Wall Street Secrets können Cloud Computing effizienter machen

• Das neue mathematische Modell bewertet die Ausfallwahrscheinlichkeit von Verbindungen zwischen Rechenzentren weltweit.
• Es ist von der Finanzrisikotheorie inspiriert.
• Es kann Cloud-Service-Providern helfen, ihre Rechenzentrumsressourcen besser zu nutzen und Millionen von Dollar zu sparen.

Um mit der ständig wachsenden Nachfrage nach Cloud-Speicher und Cloud-Computing Schritt zu halten, geben Unternehmen Millionen von Dollar aus, um die Kapazität ihrer WAN-Backbones zu erhöhen.

Eine der größten Herausforderungen besteht darin, ein ausgewogenes Verhältnis zwischen Netzwerkverfügbarkeit und -auslastung aufrechtzuerhalten. Ein stark ausgelasteter Kanal ist möglicherweise nicht in der Lage, einen plötzlichen Verkehrsanstieg zu bewältigen, was zu einem Knoten-/Link-Ausfall führt.

Um dieses Problem anzugehen, hat ein Forschungsteam des MIT, von Microsoft und der Hebrew University ein neues mathematisches Modell entwickelt, das sich von der Finanzrisikotheorie inspirieren lässt und Aktienmarktinvestoren hilft, ihre Rendite zu maximieren und gleichzeitig finanzielle Verluste bei Marktschwankungen zu minimieren.

Das neue Modell heißt TeaVar (kurz für Traffic Engineering Applying Value at Risk). Es bewertet die Ausfallwahrscheinlichkeit von Verbindungen zwischen Rechenzentren weltweit. Der Bewertungsprozess ähnelt der Vorhersage der Volatilität von Aktien.

Das Modell ordnet dann den Verkehr (über verschiedene Verbindungen) optimal zu, um die Gesamtnetzwerknutzung zu maximieren und gleichzeitig den Verlust zu minimieren. Dies steht im Gegensatz zu dem herkömmlichen Ansatz, bei dem Verbindungen ungenutzt bleiben, um plötzliche Verkehrsspitzen zu bewältigen und zu viel Energie und Ressourcen zu verschwenden.

Forscher behaupten, dass ihr Modell Cloud-Dienstanbietern helfen kann, ihre Rechenzentrumsressourcen besser zu nutzen und Millionen von Dollar zu sparen.

Wie funktioniert „TeaVar“?

Große Unternehmen, die Cloud-Dienste anbieten, verwenden Tools des „Traffic Engineering“ (TE), um die Datenbandbreite über alle Pfade optimal zu verteilen. Um eine maximale Verfügbarkeit zu gewährleisten, halten diese Unternehmen mehrere Links bei geringer Auslastung. Viele Netzwerkverbindungen arbeiten nicht mit hoher Auslastung:Sie senden nicht so viel Verkehr, wie sie senden könnten.

Somit besteht ein Kompromiss zwischen Netzwerkauslastung und Netzwerkverfügbarkeit. Hier versagen konventionelle TE-Techniken.

Referenz:MIT | GitHub

In jedem Netzwerk ähneln Datenbandbreitenblöcke dem in den Markt investierten „Geld“, und Instrumente mit unterschiedlichen Ausfallwahrscheinlichkeiten ähneln „Aktien“ und ihren unsicheren Werten. Unter Verwendung dieses Konzepts entwickelte das Forschungsteam eine „risikobewusste“ Methodik, die sicherstellt, dass die Daten ihr Ziel mit minimalem Datenverkehrsverlust während der schlimmsten Ausfallbedingungen erreichen.

Ihr Ansatz ermöglicht es Unternehmen, die Nutzungs-Verfügbarkeits-Balance zu finden, die ihrem Ziel am besten entspricht. TeaVar adressiert algorithmische Herausforderungen im Zusammenhang mit der Nachvollziehbarkeit der Risikominimierung sowie operative Herausforderungen.

Anwenden von TeaVar auf reale Daten

Sie testeten dieses Modell mit herkömmlichen TE-Tools an simuliertem Datenverkehr, der über ATT-, IBM- und Google-Netzwerke übertragen wurde. Sie erzeugten auch mehrere Fehlerbedingungen basierend auf der Wahrscheinlichkeit ihres Auftretens.

Lesen Sie:  Microsoft hat einen vollständig automatisierten DNA-Datenspeicher entwickelt

Schließlich wandten sie TeaVar auf reale Daten an und stellten fest, dass es bei gleicher Verfügbarkeit bis zu doppelt so viel Datenverkehr wie herkömmliche TE-Methoden unterstützen kann. Das Modell war in der Lage, zuverlässige Verbindungen mit fast voller Kapazität aufrechtzuerhalten und gleichzeitig die Daten von riskanteren Pfaden fernzuhalten.