Một tiếp cận thiết kế công cụ phần mềm đánh giá hiệu năng mạng liên kết kích thước lớn

Các cơng trình nghiên cứu phát triển Cơng nghệ Thơng tin Truyền thông Một tiếp cận thiết kế công cụ phần mềm đánh giá hiệu mạng liên kết kích thước lớn Bài báo mời Kiều Thành Chung1,2 , Nguyễn Tiến Thành2 , Nguyễn Khanh Văn2 Trường Cao đẳng nghề Công nghệ cao Hà Nội Trường Đại học Bách khoa Hà Nội Tác giả liên hệ: Nguyễn Khanh Văn, vannk@soict.hust.edu.vn Ngày nhận bài: 28/08/2019, ngày sửa chữa: 03/09/2019, ngày duyệt đăng: 08/09/2019 Xem sớm trực tuyến: 08/09/2019, định danh DOI: 10.32913/mic-ict-research-vn.v2019.n1.889 Biên tập lĩnh vực điều phối phản biện định nhận đăng: PGS.TS Nguyễn Linh Trung Tóm tắt: Bài báo giới thiệu cách tiếp cận riêng biệt để thiết kế công cụ phần mềm chuyên dụng cho đánh giá hiệu mạng liên kết kích thước lớn, nhờ đề xuất chế mơ giản lược đảm bảo đánh giá đặc tính tơ-pơ thuật tốn định tuyến Chúng đề xuất kiến trúc tổng thể, cho phép thực thí nghiệm với tô-pô định nghĩa sẵn tự định nghĩa, với nhiều kịch hay cấu hình traffic khác nhau,và hỗ trợ xây dựng tô-pô hiệu cao với tính đánh giá cách triển khai cài đặt mặt sàn thực tế cho trước Với phần mềm công cụ xây dựng kiến trúc đề xuất tiến hành số thực nghiệm với số tơ-pơ mạng loại có kích thước hàng chục nghìn node khoảng thời gian ngắn khả quan, nhanh nhiều lần so với tiến hành công cụ mô phổ quát quen thuộc NS3, OMNET++ Từ khóa: Tơ-pơ mạng, hiệu mạng, mô mạng, mạng liên kết, công cụ mô Title: Abstract: Keywords: An Approach to Designing Software Tool Specified for Evaluating Performance of Interconnection Topologies with Large Sizes This paper introduces a special approach to designing a software tool that is specified for evaluating performance of interconnection topologies with large sizes This is based on a proposed network simulation mechanism that is heavily reduced (much simplified from the popular network simulation standard) in order to just enough for evaluating the performance factors related to topology and routing mechanism characteristics We propose a general architecture for such a system that allows to experiment with pre-defined or newly defined topologies by using different experiment scripts with different traffic patterns, and also to support the designing of new high-performance topologies with features for evaluating deployment layouts Using our initial version of this software tool we are able to perform some interesting experimental evaluation of a few modern topologies with sizes as large as tens of thousands in very encouragingly short periods of time, multiple times faster than performed in popular general simulators such as NS3 or OMNET++ Network topology, network performance, network simulation, interconnection network, simulation software I GIỚI THIỆU VẤN ĐỀ NGHIÊN CỨU thước lớn, lên đến hàng trăm nghìn máy Bản thân việc tổ chức thực nghiệm để đánh giá hiệu tô-pô mạng (network topology) đề xuất vấn đề khơng tầm thường hầu hết cơng cụ mơ mạng phổ quát đáp ứng cho kích thước mạng lên đến hàng ngàn nút Với phát triển vũ bão ứng dụng dịch vụ Internet, công nghệ Dữ Liệu Lớn (Big Data), trung tâm liện đại quan tâm đầu tư nhiều, yêu cầu đặc thù phục vụ cho xu hướng thiết kế MLK nhằm đảm bảo tốt tính mềm dẻo (flexibility) khả mở rộng (scalability) Cụ thể việc bổ sung thêm nút (node) mạng, tăng/giảm kích thước mạng thực nhiều lần với qui mơ đa dạng, phải đảm bảo hiệu mạng Nghiên cứu tô-pô1 mạng liên kết (MLK: Interconnection Network) [1, 2] có vai trị quan trọng lĩnh vực tính tốn song song kiến trúc mạng máy tính Một giải pháp tơ-pơ hiệu đóng góp định vào hiệu mạng lưới tính tốn lớn hệ máy tính hiệu cao (HPC: High-Performance Computer) [2] hay trung tâm liệu đại (TTDL: Data Center) ngày trở thành nhu cầu cấp nhiết nhằm phục vụ dịch vụ tính toán lớn Một thách thức giới chuyên môn thiết kế hệ thống MLK hiệu cao TTDL với kích Topology: Cấu trúc tổ chức hình học mạng máy tính 27 Các cơng trình nghiên cứu phát triển Cơng nghệ Thơng tin Truyền thơng Với kích thước mạng ngày lớn, vấn đề tiết kiệm chi phí thiết bị cáp, tiết kiệm lượng tải thấp, v.v trở thành chủ đề đáng quan tâm Có thể thấy điều hàng loạt nghiên cứu giai đoạn gần thiết kế MLK TTDL HELIOS [3], BCUBE [4], DCELL [5], Scafida [6], MDCube [7], VL2 [8] Vì dạng tơ-pơ truyền thống trở nên phần lạc hậu, giới nghiên cứu tích cực đề xuất tiếp cận, dạng kiến trúc tô-pô phù hợp cho yêu cầu đại, Smallworld DataCenter [9], JellyFish [10], Space Shuffle [11], FatTree [12], SKYWALK [13], Dragonfly [14] Trong báo đề xuất tiếp cận mới: thiết kế phần mềm đánh giá tô-pô MLK thông qua thực nghiệm có mơ phỏng, tập trung giản lược hóa tầng thấp (chủ yếu địa bàn để xây dựng thuật toán định tuyến cần) tập trung vào tổ chức thí nghiệm chuyên dụng cho MLK tầng (giao vận ứng dụng) Thông qua tiếp cận này, đánh giá đề xuất việc so sánh với giải pháp có cấu hình mạng kích thước lớn mà trước chưa thể thực Bài báo trình bày nét tiếp cận đề xuất kiến trúc sở cho hệ công cụ phần mềm đánh giá tô-pô MLK theo hướng Dựa vào kiến trúc sở này, xây dựng mơ-đun móng đầu tiên, cho phép thực đánh giá so sánh tơ-pơ tiêu chí hiệu liên quan đến thông số đồ thị định tuyến Các đóng góp cụ thể sau: