← 返回 2026-09-11

自适应桥接：基于代理的解耦层缓解 ROS 2 中的 DDS 背压 Adaptive Bridge: A Proxy-Based Decoupling Layer for Mitigating DDS Backpressure in ROS 2

Kaushalraj Puwar, B. Thangaraju 📅 2026-09-06 👍 12 2026-09-12 18:30
DDS QoS ROS 2 中间件 实时系统 机器人
arXiv HuggingFace PDF

代理双写者拆分话题消除DDS背压，关键订阅者尾延迟从15秒降至1.55毫秒

前置知识

DDS 与 RELIABLE/BEST EFFORT QoS

DDS（数据分发服务）是 OMG 制定的以数据为中心的发布/订阅中间件标准，是 ROS 2 的默认通信层。它为每个实体定义 QoS 策略：RELIABLE 通过确认与重传保证样本必达，样本会保留在写者历史队列中直到所有匹配读者确认；BEST EFFORT 不确认、不重传，发出即不管。双方 QoS 的匹配规则决定写者如何维护历史。

本文全部机制——写者历史、背压、双写者隔离——都建立在这两种 QoS 的语义差异之上，不懂 QoS 匹配就无法理解为何拆成两个写者能切断耦合。

写者历史队列与背压

RELIABLE 写者为每个匹配读者保留未确认样本，历史深度由 KEEP_LAST 控制（如深度 $k$ 最多存 $k$ 条，受 $\text{max\_samples}$ 资源限制约束）。当某读者确认缓慢（丢包重传、带宽小、CPU 忙），未确认样本不断堆积，达到上限后写者拒绝新样本，发布者写入报错或阻塞——这就是背压：一个慢读者拖慢共享同一写者的所有读者。

背压正是本文要消除的对象，理解 200 样本池如何被填满，才能看懂基线吞吐崩塌与桥接修复的因果链。

ROS 2 与 RMW 抽象层

ROS 2 是机器人操作系统第二代，通信层通过 RMW（ROS 中间件接口）抽象实现可插拔，同一份应用代码可切换 Fast DDS、Cyclone DDS 等底层 DDS 实现。不同 RMW 对背压的处理策略不同：Fast DDS 的 publish() 非阻塞、池满即报错，Cyclone 的 dds_write() 阻塞直到缓存可用。

论文的核心验证之一是保护效果跨 RMW 可移植，且两种 RMW 的背压表现形态差异是理解表四与讨论部分的前提。

Gilbert-Elliott 突发丢包模型

两状态马尔可夫信道模型：Good 状态低丢包、Bad 状态高丢包，状态按转移概率 $p(G \to B)$ 与 $r(B \to G)$ 切换，生成时间相关的突发丢包，比独立同分布丢包更接近真实无线信道。论文用它配置 Linux tc netem（轻度场景平均丢包 2.3%，中度 7.1%，强度 9.2%）。

它是全部评估实验的流量环境，读懂表一的参数才能理解各损伤级别与基线崩塌数据之间的对应关系。

令牌桶限速与滞回

令牌桶以固定速率向桶中投放令牌，发送消息需消耗令牌、桶有容量上限，是常用的平滑限速算法，本文用它把降级状态下的非关键路径限到 3 Hz。滞回（hysteresis）指状态升级与降级使用两套不同阈值（如降级 $\text{RTT}>50\,\mathrm{ms}$、恢复 $<35\,\mathrm{ms}$），中间地带保持原状态，防止指标在阈值附近抖动造成状态振荡。

