- Xét trong trường hợp phát nhiều luồng near.
Hình vẽ dưới ựây thể hiện lưu lượng khi phát lưu lượng 16 host lưu lượng 1M liên tục trong vịng 60s
Hình 3.2. đồ thị tương quan giữa lưu lượng mạng và năng lượng tiêu thụ
Ớ Nhận xét: Trong mơ hình gần , vì phát từng cặp máy chủ theo từng
cặp chỉ giao tiếp với cùng chung một switch edge phát lưu lượng cho nhau thì phần trăm năng lượng tiết kiệm của toàn mạng ở trạng thái cao nhất và ln khơng đổi ở mức 36.8% vì nó khơng phải bật các switch tầng Agg và Core.
3.2.2 Kịch bản phát theo mơ hình trung bình (Middle traffic)
Kịch bản Middle traffic là kịch bản thử nghiệm với việc phát lưu lượng giữa các máy chủ liên kết với nhau qua hai tầng Switch Edge và Agg, hay giữa các switch thuộc cùng một POD.
Trong kịch bản này sẽ phát rất nhiều luồng Middle ựể kiểm tra hoạt ựộng của bộ ựiều khiển POX khi phải xử lý nhiều luồng, ựồng thời theo dõi sự tương quan giữa năng lượng tiêu thụ và lưu lượng biến ựộng theo thời gian trong mạng. Thực hiện phát theo từng cặp sau: (h1→h4), (h2→h3), (h4→h1), (h3→h2), (h5→h8), (h8→h5), (h6→h7), (h7→h6), (h9→h12), (h12→h9), (h10→h11), (h11→h10), (h13→h16), (h16→h13), (h14→h15), (h15→h14).
Hình 3.3 Minh họa kịch bản phát mơ hình Middle
Thực hiện phát 16 luồng 1M theo kịch bản Middle liên tục trong thời gian 60s ựược thể hiện như trong hình vẽ sau.
Hinh 3.4 Năng lượng tiêu thụ khi phát Middle.
Hình 3.4 cho thấy khi ta sử dụng bộ tối ưu không thôi chỉ tiết kiệm ựược năng lượng khoảng 26.1% ựến 26.71%, và khi dùng tối ưu kết hợp với thắch ứng trạng thái đường link thì tiết kiệm ựược khoảng từ 29.4% ựến 36.8%.
3.2.3 Kịch bản phát theo mơ hình Far traffic
Thực hiện gửi lưu lượng giữa các host khác Pod. Cần bật tất cả các tầng Edge, aggregation và core. Hình vẽ dưới ựây vẽ lưu lượng trong khi phát luồng 10M
Hinh 3.5 Năng lượng tiêu thụ khi phát Far Traffic.
3.2.4 Kịch bản phát theo mơ hình trung bình (Mix traffic)
đây là kịch bản tổng hợp của 3 kịch bản Near, Middle, Far. Hình vẽ dưới ựây vẽ lưu lượng tiết kiệm trong khi phát luồng 6M
Hinh 3.6 Năng lượng tiêu thụ khi phát Far Traffic.
3.3 đánh giá chất lượng dịch vụ của hệ thống
thống với các mức tiết kiệm năng lượng và hiệu suất sử dụng mạng khác nhau. Từ đó ựánh giá chất lượng dịch vụ phải trả khi cố gắng tiết kiệm năng lượng.
Phương pháp ựánh giá chất lượng dịch vụ của hệ thống
Các thông số ựược dùng ựể ựánh giá chất lượng dịch vụ của hệ thống là: Packet loss rate (%): tỉ lệ mất gói của mỗi luồng dữ liệu trong mạng. Average delay (ms): thời gian trễ trung bình của mỗi luồng trong mạng Hệ thống hoạt ựộng sử dụng bộ tối ưu và sử dụng mức dự phịng là 0.5 và mơ phỏng ựồ hình với k=4.
