[论文解读] Unobtrusive Deferred Update Stabilization for Efficient Geo-Replication

Chathuri Gunawardhana, Manuel Bravo+1 more|arXiv (Cornell University)|Feb 6, 2017

Distributed systems and fault tolerance被引用 6

一句话总结

该论文提出Eunomia，一种新颖的无感延迟更新稳定服务，通过在远程传输前才延迟确定更新的全局顺序，实现了在地理复制系统中高吞吐量、低延迟的因果一致性。与基于序列器的系统不同，Eunomia通过将本地并发与全局排序解耦，避免了性能瓶颈，在保持接近最优的远程更新可见性延迟的同时，吞吐量最高可达序列器的7.7倍。

ABSTRACT

In this paper we propose a novel approach to manage the throughput vs latency tradeoff that emerges when managing updates in geo-replicated systems. Our approach consists in allowing full concurrency when processing local updates and using a deferred local serialisation procedure before shipping updates to remote datacenters. This strategy allows to implement inexpensive mechanisms to ensure system consistency requirements while avoiding intrusive effects on update operations, a major performance limitation of previous systems. We have implemented our approach as a variant of Riak KV. Our extensive evaluation shows that we outperform sequencer-based approaches by almost an order of magnitude in the maximum achievable throughput. Furthermore, unlike previous sequencer-free solutions, our approach reaches nearly optimal remote update visibility latencies without limiting throughput.

研究动机与目标

• 解决因果一致的地理复制系统中集中式序列器带来的性能瓶颈问题。
• 降低无序列器系统中全局稳定化过程带来的高延迟和吞吐量损失。
• 在不牺牲因果一致性保证的前提下，将本地更新并发与全局一致性强制解耦。
• 设计一种可扩展、容错的系统服务，在远程复制前高效地对更新进行排序。
• 在真实世界的地理复制工作负载中，评估Eunomia与最先进解决方案的性能表现。

提出的方法

• Eunomia将更新的全局排序延迟到即将发送到远程数据中心之前进行，确保因果一致性的同时保留本地并发性。
• 每个数据中心使用向量时钟维护本地更新的全局顺序，Eunomia确保只有在因果依赖关系解决后才发送远程更新。
• Eunomia使用捎带时间戳机制，使远程站点能够高效检查依赖关系，类似于基于序列器的系统，但无需中心化协调。
• 该系统与Riak KV集成为Riak+Eunomia，利用Riak现有的复制和一致性机制。
• 设计了一种容错的Eunomia变体，可在不损害一致性或可用性的情况下处理节点故障。
• 该方法避免对每个更新显式追踪依赖关系，从而减少元数据膨胀和通信开销。

实验结果

研究问题

• RQ1 延迟更新排序机制是否能在不引入延迟惩罚的情况下，实现比基于序列器的系统更高的吞吐量？
• RQ2 消除全局稳定化过程是否能同时提升地理复制系统的吞吐量和远程更新可见性延迟？
• RQ3 去中心化的、无感的排序服务是否能在高并发环境中维持因果一致性，同时避免性能瓶颈？
• RQ4 在吞吐量和延迟方面，Eunomia与最先进的无序列器解决方案（如GentleRain和Cure）相比表现如何？
• RQ5 与最终一致系统相比，Eunomia在一致性管理方面的开销减少了多少？

主要发现

• Eunomia在最大可实现吞吐量方面比基于序列器的系统高出近一个数量级，每秒可处理高达7.7倍的操作。
• EunomiaKV的远程更新可见性延迟显著低于GentleRain和Cure，接近最优延迟，且未牺牲吞吐量。
• 将Eunomia集成到Riak KV中，与最终一致系统相比仅增加4.7%的平均性能开销，表明其性能成本极低。
• 与基于全局稳定化的系统不同，Eunomia避免了昂贵的后台处理过程，消除了其吞吐量与延迟之间的权衡。
• Eunomia通过使用捎带时间戳进行依赖检查，以极低的元数据开销维持因果一致性，避免了对每个更新的依赖关系追踪。
• Eunomia的容错变体在节点故障情况下仍能保证一致性和可用性，使其具备生产环境部署的可行性。