CS Archive

Achieving Microsecond-Scale Resource Fungibility with Logical Process

Authors: Zhenyuan Ruan,  Seo Jin Park, Marcos K. Aguilera, Adam Belay, Malte Schwarzkopf

Groups: MIT, VMware Research, Brown Univerisity

Keywords: 

Datacenter, Resource Fungibility

#1 Motivation

1-1. Resource Fungibility

  현재의 클라우드 시스템에서 인스턴스를 할당하는 방식에는 Resource Fungibility 오버헤드가 있다. 클라우드 컴퓨팅에서 사용자는 고정된 크기(코어의 수, 메모리 등)의 인스턴스를 요청하고, Provider는 bin-pakcing 알고리즘에 의하여 해당 인스턴스를 할당 가능한 서버에 할당한다. 사용자 입장에서 인스턴스의 크기는 고정되어 있기 때문에 실제 어플리케이션의 자원 사용량과는 다르며 남는 자원들은 대부분 유휴 상태로 존재한다. Provider는 낭비된 자원을 활용하여 다른 인스턴스에 할당하여 자원을 효율적으로 사용하려고 한다. 하지만 이러한 방식은 시스템에 간헐적으로 과부하가 발생하여 성능 저하가 발생할 수 있으며, 이는 지연 시간에 민감한 워크로드에 특히 문제가 된다. 이와 같은 문제의 이유는 인스턴스를 할당하는 단위가 너무 크기 때문이다. 따라서 클라우드의 효율적인 디자인은 disruption을 피하고 자원을 작은 단위로 빠르게 재할당 할 수 있어야 한다. 

  본 논문에서는 resource fungibility를 해결하기 위해 논리 프로세스라는 개념을 제안한다. 논리 프로세스는 논리 디스크의 개념에서 착안한 방식으로 proclet이라는 단위로 논리 프로세스를 결합하지만 물리 자원들은 여러 머신에 걸쳐 분배하는 개념을 말한다. Proclets으로 분리된 프로세스는 fine-grained이기 때문에 자원을 비효율적으로 할당하는 비율이 적으며, 전체 프로세스를 마이그레이션 하는 것에 비해 마이그레이션이 매우 빠르다.

1-2. Alternative approaches

  논리 프로세스와 비교하여 fungibility를 해결할 수 있는 다른 방식들은 다음과 같은 단점들을 가진다.

• Migrate VM, containers, or process: 마이그레이션이 느리다.
  • Process abstraction: 마이그레이션 문제를 해결 했으나 공유 메모리의 캐시 일관성 오버헤드가 있다.
  • PGAS: 캐시 일관성 오버헤드를 해결 했으나 병렬 어플리케이션에만 적용 가능하다.
• Distributed object, microservices, and serverless funtions: coarse-grained instance 오버헤드, RPC 오버헤드가 있다.
  • Parallel programming frameworks: 데이터가 정적으로 위치해야 한다.
• Far memory system: 원격 메모리가 cold일 때만 효율적이다. (stateless or read-only service에서 효율적임)

#2 The Logical Process Abstraction

  Proclet은 하나의 힙과 공유 메모리를 통해 힙에 동시 접근할 수 있는 여러 스레드로 이루어져 있다. 힙 메모리는 직접적으로 공유되는 것이 아닌 논리 객체에 대한 포인터를 힙에 저장하고 있는 루트를 통해 공유된다. 이러한 방식은 개발자가 object-oriented 방식을 통해 proclet을 개발할 수 있도록 한다.

  논리 프로세스가 할당된 머신의 수는 이용가능 한 수의 머신의 수에 따라 계속해서 바뀌며, 각 머신들은 각각의 런타임에 의하여 논리 프로세스를 처리한다. 런타임은 proclets 간의 location-trasparent communication을 제공하며 외에도 추가로 resource pressure detection, proclets migration between machines, and failures handling 기능을 제공한다.

  논리 프로세스를 개발하는 것은 UNIX 프로세스를 개발하는 것과 같으며 차이점은 2가지가 존재한다. 첫째로 개발자는 상태를 proclet 단위로 분리해야 하고, 두번째로 proclet API를 사용하여야 한다.

2-1. Address spaces and Cache coherence

  논리 프로세스는 마이그레이션 후 swizzling 없이도 머신 간의 포인터를 유효하게 사용하기 위해 각 머신에 동일한 주소 공간 레이아웃을 사용한다. 그리고 런타임 인스턴스가 초기화 및 새로운 proclet 생성 시 레이아웃의 동기화를 유지하는 역할을 한다.

