Какво означава DCI
Sep 15, 2025| В съвременния дигитален пейзаж центровете за данни се превърнаха в основата на облачната изчислителна инфраструктура, обработвайки масивни обеми данни, като същевременно консумират значителни количества енергия.
Въпросът „какво означава DCI“ често възниква в дискусиите за съвременните архитектури на центъра за данни, където DCI означава взаимосвързаност на центъра за данни, технологията, която свързва множество центрове за данни, за да даде възможност за споделяне на ресурси и разпределение на работното натоварване.
Енергията - Ефективното планиране се очертава като критично предизвикателство, изисквайки сложни подходи за балансиране на изискванията за производителност с оптимизация на потреблението на енергия. Мрежовата методология на мрежовия център за данни (DENS) представлява значителен напредък в справяне с тези предизвикателства чрез йерархично моделиране и интелигентни стратегии за разпределение на ресурсите.
Основни концепции в мрежите за центрове за данни
Център за данни Включване (DCI)
Технология, която свързва множество центрове за данни, за да даде възможност за споделяне на ресурси, разпределение на работното натоварване и възстановяване при бедствия в географски разпръснати съоръжения.
Мрежови задръствания
Възниква, когато мрежовият трафик надвишава капацитета, често причинен от ограниченията на буфера в инфраструктурата на Ethernet и несъответствията между връзките между връзките.
Методология на плътните
Йерархичен подход към планирането на центъра за данни, който оптимизира енергийната ефективност, като същевременно поддържа ефективността чрез интелигентно разпределение на ресурсите.
Мрежови задръствания в среди на центъра за данни
Предизвикателството на Ethernet - инфраструктура
Съвременните центрове за данни обхващат философията на използването на Ethernet Media за носене на различни видове трафик, включително LAN, SAN и IPC Communications. Докато Ethernet Technology предлага зрялост, лекота на внедряване и сравнително просто управление, тя представлява значителни предизвикателства по отношение на ограниченията на хардуера, особено в буферния капацитет.
Типичните размери на буфера на Ethernet работят на ниво на магнитуд 100 kb, докато интернет рутерите обикновено разполагат с размери на буфер с магнитуд 100 MB. Тази значителна разлика от 1000x в буферен капацитет, комбинирана с високи модели на трафик на честотна лента, представлява основната причина за претоварване на мрежата в средата на центъра за данни.
Сравнение на буферния капацитет
Ethernet превключва 100 kb
Интернет рутери 100 MB
Разликата 1000x в буферния капацитет създава значителни предизвикателства за обработка на високи модели на трафик на честотна лента в центрове за данни.
Проява на задръствания в превключвателите на центъра за данни
Проява на задръствания в превключвателите на центъра за данни може да възникне в множество посоки. В посока на низходящата връзка се появява задръстванията, когато съвкупният капацитет на входящите връзки надвишава капацитета на връзките за изход. За указания за възходяща връзка, несъответствието на честотната лента се определя предимно от съотношението на конвергенция на честотната лента, като настъпването на задръствания се появява, когато агрегираната честотна лента на всички сървърни портове надминава общия капацитет на връзката на превключвателя.
Тези точки на задръствания, често наричани горещи точки, могат сериозно да повлияят на способността на мрежата за данни за данни да предава ефективно данни, като потенциално намалява пропускателната способност с до 70% в крайни случаи.
Претоварване с низходяща връзка
Възниква, когато общият входящ трафик надвишава изходящия капацитет на превключвателния порт, създавайки затруднения в потока на данни от по -високи към по -ниски мрежови нива.
Задръствания на връзката
Случва се, когато агрегираният сървър трафик надвишава капацитета на връзката на връзката, обикновено определен от съотношението на конвергенция на честотната лента на мрежовия дизайн.
IEEE 802.1QAU Стандарти и управление на задръстванията
Как работи 802.1qau
Претоварените превключватели откриват задръствания и генерират сигнали за уведомяване
Сигналите за задръствания се разпространяват обратно към изпращането на устройства
Подателите галиха скоростта на предаването си, за да намалят задръстванията
Използването на мрежата се поддържа на високи нива (до 95%)
Загубата на пакети е сведена до минимум чрез проактивен контрол на скоростта
Групата за свързване на центрове за данни (IEEE 802.1) е разработила решения за контрол на задръстванията на слой 2, по -специално спецификацията на IEEE 802.1QAU. Този стандарт въвежда контури за обратна връзка за известия за задръствания между превключвателите на центъра за данни, което позволява претоварени превключватели да използват сигнали за уведомяване на задръстванията, за да галеят високо - изпращачи на товари.
