Tiết kiệm năng lượng trong trung tâm dữ liệu

Tuy ầ ể ự ể ủnhiên, bên cạnh đó, ngành ICT cũng là một trong những nguyên nhân làm tăng lượng CO2trong bầu khí quyể ới hơn 2% lượng COn v 2thải vào bầu khí quyển [ ].7 Trong đó, các Trun

TRUNG TÂM D Ữ LI Ệ U: V Ấ N Đ Ề TIÊU TH Ụ NĂNG LƯỢ NG VÀ CÁC C Ấ U TRÚC

M u ở đầ

Nói một cách chung nhất, Trung tâm dữ liệuđược xây dựng nhằm đáp ứng các nhu cầu:

Khi doanh nghiệp phát triển, việc tập trung dữ liệu để quản lý và cung cấp cho các chi nhánh trở nên cần thiết hơn bao giờ hết.

Các dịch vụ trực tuyến hiện nay phải đối mặt với khối lượng thông tin khổng lồ, do đó cần một hệ thống mạnh mẽ để xử lý Trung tâm dữ liệu đã được phát triển để đáp ứng nhu cầu này một cách hiệu quả.

Triển khai hệ thống Trung tâm dữ liệu đòi hỏi chi phí lớn, nhưng việc tiết kiệm chi phí quản lý và bảo dưỡng là rất cần thiết Gộp nhiều hệ thống không chỉ nâng cao khả năng xử lý mà còn mang lại hiệu quả kinh tế cho doanh nghiệp.

Để hiểu rõ hơn về khả năng và sức mạnh của hệ thống trung tâm dữ liệu, chúng ta cần nắm bắt những tính năng quan trọng của nó.

- Nơi tích hợp tất cả các công nghệ hàng đầu về mạng, hệ thống và phần mềm ứng dụng

Mạng được thiết kế đặc biệt để đáp ứng yêu cầu cao về tốc độ truyền dữ liệu giữa các thiết bị, đồng thời đảm bảo tính ổn định và bảo mật hệ thống mạng Trung tâm dữ liệu được cấu hình tối ưu, cho phép hệ thống duy trì hoạt động bình thường ngay cả khi một kết nối gặp trục trặc, với tốc độ kết nối luôn ở mức cao.

Nguyễn Ngọc Anh – KTTT1 – 2011B Luận văn thạc sĩ kỹ thu t ậ

Hệ thống máy chủ hiệu năng cao mang đến khả năng xử lý ứng dụng với độ trễ tối thiểu và thời gian phản hồi nhanh chóng Nó hỗ trợ đa dạng ứng dụng và cấu hình tối ưu, đảm bảo hệ thống hoạt động liên tục 24/7.

Các phần mềm hỗ trợ tối ưu hóa hiệu năng phần cứng giúp kết nối các máy chủ trong Cluster, tăng cường sức mạnh cho máy chủ và khả năng sao lưu dữ liệu Khi xảy ra sự cố, hệ thống có thể phục hồi nhanh chóng, đảm bảo dữ liệu được bảo vệ và không bị mất.

Hình 1.1 Mô hình tổng quát c a trung tâm d li u ủ ữ ệ 1.2 Kiến trúc mạng trung tâm d ữliệu

1.2.1 Kiến trúc trung tâm d li u ữ ệ

Các trung tâm dữ u liệ được xây dựng theo cấu trúc phân lớp Thông thường m tột rung tâm dữ u liệ có ba lớp chính:

- Lớp Edge: Tập hợp các server quản lý bởi một Switch và Switch này được gọi là Top of Rack Switch

- Lớp Aggregation: Tập hợp các Switch hoặc Router kết nối với lớp Edge và Core

- Lớp Core: Tập hợp các Core kết nối với lớp Aggregation và mạng Internet

Hình 1.2 Mô hình Trung tâm dữ ệ li u ba lớp

Trong một trung tâm dữ liệu ba lớp, yêu cầu từ các server trong một rack được chuyển đến Switch ở Edge, sau đó được chuyển tiếp đến Switch hoặc Router ở tầng Aggregation, và cuối cùng đến Router ở tầng Core để kết nối với mạng Internet.

Các thi t bế ị ở ớ l p Core ít hơn và đắt tiền hơn ở ớ l p Edge và Aggregation

S ố lượng link kết nối ở ớ l p Aggregation lớn hơn rất nhiều ở ớ l p Core

Ngày nay, các trung tâm dữ liệu lớn chứa hàng nghìn thiết bị mạng như switch và server, đang ngày càng mở rộng về quy mô và số lượng Mạng lưới trung tâm dữ liệu nhằm kết nối nhiều server, cung cấp dịch vụ định tuyến hiệu quả và đảm bảo khả năng chống lỗi cho các tầng ứng dụng cao hơn Tuy nhiên, các kiến trúc mạng truyền thống (kiến trúc 2N) gặp nhiều vấn đề như khả năng mở rộng thấp và rủi ro mất mát lớn khi xảy ra lỗi tại một điểm Gần đây, nhiều kiến trúc nâng cao đã được đề xuất, điển hình là các kiểu kiến trúc Fat Tree và BCube.

Hình 1.3 Kiến trúc của một trung tâm dữ u liệ điển hình

Kiến trúc này bao gồm các rack chứa server và thiết bị mạng, với các rack được kết nối trực tiếp đến các switch tầng dưới Những switch này sau đó kết nối với các switch tầng trên, tạo thành một hệ thống liên kết chặt chẽ với các core switch.

Một sốtopology thường dùng trong trung tâm dữ liệu:

• BCube1: xây dựng t n BCubeừ 0 và n switch n port

• BCubek: xây dựng t n Bcubeừ k-1 và n k switch n port

• Mỗi server trong BCubekcó (k+1) port (được đánh s ừ level 0 đếố t n level k).

(k+1) level switch, m i level có nỗ k swicth n port

 S dử ụng các server được trang bị nhiều cổng mạng và các mini-switch để xây dựng cấu trúc đệ quy

 DCell0là khối cơ b n đả ểxây dựng các DCell lớn hơn Nó gồm n server và 1 mini switch.-

 Giao tiếp server 2 chiều giữa bất kỳ2 server nào trong các DCell khác nhau. c

DCellở1 cấp được kết nối với DCell cùng cấp và với các node ở ấp trên.

 Yêu cầu s ố ợlư ng cáp l n ớ

Giả ử s có k m c DCellứ , n server cho DCell0 Ta có: gk = tk-1 + 1 tk = gk * tk-1

Trong đó: g k : sốDCellk-1 có trong DCellk tk : s server trong 1 ố DCellk

Ví Dụ: với k=3 và n= 6 thì DCell có thể phục vụ kho ng 3.26 triả ệu servers

Core switch và Aggregation swicth kết n i vố ới nhau tạo thành đồ ị th 2 phía đầy đủ

IP anycast là một phương thức chuyển dữ liệu đến nút mạng gần nhất hoặc tốt nhất Kỹ thuật này sử dụng định tuyến ECMP (Equal Cost Multi Path Routing), cho phép nhiều đường đi có cùng chi phí để đến đích.

VL2 utilizes two types of IP addresses: Location-specific IP Addresses (LAs), which are assigned to all switches and interfaces using link-state routing protocols, and Application-specific IP Addresses (AAs), which are designated for applications.