  위 그림은 주소 공간 레이아웃의 예제이다. Read-only 코드와 데이터 세그먼트는 모든 머신에 매핑되어 있다. 그렇기 때문에 모든 머신은 binary-compatible 해야 한다. Read-only 데이터는 정적 배열, 테이블, proclet의 인풋과 같은 데이터를 저장하는 역할을 한다. 반면에 proclet의 힙은 실행 중 하나의 머신에서만 매핑되며, 다른 프로세스는 접근할 수 없다. 이는 머신 간 캐시 일관성을 보장해야 하는 공유 메모리 구조보다 효율적이다. 이 구조에서 데이터를 교환하기 위해서는 같은 머신 내에서는 function call 외부에서는 RPC call을 이용한다. 또한 메모리를 공유하지 않기 때문에 fault isolation이 가능하다.

2-2. Programming Model

  개발자는 proclet root class를 통해 어플리케이션을 작성하여야 한다. 기존의 오브젝트 기반 프로그래밍처럼 각 클래스는 메소드와 필드를 정의하며, 메소드 구현은 어플리케이션의 로직을 구현하고 API를 통해 proclet을 호출할 수 있다. 필드는 proclet 내부의 상태를 정의하며 정적 및 동적 모두 할당할 수 있다.

   논리 프로세스는 main proclet에서부터 시작한다. main proclet은 make_proclet 함수를 통해 다른 proclet을 생성할 수 있다(line 10~11). proclet은 원격 메소드 호출 및 클로저를 통해 소통할 수 있다. 메소드 호출에서는 다른 proclet의 root proclet의 메소드를 Run() 함수 또는 RunAsyunc() 함수를 이용하여 호출한다(line 13 and 17~18). 클로저에서는 proclet을 function shipping을 통해 구현하고, 다른 proclet의 루트 객체에 함수를 ship한다(line 15). 또한 원격 런타임이 로컬 런타임과 동일한 proclet의 메소드나 클로저를 실행할 수 있기 때문에 val를 보호하기 위한 뮤텍스 mu 또한 필요하다(line 5).

  논리 프로세스는 POSIX나 I/O abstraction이 아닌 런타임이 제공하는 abstraction을 사용하여 I/O를 수행한다. 이를 통해 proclet이 머신에 독립적이며, TCP 상태와 같은 로컬 커널 상태를 전달하지 않고도 머신 간의 마이그레이션이 가능하다. 런타임이 TCP 연결을 유지하기 때문에 논리 프로세스의 특정 proclet과의 연결이 가능하다.

2-3. Porting Applications to Logical Processes

  상태를 fine-grained 유닛으로 분리할 수 있는 어플리케이션들은 각각의 상태가 proclet으로 변환되는 방식으로 모두 논리 프로세스로 포팅이 가능하다. 이러한 특징은 이미 microservice나 FaaS와 같이 상태를 분리한 클라우드 어플리케이션에 적합하다.

  논리 프로세스를 proclet으로 나눌 때 granularity와 scope 두 가지를 고려해야 한다. Proclet의 사이즈가 너무 크면 resource fungibility가 다시 발생하며, 사이즈가 너무 작으면 통신 오버헤드가 크다. 실험적인 결과를 통해 수 MiB 상태 크기를 가지는 proclets이 가장 잘 동작하였다. Proclet에 어떤 기능을 구현할 지도 중요한 문제인데 한 가지 방법으로는 하나의 proclet을 모듈이나 mircoservice, 패키지와 같은 논리적 함수 유닛으로 분리하는 functional splitting이 있고, 다른 방법으로는 함수 유닛의 크기가 일반적인 proclet의 크기보다 크기 때문에 이를 분리하는 sharding이 있다.

2-4 Fault Tolerance

  Proclet은 복사를 통해 fault tolerance를 허용한다. 복사된 proclet은 원본 proclet의 힙을 복사하여 유지하며, 이 백업은 런타임에 의해 다른 머신에 같은 가상 주소로 위치하게 된다. 백업 힙을 동기화 상태로 유지하기 위해, 런타임은 원본 proclet의 호출 요청을 정렬하여 복사 proclet에 전달한다. 복사 지연 시간을 줄이기 위해 원본 proclet과 백업 proclet이 중복 실행되지만 원본 proclet은 복사 작업이 완료되어야 호출을 완료한다. 시스템이 원본 proclet의 장애를 감지하면, atomic 하게  proclet의 백업을 발생 시킨다. 또한 동일한 힙을 유지하기 위해, proclet을 일시 중지하여 새로운 백업을 추가하고, 새로운 proclet에서 백업 레플리카로 힙을 복사한다.

#3 Nu Runtime System

  Nu 런타임은 논리 프로세스 추상화를 제공하며 Linux 환경에서 동작한다. Caladan 위에 Nu를 구현하였는데 그 이유는 Caladan이 work-stealing 방식으로 낮은 지연 시간의 user-level threading 패키지와 kernel-bypass, user-level TCP/IP를 제공하기 때문이다. 예를 들어, 스레드가 블락되어 있을 때 Caladan이 낮은 오버헤드로 컨텍스트 스위칭을 잘한다.

  Nu는 Caladan에 10,000줄가량의 C++ 코드를 추가하여 구현되었으며, 이는 infrastructure 간의 효율적인 통신과 여러 힙을 처리하기 위한 새로운 메모리 관리 방법, 최적화된 proclet 마이그레이션 시스템, proclet의 위치를 트래킹 하는 컨트롤러를 포함한다.

