Tóm tắt Luận án Các phương pháp tiết kiệm năng lượng sử dụng công nghệ mạng điều khiển bằng phần mềm trong môi trường điện toán đám mây

cùng với việc tích hợp với các công nghệ như ảo hóa mạng, ảo hóa trung tâm dữ liệu. Trong khuân khổ luận án này, NCS đề xuất các phương pháp tiết kiệm năng lượng mạng trong môi trường điện toán đám mây sử dụng công nghệ SDN. Các đóng góp cụ thể như sau: Xây dựng hệ thống điều khiển năng lượng mạng tập trung dựa trên nền tảng công nghệ SDN. Trên nền tảng hệ thống đó, NCS đề xuất hai giải thuật định tuyến nhận thức năng lượng và di trú máy chủ nhằm tiết kiệm năng lượng. Đề xuất xây dựng hệ thống ảo hóa mạng nhận thức năng lượng và ảo hóa trung tâm dữ liệu nhận thức năng lượng trong môi trường điện toán đám mây. Trên các hệ thống này, NCS đề xuất các phương pháp nhúng mạng ảo nhận thức năng lượng và nhúng trung tâm dữ liệu nhận thức năng lượng. Các kết quả, đóng góp của NCS được công bố tại hai tạp chí quốc tế, sáu kỷ yếu hội thảo quốc tế và một kỷ yếu hội thảo trong nước. TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP TIẾT KIỆM NĂNG LƯỢNG TRONG MÔI TRƯỜNG ĐIỆN TOÁN ĐÁM MÂY Phân loại các phương pháp tiết kiệm năng lượng Hiện nay nhiều cách thức phân loại các phương pháp tiết kiệm năng lượng mạng, nhưng tổng hợp và đúc kết lại sẽ được phân chia theo những loại sau: (1) re-engineering; (2) dynamic adaptation; và (3) sleeping/standby [4]. Table I.1: Các phương pháp tiets kiệm năng lượng[4] Re-Engineering Hướng re-engineering tập trung vào việc phát triển các công nghệ tiết kiệm năng lượng tập trung bên trong thiết bị mạng. Các thiết kế vi mạch mới, công nghệ silicon mới (như: Application Specific Integrated Circuits (ASICs) [1], Field Programmable Gate Arrays (FPGAs) [2], v.v) và công nghệ bộ nhớ mới (như: Ternary Content-Addressable Memory (TCAM), v.v.). Dynamic Adaptation – đáp ứng linh hoạt Phương pháp đáp ứng linh hoạt tập trung vào việc tối ưu các module bên trong thiết bị như tốc độ xử lý, khả năng tính toán để từ đó đưa ra các mức xử lý khác nhau phù hợp với yêu cầu dữ liệu. Có hai hướng nhỏ bên trong này là: power scaling và idle logic. Sleeping/Standby Đây là ý tưởng của việc cho một phần hoặc nhiều phần của một hệ thống vào trạng thái “ngủ” hoặc tắt của thiết bị, nhằm tiết kiệm năng lượng toàn bộ hệ thống. Nói cách khác, phương pháp này tập trung trên diện rộng của toàn hệ thống mà không hướng tới riêng lẻ từng thiết bị. Công nghệ Mạng điều khiển bằng phần mềm - Software-defined Networking (SDN) Công nghệ mạng điều khiển bằng phần mềm Software-defined Networking (SDN) [11] [12] [13] là công nghệ mạng mới, cho phép tách phần control plane ra khỏi data plane. Từ đó hệ thống mạng được quản lý tập trung, mềm hóa và có khả năng xử lý linh hoạt. SDN cũng chính là công nghệ nền tảng phát triển các công nghệ mạng khác như ảo hóa mạng, ảo hóa trung tâm dữ liệu. Khó khăn trong tiết kiệm năng lượng mạng Mặc dù vấn đề mạng tiết kiệm năng lượng không phải là vấn đề mới, tuy nhiên việc thực hiện các phương pháp tiết kiệm năng lượng vẫn gặp rất nhiều khó khăn. Khó khăn lớn nhất là việc hệ thống mạng không linh