Architektury sieci centrów danych

Centrum danych to pula zasobów (obliczeniowych, pamięci masowej, sieci) połączonych ze sobą za pomocą sieci komunikacyjnej . Data Center Network (DCN) odgrywa kluczową rolę w centrum danych , ponieważ łączy ze sobą wszystkie zasoby centrum danych. Sieci DCN muszą być skalowalne i wydajne, aby mogły łączyć dziesiątki, a nawet setki tysięcy serwerów, aby sprostać rosnącym wymaganiom przetwarzania w chmurze . Dzisiejsze centra danych są ograniczone przez sieć połączeń.

Rodzaje topologii sieci centrów danych

Sieci centrów danych można podzielić na wiele odrębnych kategorii.

  • Stała topologia
  • Elastyczna topologia
    • W pełni optyczna
      • OSA (architektura przełączania optycznego)
    • Hybrydowy
      • c-przez
      • Helios

Rodzaje sieci centrów danych

Trójwarstwowy system DCN

Starsza trójwarstwowa architektura DCN opiera się na topologii sieci opartej na drzewie z wieloma korzeniami , składającej się z trzech warstw przełączników sieciowych, a mianowicie warstw dostępowych, agregujących i rdzeniowych. Serwery w najniższych warstwach są podłączone bezpośrednio do jednego z przełączników warstwy brzegowej. Przełączniki warstwy agregacji łączą ze sobą wiele przełączników warstwy dostępu. Wszystkie przełączniki warstwy agregatu są połączone ze sobą za pomocą przełączników warstwy rdzenia. Przełączniki warstwy rdzenia są również odpowiedzialne za połączenie centrum danych z Internetem . Architektura trójwarstwowa jest powszechną architekturą sieci stosowaną w centrach danych. Jednak architektura trójwarstwowa nie jest w stanie obsłużyć rosnącego zapotrzebowania na przetwarzanie w chmurze. Wyższe warstwy trójwarstwowej sieci DCN mają dużą nadsubskrypcję. Co więcej, skalowalność to kolejna ważna kwestia w trójwarstwowym systemie DCN. Główne problemy napotykane przez architekturę trójwarstwową obejmują skalowalność, odporność na awarie, efektywność energetyczną i przekrojową przepustowość. Architektura trójwarstwowa wykorzystuje urządzenia sieciowe na poziomie przedsiębiorstwa w wyższych warstwach topologii, które są bardzo drogie i zużywają dużo energii.

Grube drzewo DCN

Architektura DCN typu fat tree ogranicza problem nadmiernej subskrypcji i przekrojowej przepustowości, z którym boryka się starsza, trójwarstwowa architektura DCN. Grube drzewo DCN wykorzystuje architekturę opartą na przełącznikach sieciowych z wykorzystaniem topologii Clos . Elementy sieciowe w topologii grubego drzewa są również zgodne z hierarchiczną organizacją przełączników sieciowych w warstwach dostępowych, agregujących i rdzeniowych. Jednak liczba przełączników sieciowych jest znacznie większa niż w trójwarstwowym systemie DCN. Architektura składa się z k podów, z których każdy zawiera (k/2) 2 serwery, k/2 przełączników warstwy dostępu i k/2 agregujących przełączników warstwy w topologii. Warstwy rdzenia zawierają (k/2) 2 przełączniki rdzenia, przy czym każdy z przełączników rdzenia jest podłączony do jednego przełącznika warstwy agregatu w każdym ze strąków. Topologia grubego drzewa może oferować współczynnik nadsubskrypcji do 1:1 i pełne przecięcie przepustowości, w zależności od całkowitej przepustowości każdej szafy w porównaniu z przepustowością dostępną na najwyższych poziomach drzewa. Wyższe gałęzie drzew są zwykle nadsubskrybowane w stosunku do niższych gałęzi w stosunku 1: 5, przy czym problem narasta na najwyższych poziomach drzew, w tym do 1:80 lub 1:240 na najwyższych poziomach. Architektura grubego drzewa wykorzystuje dostosowany schemat adresowania i algorytm trasowania . Skalowalność jest jednym z głównych problemów w architekturze DCN typu fat tree, a maksymalna liczba podów jest równa liczbie portów w każdym przełączniku.