3-1. Serialization and Communication

  Nu는 원격 호출을 정렬하기 위해 cereal을 사용한다. Cereal은 대부분의 STL type을 지원하는 binary serialization을 제공하며, 포인터와 참조에 대한 직접 접근을 금지한다. Nu는 cereald을 수정하여 함수와 proclet 포인터를 정렬한다. Nu는 코드 일반화가 필요한 RPC와 대조적으로 원격 호출을 정렬화하기 위해 컴파일 시 C++ 템플릿을 사용한다. 따라서 개발자는 boilerplate 없이 원격 메소드를 호출할 수 있으며, 정적 타입 검사까지 제공한다.

  ??

3-2. Memory Management

  Nu는 proclet의 힙을 관리하기 위해 확장성을 위한 코어 당 캐시와 멀티코어 메모리 할당자를 포함하는 커스텀 slab allocator를 사용한다. C++에서 custom new()가 사용가능한 점을 이용하여 메모리 할당자를 구현하였다. Nu는 각 스레드가 어떤 프로클릿과 연관되어 있는지 추적하고 할당을 올바른 힙으로 유도한다.

3-3. Migration

  Proclet을 마이그레이션 하기 위해 런타임은 migration flag를 설정한다. 그다음 proclet을 실행 중인 스레드를 정지하고 레지스터의 상태를 저장한다. 그런 다음 proclet의 data(힙, 스택, 레지스터 상태)를 새로운 목적지로 전달한다. 마지막으로 런타임은 migration flag를 초기화하고 컨트롤러에 proclet의 위치를 업데이트한다.

  Nu는 migration datapath를 최적화하였는데, 먼저 TCP throughput을 개선하기 위해 parallel connedction과 jumbo frame을 사용하였다. 기존에 병목점이었던 linux mmap을 pre-zero freed page로 수정하여 라인 당 100 GbE의 throughput을 달성하였으며, 이전의 frame allocator를 재사용하기 위해 mremap을 수행하였다.

  Nu는 어떤 proclet을 옮겨야 하고 어디로 옮겨야 할지 정하는 확장 가능한 마이그레이션 정책을 제공한다. CPU load나 cache pressure, memory capacity, memory bandwidth 등과 같은 요소들을 고려할 수 있으며 proclet의 locality를 향상하기 위해 동시에 고려할 수 있다.

  Nu의 마이그레이션이 충분히 빠르기 때문에 단순한 정책도 잘 동작한다. 특히 자원이 부족한 상황에서 어떤 자원을 소모할지 예측하는 정교한 알고리즘을 사용하지 않고 단순히 마이그레이션 시켜도 성능이 잘 나온다. 마이그레이션이 언제 필요한 지 정하기 위해 모니터링 스레드가 계속해서 자원의 소모량을 측정한다. 

  Nu는 resource pressure가 없어질 때까지 한 번에 하나의 proclet을 마이그레이션 한다. 어떤 proclet을 마이그레이션 할 지 결정하기 위해 Nu는 아래의 식을 사용한다. 

  RESOURCE_USE는 proclet의 자원 소모량을 나타내고, MIGRATION_TIME은 해당 proclet의 힙 사이즈를 고려한 마이그레이션 시간을 나타낸다. 이 식은 resource pressure 완화 속도를 극대화하고 Nu가 응답 속도를 최적화한다. 런타임은 이 속도를 추정하기 위해 실시간으로 메트릭을 수집한다. 마이그레이션 대상을 결정하기 위해 Nu는 전역 클러스터 컨트롤러에 쿼리 하고, 컨트롤러는 서버 간의 리소스 사용량을 모니터링하고 가능한 대상을 반환한다.

3-4. Controller

  Nu는 proclet placement나 가상 주소 공간 할당과 같은 클러스터 간의 결정 및 proclet의 위치나 자원 사용량과 같은 정보를 트래킹을 위한 컨트롤러가 있다. 컨트롤러가 중앙 처리 방식을 띄지만 프라이머리 백업 복제나 단순 리커버리와 같은 방식으로 높은 이용가능성을 보인다.

  컨트롤러는 주기적으로 서버의 이용 가능한 자원을 측정하며, 이것을 이용하여 proclet의 생성 및 마이그레이션 위치를 정한다. proclet은 중복되지 않는 가상 주소 공간을 사용하여야 한다. 따라서 Nu는 가상 주소 공간을 4GB의 세그먼트 배열로 나누어 proclet의 힙 공간을 확보해 둔다. 컨트롤러는 할당된 세그먼트와 할당되지 않은 세그먼트 리스트를 유지하여, proclet을 할당할 때 로컬 런타임에게 할당되지 않은 세그먼트를 전달한다.

