Một số thuật toán ảo hóa trung tâm dữ liệu hướng tới tiết kiệm năng lượng

Một số thuật toán ảo hóa trung tâm dữ liệu hướng tới tiết kiệm năng lượng Một số thuật toán ảo hóa trung tâm dữ liệu hướng tới tiết kiệm năng lượng Một số thuật toán ảo hóa trung tâm dữ liệu hướng tới tiết kiệm năng lượng luận văn tốt nghiệp,luận văn thạc sĩ, luận văn cao học, luận văn đại học, luận án tiến sĩ, đồ án tốt nghiệp luận văn tốt nghiệp,luận văn thạc sĩ, luận văn cao học, luận văn đại học, luận án tiến sĩ, đồ án tốt nghiệp

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - - HOÀNG TRUNG HIẾU MỘT SỐ THUẬT TỐN ẢO HĨA TRUNG TÂM DỮ LIỆU HƯỚNG TỚI TIẾT KIỆM NĂNG LƯỢNG Chuyên ngành: Kỹ thuật Viễn thông LUẬN VĂN THẠC SĨ KỸ THUẬT NGÀNH: ĐIỆN TỬ - VIỄN THÔNG NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN HỮU THANH Hà Nội - Năm 2018 MỤC LỤC LỜI CAM ĐOAN iv LỜI NÓI ĐẦU v DANH SÁCH KÝ HIỆU, TỪ VIẾT TẮT vi DANH SÁCH HÌNH ẢNH viii DANH SÁCH BẢNG BIỂU ix PHẦN MỞ ĐẦU CHƯƠNG ẢO HÓA VÀ ẢO HÓA MẠNG TRUNG TÂM DỮ LIỆU .5 1.1 Tổng quan ảo hóa 1.1.1 Ảo hóa máy chủ 1.1.2 Ảo hóa lưu trữ .9 1.1.3 Ảo hóa mạng 11 1.1.4 Ảo hóa dịch vụ 12 1.2 Ảo hóa mạng trung tâm liệu .13 1.2.1 Động lực thúc đẩy ảo hóa mạng trung tâm liệu 13 1.2.2 Một số khái niệm ảo hóa mạng trung tâm liệu 14 1.2.2.1 Trung tâm liệu (Data Center – DC) 14 1.2.2.2 Ảo hóa trung tâm liệu 20 1.2.3 Một số dự án ảo hóa mạng trung tâm liệu 21 1.2.3.1 Trung tâm liệu truyền thống 22 1.2.3.2 Diverter .23 1.2.3.3 NetLord .23 1.2.3.4 VICTOR .24 1.2.3.5 VL2 25 CHƯƠNG VẤN ĐỀ NHÚNG TRUNG TÂM DỮ LIỆU ẢO ĐẢM BẢO HIỆU QUẢ VỀ NĂNG LƯỢNG 27 2.1 Hiệu lượng trung tâm liệu điện toán đám mây .27 2.1.1 Hiện trạng sử dụng Internet vấn đề hiệu lượng 27 2.1.2 Khó khăn tốn tiết kiệm lượng ảo hóa mạng 28 i 2.1.3 Một số giải pháp tiết kiệm lượng .29 2.2 Vấn đề nhúng trung tâm liệu ảo (VDCE) 31 2.2.1 Tổng quan nhúng trung tâm liệu ảo 31 2.2.2 Một số thuật toán nhúng trung tâm liệu ảo 33 2.3 Một số vấn đề việc cung cấp trung tâm liệu ảo 37 2.3.1 Vấn đề di trú máy ảo hợp máy chủ .37 2.3.2 Nhúng VDC có cảm nhận lượng 38 CHƯƠNG XÂY DỰNG THUẬT TOÁN 41 3.1 Mục tiêu thiết kế, xây dựng thuật toán 41 3.2 Mơ hình trung tâm liệu .41 3.2.1 Cơ sở hạ tầng trung tâm liệu vật lý 41 3.2.2 Yêu cầu trung tâm liệu ảo (VDCR) 42 3.2.3 Vấn đề nhúng VDC 42 3.3 Mơ hình lượng thành phần DC 42 3.3.1 Mơ hình lượng thiết bị mạng .42 3.3.2 Mơ hình lượng máy chủ vật lý 43 3.3.3 Chi phí di trú máy ảo 43 3.4 Mơ hình hóa tốn hiệu lượng 44 3.5 Thuật toán nhúng VDC nhận thức lượng .45 3.6 Xây dựng chiến lược di trú máy ảo 50 3.6.1 Di trú phần (Partial Migration – PM) .51 3.6.2 Di trú thời điểm đến (Migration on Arrival – MoA) 52 3.6.3 Di trú toàn (Full Migration – FM) .53 CHƯƠNG ĐÁNH GIÁ HIỆU NĂNG .54 4.1 Kịch mô 54 4.2 Đánh giá kết 56 4.2.1 Ảnh hưởng phân mảnh tài nguyên tới hiệu hệ thống 56 4.2.2 Hiệu tài nguyên 57 4.2.3 Hiệu lượng 59 ii 4.2.4 Độ phức tạp .60 4.2.5 Đánh giá chung 61 KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU 