。输入端口3和4由于仅接收了1个授权，直接接受即可。

使用计算机仿真可以大幅降低crossbar调度算法性能分析的难度，本节将通过计算机仿真来分析tavp-RRM算法的吞吐量。吞吐量是指输出端口的平均利用率，即在一个时隙内平均发送的信元数量。在分析吞吐量性能时，本文将vp-RRM算法作为比较的对象，vp-RRM算法和tavp-RRM的差异在于对优先级的管理不同，下面选取均匀业务流和非均匀业务流对两种算法的吞吐量性能进行对比。

1) 均匀业务流

输入端负载均相同，即$ {\gamma _i} = \gamma $，所有业务流在VOQ中均匀分布。均匀业务流模型下，tavp-RRM和vp-RRM的吞吐量均为相同的恒定值：

2) 非均匀业务流

采用如下两种非均匀业务流模型来研究tavp-RRM算法的吞吐量。

模型1 ：输入端负载均相同，即$ {\gamma _i} = \gamma $，业务流在VOQ中的分布方式为：

式中，${\gamma _{i,j}}$表示从输入端i到输出端j的负载；$ \delta $为非均衡(unbalanced)因子$(0\leqslant \delta \leqslant 1)$。

业务流模型1的算法吞吐量对比如图4所示，根据式(2)可推算得知，1个输出端口同时只转发两个输入端口的数据，在交换调度时竞争较少，转发效率本来较高，基于端口流量队列的长度自适应调整其请求优先级的功能(traffic adaptive, TA)作用不明显，vp-RRM和tavp-RRM仿真结果基本一致。

图  4  业务流模型1的算法吞吐量对比

模型2：输入端负载均相同，即$ {\gamma _i} = \gamma $，业务流在VOQ中的分布方式为^[9]：

式中，$ w $为非均匀(nonuniform)因子$ (0\leqslant w\leqslant 1) $，当$ w = 0 $时，该业务流就是均匀业务流。业务流模型2的算法吞吐量对比如图5所示。

图5展示了在16×16的crossbar中tavp-RRM和vp-RRM算法的吞吐量。从图中可以看到，当w=0时，业务流为均匀业务流，tavp-RRM算法的吞吐量与vp-RRM算法一致；当w=1时，业务流集中到同一个端口，达到满额负荷，tavp-RRM算法的吞吐量与vp-RRM算法相同。其他状态下tavp-RRM算法的吞吐量性能始终优于vp-RRM，且w在0.5附近时，性能差异达到最大。图5的仿真结果说明tavp-RRM算法相对于vp-RRM算法，在多个输入端口向同一个输出端口发生转发竞争，且流量不均匀时，具有更高的交换调度效率。

图  5  业务流模型2的算法吞吐量对比

本文采用复旦微电子公司的JFM7K325TFPGA设计了4×4端口，速率为2.125 Gb/s的TTFC交换机。为了进行算法对比测试，TA功能支持通过软件配置进行使能或关闭。

通过对交换机的TT业务转发进行规划，使交换机各端口的TT业务占用不同的带宽。TT业务在端口1至端口4的输入带宽占用分别为9%、12%、15%和18%，输出带宽在非输入端口均匀分布。

使用JSDU公司的XgigLoadTester测试仪对TTFC交换机进行ET业务的吞吐量测试，由于测试仪不支持TT业务注入，为了在测试中模拟TT业务引入的非均匀性，TTFC交换机采用如下设计：初始化TTFC交换机各端口的TT调度配置，并在TT业务的转发时隙，强制TT转发路径处于忙状态，时隙内不进行ET业务的转发^[10]。

具体测试说明如下：

1)各端口激励数据均采用帧长为1024 B的ET帧；

2)测试拓扑采用图6所示的不带自环的全网络拓扑模型。受测试仪功能限制，VOQ分布采用均匀分布，通过TT业务的影响引入非均匀因素；

3)各端口测试激励初始为100%负载；

4)分别在TA功能使能和关闭的状态下进行测试。

各端口在未开启TA功能和开启TA功能后的对比如表1所示。tavp-RRM算法的实测吞吐量性能优于vp-RRM，吞吐量提升在5%以上，表明TA功能对于非均匀流量环境下的吞吐量有改善作用。

图  6  测试拓扑模型

本文根据TTFC网络中ET业务流量不均匀的特点，提出一种多优先级交换调度方案，基于端口流量队列长度进行优先级的自适应调整，使带宽资源紧张的VOQ得到更多的授权机会，从而改善TTFC网络的吞吐量性能，提高交换调度效率，更加适用于TTFC网络的事件触发业务的交换调度。