- Aggregation swicth và Access switch kết nối với nhau tạo thành đồ ị th 2 phía đầy đủ

- S dử ụng Fat tree topology và khái niệm Pod Thiết kế định tuyến và chuyển tiếp cụthể cho t ng fat tree topology thay vì cho topo chung ừ

Lu ậ n văn này làm vi c v ớ i topology d ạ ng FatTree v ớ i các openflow switch, b ộ ệ điề u khi ển NOX trong môi trườ ng gi l p Mininet ả ậ

Kiến trúc Fat Tree mang lại nhiều lợi ích trong việc định tuyến chống lỗi ở tầng 2.5 thông qua việc sử dụng P MAC, đồng thời hỗ trợ khả năng truyền lưu lượng đầy đủ theo cả hai chiều với băng thông tối đa.

Kiến trúc mạng này được thiết kế dựa trên các switch k-port, thường được nghiên cứu trong mô hình 3-stage Fat Tree Trong kiến trúc này, số lượng host được hỗ trợ là 2^k/4, sử dụng 5 * 2^k/4 switch k-port Fat Tree được chia thành k pod, mỗi pod chứa 2^k/4 host Trong cấu trúc này, switch core là 2^k/4, số lượng switch aggregation bằng với số lượng switch edge là 2^k/2.

Hình 1.8 Kiến trúc Fat Tree 3 l- ớp với k=4

Trung tâm d ữ ệ li u xanh

1.3.1 Tác động của ngành ICT với môi trường

Ngành công nghệ thông tin và truyền thông (ICT) hiện nay góp phần đáng kể vào sự gia tăng lượng CO2 trong bầu khí quyển Sự hoạt động liên tục của hàng triệu máy tính, trạm thu phát vô tuyến, trung tâm dữ liệu với hệ thống làm mát, thiết bị điện tử, server và hàng trăm triệu điện thoại di động trên toàn cầu tiêu thụ năng lượng lớn và thải ra khí carbon trong suốt quá trình hoạt động.

H ệquả là lượng CO2 thải ra bầu khí quyển từ hoạ ột đ ng của ngành ICT chiếm từ 2- 2,5% trong tổng lượng CO2 trên toàn cầu, tương đương 1 Gigaton [18]

Hình 1.10 Lượng CO2 t các thành phừ ần ICT [7]

Máy tính cá nhân và màn hình 40%

Thông tin cố định đường dây 15% Thông tin đi động 9%

LAN và mạng văn phòng 7%

Trong lĩnh vực ICT, lượng CO2 thải ra chủ yếu đến từ các máy tính và màn hình, chiếm 40% tổng lượng phát thải Các trung tâm dữ liệu và hệ thống máy lạnh đóng góp 23%, trong khi các mạng cố định và di động chiếm 24% Cuối cùng, mạng LAN và máy in góp phần 13% vào tổng lượng khí thải này.

Hiệu ứng nhà kính đang làm trái đất nóng lên, gây ra những tác động tiêu cực đến môi trường toàn cầu Giá nhiên liệu tăng cao và việc sử dụng lãng phí điện năng trong các trung tâm dữ liệu đã tạo ra nhu cầu cấp thiết cho các doanh nghiệp công nghệ thông tin (CNTT) trong việc tiết kiệm năng lượng Dự đoán của các chuyên gia cho thấy tương lai sẽ thuộc về những doanh nghiệp áp dụng các hệ thống CNTT tiêu thụ năng lượng hiệu quả và thải ra ít khí độc hại nhất.

Một trong những vấn đề nổi bật hiện nay là tìm giải pháp tiết kiệm năng lượng cho các trung tâm dữ liệu Các nghiên cứu đang tập trung vào việc phát triển các kiến trúc và thuật toán tối ưu hóa, nhằm cải thiện hiệu suất năng lượng Thông thường, các trung tâm dữ liệu được thiết kế để chịu tải trong những tình huống xấu nhất, như tải tăng đột ngột và giờ cao điểm với nhiều người dùng Tuy nhiên, trong phần lớn thời gian, mức tải sử dụng lại thấp hơn đáng kể, đặc biệt là sự chênh lệch lớn giữa lưu lượng ngày và đêm Lưu lượng thường đạt đỉnh vào ban ngày và giảm xuống rất thấp vào ban đêm, trong khi các thiết bị vẫn hoạt động, dẫn đến tiêu tốn năng lượng không cần thiết Một nghiên cứu đã chỉ ra rằng năng lượng tiêu thụ tại các trung tâm dữ liệu ở Mỹ rất cao.

Năm 2006, mức tiêu thụ năng lượng đạt khoảng 3 tỷ kWh, mặc dù đã có nhiều nỗ lực trong việc chế tạo các thiết bị mạng nhận thức năng lượng, như việc chuyển sang trạng thái idle khi không có lưu lượng Tuy nhiên, năng lượng tiêu thụ vẫn chưa giảm đáng kể, đặc biệt trong thời điểm lưu lượng thấp, vẫn tiêu thụ tới 90% so với mức đỉnh Nguyên nhân chính là do vẫn cần một lượng lớn năng lượng cho các thiết bị khác như hệ thống làm lạnh server và line cards.

Hình 1.11 cho thấy mức độtiêu thụ năng lượng c a các thành ph n chính trong ủ ầ một trung tâm dữliệu hiện nay [20]

Hình 1.11 Các thành phần tiêu th ụnăng lượng trong trung tâm dữ ệ li u 1.3.2 Trung tâm dữ ệ li u xanh là gì

Trung tâm Dữ liệu Xanh (Green Datacenter) được thiết kế với hệ thống tối ưu nhằm tiết kiệm điện năng và giảm thiểu lãng phí Mục tiêu của trung tâm là thân thiện với môi trường, giảm chi phí vận hành và bảo trì hiệu quả.

Công nghệ xanh không chỉ mang lại môi trường làm việc an toàn cho người lao động mà còn giúp doanh nghiệp nâng cao uy tín và trách nhiệm với cộng đồng Điều này đặc biệt quan trọng trong bối cảnh áp lực về giảm thiểu khí thải nhà kính và bảo vệ môi trường ngày càng gia tăng.

1.3.3 Phương pháp tiết kiệm năng lượng trong trung tâm d li u xanh ữ ệ

Với mục tiêu tiết kiệm năng lượng trong trung tâm dữ liệu, Brandon Heller tại đạ ọi h c Stanford đã để xu t mô hình ElasticTree cho trung tâm d li u [3] ấ ữ ệ

ElasticTree là một mạng lưới quản lý năng lượng thông minh, có khả năng tự động điều chỉnh các thiết lập của các thành phần mạng như liên kết và switch, nhằm đáp ứng sự thay đổi về lưu lượng từ trung tâm dữ liệu Nhờ vào ElasticTree, các trung tâm dữ liệu có thể tiết kiệm từ 25-40% năng lượng của mạng, đồng thời vẫn duy trì khả năng xử lý hiệu quả khi lưu lượng tăng cao.

