Detectando Heavy Hitters globalmente em dispositivos programáveis multi-pipes
Resumo
Uma forma de contribuir para a gestão de redes, envolve detectar fluxos de tráfego de grande impacto, conhecidos como “Heavy Hitters”. Heavy Hitters são fluxos que conduzem a maior parcela de bytes transmitidos pela rede, consequentemente consumindo mais recursos. O uso de hardware programável, como switches e DPUs, permite a detecção desses fluxos diretamente no plano de dados da rede. Embora a literatura revele uma extensa análise da detecção em switches de pipe único, este estudo apresenta duas abordagens para identificar Heavy Hitters em switches programáveis com múltiplos pipes. Uma abordagem possui um acumulador no switch, que centraliza os dados provenientes de todos os pipes e se comunica com o plano de controle. Já na outra, as comunicações com o plano de controle são independentes para cada pipe. Ambas abordagens foram desenvolvidas, e validadas através de um emulador, demonstrando eficácia e melhoria na detecção em switches multi-pipes, comparado a switches de pipe único.
Referências
Basat, R. B., Chen, X., Einziger, G., and Rottenstreich, O. (2020). Designing heavy-hitter detection algorithms for programmable switches. IEEE/ACM Transactions on Networking, 28(3):1172–1185.
Basat, R. B., Einziger, G., Feibish, S. L., Moraney, J., and Raz, D. (2018a). Network-wide routing-oblivious heavy hitters. In Proceedings of the 2018 Symposium on Architectures for Networking and Communications Systems, pages 66–73.
Basat, R. B., Einziger, G., Keslassy, I., Orda, A., Vargaftik, S., and Waisbard, E. (2018b). Memento: Making sliding windows efficient for heavy hitters. In Proceedings of the 14th International Conference on Emerging Networking EXperiments and Technologies, pages 254–266.
CAIDA (2019). The caida ucsd anonymized internet traces - 20190117.
Chiesa, M. and Verdi, F. L. (2023). Network monitoring on multi-pipe switches. Proc. ACM Meas. Anal. Comput. Syst., 7(1).
Ding, D., Savi, M., Antichi, G., and Siracusa, D. (2020). An incrementally-deployable p4-enabled architecture for network-wide heavy-hitter detection. IEEE Transactions on Network and Service Management, 17(1):75–88.
Harrison, R., Cai, Q., Gupta, A., and Rexford, J. (2018). Network-wide heavy hitter detection with commodity switches. In Proceedings of the Symposium on SDN Research, pages 1–7.
Hofstede, R., Čeleda, P., Trammell, B., Drago, I., Sadre, R., Sperotto, A., and Pras, A. (2014). Flow monitoring explained: From packet capture to data analysis with netflow and ipfix. IEEE Communications Surveys & Tutorials, 16(4):2037–2064.
Lin, Y.-B., Huang, C.-C., and Tsai, S.-C. (2019). Sdn soft computing application for detecting heavy hitters. IEEE Transactions on Industrial Informatics, 15(10):5690–5699.
Machado, D., de Castro, A. G., Vogt, F., and Luizelli, M. C. (2019). Avaliação de desempenho de heavy hitters utilizando p4 e xdp. In Anais da XVII Escola Regional de Redes de Computadores, pages 122–123. SBC.
Silva, M. V. B. d. (2019). Prevendo e identificando fluxos elefantes em redes de ponto de troca de tráfego com suporte à programabilidade.
Sivaraman, V., Narayana, S., Rottenstreich, O., Muthukrishnan, S., and Rexford, J. (2017). Heavy-hitter detection entirely in the data plane. In Proceedings of the Symposium on SDN Research, pages 164–176.
Tang, L., Huang, Q., and Lee, P. P. (2020). A fast and compact invertible sketch for network-wide heavy flow detection. IEEE/ACM Transactions on Networking, 28(5):2350–2363.
Turkovic, B., Oostenbrink, J., and Kuipers, F. (2019). Detecting heavy hitters in the data-plane. arXiv preprint arXiv:1902.06993.
Vilela, G. S. (2006). Caracterização de tráfego utilizando classificação de fluxos de comunicação. Mestre em ciências em engenharia de sistemas e computação, Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil.
Wheeler, B. (2019). Tomahawk 4 switch first to 25.6 tbps. Microprocessor Report.
