數(shù)據(jù)中心的輔助矩陣啟發(fā)式最小能耗綠色服務(wù)遷移

趙杰文 王明

摘? 要： 為了減少云計算服務(wù)非再生能源（NRE）能耗，提出從DCs到核心網(wǎng)絡(luò)中的節(jié)點接入段的下游服務(wù)遷移操作策略，允許在一個時間間隔/周期內(nèi)從DC提供的服務(wù)連接進行遷移，并在下一個時間間隔從另一個DC提供服務(wù)連接。然而，連接服務(wù)遷移涉及信令開銷，并且可能中斷正在進行的服務(wù)?？紤]到NRE能耗的節(jié)省和由于遷移而產(chǎn)生的成本（即懲罰），利用混合整數(shù)線性規(guī)劃（MILP）優(yōu)化模型和基于輔助矩陣的啟發(fā)式算法，在線求解動態(tài)優(yōu)化問題，并允許選取最優(yōu)服務(wù)連接遷移。實驗結(jié)果顯示，所提算法可有效降低數(shù)據(jù)中心服務(wù)遷移的NRE能耗。

關(guān)鍵詞： 服務(wù)遷移; 數(shù)據(jù)中心; 能耗節(jié)省; 服務(wù)連接; 啟發(fā)式算法; 實驗分析

中圖分類號： TN711?34; TP391? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）08?0032?04

Data center green service migration with minimum energy consumption of heuristic algorithm based on auxiliary matrix

ZHAO Jiewen， WANG Ming

（School of information engineering， Jiaozuo University， Jiaozuo 454003， China）

Abstract： The downstream service migration operation strategy from DCs to the access segment of the node in the core network is proposed to reduce the energy consumption of non?renewable energy （NRE） of cloud computing services， by which the migration of service connection provided by DC within an interval/cycle is allowed， and the service connection is provided by another DC within the next interval. However， the connection service migration involves signaling overheads and may interrupt ongoing services. In consideration of the saving in NRE energy consumption and the costs （i.e.， penalties） generated by the migration， the dynamic optimization problem is solved online by means of the mixed integer linear programming （MILP） optimization model and the heuristic algorithm based on auxiliary matrix， with which a selection of the optimal service connection migration is allowed. The experimental results show that the proposed algorithm can effectively reduce the NRE energy consumption of service migration of data center.

Keywords： service migration; data center; energy?consumption saving; service connection; heuristic algorithm; experiment analysis

0? 引? 言

信息和通信技術(shù)（ICT）部門的能源能耗隨著互聯(lián)網(wǎng)流量的增長而迅速增加，由此產(chǎn)生的溫室效應(yīng)會導(dǎo)致大氣溫度的升高（即全球變暖）、氣候變化、降雪和降雨模式的變化以及極端氣候事件，如暴雨和颶風(fēng)的發(fā)生。因此數(shù)據(jù)中心的節(jié)能降耗問題是近年來的研究熱點，具有廣闊的研究價值。

在過去的幾年中，許多云提供商（例如，Amazon Web服務(wù)）提供了大量云服務(wù)。雖然DCs通過提供云服務(wù)提供了許多優(yōu)點，但是他們能耗了大量的能量，正如文獻[1]所述，目前，DCs貢獻了ICT行業(yè)所能耗的總能量的29%。文獻[2?3]在服務(wù)器中采用了一種工作負載合并技術(shù)，以增加空閑服務(wù)器的數(shù)量，節(jié)省能量能耗。文獻[4]通過減少機架頂部開關(guān)的數(shù)量（連接機架上的所有服務(wù)器）和服務(wù)器來減少DCs中的能耗。文獻[5]探索一種基于遺傳算法的方法，在不同的時間從不同的DCs最優(yōu)地提供每個服務(wù)，以最大限度地重復(fù)使用。除了DCs之外，電信網(wǎng)絡(luò)（不包括DCs和終端使用設(shè)備）也能消耗大量能量。例如，ICT部門的總能源能耗的37%發(fā)生在電信網(wǎng)絡(luò)中。文獻[6]采用不同的技術(shù)，如流量疏導(dǎo)、光旁路、關(guān)閉路由器端口、應(yīng)答器和光纖鏈路，以盡量減少由于IPOVER?WDM（IPoWDM）網(wǎng)絡(luò)中的網(wǎng)絡(luò)設(shè)備的能量能耗。文獻[7]提出服務(wù)可能需要在給定的時間間隔從一個DC遷移到下一個時間間隔的另一個DC，以減少NRE能耗。

