Les secrets de Wall Street peuvent rendre le cloud computing plus efficace

• Le nouveau modèle mathématique évalue la probabilité de défaillance des liens entre les centres de données à l'échelle mondiale.
• Il s'inspire de la théorie du risque financier.
• Cela peut aider les fournisseurs de services cloud à mieux utiliser les ressources de leur centre de données et à économiser des millions de dollars.

Pour répondre à la demande sans cesse croissante de stockage cloud et de cloud computing, les entreprises dépensent des millions de dollars pour augmenter la capacité de leurs dorsales WAN.

L'un des défis majeurs est de maintenir un bon équilibre entre la disponibilité et l'utilisation du réseau. Un canal très utilisé peut ne pas être en mesure de gérer une augmentation soudaine du trafic, ce qui entraîne une défaillance de nœud/liaison.

Pour résoudre ce problème, une équipe de recherche du MIT, de Microsoft et de l'Université hébraïque a développé un nouveau modèle mathématique qui s'inspire de la théorie du risque financier, qui aide les investisseurs boursiers à maximiser leur rendement tout en minimisant les pertes financières liées aux fluctuations du marché.

Le nouveau modèle s'appelle TeaVar (abréviation de Traffic Engineering Applying Value at Risk). Il évalue la probabilité de défaillance des liens entre les centres de données à l'échelle mondiale. Le processus d'évaluation est similaire à la prévision de la volatilité des actions.

Le modèle alloue ensuite de manière optimale le trafic (via différents liens) pour maximiser l'utilisation globale du réseau, tout en minimisant les pertes. Ceci est tout à fait opposé à l'approche traditionnelle qui maintient les liens inactifs pour gérer les pics de trafic soudains, gaspillant trop d'énergie et de ressources.

Les chercheurs affirment que leur modèle peut aider les fournisseurs de services cloud à mieux utiliser les ressources de leur centre de données et à économiser des millions de dollars.

Comment fonctionne « TeaVar » ?

Les grandes entreprises qui fournissent des services cloud utilisent des outils d'« ingénierie du trafic » (TE) pour allouer de manière optimale la bande passante des données à travers tous les chemins. Afin de garantir une disponibilité maximale, ces sociétés conservent plusieurs liens à faible utilisation. De nombreuses liaisons réseau ne fonctionnent pas à un taux d'utilisation élevé :elles n'envoient pas autant de trafic qu'elles pourraient en envoyer.

Ainsi, il existe un compromis entre l'utilisation du réseau et la disponibilité du réseau. C'est là que les techniques TE conventionnelles échouent.

Référence :MIT | GitHub

Dans n'importe quel réseau, les morceaux de bande passante de données sont similaires à « l'argent » investi sur le marché, et les instruments avec des probabilités de défaillance différentes sont similaires aux « actions » et à leurs valeurs incertaines. À l'aide de ce concept, l'équipe de recherche a développé une méthodologie « consciente des risques » qui garantit que les données atteindront leur destination avec une perte de trafic minimale dans les pires conditions de panne.

Leur approche permet aux entreprises de trouver l'équilibre utilisation-disponibilité qui convient le mieux à leur objectif. TeaVar aborde les défis algorithmiques liés à la traçabilité de la minimisation des risques, ainsi que les défis opérationnels.

Application de TeaVar aux données du monde réel

Ils ont testé ce modèle par rapport aux outils TE conventionnels sur un trafic simulé transféré via les réseaux ATT, IBM et Google. Ils ont également produit plusieurs conditions de défaillance en fonction de la probabilité de leur occurrence.

Lire :  Microsoft a créé un stockage de données ADN entièrement automatisé

Enfin, ils ont appliqué TeaVar aux données du monde réel et ont découvert qu'il peut prendre en charge jusqu'à deux fois plus de trafic que les méthodes TE conventionnelles au même niveau de disponibilité. Le modèle a été en mesure de maintenir des liaisons fiables fonctionnant presque à pleine capacité, tout en éloignant les données des chemins les plus risqués.