[논문 리뷰] Dynamic Cloud Network Control under Reconfiguration Delay and Cost

Chang‐Heng Wang, Jaime Llorca외 2명|arXiv (Cornell University)|2018. 02. 19.

Software-Defined Networks and 5G참고 문헌 13인용 수 4

한 줄 요약

이 논문은 재구성 지연과 비용이 비가로잡히는 다중 홉 클라우드 네트워크에서 유량 최적화와 근접 최소 비용을 달성하기 위해 동적으로 재구성 빈도를 조정하는 분산형, 큐 길이 기반 알고리즘인 적응형 동적 클라우드 네트워크 제어(ADCNC) 정책을 제안한다. 주요 기여는 재구성 오버헤드가 존재함에도 불구하고, 도착 통계나 오버헤드 값에 대한 사전 지식이 없더라도 최적 성능을 보장하는 [O(1/V), O(V)] 비용-지연 트레이드오프를 제공하는 것이다.

ABSTRACT

Network virtualization and programmability allow operators to deploy a wide range of services over a common physical infrastructure and elastically allocate cloud and network resources according to changing requirements. While the elastic reconfiguration of virtual resources enables dynamically scaling capacity in order to support service demands with minimal operational cost, reconfiguration operations make resources unavailable during a given time period and may incur additional cost. In this paper, we address the dynamic cloud network control problem under non-negligible reconfiguration delay and cost. We show that while the capacity region remains unchanged regardless of the reconfiguration delay/cost values, a reconfiguration-agnostic policy may fail to guarantee throughput-optimality and minimum cost under nonzero reconfiguration delay/cost. We then present an adaptive dynamic cloud network control policy that allows network nodes to make local flow scheduling and resource allocation decisions while controlling the frequency of reconfiguration in order to support any input rate in the capacity region and achieve arbitrarily close to minimum cost for any finite reconfiguration delay/cost values.

연구 동기 및 목표

• 기존 정책이 忽시하는 현실적인 재구성 지연과 비용 하에서의 동적 클라우드 네트워크 제어의 격차를 해소하기 위해.
• 재구성 간섭 무시 정책이 재구성 지연/비용이 비영일 경우 유량 최적성과 비용 최적성을 상실함을 보여주기 위해.
• 모든 유한한 재구성 지연과 비용에 대해 유량 최적성과 근접 최소 비용을 보장하는 분산형, 적응형 제어 정책을 설계하기 위해.
• 기존의 재구성 인지 스케줄링 및 비용 최소화 정책을 통합된 프레임워크로 일반화하여 지연과 비용 트레이드오프를 모두 처리하기 위해.
• 전역 통계나 정확한 재구성 오버헤드 지식에 의존하지 않도록 하여 실용적인 동적 클라우드 네트워크 구현을 가능하게 하기 위해.

제안 방법

• ADCNC 정책는 전역 시스템 지식을 피하기 위해 지역 큐 길이 정보를 사용하여 재구성을 촉발한다.
• 두 단계의 재구성 기준을 구현한다: 첫째, 가중 큐 길이 차이 기반의 주요 임계값; 둘째, 가능할 경우 낮은 오버헤드 작업을 위한 보조 검증.
• 재구성 지연을 악조건 지연 모델로 간주함으로써 유량 최적성을 보장하고, 모든 유한한 지연에 대해 안정성을 확보한다.
• 제어 파라미터 V를 조정하여 [O(1/V), O(V)] 비용-지연 트레이드오프를 달성함으로써 비용과 지연 성능 간 균형을 이룬다.
• 비균일한 재구성 오버헤드가 존재할 경우, 자원과 상품 재구성 결정을 분리하여 비용-지연 성능을 향상시키는 히우리스틱 변형(ADCNC-2stage)을 도입한다.
• 알고리즘은 분산형이다: 각 노드는 자신의 큐 상태와 국지적 계산에 기반해 독립적으로 결정을 내리며, 조율 없이 작동한다.

실험 결과

연구 질문

• RQ1 재구성 간섭 무시 동적 제어 정책이 재구성 지연과 비용이 비영일 경우에도 유량 최적성과 비용 최적성을 유지할 수 있는가?
• RQ2 재구성 지연과 비용이 존재할 경우, 용량 영역과 최소 시간 평균 비용이 그대로 유지되는가?
• RQ3 도착 통계나 재구성 오버헤드 값에 대한 사전 지식 없이도 분산 정책이 유량 최적성과 근접 최소 비용을 달성할 수 있는가?
• RQ4 비균일한 재구성 비용과 지연을 어떻게 활용하여 클라우드 네트워크 제어의 비용-지연 성능을 향상시킬 수 있는가?
• RQ5 재구성 인지 스케줄링과 비용 최소화 플로우 스케줄링을 모두 일반화하는 통합 제어 정책을 설계할 수 있는가?

주요 결과

• 비가로잡히는 재구성 지연과 비용이 존재하더라도 용량 영역과 도달 가능한 최소 시간 평균 비용이 그대로 유지된다.
• 재구성 오버헤드가 존재할 경우, 영지연/비용 환경에서 최적인 것으로 알려진 재구성 간섭 무시 정책은 유량 최적성과 비용 최적성을 보장하지 못한다.
• 제안된 ADCNC 정책은 모든 유한한 재구성 지연과 비용에 대해 유량 최적성과 [O(1/V), O(V)] 비용-지연 트레이드오프를 달성한다.
• 수치적 결과는 ADCNC가 다양한 재구성 지연에서도 안정적인 성능을 유지하며, 비용이 최적에 가까운 것을 보여준다.
• ADCNC-2stage 변형은 상품 재구성 오버헤드가 자원 재구성보다 낮을 경우 비용-지연 성능을 향상시키며, 특히 상품 재구성 지연이 감소할수록 그 효과가 두드러진다.
• 정책은 도착 통계나 정확한 재구성 오버헤드 값에 대한 지식이 필요 없으며, 지역 큐 길이 피드백에만 의존한다.