63 DANH SÁCH CƠNG TRÌNH ĐÃ CƠNG BỐ 64 TÀI LIỆU THAM KHẢO 65 iii LỜI CAM ĐOAN Tôi xin cam đoan kết trình bày luận văn cơng trình nghiên cứu hướng dẫn giáo viên hướng dẫn Các số liệu, kết trình bày luận văn hoàn toàn trung thực chưa cơng bố cơng trình trước Các kết sử dụng tham khảo trích dẫn đầy đủ theo quy định Tác giả Hồng Trung Hiếu iv LỜI NĨI ĐẦU Điện tốn đám mây ngày trở nên quan trọng hỗ trợ mơ hình kinh doanh cung cấp hạ tầng-như-một-dịch vụ, tảng-như-một-dịch vụ, phần mềm-như-một-dịch vụ Khi số lượng nhà cung cấp dịch vụ cloud tăng lên, đặt yêu cầu cần có giải pháp tối ưu hóa tài nguyên tiết kiệm chi phí đầu tư chi phí vận hành Việc cung cấp cách linh động trung tâm liệu ảo dựa trung tâm liệu vật lý giải pháp giải vấn đề Tuy nhiên, thách thức lớn ảo hóa mạng trung tâm liệu vấn đề nhúng trung tâm liệu ảo tốn NP-hard Vì lý này, nghiên cứu hầu hết theo phương pháp heuristic meta-heuristic có số nghiên cứu giải toán nhúng trung tâm liệu ảo (VDC) có xem xét đến hiệu lượng Chính vậy, đề tài tác giả tập trung giải toán làm để nhúng VDC cách hiệu lượng tài nguyên điều kiện phân bố động tài nguyên mạng yêu cầu VDC tới rời khỏi hệ thống cách liên tục Trong luận văn đề xuất chiến lược hợp máy chủ di trú máy ảo kết hợp với thuật tốn nhúng VDC heuristic có cảm nhận lượng lời giải cho toán Các kết đánh giá cho thấy chiến lược đề xuất vượt trội hiệu sử dụng tài nguyên tiết kiệm lượng so với phương pháp có giữ độ phức tạp hệ thống mức chấp nhận Em xin chân thành cảm ơn PGS.TS Nguyễn Hữu Thanh tận tình hướng dẫn, bảo thời gian làm luận văn, Thầy tạo điều kiện cung cấp mơi trường nghiên cứu giúp em hồn thành luận văn Em xin gửi lời cảm ơn tới TS Trần Mạnh Nam KS Nguyễn Tiến Mạnh phòng Lab Future Internet, Đại học Bách Khoa Hà Nội, giúp đỡ em hoàn thành nghiên cứu luận văn Tác giả Hoàng Trung Hiếu v DANH SÁCH KÝ HIỆU, TỪ VIẾT TẮT Acceptance ratio Tỷ lệ chấp nhận BFS Breadth First Search Tìm kiếm theo chiều rộng CAPEX Capital expenditure Chi phí đầu tư DC Data Center Trung tâm liệu DNS Domain Name System Hệ thống tên miền DHCP Dynamic Host Configuration Giao thức cấu hình động máy Protocol chủ FIB Forwarding Information Base Cơ sở thông tin định tuyến FM Full Migration Di trú tồn HEA-E Heuristic Energy-Aware VDC Thuật tốn nhúng VDC có Embedding cảm nhận lượng IaaS Infrastructure-as-a-Service Hạ tầng-như-một-dịch vụ InP Infrastructure Provider Nhà cung cấp sở hạ tầng IP Internet Protocol Giao thức Internet ISP Internet Service Provider Nhà cung cấp dịch vụ Internet MoA Migration on Arrival Di trú thời điểm đến NV Network Virtualization Ảo hóa mạng NaaS Network-as-a-Service Mạng lưới-như-một-dịch vụ OPEX Operational expenditure Chi phí vận hành PM Partial Migration Di trú phần PDC Physical Data Center Trung tâm liệu vật lý PaaS Platform-as-a-Service Nền tảng-như-một-dịch vụ Power consumption Năng lượng tiêu thụ Quality of Service Chất lượng dịch vụ QoS vi Redundant Arrays of Mảng ổ cứng dự phòng độc Independent Disks