[論文レビュー] Real-Time Fair Resource Allocation in Distributed Software Defined Networks

Zaïd Allybokus, Konstantin Avrachenkov+2 more|arXiv (Cornell University)|Nov 27, 2017

Software-Defined Networks and 5G参考文献 28被引用数 8

ひとこと要約

本稿では、大規模な分散ソフトウェア定義ネットワーク（SDN）におけるリアルタイムで公平なリソース割り当てを実現する、交替方向乗数法（ADMM）に基づく分散アルゴリズムFD-ADMMを提案する。本手法は反復のたびに実行可能性を保証し、動的トラフィック下でも標準的な双対分解法を上回る迅速な収束を達成し、α-公平な帯域幅割り当てを実現する。

ABSTRACT

The performance of computer networks relies on how bandwidth is shared among different flows. Fair resource allocation is a challenging problem particularly when the flows evolve over time.To address this issue, bandwidth sharing techniques that quickly react to the traffic fluctuations are of interest, especially in large scale settings with hundreds of nodes and thousands of flows. In this context, we propose a distributed algorithm that tackles the fair resource allocation problem in a distributed SDN control architecture. Our algorithm continuously generates a sequence of resource allocation solutions converging to the fair allocation while always remaining feasible, a property that standard primal-dual decomposition methods often lack. Thanks to the distribution of all computer intensive operations, we demonstrate that we can handle large instances in real-time.

研究の動機と目的

• 数百のノードと数千の動的フローを有する大規模な分散SDN環境におけるリアルタイムで公平なリソース割り当ての課題に対処すること。
• 収束過程で制約を常に違反する傾向がある標準的なプライマル・デュアル分解法の限界を克服すること。
• 最小限のコントローラ間通信オーバーヘッドで複数のSDNコントローラに展開可能な分散アルゴリズムを設計すること。
• 反復処理中に生成される中間解が常に実行可能であることを保証し、時間に敏感なネットワーク環境での即時適用を可能にすること。
• 動的トラフィック条件下で、古典的なラグランジュ双対分解（LAGR）法と比較して収束速度と実行可能性において優れた性能を示すことを実証すること。

提案手法

• SDNコントローラドメインに跨る分散計算を可能とするために、α-公平なリソース割り当て問題をコンSENSUS最適化問題に再定式化する。
• グローバル問題を個々のドメインコントローラが並列に解ける局所的サブ問題に分解できるように、交替方向乗数法（ADMM）を適用する。
• 収束速度と解の品質を向上させるために、適応的かつ動的に調整されるペナルティパラメータのチューニング戦略を導入する。
• 標準的なデュアル法とは異なり、ADMMプロセス全体でプライマルの実行可能性を維持することで、反復のたびに実行可能解を保証する。
• コントローラが双方向の双対変数とコンセンサス制約を通じて同期するのみで、他のコントローラとの通信を最小限に抑える完全に分散型のアルゴリズムを設計する。
• 各コントローラが自らのローカルネットワークドメインを管理し、隣接するコントローラーや中央エンティティとのみ通信する分散制御プレーンを実装する。これにより通信オーバーヘッドを低減する。

実験結果

リサーチクエスチョン

• RQ1 分散ADMMに基づくアルゴリズムは、動的トラフィックを伴う大規模SDNネットワークにおいて、リアルタイムで実行可能かつ公平な帯域幅割り当てを達成できるか？
• RQ2 動的トラフィック変動下で、提案されたFD-ADMMアルゴリズムは、古典的なラグランジュ双対分解（LAGR）法と比較して、実行可能性と収束速度の点でどのように異なるか？
• RQ3 適応的ペナルティパラメータチューニングは、分散アルゴリズムの収束速度と解の品質にどのような影響を与えるか？
• RQ4 標準的なデュアル分解法とは異なり、急速なネットワーク状態変化が生じる中でも、アルゴリズムはすべての反復で実行可能であるか？
• RQ5 6000件のリクエストといった大規模なネットワークインスタンスにおいても、短時間（例：5秒）の実行時間で近似的最適性能を維持できるか、スケーラビリティを有しているか？

主な発見

• FD-ADMMは反復のたびに実行可能解を生成するが、LAGR法は動的トラフィック変化の度に制約を常に違反するため、リアルタイム展開には不適切である。
• 変動するフローパラメータを伴うリアルタイムシナリオにおいて、FD-ADMMはLAGR法と比較して、イベント間隔が10反復程度でも顕著に低い平均最適性ギャップを達成する。
• 5秒の実行時間制限下の静的シナリオにおいて、FD-ADMMは100～6000件のリクエストという全テストインスタンスサイズで近似的最適な実行可能解を達成するが、LAGR法は大規模インスタンスでは最適解から大きく離れている。
• アルゴリズムは高速な収束を示し、最初の反復から高品質な実行可能解が得られるため、トラフィック変動にミリ秒スケールで応答可能な帯域幅調整が可能である。
• FD-ADMMにおける適応的ペナルティパラメータチューニングは収束速度と解の品質を向上させ、固定パラメータ手法を上回る性能を発揮する。
• 実験的結果から、収束速度と平均リンク負荷の間には相関関係が見られる可能性があるが、この関係を明確に確認するためのさらなる調査が必要である。