IDC网络低时延无阻塞拥塞控制随想_idc时延

传统的拥塞控制千篇一律：

• 假设数据流都是长流。
• 目标端主机或交换机提供反馈信息给源端主机，源端主机根据这些信息限制发送量。

无论交换节点是否参与，本质上这还是端到端拥塞控制，注定是滞后的。
传统的拥塞控制目标是所有流量公平收敛到网络瓶颈带宽。显然，下面的情况将无法从该目标中获得收益：

• 时延敏感的长流遭遇瞬时拥塞，时延必然抖动。拥塞控制算法无法避免当下的延时增加。
• 时延敏感的多条突发短流，造成局部拥塞。数据可能是oneshot传输，没有机会让反馈登场。

根本原因在于，网络交换节点没有起到疏导当前流量的作用。为此，我觉得交换节点应该担起这个责任，这就是上周我写的那篇脑洞的缘起。

交换节点介入拥塞控制进行流量疏导，这显然违背了端到端原则，将复杂性引入网络中心，既已如此，便可利用这种复杂性直接进行拥塞控制。

这种新型的拥塞控制方案，本质上是对路径和buffer的资源调度。

路径Load Balancing

动机

将IDC网络交换机分为两类：

• Leaf节点，即直连服务器的交换机，比如ToR。
• nonLeaf节点，除Leaf交换机之外其它交换机。

这个拥塞控制机制是拓扑无关的，简单期间，做成阡陌结构，交换节点分类如下：

基于流体渗透原理，流量尽可能充满整个网络从而绕开拥塞节点，参见：
https://zhuanlan.zhihu.com/p/449581169
为此需要创建转发表。

静态weight更新

数据包从Leaf进入网络，被tag上该Leaf的Leaf-ID以及一个初始化为0的weight值，每经过一个nonLeaf节点：

• 数据包附着的weight递增1。
• 以数据包Src为键查询并以数据包Leaf-ID更新Src-Leaf映射表。
• 以数据包Leaf-ID为Dst键查询并以数据包weight值更新其它端口的Dst-Weight表项static weight。

这就通过学习填充了per-port转发表中的最优路径weight。

诸多次优路径的weight可通过向相邻non-Leaf节点询问特定Leaf节点weight，将返回的weight值加1即可，这需要独立的控制协议。具体如下：

• non-Leaf节点定期请求邻居的直连端口Dst-Weight表，以各表项$W_{static}+1$

动态weight更新

除了一个static weight，还有一个dynamic weight，更新规则：

• 若nonLeaf节点某端口P队列发生变化，队列长度为$l$

防环路

为了防止环路，特意将原始路由协议的可能环路的weight设置成一个足够大的值，端口包括不限于：

• 收到数据包的上游端口。
• Leaf节点的其它端口。
• 邻居端口返回的环路端口。

weight-based转发

数据包到达时：

• 以数据包Dst为Src键查询Src-Leaf映射表，获取Leaf-ID。若查询无果，则按照标准路由转发。
• 以Leaf-ID为Dst键查询Dst-Weight表，获取weight值最小的port，转发至该port。

Buffer Load Balancing

Yet another PFC

动机

在交换节点拥塞时，PFC反压机制可以进行源抑制缓解拥塞。但标准的PFC反压没有区分Dst和Src，对所有通过同一端口的数据包一视同仁阻滞，造成无关流量HoL拥塞。Load Balancing解决了大部分问题，但是：

• nonLeaf节点既然可以通过路径Load Balancing绕开拥塞点，Leaf节点怎么办？

答案是扩展PFC反压机制。引入per-Dst反压，识别并隔离incast流量。结果：

• incast流量经由的路径上所有节点，共同buffer数据，避免Leaf节点溢出。
• 非incast流量不受incast流量影响。

新式PFC反压

若Leaf节点出现了到达相同Dst的多打一队列堆积，显然是incast流量，需要反向逐跳反压源抑制消息：

• 当incast队列在Leaf节点达到一定阈值，向入端口的上一跳R发送携带Dst信息的反压消息。
• 上一跳R收到反压消息，解析出Dst，以Dst为键查询或新建队列Q。
• 上一跳R收到到达Dst的数据包，排入队列Q，向入端口的上一跳发送携带Dst信息的反压消息。
• 若反压至源端Leaf，进行下一步，否则回到上述第二步。
• 若源主机网卡不支持源抑制，则数据包在Leaf排队，否则直接抑制源主机。

