MimicNet: fast performance estimates for data center networks with machine learning
MimicNet: fast performance estimates for data center networks with machine learning
复制标题
MimicNet：通过机器学习快速评估数据中心网络的性能
DOI：
10.1145/3452296.3472926
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Liu, Vincent
中科院分区：
文献类型：
--
作者：
Zhang, Qizhen;Ng, Kelvin K.;Kazer, Charles;Yan, Shen;Sedoc, João;Liu, Vincent
新数据中心网络创新的大规模评估变得越来越棘手。对于测试床来说也是如此，很少有人（如果有的话）能够负担得起数据中心的专用、全面的副本。模拟也是如此，虽然最初是为了这个目的而设计的，但一直在努力科普当今网络的规模。本文提出了一种快速获得大型数据中心网络的准确性能估计的方法。我们的系统MimicNet为用户提供了一部分网络的数据包级模拟的熟悉抽象，同时利用冗余和机器学习的最新进展来快速准确地近似网络中不可见的部分。与常规模拟相比，MimicNet可以为拥有数千台服务器的数据中心提供超过两个数量级的加速。即使在这种规模下，MimicNet对尾部FCT、吞吐量和RTT的估计也在真实结果的5%以内。
At-scale evaluation of new data center network innovations is becoming increasingly intractable. This is true for testbeds, where few, if any, can afford a dedicated, full-scale replica of a data center. It is also true for simulations, which while originally designed for precisely this purpose, have struggled to cope with the size of today's networks. This paper presents an approach for quickly obtaining accurate performance estimates for large data center networks. Our system,MimicNet, provides users with the familiar abstraction of a packet-level simulation for a portion of the network while leveraging redundancy and recent advances in machine learning to quickly and accurately approximate portions of the network that are not directly visible. MimicNet can provide over two orders of magnitude speedup compared to regular simulation for a data center with thousands of servers. Even at this scale, MimicNet estimates of the tail FCT, throughput, and RTT are within 5% of the true results.
登录
查看更多内容
Akaroa-2：通过分布式随机模拟利用网络计算
DOI：
--
发表时间：
1999
期刊：
影响因子：
--
作者：
Gregory Ewing;K. Pawlikowski;D. McNickle
通讯作者：
D. McNickle
DIABLO：使用 FPGA 的仓库规模计算机网络模拟器
DOI：
--
发表时间：
2015
期刊：
International Conference on Architectural Support for Programming Languages and Operating Systems
影响因子：
--
作者：
Zhangxi Tan;Zhenghao Qian;X. Chen;K. Asanović;D. Patterson
通讯作者：
D. Patterson
标准单纯形上的 1-Wasserstein 距离
DOI：
--
发表时间：
2019
期刊：
Algebraic Statistics
影响因子：
--
作者：
Andrew Frohmader;H. Volkmer
通讯作者：
H. Volkmer
DOI：
--
发表时间：
2015-05
期刊：
--
影响因子：
--
作者：
通讯作者：
--
Aragog：可分片网络系统的可扩展运行时验证
DOI：
--
发表时间：
2020
期刊：
14th USENIX Symposium on Operating Systems Design and Implementation (OSDI 20
影响因子：
--
作者：
Yaseen, Nofel;Arzani, Behnaz;Beckett, Ryan;Ciraci, Selim;Liu, Vincent
通讯作者：
Liu, Vincent