[论文解读] Routing Oblivious Measurement Analytics

Ran Ben Basat, Xiaoqi Chen+4 more|arXiv (Cornell University)|May 23, 2020

Network Security and Intrusion Detection参考文献 41被引用 4

一句话总结

AROMA 是一种路由和工作负载无关的测量基础设施，可在可编程 PISA 交换机中实现无假设的统一包和流采样，无需依赖拓扑、路由或交换机协调。它采用基于 k-划分哈希的结构，确保在全网范围内进行准确、低开销的分析，并提供形式化的精度保证，在流大小估计、重载节点检测和超级传播者识别方面优于现有方法，即使在内存受限条件下也表现优异。

ABSTRACT

Network-wide traffic analytics are often needed for various network monitoring tasks. These measurements are often performed by collecting samples at network switches, which are then sent to the controller for aggregation. However, performing such analytics without ``overcounting'' flows or packets that traverse multiple measurement switches is challenging. Therefore, existing solutions often simplify the problem by making assumptions on the routing or measurement switch placement. We introduce AROMA, a measurement infrastructure that generates a uniform sample of packets and flows regardless of the topology, workload and routing. Therefore, AROMA can be deployed in many settings, and can also work in the data plane using programmable PISA switches. The AROMA infrastructure includes controller algorithms that approximate a variety of essential measurement tasks while providing formal accuracy guarantees. Using extensive simulations on real-world network traces, we show that our algorithms are competitively accurate compared to the best existing solutions despite the fact that they make no assumptions on the underlying network or the placement of measurement switches.

研究动机与目标

• 解决由于数据包和流在多台交换机间遍历导致的全网流量测量中过计数的问题。
• 消除对路由假设、拓扑知识或每台交换机配置的依赖，以实现流和包的采样。
• 在资源受限的 PISA 交换机上支持精确、可扩展的网络测量任务，如重载节点检测和流大小分布估计。
• 在无需测量交换机之间协调的前提下，为广泛的测量原语提供形式化的精度保证。
• 在拓扑和流量模式频繁变化的动态大规模网络中实现高效部署。

提出的方法

• AROMA 采用基于 k-划分哈希的结构，将每个数据包或流唯一映射到一个采样桶中，确保无论路由或拓扑如何，采样均保持均匀。
• 系统在所有交换机上使用单一、一致的哈希函数，无需交换机间协调或数据包标记。
• 通过相同的底层机制，同时支持包采样（每个数据包以固定概率采样）和流采样（每一流以均匀概率采样，与大小无关）。
• 控制器利用采样数据近似关键网络测量指标，包括流频率、重载节点、分层重载节点以及流大小分布。
• 所有算法均设计为在极小内存（例如 0.5MB）内运行，并与 P4 和 PISA 可编程交换机兼容。
• 该框架通过估计误差的概率界，确保形式化的精度保证，即使在高流量负载下也成立。

实验结果

研究问题

• RQ1 是否可以在不依赖路由、拓扑或交换机位置假设的前提下，在全网环境中实现包和流的均匀采样？
• RQ2 如何在无需每台交换机配置或协调的情况下，实现跨交换机的均匀流采样？
• RQ3 在最小内存和无路由假设的前提下，全网测量任务（如重载节点检测和流大小估计）的可实现精度如何？
• RQ4 在真实世界数据 trace 中，AROMA 在估计精度和资源效率方面与现有解决方案相比表现如何？
• RQ5 AROMA 是否能够高效地在 PISA 交换机的数据平面中实现，且仅使用有限的内存和计算资源？

主要发现

• 仅使用 0.5MB 内存，AROMA 在 3200 万包的 trace 中对流大小的估计，其均方根误差仅为 150 个包。
• AROMA 在识别超级传播者时 F1 得分为 0.9，在检测重载节点时为 0.8，召回率优于 FlowRadar，同时保持近乎完美的精确率。
• 流大小分布的估计误差加权平均相对差仅为 0.045，表明即使在内存受限条件下也具有极高精度。
• AROMA 的性能与依赖路由假设的最先进解决方案相当，但无需这些假设，因此更具广泛部署潜力。
• 该框架将软件包采样中的更新时间从对数时间优化为常数时间，显著提升了可扩展性。
• AROMA 是首个在无需协调或对路由、工作负载或拓扑假设的前提下，实现流采样的框架，同时保持与 PISA 交换机的兼容性。