MARC

 008250123s2024        us                              c    eng  d
■001000017162190
■00520250211151943
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384201717
■035    ▼a(MiAaPQ)AAI31324650
■035    ▼a(MiAaPQ)Stanfordzj481vg3597
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a001
■1001  ▼aArslan,  Serhat.
■24510▼aPushing  Transport  Layer  Latency  Down  Towards  its  Physical  Limits  in  Data  Centers  with  Programmable  Architectures  and  Algorithms
■260    ▼a[Sl]▼bStanford  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a129  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  B.
■500    ▼aAdvisor:  McKeown,  Nick;Katti,  Sachin.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2024.
■520    ▼aData  center  applications  keep  scaling  horizontally  across  many  machines  to  accommodate  more  users  and  data.  This  makes  the  communication  performance  requirements  even  more  stringent,  i.e.,  higher  bandwidth  and  lower  latency.  The  increasing  link  capacities  address  the  bandwidth  demands,  but  the  latency  requirements  necessitate  more  sophisticated  solutions.In  this  thesis,  I  observe  that  the  transport  layer  is  the  only  layer  in  the  networking  stack  to  impact  latency  both  at  the  end-hosts  and  the  network.  The  way  it  handles  packets  sets  the  end-hosts  processing  delay.  And  its  congestion  control  determines  the  queuing  delay  in  the  network.  Hence,  I  study  transport  layer  designs  to  push  both  latencies  down  to  their  physical  limits.First,  I  argue  that  end-host  latency  can  be  minimized  by  offloading  the  transport  layer  to  NIC  hardware,  but  fixed-function  chips  prohibit  custom  solutions  for  diversified  environments.  As  a  solution,  I  introduce  nanoTransport,  a  programmable  NIC  architecture  for  message-based  Remote  Procedure  Calls.  It  is  programmed  using  the  P4  language,  making  it  easy  to  modify  (or  create)  transport  protocols  while  the  packets  are  processed  orders  of  magnitude  faster  than  traditional  software  stacks.  It  identifies  common  events  and  primitive  operations  for  a  streamlined,  modular,  and  programmable  pipeline;  including  packetization,  reassembly,  timeouts,  and  packet  generation,  all  expressed  by  the  programmer.Next,  I  argue  that  network  latency  can  only  be  minimized  with  quick  and  accurate  congestion  control  decisions,  which  require  precise  congestion  signals  and  the  shortest  control  loop  delay.  I  present  Bolt  to  address  these  requirements  and  push  congestion  control  to  its  theoretical  limits.  Bolt  is  based  on  three  core  ideas,  (I)  Sub-RTT  Control  (SRC)  reacts  to  congestion  faster  than  one  RTT,  (II)  Proactive  Ramp-up  (PRU)  foresees  flow  completions  to  promptly  occupy  released  bandwidth,  and  (III)  Supply  matching  (SM)  matches  bandwidth  demand  with  supply  to  maximize  utilization.  I  show  that  these  mechanisms  reduce  99th-p  latency  by  80%  and  improve  99th-p  flow  completion  time  by  up  to  3X  compared  to  Swift  and  HPCC  even  at  400Gb/s.
■590    ▼aSchool  code:  0212.
■650  4▼aSoftware
■650  4▼aControl  algorithms
■650  4▼aResponse  time
■650  4▼aProtocol
■650  4▼aCommunication
■650  4▼aQueuing
■650  4▼aDesign
■650  4▼aNetwork  interface  cards
■650  4▼aWeb  studies
■690    ▼a0389
■690    ▼a0800
■690    ▼a0459
■690    ▼a0646
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g86-03B.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162190▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서