CS Archive

Reconfiguring RDMA-based Memory Disggregation via CXL

Authors: Zhonghua Wang, Yixing Guo, Kai Lu, Jiguang Wan, Daohui Wang, Ting Yao, Huatao Wu

Groups: Huazhong University, Huawei Cloud

Keywords: Memory Disaggregation, RDMA, CXL

#1 Motivations

1-1. RDMA-based memory disaggregation

  데이터를 관리하는 기법에 따라 RDMA 기반의 메모리 분리는 두 종류로 나뉜다. 페이지 기반의 기법에서는 가상 메모리 메커니즘을 이용하여 페이지 폴트가 발생하였을 때 로컬 메모리와 원격 메모리 페이지를 스와핑함으로써 원격 메모리 상의 페이지를 로컬 메모리로 캐싱한다. 이 방법은 응용의 수정 없이 적용이 가능하다는 장점이 있다. 오브젝트 기반의 기법에서는 메모리 관리를 조금 더 세밀한 단위(객체)로 하며 객체의 시맨틱을 이용하여 컴퓨팅 리소스를 최적화 한다. 하지만 RDMA 기법은 다음과 같은 단점들이 있다.

• High latency: 로컬 메모리와 비교하여 20배 이상 느린 지연시간을 제공한다.
• High overhead: 페이지 기반서는 페이지 폴트 오버헤드를 동반하고, 오브젝트 기반에서는 코드 수정이 필요하다는 단점이 있다.

1-2. CXL-based memory disaggregation

  CXL 기반의 메모리 분리는 캐시 일관성을 보장하는 공유 메모리 풀을 제공하며, 캐시 라인 접근이 가능하게 한다. 이는 응용의 수정이 필요 없으며 낮은 지연시간과 좋은 확장성을 보인다. 그러나 CXL 기반의 메모리 분리는 다음과 같은 단점을 가진다.

• Physical distance limitation: CXL 디바이스는 PCIe를 기반으로 하기 때문에 랙 레벨에서의 결합으로 제한되며, 이는 대규모 데이터센터에 바로 적용되기 어렵다.

1-3. Hybrid memory disaggregation

  따라서 논문에서는 CXL의 물리적 한계를 보완하고 RDMA의 높은 지연시산과 오버헤드를 보완하기 위해 RDMA와 CXL 기법을 결합하여 하이브리드로 동작하는 새로운 기법을 제안한다. 로컬 랙에서는 CXL의 장점을 이용하여 낮은 지연시간을 보이며, 서로 다른 랙을 RDMA를 통해 연결하여 확장성을 보장한다. 

#2 Design

2-1. Archtiecture

  Rcmp 랙은 응용을 위한 여러 개의 컴퓨팅 노드와 CXL, 컴퓨팅 노드의 요청을 처리하기 위한 데몬으로 이루어져 있다. 메모리 노드를 두지 않고 데몬을 통해 요청을 처리하는 구조는 컴퓨팅 노드와 메모리 노드가 분리된 구조에서 발생하는 메모리 일관성을 유지 오버헤드를 없애는 장점이 있다. 그리고 컴퓨팅 노드의 요청에서 발생하는 블로킹을 없애기 동적으로 데몬의 수를 늘릴 수 있다. 랙의 컴퓨팅 노드는 CXL을 통해 메모리 풀을 할당하고, 서로 다른 랙의 컴퓨팅 노드들은 RDMA를 통해 연결된다. 

  Rcmp는 서로 다른 랙에 존재하는 메모리들을 관리하기 위해 전역 메모리 주소를 사용하며, Metadata Server(MS)를 통해 전역 주소 할당 및 메타데이터 관리를 수행한다. MS는 페이지 단위로 메모리를 할당하며, 전역 주소는 페이지의 id와 CXL 메모리의 페이지 오프셋으로 이루어져 있다. Rcmp는 2개의 해시 테이블을 이용하여 주소 매핑을 관리한다. MS의 page directory는 페이지 id와 랙 id의 매핑을 관리하고, 데몬의 page table은 페이지 id와 페이지 오프셋의 매핑을 관리한다. 메모리 공간은 크게 3가지로 CXL 메모리와 컴퓨팅 노드의 로컬 메모리, 데몬으로 다음과 같은 역할을 한다.

• CN: Local page hotness와 local page table 메타데이터를 캐싱
• Daemon: Local page table과 원격 메모리의 hotness를 저장, MS의 page directory와 remote page table을 캐싱
• CXL: 큰 캐시 일관성 보장 공유 메모리 공간과 컴퓨팅 노드에게 제공되는 메모리 공간

2-2. Workflow

  컴퓨팅 노드의 응용이 메모리 풀에 접근하는 것은 다음의 플로우를 따른다. 

