Sentinel: Failure Recovery in Centralized Traffic Engineering
Sentinel: Failure Recovery in Centralized Traffic Engineering
复制标题
Sentinel：集中式流量工程中的故障恢复
DOI：
10.1109/tnet.2019.2931473
复制
发表时间：
2019-08
期刊：
影响因子：
--
通讯作者：
Yanhui Geng
中科院分区：
文献类型：
--
作者：
Jiaqi Zheng;Hong Xu;Xiaojun Zhu;Guihai Chen;Yanhui Geng
网络故障在广域网(WAN)中很常见。软件定义的广域网中的故障恢复需要几分钟或更长时间，因为控制器需要计算新的流量工程解决方案并更新所有交换机的转发规则。这会严重降低应用程序性能。现有的反应式和主动式方法不可避免地会导致暂时性拥塞或带宽未充分利用，并影响运行昂贵的广域网的效率。提出了一种用于软件定义广域网流量工程的新型故障恢复系统Sentinel。Sentinel预先计算并安装备份隧道，以加快故障恢复。当链路发生故障时，交换机会在本地将流量重定向到备用隧道并立即在数据平面中恢复，因此与反应式重新调整相比，大大减少了瞬时拥塞。另一方面，Sentinel完全避免了现有主动方法所需的带宽净空。在Mineeet上的大量实验和数值模拟表明，Sentinel算法与最先进的FFC算法相似，与Rescaling算法相比，拥塞减少了45%，并且其算法的运行速度比FFC快得多。Sentinel只引入了少量额外的转发规则，并且可以很容易地在今天的Openflow交换机上实施。
Network failures are common in wide area networks (WANs). Failure recovery in a software-defined WAN takes minutes or longer, as the controller needs to calculate a new traffic engineering solution and update the forwarding rules across all switches. This severely degrades application performance. Existing reactive and proactive approaches inevitably lead to transient congestion or bandwidth underutilization and impair the efficiency of running the expensive WANs. We present Sentinel, a novel failure recovery system for traffic engineering in software-defined WANs. Sentinel pre-computes and installs backup tunnels to accelerate failure recovery. When a link fails, switches locally redirect traffic to backup tunnels and recover immediately in the data plane, thus substantially reducing the transient congestion compared to reactive rescaling. On the other hand, Sentinel completely avoids the bandwidth headroom required by existing proactive approaches. Extensive experiments on Mininet and numerical simulations show that similar to state-of-the-art FFC, Sentinel reduces congestion by 45% compared with rescaling, and its algorithm runs much faster than FFC. Sentinel only introduces a small number of additional forwarding rules and can be readily implemented on today’s Openflow switches.
登录
查看更多内容
DOI：
10.1109/tnet.2011.2123916
发表时间：
2011-10
期刊：
IEEE/ACM Transactions on Networking
影响因子：
--
作者：
K. Kwong;Lixin Gao;Roch Guérin;Zhi-Li Zhang
通讯作者：
K. Kwong;Lixin Gao;Roch Guérin;Zhi-Li Zhang
DOI：
10.1145/1328911.1328924
发表时间：
2008-03
期刊：
ACM Trans. Algorithms
影响因子：
--
作者：
George Karakostas
通讯作者：
George Karakostas
DOI：
10.1145/2934872.2934904
发表时间：
2016-08
期刊：
Proceedings of the 2016 ACM SIGCOMM Conference
影响因子：
--
作者：
Xin Jin;Yiran Li;Da Wei;Siming Li;Jie Gao;Lei Xu;Guangzhi Li;W. Xu;J. Rexford
通讯作者：
Xin Jin;Yiran Li;Da Wei;Siming Li;Jie Gao;Lei Xu;Guangzhi Li;W. Xu;J. Rexford
DOI：
10.1109/infocom.2016.7524356
发表时间：
2016-04
期刊：
IEEE INFOCOM 2016 - The 35th Annual IEEE International Conference on Computer Communications
影响因子：
--
作者：
Brent E. Stephens;A. Cox
通讯作者：
Brent E. Stephens;A. Cox
DOI：
10.4230/lipics.icalp.2016.134
发表时间：
2016
期刊：
--
影响因子：
--
作者：
Marco Chiesa;A. Gurtov;A. Madry;Slobodan Mitrovic;Ilya Nikolaevskiy;Michael Schapira;S. Shenker
通讯作者：
Marco Chiesa;A. Gurtov;A. Madry;Slobodan Mitrovic;Ilya Nikolaevskiy;Michael Schapira;S. Shenker