lập Resources utilization Tài nguyên sử dụng SLA Service Level Agreement Cam kết mức độ dịch vụ SP Service Provider Nhà cung cấp sở hạ tầng SaaS Software-as-a-Service Phần mềm-như-một-dịch vụ SDN Software-Defined Network Mạng điều khiển phần RAID mềm SAN Storage Area Network Mạng lưu trữ VDC Virtual Data Center Trung tâm liệu ảo VDCE Virtual Data Center Nhúng trung tâm liệu ảo Embedding VDCR Virtual Data Center Request Yêu cầu trung tâm liệu ảo VliM Virtual Link Mapping Ánh xạ liên kết ảo VLAN Virtual Location Area Mạng cục ảo Network VM Virtual Machine Máy ảo VNE Virtual Network Embedding Nhúng mạng ảo VNR Virtual Network Request Yêu cầu mạng ảo VnoM Virtual Node Mapping Ánh xạ nút ảo VPN Virtual Private Network Mạng riêng ảo VRF Virtual Routing and Định tuyến chuyển tiếp Switching gói tin ảo Virtual Switching System Hệ thống chuyển mạch ảo VSS vii DANH SÁCH HÌNH ẢNH Hình 1.1 Một số loại ảo hóa Hình 1.2 Sự khác máy chủ vật lý ảo hóa máy chủ vật lý thường Hình 1.3 Sự khác ảo hóa phần mềm ảo hóa phần cứng .8 Hình 1.4 Kiến trúc mạng trung tâm liệu 15 Hình 1.5 Kiến trúc mạng trung tâm liệu Three-tier .16 Hình 1.6 Đồ hình Fat-tree với k = 17 Hình 1.7 Kiến trúc Dcell 19 Hình 1.8 Ảo hóa trung tâm liệu 20 Hình 1.9 Kiến trúc NetLord 23 Hình 2.1 Nhúng VDC DC vật lý 32 Hình 2.2 Sự khác nhúng VDC tĩnh nhúng VDC động .34 Hình 2.3 Tính chất tỷ lệ lượng DC nhận biết lượng 39 Hình 3.1 Đồ hình Fat-tree với MST 46 Hình 3.2 Hoạt động thuật toán HEA-E 49 Hình 4.1 Sự biến thiến hiệu suất sử dụng hệ thống - SecondNet 56 Hình 4.2 Hiệu suất sử dụng hệ thống 58 Hình 4.3 Tỷ lệ chấp nhận chiến lược di trú 58 Hình 4.4 Tổng lượng tiêu thụ DC 59 Hình 4.5 Năng lượng tiêu thụ trung bình để phục vụ VDC .60 Hình 4.6 Số lần di chuyển máy ảo chiến lược di trú 61 Hình 4.7 So sánh chiến lược di trú – nhúng VDC 62 viii DANH SÁCH BẢNG BIỂU Bảng 1.1: Phân loại trung tâm liệu theo tiểu chuẩn TIA-942 .15 Bảng 2.1: Số lượng người sử dụng Internet toàn giới 27 Bảng 2.2: Ý tưởng thuật toán GreenHead SecondNet 37 Bảng 4.1: Năng lượng tiêu thụ switch HP Enterprise 24 cổng 54 Bảng 4.2: Năng lượng tiêu thụ máy chủ vật lý 55 Bảng 4.3: Độ lệch chuẩn hiệu suất sử dụng hệ thống 57 ix đồ thị Khi 𝛼 tăng xác suất tồn liên kết hai nút tăng, tương tự 𝛽 tăng xác suất tồn hai nút tăng Trong mô này, 𝛼 = 𝛽 = 0,5 4.2 Đánh giá kết 4.2.1 Ảnh hưởng phân mảnh tài nguyên tới hiệu hệ thống Do yêu cầu liên tục đến rời khỏi hệ thống, phân mảnh tài nguyên xảy làm giảm (tạm thời) hiệu sử dụng tài nguyên hiệu suất sử dụng hệ thống tỷ lệ chấp nhận Hình 4.1: Sự biến thiến hiệu suất sử dụng hệ thống - SecondNet Hình 4.1 cho thấy hiệu sử dụng SecondNet khoảng thời gian ngắn Có thể thấy rằng, hiệu sử dụng hệ thống biến thiên theo thời gian tải đầu vào khơng đổi Điều giải thích số VDC rời khỏi hệ thống, tài nguyên số máy chủ giải phóng không sử dụng (gọi máy chủ chưa tận dụng) Tuy nhiên máy chủ trải rộng tồn DC nên chúng khơng lựa chọn để ánh xạ máy ảo yêu 56 cầu VDC tới sau thuật