[논문 리뷰] On the Trade-Off between Computational Load and Reliability for Network Function Virtualization

Jinkyu Kang, Osvaldo Simeone외 1명|arXiv (Cornell University)|2017. 04. 23.

Software-Defined Networks and 5G참고 문헌 8인용 수 4

한 줄 요약

이 논문은 네트워크 기능 가상화(NFV)에서 가상 네트워크 기능(VNF) 체인 조합(CC)과 전방향 그래프 임bedding(FGE)을 위한 공동 최적화 프레임워크를 제안한다. 혼합정수선형계획법(MILP)과 블록좌표강하(BCD)를 활용하여 종단간 신뢰성과 서버별 계산 부하를 균형 잡는다. 주요 기여는 별도의 최적화 방법과 비교해 중간 부하 및 낮은 물리적 연결성 조건에서 종단간 불신뢰성을 크게 감소시키는 공동 CC-FGE 설계임을 입증한다.

ABSTRACT

Network Function Virtualization (NFV) enables the "softwarization" of network functions, which are implemented on virtual machines hosted on Commercial off-the-shelf (COTS) servers. Both the composition of the virtual network functions (VNFs) into a forwarding graph (FG) at the logical layer and the embedding of the FG on the servers need to take into account the less-than-carrier-grade reliability of COTS components. This work investigates the trade-off between end-to-end reliability and computational load per server via the joint design of VNF chain composition (CC) and FG embedding (FGE) under the assumption of a bipartite FG that consists of controller and regular VNFs. Evaluating the reliability criterion within a probabilistic model, analytical insights are first provided for a simplified disconnected FG. Then, a block coordinate descent method based on mixed-integer linear programming is proposed to tackle the joint optimization of CC and FGE. Via simulation results, it is observed that a joint design of CC and FGE leads to substantial performance gains compared to separate optimization approaches.

연구 동기 및 목표

• COTS 서버의 신뢰성 부족으로 인한 NFV에서 종단간 신뢰성과 계산 부하 간의 상충 관계를 해결하기 위해.
• 확률적 신뢰성 모델 하에서 이분 전방향 그래프(B-FGs)에 대해 VNF 체인 조합(CC)과 전방향 그래프 임베딩(FGE)을 공동 최적화하기 위해.
• 이전 연구에서 서버당 하나의 VNF만 허용하는 것과 달리, 단일 서버에 다수의 VNF를 허용하기 위해.
• 단절된 전방향 그래프(D-FGs)에 대한 신뢰성-계산 부하 상충 관계에 대한 분석적 통찰을 제공하기 위해.
• 시뮬레이션을 통해 공동 최적화(CC-FGE)가 별도 최적화보다 성능 향상을 보임을 입증하기 위해.

제안 방법

• 서버가 독립적으로 확률 $ p $ 로 고장나는 확률적 신뢰성 모델을 사용하여 이분 전방향 그래프에 대해 공동 CC 및 FGE 최적화 문제를 수립한다.
• VNF 할당과 체인 조합 변수를 번갈아 최적화하는 블록좌표강하(BCD) 알고리즘을 제안한다.
• 표준 최적화 솔버를 통해 히ュ리스틱 해법을 가능하게 하기 위해 공동 문제를 혼합정수선형계획형식(MILP)으로 재구성한다.
• 컨트롤러 용량($ C_u $), 서버 고장 확률($ p_s $), 물리적 네트워크 연결성($ c^{P}_{st} $)에 대한 제약 조건을 통합한다.
• D-FG 케이스에서 종단간 불신뢰성에 유니언 바운드 근사를 적용하여 분석적 통찰을 도출한다.
• 고정된 제약 조건 하에서 서버 할당과 VNF 체인 토폴로지 최적화를 번갈아 수행하는 히ュ리스틱 해법 전략을 활용한다.

실험 결과

연구 질문

• RQ1 단절된 FG(D-FG)에서 서버당 계산 부하가 증가함에 따라 종단간 불신뢰성은 어떻게 변화하는가?
• RQ2 물리적 네트워크 연결성이 CC 및 FGE 최적화 성능에 어떤 영향을 미치는가?
• RQ3 공동 최적화(CC-FGE)와 별도의 FGE 최적화 간의 성능 비교에서 신뢰성과 부하 상충 관계는 어떻게 달라지는가?
• RQ4 B-FGs에서 공동 최적화가 가장 높은 신뢰성 향상을 가져오는 영역는 어디인가?
• RQ5 다양한 VNF 체인 조합 전략(CCmin 대 CCmax)이 다양한 물리적 연결성과 부하 조건에서 신뢰성에 미치는 영향은 어떠한가?

주요 결과

• 단절된 FG(D-FGs)에서, $ L $ 이 작을 경우 종단간 불신뢰성은 $ p^{rL} $ 에 비례한다. 여기서 $ p $ 는 서버 고장 확률, $ r $ 은 오버프로비저닝 비율, $ L $ 은 서버당 계산 부하이다.
• 중간 부하 영역에서 공동 CC-FGE 최적화는 FGE 전용 최적화 대비 종단간 불신뢰성을 최대 50% 감소시킨다. 특히 물리적 연결성이 낮을 경우 두드러진다.
• 높은 물리적 연결성($ p^P = 0.8 $) 조건에서, CCmax-FGE는 CCmin-FGE를 능가한다. 이는 특히 $ L $ 이 중간일 경우 다양성 이득이 더 크기 때문이다.
• 물리적 연결성이 낮을 경우($ p^P $ 이 작을 경우), CCmin-FGE는 CCmax-FGE를 능가한다. 이는 서버 할당의 유연성이 향상되기 때문이다.
• 제안된 BCD-MILP 알고리즘은 별도 최적화 대비 상당한 신뢰성 향상을 달성한다. 특히 희박한 물리적 토폴로지와 중간 부하 조건에서 두드러진다.
• 물리적 연결성이 증가함에 따라($ p^P \to 1 $), CCmin-FGE의 성능은 공동 최적화에 가까워지지만, 저서버 영역에서는 CCmax-FGE가 여전히 우월한 성능을 유지한다.