然而，頻繁的服務(wù)遷移顯著增加了信令復(fù)雜性，建立連接時的等待時間，并且可能由于潛在的服務(wù)中斷而影響QoS，造成網(wǎng)絡(luò)不穩(wěn)定。上述算法沒有很好地解決這些問題，或者并未將這些問題考慮在內(nèi)。在這項研究中，筆者探索了一種新的連接策略提供連接遷移設(shè)施的操作策略，可以根據(jù)不同的時間間隔基于重新供應(yīng)（僅太陽能和風(fēng)能）和帶寬需求的變化，提供來自不同DCS的終端用戶。

1? 問題描述

考慮典型IPoWDM網(wǎng)絡(luò)與一組地理上分布的DCs，見圖1中的線性IPoWDM網(wǎng)絡(luò)模型，其中3個節(jié)點通過光纖連接，只有2個節(jié)點容納DCs。

由插槽卡和端口卡組成的組合結(jié)構(gòu)稱為線卡（LC）。雙向WDM終端由與前置放大器相連的多路復(fù)用器（MUX）和與前置放大器相連的多路分解器（DEMUX）組成。在直流側(cè)的功耗（即PDC）被認為是遵循線性模型，如下：

式中：[?]表示由DC處理的通信量;[PidleDC]是處于閑置狀態(tài)的DC電力能耗;[PprocDC]是處理單位流量的功率能耗;[PmaxDC]是DC在滿負荷狀態(tài)下的最大功率能耗。MILP模型的目標是將有效的NRE能耗最小化，模型目標定義如下：

式中：第一項表示在時間間隔[t]內(nèi)，所有節(jié)點總的NRE消費量;第二項表示在時間間隔[t]內(nèi)因連接遷移而導(dǎo)致的總懲罰（NRE能耗）。因為連接遷移在開始時是不可行的，則[μ1=0]。MILP模型的約束描述如下：

式中，[?r∈R，i∈V]，該約束表示在時間間隔[t]內(nèi)節(jié)點[i]處的鏈接[r]的流量守恒，該連接被允許分裂并通過多個光路傳輸。式（3）可確保[r]的源節(jié)點和目標節(jié)點總是兩個不同的節(jié)點。

式（4）根據(jù)通過節(jié)點i和j之間光路的所有連接的流量，確保在時間間隔[t]上，節(jié)點i和j之間具有最小設(shè)置數(shù)量的光路。

式（5）確保如果[dij]大于MTD，則在時間間隔[t]上，節(jié)點i和j之間不設(shè)置光路。

式（6）計算在時間間隔[t]上，節(jié)點i處的DC處理的流量，即[?ti]。式（6）中的第一項和第二項分別表示節(jié)點的核心IP路由器上的輸出和輸入的流量，也就是說，這種業(yè)務(wù)源于位于不同節(jié)點上的不同DC，并使用當(dāng)前節(jié)點進行傳輸。

式（7）確保當(dāng)且僅當(dāng)[?ti]大于0時，[AitDC=1]。式（7）還確保由DC處理的業(yè)務(wù)不能超過DC的吞吐量。

式（8）確保在時間間隔[t]上，只由一個DC（位于節(jié)點處）提供服務(wù)。

2? 啟發(fā)式優(yōu)化方法

IPoWDM網(wǎng)絡(luò)的每個節(jié)點由4個輔助節(jié)點（ANs）表示，其中2個ANs，即路由器輸入節(jié)點（[Rin]）（即核心IP路由器的輸入槽）和路由器輸出節(jié)點（[Rout]）（即核心IP路由器的輸出槽）表示核心IP路由器。如果DC沒有足夠的自由容量來容納[btr]，則[Cd=INF];否則[Cd]的賦值規(guī)則如下：

如果DC是活躍的，則

否則計算形式為：

圖2給出AMHM啟發(fā)式的流程圖。在AMHM啟發(fā)式算法中，在每個時間間隔，需要依次處理連接。因此，在給定的時間間隔，對于每個連接，發(fā)現(xiàn)滿足延遲帶寬約束（DBC）的DCs（位于不同節(jié)點）的數(shù)目。

基于DCs的數(shù)量，按順序?qū)⑺羞B接排序，并將排序后的連接放入隊列中?；谑Ｓ鄮挼慕敌?，在同一數(shù)量的DCs（先前確定的）之間重新連接。選擇隊列的第一連接（例如[r]），確定[NF]和[rbtr]。首先，基于NID指示的當(dāng)前網(wǎng)絡(luò)場景，選取[rbtr]并計算AL權(quán)重。使用AM，從虛擬AN到目標節(jié)點AN搜索最短路徑（即目標節(jié)點的[Rin]）。最短路徑標識連接的源AN、要設(shè)置NNL的新光路（即NLS）的數(shù)目及現(xiàn)有光路（即ELs）的數(shù)目重復(fù)使用[NWL]。對與[τ]相關(guān)的[Drt]進行更新。節(jié)點的重新可用性被臨時更新。然后，選擇[C]（即[τ=C]），并利用流量[C]重復(fù)執(zhí)行上述[τ=rbtr]過程[NF-1]次，獲得[NF-1]個路由片段。

