[論文レビュー] Consensus Needs Broadcast in Noiseless Models but can be Exponentially Easier in the Presence of Noise

Andrea Clementi, Luciano Gualà+4 more|arXiv (Cornell University)|Jul 15, 2018

Distributed systems and fault tolerance参考文献 52被引用数 2

ひとこと要約

この論文は、ノイズのない分散モデルにおいて、Consensus は Broadcast と同じかそれ以上の難易度であり、均一な GOSSIP モデルでは、ロウ数に関するタイトな対数的下界が確立されている。一方、ノイズのあるモデル、たとえばノイズ付き均一 PULL モデルでは、Consensus は Broadcast よりも指数的に簡単になる。Binary Consensus は Θ(ε⁻² log n) ラウンドで達成可能であるのに対し、Broadcast は Θ(ε⁻²n log n) ラウンドを要する。これは、ノイズに起因する情報集約によって生じる指数的ギャップを示している。

ABSTRACT

Consensus and Broadcast are two fundamental problems in distributed computing, whose solutions have several applications. Intuitively, Consensus should be no harder than Broadcast, and this can be rigorously established in several models. Can Consensus be easier than Broadcast? In models that allow noiseless communication, we prove a reduction of (a suitable variant of) Broadcast to binary Consensus, that preserves the communication model and all complexity parameters such as randomness, number of rounds, communication per round, etc., while there is a loss in the success probability of the protocol. Using this reduction, we get, among other applications, the first logarithmic lower bound on the number of rounds needed to achieve Consensus in the uniform GOSSIP model on the complete graph. The lower bound is tight and, in this model, Consensus and Broadcast are equivalent. We then turn to distributed models with noisy communication channels that have been studied in the context of some bio-inspired systems. In such models, only one noisy bit is exchanged when a communication channel is established between two nodes, and so one cannot easily simulate a noiseless protocol by using error-correcting codes. An Ω(ε^{-2} n) lower bound is proved by Boczkowski et al. [PLOS Comp. Bio. 2018] on the convergence time of binary Broadcast in one such model (noisy uniform PULL), where ε is a parameter that measures the amount of noise). We prove an O(ε^{-2} log n) upper bound on the convergence time of binary Consensus in such model, thus establishing an exponential complexity gap between Consensus versus Broadcast. We also prove our upper bound above is tight and this implies, for binary Consensus, a further strong complexity gap between noisy uniform PULL and noisy uniform PUSH. Finally, we show a Θ(ε^{-2} n log n) bound for Broadcast in the noisy uniform PULL.

研究の動機と目的

• 分散システムにおける Consensus と Broadcast の相対的複雑さを調査すること。
• 特定の通信モデルにおいて、Consensus が Broadcast よりも厳密に簡単になるかどうかを特定すること。
• 通信ノイズが両問題のラウンド複雑さに与える影響を分析すること。
• ノイズありおよびノイズなしのモデルにおける Broadcast と Consensus のタイトな下界および上界を確立すること。

提案手法

• ノイズのないモデルにおいて、二値 Consensus への Broadcast の変種からの還元を提案し、複雑さパラメータを保存することで、Consensus が Broadcast と同じかそれ以上の難易度であることを示した。
• Chernoff と Union Bounds を用いて、ノイズのあるモデルにおける k-Majority 動的収束を分析し、バイアスがある場合の迅速なコンセンサス到達を証明した。
• ノイズ付き均一 PULL モデルのための二段階プロトコル、NoisyBroadcast を設計した。第一段階ではノイズのあるメッセージを集約し、第二段階では Majority Consensus を実行した。
• Berry-Esseen 定理を適用して、確率的解析のためのメッセージ分布を正規分布で近似した。
• 濃度不等式を用いて、NoisyBroadcast の第一段階における誤った意見選択の確率をバウンドした。
• 確率的解析と正規分布の尾部バウンドを用いて、タイトな漸近的バウンドを導出した。

実験結果

リサーチクエスチョン

• RQ1 どの分散モデルにおいても、Consensus が Broadcast よりも厳密に簡単になるか？
• RQ2 通信ノイズは、Consensus と Broadcast のラウンド複雑さにどのように影響するか？
• RQ3 ノイズを活用することで、コンセンサスプロトコルにおいて指数的改善を達成できるか？
• RQ4 ノイズ付き均一 PULL モデルにおける Broadcast と Consensus の最もタイトなラウンド複雑さバウンドは何か？

主な発見

• ノイズのない均一な GOSSIP モデルでは、Consensus には Ω(log n) ラウンドが必要であり、これは Broadcast の既知の下界と一致しており、両者が漸近的に同等であることを示している。
• ノイズ付き均一 PULL モデルでは、Broadcast に Θ(ε⁻²n log n) ラウンドが必要であり、既知の下界と一致しており、タイトさが確立されている。
• 同じノイズ付きモデルにおいて、二値コンセンサスは Θ(ε⁻² log n) ラウンドで解決可能であり、Broadcast と比較して指数的ギャップが生じている。
• この指数的ギャップは、ノイズが情報集約を高速化できることに起因する。ノードは、信号対ノイズ比が低くても、ノイズのあるビット交換を活用して、急速に収束できる。
• プロトコル NoisyBroadcast は、高確率で O(ε⁻²n log n) ラウンドで Broadcast を達成でき、下界と一致しており、最適性が証明されている。
• 解析により、ノイズのある通信でさえも、線形のノイズ付きプル回数後に定数割合のノードがソースの値を正しく推定できることを示している。これにより、高速なコンセンサスが可能になる。