Introduction

这篇文章实际上在处理网关的几个挑战。

可扩展性。云网络中实例规模的扩大导致了转发规则消耗的快速增加。因此，安装大量的规则将限制单个VPC和整个网络的规模。
稳健性。尽管特定设备的故障概率通常很低，但大规模云中的网络异常事件是频繁和不可避免的，包括设备故障[18, 59]和流量突发[68, 81]。它们会造成严重的网络拥堵/中断，降低了用户的体验。
延迟。配置转发规则和建立/恢复通信的延迟是一个关键指标。当实例启动/迁移时，一些先前的解决方案要求控制平面通知所有相关的主机，并安装/更新规则，这尤其影响到短期任务。例如，一个函数任务（如MilliSort和MilliQuery[47]）通常在几毫秒内完成，而启动一个函数实例并为其建立连接可能需要几秒钟。

云网络中现有的东西向通信解决方案通常分为两大类。一类是硬件解决方案，如AWS Nitro系统[6, 67]、Azure基于FPGA的SmartNIC[28, 46, 61]和阿里云基于P4的网关[57]。另一种是软件解决方案，包括预编程模型（如VMware NSX [39, 56]）和网关模型（如Google Cloud Hoverboard [22]）。

考虑到硬件的高成本和长开发周期，软件解决方案已成为许多中型云供应商的首选。然而，现有的软件解决方案也面临着几个关键的缺点（详见§2.1）。首先，预编程模型为虚拟机预先安装了许多规则，并与控制平面相耦合。传统的网关模型依赖于为主机区分配的固定网关，并与计算节点的位置相耦合。因此，它们缺乏适应大规模网络的可扩展性或稳健性。其次，现有的控制回路很复杂，这加剧了网络异常事件的恢复延迟，包括设备故障/过载和虚拟机迁移。

Background and Motivation

包括之前工作的缺点。

本篇工作的优点。

Design

Design Goals

设计点有以下四个

Robustness
Low Latency
Scalability
Compatibility

System Overview

如图2所示，为了实现上述设计目标，我们提出了一个高效的东西向通信框架，称为Zeta，它由三个核心模块组成。网关集群、主机上转发和框架管理。

网关集群层建立了一个基于VXLAN隧道的转发网络[48]。它利用XDP为租户实例提供高性能的流量转发和按需的规则卸载（§4.2）。网关集群的应用确保了更好的可扩展性和稳健性。网关检测大象流并向源主机发送OAM（Opera- tions, Administration and Maintenance）数据包，其中包含直接路径规则（§4.3）。此外，Zeta采用多IPs迁移来实现门路故障/过载/扩展的快速恢复，这使得故障恢复对主机/租户透明（§4.4）。
主机上的转发层根据OVS上的规则来传输流量。在部署一个新的VPC之前，将在主机上预装一个默认规则，它包括一个流量条目和一个组条目，以实现集群内网关的负载平衡（§5.1）。当两个虚拟机第一次通信时，头包将根据默认规则被发送到一个特定的网关。每个主机都部署了一个Zeta代理，它负责解析OAM数据包，并在主机上的OVS上安装直接路径规则。此外，基于Zeta Agent的轻量级控制回路可以对网络调整做出快速反应，如被动实例迁移（§5.2）。
框架管理层管理整个网络，并进一步增强了网关克隆的稳健性。当Zeta被初始化时，管理层将确定VPC-集群的映射，用于集群间的负载平衡（§6.1）。为了处理异常事件和流量动态，多IPs调度器将动态调整配置（如多IPs分配和集群部分），从而避免部分集群的过载，以提高鲁棒性（§6.2）。