Modèles de risque de Wall Street boostent l'efficacité du cloud computing

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

Pour suivre la demande toujours 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 principaux défis est de maintenir un bon équilibre entre la disponibilité du réseau et son utilisation. Un canal hautement utilisé pourrait ne pas être capable de gérer une soudaine augmentation de trafic, entraînant une défaillance de nœud/lien.

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 en bourse à maximiser leur retour tout en minimisant les pertes financières lors des 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 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 le trafic de manière optimale (via différents liens) pour maximiser l'utilisation globale du réseau, tout en minimisant les pertes. C'est tout le contraire de 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 leurs ressources de centre de données et économiser des millions de dollars.

Comment fonctionne 'TeaVar' ?

Les grandes entreprises qui fournissent des services cloud utilisent des outils d'« ingénierie de trafic » (TE) pour allouer de manière optimale la bande passante des données à travers tous les chemins. Afin de garantir une disponibilité maximale, ces entreprises maintiennent plusieurs liens à faible utilisation. De nombreux liens réseau ne fonctionnent pas à haute utilisation : ils n'envoient pas autant de trafic qu'ils le pourraient.

Ainsi, il y a 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 tout réseau, les blocs de bande passante de données sont similaires à de l'« argent » investi sur le marché, et les instruments avec différentes probabilités de défaillance sont similaires à des « actions » et leurs valeurs incertaines. En utilisant ce concept, l'équipe de recherche a développé une méthodologie « consciente du risque » qui garantit que les données atteindront leur destination avec une perte de trafic minimale lors des pires conditions de défaillance.

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

Application de TeaVar à des données réelles

Ils ont testé ce modèle contre les outils TE conventionnels sur du trafic simulé transféré via les réseaux ATT, IBM, Google. Ils ont également produit plusieurs conditions de défaillance basées sur la probabilité de leur occurrence.

Finalement, ils ont appliqué TeaVar à des données réelles et ont constaté qu'il peut supporter jusqu'à deux fois plus de trafic que les méthodes TE conventionnelles au même niveau de disponibilité. Le modèle a été capable de maintenir les liens fiables fonctionnant à près de pleine capacité, tout en dirigeant les données loin des chemins plus risqués.