MARC

 008250123s2024        us                              c    eng  d
■001000017163464
■00520250211152711
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384053040
■035    ▼a(MiAaPQ)AAI31488702
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aAmir,  Daniel.▼0(orcid)0000-0002-6294-9604
■24510▼aTowards  Scalable  and  Optimal  Oblivious  Reconfigurable  Networks
■260    ▼a[Sl]▼bCornell  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a141  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  B.
■500    ▼aAdvisor:  Weatherspoon,  Hakim.
■5021  ▼aThesis  (Ph.D.)--Cornell  University,  2024.
■520    ▼aDatacenter  network  demands  show  explosive  growth,  doubling  nearly  every  year.  Unfortunately,  datacenter  networks  are  built  primarily  using  packet  switches,  which  do  not  scale  as  quickly  as  these  demands  and  are  expected  to  scale  even  slower  in  the  future.  Nanosecond-scale  optical  circuit  switches  represent  a  potential  alternative:  unlike  packet  switches,  they  are  not  limited  by  semiconductor  scaling  trends,  and  unlike  previous  optical  circuit  switches,  they  are  fast  enough  to  support  all  datacenter  traffic  types,  including  short  flows.  To  be  used  to  their  full  potential,  however,  these  switches  will  require  novel  network  designs.This  dissertation  examines  how  to  build  datacenter-scale  networks  using  exclusively  nanosecond-scale  optical  circuit  switches.  We  identify  the  Oblivious  Reconfigurable  Network  (ORN)  design  paradigm,  which  is  designed  to  use  the  capabilities  of  these  switches.  We  develop  Shale,  the  first  ORN  to  achieve  a  tunable  tradeoff  between  latency  scalability  and  throughput.  We  also  show  how  to  compose  multiple  tunings  to  support  multiple  traffic  classes,  a  common  feature  of  datacenter  network  traffic.  To  enable  Shale,  we  develop  a  novel  congestion  control  algorithm  tailored  to  Shale's  unique  environment,  which  we  extend  to  address  node  and  link  failures.  Finally,  we  implement  a  Field-Programmable  Gate  Array  (FPGA)-based  hardware  prototype  for  a  Shale  end-host.  Our  designs  show  that  Shale  can  achieve  orders  of  magnitude  better  latency  and  hardware  resource  requirements  than  previous  ORN  designs.  Additionally,  we  investigate  the  fundamental  performance  limits  of  ORNs,  and  prove  that  ORNs  must  grapple  with  an  inherent  tradeoff  between  latency  and  throughput.  The  tradeoffs  achieved  by  Shale  match  this  fundamental  tradeoff  up  to  a  constant  factor,  meaning  that  every  tuning  of  Shale  is  Pareto  optimal  among  ORNs.  Together,  Shale  and  our  exploration  of  the  fundamental  limits  of  ORNs  represent  important  steps  towards  scalable  and  optimal  ORNs.
■590    ▼aSchool  code:  0058.
■650  4▼aComputer  science
■650  4▼aComputer  engineering
■650  4▼aInformation  technology
■653    ▼aDatacenter  networks
■653    ▼aNanosecond  switching
■653    ▼aOptical  circuit  switching
■653    ▼aOblivious  Reconfigurable  Network
■653    ▼aField-Programmable  Gate  Array
■690    ▼a0984
■690    ▼a0489
■690    ▼a0464
■71020▼aCornell  University▼bComputer  Science.
■7730  ▼tDissertations  Abstracts  International▼g86-03B.
■790    ▼a0058
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17163464▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books