Mô hình ElasticTree bao gồm 3 module chính được minh họa trong Hình 1.12

Nhiệm vụ chính c a các module trong mô hình ElasticTree: ủ

 Module Tối ưu hóa m ng: ạ

- Tìm những mạng con tiêu thụ năng lượng ít nhất nhưng v n đáp ẫ ứng đư c các điợ ều ki n giao thông hi n tệ ệ ại

- Đầu vào: của module này là topo của mạng, ma trận lưu lượng, mẫu năng lượng của các switch và đặc tính kh ng lá ỗi

- Đầu ra: Tập hợp các thành phần mạng có hiệu lực tới Power Control và Routing Module

TỐI ƯU MẠNG ĐỊ NH TUY N Ế ĐIỀU KHI N CÔNG SUỂ ẤT

Tắt/ bật các cổng, link

 Module Điều khi n công suể ất: Điều chỉnh trạng thái của các c ng, switch, ổ liên kết

Module Định Tuyến: Sau khi nhận đầu ra từ module Optimizer, module này sẽ đảm nhận vai trò chọn đường đi cho các luồng dữ liệu và lưu trữ chúng vào mạng.

Thuật toán Optimizer là một giải pháp nhận thức lưu lượng, giúp xác định switch nào cần được tắt khi không cần thiết phải đáp ứng cho lưu lượng hiện tại Tuy nhiên, thuật toán này vẫn đảm bảo hiệu suất mạng không bị ảnh hưởng, tránh gây ra mất mát hoặc sự cố trong mạng do việc tắt switch không hợp lý.

Một sốthuật toán điển hình :

Mô hình chính thức là một thuật toán phức tạp yêu cầu nhiều tính toán nhưng có khả năng tạo ra đồ hình con tối ưu nhất Với các thông số đầu vào như dung lượng link, lưu lượng yêu cầu, ma trận lưu lượng, đồ hình và mô hình năng lượng của switch, thuật toán sử dụng MathProg và Hệ thống Mô hình Đại số Tổng quát (GAMS) để tối ưu hóa Những ngôn ngữ này cho phép tính toán các mô hình tối ưu, đảm bảo đáp ứng được tải lưu lượng trong mạng Tuy nhiên, nhược điểm của thuật toán này là quá trình tính toán phức tạp và thời gian để đưa ra đồ hình con khá lâu.

Thuật toán này tính toán tất cả các đường đi khả thi cho mỗi luồng và chọn luồng bên trái nhất mà vẫn có khả năng chứa được luồng này Sau khi các luồng đã được ấn định đường đi, thuật toán sẽ quyết định đồ hình con tối ưu cuối cùng Mặc dù thuật toán yêu cầu biết trước ma trận lưu lượng, nhưng thời gian tính toán nhanh hơn so với thuật toán Formal Model.

Thuật toán Topology-aware Heuristic cho phép tìm kiếm đồ hình con một cách nhanh chóng với yêu cầu tính toán đơn giản So với các phương pháp khác, nó yêu cầu ít thông tin hơn, dẫn đến thời gian tính toán ngắn hơn Phương pháp này hoàn toàn tách rời với bộ định tuyến, cho phép áp dụng cùng với thuật toán định tuyến bất kỳ Nếu có sự cố xảy ra ở bộ phận định tuyến, hệ thống sẽ tự động kích hoạt tất cả các switch để đảm bảo quá trình định tuyến diễn ra bình thường mà không gây ra mất mát.

Cách tiếp cận của thuật toán này đáp ứng nhu cầu lưu lượng, với các switch tầng dưới không quan tâm đến switch agg nào ở tầng trên đang hoạt động mà chỉ chú ý đến số lượng switch tầng trên đang hoạt động Mỗi switch tầng dưới trong mỗi pod có cái nhìn tương tự, và số switch tầng trên cần hoạt động phải tương đương với số link cần thiết để đáp ứng lưu lượng từ nguồn hoạt động mạnh nhất ở phía dưới Cái nhìn nhất quán từ mỗi pod lên tới core sẽ cho biết số lượng core switch cần hoạt động.

MÔ HÌNH TH Ử NGHI Ệ M

Các công c ụ th ử nghi m 28 ệ 1 Công ngh ệ OpenFlow

OpenFlow được xem là một giải pháp tiên tiến cho phép các nhà nghiên cứu thử nghiệm và phát triển các giao thức mới trong mạng mà không làm ảnh hưởng đến lưu lượng mạng hiện tại Hệ thống này hoạt động dựa trên các switch Ethernet, với một bảng lưu lượng (flow-table) bên trong và giao diện tiêu chuẩn hóa cho phép thêm hoặc loại bỏ các mục lưu lượng Nhờ vào OpenFlow, quản trị viên mạng có khả năng phân chia lưu lượng theo các quy tắc riêng biệt và nghiên cứu các luồng lưu lượng đó một cách hiệu quả.

OpenFlow cung cấp cho các nhà quản trị mạng khả năng xác định và quản lý dòng lưu lượng trong mạng mà không làm ảnh hưởng đến lưu lượng hiện tại Nó cho phép thiết lập các chính sách để tìm đường tự động, đáp ứng các yêu cầu như băng thông cao hơn, độ trễ thấp hơn, giảm số lượng node trung gian và tiết kiệm năng lượng Do đó, OpenFlow được coi là một công cụ hữu ích giúp quản trị mạng thực hiện hiệu quả các công nghệ lưu lượng trong hệ thống.

2.1.2 Môi trường giả lập Mininet [9]

Mininet là một công cụ mạnh mẽ hỗ trợ nghiên cứu, phát triển, mô hình hóa, kiểm thử và sửa lỗi trong lĩnh vực mạng máy tính Nó cung cấp một môi trường mô phỏng cho hàng trăm node trên một máy tính duy nhất, cho phép triển khai các thử nghiệm với các ý tưởng mới trong networking mà không cần sử dụng các switch vật lý.

Mininet là một công cụ tuyệt vời cho việc xây dựng môi trường thử nghiệm mạng với chi phí thấp, giúp phát triển các ứng dụng mạng Việc sử dụng các switch OpenFlow trong Mininet cho phép người dùng tận dụng đầy đủ các tính năng mà switch OpenFlow thực thụ có, mang lại nhiều lợi ích cho việc học tập và nghiên cứu trong lĩnh vực mạng.

- Cho phép ki m th các ể ử topology ph c t p ứ ạ mà chưa cần triển khai vật lý.

- Cho phép khả năngdeb ch y c c a mug và ạ ác test ủ các ạng l s d ng ớn, ử ụ CLI.

- H p gy tùy bi n b t k , g m tỗtrợto olo ế ấ ỳ ồ ập c b n ơ ả các thông s ốtop o.

- Có th em ể đ triển k t mhai rên ạng th t v i cậ ớ ode hoàn toàn hông k c n t y ầ ha đổi

- Cung c p Pyấ thon API d ễdàng s dử ụng và có k h ả năng ở ộ m r ng

Mininet là một công cụ mạnh mẽ giúp dễ dàng thu thập các đặc tính mạng và thử nghiệm các công cụ tùy ý Điều quan trọng là mã nguồn mà người dùng phát triển và kiểm tra bằng Mininet cho bộ điều khiển OpenFlow, switch hay host, có thể hỗ trợ triển khai hệ thống phân phối thực tế với độ tin cậy cao So với các phương pháp ảo hóa khác như OpenFlow, Mininet mang lại nhiều ưu điểm vượt trội.