Komórka DC

00000 DCell to zorientowana na serwer hybrydowa architektura DCN, w której jeden serwer jest bezpośrednio połączony z jednym serwerem. Serwer w architekturze DCell jest wyposażony w wiele kart sieciowych (NIC). DCell podąża za rekurencyjnie zbudowaną hierarchią komórek. Komórka jest podstawową jednostką i elementem konstrukcyjnym topologii DCell rozmieszczonej na wielu poziomach, gdzie komórka wyższego poziomu zawiera wiele komórek niższej warstwy. Komórka jest budulcem topologii DCell, która zawiera n serwerów i jeden standardowy przełącznik sieciowy. Przełącznik sieciowy służy wyłącznie do łączenia serwera w obrębie komórki . Komórka 1 zawiera k=n+1 komórek i podobnie komórka 2 zawiera k * n + 1 dkomórka 1 . DCell to wysoce skalowalna architektura, w której czteropoziomowa komórka DCell z zaledwie sześcioma serwerami w komórce może pomieścić około 3,26 miliona serwerów. Oprócz bardzo wysokiej skalowalności, architektura DCell charakteryzuje się bardzo wysoką wytrzymałością strukturalną. Jednak przepustowość przekroju poprzecznego i opóźnienie sieci to główny problem w architekturze DCell DCN.

Inni

Niektóre z innych dobrze znanych DCN to BCube, Camcube, FiConn, Jelly fish i Scafida. Udostępniono jakościowe omówienie różnych DCN wraz z zaletami i wadami związanymi z każdym z nich.

Wyzwania

Skalowalność jest jednym z głównych wyzwań stojących przed sieciami DCN. Wraz z nadejściem paradygmatu chmury centra danych muszą skalować się do setek tysięcy węzłów. Oprócz ogromnej skalowalności sieci DCN muszą również zapewniać wysoką przepustowość przekroju poprzecznego. Obecne architektury DCN, takie jak trójwarstwowy system DCN, oferują słabą przepustowość przekroju i bardzo wysoki współczynnik nadsubskrypcji w pobliżu korzenia. Fat tree Architektura DCN zapewnia współczynnik nadsubskrypcji 1:1 i wysoką przepustowość przekroju poprzecznego, ale cierpi z powodu niskiej skalowalności ograniczonej do k = całkowita liczba portów w przełączniku. DCell oferuje ogromną skalowalność, ale zapewnia bardzo niską wydajność przy dużym obciążeniu sieci i wzorcach ruchu jeden do wielu.

Analiza wydajności sieci DCN

Analiza ilościowa architektur trójwarstwowych, fat tree i DCell w celu porównania wydajności (w oparciu o przepustowość i opóźnienie) jest przeprowadzana dla różnych wzorców ruchu sieciowego. Grube drzewo DCN zapewnia wysoką przepustowość i małe opóźnienia w porównaniu z rozwiązaniami trójwarstwowymi i DCell. DCell cierpi z powodu bardzo niskiej przepustowości przy dużym obciążeniu sieci i jednym lub wielu wzorcach ruchu. Jednym z głównych powodów niskiej przepustowości DCell jest bardzo wysoki współczynnik subskrypcji na łączach łączących komórki najwyższego poziomu.

Solidność strukturalna i łączność sieci DCN

DCell wykazuje bardzo wysoką odporność na losowe i ukierunkowane ataki i zachowuje większość swojego węzła w gigantycznym klastrze nawet po 10% docelowej awarii. wielokrotne awarie, celowe lub losowe, w porównaniu z grubym drzewem i trójwarstwowymi sieciami DCN. Jednym z głównych powodów wysokiej niezawodności i łączności DCell jest jego wielokrotna łączność z innymi węzłami, której nie można znaleźć w grubych drzewach lub architekturach trójwarstwowych.

