[論文レビュー] PCC: Re-architecting Congestion Control for Consistent High Performance

Dong Mo, Qingxi Li+3 more|arXiv (Cornell University)|Sep 24, 2014

Network Traffic and Congestion Control参考文献 36被引用数 243

ひとこと要約

本論文は、パケットイベントに対するTCPのハードウェアで固定された反応を、観測されたパフォーマンス指標への直接的な送信レート調整に置き換える学習ベースのアプローチを採用する、パフォーマンス指向の混雑制御（PCC）という新しい混雑制御アーキテクチャを提案する。PCCは、ネットワーク機器やプロトコルの変更を要せず、実世界のパフォーマンスのユーティリティ関数を最適化することで、多様なネットワーク環境において一貫した、しばしば10倍高いスループットを達成する。

ABSTRACT

TCP and its variants have suffered from surprisingly poor performance for decades. We argue the TCP family has little hope to achieve consistent high performance due to a fundamental architectural deficiency: hardwiring packet-level events to control responses without understanding the real performance result of its actions. We propose Performance-oriented Congestion Control (PCC), a new congestion control architecture in which each sender continuously observes the connection between its actions and empirically experienced performance, enabling it to consistently adopt actions that result in high performance. We prove that PCC converges to a stable and fair equilibrium. Across many real-world and challenging environments, PCC shows consistent and often 10x performance improvement, with better fairness and stability than TCP. PCC requires no router hardware support or new packet format.

研究の動機と目的

• 複雑で現実的なネットワーク環境において、TCPベースの混雑制御が一貫した高性能を発揮できないという長年の問題に対処すること。
• TCPの根本的なアーキテクチャ的欠陥である、ネットワーク状態の仮定に基づいたハードウェアで固定されたパケットレベルイベントへの反応を、実際のパフォーマンス結果のフィードバックがないまま行うという点を克服すること。
• 実証的に観測されたパフォーマンスに基づいて最適な送信レートを動的に学習する混雑制御フレームワークを設計すること。
• ネットワークインfraストラクチャの変更なしに、アプリケーション固有のパフォーマンス目標を柔軟に実現できる、プラグイン可能なユーティリティ関数を提供すること。
• エンドホストベースの学習制御が、従来のTCPバージョンやRemyのような高度なプロトコル設計よりも、現実的で動的な環境において優れていることを実証すること。

提案手法

• PCCは、パケットレベルのイベントをスループット、損失率、遅延などのメトリクスに集約することで、異なる送信レートが与えるパフォーマンスへの影響を継続的にモニタリングする。
• ユーザーが定義した関数を用いて、アプリケーション固有のパフォーマンス目標（例：スループットを最大化し、損失を最小化する）を反映したユーティリティスコアを計算する。
• 学習制御アルゴリズムは、異なるレートでの達成されたユーティリティを比較し、実証的ユーティリティを最大化するように送信レートを調整する。
• ネットワーク状態の仮定に依存しないように、レート変更とその測定可能なパフォーマンス効果を直接結びつけることで、ハードウェアで固定された制御マッピングを回避する。
• PCCはエンドホストでのみ動作し、新しいパケットフォーマット、ルーターハードウェア、ネットワークプロトコルの変更を一切必要としない。
• FIFO、FQなどの複数のキューイングディスципリンをサポートし、実際のネットワーク行動から学習することで、損失率やRTTの変動に適応する。

実験結果

リサーチクエスチョン

• RQ1 ネットワーク状態に関するハードウェアで固定された仮定に依存せずに、多様で現実的なネットワーク環境において一貫した高性能を達成できる混雑制御アーキテクチャは存在するか？
• RQ2 実際のパフォーマンスフィードバックから学習するアプローチと、従来のTCPのイベントトリガー制御とを比較すると、スループット、公平性、安定性の観点でどちらが優れているか？
• RQ3 PCCは、極端な状況（例：50％の損失率や変動するRTT）下でも、高いパフォーマンスを維持できるか？
• RQ4 エンドホストでアプリケーションの目的をよりよく表現することで、CoDel や FQ などの複雑なアクティブキューイングマネジメント（AQM）メカニズムへの依存を減らすことができるか？
• RQ5 FIFOキューイングと競合するフローが存在する環境下で、PCCのパフォーマンスは異なるユーティリティ関数やネットワークトポロジーにどのようにスケーリングするか？

主な発見

• PCCは、CUBICが最適化されている高バンド幅遅延積（BDP）リンクでさえも、商用インターネット上においてCUBICよりも最大10倍高いスループットを達成する。
• 10％の損失率下で、100 Mbps、30 ms RTTのリンクで高バッファ損失が発生する環境でも、PCCはCUBICよりも151倍高いスループットを達成する。
• 50％の損失率下でも、PCCは最適に達成可能なスループットの97％を維持し、極端なパケット損失に対して高い耐性を示す。
• バッファブロートとCoDelが存在する環境下で、PCCの自己発生遅延はCoDelのしきい値を超えるため、CoDelは無効化され、PCCのエンドホスト制御の優位性が示される。
• FQキューイング下では、損失に強いユーティリティ関数を用いることで、PCCは競合するフローが存在する中でも個々のフローが自らのパフォーマンス目標を独立して達成できる。
• 実世界の実験において、PCCはRemy、PCP、およびその他のプローブベースのプロトコルを上回り、ネットワークの仮定が満たされない状況下でも特に優れた性能を発揮する。