ChameleMon: Shifting Measurement Attention as Network State Changes
Last updated
Was this helpful?
Last updated
Was this helpful?
ChameleMon: Shifting Measurement Attention as Network State Changes 是一篇 2023 年发表在 ACM 的研究型论文。共同一作是来自 National Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University 的 Kaicheng Yang，Yuhan Wu 和 Ruijie Miao，通讯作者是来自同样单位的 Tong Yang。ChameleMon 提供了 prototype。
Network measurement 的目标是支持更多任务并以更少的内存实现更高的准确性。
There are mainly two kinds of flow-level measurement tasks in Network measurement : 1) packet accumulation tasks and 2) packet loss tasks.
前人工作的局限性在于：要么只能完成两种任务之一，受限于其数据结构无法拓展完成另一种任务；要么能同时完成两种任务，但无法充分利用资源，导致至少线性级别的内存 / 带宽开销。
该论文经研究总结，提出一个实用的测量系统需要满足以下三个要求：
通用性：同时支持丢包测量任务和包累积测量任务；
效率：以亚线性空间复杂度实现高精度；
注意力转换：在不同网络状态下关注不同类型的任务。
该论文提出了一种新型的测量系统——ChameleMon，该系统能同时满足以上三个要求，突破了现有工作的瓶颈。
ChameleMon 的关键设计是通过动态的两个维度，实现随着网络状态的变化而转移测量注意力：1）在两种任务之间动态分配内存； 2）动态监控重要流量。为了实现关键设计，该论文提出了一项技术：利用费马小定理设计灵活的数据结构——FermatSketch。 FermatSketch 具有可除性、加法性和减法性，支持以上两种测量任务。 ChameleMon 的 workflow 如下：
对于一个 flow，通过 Classifier 将其分为四类（分类依据：flow size）：
Heavy-hitter(HH)
heavy-losses(HLs)
light-losses(LLs) - according to sample rate divied into two classes
sampled LL candidate
non-sampled
UpStream 统计进入网络的 flow，DownStream 统计离开网络的 flow。
中央控制器定期从边缘交换机收集 sketches 以支持持续测量。 为避免与 flow 插入发生冲突，收集 sketches 时，每个边缘交换机都会将时间线划分成连续的固定长度时间间隔（称为 epoch），以及复制一组 sketches 作为备份。
每个 epoch，中央控制器对收集的 sketches 进行分析（共支持七项测量任务）。 通过分析上下游的编码器，中央控制器可以支持丢包检测。 通过分析流分类器和上游 HH 编码器，中央控制器可以支持 HH 检测和其他五个数据包累积任务。
每个 epoch，中央控制器通过分析收集到的 sketches 来监控实时网络状态（若能监控所有的 victim flow，则为 healthy 状态，反之为 ill 状态），在运行时重新配置边缘交换机的数据平面。通过调整内存分配，来控制两种任务的占比；通过调整 Tl 和 Th 这两个阈值，动态选择最重要的流。
实验结果能够证明 ChameleMon 达到了其所描述的效果：
美中不足的是，该论文在整体排版上不够美观，page5-8 没有任何图表，EVALUATION 部分草草收尾，附录部分又占比过大，不免令读者怀疑作者是否存在写作仓促的情况。