Въпреки че тази техника ефективно предотвратява загубата на пакети поради задръстванията и поддържа високи нива на използване на мрежата до 95%, тя не разрешава основното проблем.
"По -ефективният подход включва стратегическото внедряване на данни - интензивни задачи, за да се избегне споделянето на общи комуникационни пътища. Например, за да се използват напълно пространствените изолационни характеристики на три - архитектури, данни - интензивни задачи трябва да бъдат пропорционално разпределени в изчислителните сердове според интензивните задачи на изчислителните данни.
Тези данни - интензивни задачи, подобни на видео - споделяне на приложения, генерират постоянни битови потоци за крайни потребители, като едновременно комуникират с други задачи, работещи в центъра за данни. Този пропорционално разпределен метод за внедряване противоречи на енергията - ефикасни цели за планиране, които имат за цел да използват минимални набори от сървър и набори от комуникационни ресурси за справяне с всички натоварвания.
Рамката на методологията на Dens
Йерархичен подход за моделиране
Методологията на Dens представлява изместване на парадигмата от традиционните подходи, които моделират центрове за данни като хомогенни пулове от ресурси за изчислителни сървъри. Вместо това, Dens предлага йерархичен модел, съответстващ на основните топологии на центъра за данни.
За три - центрове за данни, метриката M се определя като претеглена комбинация от сървър - функция f_s, багажник - ниво на функция f_r и модул - функция на ниво f_m:
M = × f_s + × f_r + × f_m
Където, и представляват коефициенти на претегляне, които определят как съответните компоненти (сървъри, стелажи, модули) влияят на показателите за оценка.
Коефициенти на тегло
(Сървър - Тегло на нивото) Обикновено 0,7
Благоприятства избирането на високо - заредени сървъри в рамките на леко заредени стелажи
(Багажник - Тегло на нивото) Обикновено 0,2
Приоритизира изчислителните стелажи с ниски мрежови товари
(Модул - Тегло на нивото) Обикновено 0,1
Благоприятства избирането на леко заредени модули, от решаващо значение за консолидирането на задачите
Натоварване и комуникационен потенциал на сървъра
Комбинацията от натоварване на сървъра l_s (l) и неговият потенциал за комуникация q_s (q) формират основната основа за избор на сървър. Тази връзка се изразява чрез:
f_s(l,q) = L_s(l) × (Q_s(q)^φ)/δ_t
L_s(l)
Зависи от зареждането на сървъра L, изчислено с помощта на специализирана сигмоидна функция
Q_s(q)
Определя натоварването в Rack Uplinks, като анализира условията на задръствания в опашката за изход на превключвателя Q
δ_t
Честотна лента над - коефициент на осигуряване в горната част - от - Rack (tor) превключватели
φ
Коефициент, определящ съотношението между l_s (l) и q_s (q) в метриката
Определение и оптимизация на фактора на натоварване
Коефициентът на натоварване на плътните се определя като сумата от две сигмоидни функции за справяне с предизвикателството, че сървърите на празен ход консумират приблизително 67% от пиковата си консумация на енергия:
L_s(l) = 1/(1 + e^(-10(l - 0.5))) - 1/(1 + e^(-2(l - (1 - ε/2))))
Първият компонент определя основната сигмоидна форма, докато вторият служи като функция на наказание, предназначена да сближи максималните стойности на натоварването на сървъра. Параметърът ε определя обхвата и наклона на намаляващата част на кривата.
Крива за оптимизация на натоварването на сървъра
Този сложен подход гарантира, че сървърите работят в рамките на оптимални диапазони на натоварване, обикновено между 70% и 85% използване, балансирайки енергийната ефективност с опасенията за надеждност на хардуера.
Метрики за управление на опашки и задръствания
Анализ на заетостта на опашката
Всички сървъри в багажника споделят TOR превключвател за комуникация на връзката нагоре. При ставки на гигабит определянето на точната част на комуникацията между връзката възходяща връзка, заета от отделни сървъри или потоци, става изчислително интензивно. За да се справи с това предизвикателство, методологията на Dens включва компонент, свързан с превключването на изходната опашка Q (q), която варира в зависимост от честотната лента над - коефициент на осигуряване Δ.
Скоростта на заетост Q не зависи от абсолютния размер на опашката, но варира в зависимост от общия размер на опашката Q_MAX, вариращ от [0,1], където 0 и 1 съответстват съответно на празни и пълни състояния на опашката. Чрез въвеждане на компонента за заетост на опашката, метриката на Dens може да реагира на промени в задръстванията в стелажи или модули, а не на изменения на скоростта на предаване.
