Co oznacza DCI
Sep 15, 2025| We współczesnym krajobrazie cyfrowym centra danych stały się kręgosłupem infrastruktury przetwarzania w chmurze, przetwarzając ogromne ilości danych przy jednoczesnym spożywaniu znacznych ilości energii.
Pytanie „co oznacza DCI” często pojawia się w dyskusjach na temat nowoczesnych architektury centrów danych, w których DCI oznacza interconnect Center Data, technologię łączącą wiele centrów danych, aby umożliwić udostępnianie zasobów i dystrybucję obciążenia.
Energy - Wydajne planowanie okazało się kluczowym wyzwaniem, wymagającym wyrafinowanych podejść do zrównoważenia wymagań wydajności z optymalizacją zużycia energii. Metodologia planowania sieci centrum danych (DES) stanowi znaczący postęp w rozwiązywaniu tych wyzwań poprzez modelowanie hierarchiczne i inteligentne strategie alokacji zasobów.
Kluczowe pojęcia w sieciach danych
Centrum danych interconnect (DCI)
Technologia, która łączy wiele centrów danych, aby umożliwić udostępnianie zasobów, dystrybucję obciążenia i odzyskiwanie po awarii w obiektach rozproszonych geograficznie.
Przeciążenie sieciowe
Występuje, gdy ruch sieciowy przekracza pojemność, często spowodowane ograniczeniami bufora w infrastrukturze Ethernet i niedopasowaniach przepustowości między linkami.
Metodologia Densa
Hierarchiczne podejście do planowania centrów danych, które optymalizuje efektywność energetyczną przy jednoczesnym zachowaniu wydajności poprzez inteligentne przydział zasobów.
Przeciążenie sieciowe w środowiskach centrów danych
Wyzwanie infrastruktury opartej na Ethernet -
Nowoczesne centra danych obejmują filozofię wykorzystania mediów Ethernet do przenoszenia różnych rodzajów ruchu, w tym komunikacji LAN, SAN i IPC. Chociaż technologia Ethernet oferuje dojrzałość, łatwość wdrożenia i stosunkowo proste zarządzanie, stanowi znaczące wyzwania pod względem ograniczeń wydajności sprzętu, szczególnie w zakresie pojemności bufora.
Typowe rozmiary buforu Ethernet działają na poziomie wielkości 100 kb, podczas gdy routery internetowe zazwyczaj mają rozmiary buforu o wielkości 100 Mb. Ta istotna różnica 1000x pojemności bufora, w połączeniu z wysokim - wzorcami ruchu przepustowości, stanowi podstawową przyczynę przeciążenia sieci w środowiskach centrum danych.
Porównanie pojemności bufora
Ethernet przełącza 100 kb
Routery internetowe 100 MB
Różnica 1000x w pojemności bufora stwarza poważne wyzwania związane z obsługą wysokiego - wzorców ruchu przepustowości w centrach danych.
Manifestacja zatorów w przełącznikach centrum danych
Manifestacja zatorów w przełącznikach centrum danych może wystąpić w wielu kierunkach. W kierunku łącza w dół zator pojawia się, gdy łączna zdolność łączy wnikania przekracza pojemność linków wyjściowych. W przypadku kierunków łącza w górę niedopasowanie przepustowości zależy przede wszystkim na podstawie współczynnika konwergencji przepustowości, z zatłoczeniem, gdy zagregowana przepustowość wszystkich portów serwerowych przewyższa całkowitą pojemność łącza w górę przełącznika.
Te punkty przeciążenia, często określane jako hotspoty, mogą poważnie wpłynąć na zdolność sieci centrum danych do wydajnego przesyłania danych, potencjalnie zmniejszając przepustowość nawet o 70% w skrajnych przypadkach.
Przeciążenie łącza w dół
Występuje, gdy całkowity przychodzący ruch przekracza wychodzącą pojemność portu przełącznika, tworząc wąskie gardła w przepływie danych z wyższych do niższych poziomów sieciowych.
