Tóm tắt luận án tiến sĩ kỹ thuật các phương pháp tiết kiệm năng lượng sử dụng công nghệ mạng điều khiển bằng phần mềm trong môi trường điện toán đám mây

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
TRẦN MẠNH NAM

CÁC PHƯƠNG PHÁP TIẾT KIỆM NĂNG LƯỢNG SỬ DỤNG
CÔNG NGHỆ MẠNG ĐIỀU KHIỂN BẰNG PHẦN MỀM TRONG
MÔI TRƯỜNG ĐIỆN TOÁN ĐÁM MÂY
SDN-BASED ENERGY-EFFICIENT NETWORKING IN CLOUD
COMPUTING ENVIRONMENTS
Chuyên ngành: Kỹ thuật viễn thông
Mã số: 62520208

TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT VIỄN THÔNG

HÀ NỘI – 2018

Công trình được hoàn thành tại: Trường Đại học Bách khoa Hà Nội


Người hướng dẫn khoa học: PGS.TS. Nguyễn Hữu Thanh

Phản biện 1: ………………………………………………………
Phản biện 2: ………………………………………………………
Phản biện 3: ………………………………………………………

Luận án sẽ được bảo vệ trước Hội đồng đánh giá luận án cấp Trường
họp tại: Trường Đại học Bách khoa Hà Nội
Vào hồi …….. giờ, ngày ….. tháng ….. năm ………

Có thể tìm hiểu luận án tại:
1. Thư viện Tạ Quang Bửu, Trường ĐHBK HN

2. Thư viện Quốc gia Việt Nam

2


GIỚI THIỆU
1. Tổng quan về tiết kiệm năng lượng mạng trong môi trường điện
toán đám mây
Trong những năm gần đây, công nghệ thông tin và truyền thông (ICT)
đang phát triển mạnh mẽ và đóng vai trò quan trọng trong nhiều lĩnh vực
như khoa học, y tế, giáo dục, giải trí, truyền thông. Cùng với đó, mạng
Internet đang phát triển từng ngày và là một nền tảng kết nối quan trọng
trong mọi lĩnh vực. Để đảm bảo đáp ứng các nhu cầu dịch vụ Internet, các
nhà mạng, nhà cung cấp dịch vụ Internet đang liên tục củng cố, xây dựng
các hệ thống trung tâp dữ liệu ngày một phức tạp và được mở rộng hơn.
Hơn nữa, kích thước và năng lực xử lý của các trung tâm dữ liệu ngày một
tăng nhanh sẽ dẫn đến việc cơ sở hạng tầng mạng và hệ thống liên tục được
mở rộng để đáp ứng nhu cầu Internet, nhu cầu dịch vụ điện toán đám mây
như Youtube, dropbox, mạng xã hội.
Mặc dù quá trình xây dựng các hệ thống trung tâm dữ liệu phần nào đáp
ứng tốt nhu cầu của người dùng và mang lại nhiều lợi ích, nhưng nó cũng
đẫn đến mặt trái của sự tiêu thụ điện năng, và dẫn tới những vấn đề sau:
-

-

Đối với vấn đề môi trường: một lượng lớn khí thải carbon đang
được xả thải từ mảng công nghệ thông tin và truyền thông. Theo
đánh giá của công ty Gartner, một công ty thứ ba có uy tín về việc
so sánh đánh giá công nghệ, lượng khí thải từ các trung tâm dữ liệu

ICT là rất lớn, chiếm khoảng 2% lượng khí thải CO2 toàn cầu.
Đối với vấn đề kinh tế: một lượng lớn năng lượng được tiêu thụ từ
các trung tâm dữ liệu dẫn tới giá thành của các sản phẩm, dịch vụ
công nghệ thông tin và truyền thông tăng cao, điều này trực tiếp
ảnh hưởng tới giá thành của người sử dụng.

Những khó khăn chính của vấn đề tiết kiệm năng lượng mạng trong môi
trường điện toán đám mây được trình bày sau đây:
-

Hệ thống mạng thiếu linh hoạt: trong môi trường mạng của các
trung tâm dữ liệu, rất khó để có thể thay đổi cấu hình, chính sách
hoạt động mạng. Vì thế quản trị viên và các nhà khoa học gặp rất

3


-

nhiều khó khăn trong việc tối ưu hóa, áp dụng phương pháp tối ưu
hóa năng lượng trong hệ thống mạng. Bên cạnh đó, vẫn chưa có
một hệ thống quản lý năng lượng tập trung cho hệ thống mạng để
có thể quản lý tiêu thụ năng lượng mạng và điều khiển.
Mạng nhận thức năng lượng với các công nghệ trong môi trường
điện toán đám mây: điện toán đám mây đang rất phát triển với rất
nhiều mô hình mới như: Hạ tầng như là một dịch vụ (IaaS), Nền
tảng như là một dịch vụ (PaaS), Mạng như là một dịch vụ (NaaS).
Với các dịch vụ cloud như vậy, các công nghệ ảo hóa như ảo hóa
mạng, ảo hóa trung tâm dữ liệu đóng vai trò quan trọng. Qua đó
chỉ ra được công việc xây dựng hệ thống nhận thức năng lượng là

điều cần thiết.

2. Đóng góp của luận án
Hiện nay, công nghệ mạng điều khiển bằng phần mềm (SDN) [11] [12]
[13] đang nổi lên như một cuộc cách mạng về công nghệ mạng. Công nghệ
SDN cho phép xây dựng hệ thống mạng mềm dẻo hơn và có khả năng điều
khiển linh hoạt bằng phần mềm. Công nghệ SDN rất phù hợp để xây dựng
hệ thống mạng nhận thức năng lượng 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.