  컨트롤러는 각 proclet의 시작 논리 주소로부터 위치를 유지하고, 각 런타임은 proclet이 최근 접근한 캐시를 유지한다. 이것은 컨트롤러를 임계영역에서 제거함으로써 컨트롤러와의 통신을 위한 메소드 호출을 제거한다. Proclet을 마이그레이션 할 때, 컨트롤러는 매핑을 업데이트한다. 이로 인해 캐시가 오래되어 로컬 런타임에서 잘못된 시스템으로 메서드 호출을 보낼 수 있다. 이것이 발생하면 원격 머신은 에러를 반환하게 되는데, 로컬 머신은 해당 캐시 엔트리를 invalidating 하고 새로운 머신을 찾음으로써 에러를 처리한다.

3-5. Replication

  Nu에서는 프라이머리를 백업하기 위해 연산을 복제본에 포워딩하고 있다. 이때 서브 연산이 발생하는 경우, 프라이머리와 복제본 두 곳에서 연산이 발생할 수 있기 때문에 유의하여야 하는데, Nu는 RIFL의 복제 감지를 이용하여 이를 해결하였다. 각 proclet 간의 호출에서 서브 연산이 발생하면 프라이머리가 서브 연산의 결과를 복제본에 전달하는 방식으로 복제본은 서브 연산을 재실행하지 않고 결과를 재사용한다.

  컨트롤러가 실패된 프라이머리를 감지하면, 복제본이 새로운 프라이머리가 되도록 하고 위치 매핑을 새로운 프라이머리로 업데이트한다. 하지만 런타임은 오래된 프라이머리를 가지고 있게 되는데, 이를 epoch-based 방식으로 해결한다.

Transparent Page Placement for CXL-Enabled Tiered Memory

Authors: Hasan AI Maruf, Hao Wang, Abhishek Dhanotia, etc

Groups: Univ of Michigan, NVIDIA, Meta

Keywords: Memory management, CXL, Dense storage

#1 Background

1-1. Memory

  최근 데이터센터에서는 저지연 서비스를 제공하기 위해 in-memory computation이 표준이 되고 있다. 이러한 경향은 메모리의 수요를 계속해서 증진시키고 있으며, 데이터센터에서 메모리의 cost와 power가 계속해서 증가하고 있는 이유이다. 현재의 아키텍쳐에서 메모리 서브시스템은 CPU와 완전히 독립되어 있으며, 이는 아래 제약사항들을 초래하며 효율적인 메모리 계층 구조 설계를 제한한다. 

• Support a single generation of memory
• Memory capacity comes at power of two granularity which limits finer grain memory capacity sizing
• Limited bandwidth vs capacity points per DRAM generation which forces higer memory capacity in order to get more bandwidth

1-2. CXL

  CXL은 PCIe를 통해 디바이스와 CPU가 소통하는 구조로 기존의 DRAM과는 다르게 heterogenous 한 구성이 가능하다. PCIe를 통해 연결되기 때문에 bandwidth가 socket bandwidth에 제한되지 않으며, PCIe의 발전에 따라 더욱 증가할 가능성이 있다. 또한, latency도 기존 RDMA 방식과 비교하여 NUMA latency와 비슷하며 50~100ns 밖에 차이 나지 않는다.

#2 Chameleon

  TPP는 메모리를 CXL을 활용한 메모리 계층 구조를 통해 cold page를 낮은 단계의 메모리에 할당하고 hot page를 메모리에 할당하여 애플리케이션의 성능을 향상하고자 한다. 이를 위해서 데이터센터 어플리케이션에 메모리 티어 시스템을 적용하기 위해 메모리 패턴을 파악하고 메모리 페이지 타입에 따른 메모리 티어 오프로딩 정량화가 필요하다. TPP는 자체 성능 분석 툴인 Chameleon을 개발하여 각 워크로드들의 특성을 파악하였다. (Chameleon에 대한 설명은 생략하고 실험을 통한 인사이트를 살펴보겠음)

2-2. The needs of tiered memory system

  워크로드들은 시스템 메모리 전체 용량의 95~98%를 할당하지만 많은 양의 메모리를 cold 상태로 가지고있고, 짧은 주기 안에서 전체 메모리의 22~80%만 사용한다. 또한 anonymous page를 자주 접근하며, file page는 cold한 특정이 있었다. 이러한 특성은 메모리 계층화 구조를 통해 cold memory를 더 낮은 티어의 메모리로 옮겨감으로써 메모리를 더욱 효과적으로 사용할 수 있음을 기대할 수 있다. 

2-3. Smart page placement mechanism

  어플리케이션들은 실행 시간 동안에 특정 패턴을 계속해서 유지하려는 특성이 있으며, Smart page placement mechanism은 결정을 내릴 때 page type을 아는 것이 성능에 중요한 영향을 끼칠 것이다. 특히, anoymous page의 memory utilization이 상승하게 되면, 어플리케이션의 전체 throughput이 상승하게 되는 효과를 볼 수 있다.

