8. Empower Programmable Pipeline for Advanced Stateful Packet Processing
名称:RAPID为高级状态数据包,授权可编程pipeline。
解决问题:可编程pipeline可以灵活、高吞吐的处理数据包,但是对于处理和转发更高级的数据平面时,就很困难。根本原因,需要向后跨阶段的数据传递、管道传输。
解决办法:增加一个低成本、快速的侧环促进数据的反向传递。应用推测执行技术,避免管道失速。
效果:基于FPGA的原型评估系统,并且实现了几个应用程序,展示可编程数据平面可以扩展达到的水平。
9. Credence: Augmenting Datacenter Switch Buffer Sharing with ML Predictions
名称:Credence预测增强数据中心交换缓冲区共享
解决问题:数据中心交换机缓冲区是所有端口共享的,以提高整体吞吐量。目前缓冲区不断缩小。
方法:如果提前知道未来数据包的到达,那么drop-tail缓冲区可以模拟推出缓冲区。可以通过预测未来到达,来增加drop-tail算法,提升性能。
效果:吞吐量提高1.5倍,FCT对比现有的机器学习,提高95%。在硬件中实用。
10. TECC: Towards Efficient QUIC Tunneling via Collaborative Transmission Control
名称:TECC基于协同传输控制的系统。
目的效果:终端主机能够更精确地收集到隧道服务感知到的网络信息,实现高效的QUIC隧道。
实现方法:反馈框架。
实验效果:在模拟网络/现实世界,验证TECC有效性。
11. Pudica: Toward Near-Zero Queuing Delay in Congestion Control for Cloud Gaming
名称:Pudica面向云游戏拥塞控制中的0排队延迟。
解决问题:针对云游戏问题,提出新颖的端到端CC,最大程度降低游戏帧传输延迟。
方法:①用节奏帧探测带宽利用率(BUR)②通过BUR估计,设计整体比特率调整策略,来平衡低排队、效率和公平性。
效果:平均帧/尾帧/失速率都降低。已经部署在大型的云游戏平台,服务于百万玩家。
12. Reasoning about Network Traffic Load Property at Production Scale
名称:生产规模下,网络负荷特性的推理(WAN)
解决问题:搞清网络变更期间,是否有链路的利用率超过80%的系统。对于运营商而言,设计一种负荷特性推理,需要支持复杂流量行为、数十亿负载推理、实时容错。
方法:提出流量分布图、基于TDG算法模拟一段时间内数十亿的流量分布、增量流量模拟。
效果:JINGUBANG在广域网中使用一年多,避免了因流量负载违规导致的服务暂停。
13. Brain-on-Switch: Towards Advanced Intelligent Network Data Plane via NN-Driven Traffic Analysis at Line-Speed
名称:Brain on switch基于网络驱动的,线速率流量分析。
解决问题:可编程网络,激发了智能数据平面(INDP)的研究。现有的INDP侧重于数据平面部署树/森林模型。
方法:BoS实现NN驱动的流量分析模型。
效果:BoS在分析精度、科扩展性方面,优于最先进技术。
14. LuoShen: A Hyper-Converged Programmable Gateway for Multi-Tenant Multi-Service Edge Clouds
名称:LuoShen针对多租户多服务边缘云的超融合可编程网关。
目的效果:将公有云的网络基础设施,部署到边缘。也就是边缘云。
实现方法:将整个网络基础设施整合为以P4为中心架构的2U服务器交换机。数据平面,片上资源细致计算,管道折叠。控制平面:BGP对等协议保证组件间的可达性。
实验效果:吞吐量1.2Tbps,前期成本、部署规模、功耗都大幅度降低。