VMS và Noxrepo.o VM cung cấp môi trường ảo hóa hiệu quả, cho phép khởi động nhanh chóng chỉ trong vài giây Hệ thống này hỗ trợ khả năng mở rộng linh hoạt, có thể chứa hàng trăm node và cung cấp băng thông cao hơn với tổng băng thông lên tới 2Gbps với phần cứng thông thường Việc cài đặt cũng rất dễ dàng, với sẵn bản VMWare cho việc tải xuống.

Nhược điểm hiện nay của hệ thống Mininet là chỉ chạy được trên Linux, gây hạn chế về hiệu năng do chỉ hoạt động trên một Laptop/PC, vì vậy hiệu suất phụ thuộc vào tài nguyên của thiết bị đó Tuy nhiên, trong tương lai, những hạn chế này sẽ được khắc phục thông qua việc phát triển Mininet để có thể chạy trên nhiều PC khác nhau, và có khả năng cài đặt trên một số hệ điều hành khác ngoài Windows.

Trong mạng lưới OpenFlow, bộ điều khiển đóng vai trò quan trọng trong việc quản lý các OpenFlow Switch và giao thông mạng Các bộ điều khiển phổ biến bao gồm bộ điều khiển mặc định, NOX, SNAC và Beacon Trong số này, NOX được xem là bộ điều khiển chính và đáng chú ý nhất.

NOX là một controller OpenFlow mã nguồn mở, cung cấp nền tảng cho việc phát triển phần mềm quản lý mạng như ứng dụng routing và firewall Người dùng có thể lập trình các module và ứng dụng trong NOX bằng C++ hoặc Python Mặc dù vẫn đang trong quá trình phát triển, NOX đã được sử dụng rộng rãi trong cộng đồng nghiên cứu và phát triển, đặc biệt là trong các dự án liên quan đến OpenFlow.

NOX hỗ trợ các mạng doanh nghiệp lớn với hàng triệu thiết bị và mạng gia đình thông qua một số switch đơn giản trên nền tảng nhúng hiệu năng cao, có khả năng đạt tốc độ lên tới Gigabit.

Here is the rewritten paragraph:Nền tảng này cung cấp môi trường thử nghiệm lý tưởng cho các nhà nghiên cứu và phát triển, cho phép họ triển khai và thử nghiệm các ý tưởng mới trong mạng gia đình hoặc doanh nghiệp với phần cứng thật Với khả năng điều khiển toàn diện các kết nối trong mạng, các nhà phát triển có thể dễ dàng tùy chỉnh và thêm vào các bộ điều khiển riêng của mình, mang lại kết quả thử nghiệm chính xác và hiệu quả.

- Cung c p tấ ne work so tware f h u ữ ích cho các operato s,r g m có vi c ồ ệ quản lý t p ậ trung cho t t c ấ ả các switch trong mạng, u k n uy nh p c a điề hiể tr ậ ủ người dùng,…

- Cung cấp các chức năng mạng phức tạp (quản lý, theo dõi, ki m soát truy ể cập, chứng thực,…) trên các thiết bịchuyển mạch.

NOX cung cấp một mô hình quản lý tập trung cho toàn bộ mạng, cho phép một chương trình kiểm soát tất cả các quyết định chuyển tiếp trên các switch Điều này giúp chương trình phát triển dễ dàng hơn so với kiểu phân tán.

D-ITG (Distributed Internet Traffic Generator) là công cụcó khả năng tạo ra lưu lượng m ng m c gói (packetạ ở ứ -level) với các luồng lưu lượng tuân theo các phân bố ngẫu nhiên chọn trước

Một dòng lưu lượng trong D-ITG được xác định bởi:

- Packet Inter Departure Time (IDT) : khoảng thời gian truyền 2 gói liên tiếp.

- Packet Size (PS): lượng dữliệu được truyền trong 1 gói.

Hình 2.1 Luồng dữ ệ li u trong D-ITG

C ảhai tham sốPacket Size và Inter Departure Time trong D-ITG đều tuân theo các phân bố ng u nhiên phẫ ổ biến như: constant, uniform, exponential, pareto, normal, cauchy…

 ITGSend: Chịu trách nhi m th c hiệ ự ện quá trình phát lưu lượng, ITGSend làm việc ở ộ m t trong 3 chế độ :

- Daemon mode: ITGSend được điều khi n tể ừ xa b i ITGManager s ở ử dụng ITGApi

- ITGSend tạo ra m t file bộ ản ghi mô tả ở ấ c p độgói lưu lượng gửi đi.

Tập tin này có thể được lưu tr ạữ t i chính máy tính đóng vai trò sender hoặc tại một máy tính khác bằng cách sử ụ d ng server ITGLog.

 ITGRecv: Thực hi n quá trình phát nhệ ận lưu lượng t i bên thu ạ

- Luôn “lắng nghe” các kết nối TSP (Traffic Specification Protocol):

- ITGSend và ITGRecv thực hiện xác thực trước khi bắ ầt đ u phát nh- ận.

- Tương tự như ITGSend, ITGRecv tạo ra log file mô tả ở ứ m c gói mỗi luồng mà nó nhận được

ITG Log là máy chủ lưu trữ, chuyên thu thập và xử lý dữ liệu thống kê về quá trình tạo lập, lưu trữ thông tin chi tiết ở mức gói dữ liệu liên quan đến việc gửi và nhận dữ liệu.

Các thông tin này có thểđư c lưu trợ ữ ạ t i các server gửi/nhận (local log file) hoặc ởLog Sever (remote log file).

 ITGManager: Quản lý các sender thông qua các k t n i TSP ế ố

- Tạo/Đóng kết nối giữa host nhận và gửi.

- Trao đổi thông tin về ộ m t quá trình liên lạc.

- Phát hiện các sựkiện phát sinh

 ITGDec: Dựa vào các s li u log_fie, ITGDec s x ố ệ ở ẽ ửlý và đưa ra các kết quả ề ờ v th i gian trễ trung bình, tỉ ệ ấ l m t gói, jitter trung bình

- Tạo/Đóng kết nối giữa host nhận và gửi

- Trao đổi thông tin v m t quá trình liên l c ề ộ ạ

- Phát hiện các s ki n phát sinh ự ệ

Mô hình th ử nghi ệ m

Hệ thống đề xuất trong dự án được xây dựng và kiểm nghiệm thông qua các công cụ giả lập như Mininet, OpenFlow, NOX, D-ITG Phương pháp này mang lại ưu điểm đặc biệt với kiến trúc mô phỏng tương đương kiến trúc vật lý, cho phép áp dụng các khối điều khiển chức năng đã thực hiện trên mô hình để kiểm tra trên cấu trúc vật lý mà không cần thay đổi cấu hình hay mã nguồn Nhiều nhà nghiên cứu khuyến cáo sử dụng các công cụ giả lập vì chúng giúp tiết kiệm chi phí, đặc biệt là chi phí xây dựng trung tâm dữ liệu Kết quả mô phỏng từ các công cụ này có thể chạy chính xác trên các thiết bị thực, và cộng đồng nghiên cứu có thể chia sẻ mô hình phát triển dễ dàng thông qua phần mềm.