요약하자면, 위의 그림 2의 실험을 통해 논문에서는 cold page가 메모리에 많이 존재함을 강조함으로써 tier memory system의 필요성을 강조한다. 그리고 그림 3의 실험을 통해 어플리케이션은 보통 일정한 패턴을 띄며, 이것을 이용하는 page placement mechanism이 성능을 상승시킬 것이라 한다. 그 주장에 뒷받침되는 실험으로 그림 4를 통해 anonymous page들의 memory utilization이 상승할수록 어플리케이션의 throughput이 상승하는 것을 보여주고 있다.

#3 TPP

  효율적인 page placement mechanism을 위해 TPP는 다음과 같은 목표를 지향한다.

• Hot page를 fast memory tier에 위치시키도록 함 => latency 최소화
• CXL node에 page를 할당하는 것을 최소화 => page promotion/demotion 오버헤드 최소화
• 응용의 sensitivity에 따른 page type에 맞는 메모리 티어에 page 할당 => cold page의 로컬 메모리 pollution 최소화

3-1. Design

• Implementation

  Application-transparent한 page placement algorithm은 user space, kernel space 모두 위치할 수 있다. User space에서 구현하려면, Chameleon 같은 툴을 사용하여 page temperature를 측정하고, NUMA migration을 통해 page placement algorithm을 구현해야 한다. 하지만 이런 방식은 user space에서 page list와 history management를 관리하고 있어야 하는 점과 컨텍스트 스위칭이 발생한다는 점에서 오버헤드가 크다. 따라서 TPP는 kernel space에서 구현되었다.

• Page temperature detection

  Page temperature를 측정하는 방법은 PEBS, Page Poisoning, NUMA Balancing과 같은 방법들이 있다. PEBS는 kernel-space에서 측정할 수 있으나 CPU vendor에 따라 사용하지 못 하기도 하며, temperature를 user-space에 전달해야하고, kernel에 상시로 동작하기에는 오버헤드가 크다는 단점이 있다.

  따라서 TPP는 sampling 방식을 사용하였는데, Sampling을 통해 page temperature를 측정하는 방식은 hot/cold page를 찾기에는 적합하나, page가 evict될 때 page accessed bit를 clear하고 TLB entry를 flush 해야하는 오버헤드가 크다. 이러한 문제를 해결하기 위해 Thermostat에서 채택한 방식인 2MB granularity의 huge-page로 sampling을 진행하였다.

• CXL-memory abstraction

  state-of-art 연구에서는 cold page를 보관하기 위해 swap space를 이용하였으며, swap-based mechanism을 활용하여 cold page를 찾았다. 하지만 swap mechanism을 이용할 경우 major page fault가 발생하며, CXL의 cache-line granularity를 활용하지 못 한다는 측면에서 TPP는 CXL 메모리를 swap device로 사용하지 않았다.

 하지만 swap space 기반의 feedback-driven reclamation은 효율적이며 TPP와는 독립적으로 동작할 수 있기 때문에 TPP와 같이 동작한다. 따라서 TPP의 구조에서 TMO는 user-space에서 memory reclamation을 동작하며, TPP는 kernel-space에서 page placement를 동작한다.

3-2. Decoupling Allocation and Reclamation

  커널은 메모리 관리를 위해 min, low, high 3가지 워터마크를 사용한다. NUMA 노드의 free page 수가 high 워터마크를 넘어가게 되면, 커널은 메모리가 부족하다고 판단하고 low 워터마크까지 page reclamation을 진행하게 된다. 이때 메모리 노드에 대한 새로운 페이지 할당 요청이 들어오면, 커널이 high 워터마크 아래까지 page reclamation을 완료하기 전까진 페이지 할당은 중지된다. 새로운 페이지 할당 요청이 많은 상황에서는 page reclamation이 page allocation보다 느리기 때문에 메모리 노드 공간 확보에 실패하여 응용의 성능이 많이 하락하게 된다.

  TPP에서는 multi-NUMA 시스템 상황에서 미리 free memory headroom을 확보하여 allocation burst를 모두 로컬 메모리에 할당하려 하며, CXL node에 있는 hot page도 local memory로 잘 가져올 수 있도록 한다. 이를 위해 TPP는 demotion, allocation 두 가지 워터마크로 allocation과 reclamation의 동작을 분리시켰다. 백그라운드 프로세스는 free page의 수가 demotion 워터마크 아래가 될 때까지 page reclamation을 비동기적으로 수행하며, 이 때 page allocation 요청은 free page 수가 allocation 워터마크 아래이면 수행 가능하다. (추가로 워터마크는 user-space process로 분석을 통해 동적으로 조절이 가능하다.)