Một thách thức lớn địa hạt nghiên cứu vấn đề đề cập trên: tổ chức đánh giá qua thực nghiệm với mơ hình mạng kích thước lớn, vượt xa kích thước mạng truyền thống Để đánh giá tô-pô MLK, bên cạnh phương pháp đánh giá dựa cài đặt thuật toán chuyên dụng để tính tốn đặc trưng hiệu (xoay quanh phân tích đồ thị), thực nghiệm qua cơng cụ mơ mạng coi yếu tố có tiếng nói định Tuy nhiên việc thực cài đặt mạng kích thước lớn đến hàng chục nghìn nút tính tốn công cụ mô mạng hay hệ phân tán phổ biến NS3 [15], OMNET++ [16], SIMGRID [17], xem bất khả thi Thậm chí với cấu hình máy tính tân tiến hàng đầu, cài đặt mạng lên đến 1000 nút khó khăn2 Khó khăn chủ yếu nút tính tốn cơng cụ mơ mạng phổ quát thiết kế để mô đầy đủ tầng giao thức kiến trúc phổ biến (mơ hình OSI bảy tầng hay mơ hình TCP/IP) Khối lượng xử lý lớn nút giới hạn kích thước tập hợp đối tượng mạng cài đặt hệ mơ • • • Tuy nhiên chúng tơi nhận thấy với mơ hình MLK, nhà nghiên cứu quan tâm tới yếu tố hiệu xoay quanh việc thực nhiệm vụ tầng giao vận ứng dụng tải lớn không quan tâm thực tới tầng thấp Quan sát mở tiếp cận cải tiến lõi hệ phần mềm mơ nhằm hướng tới mạng kích thước lớn thơng qua việc rút gọn giản lược chức tầng (tầng mạng trở xuống) Thậm chí trình truyền tin thay mơ hình ngẫu nhiên tương ứng (mơ lỗi đường truyền) để sinh độ trễ phù hợp Việc giản lược tầng đương nhiên không phù hợp cho mô trình hoạt động đầy đủ hệ thống mạng thực tế, lại không thực ảnh hưởng tới việc so sánh đánh giá tơ-pơ mạng với theo tiêu chí hiệu • Đề xuất thiết kế tổng thể cơng cụ đánh giá hiệu MLK, kết hợp tính tốn theo mơ hình mơ giản lược (SSiNET) Công cụ cho phép người dùng tạo tô-pô mạng mới, cài đặt với tham số cho trước (kích thước lớn hỗ trợ chế tự động sinh theo mẫu) thử nghiệm với thuật toán định tuyến có sẵn cài Từ đánh giá hiệu theo tiêu chí nâng cao, hỗ trợ thiết kế mặt sàn (layout) cho trước tính tốn giá thành Thực mơ-đun cho phép tính tốn thơng số đồ thị định tuyến Tạo chế cho việc cài đặt thuật toán định tuyến cài đặt sẵn số tơ-pơ biết (ví dụ: 2-D Torus [9], Fat-tree [12], Kleinberg Small-world [9]) thuật toán định tuyến biết (ví dụ: Shortest Path Routing [1], Two-level Table [12], Compact Routing [18]) Với phần mềm công cụ đầu tiên, tiến hành thực nghiệm để đánh giá so sánh số tơ-pơ quan tâm thuật tốn định tuyến tương ứng để đánh giá độ trễ truyền tin (latency) Nội dung tổ chức sau Mục II trình bày nghiên cứu liên quan Mục III đề xuất thiết kế SSiNET Mục IV nghiên cứu đánh giá thử nghiệm II CÁC NGHIÊN CỨU LIÊN QUAN Để nghiên cứu thiết kế MLK hiệu quả, nhà nghiên cứu tập trung vào hai vấn đề chính: (i) thiết kế tơ-pơ mạng; (ii) xây dựng thuật tốn định tuyến, để khai thác tối đa tính chất đặc thù tô-pô tương ứng Các cách thực theo ba hình thức sau: (i) xây dựng tơ-pơ sử dụng thuật tốn định tuyến tồn tại; (ii) xây dựng thuật tốn định tuyến cho tơ-pơ biết; (iii) xây dựng tơ-pơ thuật tốn định tuyến tương ứng Mỗi lần thực thực nghiệm theo kịch mơ hàng cần thực hàng trăm thực nghiệm để so sánh đánh giá số tô-pô mạng với nhiều chế độ hoạt động khai thác 28 Tập 2019, Số 1, Tháng Tô-pô thuật tốn định tuyến kế riêng cho loại tơ-pơ cụ thể (còn gọi Non-Minimal Routing), với stretch–3 [18, 21], thông thường mạng dạng không chuẩn tắc (irregular) RSN sử dụng thuật toán SPR TZ (Thorup & Zwick [18]), JellyFish [10] sử dụng k-SPR Một tô-pô mạng, tức cấu trúc hình học mạng, biểu diễn đồ thị G = (V, E), thiết bị chuyển mạch (switch) máy tính tốn (host) mạng máy tính thực tế biểu diễn nút mạng (node) đồ thị G Tập hợp switch host mạng biểu diễn tập đỉnh V đồ thị G tập hợp liên kết (link) switch host biểu diễn tập cạnh E Công cụ mô mạng Hiện nhà nghiên cứu thường tự phát triển phần mềm tính tốn đặc trưng đánh giá tơ-pơ MLK (và thuật tốn định tuyến), cần thực thực nghiệm mơ sử dụng phần mềm mô mạng phổ quát, phổ biến NS2 [22], NS3 [15], OMNET++ [16], SIMGRID [17] Các tơ-pơ thuật tốn định tuyến (RA: Routing Algorithm) nghiên cứu từ lâu, nhiều tô-pô số triển khai áp dụng phổ biến thực tế Ví dụ, tơpơ siêu khối sở k, số chiều n (k-ary n-cube hypercube) định tuyến theo giao thức Duato [1] sử dụng siêu máy tính BlueGene/L Anton-2 Cray XT5 [19] Gần đây, tô-pô truyền thống xem không đáp ứng tiêu chí hiệu đại độ trễ truyền tin thấp tính co giãn qui mô Hệ công cụ NS2 [22] thường sử dụng thực nghiệm mạng không dây NS2 có nhược điểm q trình mơ hình hóa mạng phức tạp tốn nhiều thời gian nhớ Ngồi ra, khơng định nghĩa sẵn thiết bị switch, router khơng có giao diện người sử dụng (GUI: Graphic User Interface) để hiển thị kết Là hệ đời sau, NS3 [15] mơ hệ thống cách cấu hình node mạng cách đầy đủ, NS3 thực thi với mạng kích thước nhỏ từ vài trăm tới nghìn nút Vì tiếp cận mới, thiết kế tơ-pơ mạng dựa mơ hình đồ thị ngẫu nhiên [9] quan tâm đem lại nhiều cải tiến hiệu bật Tô-pô ngẫu nhiên (RSN: Random Shortcut Network), cấu trúc dựa tô-pô Mesh, Torus, Hypercube, Flattened Buttery, v.v bổ sung thêm liên kết dài nút xa Các liên kết dài tạo việc sử dụng phân bố xác suất ngẫu nhiên Các RSN công bố Jellyfish [10], Small-world [9] OMNET++ [16] hỗ trợ mô song song thông qua việc sử dụng thư viện MPI (Message Passing Interface), thực mơ lưu lượng mạng, tạo mơ hình giao thức, xây dựng mơ hình hàng đợi