Hình 2.3 Sơ đồkhối mô hình testbed

Các thành ph ầ n trong h ệ th ố ng th ử nghi ệ m:

Kiến trúc mạng trung tâm dữ liệu sử dụng mô hình Fat Tree ba lớp với số port ở mỗi switch là k=4 hoặc 6, cho phép kết nối tối đa 16 hoặc 54 host Công cụ Mininet hỗ trợ xây dựng mạng mô phỏng, bao gồm việc tạo ra các switch, server và liên kết giữa các thành phần Mininet cũng cho phép tùy chỉnh các liên kết và lập trình thêm để quản lý các switch và server Nhóm nghiên cứu đã tích hợp module Fatree vào Mininet, cho phép mô hình hóa trung tâm dữ liệu với quy mô đa dạng, lên đến hàng trăm thiết bị, thông qua việc điều chỉnh số port ở mỗi switch.

Bộ tối ưu (Optimizer) được phát triển trên nền tảng NOX, với chức năng chính là tính toán và đưa ra đường hình ngầm tối ưu, nhằm giảm thiểu năng lượng tiêu thụ.

Để đáp ứng nhu cầu lưu lượng trong mạng, khối này yêu cầu đầu vào bao gồm đồ hình mạng, ma trận lưu lượng, mô hình công suất của switch và giá trị ngưỡng để chống lỗi khi xảy ra sự thay đổi đột ngột về lưu lượng Sử dụng thuật toán Topology Aware Heuristic, đầu ra sẽ là đồ hình tối ưu với các thành phần mạng cần được hoạch định để gửi đến bộ định tuyến và điều khiển công suất.

Bộ dự đoán lưu lượng (Traffic Predictor) được phát triển trên nền tảng công cụ NOX, sử dụng phương pháp thống kê để phân tích lưu lượng trên từng liên kết Thuật toán EWMA (Exponential Weighted Moving Average) được áp dụng để dự đoán lưu lượng tiếp theo trên từng liên kết Khi lưu lượng đến, hệ thống sẽ gửi thông tin đến bộ điều khiển công suất để điều chỉnh trạng thái dự đoán cho tất cả các liên kết trong mạng Điều này giúp tối ưu hóa hiệu suất sử dụng liên kết trong khi vẫn đảm bảo các tiêu chuẩn về lưu thông bình thường Lưu lượng trung bình tại thời điểm hiện tại được tính dựa trên lưu lượng trung bình tại thời điểm trước đó (t-1) theo thuật toán EWMA.

-   là giá trị lưu lượng tại thời điểm quan sát t

-   là giá trịlưu lượng trung bình t i thạ ời điểm t

-  (  ) là giá trịlưu lượng trung bình t i thạ ời điểm (t- 1)

-  nằm trong khoảng (0;1): thông thường lấy giá trị khoảng 0,2÷0,3

Thông tin về lưu lượng traffic tại thời điểm xác định được cung cấp thông qua việc sử dụng component Monitoring trong NOX Component này cho phép theo dõi số bytes nhận và gửi tại mỗi cổng của switch, thông qua trường portcounter trong bản tin thống kê switch, từ đó tính toán giá trị traffic một cách chính xác.

- là tốc độ g i ử /nhận tức thời của port đang xét

-   là tổng số bytes đã gửi/nhận của port đang xét tại thời điểm

-   là tổng số bytes đã gửi/nhận của port đang xét tại thời điểm

- là khoảng thời gian giữa hai lần đọc,  =    

Bộ điều khiển công suất thực hiện chức năng gửi tín hiệu bật tắt switch qua mạng, hiện đang sử dụng API của các công cụ mô phỏng như NOX và Mininet Các nhà phát triển đang triển khai các switch có khả năng khởi động nhanh thông qua tín hiệu OpenFlow, đồng thời thực hiện việc điều khiển tắt bật trong môi trường thực tế Ngoài ra, bộ điều khiển còn nhận thông tin từ các thiết bị đo lường lưu lượng để thực hiện điều chỉnh khi đạt đến ngưỡng tối đa của đường link.

Bộ định tuyến R thực hiện định tuyến cho các luồng theo đồ hình mới sử dụng thuật toán định tuyến cân bằng tải phân cấp Hierarchical Load-Balancing Routing Algorithm, tìm tất cả các tuyến liên kết giữa nguồn và đích, ưu tiên định tuyến theo tuyến có giá và tải ít nhất Việc này giúp phân phối tải đều trên tất cả các link trong mạng, tránh tình trạng quá tải lên một số link trong khi các link khác vẫn rảnh rỗi Phân phối tải cân bằng không chỉ tăng thông lượng mà còn nâng cao tính tin cậy cho mạng trung tâm dữ liệu Dựa trên kiến trúc 3 tầng của mạng trung tâm dữ liệu, lưu lượng được phân loại thành 3 loại khác nhau Thuật toán định tuyến còn được bổ sung mô hình định tuyến phân tầng để giảm lưu lượng không cần thiết trong mạng Hai bộ tối ưu và định tuyến hoạt động hoàn toàn độc lập với nhau.

Nếu không tính toán và gửi thông tin topo sang bộ định tuyến, tất cả các thiết bị mạng sẽ chuyển sang trạng thái hoạt động bình thường để đảm bảo mạng hoạt động ổn định Khả năng tiết kiệm năng lượng sẽ được tính toán dựa trên số lượng switch, tổng số link và số lượng thiết bị bật.

Bộ phát lưu lượng (Traffic Generator) có nhiệm vụ tạo ra mô hình lưu lượng tương tự như các trung tâm dữ liệu thực, được xây dựng thông qua công cụ phát lưu lượng D-ITG, ngôn ngữ lập trình C, và tích hợp vào các server trên Mininet Nhóm nghiên cứu đã tìm hiểu các đặc tính lưu lượng trong trung tâm dữ liệu và nhận thấy quy luật phân bố ngẫu nhiên phổ biến nhất là phân bố log-normal Họ đã thành công trong việc bổ sung mô hình phát lưu lượng theo phân bố log-normal vào bộ phát lưu lượng D-ITG, vì D-ITG ban đầu không hỗ trợ phát lưu lượng tuân theo phân bố này.

Trong môi trường giả lập Mininet, một mạng lưới trung tâm dữ liệu nhỏ được thiết kế với kiến trúc Fat Tree 3 lớp, bao gồm 20 switch 4 cổng và kết nối 16 server Mạng được chia thành 4 POD, mỗi POD chứa 4 switch với 2 switch tổng hợp (agg switch) và 2 switch biên (edge switch) Switch lõi (core switch) là 4, và các switch cùng host được ký hiệu tương ứng.

- Giá trịID của server: chạy từ 1-16, tương đương IP chạy từ 10.0.0.1 đến 10.0.0.16 và giá trị MAC t 00ừ :00:00:00:01 đến 00:00:00:16

- Giá trịID core switch : chạy từ 17 đến 20

Giá trị ID của các switch trong tất cả các POD từ 21 đến 36 tăng dần từ trái sang phải, bắt đầu từ vị trí của switch agg và sau đó đến switch edge trong từng POD.