hoạt, mềm dẻo. Từ đó không thể phát triên hệ thống mạng nhận thức năng lượng, dẫn đến việc đề xuất, nghiên cứu, phát triển các giải thuật, phương pháp tiết kiệm năng lượng mạng gặp rất nhiều hạn chế. Các công nghệ chính trong hạ tầng điện toán đám mây như ảo hóa mạng, ảo hóa trung tâm dữ liệu. Tuy nhiên, các công nghệ này còn chưa có khả năng nhận thức năng lượng, vì vậy dẫn đến việc xây dựng các phương pháp tiết kiệm năng lượng cho các công nghệ này gặp nhiều khó khăn. Từ việc công nghệ SDN đang ngày càng phát triển, việc xây dựng hệ thống mạng mềm dẻo càng trở lên khả thi hơn, đó chính là công nghệ lõi để giải quyết các vướng mắc trên. MẠNG TRUNG TÂM DỮ LIỆU NHẬN THỨC NĂNG LƯỢNG SỬ DỤNG CÔNG NGHỆ SDN Từ những vấn đề nêu ở chương 1, NCS đề xuất xây dựng một hệ thống điều khiển năng lượng tập trung của hệ thống mạng. Hệ thống có khả năng giám sát, tối ưu hóa đồ hình mạng (topology) và khả năng định tuyến nhận thức năng lượng cho mạng trung tâm dữ liệu. Trên cơ sở của hệ thống này, các giải thuật tiết kiệm năng lượng sẽ được đề xuất và triên khai. Hệ thống được đề xuất trong luận án với các đóng góp sau: Đề xuất một hệ thống điều khiển năng lượng cho mạng trung tâm dữ liệu có các khả năng: (1) Theo dõi mức độ tiêu thụ năng lượng cũng như hiệu quả của nó; (2) kiểm soát các trạng thái làm việc của các thiết bị trong hệ thống; và (3) thực hiện các phương pháp điều khiển/định tuyến/tối ưu nhằm tiết kiệm năng lượng. Đề xuất một thuật toán định tuyến nâng cao nhận thức về năng lượng có hiệu quả với các thiết bị mạng khác nhau về tiết kiệm năng lượng. Thuật toán này định tuyến một yêu cầu lưu lượng dựa trên hồ sơ năng lượng của các thiết bị mạng và cũng dựa trên cách tiếp cận mở rộng quy mô công suất. Hệ thống điều khiển năng lượng mạng trung tâm dữ liệu Mô hình hóa năng lượng của thiết bị mạng Có một vài phương pháp mô hình hóa dữ liệu, tuy nhiên đều có các thông số khác nhau. Vì vậy, trong luận án này, NCS đã đưa ra mô hình năng lượng chung: Ptsw=Ptst+p∈Pntp×P p+st×Pext (II.1) Giá trị Ptsw thể hiện năng lượng tiêu thụ của thiết bị switch tại thời điểm t; Ptst là năng lượng cơ bản; ntp là số lượng cổng (port) làm việc tại trạng thái p còn P p là năng lượng tiêu thụ của cổng tại trạng thái p; P là tập các cổng tại trạng thái làm việc khác nhau của thiết bị mạng như idle, 10Mbps, 100Mbps, 1Gbps, 10Gbps, 40Gbps, 100Gbps. Giá trị Pext là năng lượng tiêu thụ mở rộng. Ví dụ Pext là PFPGA-Core in case of Gigabit NetFPGA-based [16]. Mô hình hóa năng lượng của mạng trung tâm dữ liệu. Mô hình hóa năng lượng của toàn mạng trung tâm dữ liệu được tính là tổng năng lượng của các thiết bị mạng với các trạng thái hoạt động tương ứng. Mô hình toàn mạng được biểu diễn như sau: PNW= i=0kPsw (II.2) PNW= i=0kPst+i=0k p∈Pnp×Pp + i=0ks×Pext (II.3) Kiến trúc hệ thống điều khiển năng lượng mạng trung tâm dữ liệu Tác giả đề xuất và triển khai hệ thống quản lý năng lượng (PCS) của mạng trung tâm dữ liệu. Hình Figure II.1. thể hiện sơ đồ các khối của hệ thống, bao gồm: khối monitoring, optimizer, routing và power control. Hệ thống PCS bản chất được mở rộng từ mô hình ElassticTree của