mạng, xây dựng vi xử lý đa nhiệm hệ thống phân tán khác, kiểm tra lại kiến trúc phần cứng, đánh giá khía cạnh hiệu suất hệ thống phần mềm phức tạp Một số tiêu chí hiệu mạng đánh giá dựa việc tính tốn tham số đường kính mạng (diameter), độ dài trung bình đường định tuyến (ARPL: Average Routing Path Length), độ trễ truyền tin [1], kích thước bảng định tuyến (RTS: Routing Table Size) Độ trễ truyền tin khoảng thời gian gói tin bắt đầu khởi tạo nút nguồn (source node), gửi kênh truyền nhận nút đích (destination node) Độ trễ đạt giá trị thấp dấu hiệu hiệu cao Độ trễ lý thuyết tối thiểu tính tốn thơng qua mơ hình hóa mạng cặp đồ thị thuật toán định tuyến cho trước SIMGRID [17] công cụ cung cấp chức để mô ứng dụng phân tán quy mô lớn Grid, P2P hay Cloud Công cụ mô SIMGRID sử dụng để đánh giá thuật tốn định tuyến, ứng dụng MPI Kích thước mạng sử dụng để đánh giá đạt khoảng 256 nút máy tính tốn thơng thường đạt 1024 máy tính tốn có cấu hình mạnh Nhìn chung, phần mềm có tính phổ quát cao, tập trung mô thiết bị giao thức mạng cách chi tiết đầy đủ Nhằm đảm bảo phản ánh tương đối trọn vẹn trình yếu tố kỹ thuật đa dạng thực tiễn, hệ tập trung mô chi tiết Lớp mạng với thư viện cấu hình đối tượng phân cấp phức tạp, mô sát thực tế q trình truyền tin Do vậy, lượng thơng tin lưu trữ khối lượng tính tốn trở nên đồ sộ thường khó thực thi với mạng kích thước lớn (thậm chí khó khăn kích thước đạt đến hàng nghìn nút) Trong đó, việc khảo sát đánh giá MLK thường đòi hỏi thực nghiệm đánh giá đặc trưng đồ thị (cấu hình mạng) tính tốn hiệu giải thuật định tuyến, Định tuyến trình định hướng cho gói tin di chuyển từ nút nguồn S đến nút đích T mạng Các thuật toán định tuyến lựa chọn xác định đường (path) để gói tin truyền từ nguồn tới đích MLK xác định Thuật toán định tuyến đường ngắn (SPR: Shortest Path Routing, gọi Minimal Routing) [1] sử dụng mạng dạng chuẩn tắc (regular) Minimal Routing đảm bảo yếu tố stretch–13 [20] Ví dụ: 2-D Torus, 3-D Torus [1], FatTree [12], Hypercube sử dụng SPR Các thuật toán định tuyến tùy chọn (Custom Routing) thiết Tỉ lệ chiều dài đường định tuyến với chiều dài ngắn tô-pô mạng cặp đỉnh mạng 29 Các cơng trình nghiên cứu phát triển Cơng nghệ Thơng tin Truyền thơng (a) Mơ hình đầy đủ: NS2, OMNET++ (b) Mơ hình giản lược Hình Cấu trúc node mạng sử dụng mơ giao thức mức tương đối đơn giản nhằm đánh giá vài đặc trưng tổng thể thơng lượng mạng • III CÔNG CỤ PHẦN MỀM SO SÁNH VÀ ĐÁNH GIÁ TƠ-PƠ MLK SSINET • Kiến trúc tổng quan 1) Ý tưởng bản: Như đề cập, hệ công cụ mô phổ quát không khả thi đưa vào mơ mạng kích thước tương đối lớn, đối tượng xây dựng phức tạp Hình 1(a) cho minh họa đối tượng nút mạng với thuộc tính chi tiết phương thức truyền tin, kết nối mạng • • Nhằm mở rộng khả thi việc đánh giá tô-pô mạng lớn (có thể hàng chục nghìn, hay lên đến trăm nghìn nút), phương pháp chúng tơi tìm cách giản lược cấu trúc thông tin đối tượng nút mạng phương thức hoạt động bản, giữ lại yếu tố chủ chốt cần thiết Tất nhiên, hệ cơng cụ giản lược khơng cịn khả đáp ứng yêu cầu đa dạng mô mạng, tập trung vừa đủ vào thành phần cần thiết để không ảnh hưởng đến việc đánh giá tiêu chí hiệu MLK Cấu trúc thơng tin đồ thị thuộc tính vật lý: Thể liên kết nút mạng, tức cấu trúc thông tin dạng đồ thị, thuộc tính mặt vật lý không gian nút đối tượng liên quan (năng lượng, tốc độ, băng thông đường truyền, độ dài cáp nối v.v) Thuật tốn cấu trúc thơng tin định tuyến: thể khả khai thác liên kết mạng để đảm nhiệm nhiệm vụ định tuyến truyền tin theo thuật toán giao thức thiết lập sẵn Mô hoạt động truyền tin mạng bản: thể thu phát gói tin theo mơ hình thiết lập trước, thiết lập lịch trình kiện (discrete event scheduler), chế nhật ký điều khiển thời gian tương đối (relative timing) Mô hoạt động tương tác cạnh tranh tài nguyên nút mạng: thể hiện tượng tranh tài nguyên có số lượng nhiệm vụ truyền tin đáng kể (traffic mạng lớn phức tạp), dịng xếp hàng gói tin phát nhận chờ xử lý Có thể nói với tiếp cận mô giản lược này, quan tâm đánh giá so sánh MLK bao gồm hai yếu tố: thành phần đồ thị tô-pô hoạt động truyền tin theo thuật tốn định tuyến cho trước Do chúng tơi thực thi mô với điều kiện lý tưởng, như: truyền tin không lỗi, không xử lý sửa lỗi truyền tin, không xảy nhiễu mạng, không tiến hành gửi lại gói tin thời gian thiết lập kênh truyền không đáng kể Hệ công cụ tập trung vào trọng tâm mơ tả phản ứng đối tượng mạng thay đổi phương thức định tuyến đánh giá hiệu mạng tương ứng Khi thay đổi thuật tốn định tuyến, chúng tơi giám sát chế biến đổi Các hình 1(a) 1(b) liệt kê so sánh thuộc tính cấu hình nút mạng NS2 [22] cấu hình nút mạng đề xuất Theo tiếp cận mô giản lược này, nhận thấy để thỏa mãn đảm bảo việc đánh giá hiệu tô-pô MLK, hệ mô giản lược cần tập trung vào thực yếu tố cốt lõi sau 30 Tập 2019, Số 1, Tháng trạng thái đối tượng (các nút mạng) việc lưu trữ thông tin định tuyến node mạng, cập nhật trạng thái tồn mạng Chính yếu tố rút gọn lý tưởng nên tạm gọi phương pháp tiếp cận mô giản lược Có thể nói phương pháp thực nghiệm thua mô đầy đủ cần khảo sát chi tiết việc vận hành điều kiện thực tế giả định đó, nhiên đảm bảo hỗ trợ tốt việc đánh giá so sánh giải pháp, ví dụ so sánh hiệu hai thuật toán định tuyến khác hay hai thiết kế tơ-pơ khác