3? 實驗分析

3.1? 實驗設(shè)置

在這一節(jié)中，首先利用圖3所示的24節(jié)點NSFNET網(wǎng)絡(luò)模型對所提NESPMD模型和AMHM啟發(fā)式算法性能進行評價分析。兩個網(wǎng)絡(luò)中的鏈路長度是通過找出節(jié)點之間的最短距離來確定的。在網(wǎng)絡(luò)中的光信號的MTD在40 Gb/s的數(shù)據(jù)速率是2 500 km。因此，在信號覆蓋2 500 km之前需要對光信號進行再生。網(wǎng)絡(luò)中的最大鏈路長度是2 500 km，因此所有鏈路都可以用來傳輸業(yè)務(wù)。因此，所有較長的鏈路被認為是2 500 km。假設(shè)NSFNET擁有五個DCs，其中DC位置是隨機選擇的。在兩個網(wǎng)絡(luò)中，具有DCs的節(jié)點用虛線圈標記，并與虛擬節(jié)點連接。

模型有關(guān)參數(shù)的定義如表1所示。在每個節(jié)點上都有足夠數(shù)量的LCs和應(yīng)答器來連接服務(wù)，考慮每個波長的傳輸容量為40 Gb/s，即[C=40? Gb/s]。

3.2? 結(jié)果分析

在Linux操作系統(tǒng)上用C++實現(xiàn)了AMHM啟發(fā)式算法，其中一個64位計算機具有2.7 GHz的英特爾I5 4內(nèi)核CPU和8 GB RAM。利用24節(jié)點NSFNET和100個下游連接，AMESNPMD啟發(fā)式和NESPMD模型分別在0.5 s和2 h內(nèi)提供解決方案（平均值）。使用24節(jié)點UNET和200個下游連接，AMESNPMD啟發(fā)式在2 s內(nèi)提供了一個解決方案（平均），而NESPMD模型甚至在4 h內(nèi)也不提供解決方案。這體現(xiàn)了所提算法較好的計算效率。對參數(shù)[Dper]，[μp]對于算法的影響進行分析實驗，實驗結(jié)果如圖4所示。

根據(jù)圖4實驗結(jié)果可知，對于參數(shù)[μp]，其取值在0.000 1～10變化時，該參數(shù)值越大其NRE能耗越高。但是[μp=0.000 1]和[μp=0.1]相差不大，并且參數(shù)[μp]取值過小會導(dǎo)致算法的遷移數(shù)量過多，不利于算法過程的簡化，因此[μp=0.1]是相對合理的參數(shù)選取方式。同理，根據(jù)參數(shù)[Dper]對NRE能耗影響實驗結(jié)果，對于[Dper=]2，10，50，[∞]四種實驗數(shù)據(jù)，其對于NRE能耗影響相差不大，本實驗選取[Dper=10]。

為更進一步驗證所提算法在能耗節(jié)約上的有效性，這里選取文獻[8]和文獻[9]兩種算法作為對比，對算法的性能進行評價。根據(jù)圖4實驗結(jié)果，這里選取[Dper=10]，[μp=0.1]，實驗結(jié)果如圖5所示。

根據(jù)圖5結(jié)果可知，在有效NRE能耗對比上，本文算法在不同時間段上在圖5模型上的有效NRE能耗均要低于選取的文獻[8]和文獻[9]兩種算法，這表明本文算法在功耗節(jié)省上要顯著地優(yōu)于選取的對比算法，顯示了良好的算法性能。對比算法中文獻[8]算法在有效NRE能耗上要優(yōu)于文獻[9]算法，主要原因是其考慮了NRE能耗優(yōu)化問題，具有相對較理想的NRE能耗控制效果。

4? 結(jié)? 語

本研究中探索建立基于IP和啟發(fā)式的IPoWDM網(wǎng)絡(luò)的操作方案，建立與具有連接遷移設(shè)施DCs的連接的重新供應(yīng)和帶寬需求。使用該方案，考慮到端到端傳播延遲容忍約束的影響，可減少有效的NRE能耗。采用一個現(xiàn)實的網(wǎng)絡(luò)設(shè)置，所有網(wǎng)絡(luò)設(shè)備被認為是雙向的，光信號傳輸受限于有限的MTD極限。然而，由于大的執(zhí)行時間，MILP模型可能無法用于實際場景（具有大網(wǎng)絡(luò)）。本文的啟發(fā)式算法有效地為所有實際場景提供了解決方案。本研究的主要貢獻如下：