tốn ánh xạ liên kết ảo khơng thể ánh xạ thành công liên kết ảo Điều làm giảm hiệu suất sử dụng hệ thống yêu cầu bị từ chối phục vụ Một thời gian sau, nhiều VDC rời khỏi hệ thống, nhiều máy chủ trống tài nguyên, tỷ lệ chấp nhận lại tăng lên Hiệu suất sử dụng biến động, hiệu DC không ổn định Hợp máy chủ hữu dụng trường hợp hỗ trợ tái phân bổ tài nguyên, làm tăng tỷ lệ chấp nhận hiệu suất sử dụng hệ thống Hiện tượng biến động đánh giá thơng qua việc sử dụng độ lệch chuẩn hiệu suất sử dụng, giá trị độ lệch chuẩn nhỏ, hiệu suất sử dụng ổn định, giảm thiểu phân mảnh hệ thống Bảng 4.3, chiến lược di trú máy ảo đề xuất (PM, MoA, FM) ổn định thuật tốn nhúng thơng thường Khi kết hợp thuật tốn HEA-E với chiến lược PM, MoA FM cho hiệu tốt sử dụng HEA-E mà khơng có di trú máy ảo Điều cho thấy việc di trú máy ảo giúp cải thiện hiệu hệ thống Bảng 4.3: Độ lệch chuẩn hiệu suất sử dụng hệ thống Độ lệch chuẩn (%) GH SN HEA-E PM MoA FM 13,09 14,95 13,92 11,97 11,49 11,49 4.2.2 Hiệu tài nguyên Hiệu tài ngun đánh giá thơng qua tham số hiệu suất sử dụng hệ thống (utilization) Hiệu suất sử dụng tính theo cơng thức sau: Số lượng VM phục vụ DC Hiệu suất sử dụng = Dung lượng tính theo VM DC Hình 4.2 cho thấy tải tăng, hiệu suất sử dụng tăng tới giá trị định, sau đạt trạng thái bão hịa Nhờ có di trú máy ảo chiến lược tái ánh xạ (PM, MoA, FM), số lượng VM phục vụ hệ thống cao đáng kể so với GH SN điều kiện tải đến hệ thống MoA FM cho giá trị hiệu suất sử dụng 57 Hình 4.2: Hiệu suất sử dụng hệ thống Hơn nữa, hình 4.3a 4.3b cho thấy tải tăng, tỷ lệ chấp nhận tất thuật toán giảm Tuy nhiên, tỷ lệ chấp nhận thuật toán đề xuất (PM, MoA, FM) tốt GH SN a Tỷ lệ chấp nhận tính theo VM b Tỷ lệ chấp nhận tính theo VDC Hình 4.3: Tỷ lệ chấp nhận chiến lược di trú 58 4.2.3 Hiệu lượng Tổng lượng tiêu thụ trung tâm liệu vật lý thể hình 4.4 Trong điều kiện tải đầu vào thấp, lượng tiêu thụ GH mức thấp nhất, sau lượng tiêu thụ FM MoA Năng lượng tiêu thụ PM cao chút so với FM, MoA GH thấp SN Khi tải hệ thống tăng, máy chủ thiết bị mạng trung tâm liệu vật lý dần bật để đáp ứng yêu cầu VDC đến hệ thống, lượng tiêu thụ tăng lên Ở trạng thái tải cao, hệ thống làm việc hết khả nên lượng tiêu thụ thuật toán gần giống Có điểm lưu ý GH có hiệu lượng cao tỷ lệ chấp nhận hiệu suất sử dụng lại thấp, GH hoạt động tình trạng tải thấp (dưới 20%) Hình 4.4: Tổng lượng tiêu thụ DC Tiếp theo, xét đến lượng tiêu thụ trung bình cho VDC Năng lượng tiêu thụ trung bình VDC tính cách chia lượng tiêu thụ 59 toàn DC vật lý cho số lượng VDC phục vụ Hình 4.5 cho thấy tải đầu vào tăng, (1) lượng tiêu thụ VDC giảm; (2) lượng tiêu thụ VDC thuật toán đề xuất nhỏ GH SN; (3) lượng tiêu thụ VDC thuật toán đề xuất giảm chậm, cho thấy lượng tiêu thụ DC vật lý gần tuyến tính với số lượng VDC phục vụ; (4) lượng tiêu thụ toàn DC sử dụng GH thấp lượng tiêu thụ trung bình cho VDC lại cao thực tế GH phục vụ số lượng VDC giới hạn Hình 4.5: Năng lượng tiêu thụ trung bình để phục vụ VDC 4.2.4 Độ phức