論文の概要: Prioritising Interactive Flows in Data Center Networks With Central
Control
- arxiv url: http://arxiv.org/abs/2402.00870v1
- Date: Fri, 27 Oct 2023 07:15:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 17:28:00.194452
- Title: Prioritising Interactive Flows in Data Center Networks With Central
Control
- Title(参考訳): 中央制御によるデータセンターネットワークにおけるインタラクティブフローの優先順位付け
- Authors: Mohana Prasad Sathya Moorthy
- Abstract要約: データセンターネットワークにおける対話型フローの優先順位付けを支援する中央制御器に関する2つの問題に対処する。
論文の前半では,ソフトウェア定義ネットワークにおける渋滞制御の問題に対処する。
本稿では,ネットワークのグローバルビューを持つコントローラが,エンドTCPホストの混雑制御決定に積極的に参加するフレームワークを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data centers are on the rise and scientists are re-thinking and re-designing
networks for data centers. The concept of central control which was not
effective in the Internet era is now gaining popularity and is used in many
data centers due to lower scale of operation (compared to Internet), structured
topologies and as the entire network resources is under a single entity's
control. With new opportunities, data center networks also pose new problems.
Data centers require: high utilization, low median, tail latencies and
fairness. In the traditional systems, the bulk traffic generally stalls the
interactive flows thereby affecting their flow completion times adversely. In
this thesis, we deal with two problems relating to central controller assisted
prioritization of interactive flow in data center networks.
Fastpass is a centralized "zero-queue" data center network. But the central
arbiter of Fastpass doesn't scale well for more than 256 nodes (or 8 cores). In
our test runs, it supports only about 1.5 Terabits's of network traffic. In
this work, we re-design their timeslot allocator of their central arbiter so
that it scales linearly till 12 cores and supports about 1024 nodes and 7.1
Terabits's of network traffic.
In the second part of the thesis, we deal with the problem of congestion
control in a software defined network. We propose a framework, where the
controller with its global view of the network actively participates in the
congestion control decisions of the end TCP hosts, by setting the ECN bits of
IPV4 packets appropriately. Our framework can be deployed very easily without
any change to the end node TCPs or the SDN switches. We also show 30x
improvement over TCP cubic and 1.7x improvement over RED in flow completion
times of interactive traffic for one implementation of this framework.
- Abstract(参考訳): データセンターは増加傾向にあり、科学者はデータセンターのネットワークを再考し、再設計している。
インターネット時代には有効でなかった中央制御の概念が現在普及しており、多くのデータセンターで使用されているのは、(インターネットと比較して)低い運用規模、構造化されたトポロジー、そしてネットワークリソース全体が単一のエンティティのコントロール下にあるためである。
新しい機会によって、データセンターネットワークも新たな問題を引き起こす。
データセンターは、高い利用率、低い中央値、テールレイテンシ、公平性を必要とする。
従来のシステムでは、バルクトラフィックは一般的にインタラクティブフローを停止させ、フロー完了時間に悪影響を及ぼす。
本稿では,データセンタネットワークにおけるインタラクティブフローの優先順位付けを支援する中央制御系に関する2つの問題を扱う。
fastpassは集中型"ゼロキュー"データセンターネットワークである。
しかし、fastpassの中央のアビターは256ノード(または8コア)以上ではうまくスケールしない。
私たちのテストでは、約1.5テラビットのネットワークトラフィックしかサポートしていません。
本研究では,12コアまで線形にスケールし,約1024ノードと7.1テラビットのネットワークトラフィックをサポートするように,その中央アロケータのタイムロアロケータを再設計する。
論文の第2部では,ソフトウェア定義ネットワークにおける渋滞制御の問題に対処する。
IPV4パケットのECNビットを適切に設定することにより、ネットワークのグローバルビューを持つコントローラがエンドTCPホストの混雑制御決定に積極的に参加するフレームワークを提案する。
私たちのフレームワークは、エンドノードTCPやSDNスイッチを変更することなく、簡単にデプロイできます。
また、TCP立方体よりも30倍、REDより1.7倍、対話的なトラフィックのフロー完了時間で1.7倍の改善を実現した。
関連論文リスト
