COSTA Cross-layer Optimization for Sketch-based笔记与感受

Main Idea

• 网络测量在sdn中十分重要，使用sketch的方法需要消耗大量硬件资源，占用其他重要功能的资源，无法容纳更多的测量任务。基于sketch的测量方法有两个特性：基于sketch的测量方法在已知资源量的情况下可以预估精确度，并且资源和性能的边界效应是递减的。针对以上两个特性，在应用层和管理层之间，根据Cross-layers的信息，对资源和性能做出权衡，智能分配测量任务。在稍稍降低精确度的情况下，大程度降低资源消耗，提升可处理的任务数。

背景

• Sketch-based 通常使用TCAMs 需要使用大量资源
• 挑战：处理大量并行任务，减少资源消耗。
• 现有方法：探索不同任务指派的算法。
• 本文：牺牲一小部分精确度，资源使用显著降低。
• 为什么测量需要减少资源消耗：测量本是辅助功能，虽然可以为控制提供信息，掌握数据，调控全局，重要性很高。但是网络中还有其他大量的重要功能，包处理、转发等，所以说要尽可能减少测量的资源开销。资源使用率降低意味着在有限的资源下可以容纳更多的测量任务。

基于sketch在软件定义测量

优势：

• 灵活性
• 更适应基于流的算法
• 通用性
• 性价比高

不足

• 硬件消耗大：基于sketch的测量，需要储存大量计数器、哈希值，需要消耗大量硬件资源，而最常用的TCAM和SRAM资源有限，只能主要用于转发功能

两个特性

- 为什么要节省资源，为什么要对资源消耗大的应用降低测量精确度？

• 在限定资源的条件下，基于sketch的测量提供了一个精确度的边界，可以提前估计测量的精确度。为测量精度和资源的权衡提供先决条件。
• 资源和性能的边界效应是递减的、利用过多资源，无法带来更多的性能提升。所以应该有一个在资源和精度之间的权衡，以做到用最少的资源达到最合适的精度。

解决方法

• 利用应用和管理层之间的cross-layer 信息来优化，达到智能指派最终的任务。
• 提供不同层次的针对资源和精确度的权衡。
• 属于整数非线性规划问题、NP困难问题、复杂度高。采用近似最佳双阶段启发式方法完成任务指派（negligible性能损失）。
• 可以节省40%的资源，提升30%的任务接受率。

相关工作

• Opensketch最先提出sdn中基于sketch的测量框架
• 后有人在资源和精确度的权衡间有准确讨论
• DREAM基于TCAM动态分配测量任务，
• OpenTM低消耗高性能软件定义测量框架，从交换机中收集流的信息。
• FlowCover优化流收集的带宽
• PayLess提出使用可适应的频繁轮询收集流信息的APIs
• FlowSense提出被动测量技术来推断网络性能不带测量开销
• OpenWatch提出基于预测的针对恶意流量的动态适应策划。