nhau, v.v • • • Khối chức tổ chức quản lý thực nghiệm: • Sau chúng tơi sâu trình bày đề xuất kiến trúc tổng thể hệ công cụ thực nghiệm hỗ trợ đánh giá hiệu MLK xây dựng theo cách tiếp cận phân tích • Hệ công cụ đặt tên ngắn gọn SSiNET (Simplified Simulation of the interconnection NETwork) với mục tiêu chung cung cấp phần mềm chuyên dụng cho việc thiết lập, so sánh đánh giá có thơng qua mơ giản lược tơ-pơ MLK có kích thước lớn • Hệ SSiNET có ba khối chức Hai khối chức đầu xác lập tảng thỏa mãn bốn yếu tố thành phần mơ giản lược mà nêu Khối chức thứ ba xây dựng tầng để người sử dụng trực tiếp định nghĩa, xác lập tổ chức cấu hình tơ-pơ mạng phức tạp tiến hành thực nghiệm đánh giá theo dạng/thể loại thí nghiệm hỗ trợ xác lập trước Khối chức mô tả cấu trúc thiết lập cấu hình mạng: cho phép đảm bảo thao tác thiết lập đối tượng nút cấu trúc mạng (tức cấu trúc thông tin đồ thị thuộc tính vật lý) với chức sau • • Tạo tơ-pơ cách linh hoạt, với kích thước mạng lớn (lên tới hàng chục nghìn nút nữa) Cung cấp thư viện thiết lập sẵn gồm cấu trúc tô-pô Ring, Grid, Torus, Mesh Hỗ trợ người sử dụng (NSD), nhà nghiên cứu, để khai báo tạo tơ-pơ mạng theo quy luật Khối chức cài đặt định tuyến mô giản lược: thỏa mãn ba yếu tố lại bốn nêu nhờ xác lập chế định tuyến mô giản lược Các chức cụ thể là: • • Quản lý thực nghiệm phân tích đồ thị (graph analysis): cung cấp công cụ để NSD xây dựng thí nghiệm thực đánh giá tiêu chí hiệu liên quan đến đồ thị (như đường kính mạng, độ dài đường định tuyến trung bình, độ trễ truyền tin theo mơ hình) Quản lý thực nghiệm giao thông (traffic-related): cung cấp công cụ để xây dựng thực nghiệm đánh giá sức tải (capacity) thông lượng (throughput) mạng Quản lý thực nghiệm triển khai thiết bị mạng mặt sàn (layout design support) đánh giá giá thành (cost evaluation) Cấu trúc ba khối chức SSiNET minh họa hình Tại chọn thể minh họa cấu trúc tổ chức ba chiều để làm rõ thêm mặt quan trọng khác hệ thống tổng thể Ở mặt chúng tơi minh họa khái qt ba khối chức hệ thống: mơ tả cấu trúc thiết lập cấu hình mạng (NSC: Network Structure and Configuration), cài đặt định tuyến mô giản lược (RI&SS: Routing Implementation and Simplified Simulation) tổ chức quản lý thực nghiệm (EM: Experiment Manager) Có thể thấy kiến trúc phần thể tư phân tầng thường thấy: đối chiếu với mơ hình OSI bảy tầng NSC giữ vai trị mơ tầng (physical), RI&SS mô “giản lược” tầng từ đến (data link, network, transport) Còn lại, EM tương ứng với tầng (application) hỗ trợ NSD khai thác hệ công cụ (theo thực nghiệp chuyên dụng) Ở mặt trên, chúng tơi thể ba khía cạnh việc khai thác hệ công cụ để đánh giá (và so sánh) tôpô MLK Như biết, nói đến hiệu mạng (network performance) nói đến hai loại tiêu chí hiệu chính, loại thứ theo phương pháp phân tích đồ thị như: đường kính đồ thị, ARPL, độ trễ truyền tin Loại tiêu chí thứ hai thể hiệu mạng hoạt động có tải (traffic, with load) thường thực nghiệm phương pháp mô như: thông lượng, công suất tiêu thụ (power consumption), sức tải Chúng tơi mở rộng thêm khía cạnh thứ ba nữa, bắt đầu giới nghiên cứu quan tâm gần đây, hiệu bố trí triển khai mặt sàn (layout deployment) giá thành Một cách tóm tắt, chúng tơi đưa ba dạng thực nghiệm mà hệ thống hỗ trợ: topology (cho phân tích đồ thị), throughput 2) Kiến trúc mơ-đun chức giao diện SSiNET: • Mơ q trình thu phát xử lý gói tin Bộ lập lịch quản lý kiện rời rạc (Discrete Event Scheduler) Kiểm soát tương tranh kênh truyền quản lý dịng xếp hàng Thiết lập sẵn số thuật tốn định tuyến (như Minimal Routing) Hỗ trợ xây dựng thuật toán tự định nghĩa (Custom Routing) để áp dụng cho tô-pô cụ thể 31 Các công trình nghiên cứu phát triển Cơng nghệ Thơng tin Truyền thơng chế độ có tải Trong thực nghiệm này, gói tin gửi đồng loạt cặp nút (s, t) chu kỳ thời gian Đường nét đứt số (3) thể liên kết khối chức để thực nghiệm thông lượng Các thông tin đồ thị sử dụng với thông tin bảng định tuyến Các tham số số gói tin gửi/nhận (Tx/Rx packet), kiện chế quản lý hàng đợi gói tin (queue control) cài đặt để tiến hành gửi cặp nguồn-đích Thực nghiệm thơng lượng đánh giá tỉ lệ số lượng gói tin gửi từ tập nguồn S (s ∈ S) số lượng gói tin nhận tập đích T (t ∈ T) chu kỳ thời gian quan sát Khi thực liên tiếp nhiều thí nghiệm với yêu cầu giao thông tăng dần, thông số hội tụ đến giá trị cực đại (thời điểm bão hòa), qua ta đánh giá sức tải mạng Hình Sơ đồ thiết kế tổng quan (cho đánh giá hiệu có tải) layout (cho đánh giá bố trí mặt sàn triển khai) Dưới phân tích cụ thể loại thực nghiệm Ở chiều thứ ba (mặt bên khối lập phương hình 2) chúng tơi nhằm nêu bổ sung khía cạnh đơn giản mà khơng sâu Đó là, hệ cơng cụ cần có hỗ trợ GUI để biểu đạt diễn giải nhiều dạng thông tin kết chuyên biệt, như: biểu diễn đồ thị (cỡ lớn cần có qui hoạch phân lớp với chế thu phóng thích hợp), biểu diễn bố trí mặt sàn, biểu diễn traffic thông lượng Layout Experiments: Thực nghiệm bố trí xếp nút mạng sàn với dạng khai báo, mặt sàn thực tế lắp đặt nút server-room Lớp thực nghiệm đánh giá nảy sinh từ thực tiễn xây dựng TTDL cỡ vừa nhỏ mặt sàn không chuẩn (không gần nhau, ví dụ nhiều phịng tòa nhà), mà vấn đề kỹ thuật quan trọng thường đưa làm để áp dụng tơ-pơ chọn mặt sàn Như minh họa đường nét đứt số (1) hình 2, phân