3-3. Page Type-Aware Allocation

  Production 응용은 보통 초기 구동 단계에서 많은 파일 I/O를 수행하고, 드물게 접근하는 파일 캐시를 생성한다. Cold 파일 캐시는 로컬 노드에 위치하게 되고, 비활성 파일 캐시로 인해 로컬 메모리 노드가 점유되면 비활성화된 파일 캐시가 나중에 다시 promotion 되어야 하는 오버헤드가 있다. 이러한 불필요한 페이지 이동을 해결하기 위해 TPP는 CXL 노드에 캐시를 할당하고, 응용에서 생성된 페이지 캐시는 초기에 CXL 노드에 할당한다. 이후 페이지 캐시가 promotion candidates로 선택될만큼 충분히 hot 해진 경우 로컬 노드로 promotion 된다.

3-4. Migration for Lightweight Reclamation

  새로운 페이지를 할당하려 할 때 free page가 부족하면 커널은 CXL-node에서 새로운 페이지를 할당한다. reclamation이 느릴 수록 CXL 노드에 새로 할당되는 수가 많아지며, 이것은 응용의 성능을 하락시키는 요소가 된다. 하지만 TPP는 커널의 LRU-based mechanism을 통해 reclamation-candidates를 찾고 CXL node로 비동기적으로 이동시키는 방법으로 이 문제를 해결하였다. 또한 swap mechanism과 다르게 CXL node의 cold page는 여전히 in-memory page이기 때문에 page fault handling 오버헤드가 없다. 만약 CXL 노드의 메모리가 부족하여 demotion이 실패하면, 기존 커널의 로직으로 다시 돌아가게 된다.

3-5. Page Promotion for CXL-Node

  로컬 메모리가 pressure 되는 상황에서 새로운 페이지의 할당은 CXL 메모리에서 이루어지게 된다. 게다가 demoted된 page 또한 재접근을 통해 로컬 메모리로 다시 promote되기도 한다. 효율적인 promotion 알고리즘이 없으면 hot page는 계속해서 CXL node로 demote되고 이는 결국 응용의 성능 저하로 나타나게 된다.

  NUMA Balancing 구조에서 커널은 프로세스의 메모리 접근 패턴을 분석하기 위해 일정 용량을 샘플링한다. CPU가 샘플링 된 페이지에 접근하면 (NUMA hint fault), minor page fault가 발생하게 된다. 그리고 remote CPU가 접근하게 되면 해당 page를 remote node로 promote하게 된다. 하지만 로컬 hot page를 다른 노드로 옮기는 것은 합리적이지 않으며, 로컬 hot page 샘플링으로 인하여 발생하는 NUMA hint fault는 오버헤드가 크기 때문에 TPP에서는 CXL 노드에서만 샘플링을 수행한다.

   CXL 노드에서 발생하는 NUMA hint fault는 CXL 노드에 있는 페이지를 로컬 노드로 promote 하도록 한다. 하지만 재접근 비율이 낮거나 cold page를 로컬 노드로 가져오는 경우에 이것은 또 성능 하락으로 이어질 수 있는 여지가 있기 때문에 TPP에서는 active list에 존재하는 페이지의 경우에만 로컬 노드로 가져오게 되고, inactive list에 존재하는 페이지는 active list로 가져오도록 하여 promote traffic을 줄였다.

CXL-Based Memory Pooling Systems for Cloud Platforms

Authors: Huaicheng Li, Danel S. Berger, Lisa Hsu, etc

Groups: Carnegie Mellon University, Microsoft Azure, Intel, Stone, Google

Keywords: Memory Disaggregation, CXL, Memory Pooling, ML

#1 Background

  논문에서는 클라우드 환경에서 성능과 비용의 중요 요소인 메인 메모리에 대한 stranded memory와 untouched memory 문제를 지적하며, 이를 CXL을 활용한 메모리 풀링으로 해결하고자 한다.

1-1. Stranded and untouched memory

  기존의 가상 머신의 자원 할당 방식은 서버의 메모리를 가상 머신의 NUMA 노드에 정적으로 할당하는 방식이었다. 이런 방식은 두 가지 메모리 낭비를 초래하였다.

• Stranded Memory(남는 메모리): 서버의 CPU는 가상 머신에 모두 할당되었지만 아직 할당되지 않고 남아있는 서버의 메모리
• Untouched Memory(미사용 메모리): 가상 머신에 할당된 메모리 중에서 가상 머신이 실제로 사용하지 않고 남아 있는 메모리

1-2. CXL

  Compute Express Link(CXL)은 CPU와 여러 디바이스(가속기, 메모리 등) 간의 메모리 공유를 위한 프로토콜을 제공하는 고성능 인터페이스이다. PCIe 5.0 interface에서 flexbus를 제공하는 CPU에 한하여 사용이 가능하며, CXL.cache 프로토콜을 통해 캐시 일관성까지 제공한다.

  최근 메모리 분리 연구와 관련하여 기존의 RDMA 방식과 다르게 CXL은 PCIe를 사용하여 latency 이득이 매우 크기 때문에 CXL을 사용하려는 움직임이 많으며, 해당 논문에서도 CXL을 통한 메모리 분리를 이용하여 memory stranding 문제를 해결하려 한다. 