Efektywność energetyczna DCN

Nasilają się obawy dotyczące potrzeb energetycznych i wpływu centrów danych na środowisko. Efektywność energetyczna jest jednym z głównych wyzwań dzisiejszego sektora technologii informacyjnych i komunikacyjnych (ICT). Szacuje się, że część sieciowa centrum danych zużywa około 15% całkowitego zużycia energii cybernetycznej. W 2010 roku około 15,6 miliarda kWh energii zostało zużyte wyłącznie przez infrastrukturę komunikacyjną w centrach danych na całym świecie. Oczekuje się, że zużycie energii przez infrastrukturę sieciową w centrum danych wzrośnie do około 50% w centrach danych. IEEE 802.3az został znormalizowany w 2011 roku i wykorzystuje technikę adaptacyjnej szybkości łącza w celu zwiększenia efektywności energetycznej. Co więcej, architektury fat tree i DCell wykorzystują standardowy sprzęt sieciowy, który jest z natury energooszczędny. Konsolidacja obciążenia jest również wykorzystywana do oszczędzania energii poprzez konsolidację obciążenia na kilku urządzeniach w celu wyłączenia lub uśpienia nieaktywnych urządzeń.

  1. ^ a b c d K. Bilal, SU Khan, L. Zhang, H. Li, K. Hayat, SA Madani, N. Min-Allah, L. Wang, D. Chen, M. Iqbal, C.-Z. Xu i AY Zomaya, „Ilościowe porównania najnowocześniejszych architektur centrów danych”, Współbieżność i obliczenia: praktyka i doświadczenie, tom. 25, nie. 12, s. 1771-1783, 2013.
  2. ^ a b M. Noormohammadpour, CS Raghavendra, „Kontrola ruchu w centrum danych: zrozumienie technik i kompromisów”, IEEE Communications Surveys & Tutorials, tom. PP, nie 99, s. 1-1.
  3. ^ a b c d e f M. Al-Fares, A. Loukissas, A. Vahdat, A skalowalna, towarowa architektura sieciowa centrum danych 2, w: ACM SIGCOMM 2008 Conference on Data 3 Communication, Seattle, WA, 2008, s. 63–74.
  4. ^ a b C. Guo, H. Wu, K. Tan, L. Shi, Y. Zhang, S. Lu, DCell: skalowalna i odporna na uszkodzenia struktura sieci dla centrów danych, ACM SIGCOMM Computer Communication Review 38 (4) ( 2008) 75-86.
  5. ^ a b c d K. Bilal, SU Khan i AY Zomaya, „Green Data Center Networks: Challenges and Opportunities” na 11. międzynarodowej konferencji IEEE na temat granic technologii informatycznych (FIT), Islamabad, Pakistan, grudzień 2013 r., s. 229-234.
  6. Bibliografia   _ Muppala, Jogesh K.; Veeraraghavan, Malathi; Lin, Dong; Hamdi, Mounir (2013), Liu, Yang; Muppala, Jogesh K.; Veeraraghavan, Malathi; Lin, Dong (red.), „Topologie sieci centrów danych: propozycje badawcze” , Sieci centrów danych: topologie, architektury i cechy tolerancji na błędy , SpringerBriefs in Computer Science, Cham: Springer International Publishing, s. 15–31, doi : 10.1007/978-3-319-01949-9_3 , ISBN 978-3-319-01949-9 , pobrane 2021-02-10
  7. ^    Al-Fares, Mahomet; Loukissas, Aleksander; Wahdat, Amin (2008). „Skalowalna, towarowa architektura sieciowa centrum danych” . Materiały z konferencji ACM SIGCOMM 2008 na temat transmisji danych - SIGCOMM '08 . Seattle, WA, USA: ACM Press: 63–74. doi : 10.1145/1402958.1402967 . ISBN 978-1-60558-175-0 . S2CID 65842 .
