Секреты Уолл-стрит могут сделать облачные вычисления более эффективными

• Новая математическая модель оценивает вероятность отказа каналов связи между центрами обработки данных в глобальном масштабе.
• Он основан на теории финансовых рисков.
• Это может помочь поставщикам облачных услуг лучше использовать ресурсы центров обработки данных и сэкономить миллионы долларов.

Чтобы удовлетворить постоянно растущий спрос на облачное хранилище и облачные вычисления, компании тратят миллионы долларов на увеличение пропускной способности своих магистральных сетей WAN.

Одна из основных проблем - поддержание хорошего баланса между доступностью сети и ее использованием. Часто используемый канал может не справиться с внезапным всплеском трафика, что приведет к отказу узла / канала.

Чтобы решить эту проблему, группа исследователей из Массачусетского технологического института, Microsoft и Еврейского университета разработала новую математическую модель, вдохновленную теорией финансовых рисков, которая помогает инвесторам фондовых рынков максимизировать свою прибыль, минимизируя финансовые потери при колебаниях рынка.

Новая модель называется TeaVar (сокращение от Traffic Engineering Applying Value at Risk). Он оценивает вероятность отказа каналов связи между центрами обработки данных в глобальном масштабе. Процесс оценки аналогичен прогнозированию волатильности акций.

Затем модель оптимально распределяет трафик (по разным каналам), чтобы максимизировать общее использование сети при минимизации потерь. Это совершенно противоположно традиционному подходу, при котором ссылки остаются в режиме ожидания, чтобы справиться с внезапными скачками трафика, тратя слишком много энергии и ресурсов.

Исследователи утверждают, что их модель может помочь поставщикам облачных услуг лучше использовать ресурсы центров обработки данных и сэкономить миллионы долларов.

Как работает TeaVar?

Крупные компании, предоставляющие облачные услуги, используют инструменты «инженерии трафика» (TE) для оптимального распределения полосы пропускания данных по всем путям. Чтобы гарантировать максимальную доступность, эти компании поддерживают несколько ссылок с низким уровнем загрузки. Многие сетевые ссылки не работают с высокой загрузкой:они не отправляют столько трафика, сколько могли бы отправить.

Таким образом, существует компромисс между использованием сети и ее доступностью. Вот где обычные методы TE терпят неудачу.

Ссылка:MIT | GitHub

В любой сети фрагменты полосы пропускания данных похожи на «деньги», вложенные в рынок, а инструменты с различной вероятностью отказа аналогичны «запасам» и их неопределенным значениям. Используя эту концепцию, исследовательская группа разработала методологию «с учетом рисков», которая гарантирует, что данные будут доставлены к месту назначения с минимальными потерями трафика в наихудших условиях отказа.

Их подход позволяет компаниям достичь баланса между загрузкой и доступностью, который наилучшим образом соответствует их целям. TeaVar решает алгоритмические проблемы, связанные с возможностью минимизации рисков, а также операционные проблемы.

Применение TeaVar к реальным данным

Они протестировали эту модель в сравнении с обычными инструментами TE на моделированном трафике, передаваемом через сети ATT, IBM, Google. Они также создали несколько условий отказа в зависимости от вероятности их возникновения.

Прочтите:Microsoft создала полностью автоматизированное хранилище данных ДНК

Наконец, они применили TeaVar к реальным данным и обнаружили, что он может поддерживать в два раза больше трафика, чем традиционные методы TE, при том же уровне доступности. Модель смогла поддерживать надежные каналы, работающие почти на полную мощность, при этом данные не попадали в более рискованные пути.