hệ Layout Experiment thực thi dựa quan hệ liên kết nút (trên đồ thị), thông số tọa độ mặt sàn, ta cần tính tốn phương án cài đặt để thiết bị mạng bố trí phù hợp diện tích cụ thể (Physical Properties, tạo khối chức NSC) Đơi có u cầu bố trí nhiều mặt sàn khác nhau, ví dụ: đầu vào tập sàn Li với cấu trúc hình học diện tích sàn thứ i cho trước Đây lớp tốn mà chúng tơi mong muốn nghiên cứu mở rộng sau Thiết kế chi tiết Dưới chúng tơi trình bày bổ sung thêm chi tiết thiết kế số thành phần quan trọng 1) Khối chức mô tả cấu trúc thiết lập cấu hình mạng: Khối chức có nhiệm vụ hỗ trợ NSD để nhanh chóng dễ dàng khai báo mơ tả cấu trúc đồ thị tô-pô cần khảo sát thơng số vật lý cấu hình nút tính tốn Dựa vào tham số cấu trúc tô-pô, phần mềm tạo tô-pô lưu trữ dạng tệp tin Graph.edges (Graph Info) lưu trữ liên kết nút mạng Graph.geo (Physical Properties) lưu trữ tọa độ nút mạng Topo Experiments: Thực nghiệm nhằm đánh giá phương pháp phân tích đồ thị để đưa thông số hiệu mạng theo nhóm Phương pháp khơng địi hỏi thực tiến hành mô truyền tin cặp node mạng, mà chế độ không tải (zero-load), chủ yếu xác định tính tốn độ dài đường cặp nút dựa cấu trúc tô-pô chế định tuyến xác lập (thuật toán định tuyến chọn) Trong hình 2, chúng tơi minh họa liên kết trực tiếp mô-đun phần mềm với mô-đun tương ứng tầng thông qua đường nét đứt số (2) Các thực nghiệm tô-pô cần sử dụng thông tin đồ thị (Graph Info) khối chức NSC áp dụng thuật toán định tuyến, thông tin bảng định tuyến (Routing Mechanism) khối chức RI&SS Cấu trúc đồ thị tô-pô mạng, ký hiệu G = (V, E), xác định với kích thước mạng N = |V |, X_size Y _size xác định kích thước chiều đồ thị G (trong hầu hết trường hợp thực tiễn, nút tính tốn bố trí đỉnh nút lưới vuông thực địa) Tơ-pơ theo tiếp cận mạng ngẫu nhiên có thêm tham số Number_of_random xác định số lượng liên kết ngẫu nhiên nút mạng Cấu trúc đồ thị chọn tập thư viện cài đặt sẵn, xây dựng với số điều kiện cần thỏa mãn Là thành phần khối chức năng, mô-đun chức tạo tô-pô (Topo Generating) hỗ trợ việc xây dựng tơ-pơ có kích thước lớn thông qua việc khai báo kiểu dạng tham số Đầu vào chức Throughput Experiments: Thực nghiệm để tính thơng lượng các yếu tố sức tải, đánh giá hiệu mạng 32 Tập 2019, Số 1, Tháng Hình Lưu đồ tạo tơ-pơ mạng Hình Sơ đồ thiết kế chi tiết bao gồm tham số đề cập mục III.1.1.Dựa tính chất đặc trưng loại tơ-pơ (ví dụ dạng lưới, dạng ngẫu nhiên, dạng có cấu trúc) hệ thống tạo liệu cho tơ-pơ đó; liệu lưu trữ tệp tin Graph.edges (lưu trữ danh sách cạnh kề nút đồ thị), tập tin Graph.geo (lưu trữ vị trí nút đồ thị) bảng định tuyến (s ∈ S) lưu trữ nút đồ thị Hình sơ đồ chi tiết trình khai báo sinh liệu tô-pô Lưu ý thêm nhãn (2) hình tương ứng với đường số (2) hình 2, thể trình thực nghiệm Topo Experiment đánh giá thông số hiệu mạng đường kính, độ trễ truyền tin, ARPL, RTS Nhãn (3) tương ứng với đường số (3) hình thể trình Throughput Experiment để đánh giá sức tải thông lượng mạng 3) Xây dựng chế định tuyến: 2) Các trình xử lý chính: Mơ-đun xác định thơng tin định tuyến lưu trữ nút mạng thực nút (phân tán) Tùy thuộc vào quy tắc định tuyến (routing rule) áp dụng, chương trình cập nhật thông tin định tuyến nút khác bảng định tuyến nút (RSu ∈V ), sử dụng phương thức CAM [23] hay TCAM [24] Các bảng định tuyến nút lưu thơng tin định danh nút đích (Destination_id), định danh nút (Next_node), cổng tương ứng (Output port) Hình mơ tả sơ đồ luồng điều khiển q trình xử lý SSiNET Về để so sánh đánh giá tơ-pơ, có hai loại thực nghiệm chính, thực nghiệm phân tích đồ thị (Topo Experiment), thông số dựa đồ thị tô-pô đánh không cần quan tâm đến traffic (không tải) thực nghiệm có traffic (Throughput Experiment) ta mong muốn đánh giá sức tải MLK mẫu traffic khác Quá trình xử lý phân tích đồ thị thể qua nửa trái với ký hiệu (2) hình vẽ, cịn q trình đánh giá sức tải thể qua nửa phải với ký hiệu (3) Cả hai trình khai thác đầy đủ phân hệ NSC Quyết định định tuyến: thơng tin nút đích T cập nhật vào phần tiêu đề gói tin (header packet) Tại nút trung gian u = (S, u1, u2, ,T), kỹ thuật tra cứu tương thích dài (Longest Prefix Matching Lookup Table) [25] sử dụng để so sánh định danh nút đích phần tiêu đề gói tin với định danh nút đích lưu trữ bảng định tuyến nút u Quyết định định tuyến thực thi sau xác định nút cổng tương ứng nút u, mơ tả hình Phần xây dựng chế định tuyến cấu thành đặc biệt mà hình thức xem nằm NSC cho phép NSD đăng ký lựa chọn thuật tốn có sẵn thư viện khai báo thông số cần thiết Tuy nhiên cấu thành có cho phép NSD xây dựng thuật tốn định tuyến riêng (theo mẫu hướng dẫn) API theo chuẩn qui định đưa vào cài đặt hệ thống Tất nhiên, chất cài đặt bổ sung thuật toán định tuyến tầng 2, RI&SS Qua đó, thuật tốn định tuyến chọn sử dụng, áp dụng với tô-pô tạo để chuẩn bị cho q trình thực nghiệm mơ 4) Thiết kế lớp chi tiết: Mạng thực tế cấu trúc thiết bị switch, router, host, wire Hình mơ tả thiết kế chi tiết thành phần gói mạng thực tế Để giả lập hoạt động mạng, ta cần trừu tượng hóa thành phần mạng (như host, switch, link, packet) mơ tả hình 33 Các cơng trình nghiên cứu phát triển Công nghệ Thông tin Truyền thông kết báo tương lai Để hoàn thiện tranh thiết kế tổng quan, giới thiệu số nét ý tưởng 1) Đánh giá hiệu làm việc có