[논문 리뷰] 007: Democratically Finding The Cause of Packet Drops

Behnaz Arzani, Selim Ciraci외 6명|arXiv (Cornell University)|2018. 02. 20.

Software System Performance and Reliability참고 문헌 8인용 수 7

한 줄 요약

007는 재전송 패tern을 분석하고 민주적 책임 부여 방식을 적용하여 TCP 흐름에서 패킷 손실을 유발하는 특정 네트워크 링크를 식별하는 경량이며 항상 켜진 네트워크 진단 시스템이다. 낮은 오버헤드로 높은 정확도를 달성하며 일시적이고 지속적인 장애를 모두 탐지하며, 전통적인 도구들이 발견하지 못한 원인까지 실데이터센터 배포 환경에서 드러내어 기존 도구들을 능가한다.

ABSTRACT

Network failures continue to plague datacenter operators as their symptoms may not have direct correlation with where or why they occur. We introduce 007, a lightweight, always-on diagnosis application that can find problematic links and also pinpoint problems for each TCP connection. 007 is completely contained within the end host. During its two month deployment in a tier-1 datacenter, it detected every problem found by previously deployed monitoring tools while also finding the sources of other problems previously undetected.

연구 동기 및 목표

• 기존 모니터링 도구가 일시적 또는 침묵형 패킷 손실을 탐지하지 못하는 실시간으로 세밀한 장애 정위치 특정이 필요한 데이터센터 네트워크 환경에서의 핵심 필요를 해결한다.
• 활성 프로빙에 의존하거나 인프라 변경이 필요하거나 응용 프로그램 수준의 맥락이 부족해 장애 관련성 분석이 어려운 기존 시스템의 한계를 극복한다.
• TCP 재전송 기여도에 기반해 가장 문제가 되는 링크를 식별함으로써 운영자가 네트워크 수리를 우선순위에 따라 정렬할 수 있도록 한다.
• 스위치나 클라이언트를 수정하지 않고도 내부 트래픽과 엔드호스트 모니터링만을 사용해 지속적으로 작동하며 최소한의 오버헤드를 유발하는 시스템을 설계한다.
• 노이즈와 일시적인 혼잡 이벤트가 존재하더라도 높은 신뢰도로 특정 링크에 책임을 부여함으로써 실행 가능한 통찰을 제공한다.

제안 방법

• 각 재전송된 세그먼트를 패킷 손실의 잠재적 증거로 간주하고, TCP 재전송 이벤트를 장애 지표로 사용한다.
• 실제 TCP 흐름과 동일한 ECMP 경로를 따라가는 프로브 패킷을 보장하기 위해 신중하게 설계된 트레이서oute 유사 메커니즘을 통해 경로 탐색을 수행한다.
• 다양한 흐름을 통해 관측된 재전송 수에 비례해 각 경로상 링크에 책임을 할당하며, 다수의 흐름에 걸쳐 민주적 집계 모델을 적용한다.
• 실제 환경 조건에서 신뢰성 있는 책임 부여를 향상시키기 위해 통계 기법을 적용해 노이즈(예: 고립된 패킷 손실)를 걸러낸다.
• 정확도와 스위치 제어 평면 오버헤드의 균형을 맞추기 위해 트레이서oute 프로브를 전략적으로 샘플링한다. 제어 평면 과부하를 피하기 위해 노력한다.
• 이전의 장애 특성 분석 연구(예: [22])와 통합하여 탐지 임계치를 보완하고 진단 신뢰도를 향상시킨다.

실험 결과

연구 질문

• RQ1 내부 트래픽과 인프라 변경 없이 유일하게 TCP 재전송을 이용해 데이터센터 네트워크에서 패킷 손실을 높은 정확도로 탐지하고 정위치 특정할 수 있는가?
• RQ2 여러 링크가 재전송에 기여할 수 있는 상황에서, 각 링크에 대해 공정하고 정확하게 책임을 부여할 수 있는 방법은 무엇인가?
• RQ3 정확도는 유지하면서 스위치 제어 평면 성능에 미치는 영향을 최소화할 수 있는 샘플링 전략은 무엇인가?
• RQ4 기존의 SNMP나 주기적 프로빙 도구가 놓치는 일시적 또는 침묵형 패킷 손실을 이 시스템이 탐지할 수 있는가?
• RQ5 수천 개의 링크와 높은 흐름 수를 포함하는 대규모 데이터센터 네트워크에서 이 시스템은 신뢰성과 확장성을 유지할 수 있는가?

주요 결과

• 007은 톱티어 데이터센터에서 두 달간의 생산 환경 배포 기간 동안 기존 모니터링 도구가 이전에 식별한 모든 장애를 탐지했다.
• 기존에 알려진 문제 외에도 007은 VM 재시작 원인의 17%를 규명했으며, 이 중 다수는 기존 모니터링 시스템이 탐지하지 못한 네트워크 문제 때문이었다.
• 007은 0.05%의 낮은 손실률을 가진 링크도 높은 신뢰도로 식별해 내어 미세한 지속적 문제에 대한 민감도를 입증했다.
• 007의 책임 부여 메커니즘은 고립된 패킷 손실이나 일시적인 혼잡과 같은 노이즈가 존재하더라도 높은 정확도를 유지했다.
• 스위치에 거의 영향을 주지 않으며 네트워크 인프라, 클라이언트, 라우팅 프rotocol에 대한 변경이 전혀 필요 없었다.
• 기존 TCP 흐름을 활용하고 민주적 책임 집계를 적용함으로써 007은 실행 가능한 링크 수준의 진단 정보를 제공해 우선순위 기반 네트워크 수리가 가능하게 했다.