分类器与策略引擎的具体实现由这两者构成，直接决定系统的检测延迟、稳定性与带宽节省效果。

研究动机

ROS 2 系统中，DDS 的 RELIABLE 可靠传输会把一个慢订阅者的问题放大成全体遭殃：写者历史队列保留样本直到所有匹配读者确认，一旦某订阅者因丢包、带宽不足或 CPU 过载而确认缓慢，写者历史（Fast DDS 资源池 $\text{max\_samples}=200$）被未确认样本填满后发布者便无法写入新样本，健康订阅者也跟着丢消息、看延迟。典型场景是激光雷达以 30 Hz 发布 /scan，远程可视化节点经 Wi-Fi 接收，突发丢包触发 DDS 重传，发布者停摆，本地碰撞规避拿不到新鲜数据。基线实验定量显示：Gilbert-Elliott 突发丢包下发布速率从 30.0 Hz 崩塌到 19.2-21.4 Hz（降 29-36%），关键订阅者 p95 尾延迟高达 11,666-15,043 ms，速率标准差 8.5-8.7 Hz。现有替代方案各有硬伤：全部改用 BEST EFFORT 会牺牲碰撞规避的送达保证；按订阅者配 QoS 无法改变共享写者的可靠性策略；DiffServ 只作用于 IP 包，不理解 DDS 语义与关键性。

本文的目标是本文的目标是在 ROS 2 应用层构建一个非侵入式的解耦层：让安全关键订阅者（如本地碰撞规避）与降级或非关键订阅者（如远程可视化）彻底分离，使网络损伤只影响引发它的那条路径。具体量化目标有三：一是关键订阅者的尾延迟恢复到毫秒级，与无损伤基线同量级；二是发布者吞吐量在任意损伤强度下都维持配置的 30 Hz 目标速率；三是整个过程不修改 DDS 内部实现、不更换 RMW、不改发布者节点代码，任何现有 ROS 2 系统都能以插入一个代理节点的方式获得保护。此外，作者希望方案可复现、可比较：通过 Docker 化的四容器测试环境和 Gilbert-Elliott 突发丢包模型，系统量化损伤强度与缓解效果的关系，并验证保护效果在不同 RMW 实现（Fast DDS 与 Cyclone DDS）之间的可移植性，最终以开源包形式发布。

与已有工作不同的是，已有工作分三类，但都留有空白。第一类是分析与建模：Sciangula 等推导了 DDS 在实时约束下的数据送达延迟上界，Park 等的解析模型指出写者历史队列长度主导端到端延迟，Casini 等与 Luo 等分别在回调链响应时间和多订阅者场景量化了耦合效应——它们证明了问题存在，却没有给出可部署的应用层缓解手段。第二类是运行时自适应 QoS：已有框架能在运行时调整可靠性与持久性策略，或用优先级调度做发布/订阅信道区分，但改动发生在发布者或传输层，所有读者仍共享同一个写者，策略一变影响全体，无法给每个订阅者独立的路径与可靠性语义。第三类是下层协议方案，如面向时间关键无线传输的中间件协议和 RTPS 感知的可扩展视频流，目标相似但工作在 ROS 2 应用层之下。本文的独特切入点是把解耦做在写者结构层面：用代理把关键与非关键读者物理挂到两个独立 DDS 写者上实现话题拆分，再用主动探测的分类器做非关键路径的自适应速率控制——既不是调 QoS 参数，也不是改传输层，而是改变 DDS 端点的拓扑结构。

核心方法

直觉上，缓堵最直接的办法是分道行车：让慢车不再占用关键车道。Adaptive Bridge 在发布者与订阅者之间插入一个中间件级代理节点，代理订阅原始话题（如 /scan），再通过两个相互独立的 DDS 写者重新发布：关键路径用 RELIABLE QoS（KEEP_LAST 深度 10、VOLATILE 持久性），非关键路径用 BEST EFFORT QoS（KEEP_LAST 深度 5）。由于两个写者拥有各自的历史队列和确认调度，BEST EFFORT 写者上的慢读者无法对 RELIABLE 写者形成背压，发布者到代理的链路也不会积累未确认样本。系统由四个组件构成：Proxy Node 负责接收并双路转发，Classifier Node 以 5 Hz 发送带序号的探测包并统计滑动窗口内的平均 RTT 与丢包率，Policy Engine 依据分类结果设置速率限制与丢弃策略，Configuration Manager 在启动时读取 YAML 并预创建全部发布者，避免发现风暴与运行时竞态。整个方案不触碰 DDS 内部、RMW 实现或发布者节点，分类变化只影响代理内部的路由与限速。