4


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.
CHƯƠNG I. TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP TIẾT KIỆM
NĂNG LƯỢNG TRONG MÔI TRƯỜNG ĐIỆN TOÁN ĐÁM MÂY
I.1

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]

I.1.1

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.).
I.1.2

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.

5


I.1.3

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.
I.2

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.

I.3

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.

6


CHƯƠNG II. 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:
-

-

II.1
II.1.1

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:
(II.1)

Giá trị thể hiện năng lượng tiêu thụ của thiết bị switch tại thời điểm t;
là năng lượng cơ bản; là số lượng cổng (port) làm việc tại trạng thái p còn
là năng lượng tiêu thụ của cổng tại trạng thái 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 là năng lượng tiêu thụ mở rộng.
Ví dụ là PFPGA-Core in case of Gigabit NetFPGA-based [16].

7


II.1.2

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:
(II.2)
(II.3)
II.1.3

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.

8


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:
(II.4)
(II.5)
II.1.4

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
9


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 tính ra số cổng cần hoạt động ở mức tốc độ thấp tương ứng với
yêu cầu lưu lượng .
-

là lưu lượng từ nguồn tới đích.
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.
(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.

(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.
(II.8)

là tập các link hoạt động ở tốc độ thấp có thể được định tuyến qua của
thiết bị.
Mỗi link thuộc sẽ có tài nguyên băng thông còn lại là . Vì vậy rằng
buộc trên đảm bảo các link ở tốc độ thấp có thể được bật để định tuyến
traffic theo yêu cầu.
II.1.5

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).

10


NU =

∑∑ t
i

ij

j

LinkSpeed * Server _ link

(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

11


Bảng II.2: Tỉ lệ tiết kiệm năng lượng so giữa PSnEP và PS

Fat-tree topology
Average(

PowerPSnEP
%)
PowerPS

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.

12


II.2

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.
II.2.1

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

1. Input:

13


2. Begin
3. //Create a list of source server by increasing number of active servers,
4.

5. //All the server with the same active VMs is re-sorted by near →middle
→ far
6.

7. //Create a list of destination server by decreasing number of active
servers
8.

9. For all do
10.
For all do
11.
If then

12.
13.
Update
14.
End If
15.
End for
16. End for
17. End
18. Output:
II.2.2 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 fattree 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.

14


Figure II.6: K=8, so sánh mức tiêu thụ năng
lượng với fullmesh

Figure II.8: K=8, so sánh với Honeyguide

II.3

Figure II.7: K=16, so sánh mức tiêu thụ
năng lượng với fullmesh

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.

15


CHƯƠNG III. 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.

III.1 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].

16


Figure III.10: Hệ thống mạng ảo nhận thức năng lượng –
Energy-aware Network Virtualization

III.2 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.

17


III.2.1 Tỉ lệ hiệu năng lượng hiệu dụng - Energy-cost Coefficient of
Capacity
-

VNoM metric: đại lượng đề xuất cho quá trình VNoM.
(III.10)

-

VLiM metric: đại lượng đề xuất cho quá trình VLiM.
(III.2)

(III.2)

III.2.2 Thuật toán nhúng nút ảo (VNoM)
III.2.2.1 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 .
III.2.2.2 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

18


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.
III.2.3 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 .

III.3 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 EnergyEfficient Mapping (HEE) and Reducing Middle Node Energy Efficiency
(RMN-EE).

Figure III.11 Acceptance Ratio – Online

Figure III.12: 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.

19


Figure III.13: tỉ lệ của năng lượng tiêu thụ
của hệ thống với trường hợp fullmesh
(max)- Online

Figure III.14 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.15 So sánh tỉ lệ chấp nhận năng
lượng của Online và Online Remap

III.4 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.

20


CHƯƠNG IV. 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.
IV.1 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.

21


IV.2 Mô hình hóa vấn đề tiết kiệm năng lượng với công nghệ ảo hóa
trung tâm dữ liệu
IV.2.1 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, năng lượng tiêu thụ của máy chủ và chi phí tiến
trình di chú máy chủ . Vậy hàm mục tiêu được xác định:
(IV.1
1)

IV.2.1.1 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.
(IV.12)
(IV.13)

-

Rằng buộc VmM: các máy ảo có tổng tài nguyên yêu cầu nhỏ hơn
tài nguyên vật lý của máy chủ được nhúng lên.
(IV.1
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, . Chỉ số nhị phân của máy ảo được
nhúng lên máy vật lý được mô tả như công thức 4.3 nếu nhúng
thành công, và 4.4 nếu nhúng không thành công.
(IV.15)
(IV.16)

22

-

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 mà nhúng lên
chúng. Công thức (IV.17.
(IV.17)

IV.3 Thuật toán nhúng VDC nhận thức năng lượng

Figure IV.16: 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.
IV.4 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 -

23


PM); (2) di trú khi có VDC yêu cầu đên (Migration on arrival - MoA); Và
(3) di trú toàn bộ (Full migration - FM)
IV.5 Đánh giá kết quả
IV.5.1 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.17: 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.18: tỉ lệ chấp nhận trên VM(a) và tỉ lệ chấp nhận trên VDC(b)

24


IV.5.2 Mức độ tiết kiệm năng lượng

Figure IV.19: Tổng năng lượng tiêu thụ

trên cả trung tâm dữ liệu

Figure IV.20: 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.
IV.5.3 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.21: số lần di trú với từng
chiến thuật di trú máy ảo của trung
tâm dữ liệu ảo

Figure IV.22: so sánh đa chiều (tiết
kiệm năng lượng, độ đơn giản, tối ưu
tài nguyên) giữa các thuật toán

IV.6 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.

25