1） 在基于DCs的IPoWDM網(wǎng)絡(luò)中開發(fā)基于MIDP和啟發(fā)式的操作方案，用于基于連接的帶寬需求的具有連接遷移功能的連接配置;

2） 設(shè)計一種優(yōu)化目標函數(shù)，實現(xiàn)綠色數(shù)據(jù)中心的NRE能耗與遷移懲罰的綜合價值最小化;

3） 考慮雙向設(shè)備連接遷移過程中的端到端傳播時延約束。

下一步研究方向：

1） 建立更加符合實際的仿真檢測平臺;

2） 對算法的性能進行進一步改進，提高算法的實用性。

參考文獻

[1] KENTAROH Sano， HAYATO Shimizu， YOSHIHIRO Kondo， et al. Improving accuracy of temperature distribution and energy?saving technology of air conditioners in data centers [J]. IEEE transactions on components，packaging and manufacturing technology， 2018， 8（5）： 811?817.

[2] 陸一飛，朱書宏.數(shù)據(jù)中心網(wǎng)絡(luò)下基于SDN的TCP擁塞控制機制研究與實現(xiàn)[J].計算機學(xué)報，2017，40（9）：2167?2179.

[3] ABOLFAZL Ghassemi， PEJMAN Goudarzi， MOHAMMAD R Mirsarraf， et al. Game based traffic exchange for green data center networks [J]. Journal of communications and networks， 2018， 20（1）： 85?92.

[4] PARASKEVAS Bakopoulos， KONSTANTINOS Christodoulopou?

los， GIADA Landi， et al. NEPHELE： an end?to?end scalable and dynamically reconfigurable optical architecture for application?aware SDN cloud data centers [J]. IEEE communications magazine， 2018， 56（2）： 178?188.

[5] 趙小剛，胡啟平，丁玲，等.基于模型預(yù)測控制的數(shù)據(jù)中心節(jié)能調(diào)度算法[J].軟件學(xué)報，2017，28（2）：429?442.

[6] XUE J， BIRKE R， CHEN L Y， et al. Spatial?temporal prediction models for active ticket managing in data centers [J]. IEEE transactions on network and service management， 2018， 15（1）： 39?52.

[7] YANG Liyao， DENG Yuhui， YANG Laurence T， et al. Reducing the cooling power of data centers by intelligently assigning tasks [J]. IEEE Internet of Things journal， 2018， 5（3）： 63?71.

[8] HORNER Nathaniel， AZEVEDO Inês. Power usage effectiveness in data centers： overloaded and underachieving [J]. The electricity journal， 2016， 29（4）： 61?69.

[9] IBRAHIM El?shekeil， AMITANGSHU Pal， KRISHNA Kant. PRECESION： progressive recovery and restoration planning of interdependent services in enterprise data centers [J]. Digital communications and networks， 2018， 4（1）： 39?47.

[10] OHLENDORF Simon， PACHNICKE Stephan， ROSENKRANZ Werner. Multidimensional PAM with pseudo?gray coding for flexible data center interconnects [J]. IEEE photonics technology letters， 2018， 30（12）： 1143?1146.

[11] CHEN Guo， LU Yuanwei， MENG Yuan， et al. FUSO： fast multi?path loss recovery for data center networks [J]. IEEE/ACM transactions on networking， 2018， 26（3）： 25?36.

[12] 蔡岳平，王昌平.軟件定義數(shù)據(jù)中心網(wǎng)絡(luò)混合路由機制[J].通信學(xué)報，2016，37（4）：44?52.

[13] MA Lisheng， SU Wei， LI Xiaozhou， et al. Heterogeneous data backup against early warning disasters in geo?distributed data center networks [J]. IEEE/OSA journal of optical communications and networking， 2018， 10（4）： 376?385.

[14] RAHMAN Sabidur， GUPTA Abhishek， TORNATORE Massimo， et al. Dynamic workload migration over backbone network to minimize data center electricity cost [J]. IEEE transactions on green communications and networking， 2018， 2（2）： 570?579.

[15] TSACHOURIDIS V A， SOBONSKI P， WIESE H， et al. Optimal Thermal regulation of a real data centre [J]. IFAC?papers online， 2017， 50（1）： 4893?4898.