核心创新是把解耦从 QoS 配置层面提升到 DDS 端点结构层面。已有自适应 QoS 方案改变的是同一个写者的策略参数，本文则让不同关键级的读者各自匹配独立的写者——分离发生在写者结构而非共享 QoS 配置里。这有理论支撑：Park 等的模型表明写者历史队列长度主导端到端延迟，Sciangula 等的送达延迟界说明写者级分离才是打破背压的正确粒度。第二个创新是带滞回的主动探测分类器：探测消息以 5 Hz 在专用 BEST EFFORT 话题上发送，订阅者端响应器回传序号与时间戳，分类器在 50 个样本（10 秒）的滑动窗口上计算平均 RTT 与丢包率；降级要求 $\text{RTT}>50\,\mathrm{ms}$ 或丢包率 $>1.5\%$ 连续三次评估成立，恢复要求 $\text{RTT}<35\,\mathrm{ms}$ 且丢包率 $<0.5\%$，两套阈值之间的中间地带保持状态不变并重置计数器以防振荡。安全偏置是显式设计的：UNKNOWN 状态默认按 CRITICAL 处理，因为把关键订阅者误判为非关键可能丢弃安全消息，反向错误只浪费带宽。

方法步骤详情

工作流程分四步。第一步（配置与启动）：Configuration Manager 读入 YAML，一次性预创建代理的全部发布者，避免运行时发现抖动。第二步（转发与隔离）：代理订阅原始话题，把每条消息同时发给 RELIABLE 关键写者与 BEST EFFORT 非关键写者；关键读者本地且确认及时，发布者到代理的链路不积压。第三步（健康监测）：分类器以 5 Hz 发出带序号探测，订阅者响应器回传序号与时间戳，在 50 样本/10 秒滑窗上算出平均 RTT 与丢包率，输入带滞回的状态机（UNKNOWN/CRITICAL/NONCRITICAL），YAML 手动覆盖优先于探测数据。第四步（策略执行）：NORMAL 模式下关键路径全速率、非关键路径限速 10 Hz；NONCRITICAL 触发 DEGRADED 模式，非关键写者被令牌桶限到 3 Hz，并启用三项保护——超过 200 ms 的陈旧消息丢弃、内部队列有界、关键转发永远优先。Safety Supervisor 监视队列占用、回调滞后与错误计数：接近过载进入 DEGRADED（挂起非关键转发），极端故障进入 EMERGENCY（停止全部转发并发布诊断）。

技术新颖性

技术新颖性体现在四点。其一，问题与机制的匹配方式：不像 DiffServ 在 IP 包层工作，也不像自适应 QoS 框架那样只改写者策略，而是在应用层实现每类读者一个写者的结构性隔离，不修改 DDS 内部、RMW 或发布者节点。其二，主动式健康分类：不同于被动等待丢包反馈，代理主动发 RTT 探测，用双阈值滞回（$50/35\,\mathrm{ms}$ 与 $1.5\%/0.5\%$）加三次连续评估确认统一了快速检测与抗振荡，UNKNOWN 归 CRITICAL 的安全偏置堵死了最危险的误分类方向。其三，策略分层设计：令牌桶限速、200 ms 陈旧丢弃、有界队列与关键优先共同保证非关键可被牺牲、关键永不被阻塞。其四，安全兜底：Safety Supervisor 的 DEGRADED/EMERGENCY 两级状态机把代理本身成为新瓶颈的风险显式管理起来。此外，作者提供了完整可复现的评估方法学（Gilbert-Elliott 损伤模型 + Docker 编排 + --rmw 跨实现开关），开源包已进入 ROS Index 的 Jazzy 发行版，这在系统类工作中相当规范。

Adaptive Bridge architecture. The proxy receives the original topic and republishes it through two independent DDS writers. The classifier probes the slow subscriber and changes the noncritical forwarding rate.
Fig. 1: Adaptive Bridge architecture. The proxy receives the original topic and republishes it through two independent DDS writers. The classifier probes the slow subscriber and changes the noncritical forwarding rate.
Classifier state machine. A state change requires threshold crossings over three consecutive classifier evaluations, while manual configuration overrides take precedence.
Fig. 2: Classifier state machine. A state change requires threshold crossings over three consecutive classifier evaluations, while manual configuration overrides take precedence.

