摘要:
第10届ACM多媒体系统会议(MMSys,ACM Multimedia Systems Conference)于2019年6月18-21日在美国马萨诸塞州举行。会上,Dave Oran发表关于“计算、网络之超级融合”的主题演讲。本文对演讲的主要内容进行简析,并在最后附上演讲PPT的全文。
作者简介
David Oran直至2016年都工作于Cisco System。目前,他独立支持自己的若干研究领域,包括网内计算(In-network Computing)、信息中心网络(Information Centric Networking)等。David近期的工作集中在ICN的拥塞控制、使用ICN作为现代分布式计算语言的基板等,而长期技术兴趣在于服务质量(QoS),互联网多媒体,路由和安全领域。
演讲内容
将计算、网络这两个独立但又相互依存的技术结合是同期的趋势。与计算复合体相关的硬件和软件(如运行虚拟机的通用CPU、传统操作系统和编程语言)越来越多地被用于各类网络功能。诸如交换机,路由器和NIC之类的网络设备正在变得“可编程”,以允许“在网络中”完成各类通用计算。这次演对这些趋势进行探讨,介绍了相关研究展示的突出优势和局限性,并推测这种技术融合可能带来的改变。演讲可大致分为5部分。
一、为何关注这一主题
应用呈多元化和分布化,这使得网络对开发者透明变得十分困难,现有的编程模型很难达成全局并行。
常见的容器格式有MP4,MPEG2-TS和Matroska,它们都是不同的一些视频和音频编解码器。每种容器格式都有其优点和缺点,反映在兼容性,文件大小等方面。
二、计算设备的通信
基于软件的包处理除最高速度层之外,对其他层而言都足够快,而某些网络功能和拓扑布局不需要大量扇出,高接触网络功能利用传统编程方法具有很大的优势。因此,可通过传统的Linux内核网络、容器网络、内核旁路网络等方法将通信功能集成在计算设备上,实现包转发、包防火墙、网络功能虚拟化、服务功能链等诸多特性。
三、通信设备的计算
对线速性能的需求使一些计算能力被部署在交换机上,带来应用延迟的降低和通量的增大。这种方式将安全边界与服务器管理分开,增大服务的灵活性和鲁棒性。
四、边缘计算
边缘计算可包括数据中心和网络边缘两部分,应用于AR/VR、上行数据流、分布式机学习等诸多场景。对于边缘计算,计算资源的合理配置、对中等时间尺度变化的灵敏性、算法和数据位置的灵活性等多个特性都需要进行考虑。需要权衡整体资源与基于应用需求的优化。
五、未来方向
晶体管成本的增加是ICT摩尔定律的增速降低,处理器、架构都达到了性能瓶颈,指令集级别并行加速带来熔断、幽灵进程等问题,多核CPU引入延迟……这些趋势和问题引发关于计算、网络架构的新思考,比如可否将GPU应用于网络通信?如何更好地应用NIC/FPGA?如何设计更合理的计算模型?未来的计算平台将如何发展?
报告PPT全文