Main Idea
- 网络测量在sdn中十分重要，使用sketch的方法需要消耗大量硬件资源，占用其他重要功能的资源，无法容纳更多的测量任务。基于sketch的测量方法有两个特性：基于sketch的测量方法在已知资源量的情况下可以预估精确度，并且资源和性能的边界效应是递减的。针对以上两个特性，在应用层和管理层之间，根据Cross-layers的信息，对资源和性能做出权衡，智能分配测量任务。在稍稍降低精确度的情况下，大程度降低资源消耗，提升可处理的任务数。
背景
- Sketch-based 通常使用TCAMs 需要使用大量资源
- 挑战：处理大量并行任务，减少资源消耗。
- 现有方法：探索不同任务指派的算法。
- 本文：牺牲一小部分精确度，资源使用显著降低。
- 为什么测量需要减少资源消耗：测量本是辅助功能，虽然可以为控制提供信息，掌握数据，调控全局，重要性很高。但是网络中还有其他大量的重要功能，包处理、转发等，所以说要尽可能减少测量的资源开销。资源使用率降低意味着在有限的资源下可以容纳更多的测量任务。
基于sketch在软件定义测量
优势：
- 灵活性
- 更适应基于流的算法
- 通用性
- 性价比高
不足
- 硬件消耗大：基于sketch的测量，需要储存大量计数器、哈希值，需要消耗大量硬件资源，而最常用的TCAM和SRAM资源有限，只能主要用于转发功能
两个特性
- 为什么要节省资源，为什么要对资源消耗大的应用降低测量精确度？
- 在限定资源的条件下，基于sketch的测量提供了一个精确度的边界，可以提前估计测量的精确度。为测量精度和资源的权衡提供先决条件。
- 资源和性能的边界效应是递减的、利用过多资源，无法带来更多的性能提升。所以应该有一个在资源和精度之间的权衡，以做到用最少的资源达到最合适的精度。
解决方法
- 利用应用和管理层之间的cross-layer 信息来优化，达到智能指派最终的任务。
- 提供不同层次的针对资源和精确度的权衡。
- 属于整数非线性规划问题、NP困难问题、复杂度高。采用近似最佳双阶段启发式方法完成任务指派（negligible性能损失）。
- 可以节省40%的资源，提升30%的任务接受率。
相关工作
- Opensketch最先提出sdn中基于sketch的测量框架
- 后有人在资源和精确度的权衡间有准确讨论
- DREAM基于TCAM动态分配测量任务，
- OpenTM低消耗高性能软件定义测量框架，从交换机中收集流的信息。
- FlowCover优化流收集的带宽
- PayLess提出使用可适应的频繁轮询收集流信息的APIs
- FlowSense提出被动测量技术来推断网络性能不带测量开销
- OpenWatch提出基于预测的针对恶意流量的动态适应策划。