Efficient and scalable load balancing through cross-plane cooperation

• Ano de defesa: 2023
• Autor(a) principal: Coelho, Bruno Loureiro
• Orientador(a): Schaeffer Filho, Alberto Egon
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Balanceamento : Carga; Aprendizado de máquina; Trafego : Redes : Computadores; Aprendizado por reforço; Redes neurais
• Palavras-chave em Inglês: Traffic engineering; Programmable data planes; Elephant flow detection
• Link de acesso: http://hdl.handle.net/10183/267703

Balancear o tráfego de rede por meio de vários caminhos mais curtos tornou-se uma prática comum para obter uma utilização eficiente da infraestrutura de rede. Embora seja frequentemente utilizado, o Equal-Cost Multi-Path (ECMP) oferece um desempenho longe do ideal. Várias soluções de balanceamento de carga utilizam o Weighted-Cost MultiPath (WCMP), dividindo o tráfego entre links proporcionalmente aos pesos dos links. No entanto, a implementação do WCMP exige que o controlador atualize as regras de encaminhamento match+action sempre que os pesos devem ser alterados, introduzindo um atraso antes que a divisão de tráfego apropriada possa ser aplicada. Além disso, o WCMP divide o tráfego de rede baseando-se apenas nos pesos dos links, sem levar em conta as características ou necessidades de cada fluxo. Neste trabalho, propomos CrossBal, um sistema híbrido de balanceamento de carga baseado em Deep Reinforcement Learning (DRL) que concentra seus esforços em fluxos elefantes de alto impacto. O agente de DRL é modelado para ser capaz de utilizar os links de rede de forma eficiente e, ao mesmo tempo, minimizar o espaço de ação, permitindo que o agente aprenda rapidamente como balancear a carga. Além disso, o CrossBal pode reagir rapidamente às mudanças na rede monitorando e alternando as rotas ativas diretamente no plano de dados. Nossa avaliação mostra que o CrossBal consegue utilizar os recursos da rede de forma eficiente, usando a maioria dos links disponíveis, ao mesmo tempo que reduz o desequilíbrio na utilização dos links. Também avaliamos a detecção de fluxo elefante utilizada pelo CrossBal, mostrando como ele pode identificar rapidamente fluxos elefantes através do uso eficiente dos recursos do switch programável.