#2. Motivation Experiments

  아래에서부터는 Microsoft Azure에서 실시한 memory stranding 및 untouched memory 측정 및 관련 워크로드 성능, CXL latency 등을 분석해 볼 것이다. 그리고 이를 통해, POND의 설계 방향을 이해할 수 있다.

2-1. Memory stranding

  그림 3은 호스트 가상 머신에 스케줄링된 코어 별 stranded DRAM bucket의 분포 측정의 snapshot이다. 파란 선은 stranded memory 비율의 평균값을 나타내며, 85% 이상의 코어가 가상머신에 할당되면 평균값이 10%까지 증가하게 된다. 또한, 95% percentile에서 최댓값이 35%까지 증가하는 모습을 보인다.

  그림 4는 VM-to-server 트레이스를 분석하여, 풀링을 통해 절약할 수 있는 DRAM의 양을 나타낸 것이다. Pool size는 같은 DRAM이 접근할 수 있는 CPU 소켓을 뜻하며, pool size가 커질수록 풀링을 통해 절약할 수 있는 DRAM의 양이 적어진다. 하지만 이 부분은 메모리 풀의 사이즈가 커지면 감소하는데, 아래 그림에서 10%의 메모리 풀을 제공하였을 때 32개의 소켓으로는 12%의 DRAM을 save 할 수 있으나 64개의 소켓에서는 13%의 DRAM을 save 할 수 있다.

  위의 실험들을 요약하면, 서버에서 가상 머신에 할당되는 코어의 수가 많아질수록 stranded memory의 비율을 늘어나며 이는 최대 35%까지 달한다. 하지만 실험적인 분석에서 메모리 풀을 통해 DRAM을 save 할 수 있는 결과가 나왔는데, 50% 메모리 풀을 제공할 때 32개의 소켓에서 12%까지 DRAM을 save 할 수 있었다. 이 사실을 바탕으로 POND에서는 CXL memory pool을 stranded memory 및 untouched memory을 위해 제공하여 DRAM의 효율을 증가시키려 한다.

2-2. Workload sesitivity

  CXL은 로컬 DRAM보다 접근 latency가 느리기 때문에 이에 따른 워크로드의 성능 저하가 있을 수 있다. 이를 관찰하기 위해 Azure에서는 158개의 워크로드에 대해 CXL latency가 로컬 DRAM보다 182% 느릴 때, 222% 느릴 때로 가정하여 실험을 진행하였다. 아래 그림 5에서 보이다시피, latency가 182% 증가하였을 때 latency에 민감하지 않은 워크로드는 성능 저하가 없기도 한 반면, 민감한 워크로드의 경우 25% 이상 성능이 감소하기도 한다. 

위 실험을 통해 latency에 민감하지 않은 워크로드에 대해 CXL 메모리 풀을 활용하여 자원 효율을 높이는 설계가 가능함을 확인할 수 있다.

#3 POND

3-1. Control plane layer

  POND는 아래 그림 6에서처럼 두 가지 역할을 한다. 풀 메모리를 얼마나 사용할 지 예측하고 할당하는 VM scheduler와 가상 머신의 성능을 계속해서 파악하고, 이에 따라 CXL 메모리 풀의 양을 조절하는 QoS Monitor 두 가지가 있다.

• Prediction and VM scheduling
  • A1: VM request arrives.
  • A2: Queries model for a local memory prediction.
  • A3: Informs PM about needs.
  • A4: Memory onlining and allocating.
  • A5: Informs Hypervisor to start VM.

• QoS Monitoring
  • B1: Queries hypervisor and hardware performance counters &
          Uses an ML model of latency sensitivity.
  • B2: If performance impact exceeds the PDM, ask Mitigate Manager to trigger a memory reconfiguration.
  • B3: Do memory reconfiguration. (after reconfiguration, VM uses only local memory)

3-2. Prediction models

• Prediction for VM scheduling

(추가 예정)

• QoS Monitoring

(추가 예정)

3-3. Software layer

  Software layer에서 하는 주요한 역할은 풀 메모리의 할당 및 해제, 프레그멘테이션 방지, 풀 메모리 가상 머신에게 전달 그리고 opaque 가상 머신을 위한 Telemetry이다. 

• Pool memory ownership

   풀 메모리 할당은 호스트 드라이버에게 인터럽트를 트리거시켜 드라이버가 hot-plugged 될 범위의 주소를 읽도록 한다. 이후 드라이버는 OS의 Memory Manager가 해당 메모리 슬라이스를 online으로 요청하도록 하고, EMC가 호스트의 메모리 슬라이스에 대한 접근 권한을 부여한다. 풀 메모리 할당 해제는 호스트가 메모리 슬라이스를 offlining 후 EMC에서 메모리 슬라이스의 권한을 해제하여 완료한다.

