Emilia Weyulu mit Prof. Anja Feldmann (rechts) und Professor Thorsten Herfet von der Universität des Saarlandes (links). Foto: MPI-INF
Am 4. Dezember 2025 verteidigte Emilia Ndilokelwa Weyulu erfolgreich ihre Dissertation mit dem Titel „Towards a Robust and Reproducible Evaluation Framework for Congestion Control Algorithms“. Emilia Weyulu ist seit Mai 2019 Doktorandin am Max-Planck-Institut für Informatik und an der Universität des Saarlandes. Betreut wurde die Arbeit von Prof. Dr. Anja Feldmann, wissenschaftliche Direktorin der Abteilung "Internet Architecture" und Prof. Dr. Balakrishan Chandrasekaran, Assistant Professor der Vrije Universiteit Amsterdam. Der Doktorgrad wird von der Universität des Saarlandes verliehen.
Zusammenfassung der Arbeit:
Netzwerküberlastung, also der Zustand, in dem Systeme wie Switches oder Router mehr Daten empfangen, als sie verarbeiten können, führt zu Paketverlusten, erhöhten Netzwerkverzögerungen und einem reduzierten Durchsatz für alle Daten, die ein solches überlastetes System passieren. Die Überlaststeuerung bleibt ein zentrales Forschungsproblem im Bereich der Netzwerke, wobei sowohl die Industrie als auch die Wissenschaft Lösungen zur Verbesserung der Netzwerkleistung vorschlagen. Congetion-Control-Algorithmen (CCAs) wurden entwickelt, um Netzwerküberlastung zu bekämpfen, eine faire Ressourcenverteilung unter den Nutzern (oder Anwendungen) sicherzustellen und eine gute Netzwerkleistung aufrechtzuerhalten. Trotz der Innovationen und Forschungsanstrengungen, die in die Entwicklung neuer CCAs für vielfältige Netzwerkdaten investiert wurden, hat sich eine Einigung darüber, wie solche Algorithmen effizient bewertet werden können, innerhalb der Netzwerk-Community als schwierig erwiesen. Es ist nach wie vor schwierig zu beantworten, ob und in welcher Hinsicht bestimmte CCAs besser sind als andere. Selbst die Durchführung aller paarweisen Vergleiche zwischen den Algorithmen ist schwierig, da sich jeder Algorithmus je nach Netzwerkumgebung unterschiedlich verhält.
In dieser Arbeit plädieren wir für ein grundlegendes Umdenken in Bezug auf die Herangehensweise an CCA-Bewertungen. Anstatt eine standardisierte Reihe von Tests vorzuschreiben, die universell angewendet werden sollen, betonen wir, wie wichtig es ist, Bewertungen an ihren zugrunde liegenden Zielen auszurichten. Durch diese Verlagerung des Fokus kann die Belastung für Entwickler vermieden werden, ihre CCAs einer erschöpfenden Liste von Experimenten zu unterziehen, während gleichzeitig die Probleme der Reproduzierbarkeit angegangen werden, die diesen Bereich derzeit plagen. Zu diesem Zweck haben wir ein strenges und reproduzierbares „Rezept” für die Bewertung von CCAs entwickelt. Mit diesem Rezept konnten wir grundlegende konzeptionelle Probleme in dem neuen CCA von Google, BBRv3, aufdecken – dieses Forschungsprojekt wurde bei der PAM'24 mit dem „Best Paper Award” ausgezeichnet. Darüber hinaus hat diese Forschungsarbeit dazu beigetragen, die kritischen Netzwerksignale hervorzuheben, die bei der Konzeption von netzwerkgestützten CCAs berücksichtigt werden müssen.