Heller đề xuất [17]. Việc mở rộng được tiến hành cụ thể như sau: (1) mở rộng khối power control, thay vì sử dụng giao thức SNMP truyền thống thiếu linh hoạt, khối power control trong PCS cho phép hỗ trợ công nghệ SDN bằng việc hỗ trợ giao thức mở OpenFlow; (2) thêm khối trức năng monitoring nhằm cung cấp khả năng giám sát hệ thống thời gian thực. Figure II.1: Hệ thống điều khiển năng lượng mạng Điều đó có nghĩa, với thiết bị Pronto nói trên, định tuyến dữ liệu qua 3 cổng 100Mbps sẽ tiết kiệm năng lượng hơn qua 1 cổng 1Gbps. Và đối với NetFPGA thì 9 cổng 100Mbps vẫn tiết kiệm năng lượng hơn 1 cổng 1Gbps. Từ đó, NCS đề xuất ý tưởng đối với các yêu cầu lưu lượng khác nhau, và đối với các thiết bị khác nhau, thì cách thức định tuyến cũng khác nhau để tiết kiệm năng lượng. Ví dụ với yêu cầu 500Mbps, thì nên định tuyến qua 5 cổng 100Mbps sẽ tốt hơn trên NetFPGA, nhưng định tuyến qua 1 cổng 1Gbps sẽ tiết kiệm năng lượng hơn với Pronto. Từ đó, NCS đề xuất tỉ số tiệu thụ năng lượng, RPCE, giữa các mức hoạt động khác nhau của các thiết bị khác nhau. Tỉ lệ này có thể giữa mức 10Gbps với 1Gbps, hoặc giữa 1Gbps với 100Mbps. Dưới đây là ví dụ: RPCE1G:100M =P1GbpsP100Mbps (II.4) RPCE10G:1G=P10GbpsP1Gbps (II.5) Định tuyến nhận thức năng lượng - PSnEP Dựa trên ý tưởng nêu trên và kết hợp với thuật toán power scaling, thuật toán có phương thức định tuyến khác nhau ứng với mỗi mô hình năng lượng, yêu cầu lưu lượng và trạng thái của đồ hình mạng. Khi được xây dựng trên thiết bị SDN controller, thuật toán cho phép xây dựng hệ thống mềm dẻo. Các hàm mục tiêu và rằng buộc như sau: Hàm τ tính ra số cổng cần hoạt động ở mức tốc độ thấp tương ứng với yêu cầu lưu lượng:Tdemsrc↦dstSls . Tdems↦d là lưu lượng từ nguồn tới đích. Sls, Shs tốc độ khác nhau của port (lowspeed và highspeed). ta có rằng buộc băng thông là số port tốc độ thấp cần bật phải nhỏ hơn tỉ lệ RPCE. τ:Tdemsrc↦dstSls<RPCE (II.6) Với ràng buộc này, tất cả các switch mà lưu lượng định tuyến qua cần phải được bật sẵn. Trạng thái ith của thiết bị là statei, với 0 là tắt và 1 là bật. τ:Tdemsrc↦dstSls= i=0τ:Tdemsrc↦dstSlsstatei;{statei=0→OFF statestatei=1→ON state (II.7) Nếu rằng buộc trên được thỏa mãn, thì cần kiểm tra tất cả các switch mà được sử dụng để lái traffic đi qua. ∀Lisrc↦dst∈Lsrc↦dst; ∀li, jsrc↦dst∈Lisrc↦dst :Cli,jsrc↦dst≥Sls (II.8) L srt↦dst là tập các link hoạt động ở tốc độ thấp có thể được định tuyến qua của thiết bị. Mỗi link thuộc Lisrc↦dst sẽ có tài nguyên băng thông còn lại là Cli,jsrc↦dst. Vì vậy rằng buộc trên đảm bảo các link ở tốc độ thấp có thể được bật để định tuyến traffic theo yêu cầu. Đánh giá kết quả Trong quá trình đánh giá, NCS sử dụng giá trị NU (network utilization), mức sử dụng mạng, để đánh giá mức độ tiêu thụ. NU được tính là tổng băng thông truyền qua mạng, trên tổng băng thông tối đa của hệ thống (tương ứng với tổng băng thông của server). (II.9) Khi thay đổi giá trị NU, các thiết bị mạng được điều khiển để tắt/bật hoặc thay đổi tốc độ của cổng để đáp ứng yêu cầu mạng. Figure II.2: PSnEP vs Power scaling. K=6 Fat-tree, mix scenario Figure II.3: Mức tiết kiệm năng ượng của