Hình 2.4 Ký hiệu các switch và host trong Mininet Đồng thời th t các port trên mứ ự ột switch được ký hiệu như hình 2.5

Hình 2.5 Ký hiệu các port của một switch trong Mininet

Sau khi hoàn tất quá trình topo, bộ điều khiển NOX được khởi động cùng với module định tuyến và tối ưu đã được xây dựng Kết quả kiểm tra cho thấy module routing hoạt động hiệu quả mà không gây xung đột với các thành phần khác, đồng thời đường định tuyến cũng được hiển thị rõ ràng trên màn hình.

Với sự ế k t hợp của các thành viên trong nhóm nghiên cứu OpenFlow, các khối module đã được phối hợp v i nhau tớ ạo thành giao di n giệ ả ậ l p như Hình 2.6

Hình 2.6 Giao di n giệ ả lập

Các thành phần của giao diện:

1 Mininet Terminal : c a sử ổ chạy các lệnh trong

Mininet như: thiết lập topo m ng, truy cạ ập vào các host, ki m tra các k t nể ế ối, phát lưu lượng…

2 Biểu đồ theo dõi s ự thay đổi của lưu lượng mạng và đi n năng củệ a các switch trong mạng

Biểu diễn trạng thái năng lượng của mạng khi tất cả các switch trong mạng đ u đưề ợc bật (mức năng lượng là 100% )

Biểu diễn trạng thái năng lượng của mạng khi s dử ụng module optimizer, chỉ một số switch hoạ ột đ ng

Biểu diễn trạng thái lưu lượng của mạng thay đổi theo th i gian ờ

Mức đi năng đư c đệ ợ ề cập trong giả ậ l p liên quan đến đi n năng c a các switch Điệ ủ ện năng tiết kiệm được xuất phát từ việc giảm s lượng switch tham gia trong mạng.

Mức đi n năng tiệ ết kiệm = 󰉯  󰉞

Topo m ng giạ ả ậ l p được bi u diể ễn một cách trực quan với các host -

Các switch hoạ ột đ ng - và các switch đượ ắc t t -

Mô hình lưu lượ ng

Dựa vào kiến trúc 3 tầng của mạng trung tâm dữ liệ lưu lượu, ng chảy trong trung tâm dữ liệu được phân loại thành các mô hình sau:

Mô hình Near traffic đề cập đến lưu lượng dữ liệu chảy giữa hai host được kết nối trực tiếp với cùng một switch ở tầng ToR Tất cả các luồng lưu lượng này sẽ được chuyển qua switch trung gian mà không cần đi lên tầng Aggregation.

3 TOTAL TRAFIC: Biểu diễn lưu lượng c a ủ mạng theo Mbps

POWER SAVING: Biểu diễn phần trăm điện năng tiết kiệm được khi áp d ng các thuụ ật toán optimizer và routing (%)

Hình 2.7 Near Traffic – Lưu lượng ch y qua duy nh t m t switch ả ấ ộ

Mô hình Middle Traffic cho phép các server gửi lưu lượng cho nhau trong cùng một POD, với lưu lượng giữa hai host đi qua hai switch ToR khác nhau Khi đó, tất cả lưu lượng giữa hai host này sẽ được chuyển lên switch trung gian để tập trung tại tầng Aggregation, sau đó mới đi xuống tầng ToR mà không cần lên tầng Core.

Hình 2.8 Mid traffic - Lưu lượng chảy trong m t pod ộPOD 1

Mô hình Far Traffic đề cập đến lưu lượng giữa hai host nằm trong hai pod khác nhau Lưu lượng này sẽ di chuyển từ tầng ToR lên tầng Aggregation, sau đó tiếp tục lên tầng Core trước khi đi xuống.

Hình 2.9 Far traffic - Lưu lượng chảy qua các pod khác nhau

Mô hình Mix Traffic cho phép mỗi server gửi lưu lượng đến các server trong cùng POD và bên ngoài POD, kết hợp nhiều mô hình lưu lượng khác nhau.

CHƯƠNG III – XÂY D Ự NG M Ạ NG TRUNG TÂM D Ữ

LI Ệ U V Ớ I CÁC QUY MÔ KHÁC NHAU

K ị ch b ả n th ử nghi m 43 ệ 3.2 K ế t qu ả th ử nghi ệ m

Thực hiện giả lập hệ thống với các quy mô mạng khác nhau, bao gồm các giá trị của k (số port trên mỗi switch lần lượt là 4, 6 và 8), tương ứng với quy mô trung tâm dữ liệu nhỏ và vừa, cùng với số lượng thiết bị tương ứng trong bảng dữ liệu.

- S dử ụng bộ phát lưu lượng D ITG, phát 2 flow- t ừ host nguồn tới host đích.

- Luồng dữliệu: o Kích thước gói và ITD (Inter Departure Time) tuân theo phân b ố ngẫu nhiên Log-normal o Tốc độtrung bình: ~2000 kbps o Kích thước gói (k v ng): 1096-1346 bytes ỳ ọ

- Các link có dung lượng 1 000 000 bit (1Mb)

Chúng tôi đã tiến hành mô phỏng với các giá trị khác nhau của k (4, 6, 8) trong các trường hợp khác nhau Cụ thể, Near Traffic 1 là tình huống khi các host thuộc cùng một edge switch; Near Traffic 2 là khi các host thuộc cùng một Pod; Midle Traffic là các host thuộc hai Pod gần nhau; Far Traffic là các host thuộc hai Pod cách xa nhau; và cuối cùng, Mix Traffic là việc gửi lưu lượng giữa 25% tổng số host trong mạng.

- So sánh mức độtiết kiệm năng lượng v i các quy mô khác nhau cớ ủa trung tâm dữ liệu.

Nguyễn Ngọc Anh – KTTT1 – 2011B Luậ

 Near Traffic 1: Các host thuộc cùng một edge switch

Hình 3.1 Kết quảthửnghiệm với Near Traffic v i các quy mô mớ ạng khác nhau k 4 6 8

 Near Traffic 2: các host thuộc cùng một Pod. k 4 6 8

Hình 3.2 Kết quảthửnghiệm với Near Traffic v i các quy mô mớ ạng khác nhau

Hình 3.3 Kết quảthửnghiệm với MidleTraffic với các quy mô mạng khác nhau k 4 6 8

Hình 3.4 Kết quảthửnghiệm với Far Traffic với các quy mô mạng khác nhau k 4 6 8

 Mix Traffic: Phát-nhận lưu lượng giữa 25% sốhost

Hình 3.5 Kết quảthửnghiệm với Mix Traffic với các quy mô mạng khác nhau k 4 6 8

Nguyễn Ngọc Anh KTTT1 – 2011B Lu– ận văn thạc sĩ kỹ thu t ậ

Mức tiết kiệm năng lượng:

Hình 3.6 Mức tiết kiệm năng lư ng khi k thay đổợ i

S ố lượng Switch không hoạ ột đ ng:

Near Traffic 1 Near Traffic 2 Middle Traffic Far Traffic Mix Traffic k=6 k=4 k=8

Hình 3.7 S ố lượng switch không hoạt đ ng khi k thay độ ổi

S ố lượng Switch hoạ ột đ ng:

Hình 3.8 S ố lượng switch hoạt đ ng khi k thay độ ổi

Near Traffic 1 Near Traffic 2 Middle Traffic Far Traffic Mix Traffic k=6 k=4 k=8

Nhận xét: Với cùng loại lưu lư ng phát đi, cùng m t dung lượ ộ ợng link:

