[论文解读] Joint Routing and Scheduling for Large-Scale Deterministic IP Networks

Jonatan Krolikowski, Sébastien Martin+5 more|arXiv (Cornell University)|Apr 6, 2020

Software-Defined Networks and 5G参考文献 23被引用 6

一句话总结

本文提出了一种基于循环指定排队与转发（CSQF）的大规模确定性IP网络联合路由与调度算法，结合列 generation 与动态规划技术，在数秒内实现小于10%的最优性差距，最大化流量接纳率。此外，还提出一种超高速贪心在线准入算法，每条需求仅需10 μs，与最优解差距仅5%。

ABSTRACT

With the advent of 5G and the evolution of Internet protocols, industrial applications are moving from vertical solutions to general purpose IP-based infrastructures that need to meet deterministic Quality of Service (QoS) requirements. The IETF DetNet working group aims at providing an answer to this need with support for (i) deterministic worst-case latency and jitter, and (ii) zero packet loss for time-sensitive traffic. In this paper we focus on the joint routing and scheduling problem in large scale deterministic networks using Cycle Specified Queuing and Forwarding (CSQF), an extension of Cyclic Queuing and Forwarding (CQF) with multiple transmission queues and support of segment routing. In this context, we present two centralized algorithms to maximize traffic acceptance for network planning and online flow admission. We propose an effective solution based on column generation and dynamic programming. Thanks to the reinforcement of the model with valid inequalities, we improve the upper bound and the solution. We demonstrate on realistic instances that we reach an optimality gap smaller than 10% in a few seconds. Finally, we also derive an ultra-fast adaptive greedy algorithm to solve the problem at the cost of a small extra gap.

研究动机与目标

• 解决在大规模确定性IP网络中支持时间敏感流量的挑战，满足严格的时延和零丢包要求。
• 将联合路由与调度问题建模为多商品流问题的NP难扩展，以实现在DetNet中的确定性服务质量（QoS）。
• 设计一种集中式离线算法，用于网络规划，通过同时优化路由与调度决策，最大化流量接纳率。
• 设计一种超高速在线算法，用于实时流准入，延迟极低，适用于生产网络中动态需求的处理。

提出的方法

• 将联合路由与调度问题建模为带循环基传输调度和分段路由约束的整数线性规划（ILP）。
• 应用列 generation 技术，将问题分解为主问题与定价子问题，从而高效求解大规模实例。
• 使用动态规划求解定价子问题，以迭代方式识别可行路径与传输周期，持续改进解的质量。
• 通过引入有效不等式强化模型，收紧线性松弛，使上界提升最高达30%，显著缩小最优性差距。
• 实施一种舍入策略，将松弛解转换为整数解，同时保持高质量的流量接纳性能。
• 推导出一种自适应贪心算法，每条需求仅需10 μs即可完成路径与周期的分配，在在线场景中以极小的5%差距换取极致速度。

实验结果

研究问题

• RQ1 如何在大规模确定性IP网络中，基于CSQF高效地建模与求解联合路由与调度问题？
• RQ2 通过引入有效不等式强化模型，对联合路由与调度问题的上界与解质量有何影响？
• RQ3 基于列 generation 的可扩展方法是否能在真实网络实例中实现接近最优的流量接纳率，且保持较小的最优性差距？
• RQ4 贪心在线算法在速度与解质量方面与先进的列 generation 方法相比表现如何？

主要发现

• 基于列 generation 的算法在包含数百个节点与链路的真实 IPRAN 实例上，实现小于10%的最优性差距，求解时间仅数秒。
• 通过引入有效不等式强化模型，上界最高提升30%，显著提升解的质量并缩小最优性差距。
• 与基线相比，列 generation 解使整数解质量提升最高达5%，证明了模型强化的有效性。
• 自适应贪心算法在每条需求仅10 μs内即可获得与最优解差距5%以内的解，使其在在线流准入场景中极具适用性。
• CSQF 由于支持多队列，可实现灵活调度与流量延迟，相比 CQF 能实现更高的流量接纳率，尤其对非关键时延流更为有利。
• 随着流量负载增加，CQF 与 CSQF 的性能差距逐渐缩小，但 CSQF 在所有测试场景中均持续优于 CQF，归因于其更强的调度灵活性。