PSnEP so với PS Như kết quả ở hình dưới, khi network utilization thay đổi, mức độ tiết kiệm năng lượng của hệ thống cũng thay đổi theo. Thuật toán đề xuất PSnEP cho kết quả tiết kiệm năng lượng tốt hơn thuật toán phổ biến power scaling Bảng II.1: Tỉ lệ tiết kiệm năng lượng so giữa PSnEP và PS Fat-tree topology K=4 K=6 K=8 K=12 K=16 90.06 94.43 95.16 96.48 97.14 Figure II.4: Energy-saving level ratio of PSnEP to PS algorithm in different sizes Hình trên so sánh tỉ lệ tiết kiệm năng lượng giữa thuật toán PSnEP và PS. Kết quả cho thấy, NU càng tăng dẫn tới mức độ tiết kiệm năng lượng của cả 2 thuậ toán càng có xu hướng bằng nhau. Trung tâm dữ liệu xanh sử dụng hệ thống điều khiển năng lượng cho mạng và máy chủ Figure II.5: Hệ thống điêu khiển năng lượng mở rộng Các giải thuật và hệ thống được trình bày ở trên, phần 2.1 và 2.2, đã hoạt động tốt và tiết kiệm năng lượng mạng trong trung tâm dữ liệu. Tuy nhiên quá trình vận hành và thực thi thuật toán phụ thuộc và luồng dữ liệu. Bên cạnh đó, trong trung tâm dữ liệu, các máy ảo được phân bổ và di trú thường xuyên. Việc di trú máy ảo cũng có tác động đến luồng dữ liệu (nguồn và đích), đồng thời tác động đến kết quả của định tuyến và tối ưu đồ hình. Vì vậy trong phần này, NCS đề xuất kết hợp cả phần điều khiển mạng và điều khiển máy chủ vào. Mô hình hệ thống đề xuất được biểu diễn ở hình 2.5. Thuật toán di trú máy ảo nhận thức đồ hình Các xu hướng di trú máy chủ được đề xuất như sau: (1) tối giản số máy chủ vật lý đang chạy; và (2) giảm số lượng switch đang bật để đảm bảo kết nối giữa các máy chủ vật lý. Thuật toán được thể hiện như sau: Thuật toán di trú máy ảo nhận thức đồ hình Input: StateSw, Link , SpVM Begin //Create a list of source server by increasing number of active servers, Lsrc←sortSpVM, key=activeSer, order=increasing //All the server with the same active VMs is re-sorted by near →middle → far Lsrc←sort(Lsrc, key=neighbor, order=near→middle→far) //Create a list of destination server by decreasing number of active servers LdstP←SortSpVM,key=activeSer, order=decreasing For all vmi∈Lsrc do For all Sip∈Ldstp do If mig:vmi→Sip=successful then mig:vmi→Sip Update StateSw, Link , SpVM End If End for End for End Output: StateSw, Link , SpVM Kết quả kiểm thử Ở hình Figure II.6 và Figure II.7, tỉ lệ mức tiêu thụ năng lượng của thuật toán đề xuất với trường hợp fullmesh là rất lớn. Đường màu xanh là tỉ lệ tiêu thụ năng lượng mạng, đường màu đỏ là tỉ lệ tiêu thụ năng lượng của máy chủ. Trong trường hợp khác, hình Figure II.8 và Figure II.9, NCS so sánh thuật toán đề xuất với thuật toán Honeyguide [18], một thuật toán di trú máy chủ. Honeyguide dựa trên việc di trú máy chủ trong đồ hình mạng fat-tree và dựa trên thuật toán first-fit. Kết quả kiểm thử đều được đo với mạng Fat-tree với kích thức k = 8 và k = 16, tương ứng hỗ trợ 128 máy chủ và 1026 máy chủ. Figure II.6: K=8, so sánh mức tiêu thụ năng lượng với fullmesh Figure II.7: K=16, so sánh mức tiêu thụ năng lượng với fullmesh Figure II.8: K=8, so sánh với Honeyguide Figure II.9: K=16, so sánh với Honeyguide Kết luận Ngoài việc đề xuất hệ thống điều khiển