  8. ^   Niranjan Mysore, Radhika; Pamboris, Andreas; Farrington, Nathan; Huang, Nelson; Miri, Pardis; Radhakrishnan, Sivasankar; Subramanya, Vikram; Wahdat, Amin (2009-08-16). „PortLand: skalowalna, odporna na uszkodzenia sieć strukturalna centrum danych warstwy 2” . Przegląd komunikacji komputerowej ACM SIGCOMM . 39 (4): 39–50. doi : 10.1145/1594977.1592575 . ISSN 0146-4833 .
  9. ^ Al-Fares, Mahomet; Radhakrishnan, Sivasankar; Raghavan, Barath; Huang, Nelson; Wahdat, Amin (2010-04-28). „Hedera: dynamiczne planowanie przepływu w sieciach centrów danych” . Materiały z 7. Konferencji USENIX na temat projektowania i wdrażania systemów sieciowych . NSDI'10. San Jose, Kalifornia: Stowarzyszenie USENIX: 19.
  10. ^ a b Cisco, Cisco Data Center Infrastructure 2.5 Design Guide, Cisco Press, 2010.
  11. ^ ab Future Bilal i in., „A Taxonomy and Survey on Green Data Center Networks”, Generation Computer Systems.
  12. Bibliografia _ „VL2: skalowalna i elastyczna sieć centrum danych”. Materiały z konferencji ACM SIGCOMM 2009 poświęconej transmisji danych. 2009.
  13. ^ ab K. Bilal, M. Manzano, SU Khan, E. Calle, K. Li i AY Zomaya, „O charakterystyce wytrzymałości strukturalnej sieci centrów danych”, IEEE Transactions on Cloud Computing, tom. 1, nie. 1, s. 64-77, 2013.
  14. ^ Guo, Chuanxiong i in. „BCube: wydajna, zorientowana na serwer architektura sieciowa dla modułowych centrów danych”. Przegląd komunikacji komputerowej ACM SIGCOMM 39.4 (2009): 63-74.
  15. ^ Costa, P. i in. CamCube: centrum danych oparte na kluczach. Raport techniczny MSR TR-2010-74, Microsoft Research, 2010.
  16. Bibliografia _ „FiConn: Używanie portu zapasowego do łączenia serwerów w centrach danych”. INFOCOM 2009, IEEE. IEEE, 2009.
  17. ^ Singla, Ankit i in. „Meduza: losowe łączenie centrów danych w sieci”. 9. sympozjum USENIX na temat projektowania i wdrażania systemów sieciowych (NSDI). 2012.
  18. ^ Gyarmati, László i Tuan Anh Trinh. „Scafida: bezskalowa architektura centrum danych inspirowana siecią”. Przegląd komunikacji komputerowej ACM SIGCOMM 40,5 (2010): 4-12.
  19. ^ M. Manzano, K. Bilal, E. Calle i SU Khan, „O łączności sieci centrów danych”, IEEE Communications Letters, tom. 17, nie. 11, s. 2172-2175, 2013.
  20. Bibliografia    _ Khan, SU; Zomaya, AY (grudzień 2013). „Sieci zielonych centrów danych: wyzwania i możliwości” (PDF) . 2013 11. Międzynarodowa Konferencja o Granicach Technologii Informacyjnych : 229–234. doi : 10.1109/FIT.2013.49 . ISBN 978-1-4799-2503-2 . S2CID 7136258 .
  21. ^ K. Bilal, SU Khan, SA Madani, K. Hayat, MI Khan, N. Min-Allah, J. Kolodziej, L. Wang, S. Zeadally i D. Chen, „A Survey on Green Communications using Adaptive Link Oceń”, Cluster Computing, tom. 16, nie. 3, s. 575-589, 2013
  22. Bibliografia _ „ElasticTree: Oszczędzanie energii w sieciach centrów danych”. NSDI. Tom. 10. 2010.
Pobrano z „ https://en.wikipedia.org/w/index.php?title=Data_center_network_architectures&oldid=1140681858 ”