Przeciążenie łącza w górę
Zdarza się, gdy zagregowany ruch serwerowy przekracza pojemność łącza w górę, zwykle określoną przez współczynnik konwergencji przepustowości projektu sieci.
Standardy IEEE 802.1QAU i zarządzanie zatorami
Jak działa 802.1qau
Przeciążone przełączniki wykrywają przeciążenie i generują sygnały powiadomień
Sygnały zatorów są propagowane z powrotem do wysyłania urządzeń
Nadawcy dławią swoje prędkości transmisji, aby zmniejszyć zator
Wykorzystanie sieci jest utrzymywane na wysokim poziomie (do 95%)
Utrata pakietu jest minimalizowana poprzez proaktywną kontrolę stawki
Grupa zadań mostkowania centrum danych (IEEE 802.1) opracowała rozwiązania kontroli zatorów warstwy 2, w szczególności specyfikację IEEE 802.1qau. Ten standard wprowadza pętle sprzężenia zwrotnego do powiadomienia o przeciążeniu między przełącznikami centrów danych, umożliwiając przeciążone przełączniki w celu korzystania z sygnałów powiadomienia z przeciążenia, aby przepustnicy wysoko - nadawcy.
Chociaż technika ta skutecznie zapobiega utratę pakietów z powodu zatorów i utrzymuje wysokie wskaźniki wykorzystania sieci do 95%, zasadniczo nie rozwiązuje podstawowego problemu.
„Bardziej wydajne podejście obejmuje strategiczne wdrażanie danych - intensywne zadania, aby uniknąć dzielenia się wspólnymi ścieżkami komunikacyjnymi. Na przykład, aby w pełni wykorzystać charakterystyki izolacji przestrzennej według ich wymagań -.
Te dane - Intensywne zadania, podobne do aplikacji udostępniania wideo -, generują stałe strumienie bitów, aby jednocześnie komunikować się z innymi zadaniami działającymi w centrum danych. Jednak ta proporcjonalnie rozłożona metoda wdrażania jest sprzeczna z Energy - wydajne cele planowania, które mają na celu wykorzystanie minimalnych zestawów serwerów i zestawów zasobów komunikacyjnych do obsługi wszystkich obciążeń.
Ramy metodologii Dens
Hierarchiczne podejście do modelowania
Metodologia Dens reprezentuje przejście paradygmatu od tradycyjnych podejść, które modelują centra danych jako jednorodne pule zasobów komputerowych serwerów. Zamiast tego Dens proponuje model hierarchiczny zgodny z głównym topologią centrum danych.
Dla trzech centrów danych poziomu -, metryka miernika m jest zdefiniowana jako łączna kombinacja serwera - funkcja poziomu F_S, Rack - funkcja poziomu F_R i moduł - funkcja F_M:
M = × f_s + × f_r + × f_m
Gdzie, i reprezentują współczynniki ważenia, które określają, w jaki sposób odpowiednie komponenty (serwery, stojaki, moduły) wpływają na wskaźniki oceny.
