[论文解读] Scalable Steiner Tree for Multicast Communications in Software-Defined Networking

Liang-Hao Huang, Hui-Ju Hung+2 more|arXiv (Cornell University)|Apr 14, 2014

Software-Defined Networks and 5G参考文献 16被引用 26

一句话总结

本文提出了一种用于软件定义网络（SDN）中多播的分支感知斯坦纳树（BST），通过联合最小化边数和分支节点数来提升可扩展性和带宽效率。作者设计了分支感知边减少算法（BAERA），这是一种k-近似算法，在大规模网络上可在数秒内获得接近最优的解，其性能优于最短路径树和传统斯坦纳树，在成本和可扩展性方面表现更优。

ABSTRACT

Software-Defined Networking (SDN) enables flexible network resource allocations for traffic engineering, but at the same time the scalability problem becomes more serious since traffic is more difficult to be aggregated. Those crucial issues in SDN have been studied for unicast but have not been explored for multicast traffic, and addressing those issues for multicast is more challenging since the identities and the number of members in a multicast group can be arbitrary. In this paper, therefore, we propose a new multicast tree for SDN, named Branch-aware Steiner Tree (BST). The BST problem is difficult since it needs to jointly minimize the numbers of the edges and the branch nodes in a tree, and we prove that it is NP-Hard and inapproximable within $k$, which denotes the number of group members. We further design an approximation algorithm, called Branch Aware Edge Reduction Algorithm (BAERA), to solve the problem. Simulation results demonstrate that the trees obtained by BAERA are more bandwidth-efficient and scalable than the shortest-path trees and traditional Steiner trees. Most importantly, BAERA is computation-efficient to be deployed in SDN since it can generate a tree on massive networks in small time.

研究动机与目标

• 解决软件定义网络（SDN）中多播通信的可扩展性和带宽效率挑战，其中随着多播组大小增加，流表条目呈指数级增长。
• 克服现有多播树（最短路径树SPT和斯坦纳树ST）的局限性，这些树无法最小化分支节点数，而分支节点数是影响流表可扩展性的关键因素。
• 提出一种新的多播树模型——分支感知斯坦纳树（BST），通过联合最小化边数和分支节点数，以减少网络资源消耗和流表开销。
• 设计一种高效的近似算法BAERA，在保持低计算成本的同时，平衡边数与分支节点数，适用于大规模SDN环境的部署。
• 证明BST与BAERA在真实和合成网络上，相较于SPT和ST，在总成本（边数 + 加权分支节点数）和运行时间方面均表现出更优性能。

提出的方法

• 将BST问题建模为一个优化问题，目标是最小化边数与加权分支节点数之和，其中分支节点被赋予更高的权重以优先减少其数量。
• 证明BST问题是NP-难问题，且无法在k（组成员数）因子内进行近似，从而证明需要采用近似算法的必要性。
• 提出分支感知边减少算法（BAERA），一种k-近似算法，通过策略性地选择路径和重构树结构，迭代减少边数，同时控制分支节点的增长。
• 使用整数规划结合CPLEX求解小规模网络（Uunet、Deltacom）的最优BST解，以验证BAERA的性能和近似质量。
• 在大规模合成网络（最多10,000个节点）上评估BAERA，使用Inet生成网络，调整参数w（分支节点权重）和k（终端数量），以评估可扩展性和成本权衡。
• 测量不同网络规模和k值下的运行时间，以确认BAERA在实时SDN部署中的计算效率。

实验结果

研究问题

• RQ1 能否设计一种多播树，联合最小化边数和分支节点数，以提升SDN中流表的可扩展性？
• RQ2 在目标函数中引入分支节点成本，如何影响带宽效率与可扩展性之间的权衡？
• RQ3 能否为NP-难的BST问题设计一种高效的近似算法，实现在实际时间内接近最优的解？
• RQ4 在大规模网络中，BAERA与最短路径树和传统斯坦纳树相比，在总成本、边数、分支节点数和运行时间方面表现如何？
• RQ5 改变组成员数（k）和分支节点权重（w）对BST与BAERA的性能和可扩展性有何影响？

主要发现

• 在示例中，BAERA生成的树总成本（边数 + 加权分支节点数）为126，优于SPT（167）和ST（183），证明其在带宽效率和可扩展性方面更优。
• 在Uunet和Deltacom真实网络中，BAERA的解非常接近CPLEX计算出的最优解，且分支节点数显著少于SPT和ST，尤其在k增大时优势更明显。
• 在大规模合成网络（10,000个节点）中，BAERA在k最大达400时运行时间仍低于7.5秒，且从k=100到k=400仅增加约10%的时间，证明其计算效率极高。
• 在4,000至10,000个节点的网络中，BAERA的运行时间在1.2至6.4秒之间，表现出优异的可扩展性，适合实时SDN部署。
• 随着分支节点权重w的增加，BAERA能有效控制分支节点数量，仅导致边数小幅增加，优于SPT和ST，后者产生显著更多的分支节点。
• BAERA的目标值（总成本）随k增加的增长速度慢于SPT和ST，表明其在大规模多播组中具备更好的长期可扩展性。