QALL: Distributed Queue-Behavior-Aware Load Balancing Using Programmable Data Planes

Waixi Liu

doi:10.1109/tnsm.2023.3345862

QALL: Distributed Queue-Behavior-Aware Load Balancing Using Programmable Data Planes

2023-01-01

0

OA

AI

DOI：10.1109/tnsm.2023.3345862

原文链接

摘要

En 中文

现有数据中心网络中使用的负载均衡方法存在一些不足，如应对微突发时的决策延迟过大以及主动探测产生的高开销。可编程数据平面为交换机本地决策提供了新机会以解决这些问题。我们观察到交换机中的队列行为（即队列占用、排队趋势和出队时间间隔）可以反映网络的当前或未来拥塞程度。此外，通过数据驱动的实验，我们发现了一种拥塞程度与队列行为之间的精确拟合函数。因此，我们提出了一种基于可编程交换机的网络内负载均衡方案，称为队列行为感知的本地负载均衡（QALL）。在QALL中，每个交换机根据精细测量的本地队列行为独立且概率性地选择出口端口。QALL的关键概念是将达到当前队列状态的演化过程纳入其负载均衡决策依据。在真实DCN工作负载（包括网页搜索和数据挖掘工作负载）下的实验结果表明QALL的有效性。在流完成时间、决策延迟、网络冲击、负载共享准确度和包重排序方面，QALL优于最近的每包（DRILL）、每流（LetFlow和CONGA）和每流（ECMP）负载均衡器，特别是在高负载情况下。例如，在90%负载水平的非对称拓扑下，QALL的流完成时间比ECMP、LetFlow、CONGA和DRILL分别低54.7%、46.5%、38.9%和18.9%。

QALL: Distributed Queue-Behavior-Aware Load Balancing Using Programmable Data Planes

摘要

期刊

机构

引用论文