Współczynniki ważenia
(Serwer - Waga poziomowa) Zazwyczaj 0,7
Favors wybieranie serwerów ładowania wysokiego - w lekko załadowanych stojakach
(Rack - Waga poziomowa) Zazwyczaj 0,2
Priorytety priorytetów stojaków obliczeniowych o niskich obciążeniach sieciowych
(Moduł - Waga poziomowa) Zazwyczaj 0.1
Sprzyja wybieraniu lekko załadowanych modułów, kluczowych dla konsolidacji zadań
Obciążenie serwera i potencjał komunikacji
Połączenie ładunku serwera L_S (L) i jego potencjału komunikacji Q_S (Q) stanowi podstawową podstawę wyboru serwera. Ten związek jest wyrażany przez:
f_s(l,q) = L_s(l) × (Q_s(q)^φ)/δ_t
L_s(l)
Zależy od obciążenia serwera, obliczonego za pomocą specjalistycznej funkcji sigmoidalnej
Q_s(q)
Definiuje obciążenie przy łącznikach podnoszących stojaki, analizując warunki zatoru w kolejce wyjściowej przełącznika Q
δ_t
Przepustowość nad - współczynnik udostępniania u góry - z - przełączniki (tor)
φ
Współczynnik definiujący stosunek między L_S (L) i Q_S (q) w metryce
Definicja i optymalizacja współczynnika obciążenia
Współczynnik obciążenia Dens jest zdefiniowany jako suma dwóch funkcji sigmoidalnych, aby rozwiązać wyzwanie, które serwery bezczynne spożywają około 67% ich szczytowego zużycia energii:
L_s(l) = 1/(1 + e^(-10(l - 0.5))) - 1/(1 + e^(-2(l - (1 - ε/2))))
Pierwszy komponent określa podstawowy kształt sigmoidalny, podczas gdy drugi służy jako funkcja karna zaprojektowana do zbieżności maksymalnych wartości obciążenia serwera. Parametr ε określa zakres i nachylenie malejącej części krzywej.
Krzywa optymalizacji obciążenia serwera
To wyrafinowane podejście zapewnia, że serwery działają w optymalnych zakresach obciążenia, zwykle od 70% do 85% wykorzystania, równoważąc efektywność energetyczną z problemami niezawodności sprzętu.
Wskaźniki zarządzania kolejką i zatorami
Analiza obłożenia kolejki
Wszystkie serwery w stojaku dzielą przełącznik TOR do komunikacji w górę łącza w górę. Przy wskaźnikach gigabita określenie dokładnego odsetka komunikacji łącza w górę zajmowanej przez poszczególne serwery lub przepływy staje się intensywne obliczeniowo. Aby rozwiązać to wyzwanie, metodologia Dens zawiera komponent związany z obłożeniem kolejki wyjściowej Q (q), co różni się w zależności od przepustowości w stosunku do współczynnika udostępniania -.
Wskaźnik obłożenia Q jest niezależny od bezwzględnej wielkości kolejki, ale zmienia się w zależności od wielkości kolejki Q_max, od [0,1], gdzie 0 i 1 odpowiadają odpowiednio pustym i pełnym stanom kolejki. Wprowadzając komponent obłożenia kolejki, metryka Dens może reagować na zmiany zatorów w stojakach lub modułach, a nie zmiany szybkości transmisji.
Wdrożenie dystrybucji Weibull
Q (q)=e^(- (3q/q_max)^2)
Obłożenie kolejki a wydajność
Wskaźniki wydajności i wyniki optymalizacji
Bell - Funkcja wyboru w kształcie
Funkcja F_S (L, Q) tworzy powierzchnię w kształcie Bell - w stosunku do obciążenia serwera L i obciążenie kolejki q. Ta funkcja preferencyjnie wybiera serwery powyżej średniego poziomu obciążenia znajdującego się w stojakach z minimalnym lub nie zatorowym. Badania empiryczne pokazują, że takie podejście może osiągnąć oszczędności energii 25 - 35% w porównaniu z tradycyjnym harmonogramem okrągłego robiny przy jednoczesnym zachowaniu wydajności w ciągu 5% optymalnych poziomów.
Oszczędności energii
25-35%
W porównaniu do tradycyjnej rundy - algorytmów planowania Robina
Wydajność
95%+
Utrzymuje wydajność w ciągu 5% optymalnych poziomów
Wykorzystanie
70-85%
Optymalna wydajność i niezawodność zakresu wykorzystania serwera
Hierarchiczna analiza wpływu
Czynniki wpływu stojaków i modułów są wyrażone jako:
Rack - współczynnik poziomu
Moduł - współczynnik poziomu
Praktyczne względy wdrażania
Handel efektywnością energetyczną - Offs
Badając, co DCI oznacza dla wydajnego planowania Energy -, staje się jasne, że implementacje DCI muszą ostrożnie zrównoważyć lokalną optymalizację w poszczególnych ośrodkach danych w stosunku do globalnej optymalizacji w połączonych obiektach.
