[논문 리뷰] Generalized and Resource-Efficient VNet Embeddings with Migrations

Gregor Schaffrath, Stefan Schmid외 1명|arXiv (Cornell University)|2010. 12. 18.

Software-Defined Networks and 5G참고 문헌 25인용 수 11

한 줄 요약

이 논문은 클라우드 네트워크에서 가상 네트워크 임베딩을 최적화하기 위한 일반적이고 비용 인식 MIP(혼합정수계획법) 프레임워크를 제안한다. 이 프레임워크는 이질적인 서브스트레이트—완전 이중성, 반 이중성, 브로드캐스트 링크 포함—에서 노드 및 링크 매핑을 종합적으로 다루며, 장기적으로 유지되는 클라우드 네트워크의 최적, 마이그레이션 기반 재구성 가능성을 제공한다. 이는 로드 감소 또는 에너지 사용 감소를 위해 설계되었으며, 표준 솔버(CPLEX 등)를 사용할 경우 중간 크기의 네트워크에서도 실현 가능한 성능을 달성한다.

ABSTRACT

This paper attends to the problem of embedding flexibly specified CloudNets, virtual networks connecting cloud resources (such as storage or computation). We attend to a scenario where customers can request CloudNets at short notice, and an infrastructure provider (or a potential itermediate broker or reseller) first embeds the CloudNet fast (e.g., using a simple heuristic). Later, however, long-lived CloudNets embeddings are optimized by migrating them to more suitable locations, whose precise definition depends on a given objective function. For instance, such migrations can be useful to reduce the peak resource loads in the network by spreading CloudNets across the infrastructure, to save energy by moving CloudNets together and switching off unused components, or for maintenance purposes. We present a very generic algorithm to compute optimal embeddings of CloudNets: It allows for different objective functions (such as load minimization or energy conservation), supports cost-aware migration, and can deal with all link types that arise in practice (e.g., full-duplex or even wireless or wired broadcast links with multiple endpoints). Our evaluation shows that such a rigorous optimization is even feasible in order to optimize a moderate-size CloudNet of full flexibility (e.g., a router site, a small physical infrastructure or virtual provider network).

연구 동기 및 목표

• 이동을 통한 최적화를 통해 동적 클라우드 인fra에서 장기적으로 유지되는 유연하고 즉각적인 클라우드 네트워크 임베딩을 효율적으로 수행하는 데 도전하는 것.
• 완전 이중성, 반 이중성, 브로드캐스트 링크를 포함한 다양한 실세계 링크 유형을 하나의 통합된 임베딩 모델 내에서 지원하는 것.
• 마이그레이션 비용을 최적화 과정에 명시적으로 통합하여, 이득(예: 로드 감소, 에너지 절감)과 마이그레이션 오버헤드 사이의 트레이드오프 분석을 가능하게 하는 것.
• 노드 로드 모델링(예: 패킷 레이트 기반)과 자원 우선순위 부여를 지원하는 수학적으로 엄밀한 정확한 해법을 제공하는 것.
• 계층적이고 연합형 클라우드 아키텍처에서 중간 크기의 클라우드 네트워크에 대한 최적의 임베딩 계산 가능성을 입증하는 것

제안 방법

• 클라우드 네트워크 임베딩 문제를 혼합정수계획법(MIP)으로 수식화하여, 노드 및 링크 매핑의 종합 최적화를 가능하게 한다.
• 가상 링크를 서브스트레이트 링크에 영향력 있게 매핑할 수 있도록 함으로써, 완전 이중성, 반 이중성, 브로드캐스트 링크를 포함한 모든 실용적 링크 유형을 지원한다.
• 패킷 레이트에서 유래한 계산 로드와 같은 노드 기반 로드 모델링을 목표 함수의 일부로 통합한다.
• 마이그레이션 비용(예: 대역폭, 계산 자원)을 MIP의 제약 조건 또는 목표 항목으로 포함시켜 비용 인식 마이그레이션을 통합한다.
• 제공자 측의 배치 정책 및 자원 우선순위(예: 고수익 할당 우선)를 최적화 프레임워크 내에서 허용한다.
• 표준 최적화 MIP 솔버(CPLEX, lpsolve 등)를 사용하여 문제를 해결함으로써, 맞춤형 휴리스틱 없이도 정확한 해와 근사해를 모두 도출할 수 있다.

실험 결과

연구 질문

• RQ1 모든 실용적 링크 유형(브로드캐스트 및 비대칭 링크 포함)을 지원하는 통합적이고 일반적인 MIP 기반 프레임워크가 최적의 클라우드 네트워크 임베딩을 달성할 수 있는가?
• RQ2 비용 인식 마이그레이션은 재구성의 이점(예: 로드 감소, 에너지 절감)과 마이그레이션 오버헤드 사이의 균형을 얼마나 효과적으로 달성하는가?
• RQ3 표준 MIP 솔버를 사용하여 중간 크기의 클라우드 네트워크(예: 라우터 사이트 또는 소규모 가상 제공자 네트워크)에 대한 최적의 임베딩 계산이 가능한가?
• RQ4 노드 및 링크 배치 최적화를 종합적으로 수행하는 것이 순차적 또는 휴리스틱 중심 접근 방식에 비해 자원 효율성 측면에서 얼마나 뛰어나게 되는가?
• RQ5 제안된 모델은 분산된 의사결정 및 각 제공자 역할에 따른 로컬 최적화를 지원하는 계층적이고 다중 티어 클라우드 관리 아키텍처에서 어떻게 기여하는가?

주요 결과

• 제안된 MIP 프레임워크는 완전 이중성, 반 이중성, 브로드캐스트 링크를 포함한 다양한 서브스트레이트 유형에서 클라우드 네트워크 임베딩의 정확한 최적화를 가능하게 한다.
• 비용 인식 마이그레이션은 실현 가능하고 효과적이며, 운영자가 성능 향상과 마이그레이션 비용 사이의 트레이드오프를 평가할 수 있도록 한다.
• 표준 MIP 솔버(CPLEX 등)를 사용하여 중간 크기의 클라우드 네트워크(예: 소규모 물리적 인프라 또는 가상 제공자 네트워크)에 대한 최적의 임베딩 계산이 계산적으로 가능하다.
• 패킷 레이트에서 기인한 계산 로드와 같은 현실적인 로드 모델링을 지원하여 정확한 성능 예측에 필수적인 요소를 제공한다.
• 노드 및 링크 매핑을 종합적으로 최적화함으로써 순차적 또는 휴리스틱 중심 방법보다 뛰어난 성능을 달성하며, 분리된 배치로 인한 비최적 결정을 피할 수 있다.
• 프레임워크는 확장성이 뛰어나며, 목표 함수를 쉽게 교체할 수 있다(예: 로드 최소화, 에너지 절약), 그리고 솔버는 정확한 해와 근사해 모두를 처리할 수 있다.