- Semi-decentralized Training of Spatio-Temporal Graph Neural Networks for Traffic Prediction [0.15978270011184256]
スマートモビリティ領域における時空間グラフ時間ニューラルネットワーク(ST-GNN)のための半分散トレーニング手法を探索し,適応する。
センサを複数のクラウドレットに近接してグループ化するシミュレーションフレームワークを実装した。
半分散的なセットアップは、パフォーマンスメトリクスの集中的なアプローチと同等であることを示す。
論文 参考訳(メタデータ) (2024-12-04T10:20:21Z) - I've Got 99 Problems But FLOPS Ain't One [70.3084616806354]
私たちは、機械学習アプリケーションのための1000億ドルのデータセンターを構築するための公開計画から始まり、関連する研究方向を見つけるために、従来からあるアプローチを取っています。
データセンターのようなワークロードが持つものを見つけ、ネットワーク研究に焦点をあてて、その課題を探求します。
我々は、データセンターの構築とそのようなモデルの訓練は技術的に可能であると結論づけるが、これはDC間通信のための新しい広域トランスポート、マルチパストランスポート、および新しいデータセンタートポロジを必要とする。
論文 参考訳(メタデータ) (2024-07-01T10:33:46Z) - Center Focusing Network for Real-Time LiDAR Panoptic Segmentation [58.1194137706868]
高精度かつリアルタイムなLiDARパノプティブセグメンテーションを実現するために、CFNet(Central Focus Network)を導入した。
CFFEは、元のLiDARポイントと仮想インスタンスセンターの関係を明確に理解するために提案されている。
我々のCFNetは、すべての既存のメソッドを大きなマージンで上回り、最も効率的なメソッドよりも1.6倍高速です。
論文 参考訳(メタデータ) (2023-11-16T01:52:11Z) - GraphCC: A Practical Graph Learning-based Approach to Congestion Control
in Datacenters [6.47712691414707]
データセンターネットワーク(DCN)におけるトラフィックの最適化において,渋滞制御(CC)が基本的な役割を担っている
本稿では,ネットワーク内CC最適化のための新しい機械学習ベースのフレームワークであるGraphCCを提案する。
論文 参考訳(メタデータ) (2023-08-09T12:04:41Z) - A Deep Reinforcement Learning Framework for Optimizing Congestion
Control in Data Centers [2.310582065745938]
異なるネットワーク環境において高い性能を達成するために,様々な渋滞制御プロトコルが設計されている。
集中制御アクションをマシンに委譲する現代のオンライン学習ソリューションは、データセンターの厳格な時間スケールに適切に収束できない。
我々はマルチエージェント強化学習を利用して、データセンターのエンドホストにおける混雑制御パラメータを動的にチューニングするシステムを設計する。
論文 参考訳(メタデータ) (2023-01-29T22:08:35Z) - Bandwidth-efficient distributed neural network architectures with
application to body sensor networks [73.02174868813475]
本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。
提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。
本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
論文 参考訳(メタデータ) (2022-10-14T12:35:32Z) - Impact of RoCE Congestion Control Policies on Distributed Training of
DNNs [7.573461420853252]
分散学習プラットフォーム上でのSOTA RoCEの混雑制御方式とPFCの比較を行った。
以上の結果から,従来提案されていたRoCE渋滞制御スキームは,トレーニングワークロードのエンドツーエンドパフォーマンスにはほとんど影響を与えていないことが示唆された。
論文 参考訳(メタデータ) (2022-07-22T06:29:17Z) - Implementing Reinforcement Learning Datacenter Congestion Control in NVIDIA NICs [64.26714148634228]
渋滞制御 (CC) アルゴリズムの設計は非常に困難になる。
現在、計算能力に制限があるため、ネットワークデバイスにAIモデルをデプロイすることはできない。
我々は,近年の強化学習CCアルゴリズムに基づく計算軽度解を構築した。
論文 参考訳(メタデータ) (2022-07-05T20:42:24Z) - Decentralized Control with Graph Neural Networks [147.84766857793247]
分散コントローラを学習するグラフニューラルネットワーク(GNN)を用いた新しいフレームワークを提案する。
GNNは、自然分散アーキテクチャであり、優れたスケーラビリティと転送性を示すため、タスクに適している。
分散コントローラの学習におけるGNNの可能性を説明するために、群れとマルチエージェントパス計画の問題を検討する。
論文 参考訳(メタデータ) (2020-12-29T18:59:14Z) - Proximity-based Networking: Small world overlays optimized with particle
swarm optimization [0.0]
小規模世界のネットワークは、インターネットネットワーク内の情報の拡散とルックアップにおいて、信じられないほど有用である。
本稿では,各ノードの分割鍵空間内のピアの配置に,コード内の地理的位置を組み込んだネットワーク方式を提案する。
提案手法の柔軟性により,様々なSwarmモデルとエージェントが利用可能となる。
論文 参考訳(メタデータ) (2020-06-03T01:40:46Z) - Decentralized Learning for Channel Allocation in IoT Networks over
Unlicensed Bandwidth as a Contextual Multi-player Multi-armed Bandit Game [134.88020946767404]
本稿では,プライマリセルネットワークにライセンスされたスペクトルに基づいて,アドホックなモノのインターネットネットワークにおける分散チャネル割り当て問題について検討する。
本研究では,この問題をコンテキスト型マルチプレイヤー・マルチアームバンディットゲームにマッピングし,試行錯誤による純粋に分散化された3段階ポリシー学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-03-30T10:05:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。