năng lượng tập trung cho mạng trung tâm dữ liệu, chương hai cũng trình bày hai phương pháp tiếp cận tiết kiệm năng lượng chính bao gồm: (1) thuật toán định tuyến nhận biết năng lượng, cụ thể là thuật toán cân bằng năng lượng và thuật toán nhận thức năng lượng (PSnEP) dựa trên cách thức mở rộng quy mô năng lượng và hồ sơ năng lượng của các thiết bị mạng ; và (2) Thuật toán di trú VM nhận biết topology di chuyển máy chủ với hai mục tiêu: (a) giảm thiểu số lượng máy chủ vật lý; Và (b) giảm số lượng các thiết bị chuyển mạch để kết nối các máy chủ vật lý này để biến thiết bị cho hiệu quả năng lượng. CÁC PHƯƠNG PHÁP TIẾT KIỆM NĂNG LƯỢNG TRONG CÔNG NGHỆ MẠNG ẢO Trong môi trường điện toán đám mây, công nghệ mạng ảo đang được sử dụng rất phổ biến, và đóng vai trò quan trọng trong việc triển khai các dịch vụ điện toán đám mây như Network as a service (NaaS), Infrastructure as a service (IaaS). Tuy nhiên, tiết kiệm năng lượng với công nghệ mạng ảo trong môi trường điện toán đám mây đang có một số khó khăn sau: Mạng ảo – network virtualization hiện nay đang chủ yếu tập trung vào tối ưu hóa tài nguyên mạng, tài nguyên hệ thống, chưa tập trung vào tiết kiệm năng lượng [21]. Thiếu nền tảng ảo hóa mạng nhận thức năng lượng, dẫn đến khó khăn trong dề xuất, đánh giá và triển khai các phương pháp ảo hóa tiết kiệm năng lượng. Với những khó khăn trên, trong chương này NCS đề xuất xây dựng nền tảng mạng ảo nhận thức năng lượng sử dụng công nghệ SDN. NCS đồng thời đề xuất các giải thuật nhúng mạng ảo (virtual network embedding) hướng tới tiết kiệm năng lượng. Xây dựng nền tảng mạng ảo nhận thức năng lượng dựa trên công nghệ SDN Hình 3.1 cho chúng ta thấy các block chính của nền tảng đề xuất mạng ảo nhận thức năng lượng, bao gồm: Management; OpenFlow Controllers; Extended FlowVisor; và Substrate Network. Với đầu vào là các yêu cầu mạng ảo (Virtual network request – VNR), hệ thống sẽ căn cứ trên hiện trạng mạng, căn cứ theo thuật toán nhúng để có nhúng mạng ảo hướng tới tiết kiệm năng lương. Các khối management, openflow controller được xây dựng trên SDN controller, còn khối power và slicer được xây dựng trên nền tảng hệ thống FlowVisor nổi tiếng [67] [68]. Figure III.1: Hệ thống mạng ảo nhận thức năng lượng – Energy-aware Network Virtualization Thuật toán nhúng mạng ảo tiết kiệm năng lượng Vấn đề nhúng mạng ảo (embedding hoặc mapping) bản chất bao gồm 02 vấn đề nhỏ, là nhúng nút ảo (virtual node mapping – VNoM) và nhúng liên kết ảo (virtual link mapping – VLiM). Do đó, hai đại lượng metric cho VNoM và VLiM sẽ được đề xuất như sau. Tỉ lệ hiệu năng lượng hiệu dụng - Energy-cost Coefficient of Capacity VNoM metric: đại lượng đề xuất ECc cho quá trình VNoM. ECc=Pafter-PcurCiPtcur-CiPtafter (III.1) VLiM metric: đại lượng đề xuất ECB cho quá trình VLiM. ECB=i=1kPlinkitafter-Plinkitcur+ j=0hsjPmid (III.2) sjPmid=sj(Pist+p∈Pnip×Pi p+st×Piext) (III.2) Thuật toán nhúng nút ảo (VNoM) Thuật toán Heuristic Energy-Efficient Node Mapping (HEE) Đối với hiệu quả năng lượng cao VNE, tác giả tập trung vào một số lượng tối thiểu của các nút chất nền hoạt động. Các nút không sử dụng sẽ bị