Los inversores del mercado de valores a menudo confían en las teorías de riesgo financiero que los ayudan a maximizar los rendimientos y minimizan las pérdidas financieras debido a las fluctuaciones del mercado. Estas teorías ayudan a los inversores a mantener una cartera equilibrada para asegurarse de que nunca perderán más dinero del que están dispuestos a desprenderseen cualquier momento dado.
Inspirados por esas teorías, los investigadores del MIT en colaboración con Microsoft han desarrollado un modelo matemático "consciente del riesgo" que podría mejorar el rendimiento de las redes de computación en la nube en todo el mundo. En particular, la infraestructura en la nube es extremadamente costosa y consume gran parte delenergía del mundo.
Su modelo tiene en cuenta las probabilidades de falla de los enlaces entre los centros de datos en todo el mundo, similar a la predicción de la volatilidad de las existencias. Luego, ejecuta un motor de optimización para asignar el tráfico a través de rutas óptimas para minimizar la pérdida, mientras maximiza el uso general de la red.
El modelo podría ayudar a los principales proveedores de servicios en la nube, como Microsoft, Amazon y Google, a utilizar mejor su infraestructura. El enfoque convencional es mantener los enlaces inactivos para manejar cambios de tráfico inesperados como resultado de fallas en los enlaces, lo cual es un desperdiciode energía, ancho de banda y otros recursos. El nuevo modelo, llamado TeaVar, por otro lado, garantiza que durante un porcentaje de tiempo objetivo, digamos 99.9 por ciento, la red puede manejar todo el tráfico de datos, por lo que no es necesariopara mantener los enlaces inactivos. Durante ese 0.01 por ciento de tiempo, el modelo también mantiene los datos caídos lo más bajo posible.
En experimentos basados en datos del mundo real, el modelo soportó tres veces el rendimiento del tráfico que los métodos tradicionales de ingeniería de tráfico, al tiempo que mantuvo el mismo alto nivel de disponibilidad de red. En el ACM SIGCOMM se presentará un documento que describe el modelo y los resultados.conferencia esta semana.
Una mejor utilización de la red puede ahorrarles a los proveedores de servicios millones de dólares, pero los beneficios "llegarán" a los consumidores, dice la coautora Manya Ghobadi, profesora asistente de desarrollo profesional de TIBCO en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT e investigadora deLaboratorio de Ciencias de la Computación e Inteligencia Artificial CSAIL.
"Tener una mayor infraestructura utilizada no solo es buena para los servicios en la nube, también es mejor para el mundo", dice Ghobadi. "Las empresas no tienen que comprar tanta infraestructura para vender servicios a los clientes. Además, poderUtilizar eficientemente los recursos del centro de datos puede ahorrar enormes cantidades de consumo de energía por parte de la infraestructura de la nube. Por lo tanto, hay beneficios tanto para los usuarios como para el medio ambiente al mismo tiempo ".
Junto a Ghobadi en el papel están sus estudiantes Jeremy Bogle y Nikhil Bhatia, ambos de CSAIL; Ishai Menache y Nikolaj Bjorner de Microsoft Research; y Asaf Valadarsky y Michael Schapira de la Universidad Hebrea.
Sobre el dinero
Los proveedores de servicios en la nube usan redes de cables de fibra óptica que funcionan bajo tierra, conectando centros de datos en diferentes ciudades. Para enrutar el tráfico, los proveedores confían en el software de "ingeniería de tráfico" TE que asigna de manera óptima el ancho de banda de datos: cantidad de datos que pueden sertransferido a la vez, a través de todas las rutas de red.
El objetivo es garantizar la máxima disponibilidad para los usuarios de todo el mundo. Pero eso es desafiante cuando algunos enlaces pueden fallar inesperadamente, debido a caídas en la calidad de la señal óptica como resultado de interrupciones o cortes de líneas durante la construcción, entre otros factores., los proveedores mantienen muchos enlaces con un uso muy bajo, a la espera de absorber cargas completas de datos de enlaces caídos.