tải: Với phương châm mô giản lược, quan tâm quản lý kiện rời rạc (discrete event) xung quanh việc phát thu nhận gói tin Mơ hình thu phát cho phép xác định thời gian kỳ vọng phát hay thu gói tin theo độ dài biết, từ lời gọi phát hay thu gói tin làm tạo ra, lập lịch điều khiển kiện, gói tin kiện theo cấu trúc cho trước với thời điểm kích hoạt kiện tính trước đưa vào dịng xếp hàng Nhờ có nhãn thời gian (thời điểm cần xử lý nói trên) dịng kiện xâu chuỗi giúp mơ q trình thu phát hệ phân tán Sự hạn chế băng thông liên kết, hay khả xử lý tiếp nhận switch mô việc thành lập quản lý dòng xếp hàng yêu cầu (request) gửi đến Các dòng xếp hàng có kích thước cho trước nên đầy từ chối nhận thêm yêu cầu Việc xây dựng thành phần đối tượng cốt lõi nói đảm bảo việc mô giản lược hệ thống mạng phân tán chuỗi xử lý thu phát tin xâu chuỗi hợp lý để tạo dòng thời gian xử lý kiện, phản ánh thực tiễn cách hợp lý Những nghiên cứu dự định cho phép xây dựng công cụ đảm bảo đánh giá trung thực tiêu chí hiệu liên quan đến tải giao thơng sức tải thơng lượng MLK Hình Lưu đồ định định tuyến 2) Sử dụng phương pháp xấp xỉ: Các thực nghiệm tô-pô, đặc biệt qua mô phỏng, tiến hành giả lập chip tính tốn (CPU) với nhớ (RAM) hữu hạn Do đó, khó có khả thực với mạng kích thước lớn, áp dụng phương pháp giản lược mà chúng tơi đề xuất Để nâng tính khả thi thực nghiệm đánh giá tơ-pơ mạng kích thước lớn nữa, đề xuất bổ sung kỹ thuật tính tốn xấp xỉ đánh giá đặc tính đồ thị Kỹ thuật khai thác đặc điểm quan sát thấy MLK kiểu mới, đặc biệt tô-pô tạo theo mô hình ngẫu nhiên, việc xây dựng định tuyến hai cặp nguồn–đích độc lập với Ví dụ, nhìn chung xây dựng đường cặp nút (u, v), không phụ thuộc vào việc xây dựng cho cặp (u ′, v ′) khác Từ đó, ta thấy khơng cần thiết phải có trình khởi đầu xây dựng bảng định tuyến cho tất nút mạng, mà tiến hành on-the-fly, tức có nhiệm vụ định tuyến nảy sinh bảng định tuyến cho nút nguồn trung gian xây dựng phục vụ trực tiếp cho nhu cầu chỗ (và tích lũy cho sau này) Hơn số đặc tính hiệu ARPL tính xấp xỉ cách: thay tính độ dài đường tất Hình Thiết kế kỹ thuật chi tiết SSiNET • • • Host: máy chủ TTDL, có chức gửi nhận gói tin Switch: thiết bị liên kết máy chủ với nhau, cần dựa vào mơ-đun định tuyến để tìm đường switch mạng Link: đường liên kết thành phần đầu cuối mạng (network terminal), liên kết có băng thơng riêng Các vấn đề hồn thiện Đây dự án tiếp tục thực báo chúng tơi trình bày kết đạt được: cách tiếp cận, kiến trúc tổng quan hệ thống số môđun lõi, tập trung vào nhóm thực nghiệm đánh giá tơ-pơ hiệu đặc tính đồ thị định tuyến Chúng tơi tiếp tục hồn thiện phần thực nghiệm sức tải thông lượng (traffic related) với trung tâm vấn đề xử lý tương tranh dịng đợi, dự định cơng bố 34 Tập 2019, Số 1, Tháng cặp nút nguồ– đích lấy trung bình, cần thực với tỷ lệ tương đối thấp (vài phần trăm) cặp nguồn–đích Phần IV báo cáo số kết thực nghiệm khả quan khảo sát áp dụng kỹ thuật xấp xỉ 250 RSN - TZ 200 Routing Table Size Fat Tree - SPR IV KẾT QUẢ THỰC NGHIỆM Đây dự án phần mềm có yêu cầu tương đối cao nên thực số khối chức bản, có khối chức đánh giá phương diện phân tích đồ thị Sau chúng tơi trình bày số kết thực nghiệm với hệ công cụ phân tích đồ thị, yêu cầu đánh giá cốt lõi Chúng minh họa hiệu công cụ mô SSiNET cách giả lập mạng với kích thước khác nhau, so sánh với thời gian thực thi giả lập cơng cụ NS3 [15] Torus - Greedy 150 100 50 0 2000 4000 6000 8000 10000 Number of network nodes Hình Tính tốn kích thước bảng định tuyến 6000 Với loại tô-pô cụ thể, chúng thường áp dụng vài thuật toán định tuyến để đánh giá hiệu MLK Do vậy, mục IV.1 IV.2, thử nghiệm với tơ-pơ thuật tốn định tuyến tương ứng sau: FatTree [12] – SPR, Kleinberg – Small-world – SPR, 2-D Torus [1] – Gready, RSN – TZ [18] Kết thực nghiệm không đánh giá cặp tham số tô-pô thuật toán định tuyến hiệu hơn, mà xác định khả thực nghiệm SSiNET Chúng tơi thí nghiệm kích thước 210 , 211 , 212 , 213 Ngoài ra, cấu trúc đặc thù FatTree [12], sử dụng kích thước 2000 4394 tương ứng với 211 212 tương ứng với tơ-pơ cịn lại Torus - Greedy RSN - TZ 5000 Latency (seconds) SmallWorld - SPR Fat Tree - SPR (N = 4394) 4000 3000 2000 1000 0 2000 4000 6000 8000 10000 Number of network nodes Ở thời điểm sản phẩm công cụ tập trung vào lớp thực nghiệm phân tích đồ thị, nên chưa có nhiều thông tin để so sánh đánh giá lực thực thi với công cụ khác, ngoại trừ so sánh thu triển khai bước đầu phần mơ thơng lượng mục IV.3 Hình Độ trễ truyền tin mạng đường truyền cáp quang nano giây mét dài [1, 13] Độ trễ truyền tin tồn mạng L tính tốn dựa cơng thức sau: Kích thước bảng định tuyến) N N (Pathhop (i, j) ∗ 100 + Pathlength (i, j) ∗ 5), (1) L= SPR xây dựng bảng định tuyến với kích thước O(N), với N kích thước mạng Do đó, thử nghiệm, chúng tơi khơng trình bày kết SPR tơ-pơ Kleinberg – Smallworld Hình biểu diễn RTS 2-D Torus khơng đổi với kích thước mạng, tính chất cấu trúc vịng đặc thù Torus Trong đó, FatTree – SPR có RTS đạt 1, 25% 0, 31% kích thước mạng 210 213 tương ứng, RSN – TZ[18] có RTS 7, 78% 2, 57% tương ứng i=1 j=1 đó, Pathhop (i, j) số “hop”4 đường ngắn Pathlength (i, j) chiều dài đường ngắn i j Với tổng số cặp đường Σpair(i, j), độ trễ trung bình tính theo cơng thức: AvgLatency = L