[論文レビュー] Randomized Local Fast Rerouting for Datacenter Networks with Almost Optimal Congestion.

Gregor Bankhamer, Robert Elsässer⋆+1 more|arXiv (Cornell University)|Aug 4, 2021

Interconnection Networks and Systems被引用数 1

ひとこと要約

この論文は、Closデータセンターネットワーク向けに、局所的な障害情報と宛先に基づく確率的ローカルフェイルオーバー再ルーティングアルゴリズムを提案しており、グローバルな調整なしに分散的かつ迅速にリンク障害に対応でき、近似的に最小限の混雑を実現する。局所的障害情報と宛先に依存するルーティング規則を採用することで、制限された局所的障害率下で、混雑が多項式対数対数要因の範囲内で漸近的に最適となることが保証される。

ABSTRACT

To ensure high availability, datacenter networks must rely on local fast rerouting mechanisms that allow routers to quickly react to link failures, in a fully decentralized manner. However, configuring these mechanisms to provide a high resilience against multiple failures while avoiding congestion along failover routes is algorithmically challenging, as the rerouting rules can only depend on local failure information and must be defined ahead of time. This paper presents a randomized local fast rerouting algorithm for Clos networks, the predominant datacenter topologies. Given a graph $G=(V,E)$ describing a Clos topology, our algorithm defines local routing rules for each node $v\in V$, which only depend on the packet's destination and are conditioned on the incident link failures. We prove that as long as number of failures at each node does not exceed a certain bound, our algorithm achieves an asymptotically minimal congestion up to polyloglog factors along failover paths. Our lower bounds are developed under some natural routing assumptions.

研究の動機と目的

• データセンターネットワーク向けに、リンク障害に対して高い耐障害性を確保する分散型フェイルオーバー再ルーティングメカニズムを設計すること。
• 局所的状態情報と事前計算されたルーティング規則の制約下で、Closトポロジにおけるフェイルオーバーパathsの混雑度を最小限に抑えること。
• 制限された局所的障害率下で、混雑度が多項式対数対数要因の範囲内で漸近的に最適となるようにすること。
• 自然なルーティング仮定の下で下界を形式的に定式化し、提案手法の最適性を検証すること。

提案手法

• アルゴリズムは、各ノードにおいて宛先と障害発生リンクの集合にのみ依存する局所的ルーティング規則を定義する。
• 障害発生時における代替パス間のトラフィック分散を最適化するために、規則選択に確率的要素を導入する。
• ルーティング規則は事前に計算され、状態なしであるため、グローバルな調整なしに高速かつ局所的な意思決定が可能である。
• Closネットワークのグラフ理論的解析に基づき、階層的構造を活用してスケーラビリティを確保する。
• 理論的解析により、制限された局所的障害発生下で、混雑度が多項式対数対数要因の範囲内で漸近的に最小に保たれることを証明する。
• 自然な仮定の下で下界を導出し、達成された混雑度性能の最適性を裏付ける。

実験結果

リサーチクエスチョン

• RQ1 複数のリンク障害が発生する状況下でも、局所的・分散型フェイルオーバー再ルーティングメカニズムが、Closデータセンターネットワークで近似的に最適な混雑度を達成できるか。
• RQ2 宛先と局所的障害情報にのみ依存する局所的ルーティング規則で、どの程度の混雑度低減が達成可能か。
• RQ3 ルーティング規則選択における確率的要素が、フェイルオーバー時の負荷分散と混雑度にどのように影響するか。
• RQ4 グローバルなネットワーク状態や調整なしに、どの程度混雑度を最小限に抑えることができるか。
• RQ5 現実的な仮定下での局所的フェイルオーバー再ルーティングの根本的限界は何か。また、提案手法はその限界にどの程度近づいているか。

主な発見

• 提案手法は、制限された局所的障害発生下で、混雑度が多項式対数対数要因の範囲内で漸近的に最適となる。
• 障害発生数がノードごとに定義されたしきい値内であれば、複数のリンクが同時に障害となっても混雑度は低く保たれる。
• 局所的規則選択における確率的要素により、グローバルな状態を保持せずに代替パス間での効果的な負荷分散が実現される。
• アルゴリズムは完全に分散型に動作し、障害回復時における調整やグローバルな知識が一切不要である。
• 理論的下界により、与えられたルーティング制約下で達成された混雑度性能が近似的に最適であることが確認された。
• スケーラビリティや障害応答速度を犠牲にすることなく、高い耐障害性と性能を維持する。