tắt khi không có hoạt động nào được thực hiện. Trong luận án này, tác giả đề xuất một thuật toán VNoM (HEE) hiệu quả năng lượng Heuristic giúp nhận ra việc lập bản đồ nút theo thứ tự ưu tiên như sau: Xếp hạng các nút chất nền bật lên theo thứ tự không tăng của dung lượng sẵn có Ưu tiên ánh xạ các nút ảo lên các nút hệ số năng lượng chi phí năng lượng thấp nhất Quá trình mapping dựa trên thống số metric ECc. Thuật toán giảm năng lượng nút trung gian (RMN-EE) Trong NV, một nút ảo có thể được ánh xạ tới chỉ một nút nền, trong khi một liên kết ảo có thể được biểu diễn bởi một đường dẫn nằm trên nhóm liên kết vật lý liên tiếp trong mạng chất nền. Tuy nhiên trên một đường dẫn tồn tại các nút trung gian và các nút này trong suốt đối với khách hàng, nhưng chúng vẫn tiêu thụ năng lượng. Vì vậy, nếu có thể giảm số nút trung gian trong khi vẫn đáp ứng được các VNRs của khách hàng thì hệ thống có thể tiết kiệm năng lượng tiêu thụ của mạng. RMN-EE là một thuật toán dựa trên heuristic tập trung vào việc giảm thiểu số lượng các nút hoạt động. Thuật toán nhúng liên kết ảo Sau khi thuật toán nhúng nút ảo chạy xong, thuật toán nhúng liên kết ảo được xác định và sử dụng. Thuật toán này bao gồm 02 bước: đầu tiên thuật toán Breadth First Search sẽ xác định toàn bộ tuyến đường có thể đi. Sau đó VLiM sẽ lựa chọn tuyến đường dựa vào chỉ số metric ECB. Performance Evaluation Thuật toán tham lam Capacity Greedy [76] được xây dựng lại để so sánh với các thuật toán đề xuất, bao gồm thuật toán Heuristic Energy-Efficient Mapping (HEE) and Reducing Middle Node Energy Efficiency (RMN-EE). Figure III.2 Acceptance Ratio – Online Figure III.3: Acceptance Ratio – OuTW Kết quả trên cho thấy tỉ lệ chấp nhận, acceptance ratio, giữa ba thuật toán trong hai trường hợp mapping online và online using time windows (OuTW). Chúng ta có thế thấy ngay thuật toán RMN-EE cho kết quả tốt hơn. Ở đây, mapping online có nghĩa là các VNR đến được phục vụ liên tục, theo FIFO, đối với online using time windows (OuTW) thuật toán sẽ nhóm các VNR trong một time window lại sắp sếp và nhúng trên tài nguyên vật lý còn thừa. Figure III.4: tỉ lệ của năng lượng tiêu thụ của hệ thống với trường hợp fullmesh (max)- Online Figure III.5 tỉ lệ của năng lượng tiêu thụ của hệ thống với trường hợp fullmesh (max)- OuTW Kết quả trên cho thấy, tỉ lệ tiêu thụ năng lượng của hệ thống khi tải (load) tăng từ 10% tới 90% đối với 3 thuật toán khác nhau. Thuật toán RMN-EE cho kết quả tốt nhất. Figure 3.5: So sánh mức tiêu thụ năng lượng của Online và Online Remap Figure III.6 So sánh tỉ lệ chấp nhận năng lượng của Online và Online Remap Conclusion Chương vừa rồi cho ta thấy hai thuật toán mapping được tác giả đề xuất là: Heuristic Energy-efficient VNE (HEE-VNE) và Reducing Middle node Energy efficiency (RMN-EE). Dựa vào kết quả đạt được, chúng ta có thể thấy, tiết kiệm năng lượng tiêu thụ của hệ thống cũng như tỉ lệ chấp nhật được cải thiện một cách rõ rệt. ẢO HÓA TRUNG TÂM DỮ LIỆU NHẬN THỨC NĂNG LƯỢNG Trong môi trường điện toán đám mấy, công nghệ trung tâm dữ liệu được hình thành và dần dần đóng vai trò quan trọng [9] [10] [11]. Ảo