tạp Số lần di trú máy ảo trung bình cho chiến lược tình trạng tải khác sử dụng để đánh giá độ phức tạp Vì việc di chuyển máy ảo từ máy chủ vật lý tới máy chủ vật lý khác cần khoảng thời gian định, số lần di chuyển máy ảo cao làm giảm đáng kể hiệu hệ thống Các kết mô 60 cho thấy, số lần di chuyển FM tải đầu vào cao (90%) khoảng 9000 lần số lần di chuyển PM khoảng 50 lần, khơng phụ thuộc vào tải Hình 4.6: Số lần di chuyển máy ảo chiến lược di trú 4.2.5 Đánh giá chung Với kết trình bày trên, thuật tốn SecondNet mang lại hiệu mặt tài nuyên lại không đáp ứng yêu cầu hiệu lượng Ngược lại, thuật toán GreenHead hiệu mặt lượng hiệu suất sử dụng hệ thống lại thấp so với phương pháp khác Mặt khác, chiến lược di trú máy ảo đề xuất PM, MoA FM hoạt động tốt khía cạnh hiệu tài nguyên hiệu lượng Thêm vào đó, PM đơn giản số lần di chuyển máy ảo nhỏ nhiều so với MoA FM, độc lập với tải hệ thống Đồ thị radar hình 4.8 minh họa phân tích so sánh Nhìn chung, PM chiến lược phù hợp hiệu gần đạt tới mức FM MoA lại đơn giản 61 Hình 4.7: So sánh chiến lược di trú – nhúng VDC 62 KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU Trong đề tài tác giả tập trung giải toán làm để nhúng trung tâm liệu ảo cách hiệu lượng tài nguyên điều kiện phân bố động tài nguyên mạng yêu cầu trung tâm liệu ảo tới rời khỏi hệ thống cách liên tục Trong luận văn đề xuất chiến lược hợp máy chủ di trú máy ảo kết hợp với thuật tốn nhúng trung tâm liệu ảo heuristic có cảm nhận lượng lời giải cho toán trên, bao gồm chiến lược: di trú phần, di trú thời điểm đến di trú toàn Các kết đánh giá cho thấy chiến lược đề xuất vượt trội hiệu sử dụng tài nguyên tiết kiệm lượng so với phương pháp có giữ độ phức tạp hệ thống mức chấp nhận Trong tương lai, tác giả cố gắng tập trung tối ưu chiến lược đề xuất mơ với kịch đồ hình kích thước lớn 63 DANH SÁCH CƠNG TRÌNH ĐÃ CƠNG BỐ Journal Tran Manh Nam, Nguyen Huu Thanh, Hoang Trung Hieu, Nguyen Tien Manh, Nguyen Van Huynh, Tuan Hoang (2017) “Joint Network Embedding and Server Consolidation for Energy-Efficient Dynamic Data Center Virtualization”, Elsevier Computer Networks, 2017 - https://doi.org/10.1016/j.comnet.2017.06.007 64 TÀI LIỆU THAM KHẢO [1] P Costa, M Migliavacca, P Pietzuch, A L Wolf (2012), “NaaS: Networkas-aService in the cloud”, in: the 2nd USENIX Workshop on Hot Topics in Management of Internet, Cloud, and Enterprise Networks and Services, USENIX, San Jose, CA [2] R Bolla, R Bruschi, F Davoli, F Cucchietti (2011), “Energy efficiency in the future internet: A survey of existing approaches and trends in energy-aware fixed network infrastructures”, IEEE Communications Surveys Tutorials 13, pp 223-244 [3] H T Nguyen, N N Pham, T H Truong, N T Tran, M D Nguyen, V G Nguyen, T H Nguyen, Q T Ngo, D Hock, C Schwartz (2013), “Modeling and experimenting combined smart sleep and power scaling algorithms in energy-aware data center networks”, Simulation Modelling Practice and Theory 39, pp 20-40 [doi:10.1016/j.simpat.2013.05.011] [4] M