[논문 리뷰] ReNets: Toward Statically Optimal Self-Adjusting Networks

Chen Avin, Stefan Schmid|arXiv (Cornell University)|2019. 04. 05.

Software-Defined Networks and 5G참고 문헌 64인용 수 7

한 줄 요약

이 논문은 변화하는 트래픽 패턴에 대응해 통신 비용을 최소화하기 위해 동적으로 네트워크 토폴로지 자체를 재구성하는 자기조정형 네트워크 아키텍처인 ReNets를 소개한다. 각 소스별 '에고 트리'(ego-trees)로 자기조정형 이진 탐색 트리(BST)를 활용함으로써, 고정된 수요 인지 네트워크의 이론적 하한선에 도달하는 정적 최적 성능를 달성한다. 이는 상수 크기의 포워딩 테이블과 국소 라우팅을 유지하면서도, 증명 가능한 보장과 다항시간 내 재구성 가능성을 확보한다.

ABSTRACT

This paper studies the design of self-adjusting networks whose topology dynamically adapts to the workload, in an online and demand-aware manner. This problem is motivated by emerging optical technologies which allow to reconfigure the datacenter topology at runtime. Our main contribution is ReNet, a self-adjusting network which maintains a balance between the benefits and costs of reconfigurations. In particular, we show that ReNets are statically optimal for arbitrary sparse communication demands, i.e., perform at least as good as any fixed demand-aware network designed with a perfect knowledge of the future demand. Furthermore, ReNets provide compact and local routing, by leveraging ideas from self-adjusting datastructures.

연구 동기 및 목표

• 실시간으로 변화하는 희박하고 비대칭적인 통신 워크로드에 대응해 동적으로 적응하는 자기조정형 네트워크를 설계함으로써, 고정된 수요 무시형 토폴로지보다 향상된 성능을 달성하는 것.
• 미래 트래픽 패턴이 알려지지 않은 온라인 수요 인지 네트워크 설계에서 재구성 비용과 성능 향상 간의 상충 관계를 해결하는 것.
• 완전한 미래 지식을 갖춘 고정된 수요 인지 네트워크의 성능을 정확히 따라잡는 정적 최적성(static optimality)을 달성하면서도, 그러한 지식이 필요로 하지 않는 것.
• 자기조정 데이터 구조를 활용해 국소 라우팅을 유지함으로써 전역 경로 재계산을 피하는 것.
• 희박한 통신 요구에 대해 임의의 조건에서도 동적 네트워크 토폴로지에 대한 증명 가능한 성능 보장을 제공하는 것.

제안 방법

• 각 소스별 '에고 트리'로 자기조정형 이진 탐색 트리(BST)를 사용하여 자주 통신하는 노드 쌍 간의 토폴로지적 근접성을 유지한다.
• 각 노드는 통신 빈도에 따라 동적으로 재조직되는 국소 BST를 유지하며, 스플레이 트리(splay trees)의 영감을 받아 접근 비용을 최소화한다.
• 네트워크 토폴로지는 개별 에고 트리를 조합하여 구성되며, 자주 액세스되는 노드 쌍이 토폴로지적으로 더 가까워지도록 보장한다.
• 재구성은 통신 패턴에 기반해 촉발되며, 재구성 비용은 명시적으로 모델링되고 라우팅 비용 절감과 균형을 이룬다.
• 설계는 상수 크기의 포워딩 테이블을 보장하며, 각 노드가 자신의 에고 트리만 알고 있으면 되는 국소 라우팅을 지원한다.
• 이론적 분석은 이전 연구 [7]에서 제안한 차수 감소 기법을 활용하여 ReNets가 엔트로피 비례 경로 길이를 달성함을 보여준다.

실험 결과

연구 질문

• RQ1 자기조정형 네트워크가 미래 트래픽에 대한 완전한 지식을 갖춘 고정된 수요 인지 네트워크와 유사한 성능을 달성할 수 있는가?
• RQ2 온라인 수요 인지 네트워크 토폴로지에서 재구성 비용과 라우팅 비용 절감 간의 균형을 어떻게 맞출 수 있는가?
• RQ3 동적으로 토폴로지를 재구성하는 자기조정형 네트워크에서 국소적이고 컴act한 라우팅을 유지할 수 있는가?
• RQ4 미래 통신 패턴에 대한 사전 지식 없이도 정적 최적성을 달성할 수 있는 자기조정형 네트워크를 설계할 수 있는가?
• RQ5 스플레이 트리와 같은 자기조정 데이터 구조가 효율적이고 증명 가능한 최적 네트워크 적응을 가능하게 하는 역할은 무엇인가?

주요 결과

• ReNets는 정적 최적성을 달성하여, 미래 트래픽에 대한 완전한 지식을 갖춘 고정된 수요 인지 네트워크의 성능보다 열등하지 않다.
• 네트워크는 엔트로피 비례 경로 길이를 제공하며, 희박하고 비대칭적인 워크로드 하에서 전통적인 수요 무시형 네트워크의 O(log n) 경계보다 현저히 낮을 수 있다.
• ReNets는 상수 크기의 포워딩 테이블을 유지하고 국소 라우팅을 지원하여, 전역 상태 갱신 없이도 확장 가능하고 효율적인 멀티호프 포워딩을 가능하게 한다.
• 재구성 메커니즘은 다항시간이며, 과거에서 볼 때 최적의 고정 토폴로지에 대한 최소화된 후회(regret)의 관점에서 증명 가능한 최적성을 확보한다.
• 기존 히وري스틱 또는 히وري스틱 기반 재구성 가능 네트워크보다, 임의의 희박한 통신 요구 조건 하에서도 공식적인 성능 보장을 제공한다.
• ReNets는 트래픽 매트릭스나 향후 수요에 대한 사전 지식 없이도 정적 최적성을 달성하는 최초의 자기조정형 네트워크 설계이다.