[论文解读] A Distributed Algorithm for Throughput Optimal Routing in Overlay Networks

Anurag Rai, Rahul Singh+1 more|arXiv (Cornell University)|Dec 16, 2016

Peer-to-Peer Network Technologies被引用 4

一句话总结

本文提出了最优叠加路由策略（OORP），一种用于叠加网络的分布式、吞吐量最优算法，通过利用底层网络队列长度动态路由流量，避免不稳定。与以往的启发式方法（如OBP）相比，OORP通过准确反映底层网络拥塞情况，即使在对传统网络可见性有限的情况下，也能实现最优吞吐量。

ABSTRACT

We address the problem of optimal routing in overlay networks. An overlay network is constructed by adding new overlay nodes on top of a legacy network. The overlay nodes are capable of implementing any dynamic routing policy, however, the legacy underlay has a fixed, single path routing scheme and uses a simple work-conserving forwarding policy. Moreover, the underlay routes are pre-determined and unknown to the overlay network. The overlay network can increase the achievable throughput of the underlay by using multiple routes, which consist of direct routes and indirect routes through other overlay nodes. We develop a throughput optimal dynamic routing algorithm for such overlay networks called the Optimal Overlay Routing Policy (OORP). OORP is derived using the classical dual subgradient descent method, and it can be implemented in a distributed manner. We show that the underlay queue-lengths can be used as a substitute for the dual variables. We also propose various schemes to gather the information about the underlay that is required by OORP and compare their performance via extensive simulations.

研究动机与目标

• 为解决现有叠加路由策略（如OBP）的次优性问题，这些策略未能考虑底层网络拥塞，可能导致队列不稳定。
• 设计一种基于传统底层网络（采用固定单路径路由）的分布式、吞吐量最优的叠加网络路由策略。
• 通过将底层队列长度用作子梯度优化框架中对偶变量的代理，使叠加网络能够实现最大可能的吞吐量。
• 开发实用方法，在无法直接获取队列长度信息时估计底层网络拥塞情况。
• 将路由策略与速率控制器集成，以在容量和背景流量约束下最大化网络效用。

提出的方法

• 通过对偶子梯度下降推导出一种集中式、吞吐量最优的策略，其中底层队列长度被用作对偶变量，以限制注入流量并确保稳定性。
• 开发该策略的分布式实现，其中每个叠加节点利用本地底层队列长度信息计算其路由决策。
• 提出三种底层拥塞估计方案：使用控制包探测、基于延迟的估计，以及结合两者的混合方法。
• 引入一种速率控制机制，通过调整流的速率以在满足链路容量和背景流量约束的前提下最大化效用函数。
• 采用基于隧道的叠加模型，允许流量直接路由或通过中间叠加节点转发，所有决策均基于实时队列积压反馈。
• 通过在多种拓扑结构上的大规模仿真验证该方法，将OORP与OBP及基于估计的变体进行对比。

实验结果

研究问题

• RQ1 在具有传统底层网络约束的叠加网络中，叠加反压策略（OBP）是否真正实现吞吐量最优？
• RQ2 能否通过将底层队列长度用作拥塞指示器，使分布式路由策略实现吞吐量最优？
• RQ3 当无法直接访问队列长度时，底层拥塞的估计精度如何？
• RQ4 所提出的策略能否扩展以支持在共享链路约束下的效用最大化速率控制？
• RQ5 在实际部署场景中，使用实际队列长度与使用估计拥塞度量之间的性能差距有多大？

主要发现

• 本文提供了一个反例，表明OBP并非吞吐量最优，因为它因拥塞感知不准确，可能引起来自底层队列的不稳定。
• OORP通过将底层队列长度作为对偶变量的代理，实现吞吐量最优，确保流量注入尊重底层容量并维持队列稳定。
• 基于探测的拥塞估计方法性能接近最优，且在高积压条件下显著优于基于延迟的估计方法。
• 当存在背景流量时，OORP通过将背景流量有效视为容量减少，仍能保持吞吐量最优，从而维持稳定性和性能。
• 在速率控制下，OORP能收敛到最大化网络效用的吞吐量向量，例如[1, 1.3, 0.5]，即使单个流的吞吐量受共享资源限制。
• 仿真结果证实，OORP优于OBP，且基于探测的估计方法性能与使用实际队列长度的方法非常接近，验证了其实际可行性。