N Tran, V H Nguyen, Q D Le, H T Nguyen (2016), “An energy-aware embedding algorithm for virtual data centers”, in: The 28th International Teletraffic Congress, Wuerzburg, Germany [5] Venkata Josyula, Malcolm Orr, Greg Page (2011), Cloud Computing: Automating the Virtualized Data Center, Cisco Press [6] L Nicholas (2007), “Network virtualization: A new building block of network design” [7] MF Bari, R Boutaba, R Esteves, L Granville, M Podlesny, M Rabbani, Q Zhang and M F Zhani (2013), “Data Center Network Virtualization: A Survey”, IEEE Communications Surveys and Tutorials IEEE Press Vol 15(2), pp 909-928 [8] M Chowdhury and R Boutaba (2010), “A Survey of Network Virtualization,” Computer Networks vol 54, no 5, pp 862–876 [9] "Data Center Classification" [Online] Available: http://www.datacentertalk.com/2011/11/data-centers-an-overview/ 65 [10] Bin Wang, Z Qi, R Ma, H Guana, A V Vasilakos (2015), A survey on data center networking for cloud computing, Computer Networks 91, pp 528–547 [11] C Leiserson (1985), “Fat-Trees: Universal Networks for Hardware-Efficient Supercomputing,” IEEE Transactions on Computers, vol 34, no 10, pp 892– 901 [12] C Guo, H Wu, K Tan, L Shi, Y Zhang, S Lu (2008), “DCell: A Scalable and Fault-Tolerant Network Structure for Data Centers”, ACM SIGCOMM Computer Communication Review, vol 38, no 4, p 75–86 [13] A Singla, C.-Y Hong, L Popa, P B Godfrey (2012), "Jellyfish: Networking data centers randomly", The 9th USENIX Conference on Networked Systems Design and Implementation, CA, USA [14] C Guo, G Lu, H Wang, S Yang, C Kong, P Sun, W Wu, and Y Zhang (2010), “SecondNet: A Data Center Network Virtualization Architecture with Bandwidth Guarantees,” in Proceedings ACM CoNEXT [15] H Ballani, P Costa, T Karagiannis, and A Rowstron (2011), “Towards Predictable Datacenter Networks” in Proceedings ACM SIGCOMM [16] C Hopps (November 2000), “Analysis of an Equal-Cost Multi-Path Algorithm”, IETF RFC 2992 [17] R Zhang-Shen and N McKeown (November 2004), “Designing a Predictable Internet Backbone Network” in Proceedings ACM HotNets [18] IEEE (May 2006), “IEEE Standard for Local and Metropolitan Area Networks – Virtual Bridged Local Area Networks”, Std 802.1Q-2005 [19] A Edwards, F A, and A Lain (August 2009), “Diverter: A New Approach to Networking Within Virtualized Infrastructures” in Proceedings ACM WREN [20] J Mudigonda, P Yalagandula, B Stiekes, and Y Pouffary (August 2011), “NetLord: A Scalable Multi-Tenant Network Architecture for Virtualized Datacenters,” in Proceedings ACM SIGCOMM 66 [21] F Hao, T Lakshman, S Mukherjee, and H Song (August 2009), “Enhancing Dynamic Cloud-based Services using Network Virtualization,” in Proceedings ACM VISA [22] A Greenberg, J Hamilton, N Jain, S Kandula, C Kim, P Lahiri, D Maltz, P Patel, and S Sengupta (August 2009), “VL2: A Scalable and Flexible Data Center Network,” in Proceedings ACM SIGCOMM [23] L Popa, S Ratnasamy, G Iannaccone, A