支持源抑制的网卡需要自研，但一般情况下，能反压到源Leaf的流就需要端到端拥塞控制来收敛了。

取消反压

若Leaf节点到达某Dst的队列缓解，则反向发送unplug消息：

• 当incast队列在Leaf节点缓解到低于阈值，向入端口的上一跳R发送携带Dst信息的unplug消息。
• 上一跳R收到unplug消息，解析出Dst，以Dst为键查询Q，以pacing清除队列Q。
• 上一跳R向入端口的上一跳发送携带Dst信息的unplug消息。
• 回到上述第二步。

端到端流控

non-Leaf节点，Leaf节点的拥塞问题都解决了，最后一跳就是端主机了。

端主机拥塞控制是流量控制的职责，交换网络不负责。

自研交换机

没有哪家的交换机会实现上述的功能，但以上写的这些并非异想天开。自研交换机将会是IDC网络的趋势，各家互联网厂商都被延时抖动所困扰，于是解决方案也就百家争鸣了。

据了解，目前主流IDC部署，ToR一般在1000计，其Buffer在10MB计，二级，三级等汇聚Buffer在100M，1G计，完全可以满足流体渗透模型的复杂性约束。还在犹豫什么呢？

依据和原理

将数据通过网络传输到对端，有两种方式：

• 串行方式：沿着一条路径传输。
• 并行方式：沿着所有路径传输。

迄今都在采用串行方式，若非下面两个因素的偏袒，并行方式或许被大规模使用：

• 基于最短路径优先(SPF)的路由协议。最短路径优先原则相当于排除了所有其它路径。
• TCP等协议。流是对分组交换的反面，分组交换网对流不可见，流是端到端的概念。

串行方式有两个避不开的难题：

• 时延不可控。
• HoL阻塞。

洪水泛滥模型可根治上面两个问题，它显然属于并行方式。

有趣的是，SPF路由协议让人们忘记了一件事，当传输一组数据包而不是一个数据包时，在所有路径上一起传输效率更高，然而TCP协议却让人们记住了另一件事，即便是传输一组数据包，也要在一条路径上串行传输。二者合力让洪泛模型不合时宜。

总有人提TCP乱序的事，只要端主机缓存足够大，乱序重组效率非常高，相比复杂的保序逻辑，只是归并排序。

基于排队论M/M/1分析，考虑以下拓扑：

设到达率为

λ

\lambda

λ，交换节点A，B的处理率分别为

μ

1

\mu_1

μ1​，

μ

2

\mu_2

μ2​，假设从X流出的数据包以概率

p

p

p发往路径1，发往路径2的概率就是

1

−

p

1-p

1−p，根据M/M/1时延公式，数据包从X到Y的平均时延为：

T

=

1

λ

[

λ

p

μ

1

−

λ

p

+

λ

(

1

−

p

)

μ

2

−

λ

(

1

−

p

)

]

T=\dfrac{1}{\lambda}[\dfrac{\lambda p}{\mu_1-\lambda p}+\dfrac{\lambda(1-p)}{\mu_2-\lambda(1-p)}]

T=λ1​[μ1​−λpλp​+μ2​−λ(1−p)λ(1−p)​]

其中

p

p

p是变量。随便设

λ

=

3

\lambda=3

λ=3，

μ

1

=

4.5

\mu_1=4.5

μ1​=4.5，

μ

2

=

6

\mu_2=6

μ2​=6，它的图像大致如下：

通过调节

p

p

p，总延时

T

T

T可达最小。显然，相比通过任意单一路径，最好情况下，路径Load Balancing时延更小。

也许你会认为将A和B合并为一个处理率为

μ

1

+

μ

2

\mu_1+\mu_2

μ1​+μ2​的处理机岂不更好？但互联网本身是Trade-off，不止是为了低时延，还要为了高鲁棒性，后者更重要！

依据上述简单模型进行组合，便是本文上述的流体渗透模型的路径Load Balancing了。

至于Buffer Load Balancing，就是让整条路径分担队列，避免单一节点溢出，没什么好说的。

关于本文

刷知乎时偶遇一本书《高性能通信网络》：

2002年的老书，推荐这书的人我也有加微信，所以就询了目录，当即就买了，绝版书，淘宝上买了二手。

虽是老书，但豁然开朗，20年后的今天少有这种书了，现在的书普遍偏工程而少算法。比如本文介绍的内容，这书里就有基本思想，但现在几乎都没了声音。

很多老算法没能被实践，直接就没了声音。这无可厚非，最优解不是工业界追求的，关键看谁先做出来，并且大规模使用，资本嗅到了腥气才能利好工业界。

资本是一回事，随想是另一回事，随便想想，就是随想，就是本文。

浙江温州皮鞋湿，下雨进水不会胖。