Wall Street Secrets kunnen cloud computing efficiënter maken

• Het nieuwe wiskundige model evalueert de faalkans van verbindingen tussen datacenters wereldwijd.
• Het is geïnspireerd op de financiële risicotheorie.
• Het kan cloudserviceproviders helpen hun datacenterbronnen beter te benutten en miljoenen dollars te besparen.

Om de steeds groeiende vraag naar cloudopslag en cloudcomputing bij te houden, geven bedrijven miljoenen dollars uit om de capaciteit van hun WAN-backbones te vergroten.

Een van de grote uitdagingen is het handhaven van een goede balans tussen beschikbaarheid en gebruik van het netwerk. Een veelgebruikt kanaal is mogelijk niet in staat om plotselinge verkeerspieken aan te kunnen, wat resulteert in uitval van knooppunten/links.

Om dit probleem aan te pakken, heeft een onderzoeksteam van het MIT, Microsoft en de Hebreeuwse Universiteit een nieuw wiskundig model ontwikkeld dat is geïnspireerd op de theorie van financiële risico's en dat beleggers op de aandelenmarkten helpt hun rendement te maximaliseren en financiële verliezen bij marktschommelingen te minimaliseren.

Het nieuwe model heet TeaVar (afkorting van Traffic Engineering Applying Value at Risk). Het evalueert de faalkans van verbindingen tussen datacenters wereldwijd. Het evaluatieproces is vergelijkbaar met het voorspellen van de volatiliteit van aandelen.

Het model wijst vervolgens het verkeer optimaal toe (via verschillende links) om het algehele netwerkgebruik te maximaliseren, terwijl verlies wordt geminimaliseerd. Dit is precies het tegenovergestelde van de traditionele benadering die links inactief houdt om plotselinge verkeerspieken op te vangen, waardoor te veel energie en middelen worden verspild.

Onderzoekers beweren dat hun model cloudserviceproviders kan helpen hun datacenterbronnen beter te benutten en miljoenen dollars te besparen.

Hoe werkt 'TeaVar'?

Grote bedrijven die clouddiensten leveren gebruiken ‘traffic engineering’ (TE) tools om databandbreedte via alle paden optimaal toe te wijzen. Om een ​​maximale beschikbaarheid te garanderen, houden deze bedrijven meerdere koppelingen bij een lage bezetting. Veel netwerklinks werken niet bij hoge belasting:ze verzenden niet zoveel verkeer als ze zouden kunnen verzenden.

Er is dus een afweging tussen netwerkgebruik en netwerkbeschikbaarheid. Dit is waar conventionele TE-technieken falen.

Referentie:MIT | GitHub

In elk netwerk zijn gegevensbandbreedte-brokken vergelijkbaar met 'geld' dat in de markt is geïnvesteerd, en instrumenten met verschillende faalkansen zijn vergelijkbaar met 'aandelen' en hun onzekere waarden. Met behulp van dit concept ontwikkelde het onderzoeksteam een ​​'risicobewuste' methodologie die ervoor zorgt dat gegevens hun bestemming bereiken met minimaal verkeersverlies tijdens de meest ongunstige omstandigheden.

Hun aanpak stelt bedrijven in staat om de balans tussen gebruik en beschikbaarheid te vinden die het beste bij hun doel past. TeaVar gaat in op algoritmische uitdagingen met betrekking tot de traceerbaarheid van risicominimalisatie, evenals operationele uitdagingen.

TheeVar toepassen op gegevens uit de echte wereld

Ze testten dit model met conventionele TE-tools op gesimuleerd verkeer dat werd overgedragen via ATT-, IBM- en Google-netwerken. Ze produceerden ook verschillende faalcondities op basis van de waarschijnlijkheid van hun optreden.

Lezen:  Microsoft heeft een volledig geautomatiseerde DNA-gegevensopslag gebouwd

Ten slotte pasten ze TeaVar toe op gegevens uit de echte wereld en ontdekten dat het tot twee keer zoveel verkeer kan ondersteunen als conventionele TE-methoden met hetzelfde beschikbaarheidsniveau. Het model was in staat om betrouwbare verbindingen tot bijna volledige capaciteit te laten werken, terwijl gegevens werden weggestuurd van riskantere paden.