피드로 돌아가기
InfoQInfrastructure
원문 읽기
Random Graph Theory 기반 RNG 도입으로 라우터 69% 절감 및 처리량 33% 향상
AWS Replaces Fat-Tree Data Center Networks with Random Graph Theory, Cutting Routers by 69%
AI 요약
Context
계층적 Fat-Tree 구조의 Spine Switch 병목 현상으로 인한 처리량 저하 문제 발생. 용량 확장을 위해 스위치 티어를 추가해야 하는 비용 및 전력 소모의 구조적 한계 존재.
Technical Solution
- Quasi-random Graph Theory를 적용하여 Spine-Leaf 계층을 완전히 제거한 Flat Network 아키텍처 설계
- ToR Switch 간 직접 연결을 통한 Mesh 구조 구현으로 특정 노드 집중 현상 방지 및 Hot Link 최소화
- ShuffleBox라는 Passive Optical Device를 도입하여 물리적 케이블링 복잡도를 해결하고 논리적 Random Topology 구현
- Spraypoint 분산 프로토콜을 통해 트래픽을 인접 라우터로 동시 분산 전송하여 경로 가용성 극대화
- 고정된 계층 구조 대신 다중 경로 중복성을 활용한 패킷 복제 전송 방식으로 대역폭 효율성 제고
- 일반 목적 컴퓨팅 워크로드의 무작위 트래픽 패턴에 최적화된 Expander-based Network Fabric 적용
실천 포인트
- 현재 시스템의 계층 구조가 단순한 관습인지 실제 병목의 원인인지 분석 - 트래픽 패턴이 무작위 분포를 따르는 경우 Flat Network 도입 검토 - 물리적 배선 한계를 해결하기 위한 Passive Layer(중간 매개체) 도입 가능성 탐색 - 장애 발생 시 전체 시스템 붕괴가 아닌 점진적 성능 저하(Graceful Degradation) 구조 설계