Trong luận văn thực hiện phát lưu lượng từ 1M (10% Network Utilization) tăng tới 10M (100% Network Utilization) và dùng giới hạn link ở tốc ựộ 10M. Bộ tối ưu sẽ thực hiện ựiều khiển sao cho lưu lượng trên link không vượt quá mức dự phòng của hệ thống. khi lưu lượng vượt quá mức này, bộ tối ưu sẽ bật thêm một link nữa ựể chia sẻ bớt lưu lượng trên link kia. Mức dự phòng ựược ựề xuất từ nhiều nghiên cứu là 0.7.
đánh giá Delay của hệ thống
Dưới ựây là kết quả ựánh giá Delay của hệ thống khi có sử dụng bộ tối ưu trong các kịch bản phát Near, Middle, Far và Mix.
Kết quả khi phát kịch bản phát Near:
Hình 3.7. đồ thị Delay khi sử dụng bộ Optimizer trong trường hợp Near
qua nó.
đánh giá Packet loss rate của hệ thống
Mỗi host nhận thực hiện thống kê Packet loss Rate của mỗi luồng phát ựến host. đánh giá kết quả tỉ lệ mất gói khi sử dụng bộ tối ưu.
+ Kịch bản Near:
Hình 3.8 Packet loss rate khi sử dụng bộ Optimizer
Nhận xét: Khi phát Mid lưu lượng sẽ truyền trong cùng Pod ta thấy trễ và tỉ lệ mất
gói cũng biến thiên theo nhưng không phải là biến thiên tăng tuyến tắnh theo lưu lượng.
3.3 Kết luận chương
- Trong trường hợp phát Near tiết kiệm ựược tối ựa là 36.8% thì khi đó tỉ lệ mất gói sẽ giao ựộng từ 0.09% tới 3% và trễ từ 1.1% tới 3%.
- Trong quá trình ựo ựạc khơng tránh khỏi có sự sai số nếu thực hiện ựo ựạc càng nhiều lần và máy thực hiện ựo cấu hình cao thì thơng số sẽ càng chuẩn xác.
- Trong chương này mới chỉ ựưa ra được hình vẽ tỉ lệ mất gói và trễ cho 2 trường hợp Near.
KẾT LUẬN VÀ KIẾN NGHỊ
Tóm lại luận văn ựã tìm hiểu ựược kiến trúc về trung tâm dữ liệu và các ựặc ựiểm lưu lượng trong trung tâm dữ liệu, ựưa ra được mơ hình mơ phỏng trong trung tâm dữ liệu và ựã ựưa ra phương pháp tiết kiệm năng lượng và mới chỉ ựánh giá ựược tham số về ựộ trễ khi sử dụng tiết kiệm năng lượng trong mạng. Do thực hiện trên máy ảo nên số liệu vẫn chưa ựược chuẩn xác tùy thuộc vào cấu hình máy tắnh mà ta sử dụng khi thực hiện mơ phỏng vì nếu trong q trình truyền bị ựơ máy thì độ trễ tăng và tỉ lệ mất gói cũng tăng theo.
