[논문 리뷰] NFV Platform Design: A Survey

Tianzhu Zhang|arXiv (Cornell University)|2020. 02. 25.

Software-Defined Networks and 5G참고 문헌 127인용 수 9

한 줄 요약

이 논문은 최근 6년간의 플랫폼 증가에도 불구하고 체계적인 분석이 부족한 상황을 감안해 기존 NFV 플랫폼 설계에 대한 종합적인 설문 조사 결과를 제시한다. 플랫폼을 주요 설계 목적에 따라 분류하고, 성능, 확장성, 하드웨어 오프로딩 측면에서의 핵심 구현 선택 사항을 분석한다. 네트워크 운영자와 개발자가 특정 요구사항에 맞는 최적의 NFV 플랫폼을 선택하거나 구축하는 데 도움이 되는 세분화된 분류 기반 가이드를 제공한다.

ABSTRACT

Due to the intrinsically inefficient service provisioning in traditional networks, Network Function Virtualization (NFV) keeps gaining attention from both industry and academia. By replacing the purpose-built, expensive, proprietary network equipment with software network functions consolidated on commodity hardware, NFV envisions a shift towards a more agile and open service provisioning paradigm with much lower capital expenditure (CapEx) and operational expenditure (OpEx). Nonetheless, just like any complex system, NFV platforms commonly consist of abounding software and hardware components and usually incorporate disparate design choices based on distinct motivations or use cases. This broad collection of convoluted alternatives makes it extremely arduous for network operators to make proper choices. Although numerous efforts have been devoted to investigating different aspects of NFV, none of them specifically focused on NFV platforms or attempted to explore the design space. In this paper, we present a comprehensive survey on NFV platform design. Our study solely targets existing NFV platform implementations. We begin with an architectural view of the standard reference NFV platform and present our taxonomy of existing NFV platforms based on the principal purpose of design. Then we thoroughly explore the design space and elaborate on the implementation choices each platform opts for. We believe that our study gives a detailed guideline for network operators or service providers to choose or implement the most appropriate NFV platforms based on their respective requirements. Note that this report serves as a complementary document for a published IEEE TNSM paper [1]. We will periodically update this document to include the newly proposed NFV platforms and design choices.

연구 동기 및 목표

• 최근 6년간의 플랫폼 증가에도 불구하고 NFV 플랫폼 설계 선택 사항에 대한 체계적인 분석이 부족한 점을 보완하기 위해.
• 네트워크 운영자와 서비스 제공자들이 특정 사용 사례와 요구사항에 기반해 NFV 플랫폼을 선택하거나 구현할 수 있도록 명확하고 체계적인 가이드를 제공하기 위해.
• 기존 NFV 플랫폼의 설계 공간을 탐색하고, 성능, 확장성, 자원 활용도 측면에서의 구현 트레이드오프를 중심으로 분석하기 위해.
• 성능, 이식성, 또는 하드웨어 오프로딩과 같은 주요 설계 동기를 바탕으로 NFV 플랫폼의 분류 체계를 제공하기 위해.
• 이전의 IEEE TNSM 논문을 보완하는 살아있는, 정기적으로 업데이트되는 참고 자료로서 기능하기 위해.

제안 방법

• 성능 최적화, 하드웨어 오프로딩, 이식성 등 주요 설계 목적에 따라 기존 NFV 플랫폼의 분류 체계를 제안한다.
• 20개 이상의 기존 NFV 플랫폼(예: OpenNetVM, ClickNF, libVNF, NetContainer, NICA)을 분석하여 아키텍처 및 구현 선택 사항을 추출하고 비교한다.
• 다중코어 확장성(예: 공유 자원이 없는 스레딩, 코어별 데이터 구조), 캐시 최적화(예: 페이지 색칠, 캐시 라인 사전 취득), 하드웨어 오프로딩(예: GPU, 스마트NIC, FPGA) 등의 핵심 차원에서 설계 결정을 평가한다.
• RSS 해시 재사용, 흐름 테이블 결과 캐싱, NIC 내 처리와 같은 기법을 통해 CPU 오버헤드를 줄이고 처리량을 향상시킨다.
• NIC를 통한 TSO, LRO, 체크섬 오프로딩 전략과 GPU 및 프로그래머블 가속기로의 전체 계산 오프로딩 전략을 조사한다.
• 가속기(예: GPU, 스마트NIC, FPGA)와 추상화 계층(예: 스마트NIC용 ikernel)의 사용 여부에 따라 플랫폼을 분류하여 저수준 제어와 성능 격리 기능을 가능하게 한다.

실험 결과

연구 질문

• RQ1 기존 NFV 플랫폼의 주요 설계 동기는 무엇이며, 아키텍처 및 구현 선택 사항에서 어떻게 상이한가?
• RQ2 NFV 플랫폼은 다중코어 확장성을 어떻게 최적화하며, 코어 간 통신과 캐시 경쟁을 줄이기 위해 어떤 기법을 사용하는가?
• RQ3 하드웨어 오프로딩은 NFV 플랫폼 성능 향상에 어떤 역할을 하는가? 성능 향상을 위해 가장 흔히 활용되는 가속기(GPU, 스마트NIC, FPGA)는 무엇인가?
• RQ4 플랫폼은 캐시 효율성을 어떻게 달성하며, 캐시 미스를 줄이기 위해 어떤 특정 최적화 기법(예: 페이지 색칠, 캐시 라인 사전 취득)을 적용하는가?
• RQ5 멀티테넌트 또는 고처리량 NFV 환경에서 성능 격리 및 효율적인 상태 공유를 위한 메커니즘은 무엇이 있는가?

주요 결과

• 성능, 이식성, 하드웨어 오프로딩 등 서로 다른 설계 목표를 추구하는 다양한 NFV 플랫폼이 존재하나, 특정 플랫폼이 모든 사용 사례에서 우세하지는 않다.
• 공유 자원이 없는 스레딩(NetStar), 코어별 데이터 구조(예: libVNF) 등을 통해 다중코어 확장성을 달성하며, 코어 간 동기화를 피함으로써 병목 현상을 줄인다.
• 페이지 색칠(NetContainer), 캐시 라인 사전 취득(μNF), 데이터 구조의 캐시 정렬(ClickNF) 등의 캐시 최적화 기법은 캐시 미스 비율을 크게 감소시키고 처리량을 향상시킨다.
• GPU(GPUNFV, FlowShader), 스마트NIC(NICA, UNO), FPGA(NICA) 등으로의 하드웨어 오프로딩은 패킷 처리 및 계산 작업을 오프로딩함으로써 성능 향상을 크게 이룬다.
• RSS 해시 값 재사용(OpenNetVM, NFMorph), 패킷 디스크립터에 흐름 테이블 결과 캐싱 등의 기법은 중복 계산을 줄이고 처리 효율성을 향상시킨다.
• ResQ 및 NICA와 같은 플랫폼은 인텔 캐시 할당 기술과 ikernel 추상화와 같은 하드웨어 인식 최적화를 통해 공유 환경에서 성능 격리와 저지연 처리를 보장할 수 있음을 보여준다.