[论文解读] Global Computation in a Poorly Connected World: Fast Rumor Spreading with No Dependence on Conductance

Keren Censor-Hillel, Bernhard Haeupler+2 more|arXiv (Cornell University)|Apr 14, 2011

Complexity and Algorithms in Graphs参考文献 28被引用 4

一句话总结

本文提出了一种新颖的基于 gossip 的算法，用于分布式网络中的全局计算，可在 O(D + polylog n) 轮内实现快速谣言传播，且与图的导出率无关。通过递归地将图分解为高导出率簇，并仅以多项式对数的开销模拟 LOCAL 模型算法，该方法即使在连接性较差的网络中也能实现高效的全局信息分发。

ABSTRACT

In this paper, we study the question of how efficiently a collection of interconnected nodes can perform a global computation in the widely studied GOSSIP model of communication. In this model, nodes do not know the global topology of the network, and they may only initiate contact with a single neighbor in each round. This model contrasts with the much less restrictive LOCAL model, where a node may simultaneously communicate with all of its neighbors in a single round. A basic question in this setting is how many rounds of communication are required for the information dissemination problem, in which each node has some piece of information and is required to collect all others. In this paper, we give an algorithm that solves the information dissemination problem in at most $O(D+ ext{polylog}{(n)})$ rounds in a network of diameter $D$, withno dependence on the conductance. This is at most an additive polylogarithmic factor from the trivial lower bound of $D$, which applies even in the LOCAL model. In fact, we prove that something stronger is true: any algorithm that requires $T$ rounds in the LOCAL model can be simulated in $O(T +\mathrm{polylog}(n))$ rounds in the GOSSIP model. We thus prove that these two models of distributed computation are essentially equivalent.

研究动机与目标

• 解决先前 gossip 算法依赖图导出率而导致的低效问题，特别是在连接性差或存在瓶颈的网络中。
• 克服统一 gossip（随机邻居选择）的局限性，该方法可能因在连接良好的区域重复通信而在瓶颈处停滞。
• 设计一种协议，确保无论网络连接性如何，都能实现快速的全局信息分发，达到近乎最优的性能。
• 证明任何在 LOCAL 模型中运行 T 轮的算法，都可在 GOSSIP 模型中以 O(T + polylog n) 轮模拟完成，从而建立两种模型之间的近似等价性。

提出的方法

• 引入一种递归图分解方法，将图划分为导出率足够高的簇，以实现簇内快速的信息交换。
• 使用一种改进的 gossip 协议——Superstep——其中节点以结构化、多阶段的方式与邻居交换信息，以减少冗余通信。
• 在边上实施权重衰减机制，以抑制相同节点之间的重复通信，促进对连接性较差路径的探索。
• 构建具有低继承密度的稀疏倍径图，以高效模拟 GOSSIP 模型中的 LOCAL 模型算法。
• 利用存在 (2^log*n log n, log^4 n)- 和 (O(1), polylog n)-模拟器的事实，实现对 LOCAL 算法的高效模拟，且开销有界。
• 应用近乎加法的倍径图构造方法，进一步降低模拟成本，实现对一般图的 (O(1), polylog n)-模拟器。

实验结果

研究问题

• RQ1 是否可以在不依赖图导出率的前提下，于 GOSSIP 模型中高效执行全局计算？
• RQ2 是否可能在 GOSSIP 模型中仅以多项式对数的开销模拟任意 T 轮的 LOCAL 模型算法？
• RQ3 如何设计一种 gossip 协议，以避免因连接良好的节点间重复通信而导致的瓶颈？
• RQ4 图的何种结构特性可使信息在导出率较低时仍能快速传播？
• RQ5 在 GOSSIP 模型中，非对称边权和动态邻居选择是否能提升谣言传播性能？

主要发现

• 所提出的 Superstep 算法确保所有节点在 O(D + polylog n) 轮内学习到全部信息，其中 D 为网络直径，且不依赖于导出率。
• 在模拟任何 T 轮的 LOCAL 模型算法时，该算法实现了 O(polylog n) 的模拟开销，使两种模型在计算能力上近乎等价。
• 该方法构建了 GOSSIP 模型的 (O(1), polylog n)-模拟器，使一大类 LOCAL 算法的高效模拟成为可能。
• 递归簇分解确保每轮中尚未交换信息的节点对数量减少为常数倍。
• 使用具有常数继承密度的倍径图，可实现对 LOCAL 算法的高效模拟，且乘法和加法开销均有界。
• 结果表明，即使在直径为多项式对数的图中，以往依赖导出率的算法可能需要 Ω(n) 轮，而新算法仍保持高效。