hóa trung tâm dữ liệu dựa trên nền tảng là ảo hóa mạng. Các trung tâm dữ liệu ảo, bao gồm network và máy ảo (virtual machine) sẽ được nhúng lên nền trung tâm dữ liệu thật. Trong chương này, NCS sẽ đề xuất trung tâm dữ liệu nhận thức năng lượng sử dụng công nghệ SDN. Các đóng góp của chương như sau: Đầu tiên, NCS sẽ đánh giá các khó khăn, cùng như khảo sát và đưa ra khái niệm nền tảng về ảo hóa trung tâm dữ liệu. NCS đồng thời đề xuất nền tảng trung tâm dữ liệu ảo dựa trên công nghệ SDN. Thuật toán nhúng trung tâm dữ liệu ảo (Virtual data center embedding – VDC Embedding) được đề xuất với các mục đích sau: (1) tối ưu về tài nguyên; và (2) tối ưu về năng lượng. Mục tiêu thiết kế Trong chương này, bằng cách sử dụng SDN, NCS tập trung vào việc hợp nhất trung tâm dữ liệu ảo và hợp nhất máy chủ và đáp ứng các mục tiêu sau: Hiệu quả sử dụng tài nguyên của trung tâm dữ liệu vật lý cần được cải thiện theo nghĩa là việc sử dụng tổng thể có thể được tăng lên. Do đó nhiều trung tâm dữ liệu ảo có thể được chấp nhận với các tài nguyên vật lý giới hạn. Hiệu suất năng lượng: Bên cạnh hiệu quả sử dụng tài nguyên, tiêu thụ năng lượng tổng thể cần giảm và tỷ lệ thuận với việc sử dụng của trung tâm dữ liệu. Cân bằng giữa tính phức tạp của thuật toán và tính linh động của hệ thống. Mô hình hóa vấn đề tiết kiệm năng lượng với công nghệ ảo hóa trung tâm dữ liệu Objectives Mục tiêu cơ bản là tiết kiệm tổng năng lượng tiêu thụ của trung tâm dữ liệu vật lý. Trong nghiên cứu này, NCS chỉ tập trung vào năng lượng tiêu thụ của thiết bị mạng ENt, năng lượng tiêu thụ của máy chủ ES(t) và chi phí tiến trình di chú máy chủ Emigt. Vậy hàm mục tiêu được xác định: Min {(ENt+Est+Emigt} (IV.1) Rằng buộc Tiến trình nhúng trung tâm dữ liệu ảo bao gồm hai vấn đề cần giải quyết. Đầu tiên là nhúng máy chủ ảo lên máy chủ vật lý (Virtual machine mapping – VmM), và nhúng liên kết ảo lên liên kết vật lý (Virtual link mapping - VLiM). Trong quá trình nhúng, có các hàm rằng buộc sau: Rằng buộc VDC: Các thành phần vật lý mà các trung tâm dữ liệu ảo nhúng lên đều phải bật. ∀Sip∈fiVMi :stateSip, t=1 (IV.2) ∀ls,dvi∈Lvi :∀Lip∈kils,dvi :stateLip, t=1 (IV.3) Rằng buộc VmM: các máy ảo vmj có tổng tài nguyên yêu cầu nhỏ hơn tài nguyên vật lý của máy chủ được nhúng lên. ∀vmi∈VMi:demivmj≤cap[fivmj] (IV.4) Trong một yêu cầu trung tâm dữ liệu ảo, một máy ảo chỉ được nhúng lên 1 máy vật lý. Và các máy chủ ảo khác nhau không được nhúng lên cùng 1 máy vật lý, Sip. Chỉ số nhị phân xjSip của máy ảo vmj được nhúng lên máy vật lý Sip được mô tả như công thức 4.3 nếu nhúng thành công, và 4.4 nếu nhúng không thành công. SiP∈SpxjSjp=1, ∀vmj∈VMi (IV.5) xjSjp=0 (IV.6) Rằng buộc VLiM: băng thông vật lý của các liên kết vật lý phải lớn hơn băng thông yêu cầu của các liên kết ảo ls,dvi mà nhúng lên chúng. Công thức (IV.7. ∀ls,dvi∈Lvi:∀LiP∈kils,dvi :demi(ls,dvi≤cap Lip (IV.7) Thuật toán nhúng VDC nhận thức năng lượng Figure IV.1: Lưu đồ nhúng HEA-E Thuật toán nhúng VDC nhận thức năng lượng (Heuristic Energy-Aware VDC Embedding - HEA-E) được đề xuất với tiến trình nhúng VmM trước, kết quả của VmM sẽ là đầu vào của