1. 페이지가 로컬 메모리의 page table에서 발견된다면, load/store 명령어를 통해 CXL 메모리 페이지에 직접 접근 
2. 로컬 메모리에서 페이지를 찾지 못 하면, MS의 page directory를 참조하여 페이지가 존재하는 랙을 조회 
3. 페이지가 로컬 랙에 존재하면, 로컬 데몬의 page table을 통해 해당 페이지의 오프셋을 얻은 후 CXL 메모리 노드에 접근 
4. 페이지가 원격 랙에 존재하면, 원격 데몬에게 요청하여 원격 page table을 통해 해당 페이지의 오프셋을 얻어 RDMA를 통해 CXL 메모리 페이지에 접근 (이때 접근하는 페이지가 hot page인 경우, 스왑 메커니즘을 트리거)

#3 Rcmp

  데몬은 랙의 중앙화된 관리 노드로 CXL 및 RDMA 요청 뿐만 아니라 페이지 스와핑, 슬랩 할당 관리, CXL 메모리를 관리하는 역할을 한다. 데몬은 각 랙에 하나 이상 실행되며 컴퓨팅 노드와 같이 취급된다. 또한 Rcmp의 모든 컴포넌트는 user-level에서 구현되어 컨텍스트 스위치 오버헤드가 없다.

3-1. Intra-rack communication

  로컬 랙과 원격 랙에 접근하는 지연 시간의 차이가 커, 블로킹으로 인한 성능 하락을 초래할 수 있다. 이를 해결하기 위해 Rcmp는 각각의 상황에 맞추어 두 가지 링버퍼를 사용한다. 로컬 랙의 접근을 관리하기 위한 링버퍼는 CXL에 접근하는 지연 시간은 매우 짧아 블로킹이 발생하지 않기 때문에 일반적인 링버퍼를 사용한다. 따라서 컴퓨팅 노드의 모든 스레드가 공유하는 하나의 링버퍼를 유지한다.

  원격 랙에 접근하기 위한 링 버퍼는 동시성 보장을 위해 두 개의 링버퍼로 이루어져 있다. 첫 번째 링버퍼는 폴링을 위한 링버퍼로 메시지 메타데이터와 메시지 데이터를 보관하는 두 번째 링버퍼를 가리키는 포인터를 저장한다. 폴링 버퍼의 데이터는 고정된 크기의 데이터 규격을 가지며, 데이터 버퍼의 요청이 하나 완료되면 하나의 폴링 버퍼 요청을 추가할 수 있다. 그리고 데몬은 메시지를 처리하기 위해 폴링 버퍼를 폴링 한다. 폴링 버퍼는 lock-free KFIFO 큐를 이용하여 구현하였으며, 데이터 버퍼는 일반적인 링버퍼를 통해 구현하였다.

3-2. Hot-page identification and Swapping

  Rcmp는 원격 랙 접근 오버헤드를 줄이기 위해, hot page를 로컬에 위치시키려 한다.

• Hot-page identification

  Rcmp는 read/write 연산의 횟수, last time 세 가지 팩터로 hotness를 측정한다. 먼저 페이지에 접근할 때 Δt를 측정하는데, 이는 현재 시간으로부터 마지막으로 read 연산을 수행한 시간을 뺀 것이다. 만약 Δt가 valid lifetime threshold T를 넘어가면, 해당 페이지에 대한 hotness는 만료되고 현재 read/write 연산의 횟수가 0으로 초기화된다. 페이지의 hotness는 아래의 공식을 통해 계산한다. hotness가 threshold H를 넘어가면 페이지가 hot하다고 판단하며, (Curr/Curw)가 threshold Rrw를 넘어가면 read hot이라고 판단한다.

α × (Curr + Curw ) + 1
α = e−λΔt, where λ is a decay constant

• Hot-page Swapping and Caching

  Rcmp는 기존 페이지 기반의 메커니즘이 페이지 폴트를 이용하여 스왑 매커니즘을 수행한 것과 다르게 user-level swap mechanism을 사용한다. Rcmp의 hot 페이지 스왑 알고리즘을 아래의 절차를 따른다.

1. R1의 스왑 요청이 MS의 FIFO 큐에 큐잉된다.
2. R1은 스왑 될 free page를 선택한다. Free page가 없다면, cold page를 선택한다. Cold page도 없다면, 6단계로 넘어간다.
3. R2는 스왑될 페이지들의 hotness를 R1의 hotness와 비교한다. R2의 hotness가 더 높으면 swap을 거부한다. Read hot인 경우에는 R1의 CXL에 캐싱한다. 캐싱된 페이지는 read-only이며, write 될 때 삭제된다.
4. R2의 스왑될 페이지의 metadata에 대해 disable 하고 page table을 업데이트한다.
5. Hot page를 one-sided RDMA를 통해 스왑 한다.
6. R1의 page table을 업데이트하고, MS의 요청을 dequeue 한다.

3-3. RRPC

  Rcmp에서 진행한 RPC와 hybrid(RPC + one-sided RDMA)의 throughput 비교 실험에서 512B를 기준으로, 데이터의 사이즈가 512B보다 작을 때는 hybrid 방식보다 RPC의 처리량이 더욱 높은 것으로 나타났다. 

이런 특성을 이용하여 Rcmp에서는 데이터의 사이즈를 기준으로 전송 방식을 바꿔가며 communication을 수행하여 throughput을 올리는 framework를 제시하였다. 데이터 사이즈에 따른 전송 방식은 아래와 같다.

• Pure RPC mode: 512B보다 작은 데이터의 communication에 사용 (데이터 요청 -> 데이터 반환)
• RPC and one-sided mode: unstructred big data의 communication에 사용 (주소 요청 -> 사이즈 전달 -> RDMA read)
• RPC zero-copy mode: structured big data의 communication에 사용 (데이터 요청 -> RDMA write)

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