[论文解读] An Online Matching Model for Self-Adjusting ToR-to-ToR Networks

Chen Avin, Chen Griner+2 more|arXiv (Cornell University)|Jun 19, 2020

Opportunistic and Delay-Tolerant Networks参考文献 7被引用 6

一句话总结

本文提出了一种新颖的 ToR-Matching-ToR (TMT) 网络模型，将静态、旋转式和按需感知的光交换机统一于混合叶脊架构中，以最小化数据中心网络中的延迟和带宽成本。通过将动态网络重构建模为具有可调成本的在线匹配问题，该框架优化了服务延迟和重构开销，表明在真实流量模式下，混合交换机配置可显著降低总成本。

ABSTRACT

This is a short note that formally presents the matching model for the theoretical study of self-adjusting networks as initially proposed in [1].

研究动机与目标

• 解决常见流量模式与现有数据中心网络拓扑之间的不匹配问题，特别是静态和基于旋转式设计在高负载或巨流情况下的低效性。
• 识别现有拓扑的局限性——例如静态网络中的带宽税，以及可重构光交换机中的延迟税——在处理动态、大规模流时的表现。
• 提出一种统一的 TMT 架构，集成静态、旋转式和按需感知交换机，以基于流量需求实现动态、低成本的网络重构。
• 将在线网络重构问题形式化为基于匹配的优化模型，以平衡服务成本（路由长度）和调整成本（重构开销）。

提出的方法

• 将网络建模为具有 $n$ 个 ToR 和 $k$ 个脊椎交换机的两层叶脊架构，每个交换机维护输入端口与输出端口之间的动态匹配。
• 将时间 $t$ 的网络状态定义为所有交换机匹配的并集：$N_t = \bigcup_{i=1}^k M(i,t)$，其中 $M(i,t)$ 表示时间 $t$ 时交换机 $i$ 上的匹配。
• 将总成本公式化为 $\mathrm{Cost}(\mathcal{A},N_0,\sigma) = \sum_{t=1}^m \mathrm{srv}(\sigma_t, N_{t-1}) + \mathrm{adj}(N_{t-1}, N_t)$，结合服务成本与调整成本。
• 定义三种调整成本模型：边距离（与更改边数成正比）、交换机成本（每台交换机重构的固定成本）以及无直接成本（但更改期间边被阻塞）。
• 将服务成本建模为源-目的地对之间的最短路径距离 $d_{N_t}(u,v)$，通过最小化路由长度以减少资源消耗和延迟。
• 通过考虑交换机更新期间的非活跃边，将重构延迟整合到模型中，对更改的边或整个交换机设置阻塞期 $\beta$。

实验结果

研究问题

• RQ1 如何通过结合静态、旋转式和按需感知交换机的混合网络架构，在动态流量下最小化数据中心网络的总成本？
• RQ2 在在线网络重构中，服务成本（路由长度）与调整成本（重构开销）之间的权衡关系是什么？
• RQ3 不同的调整成本模型——边距离、交换机成本和阻塞边模型——如何影响自适应网络的性能与效率？
• RQ4 统一的在线匹配模型能否有效平衡现代数据中心拓扑中的延迟税（重构延迟）与带宽税（多跳转发）？
• RQ5 按需感知光交换机在多大程度上能减少大型巨流的流完成时间？在何种条件下重构成本可被分摊？

主要发现

• TMT 模型提供了一个统一框架，通过在单一网络设计中支持多种交换机类型，推广了 RotorNet、Opera 和 Eclipse 等现有架构。
• 引入延迟税（由于光交换机重构延迟）表明，即使带宽成本较低的拓扑，若未妥善管理重构，仍可能产生极高的端到端延迟。
• 边距离成本模型提供了与更改链路数量成正比的重构成本粒度度量，支持对交换机更新的精确优化。
• 交换机成本模型捕捉了无论更改边数多少，每台交换机重构的固定开销，反映了现实世界中的控制平面与机械成本。
• 无直接成本模型中，重构期间边被阻塞，表明即使无显式成本，重构期间的网络不活跃状态仍显著影响性能，尤其对短流影响更大。
• 该框架表明，通过动态适应流量模式，混合交换机配置可优于纯静态或按需感知设计，总体上降低服务与调整成本。