Krishnamurthy, and I Stoica (November 2010), “A Cost Comparison of Datacenter Network Architectures,” in Proceedings ACM CoNext [24] http://www.internetworldstats.com/stats.htm, "Usage and Population Statistics," [Online] [25] Energy Logic: Reducing Data Center Energy Consumption by Creating Savings that Cascade Across Systems http://www.cisco.com/web/partners/downloads/765/other/Energy Logic Reducing Data Center Energy Consumption.pdf [26] L G Roberts (2009), “A radical new router”, IEEE Spectrum 46 (7), pp 3439 [doi:10.1109/MSPEC.2009.5109450] [27] K Christensen, P Reviriego, B Nordman, M Bennett, M Mostowfi, J A Maestro (2010), “IEEE 802.3az: the road to energy efficient Ethernet”, IEEE Communications Magazine 48 (11), pp 50-56 [28] R Bolla, R Bruschi, A Cianfrani, M Listanti (2011), “Enabling backbone networks to sleep”, IEEE Network 25 (2), pp 26-31 [doi:10.1109/MNET.2011.5730525] [29] A Haider, R Potter, A Nakao (2009), “Challenges in resource allocation in network virtualization”, in: 20th ITC Specialist Seminar, ITC, Hoi An, Vietnam [30] A Fischer, J F Botero, M T Beck, H de Meer, X Hesselbach (2013), “Virtual network embedding: A survey”, IEEE Communications Surveys Tutorials 15 (4), pp 1888-1906 [doi:10.1109/SURV.2013.013013.00155] 67 [31] B.Sivaranjani, P.Vijayakumar (Feb 2015), “A Technical Survey on Various VDC Request Embedding Techniques in Virtual Data Center”, 2015 National Conference on Parallel Computing Technologies (PARCOMPTECH) [32] H T Nguyen, A V Vu, D L Nguyen, V H Nguyen, M N Tran, Q T Ngo, T H Truong, T H Nguyen, T Magedanz (2015), “A generalized resource allocation framework in support of multi-layer virtual network embedding based on SDN”, Computer Networks 92 (2), pp 251 - 269 [33] M F Zhani, Q Zhang, G Simona, R Boutaba (2013), “VDC Planner: Dynamic migration-aware virtual data center embedding for clouds”, in: 2013 IFIP/IEEE International Symposium on Integrated Network Management (IM 2013), pp 18-25 [34] Q Zhang, M F Zhani, M Jabri, R Boutaba (2014), “Venice: Reliable virtual data center embedding in clouds”, in: IEEE INFOCOM 2014 - IEEE Conference on Computer Communications, pp 289-297 [35] Yoonseon Han, Jian Li, Jae-Yoon Chung, Jae-Hyoung Yoo, J W.-k Hong (2015), “SAVE: Energy-aware Virtual Data Center Embedding and Traffic Engineering using SDN”, in: The 1st NetSoft - 2015, IEEE, pp 1-9 [36] A Amokrane, M F Zhani, R Langar, R Boutaba, G Pujolle (2013), “Greenhead: Virtual data center embedding across distributed infrastructures”, IEEE Transactions on Cloud Computing (1), pp 36-49 [37] P Graubner, M Schmidt, and B Freisleben (2012), "Energy - efficient Virtual Machine Consolidation for Cloud Computing", IT Professional, p 114 [38] F Farahnakian, P Liljeberg, and J Plosila (2014), "Energy-Efficient Virtual Machines Consolidation in Cloud Data Centers Using Reinforcement Learning," in 2014 22nd Euromicro Int Conf Parallel, Distrib NetworkBased Process [39] A Beloglazov, R Buyya, Y