实验结果

实验在 4 容器 Docker 桥接网络上进行，tc netem 按 Gilbert-Elliott 模型对慢订阅者路径注入突发丢包（平均丢包 2.3%/7.1%/9.2% 三档），损伤实验每轮 180 秒、约 5,400 个样本。H1 基线证实背压：无损伤时 30.0 Hz、p95 0.95 ms；有损伤时吞吐跌至 19.2-21.4 Hz（降 29-36%），关键 p95 飙至 11,666-15,043 ms，而 p50 仍在约 1 ms——背压集中在尾部与吞吐，速率标准差 8.5-8.7 Hz 印证池子填充排空的不稳定。H2 桥接证实解耦：所有损伤级别下速率保持 30.0 Hz（标准差 0.0 Hz），关键 p95 不超过 1.57 ms；强度损伤下 p95 从 15,043 ms 降至 1.55 ms，约 9,700 倍；干净模式仅增加约 0.4 ms。消融（H3 部分证实）显示关键延迟收益几乎全部来自话题拆分（分类器关/开：p95 1.57 对 1.55 ms），分类器价值在非关键侧：损伤期 10 Hz 降到 3 Hz，节省约 70% 带宽；切换实验产生 9 次同步转换，检测恢复约 20 秒。跨 RMW 验证另见基准表：两种实现关键 p99 均低于 2 ms，但背压形态不同——Fast DDS 非阻塞 publish 形成积压，Cyclone 阻塞式写入使 600 KiB 缓存填满后阻止新消息生成。

Experimental testbed topology. Four containers on a Docker bridge network. tc netem applies Gilbert-Elliott loss on publisher egress, filtered to the slow subscriber's Internet Protocol (IP) address only.
Fig. 3: Experimental testbed topology. Four containers on a Docker bridge network. tc netem applies Gilbert-Elliott loss on publisher egress, filtered to the slow subscriber's Internet Protocol (IP) address only.
Critical subscriber p95 latency (top) and publisher throughput (bottom) across impairment levels. The bridge removes the two manifestations of backpressure. The dashed line indicates the publisher's 30 Hz target rate.
Fig. 4: Critical subscriber p95 latency (top) and publisher throughput (bottom) across impairment levels. The bridge removes the two manifestations of backpressure. The dashed line indicates the publisher's 30 Hz target rate.
Critical subscriber latency CDFs across all impairment levels. The top panel is the baseline, where tail latency increases with impairment (clean below 1 ms; impaired tails exceed 18 s). The bottom panel is Adaptive Bridge, where all four CDFs overlap near 1-2 ms, showing no observable effect of impairment on critical-path delivery.
Fig. 5: Critical subscriber latency CDFs across all impairment levels. The top panel is the baseline, where tail latency increases with impairment (clean below 1 ms; impaired tails exceed 18 s). The bottom panel is Adaptive Bridge, where all four CDFs overlap near 1-2 ms, showing no observable effect of impairment on critical-path delivery.
查看结构化数据
任务指标本文基线提升
强度网络损伤下的关键路径保护（Gilbert-Elliott 平均丢包 9.2%） 关键订阅者 p95 尾延迟 1.55 ms 15,043 ms（无桥接基线） 降低约 9,700 倍，且所有损伤级别下均不超过 1.57 ms
损伤下发布者吞吐量维持 发布速率（5 秒窗口） 全部场景 30.0 Hz，速率标准差 0.0 Hz 19.2-21.4 Hz（崩塌 29-36%），速率标准差 8.5-8.7 Hz 吞吐完全恢复至目标速率且消除抖动
无损伤时的代理转发开销 关键订阅者 p50 延迟 1.07 ms 0.65 ms（直连） 仅增加约 0.4 ms，相对基线秒级尾延迟可忽略
跨 RMW 可移植性（Fast DDS 与 Cyclone DDS） 关键订阅者 p99 延迟 Fast DDS 1.7-1.8 ms / Cyclone 1.6-1.9 ms，吞吐均 30.0 Hz Fast DDS 基线 p99 达 14,000-17,000 ms 两种 RMW 下均稳定低于 2 ms
非关键带宽自适应管理（分类器消融） 损伤期非关键转发速率 3 Hz（令牌桶限速） 静态话题拆分下维持 10 Hz 深度衰落时节省约 70% 非关键带宽，同时关键 p95 几乎不变（1.55 对 1.57 ms）

