数据中心的辅助矩阵启发式最小能耗绿色服务迁移

赵杰文 王明

摘  要： 为了减少云计算服务非再生能源（NRE）能耗，提出从DCs到核心网络中的节点接入段的下游服务迁移操作策略，允许在一个时间间隔/周期内从DC提供的服务连接进行迁移，并在下一个时间间隔从另一个DC提供服务连接。然而，连接服务迁移涉及信令开销，并且可能中断正在进行的服务。考虑到NRE能耗的节省和由于迁移而产生的成本（即惩罚），利用混合整数线性规划（MILP）优化模型和基于辅助矩阵的启发式算法，在线求解动态优化问题，并允许选取最优服务连接迁移。实验结果显示，所提算法可有效降低数据中心服务迁移的NRE能耗。

关键词： 服务迁移; 数据中心; 能耗节省; 服务连接; 启发式算法; 实验分析

中图分类号： TN711?34; TP391                  文献标识码： A                      文章编号： 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

信息和通信技术（ICT）部门的能源能耗随着互联网流量的增长而迅速增加，由此产生的温室效应会导致大气温度的升高（即全球变暖）、气候变化、降雪和降雨模式的变化以及极端气候事件，如暴雨和飓风的发生。因此数据中心的节能降耗问题是近年来的研究热点，具有广阔的研究价值。

在过去的几年中，许多云提供商（例如，Amazon Web服务）提供了大量云服务。虽然DCs通过提供云服务提供了许多优点，但是他們能耗了大量的能量，正如文献[1]所述，目前，DCs贡献了ICT行业所能耗的总能量的29%。文献[2?3]在服务器中采用了一种工作负载合并技术，以增加空闲服务器的数量，节省能量能耗。文献[4]通过减少机架顶部开关的数量（连接机架上的所有服务器）和服务器来减少DCs中的能耗。文献[5]探索一种基于遗传算法的方法，在不同的时间从不同的DCs最优地提供每个服务，以最大限度地重复使用。除了DCs之外，电信网络（不包括DCs和终端使用设备）也能消耗大量能量。例如，ICT部门的总能源能耗的37%发生在电信网络中。文献[6]采用不同的技术，如流量疏导、光旁路、关闭路由器端口、应答器和光纤链路，以尽量减少由于IPOVER?WDM（IPoWDM）网络中的网络设备的能量能耗。文献[7]提出服务可能需要在给定的时间间隔从一个DC迁移到下一个时间间隔的另一个DC，以减少NRE能耗。

然而，频繁的服务迁移显著增加了信令复杂性，建立连接时的等待时间，并且可能由于潜在的服务中断而影响QoS，造成网络不稳定。上述算法没有很好地解决这些问题，或者并未将这些问题考虑在内。在这项研究中，笔者探索了一种新的连接策略提供连接迁移设施的操作策略，可以根据不同的时间间隔基于重新供应（仅太阳能和风能）和带宽需求的变化，提供来自不同DCS的终端用户。

1  问题描述

考虑典型IPoWDM网络与一组地理上分布的DCs，见图1中的线性IPoWDM网络模型，其中3个节点通过光纤连接，只有2个节点容纳DCs。

由插槽卡和端口卡组成的组合结构称为线卡（LC）。双向WDM终端由与前置放大器相连的多路复用器（MUX）和与前置放大器相连的多路分解器（DEMUX）组成。在直流侧的功耗（即PDC）被认为是遵循线性模型，如下：

式中：[?]表示由DC处理的通信量;[PidleDC]是处于闲置状态的DC电力能耗;[PprocDC]是处理单位流量的功率能耗;[PmaxDC]是DC在满负荷状态下的最大功率能耗。MILP模型的目标是将有效的NRE能耗最小化，模型目标定义如下：

式中：第一项表示在时间间隔[t]内，所有节点总的NRE消费量;第二项表示在时间间隔[t]内因连接迁移而导致的总惩罚（NRE能耗）。因为连接迁移在开始时是不可行的，则[μ1=0]。MILP模型的约束描述如下：

式中，[?r∈R，i∈V]，该约束表示在时间间隔[t]内节点[i]处的链接[r]的流量守恒，该连接被允许分裂并通过多个光路传输。式（3）可确保[r]的源节点和目标节点总是两个不同的节点。

式（4）根据通过节点i和j之间光路的所有连接的流量，确保在时间间隔[t]上，节点i和j之间具有最小设置数量的光路。

式（5）确保如果[dij]大于MTD，则在时间间隔[t]上，节点i和j之间不设置光路。

式（6）计算在时间间隔[t]上，节点i处的DC处理的流量，即[?ti]。式（6）中的第一项和第二项分别表示节点的核心IP路由器上的输出和输入的流量，也就是说，这种业务源于位于不同节点上的不同DC，并使用当前节点进行传输。

式（7）确保当且仅当[?ti]大于0时，[AitDC=1]。式（7）还确保由DC处理的业务不能超过DC的吞吐量。

式（8）确保在时间间隔[t]上，只由一个DC（位于节点处）提供服务。

2  启发式优化方法

IPoWDM网络的每个节点由4个辅助节点（ANs）表示，其中2个ANs，即路由器输入节点（[Rin]）（即核心IP路由器的输入槽）和路由器输出节点（[Rout]）（即核心IP路由器的输出槽）表示核心IP路由器。如果DC没有足够的自由容量来容纳[btr]，则[Cd=INF];否则[Cd]的赋值规则如下：