Metodologia Dens pokazuje, że wydajne harmonogramy energii - muszą skonsolidować zadania centrum danych w możliwym zestawie serwera, osiągając współczynniki konsolidacji 3: 1 lub więcej w typowych scenariuszach.
Jednak ciągłe działanie przy szczytowych obciążeniach może zmniejszyć niezawodność sprzętu o 15-20% i wpływać na czas wykonywania pracy nawet o 30%.
Kluczowy handel - Offs
Wyższa konsolidacja zmniejsza zużycie energii
Optymalne równoważenie obciążenia poprawia wydajność sieci
Ponad - konsolidacja zwiększa ryzyko awarii (15-20% redukcja niezawodności)
Szczytowe obciążenia mogą wpłynąć na czas wykonywania pracy nawet o 30%
Multi - Bilansowanie obciążenia ścieżki
Moduł - Współczynnik poziomu F_M zawiera tylko komponent powiązany z obciążeniem -, ponieważ wszystkie moduły łączą się z tymi samymi przełącznikami rdzeniowymi i uzyskują identyczną przepustowość za pośrednictwem ECMP (równy - Koszt multi- techniki ścieżki). Ta konstrukcja zapewnia, że rozkład ruchu pozostaje zrównoważony na dostępnych ścieżkach, z zmierzoną poprawą przepustowości 40 - 50% w porównaniu z podejściami routingu z pojedynczą ścieżką.
Korzyści z routingu ECMP
Rozkłada ruch na wielu równych ścieżkach kosztów -
Poprawia przepustowość o 40 - 50% vs. routing pojedynczej ścieżek
Zwiększa tolerancję błędów poprzez redundancję ścieżki
Działa płynnie z modelem hierarchicznym Dens
Zaawansowane strategie optymalizacji
Dynamiczna regulacja masy
Ostatnie badania zbadały dynamiczną regulację współczynników ważenia, a na podstawie prawdziwych charakterystyk obciążenia czasowego -.
Compute - intensywne obciążenia =0.8, + =0.2
Komunikacja - intensywna =0.4, =0.3, =0.3
Usługi dostosowywania produktu
„Integracja odnawialnych źródeł energii z algorytmami planowania opartego na Dens - wykazała niezwykły potencjał zmniejszania śladów węglowych w centrach danych hiperskalnych”.
Do 45% zmniejszenie zużycia energii siatki
Źródło: Zhang i in. (2024), Transakcje IEEE w zakresie zrównoważonego obliczeń
Bezpłatna próbka
Włączenie algorytmów uczenia maszynowego w celu przewidywania wzorców ruchu i optymalizacji parametrów Dens wykazało obiecujące wyniki.
85% dokładności prognozowania przeciążenia
5-minutowy horyzont prognozy
10-15% dodatkowych oszczędności energii
Walidacja eksperymentalna i wyniki
Środowisko symulacyjne
Obszerne symulacje z wykorzystaniem dyskretnych symulatorów zdarzeń zatwierdziły metodologię Dens w różnych konfiguracjach centrum danych. Scenariusze testowe obejmowały centra danych od 1000 do 100 000 serwerów, z różnymi wzorcami ruchu, w tym usługami internetowymi (80% odczytu, 20% zapisu), przetwarzania partii (zrównoważone odczyt/zapis) i aplikacje do przesyłania strumieniowego (95% zapisu, 5% odczytu).
Skala serwera
1000 do 100 000 serwerów
Wzorce ruchu
Usługi internetowe, przetwarzanie wsadowe, przesyłanie strumieniowe
Typ symulacji
Dyskretne symulatory zdarzeń
Wskaźniki wydajności
Kluczowe wskaźniki wydajności
Porównanie wydajności
