[論文レビュー] An End-to-End Probabilistic Network Calculus with Moment Generating Functions

Markus Fidler|arXiv (Cornell University)|Jul 3, 2005

Network Traffic and Congestion Control参考文献 30被引用数 7

ひとこと要約

本稿では、モーメント生成関数（MGF）を用いたエンドツーエンドの確率的ネットワーク計算を提案し、直列に接続されたサーバー数に比例してスケーラブルに、閉形式の性能バウンドを達成する。フローマルチプレクシングを超えた統計的独立性を活用することで、決定的ネットワーク計算の直感的な畳み込みおよび連結性の性質を保ちながら、顕著な統計的多重化利得を達成し、最悪ケースの決定的バウンドに比べて過大評価を最小限に抑えた、タイトな確率的遅延およびバックログバウンドを実現する。

ABSTRACT

Network calculus is a min-plus system theory for performance evaluation of queuing networks. Its elegance stems from intuitive convolution formulas for concatenation of deterministic servers. Recent research dispenses with the worst-case assumptions of network calculus to develop a probabilistic equivalent that benefits from statistical multiplexing. Significant achievements have been made, owing for example to the theory of effective bandwidths, however, the outstanding scalability set up by concatenation of deterministic servers has not been shown. This paper establishes a concise, probabilistic network calculus with moment generating functions. The presented work features closed-form, end-to-end, probabilistic performance bounds that achieve the objective of scaling linearly in the number of servers in series. The consistent application of moment generating functions put forth in this paper utilizes independence beyond the scope of current statistical multiplexing of flows. A relevant additional gain is demonstrated for tandem servers with independent cross-traffic.

研究の動機と目的

• 決定的ネットワーク計算のスケーラビリティおよび連結性の性質を保ちながら、確率的ネットワーク計算を構築すること。
• 反復的適用に起因する緩いエンドツーエンドバウンドを抱える既存の確率的手法の限界を克服すること。
• 従来のフローレベルマルチプレクシングを超えたトラフィックおよびサービスプロセスの統計的独立性を活用し、性能バウンドを向上させること。
• 直列に接続されたサーバー数に比例してスケーリングする閉形式のエンドツーエンド確率的バウンドを達成すること。
• 独立したクロストラフィックを伴う直列サーバー構成において、顕著な統計的多重化利得を示すこと。

提案手法

• 到着プロセスおよびサービスプロセスをモデル化するためのモーメント生成関数（MGF）を用い、チェルノフ型尾部不等式により確率的バウンドを導出する。
• MGFに基づく（σ(θ), ρ(θ)）-エンvelopeをトラフィック到着および対応するサービスエンvelopeに適用し、確率的性能バウンドを導出する。
• フローおよびサーバー間の独立性を一貫したMGFフレームワークでモデル化し、従来の統計的多重化よりもタイトなバウンドを実現する。
• 決定的畳み込み式を確率的領域に一般化した連結定理を用いて、エンドツーエンドのバックログおよび遅延バウンドを導出する。
• 決定的ネットワーク計算の直感的な構造を保ちながら確率的保証を可能にするMGFを用いた有効エンvelopeのフレームワークを導入する。
• 変動する負荷およびクロストラフィック構成を想定した直列サーバーネットワークにおける数値的評価を通じて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 直列に接続されたサーバー数に比例してエンドツーエンド性能バウンドがスケーリングされるような確率的ネットワーク計算を構築可能か？ これは決定的ネットワーク計算のスケーラビリティと一致するか？
• RQ2 トラフィックおよびサービスプロセスの統計的独立性を、従来のフローレベルマルチプレクシングを超えてどのように活用し、性能バウンドを向上させられるか？
• RQ3 独立したクロストラフィックが直列サーバーネットワークにおけるエンドツーエンド遅延およびバックログバウンドに与える影響は何か？
• RQ4 MGFを用いて閉形式のエンドツーエンド確率的バウンドを導出可能か？ また、決定的ネットワーク計算の直感的な畳み込みおよび連結定理を保ちながら可能か？
• RQ5 提案フレームワークは、確率的設定下で「バーストは一度だけ支払う」現象（Pay Bursts Only Once）をどの程度達成できるか？

主な発見

• 提案された確率的ネットワーク計算は、直列に接続されたサーバー数に比例してエンドツーエンド遅延およびバックログバウンドがスケーリングされ、決定的ネットワーク計算と同等のスケーラビリティを達成する。
• 独立したクロストラフィックを伴うn台のサーバーからなる直列ネットワークにおいて、決定的および確率的バウンドの両方がO(n)でスケーリングされ、フレームワークのスケーラビリティを確認する。
• 20の低優先度フローに加え、増加する高優先度クロストラフィックを想定した場合、集約された高優先度トラフィックが滑らかになるにつれ、確率的遅延バウンドは定常ビットレートバウンドに近づき、顕著な統計的多重化利得を示す。
• ネットワーク負荷が1（400の通過フローおよび400のクロスフロー、レート2.4 Gb/s）の状態では、確率的計算は有限な遅延バウンドを提供できないが、決定的バウンドは依然有効である。これは、高負荷下でのタイトさと実行可能性のトレードオフを示している。
• 確率的設定下でも「バーストは一度だけ支払う」現象が観察される：追加の各サーバーにおけるインクリメンタル遅延バウンドは、個別サーバーのバウンドよりも小さく、累積的なバースト性が低減していることを示している。
• 数値結果から、m = 400フローの場合、低～中程度の負荷下では確率的遅延バウンドが決定的バウンドよりも顕著に低く抑えられ、非常に高い負荷下でのみギャップが縮小することが示された。