局限与改进

作者明确承认五点局限。第一，代理开销：干净链路增加约 0.4 ms，高聚合带宽时代理可能成为新瓶颈，CPU 与内存开销未单独测量。第二，分类是被动的：50 样本滑窗加滞回使持续损伤检测约需 20 秒，比评估窗口更短的间歇性损伤可能不触发状态变化。第三，RMW 与消息类型覆盖有限：只测了 Fast DDS 与 Cyclone DDS，RTI Connext 和 PointCloud2 等大消息类型待验证。第四，网络模型是合成的：Gilbert-Elliott 参数只产生可控突发丢包，未声称复现真实 Wi-Fi 部署。第五，代理是单点故障：Safety Supervisor 能进入降级/紧急模式，但进程级崩溃仍需外部看门狗或冗余代理。我自己的观察还有两点：其一，实验只有一个发布者、两个订阅者和单一 /scan 话题，代理把每条消息发两遍，多话题多发布者并存时的发现开销与流量翻倍未评估；其二，全部结果来自 30 Hz 单一速率，更高频率或更大消息下 KEEP_LAST 10/5、200 ms 陈旧阈值、3 Hz 限速是否仍合适缺乏敏感性分析。

独立分析的弱点

独立分析后，我认为有以下值得改进的弱点。一是非关键路径缺服务目标：BEST EFFORT 限到 3 Hz 只是省带宽，但远程可视化等应用实际需要多少 Hz 才够用没有建模，可改为按应用声明需求做效用驱动的速率分配。二是滞回参数（$50/35\,\mathrm{ms}$、$1.5\%/0.5\%$、三次评估、200 ms 陈旧阈值）全部手工固定，对 4G、卫星、车间 Wi-Fi 等不同链路未必最优，可引入在线自适应或学习式阈值。三是关键路径仍依赖关键读者确认快这一假设：论文假设关键读者本地且快速，但若关键读者自身过载，RELIABLE 写者池同样会被填满——代理只是把背压从非关键读者处转移，可对关键写者也加深度监控与最旧样本淘汰。四是探测流本身在损伤期与数据流竞争带宽，虽只有 5 Hz，深度衰落时也应有退避机制。五是单代理架构下代理崩溃即话题中断，可利用 DDS 发现机制做主备代理热切换，或让关键客户端保留直连发布者的回退路径。六是评估只报告了关键订阅者的延迟，非关键订阅者被限速到 3 Hz 后的 p95/p99 延迟分布没有数据，无法判断对可视化或日志回放的体验影响。

未来方向

作者在结论与局限中提出的方向包括：多代理冗余消除单点故障、覆盖更多 RMW 实现（如 RTI Connext）、验证更大消息类型（PointCloud2）、真实机器人部署、基于网络趋势的预测式分类、用实测 Wi-Fi 轨迹校准损伤模型、以及代理 CPU/内存开销的独立测量。在此基础上可延伸几条更系统的线：其一，把代理推广为关键性感知的中间件服务，支持多话题多发布者的全局资源分配，在带宽预算内联合优化各话题的关键/非关键速率；其二，将 Safety Supervisor 的 DEGRADED/EMERGENCY 状态机与机器人功能安全监控对接，使 EMERGENCY 触发直接进入安全停车流程；其三，利用 DDS 内容过滤话题与分区机制在代理内部做按订阅者的细粒度路由，而非只有两条粗粒度路径；其四，把分类器升级为轻量时序预测（滑窗上的指数加权移动平均或小型在线模型），在损伤发生前预降级，缩短 20 秒反应时间；其五，结合 Sciangula/Park 的延迟界做形式化推导，给出给定写者深度与限速参数下关键路径 p99 的可证明上界，让工程参数有理论依据。