Hướng phát triển trong tương lai muốn áp dụng ựược thử nghiệm trên thiết bị phần cứng thật và thử nghiệm trong hệ thống máy chủ cỡ nhỏ và áp dụng công nghệ Openflow và card NetFPGA
Ngày nay, nhu cầu về năng lượng ựang ngày càng tăng cao, trong khi nguồn tài nguyên của chúng ta thì có hạn. Việc sử dụng năng lượng hợp lý và tiết kiệm khơng chỉ có ý nghĩa về mặt kinh tế, mà cịn có ý nghĩa rất lớn ựối với môi trường trong bối cảnh trái ựất ựang nóng lên, lượng khắ thải CO2 trong quyển ngày càng nhiều. Luận văn ựã ựưa ra ựược một vài thuật toán áp dụng vào thử nghiệm ựể có thể ựảm bảo tiết kiệm năng lượng tới mức tối ựa cho các trung tâm dữ liệu mà vẫn ựảm bảo việc truyền lưu lượng trong mạng diễn ra bình thường. Với việc sử dụng công nghệ OpenFlow, triển khai các giải thuật đó trên mơi trường giả lập với cơng cụ Mininet và ựánh giá các kết quả thu ựược. Kết quả cho thấy có thể tiết kiệm một lượng ựáng kể năng lượng tiêu thụ trong một trung tâm dữ liệu vừa và nhỏ. Do thời gian có hạn nên luận văn khơng tránh khỏi có những sai sót nhưng ựược sự giúp ựỡ của thầy giáo TS. Trương Thu Hương và các thành viên trong nhóm Lab khóa K53, K54, và các thầy cô giáo trong trường tác giả ựã hoàn thành luận văn. Tác giả luận văn rất mong nhận ựược sự góp ý của các thầy cơ giáo để có thể hồn thiện luận văn.
TÀI LIỆU THAM KHẢO
[1]. Alessio Botta, Walter de Donato, Alberto Dainotti, Stefano Avallone, and Antonio Pescap, D-ITG 2.8.1 Manual, October 28, 2013.
[2]. Aruna Prem Bianzino, Claude Chaudet, Dario Rossi, Jean-Louis Rougier, A
Survey of Green Networking Research.
[3]. B. Heller, S. Seetharaman, P. Mahadevan, Y. Yiakoumis, P. Sharma, S. Banerjee, N.McKeown, Elastic tree: Saving Energy in Data Center Networks, USENIX NSDI, April, 2010.
[4]. Chuanxiong Guo, Haitao Wu, Kun Tan, Lei Shiy, Yongguang Zhang, Songwu Lu, DCell: A Scalable and Fault-Tolerant Network Structure for Data Centers.
[5]. Nguyễn Tùng Dương, Nghiên cứu giải pháp tối ưu năng lượng tiêu thụ mạng
trung tâm dữ liệu, ựồ án tốt nghiệp ựại học, tháng 5, 2011.
[6]. Haitao Wu, Guohan Lu, Dan Li, Chuanxiong Guo, Yongguang Zhang:
MDCube: A High Performance Network Structure for Modular Data Center Interconnection, pages 26-27.
[7]. Hoàng Trung Hiếu, Xây dựng thuật toán tối ưu năng lượng tiêu thụ và ựịnh
tuyến cho mạng trung tâm dữ liệu, ựồ án tốt nghiệp tháng 5, 2014, trang 37- 41,43-45.
[8]. Lê Hoàng Long (2013), QoS trong mạng IP-Core Vinaphone.
[9]. M. Al-Fares, A. Loukissas, and A. Vahdat, A Scalable, Commodity Data
Center Network Architecture, In ACM SIGCOMM, pages 63-74, 2008.
[10]. Nick McKeown, Tom Anderson, Hari Balakrishnan, Guru Parulkar, Larry Peterson, Jenifer Rexford, Scott Shenker, Jonathan Turner, OpenFlow: Enabling Innovation in Campus Networks, March 14, 2008.
[11]. Open Networking Foundation, OpenFlow Switch Specification, February 28, 2011.
[12]. Priya Mahadevan, Sharma, Sujata Banerjee, Parthasarathy Ranganathan,
Energy Aware Network Operations, Proceeding INFOCOM'09, pages 2-4
[13]. Theophilus Benson, Aditya Akella, David A. Maltz. Network Traffic
Characteristics of Data Centers in the Wild, IMC '10 Proceedings of the
10th annual conference on Internet measurement.
[14]. Nguyen Huu Thanh. Combined Smart Sleeping and Power Scaling for Energy
Efficiency in Green Data Center Networks.
[15]. Nguyen Huu Thanh, Bui Dinh Cuong, To Duc Thien, Pham Ngoc Nam, Ngo Quynh Thu, Tran Manh Nam. ECODANE: A Customizable Hybrid Testbed