[论文解读] Demand-Aware Network Designs of Bounded Degree

Chen Avin, Kaushik Mondal+1 more|arXiv (Cornell University)|May 17, 2017

Interconnection Networks and Systems参考文献 13被引用 24

一句话总结

本文提出了一种针对有界度数网络的需求感知网络设计框架，基于通信请求分布最小化期望路径长度。该框架提出了一种新颖的算法，结合分层聚类与度量斯坦纳图，实现渐近最优性能，其理论保证基于熵和倍增维数的性质，确保稀疏、低度数的拓扑结构，同时保留高频通信对之间的短路径。

ABSTRACT

Traditionally, networks such as datacenter interconnects are designed to optimize worst-case performance under arbitrary traffic patterns. Such network designs can however be far from optimal when considering the actual workloads and traffic patterns which they serve. This insight led to the development of demand-aware datacenter interconnects which can be reconfigured depending on the workload. Motivated by these trends, this paper initiates the algorithmic study of demand-aware networks (DANs) designs, and in particular the design of bounded-degree networks. The inputs to the network design problem are a discrete communication request distribution, D, defined over communicating pairs from the node set V , and a bound, d, on the maximum degree. In turn, our objective is to design an (undirected) demand-aware network N = (V,E) of bounded-degree d, which provides short routing paths between frequently communicating nodes distributed across N. In particular, the designed network should minimize the expected path length on N (with respect to D), which is a basic measure of the efficiency of the network. We show that this fundamental network design problem exhibits interesting connections to several classic combinatorial problems and to information theory. We derive a general lower bound based on the entropy of the communication pattern D, and present asymptotically optimal network-aware design algorithms for important distribution families, such as sparse distributions and distributions of locally bounded doubling dimensions.

研究动机与目标

• 为解决传统最坏情况优化网络设计的低效性，通过引入实际通信模式进行改进。
• 设计稀疏、有界度数网络（度数 ≤ Δ），在给定通信分布 D 下最小化期望路由路径长度。
• 建立网络设计效率与信息论度量（如熵和倍增维数）之间理论基础。
• 为包括稀疏和局部倍增维数分布在内的通信分布重要类别，开发渐近最优算法。
• 证明需求感知设计通过工作负载感知的拓扑构建，可显著优于最坏情况设计。

提出的方法

• 构建需求图的 2-网以形成聚类中心，实现基于通信频率的分层聚类。
• 通过仅在包含通信节点对的聚类之间连接来构建稀疏斯坦纳图 S，确保低失真（≤9）和线性边数。
• 利用需求图的倍增维数性质，限制每个聚类的跨聚类边数，确保有界度数。
• 通过仅连接聚类中心来优化斯坦纳图，将失真降低至 5，同时保持稀疏性和有界度数。
• 利用度量斯坦纳图理论，确保所构建网络保留高频通信对之间的短路径。
• 应用基于熵的下界分析，建立在一般通信分布下所提设计的理论最优性。

实验结果

研究问题

• RQ1 在真实世界的通信模式下，需求感知网络设计能否显著降低期望路径长度，相比最坏情况优化设计？
• RQ2 在有界度数网络中，期望路径长度的根本信息论极限是什么？它与通信分布熵有何关系？
• RQ3 如何为低倍增维数或稀疏分布设计稀疏、有界度数网络，使其在渐近意义下最优？
• RQ4 度量斯坦纳图与分层聚类在构建高效、低度数拓扑以保留通信效率方面，可发挥多大作用？
• RQ5 通信模式的熵是否足以作为评估需求感知网络设计最优性的充分且自然的度量？

主要发现

• 本文基于通信分布 D 的熵，建立了期望路径长度的一般下界，为最优性提供了理论基准。
• 对于倍增维数有界的分布，所提算法的期望路径长度在熵基下界的一个常数因子之内，证明了渐近最优性。
• 该算法构建了具有 O(n) 条边和最大度数 O(λ⁴) 的稀疏、有界度数网络，其中 λ 为倍增常数，确保可扩展性与硬件可行性。
• 通过仅连接聚类中心，优化后的斯坦纳图将失真从 9 降低至 5，提升了路径长度效率，且未增加边数或度数超过常数因子。
• 该方法确保每个聚类的跨聚类边数被限制在 λ⁴ 以内，对局部倍增分布而言为常数，从而实现高效且可扩展的部署。
• 该框架表明，即使在严格的度数约束下，需求感知设计也能实现接近最优的性能，实际中显著优于传统最坏情况设计。