复现评估

复现条件相当好。完整实现与配置文件在 GitHub 公开（仓库 KaushalrajPuwar/adaptive-bridge），ROS 2 包已收录进 ROS Index 的 Jazzy 发行版；评估使用固定且版本受控的配置与损伤参数，编排与分析脚本全部提供；Docker 化四容器测试环境不需要真实机器人或特殊硬件；跨 RMW 实验通过 --rmw 标志切换而无需改代码。算力需求很小：一个 30 Hz 的 LaserScan 发布者、两个订阅者加代理，损伤实验每轮 180 秒、约 5,400 个样本，干净实验 120 秒。复现时需注意：Fast DDS 要用 XML 配置禁用共享内存、强制 UDPv4，并把写者资源限制设为 $\text{max\_samples}=200$ 才能复现基线的有界池背压；Cyclone DDS 需要 AllowMulticast=spdp 让数据面走单播以匹配 tc 过滤器；tc netem 需要 root 权限；论文只报告均值与标准差，未提供原始数据与显著性检验。总体难度中低，环境搭建比算法调参更花时间。

论文图表

Table I: Gilbert-Elliott impairment parameters

四个损伤级别的模型参数：Clean 无损伤；Mild 取 $p(G \to B)=1\%$、$r(B \to G)=15\%$、Good 态丢包 0.5%、Bad 态 30%，平均丢包 2.3%；Moderate 对应 3%/15%、0.5%/40%，平均 7.1%；Strong 对应 2%/10%、1.0%/50%，平均 9.2%。

定义了全部实验的流量环境，是连接模型参数与实测平均丢包率、进而解释基线崩塌幅度的桥梁，复现实验时必须逐项对齐。

Table II: Baseline results (no bridge)

无桥接基线数据：Clean 下 30.0 Hz、p50 0.65 ms、p95 0.95 ms；Mild/Moderate 下速率 21.4 Hz、p95 分别 15,013/11,666 ms；Strong 下速率 19.2 Hz、p95 15,043 ms；速率标准差 8.5-8.7 Hz，而各场景 p50 都在约 1 ms。

定量确认 H1：背压的表现是吞吐崩塌 29-36% 加尾延迟爆炸，而中位数几乎不变——这一形态差异正是 200 样本池先填满后排空机制的指纹。

Table III: Bridge results (Adaptive Bridge enabled)

启用桥接后的数据：所有场景（Clean/Mild/Moderate/Strong/Toggle/Ablation）发布速率均 30.0 Hz，关键 p50 约 1.07-1.11 ms、p95 不超过 1.57 ms；分类器转换次数 Clean 为 5（启动收敛）、持续损伤场景为 2、Toggle 为 9、消融为 0。

与表二逐列对照即是 H2 的直接证据，转换计数还额外展示了分类器在不同损伤模式下的行为（稳定损伤只降级一次、交替损伤频繁切换）。

Table IV: Cross-RMW validation: bridge scenarios

相同 Gilbert-Elliott 损伤下 Fast DDS 与 Cyclone DDS 的桥接场景对比：四个场景中 F-DDS 关键 p99 为 1.7-1.8 ms，C-DDS 为 1.6-1.9 ms，两者吞吐均为 30.0 Hz。

证明保护效果不依赖特定 RMW 实现，支撑了应用层方案的可移植性主张；结合正文分析还揭示了两种 RMW 背压形态的差异（积压型对阻断型）。