[논문 리뷰] METTEOR: Robust Multi-Traffic Topology Engineering for Commercial Data Center Networks

Min Yee Teh, Shizhen Zhao외 1명|arXiv (Cornell University)|2020. 02. 02.

Cloud Computing and Resource Management참고 문헌 58인용 수 5

한 줄 요약

METTEOR는 고정된 다중 트래픽 인식형 토폴로지 설계를 위한 강건한 토폴로지 엔지니어링 프레임워크로, 여러 예측된 트래픽 매트릭스를 사용하여 빈번한 재구성의 필요성을 제거한다. 이는 피트 트리 대비 약 80% 높은 직접호프 트래픽과 균일한 메시 대비 약 35% 높은 트래픽을 달성하며, 이중 주기적인 OCS 업데이트만으로도 이상적인 재구성 가능한 시스템과 유사한 성능을 보인다.

ABSTRACT

Numerous optical circuit switched data center networks have been proposed over the past decade for higher capacity, though commercial adoption of these architectures have been minimal so far. One major challenge commonly facing these architectures is the difficulty of handling bursty traffic with optical circuit switches (OCS) with high switching latency. Prior works generally rely on fast-switching OCS prototypes to better react to traffic changes via frequent reconfigurations. This approach, unfortunately, adds further complexity to the control plane. We propose METTEOR, an easily deployable solution for optical circuit switched data centers, that is designed for the current capabilities of commercial OCSs. Using multiple predicted traffic matrices, METTEOR designs data center topologies that are less sensitive to traffic changes, thus eliminating the need of frequently reconfiguring OCSs upon traffic changes. Results based on extensive evaluations using production traces show that METTEOR increases the percentage of direct-hop traffic by about 80% over a fat tree at comparable cost, and by about 30% over a uniform mesh, at comparable maximum link utilizations. Compared to ideal solutions that reconfigure OCSs on every traffic matrix, METTEOR achieves close-to-optimal bandwidth utilization even with biweekly reconfiguration. This drastically lowers the controller and management complexity needed to perform METTEOR in commercial settings.

연구 동기 및 목표

• 고전적 OCS의 높은 지연 시간으로 인해 발생하는 광학 회로스위치드 네트워크에서의 급격한 변동성 있는 데이터센터 트래픽 문제를 해결하기 위해.
• 제어 평면 복잡성을 증가시키는 빈번한 OCS 재구성에 대한 의존도를 줄이기 위해.
• 여러 예측된 트래픽 매트릭스를 사용하여 트래픽의 불확실성에 강건한 토폴로지 엔지니어링 프레임워크를 설계하기 위해.
• 상용 OCS 하드웨어를 사용하여 재구성 가능한 광학 데이터센터 네트워크의 실용적 구현을 가능하게 하기 위해.
• 매번 트래픽 변화에 따라 재구성하는 것 대신, 드물게 재구성(예: 이중 주기)하는 방식으로 이상적인 대역폭 이용률을 달성하기 위해.

제안 방법

• 단일 트래픽 매트릭스 대신 여러 예측된 트래픽 매트릭스(TMs)를 고려하는 강건 최적화 프레임워크를 사용한다.
• 실제 운영 트레이스 분석을 통해 느리게 변화하는 트래픽 클러스터를 식별하고, 트래픽의 반복성을 활용하여 안정적인 토폴로지 설계를 실현한다.
• 대표적인 트래픽 매트릭스 집합 내에서 가장 악성인 경우를 고려하여 최악의 상황에서도 성능이 떨어지지 않는 토폴로지 설계를 최적화한다.
• 트래픽 클러스터링과 시간적 반복성을 활용하여 재구성 빈도를 줄이면서도 높은 성능을 유지한다.
• 다양한 토폴로지에서 링크 이용률과 대역폭 세금을 계산하기 위해 최소비용 흐름(MCF) 라우팅을 활용한다.
• 확장성을 확보하기 위해 실제 운영 트래픽 트레이스와 주성분 분석(PCA)을 통한 근사 재구성 방식을 사용하여 성능을 평가한다.

실험 결과

연구 질문

• RQ1 여러 트래픽 매트릭스를 기반으로 한 토폴로지 엔지니어링 프레임워크가 급격한 변동성 있는 데이터센터 트래픽을 다루는 데 단일 트래픽 매트릭스 기반 접근법보다 뛰어난 성능을 보일 수 있는가?
• RQ2 이중 주기 등 드문 재구성 방식이 이상적인 매 트래픽 변화에 따른 재구성과 비교해 성능을 얼마나 잘 유지할 수 있는가?
• RQ3 패드 수준의 트래픽 반복성은 광학 데이터센터에서 안정적이고 장기적인 토폴로지 설계를 가능하게 하는가?
• RQ4 강건 최적화 접근법은 높은 대역폭 이용률을 유지하면서도 제어 평면 복잡성을 줄일 수 있는가?
• RQ5 MLU 및 대역폭 세금과 같은 거시적 지표가 응용 수준 성능(예: FCT)과 어떻게 상관관계를 가지는가?

주요 결과

• METTEOR는 동일한 비용과 최대 링크 이용률(MLU) 조건에서 피트 트리 대비 약 80% 높은 직접호프 트래픽을 달성한다.
• METTEOR는 동일한 MLU 제약 조건 하에서 균일한 메시 토폴로지 대비 약 35% 높은 직접호프 트래픽을 달성한다.
• 이중 주기 OCS 재구성으로도 METTEOR는 이상적인 대역폭 이용률에 매우 가까운 성능을 달성하여, 매번 트래픽 변화에 따라 재구성하는 시스템과 동등한 성능을 보인다.
• 이 프레임워크는 고빈도 재구성에 대한 의존도를 줄여 상용 구현을 위한 제어 평면 복잡성을 낮춘다.
• 패킷 수준 시뮬레이션 결과, 낮은 대역폭 세금은 소형 흐름의 FCT를 향상시키고 TCP 재전송을 감소시키며, 대역폭 세금이 응용 수준 성능의 핵심 지표임을 입증한다.
• MLU가 높아질수록 꼬리 FCT가 악화되고, 높은 대역폭 세금은 TCP 재전송을 증가시키므로, 두 지표 모두 응용 수준 성능에 중요한 영향을 미친다.