すべてのAWS API呼び出し、CloudFrameの動画配信、Route 53の名前解決は、AWSが「境界ネットワーク」と呼ぶ同一のインフラを経由します。このインフラは現在、数年かけてゼロから構築し直したルーティングシステム上で稼働しています。
トラフィックの行き先を決めるシステム
投稿時点でAWSが公表している規模は、39リージョン、123のアベイラビリティーゾーン、6大陸にまたがる750カ所を超えるポイント・オブ・プレゼンス、5,000を超える外部ネットワークとのピアリング、そして数百テラビット毎秒の処理能力です。
この基盤の下で動いているのがルーティング制御プレーンで、あらゆるデバイスに対して「どの宛先が存在し、どうやってそこへ到達するか」という正確な情報を供給し続けています。AWSはこれを航空管制になぞらえ、位置情報を集約し、安全な経路を算出し、指示をブロードキャストする仕組みだと説明しています。
リンク障害が発生したり新たな経路が現れたりするたびに、この情報は再構築されます。エンジニアはこのプロセスを「コンバージェンス（収束）」と呼びます。収束が完了するまでの間、ネットワークの各部分が最適経路について食い違うことがあり、その結果パケットが遅延したり、誤った方向に送られたり、消失したりする可能性があります。AWSは、金融取引やリモート医療、ライブ配信メディアなど、わずか数秒の不整合が取引失敗やサービス中断につながりかねない事例を挙げています。
AWSが抱えていた課題
このネットワークは段階的に成長し、その過程でハードウェアとソフトウェアのアップグレードを重ねてきました。その結果として、ネットワークの各部分がそれぞれ独自の制御プレーンを持つようになりました。個々の制御プレーンは相互に独立しながらも接続されており、それぞれ単体では信頼性がありました。しかし、数百カ所にまたがるこれらすべてを整合させ続けることは、また別の問題でした。
これらの制御プレーンは収束速度がそれぞれ異なっていました。その速度差によって生じる隙間では、あるネットワーク部分が、別の部分ではすでに使えないと判断した経路へトラフィックを送り続けてしまうことがありました。AWSによれば、その結果として発生し得るのがルーティングループ(パケットが期限切れになるまで循環し続ける現象)や、すでに存在しない経路へ向けられたトラフィックです。顧客側では、こうした未収束のルーティング状態によってパケットロスやレイテンシーの増加が発生します。
「独立したシステム間の連携を増やせば増やすほど複雑性が増すだけだと私たちは認識していました。整合を取る必要のあるシステムが増えるほど、同期を保つためのオーバーヘッドも大きくなります。シンプルさこそがスケールすることを踏まえ、私たちは独立した制御プレーンを単一の統合システムに置き換えることを決断しました。これにより、すべてのデバイスに一貫したネットワーク像を提供し、収束を高速化し、単一の変更が及ぼす影響範囲を限定できます」と、AWSのエキスパートは説明しています。
3つの変更点
第一に、経路情報の共有を一方向のみにしました。従来のルーターは近隣機器から経路を学習すると同時に自らも広告するため、各デバイスが持つ情報は常に間接的なものでした。AWSはこの2つの役割を分離しました。「収集ノード」はローカルに接続されたデバイスから経路情報を受け取り外部へ送り出し、「配信ノード」は遠隔の経路情報を受け取ってローカルデバイスに渡します。どちらのノードも他所で学習した情報を再広告することはないため、すべてのデバイスは各経路情報をその発信元から直接受け取ることになります。
第二に、トンネリングです。元のパケットはルーティング指示を含む外側のパケットにカプセル化され、中継デバイスはその中身を検査することなく指示に従います。これにより、トラフィックは制御プレーンが選んだ経路上を流れ、まだ古い情報のまま動いているデバイスの影響を受けずに済みます。
第三に、これらすべてをネットワーク全体に適用し、独立した各システムを単一の信頼できる情報源(シングルソース・オブ・トゥルース)に置き換えました。
ファブリック間をつなぐエンドツーエンドのトンネル(提供:AWS)
移行にかかった労力と得られた成果
この移行は数年間にわたり、稼働中のネットワーク上で数千台のデバイスを対象に実施され、インターネット向けルーター、バックボーン、Direct Connect、アベイラビリティーゾーン向けノード、さらにはCloudFrameやRoute 53といったエッジサービスにまで及びました。AWSによれば、その間も可用性は維持され続けたとのことで、これは設定変更を本番環境に反映する前に分析する検証システムによって支えられていました。
統合後のシステムは、ルーティング判断に投じる計算リソースが従来比で数倍に増強されており、AWSはこれが収束速度の向上に直接寄与したとしています。一部のファブリックでは、収束時間が最大96パーセント改善しました。AWSはまた、リトライ回数の減少や顧客にとってより予測しやすいレイテンシーの実現、さらにエンジニアがトラブルシューティングを行う際に単一のアーキテクチャで対応できるようになった点も成果として挙げています。境界ネットワーク全体が、現在ではこの統合システム上で稼働しています。
翻訳元: https://www.helpnetsecurity.com/2026/09/09/aws-routing-control-plane-network/