Por lo tanto, es una compensación complicada entre la disponibilidad y la utilización de la red, lo que permitiría un mayor rendimiento de datos. Y ahí es donde los métodos tradicionales de TE fallan, dicen los investigadores. Encuentran rutas óptimas basadas en varios factores, pero nunca cuantifican la confiabilidad de los enlaces."No dicen: 'Este enlace tiene una mayor probabilidad de estar en funcionamiento, por lo que significa que debería enviar más tráfico aquí", dice Bogle. "La mayoría de los enlaces en una red están funcionando con poca utilización y noenviando tanto tráfico como podrían estar enviando "
En cambio, los investigadores diseñaron un modelo TE que adapta las matemáticas básicas del "valor condicional en riesgo", una medida de evaluación de riesgos que cuantifica la pérdida promedio de dinero. Con la inversión en acciones, si tiene un valor condicional de un día del 99 por cientocon un riesgo de $ 50, su pérdida esperada del peor escenario del 1 por ciento en ese día es de $ 50. Pero el 99 por ciento del tiempo, lo hará mucho mejor. Esa medida se utiliza para invertir en el mercado de valores, que esnotoriamente difícil de predecir.
"Pero las matemáticas en realidad se ajustan mejor a nuestra configuración de infraestructura en la nube", dice Ghobadi. "Principalmente, las fallas de enlace se deben a la antigüedad del equipo, por lo que las probabilidades de falla no cambian mucho con el tiempo. Eso significa que nuestrolas probabilidades son más confiables en comparación con el mercado de valores "
modelo consciente del riesgo
En las redes, los porcentajes de ancho de banda de datos son análogos al "dinero" invertido, y el equipo de red con diferentes probabilidades de falla son las "existencias" y su incertidumbre de cambiar los valores. Utilizando las fórmulas subyacentes, los investigadores diseñaron un "conocimiento del riesgo""modelo que, al igual que su contraparte financiera, garantiza que los datos llegarán a su destino el 99.9 por ciento de las veces, pero mantiene la pérdida de tráfico al mínimo durante el 0.1 por ciento de los peores escenarios. Eso permite a los proveedores de la nube ajustar la disponibilidad-utilización."
Los investigadores mapearon estadísticamente el valor de tres años de la intensidad de la señal de red de las redes de Microsoft que conecta sus centros de datos a una distribución de probabilidad de fallas de enlace. La entrada es la topología de la red en un gráfico, con flujos de datos de origen a destino conectados a través de líneasenlaces y nodos ciudades, a cada enlace se le asigna un ancho de banda.
Las probabilidades de falla se obtuvieron al verificar la calidad de la señal de cada enlace cada 15 minutos. Si la calidad de la señal alguna vez cayó por debajo de un umbral de recepción, consideraron que una falla del enlace. Cualquier cosa anterior significaba que el enlace estaba en funcionamiento.El modelo generó un tiempo promedio en que cada enlace estuvo activo o inactivo, y calculó una probabilidad de falla - o "riesgo" - para cada enlace en cada ventana de tiempo de 15 minutos. A partir de esos datos, fue capaz de predecir cuándo los enlaces riesgososfallar en cualquier ventana de tiempo.
Los investigadores probaron el modelo contra otro software de TE en el tráfico simulado enviado a través de redes de Google, IBM, ATT y otros que se extendieron por todo el mundo. Los investigadores crearon varios escenarios de falla basados en su probabilidad de ocurrencia. Luego, enviaron simuladosy las demandas de datos del mundo real a través de la red e indicaron a sus modelos que comiencen a asignar ancho de banda.
El modelo de los investigadores mantuvo enlaces confiables que funcionaban casi a plena capacidad, al tiempo que eliminaba los datos de los enlaces más riesgosos. Sobre los enfoques tradicionales, su modelo corría tres veces más datos a través de la red, al tiempo que garantizaba que todos los datos llegaran a su destino.el código está disponible gratuitamente en GitHub http://github.com/manyaghobadi/teavar .
Fuente de la historia :
Materiales proporcionado por Instituto de Tecnología de Massachusetts . Original escrito por Rob Matheson. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :