[论文解读] Randomized Local Fast Rerouting for Datacenter Networks with Almost Optimal Congestion.

Gregor Bankhamer, Robert Elsässer⋆+1 more|arXiv (Cornell University)|Aug 4, 2021

Interconnection Networks and Systems被引用 1

一句话总结

本文提出了一种针对Clos数据中心网络的随机化本地快速重路由算法，可在仅依赖本地信息和预计算规则的前提下，实现去中心化、快速响应链路故障，并达到近似最小拥塞。通过基于本地故障信息和目的地的路由规则，该算法在受限本地故障条件下，实现了渐近最优的拥塞性能，仅存在多对数对数因子的偏差。

ABSTRACT

To ensure high availability, datacenter networks must rely on local fast rerouting mechanisms that allow routers to quickly react to link failures, in a fully decentralized manner. However, configuring these mechanisms to provide a high resilience against multiple failures while avoiding congestion along failover routes is algorithmically challenging, as the rerouting rules can only depend on local failure information and must be defined ahead of time. This paper presents a randomized local fast rerouting algorithm for Clos networks, the predominant datacenter topologies. Given a graph $G=(V,E)$ describing a Clos topology, our algorithm defines local routing rules for each node $v\in V$, which only depend on the packet's destination and are conditioned on the incident link failures. We prove that as long as number of failures at each node does not exceed a certain bound, our algorithm achieves an asymptotically minimal congestion up to polyloglog factors along failover paths. Our lower bounds are developed under some natural routing assumptions.

研究动机与目标

• 设计一种去中心化的快速重路由机制，以确保数据中心网络在链路故障下具备高弹性。
• 在仅依赖本地信息和预计算路由规则的现实约束下，最小化Clos拓扑中故障切换路径的拥塞。
• 在受限本地故障率下，实现渐近最优的拥塞性能，仅存在多对数对数因子的偏差。
• 在自然路由假设下形式化并证明下界，以验证所提解决方案的最优性。

提出的方法

• 该算法在每个节点基于目的地和已失效的入链路集合，定义本地路由规则。
• 通过在规则选择中引入随机化，以在故障期间实现对备用路径的流量分布均衡。
• 路由规则为预计算且无状态，确保无需全局协调即可实现快速、本地化的决策。
• 该设计基于Clos网络的图论分析，利用其分层结构实现可扩展性。
• 理论分析证明，在受限本地故障下，拥塞保持渐近最小，仅存在多对数对数因子的偏差。
• 在自然假设下推导出下界，以确立所实现拥塞性能的最优性。

实验结果

研究问题

• RQ1 在多个链路故障下，仅依赖本地信息和预计算规则的本地、去中心化快速重路由机制，能否在Clos数据中心网络中实现近似最优的拥塞？
• RQ2 在仅依赖目的地和本地故障信息的本地路由规则下，拥塞减少的理论极限是什么？
• RQ3 在路由规则选择中引入随机化，如何影响故障切换期间的负载均衡与拥塞？
• RQ4 在不依赖全局网络状态或协调机制的情况下，拥塞最多可降低到何种程度？
• RQ5 在现实假设下，本地快速重路由的根本极限是什么？所提算法在多大程度上接近这些极限？

主要发现

• 在受限本地故障下，所提算法实现的拥塞性能渐近最优，仅存在多对数对数因子的偏差。
• 即使单个节点发生多个链路故障，只要每节点的故障数量在预定义阈值内，拥塞仍保持较低水平。
• 通过在本地规则选择中引入随机化，可在无需全局状态的情况下，有效实现对备用路径的负载均衡。
• 该算法完全去中心化运行，故障恢复过程中无需协调或全局知识。
• 理论下界证实，在给定路由约束下，所实现的拥塞性能接近最优。
• 该方案在不牺牲可扩展性或故障响应速度的前提下，保持了高弹性和高性能。