利用华尔街秘密降低云基础架构成本-龙8国际

股市投资者通常依靠金融风险理论来帮助他们实现收益最大化，同时将市场波动造成的投资组合最小化。这些理论帮助投资者保持平衡的投资组合，以确保他们在任何给定的时间都不会损失更多的钱。

受这些理论的启发，麻省理工学院和微软的研究人员开发了一个“风险意识”的数学模型，可以提高全球云计算网络的性能。值得注意的是，云基础设施非常昂贵，消耗了世界上大量的能源。

他们的模型考虑了全球数据中心之间链接的失败概率——类似于预测股票的波动性。然后，它运行优化引擎，通过最佳路径分配流量，以最小化损失并最大化网络的整体利用率。

这种模式可以帮助主要的云服务提供商(如微软、亚马逊和谷歌)更好地利用他们的基础设施。传统的方法是保持链路空闲，以应对链路故障导致的意外流量变化，浪费了能量、带宽等资源。另一方面，名为teavar的新模型保证在目标时间百分比内(如99.9%)，网络可以处理所有数据流量，因此无需保持任何链路空闲。在0.01%的时间内，模型也使数据尽可能低。

在基于实际数据的实验中，该模型支持传统流量工程方法的三倍流量吞吐量，同时保持相同的高水平网络可用性。一篇描述模型和结果的论文将在本周的acm sigcomm会议上发表。

麻省理工学院电气工程与计算机科学系tibco职业发展助理教授manya ghobadi表示，更好的网络利用率可以为服务提供商节省数百万美元，但对消费者而言，其优势将“逐渐减少”。科学和人工智能实验室。

“更多地利用基础设施不仅有利于云服务——对整个世界也更好，”ghobadi说。“公司不必购买尽可能多的基础设施来向客户销售服务。此外，数据中心资源的有效利用可以节省大量云基础设施的能耗。因此，它对用户和环境都有利。”

云服务提供商使用地下运行的光缆网络连接不同城市的数据中心。为了路由流量，提供商依靠“流量工程”软件通过所有网络路径优化分配数据带宽(一次可以传输的数据量)。

目标是确保全球用户的最大可用性。然而，当一些链路意外故障时，由于施工过程中断电或线路切断导致光信号质量下降，这是一个挑战。为了保持对故障的鲁棒性，提供者将许多链路保持在非常低的利用率，等待从被击落的链路中吸收所有数据负载。

因此，这是网络可用性和利用率之间的微妙权衡，这将实现更高的数据吞吐量。研究人员说，这是传统的热电联产方法失败的地方。他们根据各种因素找到最佳路径，但从不量化链接的可靠性。“他们没有说，‘这个链接有更高的启动和运行概率，这意味着你应该在这里发送更多的流量，”博格尔说网络中的大多数链路在低利用率下运行，不会发送尽可能多的流量。"

研究人员设计了一个te模型，使核心数学适应“风险条件值”，这是一个量化平均货币损失的风险评估指标。通过投资股票，如果你有一天50美元的99%条件价值风险，那一天最坏情况下1%的预期损失是50美元。但99%的时候，你会做得更好。这个指标是用来投资股市的——众所周知，很难预测。

“但数学实际上更适合我们的云基础设施设置，”ghobadi说。“大多数情况下，链路故障是由于设备老化造成的，因此故障概率不会随着时间的推移而发生太大变化。这意味着我们的概率比股市更可靠。”

在网络中，数据带宽份额类似于投入的“资本”，故障概率不同的网络设备是“股票”及其变化值的不确定性。利用基本公式，研究人员设计了一个“风险感知”模型，该模型与金融对应模型一样，确保数据在99.9%的时间内到达目的地，但在0.1%失败的最坏情况下，将流量损失保持在最低水平。这允许云提供商调整可用性-利用率权衡。

研究人员统计了来自微软网络三年的网络信号强度，并将其数据中心与链路故障的概率分布联系起来。它是输入图中的网络拓扑。源-目的地数据流通过线路(链路)与节点(城市)相连，每条链路分配一个带宽。

故障概率是通过每15分钟检查一次每个链路的信号质量获得的。如果信号质量低于接收阈值，则认为链路有故障。以上任何一项都意味着链接已启动并正在运行。因此，该模型生成每个链路上升或下降的平均时间，并计算每个链路在每个15分钟时间窗口内的故障概率或“风险”。根据这些数据，它可以预测在任何给定的时间窗口中风险链接何时会失败。

研究人员通过谷歌、ibm、att和世界各地其他网络发送的模拟流量，用其他te软件测试了该模型。研究

究人员根据其发生概率创建了各种故障情景。然后，他们通过网络发送模拟和实际数据需求，并提示他们的模型开始分配带宽。

研究人员的模型保持可靠的链接工作到接近满负荷，同时转向数据清除风险较高的链接。在传统方法中，他们的模型通过网络运行的数据量是其数据的三倍，同时仍然确保所有数据都到达目的地。该代码可在github上免费获得。

---

龙8国际的版权说明： 本文龙8国际的版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系龙8国际修改或删除，多谢。

---

标签：