如果DC是活跃的，则

否则计算形式为：

图2给出AMHM启发式的流程图。在AMHM启发式算法中，在每个时间间隔，需要依次处理连接。因此，在给定的时间间隔，对于每个连接，发现满足延迟带宽约束（DBC）的DCs（位于不同节点）的数目。

基于DCs的数量，按顺序将所有连接排序，并将排序后的连接放入队列中。基于剩余带宽的降序，在同一数量的DCs（先前确定的）之间重新连接。选择队列的第一连接（例如[r]），确定[NF]和[rbtr]。首先，基于NID指示的当前网络场景，选取[rbtr]并计算AL权重。使用AM，从虚拟AN到目标节点AN搜索最短路径（即目标节点的[Rin]）。最短路径标识连接的源AN、要设置NNL的新光路（即NLS）的数目及现有光路（即ELs）的数目重复使用[NWL]。对与[τ]相关的[Drt]进行更新。节点的重新可用性被临时更新。然后，选择[C]（即[τ=C]），并利用流量[C]重复执行上述[τ=rbtr]过程[NF-1]次，获得[NF-1]个路由片段。

3  实验分析

3.1  实验设置

在这一节中，首先利用图3所示的24节点NSFNET网络模型对所提NESPMD模型和AMHM启发式算法性能進行评价分析。两个网络中的链路长度是通过找出节点之间的最短距离来确定的。在网络中的光信号的MTD在40 Gb/s的数据速率是2 500 km。因此，在信号覆盖2 500 km之前需要对光信号进行再生。网络中的最大链路长度是2 500 km，因此所有链路都可以用来传输业务。因此，所有较长的链路被认为是2 500 km。假设NSFNET拥有五个DCs，其中DC位置是随机选择的。在两个网络中，具有DCs的节点用虚线圈标记，并与虚拟节点连接。

模型有关参数的定义如表1所示。在每个节点上都有足够数量的LCs和应答器来连接服务，考虑每个波长的传输容量为40 Gb/s，即[C=40  Gb/s]。

3.2  结果分析

在Linux操作系统上用C++实现了AMHM启发式算法，其中一个64位计算机具有2.7 GHz的英特尔I5 4内核CPU和8 GB RAM。利用24节点NSFNET和100个下游连接，AMESNPMD启发式和NESPMD模型分别在0.5 s和2 h内提供解决方案（平均值）。使用24节点UNET和200个下游连接，AMESNPMD启发式在2 s内提供了一个解决方案（平均），而NESPMD模型甚至在4 h内也不提供解决方案。这体现了所提算法较好的计算效率。对参数[Dper]，[μp]对于算法的影响进行分析实验，实验结果如图4所示。

根据图4实验结果可知，对于参数[μp]，其取值在0.000 1～10变化时，该参数值越大其NRE能耗越高。但是[μp=0.000 1]和[μp=0.1]相差不大，并且参数[μp]取值过小会导致算法的迁移数量过多，不利于算法过程的简化，因此[μp=0.1]是相对合理的参数选取方式。同理，根据参数[Dper]对NRE能耗影响实验结果，对于[Dper=]2，10，50，[∞]四种实验数据，其对于NRE能耗影响相差不大，本实验选取[Dper=10]。

为更进一步验证所提算法在能耗节约上的有效性，这里选取文献[8]和文献[9]两种算法作为对比，对算法的性能进行评价。根据图4实验结果，这里选取[Dper=10]，[μp=0.1]，实验结果如图5所示。

根据图5结果可知，在有效NRE能耗对比上，本文算法在不同时间段上在图5模型上的有效NRE能耗均要低于选取的文献[8]和文献[9]两种算法，这表明本文算法在功耗节省上要显著地优于选取的对比算法，显示了良好的算法性能。对比算法中文献[8]算法在有效NRE能耗上要优于文献[9]算法，主要原因是其考虑了NRE能耗优化问题，具有相对较理想的NRE能耗控制效果。

4  结  语

本研究中探索建立基于IP和启发式的IPoWDM网络的操作方案，建立与具有连接迁移设施DCs的连接的重新供应和带宽需求。使用该方案，考虑到端到端传播延迟容忍约束的影响，可减少有效的NRE能耗。采用一个现实的网络设置，所有网络设备被认为是双向的，光信号传输受限于有限的MTD极限。然而，由于大的执行时间，MILP模型可能无法用于实际场景（具有大网络）。本文的启发式算法有效地为所有实际场景提供了解决方案。本研究的主要贡献如下：

1） 在基于DCs的IPoWDM网络中开发基于MIDP和启发式的操作方案，用于基于连接的带宽需求的具有连接迁移功能的连接配置;

2） 设计一种优化目标函数，实现绿色数据中心的NRE能耗与迁移惩罚的综合价值最小化;

3） 考虑双向设备连接迁移过程中的端到端传播时延约束。

下一步研究方向：

1） 建立更加符合实际的仿真检测平台;

2） 对算法的性能进行进一步改进，提高算法的实用性。

参考文献

[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] 陆一飞，朱书宏.数据中心网络下基于SDN的TCP拥塞控制机制研究与实现[J].计算机学报，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] 赵小刚，胡启平，丁玲，等.基于模型预测控制的数据中心节能调度算法[J].软件学报，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.软件定义数据中心网络混合路由机制[J].通信学报，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.