[論文レビュー] Efficient Network Measurements through Approximated Windows.

Ran Ben Basat, Gil Einziger+1 more|arXiv (Cornell University)|Mar 3, 2017

Network Traffic and Congestion Control被引用数 1

ひとこと要約

本稿では、小さな許容誤差（1+ε）内でウィンドウサイズを動的に調整できる緩められたスライディングウィンドウモデルを提案する。このモデルにより、ネットワーク測定問題におけるメモリ要件を顕著に削減できる。ウィンドウサイズに余裕（スラック）を許容することで、MAX、GENERAL-SUMMING、BASIC-SUMMING、COUNT-DISTINCTといった問題に対して、正確なスライディングウィンドウモデルのΩ(W)ビットの下界を超えるサブリニア空間のアルゴリズムが可能になる。

ABSTRACT

Many networking applications require timely access to recent network measurements, which can be captured using a sliding window model. Maintaining such measurements is a challenging task due to the fast line speed and scarcity of fast memory in routers. In this work, we study the impact of allowing \emph{slack} in the window size on the asymptotic requirements of sliding window problems. That is, the algorithm can dynamically adjust the window size between $W$ and $W(1+ au)$ where $ au$ is a small positive parameter. We demonstrate this model's attractiveness by showing that it enables efficient algorithms to problems such as MAX and GENERAL-SUM that require $\Omega(W)$ bits even for constant factor approximations in the exact sliding window model. Additionally, for problems that admit sub-linear approximation algorithms such as BASIC-SUMMING and COUNT-DISTINCT, the slack model enables a further asymptotic improvement.

研究の動機と目的

• 高速ネットワークにおける正確なスライディングウィンドウ測定を維持するための高いメモリコストに対処すること。
• ウィンドウサイズに小さな許容誤差（スラック）を導入することで、空間計算量の漸近的複雑度を低減できるかどうかを調査すること。
• MAX、SUM、COUNT-DISTINCTといった基本的なネットワーク測定問題に対して、効率的でサブリニア空間のアルゴリズムを可能にすること。
• ウィンドウサイズのスラックが、正確なスライディングウィンドウモデルよりも漸近的に改善をもたらすことを示すこと。

提案手法

• ウィンドウサイズがWからW(1+ε)の間で変動可能である緩められたスライディングウィンドウモデルを導入する。ここでεは小さな正のパラメータである。
• このスラックモデル下で近似測定を維持するアルゴリズムを設計し、メモリ使用量を削減するためにウィンドウを動的に調整する。
• スラックモデル下での主要なネットワーク測定問題の空間計算量を分析し、Ω(W)からWに関してサブリニアにまで低減されることを示す。
• ストリーミングアルゴリズムと近似理論の技術を適用し、誤差が有界な更新とクエリを効率的に実行する。
• BASIC-SUMMINGやCOUNT-DISTINCTのような問題において、スラックモデルが正確なモデルでは達成できないさらなる漸近的改善を可能にすることを証明する。

実験結果

リサーチクエスチョン

• RQ1 ウィンドウサイズに小さなスラックを導入することで、スライディングウィンドウ測定アルゴリズムの空間計算量を低減できるか？
• RQ2 スラックモデルが、正確なスライディングウィンドウモデルではΩ(W)ビットを要する問題に対し、サブリニア空間のアルゴリズムを可能にするか？
• RQ3 スラックモデルは、近似ネットワーク測定問題の漸近的性能をどの程度改善できるか？
• RQ4 正確なモデルでは得られない新たなアルゴリズム的トレードオフを可能にする、根本的な問題は存在するか？

主な発見

• MAXおよびGENERAL-SUMの空間計算量が、Ω(W)ビットからWに関してサブリニアにまで低減され、効率的な近似が可能になる。
• BASIC-SUMMINGおよびCOUNT-DISTINCTにおいて、スラックモデルは正確なスライディングウィンドウモデルで達成可能な範囲を超えたさらなる漸近的改善を可能にする。
• ウィンドウサイズをWからW(1+ε)の間で動的に調整でき、大幅なメモリ削減を実現しながらも、正確な近似を維持できる。
• 小さなウィンドウサイズの変動を許容することで、スライディングウィンドウ問題における定数近似のΩ(W)下界を打ち破れることを示している。