Изпълнение на дистрибуция на Weibull
Q (q)=e^(- (3q/q_max)^2)
Заетост на опашката спрямо изпълнението
Резултати от показатели за ефективност и оптимизация
Bell - Функция за избор на селекция
Функцията f_s (l, q) създава звънец - форма на повърхността спрямо натоварването на сървъра l и натоварването на опашката q. Тази функция за предпочитане избира сървъри над средните нива на натоварване, разположени в стелажи с минимални или без задръствания. Емпиричните проучвания показват, че този подход може да постигне икономия на енергия от 25 - 35% в сравнение с традиционното планиране на кръгли робини, като същевременно поддържа ефективността в рамките на 5% от оптималните нива.
Спестяване на енергия
25-35%
В сравнение с традиционния кръг - алгоритми за планиране на робини
Изпълнение
95%+
Поддържа ефективността в рамките на 5% от оптималните нива
Използване
70-85%
Оптимална ефективност и надеждност на обхвата на използване на сървъра
Йерархичен анализ на въздействието
Коефициентите на въздействие на стелажите и модулите се изразяват като:
Багажник - фактор на нивото
Модул - Коефициент на ниво
Практически съображения за изпълнение
Търговията с енергийна ефективност - оф
Когато проучвате какво означава DCI за енергията - ефективно планиране, става ясно, че реализациите на DCI трябва внимателно да балансират локалната оптимизация в отделни центрове за данни срещу глобалната оптимизация в взаимосвързаните съоръжения.
Методологията на Dens показва, че енергията - ефикасните планиращи трябва да консолидират заданията на центъра за данни в най -малкия възможен набор от сървър, постигайки коефициентите на консолидация от 3: 1 или по -високи при типични сценарии.
Въпреки това, непрекъснатата работа при пикови товари може да намали хардуерната надеждност с 15-20% и да повлияе на времето за изпълнение на работата с до 30%.
Ключова търговия - Offs
По -високата консолидация намалява консумацията на енергия
Оптималното балансиране на натоварването подобрява ефективността на мрежата
Над - Консолидацията увеличава риска от отказ (15-20% намаляване на надеждността)
Пиковите товари могат да повлияят на времето за изпълнение на работата с до 30%
Multi - балансиране на натоварването на пътя
Модулът - Коефициентът на ниво F_M включва само натоварване - компонент L, тъй като всички модули се свързват към едни и същи основни превключватели и получават идентична честотна лента чрез ECMP (равни - разходни мулти -} техники за маршрутизиране. Този дизайн гарантира, че разпределението на трафика остава балансирано по наличните пътища, като измерените подобрения в производителността са 40 - 50% в сравнение с подходите за маршрутизиране на един път.
Ползи за маршрутизиране на ECMP
Разпределя трафика през множество равни - разходни пътища
Подобрява пропускателната способност с 40 - 50% спрямо маршрутизиране на един път
Подобрява толерантността на грешките чрез излишък на пътя
Работи безпроблемно с йерархичен модел на Dens
Стратегии за усъвършенствана оптимизация
Динамично регулиране на теглото
Последните изследвания изследват динамичното коригиране на коефициентите на претегляне, и въз основа на реални характеристики на работното натоварване на времето-.
Изчислете - интензивни натоварвания =0.8, + =0.2
Комуникация - интензивна =0.4, =0.3, =0.3
Услуги за персонализиране на продукта
"Интеграцията на възобновяеми енергийни източници с DENS - базирани алгоритми за планиране демонстрира забележителен потенциал за намаляване на въглеродните отпечатъци в центровете за хиперсалидни данни."
До 45% намаление на консумацията на енергия на мрежата
Източник: Zhang et al. (2024), IEEE транзакции за устойчиви изчисления
Безплатна услуга за проби
Включването на алгоритмите за машинно обучение за прогнозиране на моделите на трафика и оптимизиране на параметрите на Dens показа обещаващи резултати.
85% точност при прогнозиране на задръстванията
5-минутен хоризонт за прогнозиране
10-15% допълнителни икономии на енергия
Експериментално валидиране и резултати
Симулационна среда
Обширните симулации, използващи дискретни симулатори на събития, валидират методологията на Dens в различни конфигурации на центъра за данни. Тестовите сценарии включват центрове за данни, вариращи от 1000 до 100 000 сървъра, с различни модели на трафик, включително уеб услуги (80% четене, 20% запис), обработка на партиди (балансирано четене/запис) и приложения за стрийминг (95% запис, 5% четене).
Скала на сървъра
1000 до 100 000 сървъра
Модели на движение
Уеб услуги, обработка на партиди, стрийминг
Тип симулация
Дискретни симулатори на събития
Показатели за изпълнение
Основни показатели за ефективност
Сравнение на производителността