  POND는 가상 머신이 시작되거나 종료될 때 발생하는 프레그멘테이션을 방지하기 위해 메모리 슬라이스가 1GB 단위로 가상 머신에 할당되며, 다른 호스트에게 재할당되기 전에 free 및 offline 상태로 보관함으로써 프레그멘테이션을 방지한다. 그러나 호스트나 드라이버가 풀 메모리를 할당하여 프레그멘테이션을 유발할 수 있기 때문에, 하이퍼바이저만 사용 가능한 메모리 파티션을 할당하고, 호스트와 드라이버는 호스트 로컬 메모리 파티션에서 메모리를 할당하여 호스트나 드라이버에 의한 프레그멘테이션을 방지한다.

  이러한 최적화들을 통해, 1GB 메모리 슬라이스를 offlining 하는 데에 10~100ms 소모되고, onlining은 1us 소모된다. 이때 메모리 onlining은 충분히 빠르기 때문에 가상 머신을 시작하는 데에 있어 block이 되지 않지만, offlining은 너무 느리기 때문에 critical path에서 발생하면 안 된다. 따라서 POND는 항상 할당되지 않은 풀 메모리를 보관하는 버퍼를 유지하여 이를 해결하였다.

• Exposing pool memory to VMs

  NUMA-local 메모리와 풀 메모리를 사용하는 가상 머신은 풀 메모리를 zNUMA 노드로 취급한다. 그래서 가상 머신을 시작할 때 cpu 항목이 없는 메모리 블록을 추가하여 zNUMA 노드를 생성하며, zNUMA 노드의 크기가 untouched memory의 크기와 같으면 가상 머신은  로컬 메모리에서만 동작하게 된다.

• Reconfiguration of memory allocation

  가속기와의 호환성을 유지하기 위해 로컬 및 풀 메모리 매핑은 일반적으로 가상 머신의 lifetime 동안 static mapping 상태를 유지한다. 그러나 가상 머신의 메모리 할당이 최적이 아닐 때, POND는 메모리 할당을 재정의 한다. 호스트에 로컬 메모리를 사용할 수 있는 경우, 가속기를 사용하지 않도록 설정하고 가상 머신의 모든 메모리를 로컬 메모리로 복사한 다음 가속기를 다시 사용하도록 설정한다. 이를 통해 로컬 및 풀 메모리 할당을 초기화하며, 풀 메모리 1GB마다 약 50ms가 소요된다.

• Telemetry for opaque VMs

  POND는 두 가지 유형의 가상 머신 Telemetry를 측정한다. 첫째로, Pond는 메모리 성능과 관련된 하드웨어 카운터를 수집하기 위해 PMU(Performance Measurement Unit)를 사용하고, 분석을 위해 TMA(Top-down Method for Analysis)를 사용한다. 그리고 하이퍼바이저를 수정하여 메트릭을 개별 가상 머신에 연관시키고 가상 머신 카운터 샘플을 분산 데이터베이스에 기록한다. 모든 코어 PMU 메트릭은 간단한 하드웨어 카운터를 사용하여 오버헤드를 유발하지 않는다.

  둘째로, 가상 머신의 untouched memory page를 추적하기 위해 하이퍼바이저 Telemetry를 사용한다. 게스트에 할당된 메모리를 추적하는 기존 카운터를 사용하며, 이는 사용된 메모리를 과대 평가하는 경향이 있다. 그리고 하이퍼바이저 페이지 테이블에서 액세스 비트를 스캔하여 untouched memory page를 찾는다. POND는 untouched memory page만 찾기 때문에 페이지 테이블의 액세스 비트를 자주 리셋할 필요가 없으며, 이는 오버헤드를 최소화한다.

3-4. Hardware layer

  Pond는 여러 호스트에게 공유되는 메모리 풀을 제공하며, 여러 포트를 통해 풀 내의 호스트에게 각각의 캐시 일관성 도메인과 별도의 하이퍼 바이저를 제공한다. 또한 호스트 간의 명시적인 소유권 모델을 통해 호스트의 독립적인 메모리 풀을 보장한다. 호스트는 처음에 제공 받은 풀 메모리를 offline으로 취급하다가 호스트의 수요에 따라 1GB 메모리 슬라이스를 동적으로 할당하며, 각 슬라이스는 주어진 시간에 하나의 호스트에게 할당된다. EMC는 캐시라인의 슬라이스 요청자와 소유자가 일치하는지 여부를 검사하여 슬라이스를 동적으로 할당하며, 액세스가 허용되지 않으면 메모리 오류가 발생한다.

  CXL의 지연 시간은 CXL 포트, CXL retimer 및 CXL 스위치 지연 시간이 대부분이며, 아래 그림 7과 같다. (CXL retimer는 각 방향에 지연 시간을 추가하여 CXL/PCIe 신호 무결성을 유지하고 사용되는 장치이다.)

출처

- 그림 1: https://pmem.io/blog/2022/01/disaggregated-memory-in-pursuit-of-scale-and-efficiency/

- 그림 2: CXL specification

- 그림 3, 4, 5: POND - NSDI'23