- Khi tham số k trong topology FatTree thay đổi, quy mô của m ng (s thi t ạ ố ế bị, số ế k t nối…) cũng thay đổi theo (tỉ ệ l thuận): k tăng => quy mô của mạng càng lớn

- Đường thay đ i năng lưổ ợng biến đổi theo sự thay đổi của lưu lượng

Trong việc mở rộng quy mô mạng lớn (k=8), việc tối ưu hóa mã lập trình là rất quan trọng, vì cần phải điều chỉnh mã cho phù hợp với số lượng thiết bị trong mạng Cấu hình máy cũng cần đáp ứng khả năng giả lập với yêu cầu cao, bao gồm CPU tốc độ lớn và dung lượng RAM tối thiểu 4GB Khi quy mô mạng tăng lên, thời gian thu thập kết quả cũng kéo dài, bắt đầu từ khi khởi chạy topo mạng cho đến khi hoàn tất các luồng lưu lượng Sử dụng máy chủ với cấu hình CPU Intel® Xeon® Processor Quad-core 1.3 GHz và RAM 2GB, thời gian để hoàn thành kết nối giữa các host (thời gian ping thành công giữa các host) mất khoảng 30-40 phút.

ĐÁNH GIÁ CH T LƯ – Ấ Ợ NG D Ị CH V VÀ KH Ụ Ả NĂNG TI Ế T

K ị ch b ả n th ử nghi m 52 ệ 4.2 K ế t qu ả th ử nghi m 53ệ

Bài viết này mô phỏng trung tâm dữ liệu trong hai trường hợp: sử dụng module Optimizer và không sử dụng Optimizer, với các quy mô mạng khác nhau (16 host và 54 host) Kết quả thu thập được về QoS, bao gồm thời gian gói tin truyền từ host gửi đến host nhận, sẽ được so sánh với từng mức tiết kiệm năng lượng để đánh giá sự đánh đổi giữa tiết kiệm năng lượng và chất lượng dịch vụ.

- Mức độ s dử ụng mạng (Network utilization), được tăng d n đầ ến 100% (tất cả các host đ n phát lưu lưề ợng b ng v i tằ ớ ốc độ ố t i đa của m i link ỗ

Thu thập dữ liệu về độ trễ, tỷ lệ mất gói và mức tiết kiệm tại các host nhận để phân tích và đánh giá kết quả Phương pháp thực hiện là lấy giá trị trung bình của mỗi tham số cho toàn bộ mạng.

Optimizer : topo sử ụ d ng bộoptimizer tắt bật switch phù hợp đểtiết kiệm năng lượng cho trung tâm giữ ệ li u

Non-Optimizer: topo không sử ụ d ng bộoptimizer nên các switch đều bật và hoạt động tối đa công suất

Hình 2 S4 o sánh độ ễ tr giữa hai kịch b n optimizer và non-optimizer ả

Hình 4.3 Mức tiết kiệm năng lượng giữa optimizer và non-optimizer

Hình 4.4 Mối liên hệgiữa mức độtiết kiệm năng lượng, độ ễ tr và t l ỉ ệ mất gói giữa optimizer và non-optimizer

M ứ c ti ế t ki ệ m năng lư ợ ng

- Với k=4 Packet loss rate khi Network utilization dưới 70% đạt 0%

- Khi Network Utilization đạt 70% trởlên bắ ầt đ u có mất gói

- Delay trung bình tăng d n khi Network Utilization tăngầ , mức độ tiết kiệm năng lượng giảm d n t ầ ừ35% đến 10%

Việc sử dụng b Optimizer cho phép tiết kiệm năng lượng từ 10% đến 35% khi mức độ sử dụng mạng dưới 60% mà không ảnh hưởng đến chất lượng dịch vụ, cụ thể là tỉ lệ gói và độ trễ không thay đổi Tuy nhiên, khi mức độ sử dụng mạng tăng lên từ 60% đến 100%, mặc dù có sự chênh lệch về chất lượng dịch vụ (QoS) nhưng không đáng kể, với độ trễ tối đa là 6ms và tỉ lệ gói bị mất chỉ 1,8% Trong trường hợp này, mức tiết kiệm năng lượng giảm xuống còn 10% đến 15%.

Sử dụng bộ Optimizer năng lượng có thể tiết kiệm từ 10% đến 35% chi phí, với độ trễ chỉ 6ms và tỷ lệ mất gói chỉ 1,8% so với việc không sử dụng.

So sánh kết quả tiết kiệm năng lượng tiêu thụ khi sử dụng các thuật toán tiết kiệm năng lượng khác nhau cho các khoảng cách gần, trung bình, xa và hỗn hợp Các phương pháp này cho thấy sự khác biệt rõ rệt trong hiệu quả tiết kiệm năng lượng, giúp tối ưu hóa việc sử dụng năng lượng trong các ứng dụng thực tế Việc lựa chọn thuật toán phù hợp với từng kịch bản sẽ mang lại lợi ích lớn về mặt tiết kiệm chi phí và bảo vệ môi trường.

- % Power Optimizer: Năng lượng tiêu thụkhi sử ụ d ng bộ Optimizer

- % Power LSA : Năng lượng tiêu thụkhi sử ụ d ng bộ ự đoán d và thích ứng lưu lượng Link Sate Adaptive

- % Pmax : Năng lượng tiêu thụ khi topo phải bật tất cảcác switch

Kịch bản: phát lưu lượng bằng DITG dạng log normal-

- Near : phát các hosts cùng Edge

- Middle : phát lưu lượng giữa các hosts cùng Pod

- Far : phát lưu lượng giữa các hosts khác Pod

- Mix : tổng hợp các kiểu phát ởtrên

Hình 4.6 Độtrễtrong hai kịch bản S dử ụng Optimizer và không sử ụ d ng

Hình 4.7 Mức tiêu thụ năng lượng khi sử ụ d ng các thu t toán khác nhau vậ ới kịch bản ear N

Hình 4.8 Mức tiêu thụ năng lượng khi sử ụ d ng các thu t toán khác nhau vậ ới kịch bản Middle

%Power Optimizer %Power LSA %Pmax Network Utilization

Hình 4.9 Mức tiêu thụ năng lượng khi sử ụ d ng các thu t toán khác nhau vậ ới kịch bản Far

Hình 4.5 Mức tiêu th ụnăng lượng khi sử ụ d ng các thuật toán khác nhau với kịch bản Mix

Trong trường hợp k=6, độ chênh lệch về thời gian khi sử dụng Optimizer và không sử dụng cao nhất là 1ms (so với 1ms trong trường hợp k=4) Mặc dù độ chênh lệch này không lớn, nhưng có thể tiết kiệm năng lượng từ 25% đến 40%, cho thấy sự đánh đổi này là hợp lý và đáng chú ý.

Khi sử dụng bộ LSA (Link State Adaptive), tỉ lệ phần trăm tiêu thụ năng lượng ở tất cả các kịch bản phát khác nhau thấp hơn so với bộ Optimizer Điều này cho thấy bộ LSA tiết kiệm được rất nhiều năng lượng, đặc biệt là trong chế độ hoạt động switch, với mức tiết kiệm từ 25% đến 40%.