C Lee, and A Zomaya (2011), "A Taxonomy and Survey of Energy-Efficient Data Centers and Cloud Computing Systems," Advances in Computers, vol 82 68 [40] R Sherwood, G Gibb, K kiong Yap, M Casado, N Mckeown, G Parulkar (2009), “FlowVisor: A network virtualization layer”, Tech [41] R D Corin, M Gerola, R Riggio, F D Pellegrini, E Salvadori (2012), “VeRTIGO: Network virtualization and beyond”, in: 2012 European Workshop on Soft-ware Defined Networking, pp 24-29 [42] A Al-Shabibi, M De Leenheer, M Gerola, A Koshibe, G Parulkar, E Salvadori, B Snow (2014), “OpenVirteX: Make your virtual SDNs programmable”, in: Proceedings of the Third Workshop on Hot Topics in Software Defined Networking, HotSDN ’14, ACM, New York, NY, USA, pp 25-30 [43] H Goudarzi, M Pedram (2012), “Energy-efficient virtual machine replication and placement in a cloud computing system”, in: 2012 IEEE Fifth International Conference on Cloud Computing, pp 750-757 [44] F Farahnakian, P Liljeberg, J Plosila (2014), “Energy-efficient virtual machines consolidation in cloud data centers using reinforcement learning”, in: 2014 22nd Euromicro International Conference on Parallel, Distributed, and Network-Based Processing, pp 500-507 [45] A Beloglazov, R Buyya, Y C Lee, A Y Zomaya (2011), “A taxonomy and survey of energy-efficient data centers and cloud computing systems”, Advances in Computers 82, pp 47 - 111 [46] OpenStack, https://www.openstack.org/ [Online] [47] A Greenberg, J Hamilton, D A Maltz, P Patel (2008), “The cost of a cloud: 735 Research problems in data center networks”, SIGCOMM Comput Commun Rev 39 (1), pp 68-73 [48] L A Barroso, U Hăolzle (2007), The case for energy-proportional computing”, Computer 40 (12), pp 33-37 doi:10.1109/MC.2007.443 [49] B Heller, S Seetharaman, P Mahadevan, Y Yiakoumis, P Sharma, S Banerjee, N McKeown (2010), “ElasticTree: Saving energy in data center networks”, in: Proceedings of the 7th USENIX Conference on Networked Systems 69 Design and Implementation, NSDI’10, USENIX Association, Berke-ley, CA, USA, 2010, pp 17-17 [50] P Mahadevan, P Sharma, S Banerjee, P Ranganathan (2009), “Energy aware network operations”, in: IEEE INFOCOM Workshops 2009, IEEE, pp 1-6 doi:10.1109/INFCOMW.2009.5072138 [51] B M Waxman (1988), “Routing of multipoint connections”, IEEE Journal on Se-lected Areas in Communications (9), pp 1617-1622 70 ... Hình 1.8: Ảo hóa trung tâm liệu Một trung tâm liệu ảo (VDC) tập hợp tài nguyên ảo (các máy ảo, switch ảo, router ảo) kết nối thông qua liên kết ảo Trong trung tâm liệu ảo hóa trung tâm liệu vật... vấn đề hiệu lượng trung tâm liệu, tổng quan nhúng trung tâm liệu ảo, đánh giá số thuật toán nhúng trung tâm liệu ảo thảo luận số vấn đề việc cung cấp trung tâm liệu ảo có cảm nhận lượng - Chương... switch, router) liên kết ảo, mạng ảo phần trung tâm liệu ảo Hình 1.8 thể vài trung tâm liệu ảo triển khai DC ảo hóa Cả ảo hóa mạng ảo hóa trung tâm liệu dựa vào kỹ thuật ảo hóa để phân chia tài nguyên