[论文解读] Data Load Balancing in Heterogeneous Dynamic Networks

Seyed Iman Mirrezaei, Javad Shahparian|arXiv (Cornell University)|Feb 15, 2016

Peer-to-Peer Network Technologies参考文献 10被引用 3

一句话总结

本文提出了一种用于结构化P2P覆盖网络的分布式、拓扑感知负载均衡算法，通过使用虚拟服务器和基于接近度的负载重新分配，降低传输成本并加速收敛。通过利用物理网络接近度，并在负载质量与传输成本之间进行参数化权衡，该方法在模拟中将带宽使用量减少了43%，且对入度不平衡的影响极小。

ABSTRACT

Data load balancing is a challenging task in the P2P systems. Distributed hash table (DHT) abstraction, heterogeneous nodes, and non uniform distribution of objects are the reasons to cause load imbalance in structured P2P overlay networks. Previous works solved the load balancing problem by assuming the homogeneous capabilities of nodes, unawareness of the link latency during transferring load, and imposing logical structures to collect and reassign load. We propose a distributed load balancing algorithm with the topology awareness feature by using the concept of virtual servers. In our approach, each node collects neighborhood load information from physically close nodes and reassigns virtual servers to overlay nodes based upon the topology of underlying network. Consequently, our approach converges data load balancing quickly and it also reduces the load transfer cost between nodes. Moreover, our approach increases the quality of load balancing among close nodes of overlay and it also introduces a new tradeoff between the quality of load balancing and load transfer cost among all overlay nodes. Our simulations show that our approach reduces the load transfer cost and it saves network bandwidth respectively. Finally, we show that the in-degree imbalance of nodes, as a consequence of topology awareness, cannot lead to a remarkable problem in topology aware overlays.

研究动机与目标

• 解决由对象分布不均和节点异质性引起的异构、动态P2P网络中的负载不均衡问题。
• 克服以往负载均衡解决方案中集中式或同构节点假设的局限性。
• 通过优先选择物理上接近的节点进行数据迁移，最小化负载迁移成本。
• 通过消除逻辑控制结构，保持可扩展性并避免单点故障。
• 通过参数化算法引入负载均衡质量与网络成本之间的可调权衡。

提出的方法

• 每个节点使用实用互联网坐标（PIC）从物理上接近的邻居收集负载信息，以估计网络距离。
• 该算法使用虚拟服务器表示负载容量，并支持在邻近节点之间动态重新分配虚拟服务器。
• 一种参数化机制基于节点容量和接近度平衡负载，允许在负载质量与传输成本之间进行权衡。
• 仅在具有低网络延迟的节点之间执行负载重新分配，从而减少带宽消耗并提高收敛速度。
• 系统避免使用逻辑结构进行负载收集，从而保持可扩展性和去中心化。
• 通过反应式机制处理入度不平衡问题：当高入度节点过载时，触发路由表更新。

实验结果

研究问题

• RQ1 如何通过利用底层网络拓扑，使结构化P2P覆盖网络中的负载均衡更加高效？
• RQ2 拓扑感知在多大程度上能降低负载迁移成本并提高收敛速度？
• RQ3 完全分布式的、去中心化的负载均衡方法是否能够避免集中式模型的可扩展性和故障问题？
• RQ4 拓扑感知对RAQNet等覆盖网络中路由表入度不平衡有何影响？
• RQ5 在实践中，如何有效实现负载均衡质量与传输成本之间的可调权衡？

主要发现

• 与非拓扑感知方法相比，所提出的拓扑感知负载均衡在GT-ITM拓扑模型中将负载迁移成本降低了43%。
• 在采用拓扑感知时，50%的负载迁移发生在平均延迟为100 ms的链路上，而无感知时为280 ms，显著降低了网络拥塞。
• 在拓扑感知下，超过80%的负载迁移发生在平均延迟低于200 ms的链路上，表明低延迟路径得到了高效利用。
• 由于优先选择物理上接近的节点，该算法收敛迅速，从而最小化了节点间通信开销。
• 仿真结果表明，在10,000个节点的RAQNet网络中，基于接近度的路由导致的入度不平衡并未引发显著问题。
• 反应式机制通过允许高入度节点触发路由表更新，而不会增加消息路径长度，有效缓解了入度不平衡问题。