VLiM, trong trường hợp VLiM lỗi, thuật toán quay lại với kết quả của VmM tiếp theo. Lưu đồ trên mô tả rõ hơn cách thức HEA-E hoạt động. Thuật toán Virtual machine mapping (VmM): ba nhóm máy chủ được định nghĩa, có tên là near group, middle group, và far group. Các nhóm được định nghĩa tương ứng với vị trí của các máy chủ vật lý nối vào mạng theo thứ tự, cùng switch edge, cùng POD, và khác POD. Sau đó, khi nhận được một VDC yêu cầu, các máy chủ của VDC yêu này sẽ được nhúng vào vật lý theo thứ tự ưu tiên near, middle, far group. Virtual link mapping (VLiM): các liên kết ảo được tạo ra giữa các máy ảo của VDC sau khi VmM sẽ tuân theo ưu tiên, near, middle,far. Joint VDC Embedding and VM Migration Algorithms Trong luận án này, các chiến lược di trú VM được đề xuất, di trú máy ảo nhằm mục đích hợp nhất máy ảo trên các máy vật lý, từ đó tắt bớt các thiết bị mạng và máy chủ không dùng để tiết kiệm năng lượng. Ba chiến lược di trú VM được đề xuất, đó là (1) di chuyển một phần ( Patial migration - PM); (2) di trú khi có VDC yêu cầu đên (Migration on arrival - MoA); Và (3) di trú toàn bộ (Full migration - FM) Đánh giá kết quả Hiệu quả về tài nguyên Trong quá trình đánh giá, NCS xây dựng lại các thuật toán nhúng trung tâm dữ liệu khác để so sánh, bao gồm thuật toán GreenHead (GH) [84], thuật toán SecondNet (SN) [83]. Đây là những thuật toán nhúng trung tâm dữ liệu ảo (VDC embedding) tiêu biểu hiện nay. Hình dưới chỉ ra khả năng tối sử dụng hệ thống tương ứng với tải. Figure IV.2: Mức độ sử dụng của Data Center với tải Tiếp theo, NCS so sánh về tỉ lệ chấp nhận giữa các thuật toán tính theo số VM, và số VDC yêu cầu đến. (a) (b) Figure IV.3: tỉ lệ chấp nhận trên VM(a) và tỉ lệ chấp nhận trên VDC(b) Mức độ tiết kiệm năng lượng Figure IV.4: Tổng năng lượng tiêu thụ trên cả trung tâm dữ liệu Figure IV.5: năng lượng tiêu thụ trung bình với từng VDC Kết quả trên cho thấy mức độ tiêu thụ năng lượng tổng của cả trung tâm dữ liệu, và mức độ tiêu thụ trung bình trên từng VDC. Từ kết quả cho thấy, thuật toán đề xuất với hướng di trú máy ảo cho kết quả tốt. Mức độ phức tạp Số lượng di trú của mỗi một chiến lược được tính ở đây. Số lần di chú tương ứng với sự phức tạp của chiến thuật. Figure IV.6: số lần di trú với từng chiến thuật di trú máy ảo của trung tâm dữ liệu ảo Figure IV.7: so sánh đa chiều (tiết kiệm năng lượng, độ đơn giản, tối ưu tài nguyên) giữa các thuật toán Conclusion Chương này đã phân tích vấn đề tiết kiệm năng lượng kết hợp với công nghệ ảo hóa trung tâm dữ liệu. Đồng thời đề xuất các thuật toán tương ứng. Bên cạnh đó, NCS cũng đề xuất việc tích hợp với quá trình di trú máy ảo để tối ưu hơn. KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU Đóng góp chính Chương đầu tiên trình bày tổng quan các vấn đề về tiết kiệm năng lượng mạng và phân loại phương pháp tiết kiệm năng lượng. NCS cũng trình bày các khó khăn và động lực nghiên cứu. Chương thứ hai tác giả trình bày về việc xây dựng hệ thống mạng trung tâm dữ liệu nhận thức năng lượng sử dụng công nghệ SDN, đồng thời đề xuất thuật toán định tuyến dựa vào mô hình năng lượng của thiết bị. Chương thứ ba mô t