%Power Optimizer %Power LSA %Pmax Network Utilization

K T LU Ế Ậ N VÀ HƯỚ NG PHÁT TRI Ể N

Vấn đề trung tâm dữ liệu xanh luôn thu hút sự quan tâm của cộng đồng nghiên cứu mạng máy tính toàn cầu Nhóm nghiên cứu Openflow, sau nhiều nỗ lực, đã dựa trên những kết quả từ cộng đồng mã nguồn mở như OpenFlow, NOX, và Mininet để phát triển một mô hình tiết kiệm năng lượng cho mạng trung tâm dữ liệu Mô hình này kết hợp với module tối ưu hóa topo mạng (Optimizer) nhằm giải quyết hiệu quả vấn đề tiết kiệm năng lượng trong lĩnh vực này.

Phương pháp nghiên cứu này thực hiện bằng cách xây dựng một mô hình mạng trung tâm dữ liệu với kiến trúc Fat Tree trên công cụ Mininet Sau đó, tiến hành đo đạc năng lượng dựa trên việc giám sát các luồng dữ liệu trong mạng Kết quả cho thấy sự khác biệt giữa việc sử dụng bộ tối ưu hóa và không sử dụng bộ tối ưu hóa, cung cấp thông số về việc cân nhắc đánh đổi giữa mức độ tiết kiệm năng lượng và tỷ lệ mất mát gói trong toàn mạng ở hai trường hợp.

Với khả năng tiết kiệm từ 25% đến 40% năng lượng tiêu thụ, mức chi phí khoảng 1.8% cho gói toàn mạng và độ trễ trung bình khoảng 4ms, hiệu suất này cần được tối ưu hóa hơn nữa trong tương lai Điều này không chỉ giúp tăng cường mức tiết kiệm năng lượng mà còn nâng cao chất lượng dịch vụ.

Nhóm nghiên cứu đã tiến hành mô phỏng với nhiều quy mô khác nhau của trung tâm dữ liệu sau khi nhận được kết quả khả quan về việc sử dụng bế ả ả ớ ệ ử ụ ộ ố t i ưu.

Kết quả nghiên cứu cho thấy rằng việc mở rộng quy mô mạng dẫn đến mức độ tiết kiệm năng lượng cao hơn Khi lưu lượng mạng tăng, mức tiết kiệm năng lượng giảm, và sự thay đổi năng lượng trong mạng trở nên gần gũi hơn với sự thay đổi về lưu lượng.

Mặc dù gặp khó khăn về thời gian và điều kiện thiết bị phần cứng, việc xây dựng mô hình testbed với trung tâm dữ liệu thực vẫn chưa được thực hiện Trong tương lai, hướng triển khai tiếp theo là tinh chỉnh, tối ưu các thuật toán đã thử nghiệm và áp dụng vào các mạng trung tâm dữ liệu và nhúng.

1 Albert Greenberg, James R Hamilton, Navendu Jain, Srikanth Kandula, Changhoon Kim, Parantap Lahiri, David A Maltz, Parveen Pat (2009), “VL2:

A Scalable and Flexible Data Center Network”, In SIGCOMM 2009 http://ccr.sigcomm.org/online/files/p39.pdf

2 Bob Lantz, Brandon Heller, Nick McKeown, (2010), “A Network in a Laptop:

Rapid Prototyping for Software-Defined Networks” http://conferences.sigcomm.org/hotnets/2010/papers/a19 lantz.pdf-

3 Brandon Heller, Srini Seetharaman, Priya Mahadevan, Yiannis Yiakoumis, Puneet Sharma, Sujata Banerjee, Nick McKeown, (2010), “ElasticTree: saving energy in data center networks” http://www.usenix.org/event/nsdi10/tech/full_papers/heller.pdf

4 Chuanxiong Guo, Haitao Wu, Kun Tan, Lei Shiy, Yongguang Zhang, Songwu

Lu, (2009) "BCube: A High Performance, Server centric Network Architecture - for Modular Data Centers" SIGCOMM 2009 http://research.microsoft.com/pubs/81063/comm136-guo.pdf

5 Chuanxiong Guo, Haitao Wu, Kun Tan, Lei Shiy, Yongguang Zhang, Songwu

Lu, (2009) "DCell: A scalable and Fault Tolerant Network Structure for Data - Centers" SIGCOMM 2009 http://ccr.sigcomm.org/online/files/p75-guoA.pdf

6 D-ITG Website: http://traffic.comics.unina.it/software/ITG/ truy cập cuối cùng ngày 15/06/2013

7 Kumar, Rakesh and Mieritz, Lars (2007) “Conceptualizing Green IT and data centre power and cooling issues”, Gartner Research Paper No G00150322

8 Laiquan Han, Jinkuan Wang and Cuirong Wang, “A Novel Multipath Load Balancing Algorithm in Fat-Tree Data Center” http://www.springerlink.com/content/61865202p57u8805/

9 Mininet Website http://mininet.org/ truy cập ngày 13/06/2013

10 Mohammad Al-Fares, Alexander Loukissas, Amin Vahdat, “A scalable, Commodity Data Center Network Architecture” In SIGCOMM 2008 http://ccr.sigcomm.org/online/files/p51.pdf

11 NOX Website: http://noxrepo.org/wp/

12 OpenFlow Switch Specification, Version 0.9.0 http://www.openflow.org/documents/openflow-spec v0.9.0.pdf -

13 Openflow website: http://www.openflow.org/ truy cập khả dụng ngày 13/06/2013

14.Petar Cisar, Sasa Bosnjak and Sanja Maravic Cisar, (2010) “EWMA Algorithm in Network Practice"

15 Radhika Niranjan Mysore, Andreas Pamboris, Nathan Farrington, Nelson Huang, Pardis Miri, Sivasankar Radhakrishnan, Vikram Subram, (2009)

"PortLand: A Scalable Fault- Tolerant Layer 2 Data Center Network Fabric"

In SIGCOMM 2009 http://ccr.sigcomm.org/online/files/p39.pdf

16 Theophilus Benson, Aditya Akella, David A Maltz “Network Traffic Characteristics of Data Centers in the Wild” Proceeding IMC '10 Proceedings of the 10th annual conference on Internet measurement

17 TIA- 942 Standard for Data Center http://www.datacentertalk.com/2012/01/tia- 942-provides data center infrastructure standards/ - - - -

18 Website http://mobile.thesaigontimes.vn/ArticleDetail.aspx?id&786 truy cập khả ụ d ng ngày 13/06/2013.

19.Website Lognormal distribution Available: http://en.wikipedia.org/wiki/Log- normal_distribution truy cập khả ụ d ng ngày 15/06/2013.

Tiêu đề	Tiết Kiệm Năng Lượng Trong Trung Tâm Dữ Liệu
Tác giả	Nguyễn Ngọc Anh
Người hướng dẫn	Tiến Sĩ Trương Thu Hương
Trường học	Trường Đại Học Bách Khoa Hà Nội
Chuyên ngành	Kỹ Thuật Truyền Thông
Thể loại	Luận Văn Thạc Sĩ
Năm xuất bản	2013
Thành phố	Hà Nội

Định dạng
Số trang	62
Dung lượng	7,96 MB