Σpair(i, j) (2) Hình kết thử nghiệm tính tốn độ trễ Trong đó, với cấu trúc đặc thù dạng cây, đường kính mạng bé, FatTree [12], đạt độ trễ thấp kích thước Độ trễ truyền tin (Latency) Chúng tiến hành thực nghiệm tính tốn độ trễ với tham số độ trễ switch 100 nano giây, độ trễ Số 35 “khoảng” hai nút liền kề đường định tuyến Các cơng trình nghiên cứu phát triển Công nghệ Thông tin Truyền thông Bảng II ĐỘ TRỄ TRUNG 16,000 SSiNET NS3 BÌNH Execution Time (seconds) 14,000 AvgLatency 1024 2048 4096 1% 536,80 628,24 712,59 850,08 10,000 2% 536,05 628,11 712,35 850,46 8,000 5% 535,92 628,13 712,40 850,48 6,000 10% 536,15 628,22 712,31 850,49 100% 612,85 767,49 723,18 850,41 12,000 8192 4,000 Bảng III THỜI GIAN THỰC THI 2,000 2,000 2,662 3,456 4,394 5,488 6,750 Hình Thời gian thực thi SSiNET NS3 Bảng I 100% 5% 100% 5% Diameter 7,00 7,00 8,10 8,00 AvgLatency MẠNG VỚI CÁC TỈ LỆ KÍCH THƯỚC MẠNG Diameter 1024 2048 4096 8192 1% 6,30 7,00 7,90 8,00 2% 6,80 7,00 8,00 8,00 5% 7,00 7,00 8,00 8,00 10% 7,00 7,00 8,00 8,00 100% 7,00 7,00 7,90 8,00 8192 Tỉ lệ thử nghiệm ARPL ĐƯỜNG KÍNH 1024 Kích thước mạng Number of Network nodes RunTime 4,51 4,52 5,93 612,85 535,92 850,08 850,48 5,93 5,74 1,02 1083,38 68,24 kích thước mạng Tập ứng viên tính tốn theo công thức (N ∗ (N − 1)) ∗ p%, p=1, 2, 5, 10, với N kích thước mạng Bảng I cho thấy kết thực nghiệm tính đường kính mạng với tỉ lệ 1%, 2%, 5%, 10%, 100% Trường hợp 100% tính tốn tồn cặp nguồn đích, tức thực đầy đủ thơng lệ Các trường hợp 1% 2% có giá trị đường kính mạng sai khác 10% 3% với trường hợp 100%, tương ứng Tuy nhiên với tỉ lệ 5% 10% sai khác khơng có tương đối nhỏ so với 100% Ngay độ trễ trung bình sai khác 10%, đặc biệt với mạng kích thước 4096, sai khác 1% 2% tương ứng Bảng II thử nghiệm Trong đó, Torus có độ trễ cao sử dụng định tuyến (DOR: Dimension Order Routing [1]), số hop đường định tuyến cao so với mạng ngẫu nhiên Kleinberg – Smallworld Các kết so sánh tương đối tơ-pơ (và thuật tốn định tuyến) nói phản ánh khớp với nhận định thu từ khảo sát thông qua [12, 18, 20] Với phương pháp xấp xỉ trên, thời gian thực thi mạng giảm đáng kể Ví dụ, thời gian thực thi giảm 82, 25% 93, 70% với kích thước mạng 1024 8192 tương ứng, Bảng III Những kết thực nghiệm cho thấy rõ phương pháp thực nghiệm xấp xỉ đề xuất hứa hẹn nên triển khai đầy đủ Kết bước đầu đánh giá thông lượng Cuối cùng, minh hoạ việc giả lập MLK Fat Tree [12] với việc giá trị k thay đổi từ 20 đến 30 Để đo đạc hiệu SSiNET, chúng tơi sử dụng máy tính Intel Core i7 2, GHz với nhớ GB Hình cho thấy thời gian thực thi chương trình giả lập hoạt động SSiNET NS3 [15], hình cung cấp cho người đọc thấy rõ ràng SSiNET thời gian khoảng 40 phút (2564 giây) để giả lập mạng Fat-tree với k = 30 (ở mạng có k ∗ k ∗ k/4 = 6750 nodes) NS3 yêu cầu tới khoảng V KẾT LUẬN Trong nghiên cứu này, đề xuất cách tiếp cận cho việc thiết kế công cụ thực nghiệm đánh giá tô-pô MLK theo phương châm mô giản lược trình bày thiết kế tổng quan chi tiết cho sản phẩm công cụ SSiNET, phát triển theo tiếp cận Công cụ cho phép đánh giá so sánh tơ-pơ có kích thước lớn phương diện truyền thống đặc tính đồ thị định tuyến đặc tính khai thác có tải Ngồi hồn thiện, cơng cụ cịn cho phép tiến hành thực nghiệm Phương pháp xấp xỉ Trong phương pháp này, tiến hành lấy ngẫu nhiên số cặp nguồn–đích theo tỉ lệ p% so với 36 Tập 2019, Số 1, Tháng đánh giá bố trí triển khai mặt sàn Qua cho phép nhà nghiên cứu thử nghiệm thiết kế tô-pô cách đa dạng linh hoạt mà khơng phải phát triển chương trình riêng để cài đặt tơ-pơ thuật tốn định tuyến có sẵn [10] A Singla, C.-Y Hong, L Popa, and P B Godfrey, “Jellyfish: Networking data centers randomly,” in Presented as part of the 9th {USENIX} Symposium on Networked Systems Design and Implementation ({NSDI} 12), 2012, pp 225–238 [11] Y Yu and C Qian, “Space shuffle: A scalable, flexible, and high-bandwidth data center network,” in 2014 IEEE 22nd International Conference on Network Protocols IEEE, 2014, pp 13–24 [12] M Al-Fares, A Loukissas, and A Vahdat, “A scalable, commodity data center network architecture,” in ACM SIGCOMM Computer Communication Review, vol 38, no ACM, 2008, pp 63–74 [13] I Fujiwara, M Koibuchi, H Matsutani, and H Casanova, “Skywalk: A topology for HPC networks with low-delay switches,” in 2014 IEEE 28th International Parallel and Distributed Processing Symposium IEEE, 2014, pp 263– 272 [14] J Kim, W J Dally, S Scott, and D Abts, “Technologydriven, highly-scalable dragonfly topology,” in 2008 International Symposium on Computer Architecture IEEE, 2008, pp 77–88 [15] D Wong, K T Seow, C H Foh, and R Kanagavelu, “Towards reproducible performance studies of datacenter network architectures using an open-source simulation approach,” in 2013 IEEE Global Communications Conference (GLOBECOM) IEEE, 2013, pp 1373–1378 [16] “OMNeT++ discrete event simulator.” [Online] Available: https://www.omnetpp.org [17] “Simgrid: Versatile simulation of distributed systems.” [Online] Available: http://simgrid.gforge.inria.fr [18] M Thorup and U Zwick, “Compact routing schemes,” in Proceedings of the thirteenth annual ACM symposium on Parallel algorithms and architectures ACM, 2001, pp 1– 10 [19] S Lederer, Y Wang, and J Gao, “Connectivity-based localization of large-scale sensor networks with complex shape,” ACM Transactions on Sensor Networks (TOSN), vol 5, no 4, p 31, 2009 [20] M Benito, E Vallejo, and R Beivide, “On the use of commodity ethernet technology in exascale HPC systems,” in 2015 IEEE 22nd International Conference on High Performance Computing (HiPC) IEEE, 2015, pp 254–263 [21] L J Cowen, “Compact routing with minimum stretch,” Journal of Algorithms, vol 38, no 1, pp 170–183, 2001 [22] “Network simulation: NS2.” [Online] Available: https://ns2tutor.weebly.com [23] K Pagiamtzis and A Sheikholeslami, “Content-addressable memory (CAM) circuits and architectures: A tutorial and survey,” IEEE journal of solid-state circuits, vol 41, no 3, pp 712–727, 2006 [24] H Liu, “Routing table compaction in ternary CAM,” IEEE Micro, vol 22, no 1, pp 58–64, 2002 [25] C Basso, J L Calvignac, G T Davis, and P C Patel, “Longest prefix match lookup using hash function,” Apr 20 2010, US Patent 7,702,630 Sản phẩm thực phần bản, nên báo tập trung giới thiệu thiết kế chi tiết phần giới thiệu vài kết thực nghiệm liên quan Trong giai đoạn phát triển tiếp theo, tiếp tục hồn thiện SSiNET, có việc hồn thiện chức mô cho phép đánh giá yếu tố hiệu quan trọng khác thông lượng mạng Đồng thời kỹ thuật phương pháp thực nghiệm xấp xỉ hoàn thiện để nâng cao tính khả thi cơng cụ với việc đánh giá MLK có kích thước lớn lớn GHI NHẬN TÀI TRỢ Nghiên cứu tài trợ Trường Đại học Bách khoa Hà nội đề tài mã số T2017-LN-15 TÀI LIỆU THAM KHẢO [1] W J Dally and B P Towles, Principles and practices of interconnection networks Elsevier, 2004 [2] M Koibuchi, H Matsutani, H Amano, D F Hsu, and H Casanova, “A case for random shortcut topologies for HPC interconnects,” in 2012 39th Annual International Symposium on Computer Architecture (ISCA) IEEE, 2012, pp 177–188 [3] N Farrington, G Porter, S Radhakrishnan, H H Bazzaz, V Subramanya, Y Fainman, G Papen, and A Vahdat, “Helios: a hybrid electrical/optical switch architecture for modular data centers,” ACM SIGCOMM Computer Communication Review, vol 41, no 4, pp 339–350, 2011 [4] C Guo, G Lu, D Li, H Wu, X Zhang, Y Shi, C Tian, Y Zhang, and S Lu, “BCube: a high performance, servercentric network architecture for modular data centers,” ACM SIGCOMM Computer Communication Review, vol 39, no 4, pp 63–74, 2009 [5] C Guo, H Wu, K Tan, L Shi, Y Zhang, and S Lu, “Dcell: a scalable and fault-tolerant network structure for data centers,” in ACM SIGCOMM Computer Communication Review, vol 38, no ACM, 2008, pp 75–86 [6] L Gyarmati and T A Trinh, “Scafida: A scale-free network inspired data center architecture,” ACM SIGCOMM Computer Communication Review, vol 40, no 5, pp 4–12, 2010 [7] H Wu, G Lu, D Li, C Guo, and Y Zhang, “MDCube: a high performance network structure for modular data center interconnection,” in Proceedings of the 5th international conference on Emerging networking experiments and technologies ACM, 2009, pp 25–36 [8] A Greenberg, J R Hamilton, N Jain, S Kandula, C Kim, P Lahiri, D A Maltz, P Patel, and S Sengupta, “VL2: a scalable and flexible data center network,” in ACM SIGCOMM computer communication review, vol 39, no ACM, 2009, pp 51–62 [9] J.-Y Shin, B Wong, and E G Sirer, “Small-world data centers,” in Proceedings of the 2nd ACM Symposium on Cloud Computing ACM, 2011, p 37 Các cơng trình nghiên cứu phát triển Cơng nghệ Thông tin Truyền thông Kiều Thành Chung tốt nghiệp Kỹ sư Công nghệ Thông tin năm 2003 Thạc sĩ Công nghệ Thông tin năm 2010 Trường Đại học Bách Khoa Hà Nội Năm 2016, tác giả nghiên cứu Viện Công nghệ Thông tin Quốc gia Nhật Bản (NII), nghiên cứu sinh Viện Công nghệ Thông tin Truyền thông (SoICT), Trường Đại học Bách khoa Hà Nội Lĩnh vực nghiên cứu bao gồm: mạng liên kết, thuật toán định tuyến Nguyễn Khanh Văn tốt nghiệp Kỹ sư Tin học Trường Đại học Bách Khoa vào năm 1992, Thạc sỹ Khoa học Máy tính Đại học Wollongong (Úc) vào năm 2000 Tiến sĩ Khoa học Máy tính Đại học California-Davis (Mỹ) vào năm 2006 Hiện ơng Phó Giáo sư, giảng dạy nghiên cứu Viện Công nghệ Thông tin Truyền thông, Trường Đại học Bách khoa Hà Nội Các lĩnh vực nghiên cứu bao gồm: thuật tốn mơ hình lý thuyết tính tốn phân tán mạng máy tính (mạng liên kết, mạng cảm biến khơng dây), an tồn thơng tin Nguyễn Tiến Thành tốt nghiệp Kỹ sư Công nghệ Thông tin năm 2008 Thạc Sĩ ngành Công nghệ Thông tin năm 2011 Đại học Bách Khoa Hà Nội Hiện tác giả giảng viên Viện Công nghệ Thông tin Truyền thông, Trường Đại học Bách khoa Hà Nội Lĩnh vực nghiên cứu tác giả bao gồm: công nghệ phần mềm, kiểm chứng mô hình mạng tự điều khiển (self-driving networks) 38 ... qua tiếp cận này, đánh giá đề xuất việc so sánh với giải pháp có cấu hình mạng kích thước lớn mà trước chưa thể thực Bài báo trình bày nét tiếp cận đề xuất kiến trúc sở cho hệ công cụ phần mềm đánh. .. động đầy đủ hệ thống mạng thực tế, lại không thực ảnh hưởng tới việc so sánh đánh giá tơ-pơ mạng với theo tiêu chí hiệu • Đề xuất thiết kế tổng thể công cụ đánh giá hiệu MLK, kết hợp tính tốn theo... cụ thể sau: Một thách thức lớn địa hạt nghiên cứu vấn đề đề cập trên: tổ chức đánh giá qua thực nghiệm với mơ hình mạng kích thước lớn, vượt xa kích thước mạng truyền thống Để đánh giá tô-pô MLK,